Please use this identifier to cite or link to this item: http://repositorio.ufpa.br/jspui/handle/2011/10063
Compartilhar:
Type: Dissertação
Issue Date: 3-Apr-2018
Authors: PENHA, Deyvison de Paiva
First Advisor: CASTRO, Adriana Rosa Garcez
Title: Rede neural convolucional aplicada à identificação de equipamentos residenciais para sistemas de monitoramento não-intrusivo de carga
Other Titles: Convolutional neural network applied to the identification of residential equipment for non-intrusive load monitoring systems
Citation: PENHA, Deyvison de Paiva. Rede neural convolucional aplicada à identificação de equipamentos residenciais para sistemas de monitoramento não-intrusivo de carga. 2018. 55 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica, Belém, 2018. Disponível em: <http://repositorio.ufpa.br/jspui/handle/2011/10063>. Acesso em:.
Resumo: Este trabalho apresenta a proposta de uma nova metodologia para identificação de equipamentos residenciais em sistemas de Monitoramento Não-Intrusivo de cargas. O sistema é baseado em uma Rede Neural Convolucional para classificação dos equipamentos, que utilizam, diretamente como entradas para o sistema, os dados do sinal transitório de potência de 7 equipamentos obtidos no momento em que estes são ligados em uma residência. A metodologia foi desenvolvida usando dados de um banco de dados público (REED) que apresenta dados coletados a uma baixa frequência (1 Hz). Os resultados obtidos na base de dados de testes apresentam acurácia superior a 90%, indicando que o sistema proposto é capaz de realizar a tarefa de identificação, além disso os resultados apresentados são considerados satisfatórios quando comparados com os resultados já apresentados na literatura para o problema em questão.
Abstract: This research presents the proposal of a new methodology for the identification of residential equipment in non-intrusive load monitoring systems. The system is based on a Convolutional Neural Network to classify residential equipment, which uses directly as inputs to the system, the transient power signal data of 7 equipment obtained at the moment they are connected in a residence. The methodology was developed using data from a public database (REED) that presents data collected at a low frequency (1 Hz). The results obtained in the test database show an accuracy of more than 90%, indicating that the proposed system is capable of performing the task of identification. In addition, the results presented are considered satisfactory when compared with the results already presented in the literature for the problem in question.
Keywords: Redes Neurais Convolucionais
Identificação de Equipamentos Residenciais
Monitoramento Não-Intrusivo de Cargas
Non- Intrusive Load Monitoring (NILM)
Concentration Area: COMPUTAÇÃO APLICADA
Research Line: INTELIGÊNCIA COMPUTACIONAL
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA::TRANSMISSAO DA ENERGIA ELETRICA, DISTRIBUICAO DA ENERGIA ELETRICA
Country: Brasil
Publisher: Universidade Federal do Pará
Institution Acronym: UFPA
Department: Instituto de Tecnologia
Program: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
Source: 1 CD-ROM
Appears in Collections:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Dissertacao_RedeNeuralConvolucional.pdf2,04 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons