Show simple item record

dc.contributor.advisorMarques, Patric Janner
dc.contributor.authorDeitos, Eduardo
dc.contributor.otherMorales, Andréa Cantarelli
dc.contributor.otherBernardi, Cesar Augusto
dc.date.accessioned2020-06-02T16:52:12Z
dc.date.available2020-06-02T16:52:12Z
dc.date.issued2019-07-11
dc.date.submitted2019
dc.identifier.urihttps://repositorio.ucs.br/11338/6124
dc.descriptionO consumo de eletricidade em residências vem aumentando continuamente ao longo das décadas e ações para diminuir estes gastos podem ser tomadas. Uma solução interessante é fornecer aos consumidores, e também à própria concessionária, dados detalhados de consumo individual de cada equipamento elétrico da unidade consumidora. Visto isso, esse trabalho consiste no desenvolvimento de um sistema, baseado em Redes Neurais, capaz de identificar o equipamento através de suas características elétricas de potência ativa e reativa. A topologia utilizada na rede neural é de Multi-Layer Perceptron estruturada em três camadas, enquanto o treinamento do algoritmo utiliza o método de backpropagation. Dentre as etapas do sistema de identificação, o pré-processamento se provou crucial ao processo de aprendizagem da rede, e, do mesmo modo, a seleção de variáveis reduziu a complexidade da rede através da redução dos atributos previsores, potencializando o processamento da RNA. A análise das assinaturas utilizada foi de estado estacionário, baseada em uma base de dados com amostras registradas a cada minuto, considerando um período de 24 horas para cada assinatura. A partir desta abordagem, todas as cargas foram reconhecidas, alcançando uma taxa de acerto global acima de 93% para o sistema em geral e uma precisão de classificação de aproximadamente 88% (sic).pt_BR
dc.description.abstractThe electricity consumption in homes has been increasing continuously along of the decades and actions to reduce these consumption should be taken. An interesting solution is provide to the consumers, and also to the energy company, the feedback about the consumption of each electrical appliance. Therefore, this work consists in the development of a system, based on Neural Networks, able to identify the equipment through of yours electrical characteristics like active and reactive power. The topology used in the neural network is Multi-Layer Perceptron structured in three layers as the algorithm training uses the backpropagation method. Among the steps of the identification system, preprocessing proved to be crucial to the learning process of the network, in the same way, the selection of variables reduced the complexity of the network, reducing the predictive attributesand improving the RNA processing. The analysis of the signatures used was steady-state, based on a dataset with samples recorded every minute, considering the period of 24 hours for each signature. From this approach all loads were recognized, getting an accuracy above 93% for the overall system and a rating precision of approximately 88% (sic).pt_BR
dc.language.isoptpt_BR
dc.subjectEngenharia elétricapt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectAlgorítmospt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectMedidores elétricospt_BR
dc.titleIdentificação de equipamentos elétricos residenciaispt_BR
dc.typeTCCpt_BR
mtd2-br.advisor.instituationUniversidade de Caxias do Sulpt_BR
mtd2-br.program.nameBacharelado em Engenharia Elétricapt_BR
mtd2-br.campusCampus Universitário de Caxias do Sulpt_BR
local.data.embargo2019-07-15 00:00:00


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record