PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA (PPGEE)

UNIVERSIDADE FEDERAL DA PARAÍBA

Telefone/Ramal
Não informado

Notícias


Banca de QUALIFICAÇÃO: CARLOS ALEJANDRO URZAGASTI

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: CARLOS ALEJANDRO URZAGASTI
DATA: 29/08/2024
HORA: 14:30
LOCAL: https://meet.google.com/wvr-pjfj-ait
TÍTULO: Estudo Comparativo de Técnicas de Desagregação de Energia em Eletrodomésticos Residenciais com Múltiplos Estados
PALAVRAS-CHAVES: NILM, Eletrodomésticos de Múltiplos Estados, Desagregação de energia, Aprendizado de máquina
PÁGINAS: 71
RESUMO: Este trabalho investiga técnicas de desagregação de energia (NILM- Non-Intrusive Load Monitoring) aplicadas a eletrodomésticos residenciais com múltiplos estados operacionais, visando resolver o problema da identificação precisa do consumo de energia individual de cada eletrodoméstico. Utilizando diversas técnicas de Machine Learning, Deep Learning e métodos tradicionais, a pesquisa compara a eficácia dessas técnicas na desagregação de consumo de geladeiras, máquinas de lavar e ar condicionados. Uma revisão sistemá tica da literatura foi realizada para identificar lacunas na pesquisa, revelando desafios significativos na desagregação de eletrodomésticos de múltiplos estados, especialmente devido à complexidade dos padrões de uso e ao desbalanceamento dos dados. A revisão também permitiu detectar bases de dados com pouca exploração em testes, levando à utilização da base de dados Pecan Street, que contém dados de medição de 25 casas em Austin, Texas, com taxas de amostragem de 1Hz. Os resultados das técnicas apontam que modelos de Deep Learning apresentam um bom desempenho para eletrodomésticos com múltiplos estados, mas perdem eficácia quando aplicados a dispositivos diferentes com características similares. Em contrapartida, modelos estatísticos tradicionais, apesar de terem um desempenho geral mais baixo, mantêm uma performance mais estável e não perdem tanto desempenho ao tentar generalizar para diferentes eletrodomésticos. Esta dissertação contribui para o avanço das técnicas de NILM, oferecendo insights valiosos para futuras pesquisas e aplicações na gestão eficiente de energia em ambientes residenciais.
MEMBROS DA BANCA:
Presidente - 1636976 - FABIANO SALVADORI
Interno - 1972280 - JUAN MOISES MAURICIO VILLANUEVA
Externo à Instituição - PAULO SERGIO SAUSEN