[pt] Este trabalho apresenta um método de Monitoramento Não Intrusivo de Carga de Aparelhos elétricos (do inglês Non-Intrusive Appliance Load Monitoring – NIALM) supervisionado, usando técnicas de análise de estados estacionários, para desagregação do consumo elétrico residencial a partir de uma única medição, sem a necessidade de instalação de medidores individuais nos dispositivos. A metodologia proposta divide o problema em duas etapas. Inicialmente, há um pré-processamento para identificação e desagregação dos aparelhos que apresentam comportamento periódico, modelados a partir da estimação dos parâmetros da série de Fourier. Na etapa seguinte, os resultados obtidos são combinados a um modelo de otimização linear-inteiro misto para desagregação dos equipamentos não-periódicos, buscando minimizar a diferença entre a curva de carga total lida e a soma das curvas de carga desagregadas por dispositivo. Uma aplicação didática é realizada para validação do método proposto com dados reais e, por fim, é apresentada uma análise de viabilidade econômica da migração para a tarifa branca aplicada no Brasil. Os resultados mostram que, ao utilizar dessa metodologia, é possível que o usuário avalie se há ou não vantagem em deslocar parte do seu consumo de energia para fora do horário de ponta para obter benefício na sua fatura de energia elétrica. / [en] This work presents a supervised Non-Intrusive Appliance Load Monitoring (NILM) method, or energy disaggregation, for residential consumption, which aims to decompose the aggregate energy consumption data collected from a single measurement point into device-level consumption estimation using steady state analysis techniques with no need to install individual meters on appliances. The proposed methodology considers two steps to face the problem. Firstly, periodical appliances are modeled from the estimation of Fourier series parameters and extracted from the total power measured. Secondly, the results obtained are combined with a Mixed Integer Linear Programming proposed to disaggregate the remaining appliances, which minimize the difference between the total aggregated load and the sum of the estimated load curves per appliance. A study case is performed with a real case to validate the proposed method and indicates that the model can be useful for practical applications, such as helping evaluate the possibility of the consumers changing the modality of their tariff contract from the conventional tariff to the new Brazilian modality called white tariff.

[pt] Poucos estudos têm investigado e propôs uma solução de middleware para a Internet das Coisas Móveis (IoMT), onde as coisas inteligentes (Objetos Inteligente) podem ser movidos, ou podem mover-se de forma autônoma, mas permanecem acessíveis a partir de qualquer outro computador através da Internet. Neste contexto, existe uma necessidade de gateways com eficiência energética para fornecer conectividade para uma grande variedade de objetos inteligentes. As soluções propostas têm mostrado que os dispositivos móveis (smartphones e tablets) são uma boa opção para se tornar os intermediários universais, proporcionando um ponto de conexão para os objetos inteligentes vizinhos com tecnologias de comunicação de curto alcance. No entanto, eles só se preocupam apenas sobre a transmissão de dados de sensores-primas (obtido a partir de objetos inteligentes conectados) para a nuvem onde o processamento (e.g. agregação) é executada. Comunicação via Internet é uma atividade de forte drenagem da bateria em dispositivos móveis; Além disso, a largura de banda pode não ser suficiente quando grandes quantidades de informação estão sendo recebidas dos objetos inteligentes. Por isso, consideramos que uma parte do processamento deve ser empurrada tão perto quanto possível das fontes. A respeito disso, processamento de eventos complexos (CEP) é muitas vezes usado para o processamento em tempo real de dados heterogêneos e pode ser uma tecnologia chave para ser incluído nas Gateways. Ele permite uma maneira de descrever o processamento como consultas expressivas que podem ser implantados ou removidos dinamicamente no vôo. Assim, sendo adequado para aplicações que têm de lidar com adaptação dinâmica de processamento local. Esta dissertação descreve uma extensão de um middleware móvel com a inclusão de processamento contínuo dos dados do sensor, a sua concepção e implementação de um protótipo para Android. Experimentos têm mostrado que a nossa implementação proporciona uma boa redução no consumo de energia e largura de banda. / [en] Few studies have investigated and proposed a middleware solution for the Internet of Mobile Things (IoMT), where the smart things (Smart Objects) can be moved, or else can move autonomously, but remain accessible from any other computer over the Internet. In this context, there is a need for energy-efficient gateways to provide connectivity to a great variety of Smart Objects. Proposed solutions have shown that mobile devices (smartphones and tablets) are a good option to become the universal intermediates by providing a connection point to nearby Smart Objects with short-range communication technologies. However, they only focus on the transmission of raw sensor data (obtained from connected Smart Objects) to the cloud where processing (e.g. aggregation) is performed. Internet Communication is a strong battery-draining activity for mobile devices; moreover, bandwidth may not be sufficient when large amounts of information is being received from the Smart Objects. Hence, we argue that some of the processing should be pushed as close as possible to the sources. In this regard, Complex Event Processing (CEP) is often used for real-time processing of heterogeneous data and could be a key technology to be included in the gateways. It allows a way to describe the processing as expressive queries that can be dynamically deployed or removed on-the- fly. Thus, being suitable for applications that have to deal with dynamic adaptation of local processing. This dissertation describes an extension of a mobile middleware with the inclusion of continuous processing of sensor data, its design and prototype implementation for Android. Experiments have shown that our implementation delivers good reduction in energy and bandwidth consumption.