Este trabalho consiste em apresentar o desenvolvimento de um Smart meter, integrado a um analisador de qualidade de energia, para análise de distorções harmônicas, utilizando método de redes neurais artificiais embarcado em hardware. Tal Smart meter está incluído dentro dos conceitos de Smart Grid, que serão apresentados também neste trabalho. O intuito do desenvolvimento do Smart meter para análise de distorções harmônicas é auxiliar concessionárias de energia elétrica a identificar que tipo de carga o consumidor utiliza em sua residência, a fim de contribuir para a tomada de decisões apropriadas, tais como a diminuição da emissão de correntes harmônicas, demanda de energia, detecção de falhas no fornecimento de energia elétrica e faturas diferenciadas de acordo com a quantidade de harmônicas injetadas na rede elétrica. Adicionalmente, observou-se que o Smart meter desenvolvido pode ser ainda utilizado para detectar fenômenos de VTCD, como elevação, afundamento e interrupção de energia. Todo o processo de desenvolvimento do Smart meter é apresentado no decorrer desta tese de doutorado. / This thesis consists to present the development of a Smart Meter integrated to power quality analyzer for the analysis of harmonic distortion, using methods based on artificial neural networks in embedded hardware. This Smart Meter is included within the concepts of Smart Grid, which will be also presented in this work. The intention of the development of the Smart Meter for analysis of harmonic distortion is to assist utilities companies to identify what loads type the consumer uses at your residence in order to contribute for supporting decisions, such as reducing the emission of the harmonic currents, power demand and faults detection in electric energy supply and distinct bills according to the amount of harmonics injected into the power grid. In addition, it was observed that this developed Smart Meter can be even used to detect the VTCD phenomena, such as swell, sag and interruption of the energy supply. All development steps of this Smart Meter is presented in this doctoral thesis.

Fundação de Amparo a Pesquisa no Estado do Rio Grande do Sul / Electricity consumption in homes and workplaces has been growing steadily over the decades and attitudes to reduce these costs should be taken. An interesting solution is to provide to electricity users, and also to the energy company, detailed data of individual consumption of each electrical appliance. To accomplish this, researchers in the field have focused their efforts on non-intrusive methods of load identification, where a single energy meter is able to desagreggate the appliances by monitoring the total consumption of electricity of that location. Non-intrusive methods are easy to install and demand little maintenance, but require a robust method for identifying these loads. Therefore, the aim of this work is to investigate nonintrusive methods of recognition of electrical appliances to find the desaggregated consumption of these loads. Among these methods, there are the already widely used image recognition pattern methods, that now are been used also to detect electrical devices. In this paper, two of these techniques are discussed, the Principal Component Analisys, a classical method in the literature, and the Vector Projection Length, a completely new method and never used in the loads recognition field before. Current and voltage data were collected from 16 residential appliances, involving all types of loads (resistive, inductive, electronic and hybrid/other types). These data were used as training samples and test samples (unknown samples). A study is carried out using the current and also the power, independently, as load signatures. Also, a comparative analysis of the results of signatures in the time domain and time-frequency (Stowkwell transform) is conducted. As the main contributions to this work, we verified that the Vector Projection Length for load identification is quite feasible, with results up to 96% of tested appliances being identified. However, the results with Principal Component Analisys did not presented the same performance, reaching only 81% of accuracy rate. Comparing the signatures, it became clear that one should use the current in the time-frequency domain for better performance. Neither the use of power, or the time domain obtained satisfactory results of load identification when applying image pattern recognition techniques to load recognition. / O consumo de eletricidade em residências e ambientes de trabalho vem crescendo continuamente ao longo das décadas e atitudes para reduzir estes gastos devem ser tomadas. Uma solução interessante é fornecer aos usuários de energia elétrica, e também à própria concessionária, dados detalhados de consumo individual de cada equipamento elétrico. Para alcançar este objetivo, pesquisadores na área tem focado seus esforços em métodos não-intrusivos de identificação das cargas (equipamentos elétricos), onde um único medidor de energia é capaz de desagregar os equipamentos através do monitoramento do consumo total de energia elétrica daquele local. Métodos não-intrusivos são de fácil instalação e de pouca manutenção, porém requerem um robusto método de identificação destas cargas. Portanto, o objetivo deste trabalho é investigar métodos não-intrusivos de reconhecimento de equipamentos elétricos para encontrar o consumo desagregado destas cargas. Dentre estes métodos, existem os já muito utilizados no reconhecimento de padrões em imagens, mas que agora tem sido também usados para detectar cargas elétricas. Neste trabalho duas destas técnicas são abordadas, a Principal Component Analisys, método clássico na literatura, e o Vector Projection Length, um método completamente novo e nunca usado no reconhecimento de cargas. Coletou-se dados de corrente e tensão de 16 equipamentos elétricos residenciais dos mais variados tipos, envolvendo todos os tipos de cargas existentes (resistivas, indutivas, eletrônicas e híbridas/outros tipos). Estes dados coletados foram utilizados como amostras de treinamento e amostras de teste (amostras desconhecidas). Como assinatura das cargas é realizado um estudo empregando corrente e também potência, de forma independente. Ainda, uma análise comparativa de resultados das assinaturas no domínio do tempo e do tempo-frequência (Transformada de Stowkwell) é conduzido. Como principais contribuições para este trabalho obteve-se que o uso do Vector Projection Length na identificação de equipamentos é bastante viável, com resultados de até 96% dos equipamentos testados sendo identificados. Já os resultados com o Principal Component Analisys ficaram abaixo de seu concorrente, atingindo 81% de taxa de acertos. Comparando as assinaturas, ficou claro que deve-se utilizar a corrente no domínio do tempo-frequência para uma melhor performance. Nem o uso da potência, nem o domínio do tempo obtiveram resultados satisfatórios de identificação quando empregados.

Este trabalho consiste em apresentar o desenvolvimento de um Smart meter, integrado a um analisador de qualidade de energia, para análise de distorções harmônicas, utilizando método de redes neurais artificiais embarcado em hardware. Tal Smart meter está incluído dentro dos conceitos de Smart Grid, que serão apresentados também neste trabalho. O intuito do desenvolvimento do Smart meter para análise de distorções harmônicas é auxiliar concessionárias de energia elétrica a identificar que tipo de carga o consumidor utiliza em sua residência, a fim de contribuir para a tomada de decisões apropriadas, tais como a diminuição da emissão de correntes harmônicas, demanda de energia, detecção de falhas no fornecimento de energia elétrica e faturas diferenciadas de acordo com a quantidade de harmônicas injetadas na rede elétrica. Adicionalmente, observou-se que o Smart meter desenvolvido pode ser ainda utilizado para detectar fenômenos de VTCD, como elevação, afundamento e interrupção de energia. Todo o processo de desenvolvimento do Smart meter é apresentado no decorrer desta tese de doutorado. / This thesis consists to present the development of a Smart Meter integrated to power quality analyzer for the analysis of harmonic distortion, using methods based on artificial neural networks in embedded hardware. This Smart Meter is included within the concepts of Smart Grid, which will be also presented in this work. The intention of the development of the Smart Meter for analysis of harmonic distortion is to assist utilities companies to identify what loads type the consumer uses at your residence in order to contribute for supporting decisions, such as reducing the emission of the harmonic currents, power demand and faults detection in electric energy supply and distinct bills according to the amount of harmonics injected into the power grid. In addition, it was observed that this developed Smart Meter can be even used to detect the VTCD phenomena, such as swell, sag and interruption of the energy supply. All development steps of this Smart Meter is presented in this doctoral thesis.