Made available in DSpace on 2018-08-01T23:29:10Z (GMT). No. of bitstreams: 1 tese_11700_Divulgação de Defesa_Janária Candeias.pdf: 217970 bytes, checksum: 8a06ffb11986993888667abc5520410d (MD5) Previous issue date: 2018-03-28 / Os sistemas não intrusivos de monitoramento de cargas elétricas (NILM) possuem aplicações variadas e apresentam benefícios tanto para as concessionárias de energia elétrica quanto para os consumidores, possibilitando um melhor e mais eficiente gerenciamento de carga pelo lado da demanda. Este trabalho visa à identificação de cargas utilizando a abordagem NILM, definindo e inserindo um novo tipo de identificação, a identificação ativa. Na identificação ativa de cargas, um sinal não natural é injetado no sistema, de forma que a análise da resposta do sistema possibilite a identificação das cargas elétricas da unidade consumidora. Este trabalho é fundamentado no estudo da reflectometria para a identificação ativa de cargas. A reflectometria e é baseado na análise comparativa realizada em relação a um sinal não natural inserido na linha de transmissão e o seu reflexo, possibilitando, entre outras coisas, a obtenção de um novo conjunto de características que podem, possivelmente, contribuir com a rotulação e a identificação de cargas em uma instalação elétrica. Dos métodos possíveis presentes na teoria de reflectometria, usa-se neste trabalho o método TDR, baseando-se em uma abordagem de um modelo genérico para estruturas complexas com n ramificações, as quais são subdivididas em grupos formados por duas cargas e um ponto de excitação, dando origem a um formato em Y. É feito o uso de modelos presentes na literatura e, a partir de simulações empregando alguns cenários, é feita a proposição de possíveis características a serem submetidas a sistemas dedicados à identificação de carga. Dentre as características propostas estão o coeficiente de reflexão da carga, o coeficiente de reflexão equivalente exatamente no ponto de ramificação, e a localização física da carga e do local onde ocorrem as ramificações. O trabalho contribui com o emprego de um processo ativo em um sistema NILM a fim de agregar mais parâmetros ao cojunto de características que determinam a assinatura elétrica de uma carga, viabilizando uma melhor taxa de sucesso dos sistemas de identificação quando, por exemplo, as cargas com alto grau de similaridade.

As Ações de Eficiência Energética encontram grandes barreiras para sua implantação. Um dos motivos pode estar na falta de conhecimento do tomador de decisão que, para evitar o custo inicial mais elevado de um equipamento eficiente, opta por instalar um equipamento mais barato, mas que consequentemente consome mais energia e aumenta os dispêndios com a eletricidade. Os sistemas de gestão de energia visam demonstrar a origem das despesas relacionadas ao consumo de energia elétrica, conscientizando os usuários acerca de tais custos. Muitos usuários não enxergam a possibilidade de economia de energia e de dinheiro, ao investir em equipamentos mais eficientes. Muitos consideram as faturas de energia como despesas fixas, logo, sem exigência de acompanhamento. Fato não compatível com os dias atuais. Ao identificar o consumo desagregado de energia da instalação, os usuários poderão avaliar os impactos de suas atividades em relação ao consumo de energia, assim com seu custo nas faturas de energia. A medição direta dos equipamentos reproduz o valor mais preciso do consumo desagregado. Entretanto, para muitas instalações esta prática é inviável, pois seus circuitos são compartilhados por diversos tipos de equipamentos e os custos de aquisição, implantação e leitura dos medidores podem se tornar proibitivos. É possível obter o valor do consumo desagregado por inspeção da instalação, que consiste no levantamento das características elétricas dos equipamentos, suas respectivas potências e períodos de utilização. Esse método, no entanto não é tão preciso na análise do consumo desagregado, pois envolve uma série de estimativas acerca da utilização dos equipamentos, que nem sempre são acertadas. Visando contornar estas situações, as técnicas de monitoramento não intrusivo de carga passaram a buscar na curva de carga as assinaturas elétricas dos equipamentos, para identificar seus períodos de funcionamento e assim obter o consumo desagregado. / The energy efficiency programs face huge difficulties to be deployed. The reason may be the lack of knowledge about total costs in acquires less efficient devices, which is cheaper, though the increases in energy bills eliminate this initial economy. Thereby, the Energy Management Systems aims to demonstrate the relation between the user\"s behavior and the electric power consumption. Many managers consider the electric bill as a fixed cost, without require tracking its origin. This means waste of energy and money. Analyzing the facility by sectors may improve the understanding about the costs in electricity and the knowledge about the disaggregated energy consumption, though is not always an easy issue to be obtained. Monitoring each equipment provides the exactly amount of energy is used in that system. However the costs of acquirement, implementation and monitoring these meters may become prohibitively. This way, the researches about nonintrusive load monitoring aim to demonstrate where the energy is being used and how it can be minimized.

As Ações de Eficiência Energética encontram grandes barreiras para sua implantação. Um dos motivos pode estar na falta de conhecimento do tomador de decisão que, para evitar o custo inicial mais elevado de um equipamento eficiente, opta por instalar um equipamento mais barato, mas que consequentemente consome mais energia e aumenta os dispêndios com a eletricidade. Os sistemas de gestão de energia visam demonstrar a origem das despesas relacionadas ao consumo de energia elétrica, conscientizando os usuários acerca de tais custos. Muitos usuários não enxergam a possibilidade de economia de energia e de dinheiro, ao investir em equipamentos mais eficientes. Muitos consideram as faturas de energia como despesas fixas, logo, sem exigência de acompanhamento. Fato não compatível com os dias atuais. Ao identificar o consumo desagregado de energia da instalação, os usuários poderão avaliar os impactos de suas atividades em relação ao consumo de energia, assim com seu custo nas faturas de energia. A medição direta dos equipamentos reproduz o valor mais preciso do consumo desagregado. Entretanto, para muitas instalações esta prática é inviável, pois seus circuitos são compartilhados por diversos tipos de equipamentos e os custos de aquisição, implantação e leitura dos medidores podem se tornar proibitivos. É possível obter o valor do consumo desagregado por inspeção da instalação, que consiste no levantamento das características elétricas dos equipamentos, suas respectivas potências e períodos de utilização. Esse método, no entanto não é tão preciso na análise do consumo desagregado, pois envolve uma série de estimativas acerca da utilização dos equipamentos, que nem sempre são acertadas. Visando contornar estas situações, as técnicas de monitoramento não intrusivo de carga passaram a buscar na curva de carga as assinaturas elétricas dos equipamentos, para identificar seus períodos de funcionamento e assim obter o consumo desagregado. / The energy efficiency programs face huge difficulties to be deployed. The reason may be the lack of knowledge about total costs in acquires less efficient devices, which is cheaper, though the increases in energy bills eliminate this initial economy. Thereby, the Energy Management Systems aims to demonstrate the relation between the user\"s behavior and the electric power consumption. Many managers consider the electric bill as a fixed cost, without require tracking its origin. This means waste of energy and money. Analyzing the facility by sectors may improve the understanding about the costs in electricity and the knowledge about the disaggregated energy consumption, though is not always an easy issue to be obtained. Monitoring each equipment provides the exactly amount of energy is used in that system. However the costs of acquirement, implementation and monitoring these meters may become prohibitively. This way, the researches about nonintrusive load monitoring aim to demonstrate where the energy is being used and how it can be minimized.

Técnicas não-intrusivas de medição de vazão constituem uma necessidade crescente em diversas aplicações. Atualmente, diversos estudos têm sido realizados com o objetivo de desenvolver técnicas de medição não-intrusivas que possam suprir as deficiências das técnicas existentes. Este trabalho visa desenvolver um medidor de vazão baseado no princípio de convecção forçada (termal) não-intrusivo inteligente. O medidor utiliza dois transdutores RTD comerciais do tipo PT100, um aquecido, que é responsável pela medição da velocidade de escoamento, e o outro utilizado como referência de set-point de temperatura do sensor aquecido. Uma Rede Neural é responsável por corrigir os erros de medição do instrumento. Para a avaliação do medidor construído, foi desenvolvida uma bancada de realização de ensaios, possibilitando a variação da vazão e temperatura na seção de teste. Com o intuito de prover a bancada de uma referência para comparação, foi instalado também um medidor do tipo Venturi normalizado segundo a ABNT. / Non-intrusive techniques of flow measurement are very useful in several applications. Nowadays, several studies have been conducted to develop non-intrusive measuring techniques that can overcome the shortcomings of the existing ones. This work aims to design an intelligent non-intrusive flow meter device based on the forced heat convection principle (thermal). This device uses two commercial RTD transducers (PT100), one is used as reference of temperature set-point, and the other is responsible for the flow measurement. A neural network is responsible for correcting the errors in relation to the calibration standard. To evaluate the intelligent flow meter, test bench was built. In order to provide another flow meter to compare the results, an ABNT Venturi type flow meter was installed in the test bench.

Técnicas não-intrusivas de medição de vazão constituem uma necessidade crescente em diversas aplicações. Atualmente, diversos estudos têm sido realizados com o objetivo de desenvolver técnicas de medição não-intrusivas que possam suprir as deficiências das técnicas existentes. Este trabalho visa desenvolver um medidor de vazão baseado no princípio de convecção forçada (termal) não-intrusivo inteligente. O medidor utiliza dois transdutores RTD comerciais do tipo PT100, um aquecido, que é responsável pela medição da velocidade de escoamento, e o outro utilizado como referência de set-point de temperatura do sensor aquecido. Uma Rede Neural é responsável por corrigir os erros de medição do instrumento. Para a avaliação do medidor construído, foi desenvolvida uma bancada de realização de ensaios, possibilitando a variação da vazão e temperatura na seção de teste. Com o intuito de prover a bancada de uma referência para comparação, foi instalado também um medidor do tipo Venturi normalizado segundo a ABNT. / Non-intrusive techniques of flow measurement are very useful in several applications. Nowadays, several studies have been conducted to develop non-intrusive measuring techniques that can overcome the shortcomings of the existing ones. This work aims to design an intelligent non-intrusive flow meter device based on the forced heat convection principle (thermal). This device uses two commercial RTD transducers (PT100), one is used as reference of temperature set-point, and the other is responsible for the flow measurement. A neural network is responsible for correcting the errors in relation to the calibration standard. To evaluate the intelligent flow meter, test bench was built. In order to provide another flow meter to compare the results, an ABNT Venturi type flow meter was installed in the test bench.

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.

Submitted by Kelren Mota (kelrenlima@ufpa.br) on 2018-06-25T18:48:12Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_RedeNeuralConvolucional.pdf: 2088560 bytes, checksum: 6328f6f59bc552055a366b1e4a32793d (MD5) / Approved for entry into archive by Kelren Mota (kelrenlima@ufpa.br) on 2018-06-25T18:48:32Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_RedeNeuralConvolucional.pdf: 2088560 bytes, checksum: 6328f6f59bc552055a366b1e4a32793d (MD5) / Made available in DSpace on 2018-06-25T18:48:32Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_RedeNeuralConvolucional.pdf: 2088560 bytes, checksum: 6328f6f59bc552055a366b1e4a32793d (MD5) Previous issue date: 2018-04-03 / 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. / 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.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-06T18:59:56Z No. of bitstreams: 1 PEDRO YÓSSIS SILVA BARBOSA - DISSERTAÇÃO PPGCC 2014..pdf: 17089632 bytes, checksum: 4623777c293a51dbb1b392f37d2dd75e (MD5) / Made available in DSpace on 2018-08-06T18:59:56Z (GMT). No. of bitstreams: 1 PEDRO YÓSSIS SILVA BARBOSA - DISSERTAÇÃO PPGCC 2014..pdf: 17089632 bytes, checksum: 4623777c293a51dbb1b392f37d2dd75e (MD5) Previous issue date: 2014-02-27 / Capes / Companhias de energia começaram a substituir os medidores de energia tradicionais pelos Smart Meters, que podem transmitir valores de consumo para as companhias em curtos intervalos de tempo. Com uma insfraestrutura de Smart Meters, existem muitas motivações para as concessionárias de energia coletarem dados de consumo em alta resolução. Entretanto, isto implica em informações bastante detalhadas sobre os consumidores sendo monitoradas. Consequentemente, um problema sério precisa ser resolvido: como preservar a privacidade dos consumidores sem afetar a prestação de certos serviços pelas concessionárias? Claramente, este é um tradeoff entre privacidade e utilidade. Existem diversas abordagens para preservar a privacidade, porém muitas delas afetam a utilidade dos dados ou possuem um alto custo computacional. Neste trabalho, nós propomos e avaliamos uma abordagem computacionalmente barata que preserva a privacidade e utilidade dos dados através de adição de ruído. Para validar a privacidade, nós avaliamos possíveis ataques (tal como Monitoramento Não-Intrusivo de Carga de Eletrodomésticos - NIALM, do inglês Non-Intrusive Appliance Load Monitoring) utilizando dados reais de consumidores. Para validar a utilidade, nós avaliamos a influência da abordagem em vários benefícios que podem ser providos com o uso de Smart Meters. / Power providers have started replacing traditional electricity meters for Smart Meters, which can transmit power consumption levels to the provider within short intervals. With a Smart Metering infrastructure, there are many motivations for power providers to collect highresolution data of electricity usage from consumers. However, this implies in very detailed information about the consumers being monitored. Consequently, a serious issue needs to be addressed: how to preserve the privacy of consumers but making the provision of certain services still possible? Clearly, this is a tradeoff between privacy and utility. There are several approaches for privacy preserving, but many of them affect the data usefulness or are computationally expensive. In this work, we propose and evaluate a lightweight approach for privacy and utility based on the addition of noise. To validate the privacy, we evaluate possible attacks (such as a NIALM - Non-Intrusive Appliance Load Monitoring) using real consumers' data. To validate the utility, we analyze the influence of the approach in various benefits that can be provided through the use of Smart Meters.