• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 3
  • 1
  • Tagged with
  • 4
  • 4
  • 4
  • 3
  • 3
  • 3
  • 2
  • 2
  • 2
  • 2
  • 2
  • 2
  • 2
  • 2
  • 2
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Middleware Sensível a Contexto para Integração de Sistemas de Gerenciamento de Energia Elétrica

Quintino, Jonysberg Peixoto 25 February 2014 (has links)
Submitted by Lucelia Lucena (lucelia.lucena@ufpe.br) on 2015-03-09T18:09:10Z No. of bitstreams: 2 DISSERTAÇÃO Jonysberg Peixoto Quintino.pdf: 3337001 bytes, checksum: c45e561013991686cb26b9708216a364 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-09T18:09:10Z (GMT). No. of bitstreams: 2 DISSERTAÇÃO Jonysberg Peixoto Quintino.pdf: 3337001 bytes, checksum: c45e561013991686cb26b9708216a364 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2014-02-25 / Há décadas, os concessionários em todo o mundo contam com sistemas informatizados de gestão e supervisão para planejar e controlar a geração, transmissão e distribuição de energia. Tais sistemas fazem, entre outras coisas, o controle em tempo real de todos os equipamentos, ajudando os operadores destes sistemas a assimilar o que está acontecendo na rede de energia. Em geral, estes sistemas não são integrados automaticamente, tornando mais difícil o trabalho dos operadores dos centros de controle na obtenção de informações que são exibidas por diferentes sistemas. Foram encontrados trabalhos na literatura que tratam de várias formas, com aspectos relacionados à integração de dados entre sistemas do setor elétrico porém, até o momento da escrita desta dissertação, não foram encontrados trabalhos que utilizassem um middleware sensível ao contexto para integrar sistemas deste setor. Este trabalho apresenta um modelo de arquitetura de middleware para integração sensível ao contexto de sistemas de gerenciamento de energia elétrica, provendo para os usuários informações relevantes, considerando que relevância depende das tarefas que o usuário está executando. Um protótipo foi desenvolvido para integrar um sistema de controle de supervisão e aquisição de dados (SCADA), que monitora a rede de energia em tempo real, e outras aplicações de software, responsáveis pelo planejamento e gerenciamento de manutenções. Foi possível simular a rotina operacional de um centro de controle para testar o protótipo. Comparando-se os resultados dos testes do middleware, com o que foi feito manualmente pelos operadores, foi alcançado um percentual de acerto significativo (100%) na inferência dos contextos para as ocorrências forçadas (sem planejamento) e não forçadas (com planejamento). Com base nestes resultados, pode-se afirmar que o modelo proposto neste trabalho, permite utilizar um middleware sensível ao contexto que possibilite integrar alguns dos sistemas utilizados nos modernos centros de controle das empresas de energia elétrica, aumentando a eficácia e incrementando a segurança dos procedimentos de planejamento e execução das manutenções operativas.
2

Desenvolvimento de um sistema inteligente de tomada de decisão para o gerenciamento energético de uma casa inteligente. / Intelligent decision-making for smart home energy management.

Souza, Heider Berlink de 27 February 2015 (has links)
A principal motivação para o surgimento do conceito de Smart Grid é a otimização do uso das redes de energia através da inserção de novas tecnologias de medição, automação e telecomunicações. A implementação desta complexa infra-estrutura produz ganhos em confiabilidade, eficiência e segurança operacional. Além disso, este sistema tem como principais objetivos promover a geração distribuída e a tarifa diferenciada de energia para usuários residenciais, provendo ferramentas para a participação dos consumidores no gerenciamento global do fornecimento de energia. Considerando também o uso de dispositivos de armazenamento de energia, o usuário pode optar por vender ou armazenar energia sempre que lhe for conveniente, reduzindo a sua conta de energia ou, quando a geração exceder a demanda de energia, lucrando através da venda deste excesso. Esta pesquisa propõe um Sistema Inteligente de Suporte à Decisão baseado em técnicas de aprendizado por reforço como uma solução para o problema de decisão sequencial referente ao gerenciamento de energia de uma Smart Home. Resultados obtidos mostram um ganho significativo na recompensa financeira a longo prazo através do uso de uma política obtida pela aplicação do algoritmo Q-Learning, que é um algoritmo de aprendizado por reforço on-line, e do algoritmo Fitted Q-Iteration, que utiliza uma abordagem diferenciada de aprendizado por reforço ao extrair uma política através de um lote fixo de transições adquiridas do ambiente. Os resultados mostram que a aplicação da técnica de aprendizado por reforço em lote é indicada para problemas reais, quando é necessário obter uma política de forma rápida e eficaz dispondo de uma pequena quantidade de dados para caracterização do problema estudado. / The main motivation for the emergence of the Smart Grid concept is the optimization of power grid use by inserting new measurement, automation and telecommunication technologies into it. The implementation of this complex infrastructure also produces gains in reliability, efficiency and operational safety. Besides, it has as main goals to encourage distributed power generation and to implement a differentiated power rate for residential users, providing tools for them to participate in the power grid supply management. Considering also the use of energy storage devices, the user can sell or store the power generated whenever it is convenient, reducing the electricity bill or, when the power generation exceeds the power demand, make profit by selling the surplus in the energy market. This research proposes an Intelligent Decision Support System as a solution to the sequential decision-making problem of residential energy management based on reinforcement learning techniques. Results show a significant financial gain in the long term by using a policy obtained applying the algorithm Q-Learning, which is an on-line Reinforcement Learning algorithm, and the algorithm Fitted Q-Iteration, which uses a different reinforcement learning approach called Batch Reinforcement Learning. This method extracts a policy from a fixed batch of transitions acquired from the environment. The results show that the application of Batch Reinforcement Learning techniques is suitable for real problems, when it is necessary to obtain a fast and effective policy considering a small set of data available to study and solve the proposed problem.
3

Desenvolvimento de um sistema inteligente de tomada de decisão para o gerenciamento energético de uma casa inteligente. / Intelligent decision-making for smart home energy management.

Heider Berlink de Souza 27 February 2015 (has links)
A principal motivação para o surgimento do conceito de Smart Grid é a otimização do uso das redes de energia através da inserção de novas tecnologias de medição, automação e telecomunicações. A implementação desta complexa infra-estrutura produz ganhos em confiabilidade, eficiência e segurança operacional. Além disso, este sistema tem como principais objetivos promover a geração distribuída e a tarifa diferenciada de energia para usuários residenciais, provendo ferramentas para a participação dos consumidores no gerenciamento global do fornecimento de energia. Considerando também o uso de dispositivos de armazenamento de energia, o usuário pode optar por vender ou armazenar energia sempre que lhe for conveniente, reduzindo a sua conta de energia ou, quando a geração exceder a demanda de energia, lucrando através da venda deste excesso. Esta pesquisa propõe um Sistema Inteligente de Suporte à Decisão baseado em técnicas de aprendizado por reforço como uma solução para o problema de decisão sequencial referente ao gerenciamento de energia de uma Smart Home. Resultados obtidos mostram um ganho significativo na recompensa financeira a longo prazo através do uso de uma política obtida pela aplicação do algoritmo Q-Learning, que é um algoritmo de aprendizado por reforço on-line, e do algoritmo Fitted Q-Iteration, que utiliza uma abordagem diferenciada de aprendizado por reforço ao extrair uma política através de um lote fixo de transições adquiridas do ambiente. Os resultados mostram que a aplicação da técnica de aprendizado por reforço em lote é indicada para problemas reais, quando é necessário obter uma política de forma rápida e eficaz dispondo de uma pequena quantidade de dados para caracterização do problema estudado. / The main motivation for the emergence of the Smart Grid concept is the optimization of power grid use by inserting new measurement, automation and telecommunication technologies into it. The implementation of this complex infrastructure also produces gains in reliability, efficiency and operational safety. Besides, it has as main goals to encourage distributed power generation and to implement a differentiated power rate for residential users, providing tools for them to participate in the power grid supply management. Considering also the use of energy storage devices, the user can sell or store the power generated whenever it is convenient, reducing the electricity bill or, when the power generation exceeds the power demand, make profit by selling the surplus in the energy market. This research proposes an Intelligent Decision Support System as a solution to the sequential decision-making problem of residential energy management based on reinforcement learning techniques. Results show a significant financial gain in the long term by using a policy obtained applying the algorithm Q-Learning, which is an on-line Reinforcement Learning algorithm, and the algorithm Fitted Q-Iteration, which uses a different reinforcement learning approach called Batch Reinforcement Learning. This method extracts a policy from a fixed batch of transitions acquired from the environment. The results show that the application of Batch Reinforcement Learning techniques is suitable for real problems, when it is necessary to obtain a fast and effective policy considering a small set of data available to study and solve the proposed problem.
4

Smartcom: uma arquitetura inteligente de gerenciamento de consumo de energia para smart home

OLIVEIRA, Edvar da Luz 25 August 2017 (has links)
Submitted by Carmen Torres (carmensct@globo.com) on 2018-02-05T16:59:06Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_SmartcomArquiteturaInteligente.pdf: 6115605 bytes, checksum: e7635deb3e7a4d4e713eb377b019ecb4 (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2018-02-16T12:43:40Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_SmartcomArquiteturaInteligente.pdf: 6115605 bytes, checksum: e7635deb3e7a4d4e713eb377b019ecb4 (MD5) / Made available in DSpace on 2018-02-16T12:43:40Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_SmartcomArquiteturaInteligente.pdf: 6115605 bytes, checksum: e7635deb3e7a4d4e713eb377b019ecb4 (MD5) Previous issue date: 2017-08-25 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / Com os avanços na tecnologia da informação para diversas áreas, como saúe bem-estar, as soluções baseadas em Smart Home que usam as tecnologidaes Internet of Things (IoT) vem ganhando maior repercussão, inclusive como alternativas de economia de energia com base em Sistemas de Gerenciamento de Energia Domiciliar (SGED). Esta tese define uma arquitetura inovadora, denominada de SmartCoM, que é implementada para monitorar e gerenciar habitações residenciais usando tecnologias IoT. Tal estratégia envolve a definição dos parâmetros que podem efetivar a interoperabilidade entre medição, gerenciamento e as camadas de comunicação de dados, que são os recursos necessários para que os dispositivos de hardware possam realizar o monitoramento e medição pretendidos. Além disso, uma interface é definida por uma camada de middleware para integrar o gerenciamento de instalações externas e a visualização de dados por meio de um serviço em nuvem. A arquitetura SmartCoM é definida de maneira fim-a-fim, em detalhes do ponto de vista do consumidor e as estratégias de otimização s.o empregadas tanto para o cliente final quanto para a concessionária de energia. A fim de avaliar a arquitetura proposta, foi elaborado um estudo de caso, a partir do qual, observa-se a viabilidade do desenvolvimento de soluções para Smart Home de acordo com os requisitos descritos na SmartCoM. / With advances in information technology for a variety of areas, such as health and wellness, Smart Home based solutions using Internet of Things (IoT) technologies are gaining in popularity, including energy-saving alternatives based on Home Energy Management Systems (HEMS). This thesis defines an innovative architecture, called SmartCoM, which is implemented to monitor and manage residences using IoT technologies. Such a strategy involves defining the parameters that can affect the interoperability between measurement, management and the layers of data communication, which are the resources necessary for the hardware devices to perform the intended monitoring and measurement. In addition, an interface is defined by a middleware layer to integrate the management of external installations and the visualization of data through cloud services. The SmartCoM architecture is defined end-to-end in detail from the consumer's point of view and optimization strategies are employed for both the end customer and the utility. In order to evaluate the proposed architecture, a case study was elaborated, from which the viability of developing solutions for Smart Home according to the requirements described in SmartCoM is observed.

Page generated in 0.3427 seconds