Made available in DSpace on 2018-08-01T23:29:05Z (GMT). No. of bitstreams: 1 tese_10471_Aloisio Ramos da Paixão.pdf: 5157481 bytes, checksum: f6e931650197adbd8f58162a299dbd56 (MD5) Previous issue date: 2016-12-01 / O presente trabalho tem como objetivo desenvolver um sistema de classificação inteligente de cargas elétricas similares e não similares, utilizando medição não intrusiva para a aquisição dos sinais elétricos de tensão e de corrente. Inicialmente implementa-se uma plataforma experimental contendo um arranjo com 4 cargas elétricas similares, isto é, de um mesmo fabricante e com especificações técnicas idênticas. Posteriormente utiliza-se um arranjo com 4 cargas elétricas não similares, a fim de possibilitar uma comparação com os trabalhos observados na literatura recente. Utilizam-se seis classificadores inteligentes no processo de identificação, a saber: k-means (k-médias), Raciocínio Baseado em Casos (RBC), RBC+k-means e três Redes Neurais Artificiais (RNA) do tipo Multi-Layer Perceptron (MLP), sendo uma RNA com 4 neurônios na camada escondida (MLP-4) e duas RNAs com 8 neurônios na camada escondida (MLP-8 e MLP-8-C30000), as quais se diferem apenas na quantidade de ciclos (épocas) utilizados como critério de parada durante o aprendizado. Os experimentos para as cargas elétricas similares são realizados com os dados obtidos através das frequências de amostragem de 6,25kHz, 12,5kHz e 25kHz, a fim de verificar a influência da taxa de amostragem no processo de identificação. Verifica-se também a influência da quantidade de amostras utilizadas nos experimentos. Utilizam-se 50, 100 e 150 amostras para cada configuração de funcionamento das cargas, isto é, por dispositivo (4 cargas elétricas) e por classe (24=16 configurações de funcionamento da plataforma experimental). Verifica-se que a taxa de amostragem na aquisição dos sinais elétricos e a quantidade de amostras utilizadas nos testes, influenciam no desempenho dos classificadores, abrindo-se possibilidades para o desenvolvimento de novos trabalhos que visem encontrar configurações ótimas envolvendo tais parâmetros. Para as cargas elétricas similares, obteve-se resultados de até 85,94% de acerto para os dispositivos e de até 73,75% para as classes. Para as cargas elétricas não similares, realizaram-se testes com 150 amostras e frequência de amostragem de 25kHz. Os resultados obtidos nestes testes mostram-se compatíveis com os resultados observados na literatura, isto é, os resultados variaram entre 92,69% e 100% de acerto.