Spelling suggestions: "subject:"disaggregated.""
71 |
[pt] DESAGREGAÇÃO DE CARGAS EM UM DATASET COLETADO EM UMA INDÚSTRIA BRASILEIRA UTILIZANDO AUTOENCODERS VARIACIONAIS E REDES INVERSÍVEIS / [en] LOAD DISAGGREGATION IN A BRAZILIAN INDUSTRIAL DATASET USING INVERTIBLE NETWORKS AND VARIATIONAL AUTOENCODERSEDUARDO SANTORO MORGAN 05 August 2021 (has links)
[pt] Desagregação de cargas é a tarefa de estimar o consumo individual de
aparelhos elétricos a partir de medições de consumo de energia coletadas em
um único ponto, em geral no quadro de distribuição do circuito. Este trabalho
explora o uso de técnicas de aprendizado de máquina para esta tarefa, em uma
base de dados coletada em uma fábrica de ração de aves no Brasil. É proposto
um modelo combinando arquiteturas de autoencoders variacionais com as de
fluxos normalizantes inversíveis. Os resultados obtidos são, de maneira geral,
superiores aos melhores resultados reportados para esta base de dados até
então, os superando em até 86 por cento no Erro do Sinal Agregado e em até 81 por cento no Erro de Desagregação Normalizado dependendo do equipamento desagregado. / [en] Load Disaggregation is the task of estimating appliance-level consumption
from a single aggregate consumption metering point. This work explores
machine learning techniques applied to an industrial load disaggregation
dataset from a poultry feed factory in Brazil. It proposes a model that combines
variational autoencoders with invertible normalizing flows models. The
results obtained are, in general, better than the current best reported results
for this dataset, outperforming them by up to 86 percent in the Signal Aggregate
Error and by up to 81 percent in the Normalized Disaggregation Error.
|
72 |
[en] DATA DISAGGREGATION WITH ECOLOGICAL INFERENCE: IMPLEMENTATION OF MODELS BASED IN THE TRUNCATED NORMAL AND ON THE BINOMIAL-BETA VIA EM ALGORITHM / [es] DESAGREGACIÓN DE DATOS CON INFERENCIA ECOLÓGICA: IMPLEMENTACIÓN DE MODELOS CON BASE EN LA NORMAL TRUNCADA Y EN LA BINOMIAL-BETA VÍA ALGORITMO EM / [pt] DESAGREGAÇÃO DE DADOS COM INFERÊNCIA ECOLÓGICA: IMPLEMENTAÇÕES DE MODELOS BASEADOS NA NORMAL TRUNCADA E NA BINOMIAL-BETA VIA ALGORITMO EMROGERIO SILVA DE MATTOS 13 March 2001 (has links)
[pt] Inferência ecológica reúne o conjunto de procedimentos
estatísticos para se prever dados desagregados quando só
estão disponíveis dados agregados. Duas novas metodologias
propostas recentemente vêm motivando novos desenvolvimentos
na área: o modelo baseado na normal bivariada truncada
(MNBT) e o modelo hierárquico binomial-beta (MHBB). A tese
reavalia estas metodologias e explora implementações
computacionais mais eficientes através do Algoritmo EM e
uma de suas extensões, o Algoritmo ECM. Comparando-se com
métodos de quase-Newton, uma versão estável, porém mais
lenta, é obtida para implementação do MNBT e uma versão
estável e mais rápida é obtida para o MHBB. Adicionalmente,
as metodologias são comparadas em termos de suas
capacidades preditivas através de um extenso experimento de
Monte Carlo e da aplicação sobre bases de dados reais
selecionadas. A superioridade do MNBT se evidencia na
maioria dos casos. Problemas de modelagem do MHBB são
corrigidos e é apontada uma limitação assintótica das
previsões produzidas por este último. / [en] Ecological inference comprises the set of statistical
procedures for the prediction of
disaggegate data when data are available only in aggregate
form. Two recently
proposed approaches have motivated new developments in the
field: the model based
on a truncated bivariate normal (MNBT) and the hierchical
binomial-beta model
(MHBB). The thesis reevaluates these approaches and
explores more efficient
computational implementations via the EM Algorithm and one
of its extensions, the
ECM Algorithm. As compared to quasi-Newton algorithms, a
stable yet slower
version is obtained for the implementation of the MNBT, and
a stable and faster
version is obtained for the MHBB. The methodologies are
compared in predictive
terms by means of an extensive Monte Carlo experiment and
of the application to real
datasets. The superiority of the MNBT is evident in the
majority of cases. Modeling
mistakes of the MHBB are corrected and an asymptotic
restriction of the predictions
made with this model is pointed. / [es] La inferencia ecológica reúne un conjunto de procedimentos
estatísticos para prever datos desagregados cuando solo
están disponibles datos agregados. Dos nuevas metodologías
propuestas recientemente han motivando nuevos desarrollos
en el área: el modelo que tiene como base la normal
bivariada truncada (MNBT) y el modelo jerárquico binomial-
beta (MHBB). La tesis reevalúa estas metodologías y explora
implementaciones computacionales más eficientes a través
del Algoritmo EM y una de sus extensiones, el Algoritmo
ECM. Estos métodos se comparan con métodos de quase-
Newton. Se obtiene una versión estable aunque más lenta,
para la implementación de MNBT y una versión estable y más
rápida para el MHBB. Adicionalmente, se comparan las
metodologías en función de sus capacidades predictivas a
través de un extenso experimento de Monte Carlo. Em la
mayor parte de los casos se observa superioridad del MHNBT.
Se corrigen problemas de modelaje del MHBB apuntadando uma
limitación asintótica de las previsiones producidas por
este último.
|
73 |
EDIFES 0.4: Scalable Data Analytics for Commercial Building Virtual Energy AuditsPickering, Ethan M. 13 September 2016 (has links)
No description available.
|
74 |
[pt] DESAGREGAÇÃO DO CONSUMO DE ENERGIA ELÉTRICA PARA CONSUMIDORES RESIDENCIAIS USANDO SÉRIES DE FOURIER E UM MODELO DE OTIMIZAÇÃO INTEIRA MISTA / [en] ENERGY DISAGGREGATION FOR RESIDENTIAL CONSUMERS USING FOURIER SERIES AND A MIXED INTEGER OPTIMIZATION MODELMARILIA ZACARIAS COSTA DE OLIVEIRA 15 September 2020 (has links)
[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.
|
75 |
Teleconnection, Modeling, Climate Anomalies Impact and Forecasting of Rainfall and Streamflow of the Upper Blue Nile River BasinElsanabary, Mohamed Helmy Mahmoud Moustafa Unknown Date
No description available.
|
76 |
Identification d’appareils électriques par analyse des courants de mise en marche / Analysis of turn-on transient currents for electrical appliances identificationNait Meziane, Mohamed 09 December 2016 (has links)
Le domaine lié à ce travail est appelé « désagrégation d’énergie », où la principale préoccupation est de décomposer, ou désagréger, la consommation globale d’énergie électrique (par exemple, la consommation de tout un ménage) en une consommation détaillée donnée comme information de consommation par usage (par exemple, par appareil). Cette dernière permet d’avoir un retour sur la consommation pour les consommateurs ainsi que pour les fournisseurs et est utile pour permettre des économies d’énergie. Dans ce domaine de désagrégation d’énergie, il existe trois grandes questions auxquelles il faut répondre : qui consomme ? quand ? et combien ? Les recherches menées dans cette thèse se concentrent sur l’identification des appareils électriques, c’est-à-dire la réponse à la première question, en considérant particulièrement des appareils ménagers. À cet effet, nous utilisons le courant transitoire de mise en marche que nous modélisons en utilisant un nouveau modèle que nous avons proposé. De plus, nous utilisons les paramètres estimés de ce dernier pour la tâche d’identification. / The related field to this work is called “energy disaggregation" where the main concern is to break down, or disaggregate, the global electrical energy consumption (e.g. wholehouse consumption) into a detailed consumption given as end-use (e.g. appliance-level) consumption information. This latter gives consumption feedback to consumers and electricity providers and is helpful for energy savings. Three main questions have to be answered in the energy disaggregation field : who is consuming ? when ? and how much ? The research conducted in this thesis focuses on electrical appliances identification, i.e. the who question, considering particularly home appliances. For this purpose, we use the turn-on transient current signal which we model using a new model we proposed and use its estimated model parameters for the identification task.
|
Page generated in 0.0688 seconds