Assinaturas baseadas no espaço de escalas de curvatura aplicadas ao monitoramento não invasivo de cargas elétricas residenciais
| Autor: | RODRIGUES, Rodrigo de Paula |
|---|---|
| Přispěvatelé: | SILVEIRA, Paulo Márcio da |
| Jazyk: | portugalština |
| Rok vydání: | 2020 |
| Předmět: | |
| Zdroj: | Repositório Institucional da UNIFEI (RIUNIFEI) Universidade Federal de Itajubá (UNIFEI) instacron:UNIFEI |
| Popis: | Agência 1 Os sistemas de monitoramento não invasivo de cargas elétricas (MNICE) têm recebido extensivo interesse em função de seu potencial em prover informações que podem resultar em economia no consumo de energia elétrica residencial. Esses sistemas são baseados na análise de sinais agregados de consumo de energia elétrica e, em sua grande parte, também em etapas de detecção e de classificação de transientes em tais sinais, o que os torna fortemente dependentes de assinaturas de cargas elétricas residenciais. Na literatura, as trajetórias tensão-corrente (V-I) são assumidas como as representações mais completas para cargas elétricas residenciais, de tal modo que suas representações em imagem são supostas como as assinaturas de estado estacionário mais efetivas para cargas elétricas residenciais. No entanto, essas assinaturas herdam limitações de seus processos de obtenção que as tornam incapazes de incorporar toda a informação contida nas trajetórias que representam. Este trabalho de tese então propõe duas novas assinaturas de estado estacionário para cargas elétricas residenciais, as quais são pretendidas como melhorias para as assinaturas em imagem citadas. As assinaturas propostas são derivadas do espaço de escalas de curvatura de trajetórias tensão-corrente e assim são capazes de realçar a representação de elementos estruturais quanto à forma geral de tais trajetórias. Elas também são capazes de incorporar certas características negligenciadas pelas representações em imagem de tais trajetórias. Um conjunto de assinaturas derivado das assinaturas propostas foi avaliado em cenários com dados submedidos e também com dados de consumo agregado provenientes de quatro bases de dados públicas. Os resultados obtidos pelas assinaturas avaliadas superaram o desempenho obtido pelo emprego isolado de uma representação em imagem da trajetória V-I adotada como referência. Ademais, alguns dos resultados obtidos também suplantaram trabalhos de estado da arte em três bases de dados, dentre elas uma base de dados que é tida como de referência para testes de classificação de cargas elétricas residenciais. Non-intrusive load monitoring (NILM) systems have gained extensive interest due to their potential role regarding power savings for residential customers. These systems, which are mostly based on stages of detection and classification of transients on aggregated signals, rely heavily on load signatures. In the literature, the image-based representations of voltagecurrent (V-I) trajectories are claimed as the most effective individual steady-state signatures for appliance classification. However, these representations inherit some drawbacks from their generation process and they are thus incapable of inheriting all the information encompassed by V-I trajectories. This work then proposes two steady-state appliance signatures derived from the curvature scale space of V-I trajectories. These signatures aim to improve the image representations of V-I trajectories by encompassing structural elements related to the general shape of such trajectories as well as some characteristics neglected during their generation. A group of load signatures formed from the proposed signatures was evaluated on direct load classification and load disaggregation scenarios for four publicly available datasets. The results achieved by the proposed representations surpassed the sole employment of a reference image-based V-I signature for all the test scenarios executed. Also, some of the evaluated signatures outperformed all known proposals that are exclusively based on steady-state signatures for load classification on a given benchmark dataset as well as on two other public datasets. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|