Método de identificação de cargas elétricas utilizando as técnicas Short-Time Fourier e Kernel PCA

Abstract

RESUMO: A metodologia que permite monitorar as cargas elétricas sem acesso físico a elas, mas somente por meio da corrente total da residência, é conhecida como monitoramento não intrusivo. Esta técnica possui diversas aplicações e dentre elas está a possibilidade de gerenciar melhor o uso da energia elétrica, fornecendo informações fundamentais para a implementação das Smart Grids e permitir um melhor Gerenciamento pelo Lado da Demanda. No entanto, para que seja possível obter os dados referentes ao uso das cargas elétricas é necessária a definição de assinaturas para cada equipamento, ou seja, a identificação de uma característica única, capaz de diferenciá-la no contexto global. Diante disso, este trabalho apresenta uma metodologia para a extração das características e definição das assinaturas para cargas elétricas, por meio da aplicação da Transformada de Fourier de Tempo Curto em conjunto com o kernel PCA. Além disso, foi utilizado o classificador kNN para validar a capacidade de separação das informações por meio do método apresentado. Os resultados encontrados demonstram que o algoritmo é eficiente ao que se propõe, visto que as taxas alcançaram 83% de acertos.

ABSTRACT: The methodology that allows to monitor electrical loads without physical access to them, but only through the total current of residence, is known as non-intrusive load monitoring. This technique has several applications and among them is the possibility to better manage the use of electric energy, providing fundamental information for the implementation of Smart Grids and allowing better Demand Side Management. However, to obtain data on the use of electric loads, it is necessary to define signatures for each equipment, that is, to identify a unique characteristic capable of differentiating it in the global context. Therefore, this work presents a methodology for the extraction of the characteristics and definition of signatures for electrical loads, by applying the Short Time Fourier Transform together kernel PCA. In addition, the kNN classifier was used to validate the ability to separate information using the presented method. The results show that the algorithm is efficient to what is proposed, since rates reached 83% of accuracy.