| dc.contributor | Ferrandin, Mauri | |
| dc.contributor | Universidade Federal de Santa Catarina. | |
| dc.creator | Wagner, Joana Paula Dognini | |
| dc.date | 2022-12-22T18:49:32Z | |
| dc.date | 2022-12-22T18:49:32Z | |
| dc.date | 2022-12-20 | |
| dc.date.accessioned | 2023-09-02T04:40:28Z | |
| dc.date.available | 2023-09-02T04:40:28Z | |
| dc.identifier | https://repositorio.ufsc.br/handle/123456789/243420 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8579050 | |
| dc.description | TCC (graduação) - Universidade Federal de Santa Catarina, Campus Blumenau, Engenharia de Controle e Automação. | |
| dc.description | O crescimento do consumo energético somado a revolução da internet das coisas traz a necessidade de criar alternativas que possibilitem a redução do consumo de energia sem remover as facilidades disponíveis. O Monitoramento de Carga Não Intrusivo (NILM) é capaz de identificar os dispositivos ligados/desligados e também, o consumo de energia de equipamentos conectados a rede elétrica, trazendo benefícios à obtenção de dados sobre o consumo de energia, sem a necessidade da instalação de diversos sensores, oferecendo a oportunidade de gerar uma redução de consumo energético. Este trabalho utiliza o emprego de diversos métodos de classificação multirrótulo para identificar se os equipamentos conectados a rede elétrica residencial se encontram ligados ou desligados. Os experimentos foram realizados utilizando o dataset REDD e avaliados com quinze medidas de desempenho de classificadores multirrótulo. Ao examinar as performances dos métodos avaliados, constata-se que há uma pequena ou nenhuma diferença que seja estatisticamente relevante entre eles, contudo, os métodos de classificação multirrótulo avaliados obtiveram bons resultados na identificação do estado dos equipamentos conectados. A comparação empírica com trabalhos prévios mostrou a ocorrência de uma melhora nos resultados para a identificação do estado ligado/desligado dos aparelhos domésticos. | |
| dc.description | The growth of energy consumption coupled with the revolution of the Internet of Things brings the need to create alternatives that enable the reduction of consumption without removing the available facilities. Non-Intrusive Load Monitoring (NILM) is able to identify the devices that are on/off and also, the energy consumption of equipment connected to the electrical network, bringing benefits for obtaining data on energy consumption, without the need to install several sensors, offering the opportunity to generate a reduction in energy consumption. This paper uses the employment of several multi-label classification methods to identify whether equipment connected to the residential power grid is on or off. The experiments were performed using the dataset REDD and evaluated with fifteen performance measures of multi-label classifiers. When examining the performances of the evaluated methods, it is found that there is a small or no difference that is statistically relevant between them, however, the evaluated multi-label classification methods obtained good results in identifying the state of connected equipment. The empirical comparison with previous works showed the occurrence of an improvement in the results for the on/off state identification of household appliances. | |
| dc.format | 62 f. | |
| dc.format | application/pdf | |
| dc.language | pt_BR | |
| dc.publisher | Blumenau, SC. | |
| dc.rights | Open Access. | |
| dc.subject | classificação multirrótulo | |
| dc.subject | NILM | |
| dc.subject | REDD | |
| dc.title | Análise de Métodos de Classificação Multirrótulo Aplicados a Dados de Monitoramento de Carga Não Intrusivo | |
| dc.type | TCCgrad | |
