Wallyson Carvalho Soares, Luis Otavio Rigo Jr., L. J. Silvestre, Oberlan C. Romao, W. Celeste, D. Coura, H. R. O. Rocha
{"title":"Deep Learning Aplicado à Identificação de Cargas Elétricas Similares em Smart Grid","authors":"Wallyson Carvalho Soares, Luis Otavio Rigo Jr., L. J. Silvestre, Oberlan C. Romao, W. Celeste, D. Coura, H. R. O. Rocha","doi":"10.21712/lajer.2019.v6.n1.p1-11","DOIUrl":null,"url":null,"abstract":"A demanda crescente por energia trouxe em foco a necessidade de mudança do modelo energético tradicional, introduzindo novas maneiras de produzir, distribuir, gerenciar e consumir a energia. O presente estudo descreve a aplicação de métodos para identificação não intrusiva de dispositivos elétricos/eletrônicos conectados em instalações elétricas, como uma forma de gerar mais informações sobre o perfil do consumidor. O seu primeiro diferencial é a abordagem sobre dispositivos que possuem alto grau de similaridade, problema pouco explorado e que apresenta elevado grau de dificuldade no processo de identificação. O segundo diferencial é a aplicação do método de Rede Neural Convolucional diretamente sobre os dados brutos de corrente, sem a necessidade de um pré-processamento para extração de características do sinal elétrico. A melhor arquitetura de rede neural criada neste trabalho é capaz de identificar os dispositivos com 100% de acurácia, representando um avanço no estado da arte e comprovando a robustez e eficiência dos métodos de Deep Learning.","PeriodicalId":282660,"journal":{"name":"Latin American Journal of Energy Research","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-09-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Latin American Journal of Energy Research","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21712/lajer.2019.v6.n1.p1-11","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
A demanda crescente por energia trouxe em foco a necessidade de mudança do modelo energético tradicional, introduzindo novas maneiras de produzir, distribuir, gerenciar e consumir a energia. O presente estudo descreve a aplicação de métodos para identificação não intrusiva de dispositivos elétricos/eletrônicos conectados em instalações elétricas, como uma forma de gerar mais informações sobre o perfil do consumidor. O seu primeiro diferencial é a abordagem sobre dispositivos que possuem alto grau de similaridade, problema pouco explorado e que apresenta elevado grau de dificuldade no processo de identificação. O segundo diferencial é a aplicação do método de Rede Neural Convolucional diretamente sobre os dados brutos de corrente, sem a necessidade de um pré-processamento para extração de características do sinal elétrico. A melhor arquitetura de rede neural criada neste trabalho é capaz de identificar os dispositivos com 100% de acurácia, representando um avanço no estado da arte e comprovando a robustez e eficiência dos métodos de Deep Learning.