Please use this identifier to cite or link to this item: http://hdl.handle.net/10316/24256
Title: Contributions to Electrical Energy Disaggregation in a Smart Home
Authors: Figueiredo, Marisa 
Orientador: Ribeiro, Bernardete
Almeida, Ana de
Keywords: Desagregação de sinal eléctrico; Separação de fontes; Extracção de caracteristicas e classificação de padrões
Issue Date: 7-Mar-2014
Citation: FIGUEIREDO, Marisa Batalha - Contributions to electrical energy disaggregation in a smart home. Coimbra : [s.n.], 2013. Tese de doutoramento. Disponível na WWW: http://hdl.handle.net/10316/24256
Abstract: A eficiência energética pode ser o futuro em termos de recursos energéticos. Nos últimos anos, a consciencialização da sociedade relativamente às mudanças ambientais e aos elevados custos energéticos tem aumentado. Contudo, o uso desajustado dos aparelhos eléctricos ainda representa uma fatia substancial do consumo de energia. A monitorização contínua e detalhada, como já demonstrado, é essencial para assegurar a eficiência energética em edifícios como as nossas casas. O consumo detalhado por electrodoméstico é uma mais-valia para o consumidor, conduzindo-o a escolhas informadas e mudanças de comportamentos. Sistemas de monitorização não intrusiva de cargas (NILM) possibilitam a monitorização da energia, a previsão dos consumos e o controlo dos aparelhos eléctricos residenciais, constituindo uma solução atractiva para munir o consumidor final com o gasto detalhado por equipamento. Acedendo apenas aos dados relativos ao consumo agregado de electricidade, adquiridos num único ponto (quadro eléctrico geral), estes sistemas discriminam os gastos de cada aparelho através de algoritmos de aprendizagem computacional e de reconhecimento de padrões. Considerando o baixo custo associado, a instalação fácil e o potencial associado às redes energéticas inteligentes do futuro, pois facilitará a participação dos consumidores finais no mercado da electricidade, o NILM tornou-se uma área activa de investigação. A presente Tese foca-se na desagregação de energia, enquadrado num sistema NILM. Assentando na disponibilidade dos dados de consumo agregado, esta Tese tem por objectivo investigar e explorar metodologias ainda não aplicadas à resolução do problema de separação do referido consumo nos gastos dos diversos equipamentos, ou grupos, ligados ao circuito eléctrico da casa.Uma abordagem comum considera a questão da desagregação como um problema de classificação, requerendo a definição de assinaturas dos vários equipamentos. Todavia, ainda não foi encontrado um conjunto de características distintivas apto a descrever com precisão cada aparelho. Assim sendo, esta Tese procura reforçar a procura de um tal conjunto de características. Para tal, é introduzida uma regra para a identificação de estados estáveis, bem como a sua demonstração matemática, utilizada para o reconhecimento de step-changes nos sinais de potência activa e reactiva e factor potência. As step-changes identificadas definem as assinaturas dos equipamentos posteriormente utilizadas por dois métodos de classificação para o reconhecimento dos electrodomésticos, a saber: 5-Vizinhos Mais Próximos e Máquinas de Vectores de Suporte. As experiências computacionais, baseadas em dados reais, mostraram a eficácia da assinatura proposta para a distinção das diferentes cargas em estudo. A desagregação e extracção de informação relevante dos dados agregados de consumo eléctrico podem ser interpretadas à luz da área de processamento de sinal. Neste sentido, as abordagens de análise de sinal e de séries temporais adequam-se à extracção de informação do consumo agregado. Com efeito, previamente ao cálculo das estimativas dos gastos de cada um dos aparelhos, o estudo foca-se na extracção de variações contidas no sinal agregado e associadas a equipamentos cuja operação não requer qualquer tipo de interacção humana. Neste contexto, é proposto um método que tem por base a técnica de Wavelet Shrinkage em conjunto com operações de processamento de sinais para a extracção de informação do sinal agregado. Note-se que o referido método proposto assenta no pressuposto de que vários segmentos podem ser analisados por funções wavelet distintas. No mesmo contexto, a desagregação de energia pode ser interpretada como um problema de separação de fontes quando apenas um sinal de mistura é conhecido. Assim sendo, foi analisado o desempenho da modelação de fontes com recurso a vectores multidimensionais e correspondente método de factorização. Assumindo que um vector multidimensional composto pelos dados de gastos dos vários equipamentos da casa pode ser definido, a sua factorização não-negativa é executada de forma a extrair os componentes mais relevantes. Os factores resultantes são incorporados no processo de inferência das fontes, no qual apenas o consumo agregado da casa está disponível. As estimativas dos consumos associados a cada equipamento são, então, obtidas pela factorização não-negativa de matrizes. Tanto a abordagem para a extracção de variações como o método proposto para a desagregação de sinal foram avaliados com sucesso num conjunto de dados real, para o qual um desempenho favorável foi observado e validado através de análise estatística. Em suma, esta Tese contribui com abordagens para a desagregação de energia eléctrica, testadas e validadas em dados reais, pelo que esperamos que venha a ter um impacto tangível na resolução de problemas de eficiência numa casa inteligente.
Tomorrow's main energy resource may well be energy efficiency. Over the last years, society awareness on environmental changes and high energy costs has been increasing. Nevertheless, the improper use of electrical devices still represents a substantial slice of the electrical energy consumption. Continuous and detailed electricity monitoring has been demonstrated an essential tool to ensure energy efficient in buildings as our homes. Appliance-specific consumption information empowers consumers, leading to informed choices and change of behaviours. Non-intrusive Load Monitoring (NILM) systems, aiming at energy monitoring, load forecasting and improved control of residential appliances, are an attractive solution to bring detailed consumption at device-level to end-users. Using only the aggregated electricity consumption data acquired at a single-point, usually the utility-customer interface, NILM discerns appliances' power usage data employing machine learning and pattern recognition algorithms. Due to its possible low cost, easy installation and easy integration into the future smart grids, which would enable consumers to participate in the electricity market, NILM has become an active area of research. This Thesis is concerned with energy disaggregation as the key part of a NILM framework. Given the whole-home electrical consumption data it aims at investigating and exploring methodologies not yet applied to tackle the correct disaggregation of this signal into the detailed usage of each appliance, or groups of devices, connected to the home electrical circuit. Widespread NILM approaches usually explore the disaggregation of single-point acquired data as a classification problem for which appliances signatures are required. Yet, no set of distinctive characteristics able to accurately describe each appliance has been found. Thereby, this thesis reinforces the search for the set of features used as appliances signatures. Namely, a rule for steady-state identification and its mathematical proof are introduced. This rule was applied for detection of step-changes occurring in the active and reactive power signals and the power factor measurements. The step-changes identified comprised a new appliance signature posteriorly used by the 5-Nearest Neighbours and the Support Vector Machines classification methods in order to obtain the appliance identification. The computational experiments yielded in real-world dataset showed the effectiveness of the proposed signature for distinguishing the different loads in study. The disaggregation and extraction of meaningful information from the aggregated electricity consumption can alternatively be interpreted in the light of signal processing analysis. In this sense, signal processing and time series analysis strategies arise as suitable tools for the extraction of information from the whole-home signal. Before aiming at the calculation of consumption estimates for each appliance, a previous study concerning the extraction of variations in the aggregated electrical signal associated with devices that work automatically without any human intervention is performed. In this context, a technique based on Wavelet Shrinkage and signal processing operations, designed to extract information from the aggregated signal considering several of its segments that can be analysed by distinct mother wavelets, is proposed. Following this path, a novel way to look into the issue of energy disaggregation is its interpretation as a single-channel source separation problem. To this end, the performance of source modelling based on multi-way arrays (tensors) and correspondent factorization is analysed. With the proviso that a tensor composed by the data for the several devices in the house is given, non-negative tensor factorization is performed in order to extract the most relevant components. The outcome is later embedded in the test step, where only the whole-home measured consumption is available. Inference of individual consumptions is then achieved by matrix factorization using the learned models. The approaches based on signal processing, for the extraction and disaggregation of information from the whole-home electrical signal, were successfully evaluated on a real-world dataset, as illustrated by the favourable performance and statistical evidence. Overall, this Thesis contributes with electrical energy disaggregation approaches, successfully validated on real-world data, which - as we hope - will have a positive impact in solving efficiency problems in a smart home.
Description: Tese de doutoramento em Ciências e Tecnologias da Informação, apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra
URI: http://hdl.handle.net/10316/24256
Rights: embargoedAccess
Appears in Collections:FCTUC Eng.Informática - Teses de Doutoramento

Files in This Item:
File Description SizeFormat
TeseMarisaFigueiredo.pdf5.62 MBAdobe PDFView/Open
Capa_Tese.pdf351.07 kBAdobe PDFView/Open
Show full item record

Page view(s) 50

335
checked on Sep 28, 2020

Download(s) 20

666
checked on Sep 28, 2020

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.