Please use this identifier to cite or link to this item:
https://hdl.handle.net/10316/99245
Title: | Inteligência Computacional para a Gestão Eficiente de Energia e Conforto no Domínio das Casas Inteligentes | Authors: | Pais, Marta Luísa Nunes Canelas | Orientador: | Correia, António Dourado Pereira Tavares, Miguel Gonçalves |
Keywords: | ARMA; ARIMA; Clustering; Consumo de eletricidade; CUSUM; Deteção de changepoints; Diebold-Mariano; DTW; Holt-Winters; Inferência Bayesiana; K-Means; Métodos de previsão; MSE; SARIMA; SARIMAX; Série temporal | Issue Date: | 1-Jul-2016 | Place of publication or event: | Coimbra | Abstract: | A previsão do consumo energético é uma necessidade para a gestão eficiente das smart grids, dos programas de demand response e da gestão da eficiência energética de uma habitação. Isto deve-se ao facto de, ao obter informação sobre o eventual estado futuro do sistema elétrico, ser possível tomar medidas preventivas que permitam ao produtor de energia uma melhor gestão da produção. Numa outra perspetiva, e sob o ponto de vista do consumidor, é possível identificar padrões de consumo e planear o consumo energético eficientemente, beneficiando de menores custos. O presente trabalho de estágio, a decorrer na empresa Whitesmith, terá como objetivo contribuir para o desenvolvimento da plataforma Unplugg, especificamente para a definição e elaboração de um modelo de previsão, clustering de séries temporais e deteção de change-points. A literatura aponta no sentido de que os modelos ARMA, ARIMA, SARIMA e Holt-Winters apresentam bom desempenho na previsão do consumo a curto e médio prazo. Para a previsão do consumo energético será, portanto, utilizada uma abordagem baseada em modelos de séries temporais uni-variados e multi-variados que permitem a previsão do consumo energético residencial. Serão comparados modelos, janelas de histórico e previsão, aplicação de filtros, transformações, utilização de diferentes tipos de histórico e, ainda, a utilização de variáveis exógenas de fatores ambientais. Adicionalmente serão efetuados clusterings de séries temporais para várias granularidades do consumo de séries temporais normalizadas e não-normalizadas para o efeito de previsão em bloco e da tipificação de padrões de consumo. Para tal, ao longo do primeiro semestre foi efetuada uma investigação extensiva sobre as temáticas relacionadas com o problema a solucionar, bem como a exploração das soluções HEM já implementadas. No segundo semestre foram analisados e caracterizados os dados provenientes de clientes reais, implementadas as soluções estudadas, efetuados testes e obtidos resultados com o objetivo da determinação da configuração adequada a uma previsão eficiente individual e em bloco e do desenvolvimento de uma adaptação dinâmica às rotinas dos consumidores residenciais. O resultado obtido deste trabalho foi uma configuração com base no modelo SARIMA cujo valor médio de MAPE é de cerca de 33.8%, 34.1% e 20.7%, para as granularidades horária, octahorária e diária, respetivamente, que está presentemente a ser posto em produção num sistema que irá analisar 10 000 habitações. O modelo desenvolvido neste trabalho será utilizado como validação para novas iterações com sucessivas melhorias do mesmo. | Description: | Relatório Final de Estágio do Mestrado em Engenharia Informática apresentado à Faculdade de Ciências e Tecnologia da Universidade de Coimbra. | URI: | https://hdl.handle.net/10316/99245 | Rights: | embargoedAccess |
Appears in Collections: | FCTUC Eng.Informática - Teses de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Mestrado Marta Pais.pdf | 9.79 MB | Adobe PDF | View/Open |
Page view(s)
129
checked on Oct 16, 2024
Download(s)
35
checked on Oct 16, 2024
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.