Utilize este identificador para referenciar este registo:
https://hdl.handle.net/10316/99245
Título: | Inteligência Computacional para a Gestão Eficiente de Energia e Conforto no Domínio das Casas Inteligentes | Autor: | Pais, Marta Luísa Nunes Canelas | Orientador: | Correia, António Dourado Pereira Tavares, Miguel Gonçalves |
Palavras-chave: | 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 | Data: | 1-Jul-2016 | Local de edição ou do evento: | Coimbra | Resumo: | 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. | Descrição: | 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 | Direitos: | embargoedAccess |
Aparece nas coleções: | FCTUC Eng.Informática - Teses de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Mestrado Marta Pais.pdf | 9.79 MB | Adobe PDF | Ver/Abrir |
Visualizações de página
129
Visto em 16/out/2024
Downloads
35
Visto em 16/out/2024
Google ScholarTM
Verificar
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.