Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufu.br/handle/123456789/42206
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.creator | Araujo, Caio Séjour | - |
dc.date.accessioned | 2024-08-16T14:08:47Z | - |
dc.date.available | 2024-08-16T14:08:47Z | - |
dc.date.issued | 2024-07-04 | - |
dc.identifier.citation | ARAUJO, Caio Séjour. Identificação de eletrodomésticos com base no consumo de corrente elétrica utilizando aprendizagem profunda. 2024. 61 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica e de Telecomunicações) – Universidade Federal de Uberlândia, Patos de Minas, 2024. | pt_BR |
dc.identifier.uri | https://repositorio.ufu.br/handle/123456789/42206 | - |
dc.description.abstract | Electric energy consumption in the world has been changing progressively every year. Energy concessionaires have a recurring concern with meeting the increasingly growing demand, trying to avoid rationing, the use of thermoelectric plants, or even the popularly called “blackouts”. Such events are also reflected in concern on the part of the end consumer, since energy costs are high in these scenarios, and, in a worst case, services are interrupted. This work aims to study a practical implementation to bring information about which household appliances consume the most energy within a residential environment, through artificial intelligence. Another proposal is to also be able to offer information about the value of the electricity bill, even before being informed by the concessionaire. Together, this data can objectively provide control over more conscientious consumption by the population. For this implementation to be carried out, Machine Learning techniques were used, such as Artificial Neural Networks, to analyze the electrical current of household appliances. The feasibility of this implementation was validated according to the hypothesis of a characteristic in the current consumption of the devices, in which, due to their specific construction and internal circuitry, they have a pattern, peculiar to each one, in the waveform of the current consumed, which generates a kind of spectral “signature”, when analyzed in the frequency domain. Experiments and data collection were carried out using specific laboratory equipment connected to common household appliances, with the aim of training a neural network, so that it can, based on the current consumed, provide information about which appliance is connected to the energy at a given time. Through the experiments, the best configuration for processing the data was selected, as well as the architecture of the neural network used. The result obtained was satisfactory for most of the household appliances tested, in which it was possible to predict with good accuracy which equipment was analyzed. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Uberlândia | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights | Attribution-NonCommercial 3.0 United States | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc/3.0/us/ | * |
dc.subject | Inteligência Artificial | pt_BR |
dc.subject | Artificial Intelligence | pt_BR |
dc.subject | Redes Neurais | pt_BR |
dc.subject | Neural Networks | pt_BR |
dc.subject | Assinatura de Corrente Elétrica | pt_BR |
dc.subject | Electrical Current Signature | pt_BR |
dc.subject | Aprendizado de Máquina | pt_BR |
dc.subject | Machine Learning | pt_BR |
dc.subject | Transformada de Fourier | pt_BR |
dc.subject | Fourier Transform | pt_BR |
dc.title | Identificação de eletrodomésticos com base no consumo de corrente elétrica utilizando aprendizagem profunda | pt_BR |
dc.title.alternative | Identification of household appliances based on electrical current consumption using deep learning | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Pantaleão, Eliana | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/9522811596351113 | pt_BR |
dc.contributor.referee1 | Bertarini, Pedro Luiz Lima | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/6101890440707894 | pt_BR |
dc.contributor.referee2 | Coelho, Júlio Cézar | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/3309306951751923 | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/1915852949977963 | pt_BR |
dc.description.degreename | Trabalho de Conclusão de Curso (Graduação) | pt_BR |
dc.description.resumo | O consumo de energia elétrica no mundo vem mudando a cada ano, de forma progressiva. As concessionárias de energia tem uma preocupação recorrente em suprir a demanda cada vez mais crescente, tentando evitar o racionamento, o uso de termelétri- cas, ou até mesmo os popularmente chamados “apagões”. Tais acontecimentos se refletem também numa preocupação por parte do consumidor final, uma vez que a energia tem seu custo elevado nestes cenários, e, num pior dos casos, a interrupção dos serviços. Este trabalho tem como objetivo estudar uma implementação prática para trazer a informação sobre quais eletrodomésticos mais consomem energia dentro de um ambiente residencial, por meio de inteligência artificial. Outra proposta, é poder oferecer também a informa- ção sobre o valor da conta de luz, antes mesmo de ser informada pela concessionária. Aliados, estes dados podem entregar, de forma objetiva, o controle de um consumo mais consciente por parte da população. Para que tal implementação seja realizada, foram utilizadas técnicas de Machine Learning, como Redes Neurais Artificiais, para analisar a corrente elétrica dos aparelhos residenciais. A viabilização desta implementação foi validada de acordo com a hipótese de uma característica no consumo de corrente dos aparelhos, em que, devido às suas especificidades de construção e circuitaria interna, pos- suem um padrão, peculiar de cada um, na forma de onda da corrente consumida, o que gera uma espécie de “assinatura” espectral, quando analisada no domínio da frequência. Foram realizados experimentos e coletas de dados por meio de equipamentos laboratoriais específicos ligados a eletrodomésticos comuns, com intuito de treinar uma rede neural, para que a mesma possa, com base na corrente consumida, fornecer a informação sobre qual eletrodoméstico está ligado à energia em determinado momento. Através dos expe- rimentos, foi selecionada a melhor configuração para o tratamento dos dados, bem como a arquitetura da rede neural utilizada. O resultado obtido foi satisfatório para a maior parte dos eletrodomésticos testados, em que se conseguiu predizer com boa precisão qual o equipamento foi analisado. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.course | Engenharia de Eletrônica e Telecomunicações | pt_BR |
dc.sizeorduration | 61 | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | pt_BR |
dc.orcid.putcode | 165671963 | - |
Aparece en las colecciones: | TCC - Engenharia Eletrônica e de Telecomunicações (Patos de Minas) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
IdentificaçãoDeEletrodomésticos.pdf | 25.14 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons