monitoramento de carga não intrusiva

Monitoramento de Carga Nao-Intrusivo (NILM)

Monitoramento de Carga Nao-Intrusivo(NILM)Desagregacao de EnergiaEvellyn Cavalcante & Phillippe Samer

Agosto/2014

1 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)

SumarioMotivacaoIntroducaoProblemaClassificacaoFrameworkDesafiosTeoria da InformacaoPlanos entropia-complexidade

2 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Motivacao

MotivacaoI Crise de energiaI Identificacao de aparelhos que mais consomem energiaI Instalacao de medidores inteligentesI Monitoramento de energia

3 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Introducao

IntroducaoConceitosMonitoramento de Carga (ILM)Utilizacao de sensores em cada aparelho para medir seuconsumo individual de energia.Monitoramento Nao-Intrusivo de Carga (NILM)Metodo para desagregacao de energia, distinguindodiferentes dispositivos a partir de dados agregados coletadosa partir de somente um ponto de medicao.Vantagens:I Baixo custoI Facil instalacao de sensorI Configuracao simplificada do sistema

4 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Problema

ProblemaObjetivoDividir os dados de consumo de energia de toda aconstrucao em seus constituintes principais.

P(t) = p1(t) + p2(t) + . . . + pn(t)

P(t) dados agregados dos aparelhospi consumo total de energia de um aparelhoindividual que contribui para o dado agregadon o numero total de aparelhos ativos no perodode tempo t

5 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Problema

Assinatura de CargaPadrao unico do consumo de energia que uma carga eletricaapresenta.6 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Classificacao

Classificacao dos AparelhosTipo I aparelhos com somente dois estados deoperacao (ligado/desligado), e.g., abajur,torradeiraTipo II aparelhos com um numero finito de estados deoperacoes, e.g., maquina de lavar, forno eletricoTipo III aparelhos com um consumo de energia variavelsem um numero fixo de estados, e.g., furadeira,lampadas com regulagemTipo IV aparelhos que permanecem ativos pordias/semanas, sao dispositivos de consumopermanente, e.g., detectores de fumaca,receptores de tv a cabo, aparelho telefonico

7 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Classificacao

Pesquisadores procuram definir as assinaturas de carga apartir das categorias de eletrodomesticos citadas, a fim decaracteriza-los em uma melhor maneira para a identificacao. 8 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Framework

FrameworkAquisicao de dados modulo em que os dados agregados saocoletados.Extracao de caracterstica do aparelho modulo em que osdados brutos sao processados para computarmetricas de energia e detectar eventos.Inferencia e Aprendizado modulo em que ocorre aconstrucao do modelo para identificacao dascargas, pode ser supervisionado enao-supervisionado.

9 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Desafios

DesafiosI Alto custo de rotulacao dos dados de treinamento.I Construcao um modelo generico para cada aparelho.I Obtencao uma assinatura de carga amplamente aceitaque reflita as operacoes dos tres tipos de aparelhos.I Identificacao de aparelhos que consomem poucaenergia.I Atualizacao do banco de dados de assinaturas dosaparelhos.I Investigacao na area de aprendizado nao-supervisionado.

10 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Desafios

E no LaCCAN?

11 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Teoria da Informacao

Analise de series temporaissistema dinmico

srie temporal

distribuio de probabilidade

gera

associada a uma

entropia dainformao

complexidadeestatstica

avaliada, caracterizada por

12 / 22


Teoria da informacaoQuantificacao da informacaoDeterminar limites basicos em operacoes de processamentode sinais, e.g. compressao de dados, seguranca em armazenare comunicar dados.The fundamental problem of communication is that of re-producing at one point, either exactly or approximately, amessage selected at another point.Shannon, C.E., A mathematical theory of communication, The BellSystem Technical Journal, vol. 27, no. 3, 379423, July 1948.

13 / 22


Teoria da informacaoPrincipais questoes:

1. Quantificadores da informacaoI entropiasI divergencias

2. Teoria de codigosI compressao de dadosI comunicacao confiavel em canais com rudo

14 / 22


Entropia de ShannonI A quantidade media de bits necessaria para representaro resultado de um evento aleatorio, e.g. armazenar oucomunicar um smbolo em uma mensagem.I Medida da incerteza associada ao valor de uma variavelaleatoria discreta. Dada uma distribuicao P {p1, . . . , pN},

H = Nj=1

pj ln pj

Mais informacao significa maior entropiaE.g. determinar o resultado de lancar uma moeda vs. o re-sultado de lancar um dado.15 / 22


Medida de Complexidade Estatstica (SCM)Dada uma distribuicao discretaP = {pj : j = 1, . . . ,N}

SCM e uma medida deI aleatoriedade: desordem vs. informacaoI grau de estruturas correlacionadas

C[P] = H[P]Q[P]

Lopez-Ruiz, Mancini, Calbet, A statistical measure of complexity, Phys.Lett. A, 209, 321326, 1997.16 / 22


Medida de Complexidade Estatstica (SCM)Dada uma distribuicao discretaP = {pj : j = 1, . . . ,N}

SCM e uma medida deI aleatoriedade: desordem vs. informacaoI grau de estruturas correlacionadas

C(k)v ,q [P] = H(k)q [P]Q(v)q [P]Lopez-Ruiz, Mancini, Calbet, A statistical measure of complexity, Phys.

Lett. A, 209, 321326, 1997.16 / 22

Monitoramento de Carga Nao-Intrusivo (NILM)Planos entropia-complexidade

Rudo vs. caos: planos entropia-complexidadePlanos de causalidade entropia complexidadeUm espaco de representacao para distinguir entre series tem-porais de duas naturezas diferentes:I CaosComplexidadeCorrelacao

I RudoAleatoriedadeEstocasticidade

17 / 22


Rudo vs. caos: planos entropia-complexidadeEstudar e evolucao temporal da complexidadeestatsticaRepresenta-se a informacao no plano HC enquanto omitem-se parametros de controle particulares do sistemaClassificar diferentes graus de aleatoriedade de dadosreaisRepresentar caos e rudo em diferentes localizacoes entre Cmine CmaxCaos:I menor entropiaI proximo a` maxima complexidade

18 / 22


Rudo vs. caos: planos entropia-complexidadeRosso, Larrondo, Martn, Plastino, Fuentes, Distinguishing noise fromchaos, Physical Review Letters, 99, 154102, 2007.Modelos padrao paraI 5 tipos de sistemas caoticos: mapas logstico, skew tent, deHenon, de Schuster e mapas de Lorenz do oscilador de Rossler.I 2 classes de processos estocasticos: Knoise (nao gaussiano),movimento Browniano fracionario (FBM) e rudo gaussiano(FGN)

Para cada caso, 10 series temporais com 215 valoresI 1 serie: um unico valor de H e CI Plano H C: medias simultaneas de entropia e comple-xidade 19 / 22


Rudo vs. caos: planos entropia-complexidade

20 / 22


REDD: Reference Energy Disaggregation Dataset

0.0 0.2 0.4 0.6 0.8 1.0

0.0

0.1

0.2

0.3

0.4

0.5

Entropy

MPR

Com

plexit

y

1

2

3

456

7

8

9

10

11

main 1main 2ith appliance

21 / 22


OBRIGADO!

22 / 22

MotivaoIntroduoProblemaClassificaoFrameworkDesafiosTeoria da InformaoPlanos entropia-complexidade

monitoramento de carga não intrusiva

Documents