Repository logo
 
Publication

Utilização de Técnicas de Mineração de Dados na Caracterização de Perfis Típicos de Carga

2019Master thesis Open access
Simple item page
dc.contributor.advisorRamos, Sérgio Filipe Carvalho
dc.contributor.authorCembranel, Samuel Sandmann
dc.date.accessioned2020-08-03T13:32:23Z
dc.date.available2020-08-03T13:32:23Z
dc.date.issued2019
dc.description.abstractO conhecimento dos hábitos de consumo de energia elétrica tem-se mostrado uma ferramenta importante nos diversos setores elétricos. A liberalização do setor elétrico, em Portugal e no resto do mundo, culminou no surgimento de novos agentes, que aumentaram a competitividade, sobressaindo aqueles que conseguem fornecer serviços de qualidade a preços baixos. Nesta dissertação é proposto e avaliado um modelo de caracterização de curvas típicas de carga para consumidores de baixa tensão. A identificação dos padrões de consumo é baseada na aplicação de algoritmos de agrupamento. A base de dados consiste em dados de consumo de energia elétrica de 194 clientes de baixa tensão, localizados nas cidades do Porto, Matosinhos e Vila Real. Com o conhecimento obtido na etapa de agrupamento é elaborado um modelo de classificação, capaz de classificar novos consumidores de acordo com seus dados de consumo. A metodologia de agrupamento é baseada em sete algoritmos particionais e hierárquicos, juntamente com seis índices de validação de agrupamento, capazes de identificar a melhor partição dos dados. Para finalizar o ciclo do reconhecimento de padrões é utilizado um modelo de classificação baseado em árvores de decisão para classificar novos consumidores. Para tornar o modelo simples cada curva de carga é representada por cinco índices capazes de representar o formato das curvas de carga. A metodologia proposta nesse trabalho demonstra ser uma ferramenta eficaz que pode ser utilizada nos mais diversos setores, destacando-se a utilização do conhecimento na otimização da contratação de energia para clientes de baixa tensão. Os dados dos consumidores podem ser constantemente atualizados na tentativa de melhorar o modelo obtido nesse trabalho, obtendo estimativas que consigam representar melhor os consumidores e seus hábitos de consumo.pt_PT
dc.description.abstractThe knowledge of electricity consumption’s habits has been an important tool in electrical sectors. The constant liberalization of the electricity sectors, in Portugal and the rest of the world, culminated in the emergence of new agents, which increased the competitiveness, standing those that can provide quality services at low prices. In this dissertation, a characterization model of typical load curves for low voltage consumers is proposed and evaluated. The identification of consumption patterns is based on clustering analysis. The database consists of electricity consumption data of 194 low voltage consumers, located in the cities of Porto, Matosinhos and Vila Real. With the knowledge obtained in clustering analysis, a classification model is used to classify new consumers according to their consumption data. The clustering methodology is based on seven algorithms, partitional and hierarchical, six clustering validity indices are used to identify the best data partition. To complete the cycle of pattern recognition, the classification model based on decision trees is used in the classification of new consumers. To make the model simple, each load curve is represented by five indices, each index is capable to represent the shape of the load curves. The methodology proposed in this work demonstrates to be an effective tool, and can be used in most diverse sectors, highlighting the use of knowledge in the optimization of the energy contracting for low voltage consumers. Consumer data can be constantly updated in attempt to improve the model obtained in this work, finding estimates that can better represent consumers and their consumption habits.pt_PT
dc.identifier.tid202766799
dc.identifier.urihttp://hdl.handle.net/10400.22/16150
dc.language.isoporpt_PT
dc.subjectDescoberta do Conhecimento em Banco de Dadospt_PT
dc.subjectMineração de Dadospt_PT
dc.subjectAgrupamento de Dadospt_PT
dc.subjectClassificaçãopt_PT
dc.subjectPerfis Típicos de Cargapt_PT
dc.subjectKnowledge Discovery in Databasespt_PT
dc.subjectData Miningpt_PT
dc.subjectClusteringpt_PT
dc.subjectClassificationpt_PT
dc.subjectTypical Load Profilespt_PT
dc.titleUtilização de Técnicas de Mineração de Dados na Caracterização de Perfis Típicos de Cargapt_PT
dc.typemaster thesis
dspace.entity.typePublication
rcaap.rightsopenAccesspt_PT
rcaap.typemasterThesispt_PT
thesis.degree.nameMestrado em Engenharia Eletrotécnica - Sistemas Elétricos de Energiapt_PT

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
DM_SamuelCembranel_2019_MEESE.pdf
Size:
4.7 MB
Format:
Adobe Portable Document Format
Download

Collections

ISEP - DM – Engenharia Electrotécnica – Sistemas Eléctricos de Energia