Clasificación de eventos para monitorización no intrusiva de carga utilizando razonamiento basado en casos

Simple item page
dc.contributor.advisorDuarte Gualdrón, César Antonio
dc.contributor.authorCortes Torres, Jose David
dc.date.accessioned2024-03-04T00:15:30Z
dc.date.available2018
dc.date.available2024-03-04T00:15:30Z
dc.date.created2018
dc.date.issued2018
dc.description.abstractEl consumo eléctrico en hogares y sitios de trabajo se ha incrementado. Esto puede ser eviden-ciado en el crecimiento de ciudades inteligentes, el uso de energías renovables y dispositivos tec-nológicos de última generación. Panorama que se torna necesario para el diseño de estrategias referentes a la gestión de la demanda. La monitorización intrusiva de cargas (NILM), permite me-dir el consumo eléctrico de forma centralizada para estimar la potencia individual de cada aparato conectado en un sistema eléctrico usando algoritmos matemáticos. En la actualidad, la metodolo-gía de razonamiento basado en casos (RBC) ha mostrado una solución apropiada para tareas de clasificación. Como el RBC fracciona el conocimiento de acuerdo al contexto, representa una ven-taja respecto con los métodos tradicionales. El presente trabajo de investigación describe el modelo para clasificación de cargas de tipo residencial en eventos de conexión y desconexión usando la metodología de RBC dividida en en tres etapas. La etapa de extracción de descriptores fue imple-mentada usando transformadas tiempo-frecuencia y de las definiciones de la norma IEEE1459 de 22 aparatos eléctricos de uso residencial. La etapa de clasificación está compuesta por 4 fases que dispone de 2 algoritmos por fase. La etapa de evaluación fue implementada usando la métrica de casos clasificados correctamente sobre total de casos. Los resultados fueron comparados con el método de clasificación basado en máquinas de soporte vectorial (SVM). Los hallazgos más im-portantes muestran que los 24 modelos implementados con RBC presentaron un 39.66% en pro-medio. Estos datos revelan que los modelos de RBC cuentan con un desempeño comparable con algunos métodos considerados en NILM, lo que se constituye en una metodología para la clasifi-cación de aparatos en un sistema residencial.
dc.description.abstractenglishload monitoring (NILM), allows to measure the centralized power consumption to estimate the individual power of each connected device in an electrical system using mathematical algorithms. Currently, case-based reasoning (CBR) methodology has shown an appropriate solu-tion for tasks classification. As the RBC divides the knowledge according to the context, it repre-sents an advantage respect to the traditional methods. The present research describes CBR meth-odology model to classify connection and disconnection events. It was divided into three stages. The feature extraction stage was implemented using time-frequency transformations and IEEE1459 definition standard for 22 home electrical appliances. The classification stage is com-posed by 4 phases. Each phase has 2 algorithms. The evaluation stage was implemented using the metric of correctly classified cases by total cases. The results were compared with the classification method based on support vector machines (SVM). The results showed the 24 models implemented with CBR presented an average of 39.66%. These data reveal that some CBR models have a com-parable performance with some methods considered in NILM, which constitutes a methodology for the classification of appliances in a residential system. 3 Trabajo de Investigación 4 Facultad de Ingenierías Fisicomecánicas. Escuela de Ingeniería Eléctrica, Electrónica y de Telecomunicaciones. Director, César Antonio Duarte
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Eléctrica
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/39485
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Eléctrica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectNilm
dc.subjectRazonamiento Basado En Casos.
dc.subject.keywordNilm
dc.subject.keywordCase Based Reasoning. Electricity Consumption In Homes And Workplaces Has Increased. This Can Be Evidenced In The Growth Of Smart Cities
dc.subject.keywordThe Use Of Renewable Energy And Cutting-Edge Technological Dis-Positives. Panorama That Becomes Necessary For The Design Of Strategies Related To Demand Management. The Non-Intrusive
dc.titleClasificación de eventos para monitorización no intrusiva de carga utilizando razonamiento basado en casos
dc.title.englishClasificación de eventos para monitorización no intrusiva de cargas eléctricas utilizando razonamiento basado en casos3
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
385.79 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
5.04 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
187.94 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería Eléctrica