Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Jiménez Manjarres, YuliethAngulo Julio, Carlos AndrésDuarte Gualdrón, César AntonioMendoza Díaz, Laura SofíaEspitia Mantilla, Viviana Lisbeth2022-09-152022-09-152022-09-092022-09-09https://noesis.uis.edu.co/handle/20.500.14071/11426Un sistema de monitorización no intrusivo de carga mide la tensión y la corriente directamente de la red y utiliza técnicas de desagregación para identificar los electrodomésticos conectados. En este trabajo de grado se implementan algoritmos de máquinas de soporte vectorial (SVM) y de redes neuronales profundas (DNN) para la desagregación de carga, y se compara su desempeño. Para ello, se crea una base de datos con las señales de varios electrodomésticos en MySQL, las cuales son caracterizadas y enviadas al modelo de clasificación para predecir cuál es el dispositivo encendido. Además, la página web es actualizada con la información del dispositivo detectado, cuya visualización incluye el estado de cada elemento, la potencia instantánea y la potencia total consumida. La creación de la base de datos permite un mejor control y óptima accesibilidad de la información. Por otra parte, la comparación de algoritmos presenta un resultado destacado del modelo SVM con un 15% de exactitud mayor en contraste al DNN. Así mismo, su implementación en la tarjeta Raspberry Pi brinda una aproximación más real, abarcando la clasificación de 14 diferentes dispositivos incluidos en la base de datos, enlazando estos aparatos detectados directamente al aplicativo web en donde se presenta la información adquirida aportando un valor agregado al usuario final.application/pdfspainfo:eu-repo/semantics/openAccessDesagregación de cargaRaspberry Piidentificación de cargamonitor no intrusivoaplicación webinteligencia artificialmáquinas de soporte vectorialUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coLoad disaggregationRaspberry Piload identificationnon intrusive monitorweb applicationartificial intelligencesupport vector machinehttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)