2012 - Identificação Não Invasiva de Cargas Elétricas Residenciais - DissertacaoUFRJ

IDENTIFICAO NO INVASIVA DE CARGAS ELTRICAS RESIDENCIAIS
Diego Machado do Nascimento
Dissertao de Mestrado apresentada ao

Programa de Ps-graduao
graduao em Engenharia
Eltrica,, COPPE, da Universidade Federal do
Rio de Janeiro, como parte dos requisitos
necessrios obteno do ttulo
lo de Mestre em
Engenharia Eltrica.
Orientador: Alexandre Pinto Alves da Silva
Rio de Janeiro
Julho de 2012
DISSERTAO
ALBERTO
LUIZ
SUBMETIDA
COIMBRA
AO
DE
CORPO
DOCENTE
PS-GRADUAO
DO
INSTITUTO
PESQUISA
DE
ENGENHARIA (COPPE) DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO

COMO PARTE DOS REQUISITOS NECESSRIOS PARA A OBTENO DO
GRAU DE MESTRE EM CINCIAS EM ENGENHARIA ELTRICA.
Examinada por:
___________________________________________________
Prof. Alexandre Pinto Alves da Silva, Ph.D.
___________________________________________________
Prof. Antonio Carlos Siqueira de Lima, D.Sc.
________________________________________________
Prof. Luiz Pereira Calba, Dr.Ing.
__________________________________________________
Prof. Marcus Theodor Schilling, D.Sc.
RIO DE JANEIRO, RJ - BRASIL

JULHO DE 2012
Nascimento, Diego Machado do

Identificao no invasiva de cargas eltricas
residenciais/ Diego Machado do Nascimento Rio de
Janeiro: UFRJ/COPPE, 2012.
VIII, 94 p.: il.; 29,7 cm.
Dissertao
(mestrado)
UFRJ/
COPPE/
Programa de Engenharia Eltrica, 2012.

Referencias Bibliogrficas: p. 90-94.
1. Medio Inteligente. 2. Assinatura Energtica.
3. Processamento de sinais. I. Silva, Alexandre Pinto
Alves da II. Universidade Federal do Rio de Janeiro,
COPPE, Programa de Engenharia Eltrica. III. Ttulo.
iii
AGRADECIMENTOS
Agradeo a todos os professores da COPPE/UFRJ , em especial Alexandre

Alves, Antonio Carlos Siqueira e Vitor Hugo, por me guiarem ao longo do caminho e
pelo apoio na elaborao deste trabalho. Tambm agradeo a importante contribuio de
Eduardo, Pedro e Daniel no tocante a medio dos dados, sugestes de trabalho e dicas
de programao.
No posso deixar de mencionar e agradecer a equipe que esteve comigo nas
horas boas e ms deste projeto: Rafael Oliveira, Dbora Reis, Carolina Pinto e Joo
Pedro Lopes.
Por ltimo, gostaria de agradecer a Deus, aos meus pais Delmrio e Mrcia, ao
meu irmo Douglas, minha sobrinha Maria Clara, a minha namorada Ingrid e a todos os
meus amigos pelo apoio e suporte que me deram ao longo dessa jornada.
"Grandes descobertas e progressos invariavelmente

envolvem a cooperao de vrias mentes"
Alexander Graham Bell
iv
Resumo da Dissertao apresentada COPPE/UFRJ como parte dos requisitos

necessrios para a obteno do grau de Mestre em Cincias (M.Sc.)
Julho/2012

Programa: Engenharia Eltrica
Sistemas no invasivos de medio de cargas possuem aplicaes variadas tanto

para consumidores quanto para concessionrias de distribuio de energia eltrica.
Esses sistemas permitem a discriminao da fatura e a deteco de furto de energia
eltrica. Podem fornecer ainda informaes valiosas para programas de eficientizao
energtica, alm de possibilitar uma melhor caracterizao das cargas atendidas do
ponto de vista temporal.
Este trabalho desenvolve um sistema de medio de cargas no invasivo com
base nas assinaturas energticas fornecidos pelos diversos equipamentos existentes
em um domiclio. Com o auxlio de algumas tcnicas de anlise de sinais, criado um
fluxo de processamento inovador que permite ao usurio identificar e classificar
qualquer equipamento existente na residncia a partir do seu acionamento.
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the

requirements for the degree of Master of Science (M.Sc.).
NON INVASIVE IDENTIFICATION OF RESIDENTIAL ELECTRICAL LOADS
July/2012
Advisor: Alexandre Pinto Alves da Silva

Department: Electrical Engineering
Nonintrusive Appliance Load Monitoring is a modern technique that has several

applications for both consumers and electrical distribution companies. These
techniques allow bill discrimination and detection of energy losses. It also provides
valuable information for energy programs, and creates a better characterization of the
loads.
This dissertation presents a non invasive system based on the unique electrical
events supplied by each equipment in a house. The methodology developed uses
advanced signal processing analysis to build an innovative processing flow that permits
any user to perform a load disaggregation algorithm in order to identify and classify any
equipment in the house using only its electrical signature.
vi
NDICE
Introduo ............................................................................................................................. 1
1.1
Objetivo ......................................................................................................................... 1
1.2
Descrio do Problema ................................................................................................. 1
1.3
Reviso da Literatura..................................................................................................... 2
Formulaes Matemticas .................................................................................................. 13

2.1
Transformada Hilbert .................................................................................................. 13
2.2
Transformada Wavelet................................................................................................ 15
2.2.1
Transformada Wavelet Contnua ........................................................................ 15
2.2.2
Transformada Wavelet Discreta.......................................................................... 17
2.2.3
Anlise em Multirresoluo ................................................................................ 17
2.2.4
Transformada Wavelet Estacionria ................................................................... 18
2.2.5
Filtro .................................................................................................................... 21
2.3
Mtodo de Burg .......................................................................................................... 22
2.3.1
Mtodo da Mxima Entropia .............................................................................. 22
2.3.2
Predio Linear Forward e Backward.................................................................. 23
2.3.3
Recurso Levinson-Durbin................................................................................... 24
2.3.4
Modelo Autorregressivo ..................................................................................... 25
2.3.5
Burg ..................................................................................................................... 26
Modelo Proposto ................................................................................................................ 27

3.1
Descrio da Modelagem ............................................................................................ 27
3.2
Cargas Consideradas ................................................................................................... 29
3.3
Implementao computacional .................................................................................. 55
3.3.1
3.4
Classificao ........................................................................................................ 63
Simulaes................................................................................................................... 67
3.4.1
Dados................................................................................................................... 67
3.4.2
Mdulo da TH e Angulo da TH ............................................................................ 68
3.4.3
TH-TW e TW-TH ................................................................................................... 68
3.4.4
Fator de Potncia ................................................................................................ 68
3.4.5
Importncia dos nveis da TWE ........................................................................... 69
3.5
Resultados ................................................................................................................... 69
3.5.1
Dados................................................................................................................... 70
3.5.2
Mdulo da TH e Angulo da TH ............................................................................ 71

vii
3.5.3
TH-TW e TW-TH ................................................................................................... 72
3.5.4
Fator de Potncia ................................................................................................ 74
3.5.5
Nveis da TWE ...................................................................................................... 75
3.6
4
Testes de campo.................................................................................................................. 78
4.1
Estrutura do equipamento de aquisio e manipulao dos dados ........................... 78
4.2
Testes - descrio dos casos ........................................................................................ 79
4.2.1
Teste com equipamentos similares mas de marcas diferentes .......................... 80
4.2.2
Teste com medidor e acionamento individual das cargas ................................. 81
4.2.3
Teste com agregado de cargas ............................................................................ 83
4.3
5
Concluso Parcial ........................................................................................................ 76
Discusso dos resultados ............................................................................................ 84
Concluses........................................................................................................................... 86
5.1
Principais concluses................................................................................................... 86
5.2
Propostas de trabalhos futuros ................................................................................... 87
Referncias Bibliogrficas ........................................................................................................... 90
viii
1 Introduo
No primeiro captulo apresentado o objetivo da dissertao e uma abordagem
geral da rea de monitorao de cargas, incluindo uma reviso da literatura referente ao
tema e a descrio da estrutura do texto da dissertao.
1.1 Objetivo
O objetivo dessa dissertao desenvolver um sistema de monitoramento no
invasivo de cargas eltricas residenciais, aplicando, as tcnicas de processamentos de
sinais (Transformada Hilbert, Transformada Wavelet e o Mtodo de Burg) possvel
extrair caractersticas nicas das assinaturas energticas dos aparelhos existentes em
uma residncia, facilitando a tarefa de identificao de cargas.
1.2 Descrio do Problema

A preocupao com o fornecimento de energia eltrica vem crescendo a cada
dia. Recentemente, entrou em vigor uma nova verso dos Procedimentos de
Distribuio de Energia Eltrica no Sistema Eltrico Nacional (PRODIST) sob
responsabilidade da Agencia Nacional de Energia Eltrica (ANEEL) [1]. Nele so
detalhados os eventos de qualidade da energia, tais como afundamentos ou elevaes de
tenso, variaes de frequncia, presena de harmnicos na rede entre outros fatores.
Alm disso, so estabelecidos os limites aceitveis para um fornecimento eficiente e
sem prejuzo aos clientes finais da distribuio.
Um dos desafios est no monitoramento eficaz que permita a fiscalizao de
todos os consumidores, punio atravs de multa aos poluidores da rede e indenizao
nos casos de fornecimento fora dos limites pelas concessionrias. Ainda no possvel
identificar com preciso as principais fontes poluidoras do sistema. Entretanto, hoje se
sabe que o consumidor residencial tem uma parcela considervel de responsabilidade na
circulao de harmnico pela rede, devido ao uso de cargas no lineares presentes nos
mais diversos tipos de eletrodomsticos residenciais.
Nesta dissertao apresentado um sistema de monitoramento no invasivo para
os clientes da rede de distribuio de baixa tenso. De forma completamente
1
independente de conhecimentos prvios e particulares dos consumidores, mantendo sua

privacidade, avaliado individualmente o consumo de cada cliente atravs de um
medidor na entrada do fornecimento de energia eltrica da residncia. Em seguida, esse
sinal analisado utilizando tcnicas avanadas de processamentos de sinais que,
combinadas, fornecem um algoritmo para desagregar a carga total do cliente, ou seja,
que permite identificar e classificar corretamente o equipamento que tenha entrado ou
sado de operao.
Os sistemas de medio de cargas no invasivos (SMCNI) possuem uma srie de
aplicaes tanto para o consumidor quanto para a concessionria. Para a concessionria,
este sistema permite a discriminao da fatura de energia eltrica dos clientes,
possibilita a identificao de furtos de energia, contribui significativamente para
programas de eficientizao energtica pois indica a concessionria zonas aonde o
fornecimento de energia pode ser realizado de maneira mais
inteligente.
Adicionalmente, este sistema auxilia a empresa na avaliao de equipamentos e/ou

zonas crticas para a companhia funcionando como uma ferramenta a mais na tomada de
deciso.
O consumidor se beneficia igualmente desta tecnologia, pois ela permite um
controle maior dos gastos da residncia proveniente de uma fatura discriminada. Outra
vantagem deste sistema o diagnstico da carga, ou seja, a concessionria pode
informar ao cliente se a bomba que ele usa boa ou no devido ao consumo de energia
da mesma. Por ltimo, a empresa pode fornecer dicas de eficincia energtica para os
clientes sugerindo, por exemplo, mudar o banho de um horrio para outro a fim de
reduzir a conta no final do ms, no caso da aplicao de tarifas diferenciadas ao longo
do dia.
1.3 Reviso da Literatura

O interesse por tcnicas de sensoriamento com o intuito de fornecer suporte para
aplicaes residenciais surgiu na dcada de 80 e obteve uma expanso significativa nos
ltimos 5 anos. Basicamente, duas abordagens de monitoramento de cargas residenciais
ganharam destaque: no invasivo e invasivo.
Na abordagem invasiva, os trabalhos [2], [3] e [4] utilizam sistemas de udio e
vdeo para determinar atividades na residncia, como por exemplo, uso de chuveiro,
mquina de lavar entre outros aparelhos. Embora fornea caractersticas nicas, esse
2
modelo requer um custo elevado de instalao e manuteno dos sensores bem como
possui restries no tocante a invaso de privacidade.
Nessa mesma abordagem, Tapia et al. [5] e [6] sugeriu um modelo de
reconhecimento de atividades residenciais por meio de sensores de baixo custo que
detectam, basicamente, mudanas de estado dos equipamentos atravs de contato do
consumidor. Os dados obtidos so armazenados em algum lugar da residncia e
registram eventos especficos de consumo durante um determinado perodo de tempo. A
vantagem deste mtodo em relao ao [2], [3] e [4] a facilidade de detectar uma gama
maior da atividades na residncia respeitando mais a privacidade das pessoas. Contudo,
este trabalho possui srias desvantagens como a energizao dos sensores, o local de
armazenamento dos dados e o impacto negativo na esttica da residncia, que dificulta a
adoo deste modelo por parte dos consumidores.
A abordagem no invasiva, que adotada nesta dissertao, elimina as
desvantagens dos trabalhos [2], [3], [4], [5] e [6], pois utiliza a infraestrutura j existente
na residncia para realizar inferncias bsicas acerca do consumo residencial, podendo
ser atravs do monitoramento de equipamentos especficos [7] ou utilizao das linhas
do sistema de distribuio para identificao dos aparelhos na residncia [8].
O trabalho [9] foi pioneiro na tcnica de identificao de cargas residenciais de
forma menos intrusiva. Na residncia plugado um nico medidor em uma tomada que
passa a coletar os dados de consumo dos moradores e transmite, via linha telefnica, os
dados de consumo do cliente.
Neste projeto, o medidor detecta o aparelho da residncia a partir da variao de
potncia ativa (P) e reativa (Q) consumida com a entrada em operao do aparelho.
A classificao do equipamento residencial identificado pode ser realizada de duas
maneiras:
Setup Manual - O aparelho necessita um conhecimento a priori sobre

quais equipamentos existem na residncia para poder comparar o valor
medido com o j conhecido a fim de inferir a classificao
Setup Automtico - O aparelho automaticamente cria uma tabela de

dados com informaes de possveis equipamentos na residncia e depois
os compara com os valores medidos para inferir a classificao.
Tanto o setup manual quanto o automtico classificam a carga com o mesmo

princpio. Cada equipamento possui uma faixa de valores de potncia ativa e reativa que
o caracterizam. Portanto, os valores de P e Q medidos so comparados com os

valores j conhecidos. O equipamento identificado quando o valor medido de P e Q
do aparelho pertence a uma determinada faixa de valores de potncias ativa e reativa do
banco de dados.
Uma virtude deste trabalho foi considerar equipamentos com vrios modos de
operao como frezzer (ligado, desligado, "defrost"), secador de cabelo (desligado,
motor e motor e aquecedor), entre outros.
Embora seja um trabalho pioneiro e base para muitos projetos hoje em dia, este
artigo possui algumas limitaes como, por exemplo, a dificuldade de detectar eventos
eltricos ocasionados pelos acionamentos de lmpadas devido ao baixo consumo de
potncia ativa das mesmas. Alm disso, o algoritmo apresenta problemas de
identificao com os equipamentos no lineares, tendo em vista que os mesmos no
fornecem uma mudana nos planos P e Q instantaneamente tal como um degrau na
curva de consumo, mas sim como uma rampa que aumenta gradativamente at alcanar
o seu patamar mais elevado.
O aperfeioamento desta ideia apareceu em 2007 no artigo [10]. Com o avano
tecnolgico dos equipamentos no lineares, em especial os eletrnicos de fonte
chaveada, ficou extremamente difcil a identificao dos aparelhos residenciais
unicamente por meio do plano P-Q, pois os harmnicos gerados por estes
equipamentos provocam a sobreposio de cargas distintas.
A soluo proposta em [10] utilizar um terceiro eixo de coordenadas ao plano
P-Q representando as harmnicas dos aparelhos, ou seja, alm de comparar os
valores de P e Q medido um espectro de potncia que comparado com os
espectros de potncia previamente registrados. Atravs do critrio de Mxima
Verossimilhana determinado qual o rtulo do equipamento.
Apesar de interessante, o artigo basicamente terico tendo em vista que os
nicos testes realizados foram com lmpada incandescente dimerizada, fluorescente
compacta e ventilador. Alm disso, o autor no explica porque apenas a terceira
harmnica deve ser utilizada a fim de classificar o equipamento analisado.
O sistema de monitorao no invasivo desenvolvido por DRENKER e KADER
[11] tambm utiliza o plano P-Q sugerido em [9] para identificao de um aparelho
que entra ou sai de operao na residncia. Alm disso, so criados grupos de
equipamentos com caractersticas especficas de P e Q para serem comparados com os
valores medidos. Um software de reconhecimento de padres aplicado com o intuito

de encontrar o grupo com um comportamento similar ao da medida adquirida, para
depois determinar a classificao do equipamento. Caso apaream grupos "anmalos"
provenientes, por exemplo, de dois aparelhos que mudam de estgio simultaneamente, o
algoritmo tenta atravs da soma e diferena das cargas individuais existentes no banco
de dados descobrir quais equipamentos foram acionados.
Naturalmente, com o avano da eletrnica de potncia e a expanso de
equipamentos de fonte varivel, tal como inversor de frequncia, o problema de
identificao de cargas torna-se mais complexo, inviabilizando este tipo de abordagem
devido a poluio do plano P-Q causado pela insero de harmnicos na rede. Alm
disso, utiliza apenas 7 aparelhos residenciais para testes, uma quantidade de pouca
relevncia no tocante a quantidade total de aparelhos por domiclio.
Apesar de se encontrar em estgio inicial, o trabalho [12] muito promissor.
Neste projeto, os dados de tenso e corrente dos aparelhos so medidos bem como as
caractersticas destas formas de ondas so analisadas. Em seguida, utilizado um
algoritmo para identificar os aparelhos que entraram em operao.
O algoritmo desenvolvido dividido em trs etapas:
1. Aplica-se um filtro com o intuito de diminuir rudos de medio no
valor da corrente considerando o valor de tenso medido
2. Utiliza-se um algoritmo de estimao de sinal para separar os eventos
individuais que compe um agregado de cargas compreendido entre
uma medio e outra.
3. Cria-se um arquivo e depois um classificador com vrias
caractersticas ou uma tabela de cargas para a identificao precisa do
equipamento acionado.
Cada equipamento dividido em 3 padres: transitrio, perodo estacionrio e
padro de operao sendo que este ltimo representa as mudanas contnuas no modo
de operao ao longo do tempo. Todos estes padres possuem forma de onda e as
seguintes caractersticas: formato, padro, magnitude, fator de potncia, componentes
harmnicos e alteraes de potncia. O classificador utiliza cada um desses fatores para
diferenciar e classificar as cargas.
O projeto se encontrava em fase preliminar, logo no produziu resultados
robustos acerca de taxa de acerto e eficincia do programa. Tambm possui a seguinte
desvantagem: preciso criar um dicionrio de cargas que contemple a combinao de

cada aparelho individual, o que demanda um esforo computacional considervel no
momento de desagregao de cargas. Alm disso, possui um nmero limitado de
equipamentos de teste, no contemplando aparelhos importantes e que possuem peso
considervel no consumo residencial como ar condicionado e bomba d'gua.
O trabalho [13] emprega tcnicas de programao inteira para solucionar o
problema de identificao dos equipamentos residenciais de forma no invasiva. A
tcnica desenvolvida utiliza apenas um ciclo do sinal de corrente para determinar a
condio de operao do aparelho residencial.
O interessante deste modelo o fato de que ele atende razoavelmente bem os
equipamentos de dois modos de operao (ligado ou desligado) e os com mltiplos
modos de operao. Caso o aparelho tenha apenas dois modos de operao o algoritmo
promove a identificao do mesmo atravs de um problema de minimizao do erro
quadrtico entre o valor medido e o estimado. O equipamento da base de dados que
apresentar o menor erro quadrtico a soluo do problema, ou seja, o equipamento que
se deseja identificar.
Por outro lado, quando o problema analisado possui equipamentos com
mltiplos modos de operao so inseridas restries no clculo do erro quadrticos,
tais como tempo de operao. Apesar de ter obtido uma taxa de acerto da ordem de
96,2%, em alguns casos essa abordagem possui algumas desvantagens. Aparelhos com
formas de onda similares provocam confuso no classificador, que acaba errando na
inferncia da condio de operao do equipamento, situao esta que agravada pelo
fato de se usar apenas um ciclo da forma de onda de corrente. Alm disso, a nica base
de dados foi adquirida com os hbitos de consumo de um casal durante 6 dias, em
horrios distintos durante cada dia.
No trabalho [14] aplicado Algoritmo Gentico (AG) para separar um agregado
de carga em vrias cargas individuais para, a partir desse ponto, realizar as inferncias
necessrias para identificar o equipamento analisado. O autor envolve os equipamentos
residenciais em 3 grupos: senoidais, no senoidais e quase senoidais. A razo entre a
componente fundamental da forma de onda da corrente e o valor mdio quadrtico total
obtido aps o clculo da FFT determina o grupo ao qual um aparelho pertence. Quanto
maior essa relao mais senoidal a forma de onda do equipamento e vice versa.
A classificao, que considera apenas o regime permanente do sinal de corrente,

ocorre em duas partes, intragrupos e intergrupo. No modo intragrupo, criado uma
sries de combinaes de aparelhos do mesmo grupo e utiliza-se o algoritmo para
quebrar estas combinaes de modo a identificar corretamente cada carga que compe
esse conjunto. Os testes intergrupos servem para determinar se uma carga senoidal ou
quase senoidal ou no senoidal.
Assim como em [13], a classificao feita atravs da minimao do erro
quadrtico entre o valor medido e o previamente registrado. A vantagem do AG que
pode fornecer uma soluo ou um conjunto de provveis solues, o que auxilia na
tomada de deciso em caso de dvidas ou rudos no sinal original.
O mtodo desenvolvido possui mais de 90% de acerto nos testes intergrupo e
mais de 80% nos testes intragrupos no senoidais. Contudo, quando vrios
equipamentos quase senoidais so utilizados conjuntamente a taxa cai para 40%. Na
mesma situao, o grupo dos senoidais obtm 3% de acerto. Provavelmente, o algoritmo
apresenta dificuldades de discriminao de carga quando as formas de ondas so muito
parecidas no caso dos grupos senoidais e quase senoidais. Outro problema grave reside
nas combinaes de cargas, que dependendo da quantidade de aparelhos considerados,
pode levar a uma exploso combinatria, o que aumenta consideravelmente o esforo
computacional, podendo levar o AG a no encontrar soluo para o problema.
PATEL [15] desenvolveu um modelo promissor para monitorar equipamentos
residenciais. O sistema criado consiste em um equipamento que fica plugado em uma
tomada da residncia e transmite, via USB, os dados de consumo da residncia para um
computador que analisa os dados e realiza as classificaes. Todo o processo de
deteco de eventos eltricos (entrada ou sada de operao de um aparelho) e
classificao realizado tendo como base o transitrio gerado por cada equipamento.
Inicialmente, o autor dividiu as cargas residenciais em trs grandes grupos:
resistivos, indutivos e aparelhos com slida mudana de fase. Cargas puramente
resistivas como lmpadas incandescentes e torradeira so do grupo resistivo, motores e
bombas pertencem ao grupo dos indutivos e slida mudana de fase representa todos os
aparelhos com multiestgios de operao como lmpada dimmer, liquidificador e outros
equipamentos.
Os sinais adquiridos pelo hardware desenvolvido passam por dois filtros: baixa
frequncia (100HZ-100kHz) e alta frequncia (50kHZ-100MHZ). O objetivo destes
filtros facilitar a extrao das assinaturas energticas dos aparelhos residenciais. Os

equipamentos do grupo indutivo possuem rudos de longa durao nas baixas
frequncias, ao passo que o filtro de alta frequncia so indicados para detectar os
rudos contnuos obtidos nos equipamentos de slida mudana de fase.
O hardware aquisita continuamente a curva de consumo da residncia e aplica a
Transformada Rpida de Fourier (FFT) para obter o espectro de potncia a fim de
analisar o sinal. Em seguida, o algoritmo varre o sinal com uma janela de tamanho fixo,
quando a diferena entre uma janela e a sua imediatamente posterior for superior a um
limite pr estabelecido ento o programa considera que ocorreu um evento eltrico e
registra o sinal contido na janela.
O algoritmo de classificao emprega a tcnica de reconhecimento de padres
conhecida como Mquinas de Vetor Suporte (SVM) para criar N- hiperplanos que
separam otimamente cada equipamento na residncia. Os testes foram realizados
durante seis semanas em uma casa nos estados Unidos e obtiveram, em mdia, uma taxa
de acerto de 85%.
Apesar de promissor e com uma taxa de acerto razovel, este trabalho apresenta
algumas limitaes. Aplicar apenas filtros de alta ou baixa frequncias em um grupo de
equipamentos restringe o espao de caractersticas. Um espectro de frequncia maior
poderia melhorar a classificao. Alm disso, dois eventos eltricos em intervalo de
tempo pequeno ocasiona erro na classificao, porque transitrios combinados
produzem vetores de caractersticas diferentes. Por ltimo, este mtodo requer grande
quantidade de dados para treinamento, problema este que agravado quando o nmero
de aparelhos na casa grande, visto que a quantidade de dados de treinamento
proporcional ao nmero de equipamentos no domiclio.
No trabalho [16] aplicado Redes Neurais (RN) na identificao no invasiva de
cargas eltricas residenciais. Nesse artigo so utilizadas as componentes harmnicas
como uma informao valiosa das caractersticas nicas de cada equipamento. As redes
Perceptrons de Multi Camadas (MLP), Funo de Base Radial (RBF) e SVM foram
avaliadas nesse experimento [17].
Nessa experincia o espectro de frequncia obtido com analisador de
harmnicos que utiliza a FFT para determinar a amplitude e a fase dos harmnicos
gerados por cada aparelho. Vale a pena ressaltar que so consideradas apenas as
harmnicas mpares, da fundamental at a 15 harmnica, em regimes estacionrios e

com modo de operao especfico.
No tratamento MLP foram utilizados 16 neurnios na camada de entrada, 20
neurnios na camada intermediria e 8 neurnios na camada de sada. A quantidade de
neurnios na entrada depende da quantidade de harmnicos que se deseja considerar,
sendo que cada harmnico corresponde a 2 neurnios na camada de entrada (para a
parte real e imaginaria do nmero complexo). Por outro lado, a quantidade de neurnios
na camada de sada depende da quantidade de aparelhos que se deseja analisar. Por
ltimo, o algoritmo de treinamento aplicado foi o Resilient Backpropagation [17].
A RBF estruturalmente similar a MLP, os dois mtodos funcionam como um
classificador universal e um aproximador de funes no lineares. A diferena principal
entres estas duas abordagens reside na forma como os neurnios da camada escondida
combinam as entradas das camadas anteriores; a MLP usa produto interno ao passo que
a RBF usa distncia Euclidiana [17].
O modelo SVM foi avaliado com trs configuraes distintas, kernel linear,
kernel polinomial e kernel RBF no formato "um contra todos", tendo em vista que esse
classificador inerentemente de duas classes [17]. Todos os modelos utilizados separam
os dados em grupos de treinamento, validao e teste, sendo a taxa de acerto calculada
como a razo entre a quantidade de classificaes corretas pelo tamanho do grupo de
validao.
Os testes realizados foram:
1. Treinamento com as medies obtidas em laboratrio - De posse de todas
as medidas foram aplicados os 3 classificadores e foi obtida a taxa de
acerto mdia superior a 95% para todos os classificadores.
2. Treinamento criando matematicamente um grupo de padres - Usando
um vetor com a soma de todos harmnicos individuais de cada
equipamento para treinamento foi obtida uma taxa de acerto mdia de
85% para os trs classificadores.
3. Treinamento com rudo - Aplica-se rudos nos harmnicos a fim de
verificar a robustez do classificador. Mesmo com rudos que aumentam
em 1,5 vezes a magnitude dos harmnicos, foi obtida uma taxa de acerto
de 70% na classificao.
4. Testes com 10 equipamentos - Adiciona-se 2 equipamentos com o intuito

de verificar a capacidade de generalizao da rede e modifica-se a
estrutura da RN para o formato 16-20-10. A taxa de acerto encontrada foi
superior a 85%
5. Equipamentos trifsicos - Utilizando apenas equipamentos trifsicos e
uma RN com o formato 48-20-8 encontra-se uma taxa de acerto superior
a 90% em quase todos os equipamentos , com exceo das lmpadas
fluorescentes que obtiveram, em mdia, 67%.
6. Equipamentos de marcas diferentes - Constatou-se que equipamentos de
diferentes marcas no geravam harmnicos significativamente diferentes
entre si, portanto no influencia na tomada de deciso do classificador.
Embora apresente uma abordagem sofisticada ao problema, o modelo possui as
mesmas desvantagens do trabalho [14], isto , quanto maior o nmero de
equipamentos analisados mais esforo computacional necessrio. A mudana de 8
para 10 equipamentos fez os autores criarem matematicamente as harmnicas
provenientes da combinao de todos os aparelhos. Alm disso, utilizou-se apenas
equipamentos com estgios de operao bem definidos tendo em vista que transitrios
rpidos, mltiplos modos de operao e equipamentos de tenso varivel produzem
assinaturas harmnicas significativamente distintas, confundindo o classificador.
A plataforma desenvolvida nos artigos [18] e [19] um dos trabalhos mais
consistentes na rea atualmente. Inicialmente, o artigo [18] aprofunda os conceitos
previamente desenvolvidos no trabalho [20] para, na segunda etapa, descrever a
metodologia aplicada bem como a estrutura dos algoritmos de extrao de
caractersticas. Dois formatos so apresentados pelos autores, o snapshot,
que
representa o comportamento instantneo da carga, e o delta , que representa a diferena

entre dois snapshots consecutivos.
A metodologia proposta emprega diversos algoritmos de extrao de
caractersticas
a fim de representar, da melhor maneira, a maior quantidade de
equipamentos da residncia. A forma de onda da corrente, o plano P-Q, anlise de

harmnicos, admitncia instantnea, potncia ativa instantnea, autovalores e mudana
no transitrio so as caractersticas extradas pelo algoritmo.
O processo de desagregao de cargas composto de 5 etapas: aquisio dos
dados, pr processamento dos dados, deteco de eventos (os autores consideram como
10
qualquer variao superior a 100W como um evento eltrico), extrao de

caractersticas e decomposio de cargas.
A etapa de decomposio de cargas realizada com duas abordagens distintas
1. Otimizao - A desagregao de cargas resolvido por meio de um
problema de otimizao. Assim como no trabalho [13], adotado como
soluo o equipamento que apresenta o menor erro quadrtico entre o
valor medido e o existente na base de dados.
2. Reconhecimento de Padres - Utiliza-se redes neurais artificiais para
identificar os equipamentos. As redes adotadas foram a RBF e a MLP
com treinamento backpropagation.
Naturalmente, por utilizar 7 caractersticas distintas, o resultado do algoritmo de
desagregao de cargas um pool de possveis solues. A fim de resolver este
problema, os autores criaram o chamado Comittee Decision Mechanism (CDM) para, de
posse de todas as solues, eleger o melhor candidato possvel.
Nesse projeto foram criados 3 CDMs distintos:
1. Most Commom Ocurrence (MCO) - O candidato selecionado o que
aparece mais vezes no pool de solues.
2. Least Unified Residue (LUR) - Mtodo desenvolvido pelos autores que
representa a relao entre a assinatura energtica desconhecida com a
assinatura energtica dos equipamentos da base de dados.
3. Maximum Likelihood Estimation (MLE) - O MLE consiste em um
critrio estatstico que maximiza a probabilidade de uma estimativa ser
igual ao valor verdadeiro e desconhecido do vetor de variveis do estado
o.
Adicionalmente, os autores desenvolvem os conceitos de Similarity e
Complementary Ratio (CR) que determina, respectivamente, a diferena entre dois
equipamentos distintos e a complementaridade entre duas anlises distintas. A CR
determina abordagens que, se combinadas, agregam performance ao classificador.
Na segunda etapa [19] foram realizados mltiplos testes para verificar a eficcia
do algoritmo. Com uma base de dados de 27 equipamentos foi utilizado o mtodo de
Monte Carlo para simular as combinaes possveis de equipamentos que podem entrar
e sair de operao em uma residncia. Em seguida, foram criados cenrios para testar o
algoritmo como, por exemplo, simulaes de dinmica de carregamento, perturbao na
11
rede e comportamento (nessa situao so aplicadas probabilidades de uso de aparelhos

durante o dia). Todos os testes foram realizados no formato delta, sendo acionado um
equipamento por vez e mudanas no modo de operao no forma permitidos com o
aparelho ligado.
Aps os testes, o melhor resultado obtido foi pela forma de onda da corrente,
com algoritmo de otimizao para decompor as cargas, e pela admitncia instantnea
com rede neurais MLP. Ambos obtiveram uma taxa de acerto mdia de 80% . O pior
resultado foi com harmnicos e MLP com uma taxa de acerto de 40%. O melhor CDM
foi o MLE desagregando corretamente 92% das cargas.
Contudo, algumas limitaes permeiam este trabalho. Primeiramente, o fato de
usar o limiar de 100W para detectar o evento eltrico. Nota-se que muitos eventos iro
ocorrer sem que o sistema desenvolvido venha a detect-los. Apesar de bem estruturado,
o conceito de Similarity externou que equipamentos com alta "similaridade" entre si
tendem a dificultar a identificao de seus pares, ou seja, na experincia constatou-se
que aps o acionamento de um aparelho o classificador apresenta dificuldades na
identificao dos equipamentos "similares" ao mesmo.
Nos prximos captulos dessa dissertao ser apresentada uma tcnica
inovadora de identificao de cargas residenciais de forma no invasiva que concatena
diversas tcnicas de processamento de sinais como a Transformada Hilbert,
Transformada Wavelet e o Mtodo de Burg para estimao do espectro de potncia a
fim de inferir o tipo de equipamento utilizado.
A vantagem do mtodo desenvolvido que dispensa a necessidade de realizar
uma anlise combinatria dos aparelhos residenciais, conforme aplicado no trabalho
[16]. Adicionalmente, o modelo contempla equipamentos com mais de um modo de
operao, como ventilador e batedeira por exemplo, superando a limitao imposta ao
trabalho [9].
O transitrio oriundo do acionamento de equipamentos em um curto intervalo de
tempo no impacta na tomada de deciso do classificador como no modelo descrito no
artigo [15]. Por ltimo, o sistema projetado identifica todos os eventos eltricos que
ocorram na residncia, diferente dos trabalhos [18] e [19].
Alm dos motivos expostos nos pargrafos anteriores, a metodologia proposta
neste trabalho representa uma contribuio rea de monitorao de cargas porque
apresenta um modelo robusto que extrai, eficientemente, atributos relevantes na
12
identificao dos equipamentos residenciais, com resultados superiores aos disponveis

na literatura tida como o estado da arte.
O presente trabalho est estruturado em 5 captulos a saber: Introduo,
Formulaes Matemticas, Modelo Proposto, Testes e Resultados, Concluses e
Referncias Bibliogrficas.
2 Formulaes Matemticas
O algoritmo de classificao dos equipamentos residenciais possui uma
sequencia de operaes que consiste na aplicao das tcnicas de processamento de
sinais Transformada Hilbert, Transformada Wavelet e Mtodo de Burg.
Nesse captulo apresentado uma breve reviso dos fundamentos tericos da
Transformada Hilbert da Transformada Wavelet e do Mtodo de Burg.
2.1 Transformada Hilbert

A Transformada Hilbert (TH) um operador linear que converte uma funo
u(t) em H(u(t)) de mesmo domnio. Matematicamente, a TH no conjunto pode ser
representada da seguinte forma :
H ( f ( x )) =
PV
f ( y )dy
x
x y
(2.1)
O smbolo PV representa a extenso do conceito de Valor Principal de Cauchy

[22]. A integral se torna bem comportada para uma srie de funes desde que uma
seo infinitesimal centrada na singularidade do intervalo seja excluda.
A TH possui uma gama de propriedades, das quais destaca-se:
1
Complexo Conjugado - O sinal analtico associado a TH mantm o

mdulo da funo original e defasa o ngulo em 90 com respeito a
funo original.
Linearidade - Uma importante caracterstica da TH ser um operador

linear. A funo do operador linear mapear um vetor X no vetor Y da
seguinte forma:
13
H {f ( x ) + g ( x )} = Hf ( x ) + Hg ( x )
sendo
(2.2)
e g funes pertencentes a X enquanto que e
representam constantes complexas.

3
Inverso - Basicamente, a inversa da TH determinada da seguinte

maneira:
H 1 = H
(2.3)
Naturalmente, o objetivo deste trabalho no apresentar uma discusso profunda

acerca de todas as propriedades da TH nem utilizar o rigor matemtico necessrio para
comprovar estas teorias. Portanto, ser explorado apenas o essencial para o
desenvolvimento do algoritmo.
A TH contribui para o desenvolvimento de vrias reas, tais como matemtica,
engenharia e medicina. Esta tcnica utilizada para determinar o sinal analtico de uma
funo [23], anlise de harmnicos, deteco de envelopes de amplitudes, demodulao
de sinais e extrao da componente fundamental de um sinal [24].
Nesse trabalho utilizado o mdulo do sinal analtico discreto via TH para
discriminao das cargas residenciais. O sinal analtico composto pela soma do sinal
medido com a parte imaginria que, na realidade, representa a TH do sinal original.
Nesta dissertao, sempre que for empregado o termo TH significa que est sendo
utilizado o sinal analtico gerado atravs da Transformada Hilbert. Matematicamente, a
TH do sinal adquirido processado da seguinte forma:
X = XR
Transformada Hilbert ( X ) = X i
TH ( X ) = X R + jX i
MOD(TH ( X )) = ( X R ) 2 + ( jX i ) 2
X representa o sinal medido, X R a parte real do sinal medido, X i representa a

Transformada Hilbert de X e TH representa o sinal analtico discreto via Transformada
Hilbert.
14
2.2 Transformada Wavelet

As transformaes matemticas so ferramentas largamente utilizadas em
diversas tcnicas de processamentos de sinais avanados. A Transformada de Fourier
(TF), que descreve uma funo peridica em um somatrio de senos e cossenos,
considerada o pilar das tcnicas de processamento de sinais com aplicaes em uma
srie de tecnologias disponveis atualmente.
A TF apresenta limitaes no tocante a representao de descontinuidades ou
transitrios. Com base nisso, foi criado na dcada de 1980 uma classe de
transformaes matemticas que apresentaram resultados mais expressivos que uma TF,
chamada de Transformada Wavelets (TW) [25].
A TW um operador matemtico que permite a representao de uma funo a
partir do suporte local ao invs do suporte global. Aliado com a tcnica de anlise
multirresoluo e as famlias de decomposies feitas para a TW [26] possvel
representar o sinal original em vrios nveis de resoluo, permitindo a extrao e
compactao de sinais de forma mais eficiente que na anlise por Transformada de
Fourier, por exemplo.
Uma vantagem desta anlise a conservao de energia, ou seja, o sinal original
pode ser reconstrudo independente do nmero de decomposies utilizada.
2.2.1
Transformada Wavelet Contnua
A Transformada Wavelet (TW) representa um conjunto de funes que devem

ser pertencentes ao subespao L2, conterem media zero, centralizadas em t=0 e
oscilatrias. As equaes abaixo so usadas para descrever estas caractersticas:
dt <
(2.4)
( w = 0) =
dt = 0
(2.5)
=1
(2.6)
15
a ,b (t ) =
1
a
t b
(2.7)
A equao 2.7 significa que a TW pode ser deslocada, comprimida ou esticada,

gerando uma famlia de funes novas. Contudo, as funes desenvolvidas continuam
com as caractersticas fundamentais da funo de origem.
O parmetro b permite deslocar a funo ao passo que o parmetro a determina
o quanto a funo pode ser comprimida ou dilatada. A varivel t representa o tempo. A
manipulao dos parmetros a e b da funo a,b pode ser analisado, de maneira
indireta, como uma manipulao da escala tempo frequncia da funo, visto que
quando o parmetro a muito pequeno a wavelet muito comprimida com contedo de
frequncia na faixa das altas frequncias, o que possibilita a captura dos detalhes
contidos no sinal que ocorrem em um curto espao de tempo. Caso o mdulo do
parmetro a seja elevado a wavelet muito expandida, ou seja, a funo analisada no
que se refere as baixas frequncias, o que corresponde a uma informao global do
sinal.
De maneira geral, a TW pode ser representada como uma varredura no plano
tempo frequncia feita por uma janela de rea constante na qual o aumento da escala
(parmetro b) diminui o suporte no plano de frequncias e um aumento no plano de
frequncias (parmetro a) diminui o suporte temporal.
Assim, para uma funo f(t) pertencente ao subespao L2 de funes
quadraticamente integrveis e de energia finita a Transformada Wavelet Contnua
(TWC) obtida atravs da frmula:
f (a, b) = W { f (t )} =
f (t )[
a ,b
(t )]dt
(2.8)
onde a,b representa o complexo conjugado de a,b.

Na TWC mensurada a variao de f(t) com tamanho proporcional ao
parmetro a nas vizinhanas de b, ou seja, obtido uma grau de similaridade entre a
funo f(t) e a funo de anlise a,b para uma posio (b,a) no plano escala-tempo.
Desta forma, a Transformada Wavelet Contnua (TWC) mostra-se como uma
ferramenta muito poderosa e flexvel, podendo ser ajustada de acordo com a
16
necessidade. Cada problema pode ter sua formulao baseada em um tipo de wavelet, o
que garante mais preciso e eficincia, alm de aumentar a confiana no mtodo.
2.2.2
Transformada Wavelet Discreta
A Transformada Wavelet Discreta (TWD) surge atravs da discretizao dos

parmetros a e b para os valores tipicamente de a= 2 s e b=k 2 s , pois permite que a
transformada discreta mantenha mnima quantidade possvel de informao do sinal
original todavia permitindo que a reconstruo do mesmo seja feita sem erros [27]. As
principais aplicaes da TWD so algoritmos de decomposio de sinais, dentre as
quais importante destacar a teoria de anlise em multirresoluo.
2.2.3
Anlise em Multirresoluo
A Anlise em Multirresoluo (AMR) uma tcnica que busca representar

sinais atravs das decomposies dos mesmos em vrios nveis, ou seja, desta forma
sinais complexos so decompostos em sinais mais simples que contenham
caractersticas especficas do sinal original e com isso possam ser analisados
individualmente. Esta tcnica baseada na TWD, na teoria de espaos lineares e suas
formaes [26].
O sinal decomposto utilizando-se um filtro passa-baixa e outro passa-alta,
gerando um determinado nvel de aproximao que acompanhado por uma quantidade
de nveis de detalhamento da mesma ordem do nvel de aproximao. Por exemplo, no
nvel 7 da decomposio, h 1 sinal de aproximao e 7 nveis de detalhamento para o
mesmo sinal. Matematicamente, a decomposio expressa da seguinte forma:
[a
M +N
, (d n )M <n M + N ]
(2.9)
onde aM representa o sinal original em sua aproximao de maior resoluo e

aM+N caracteriza o sinal em sua aproximao de menor resoluo M+N desejada,
enquanto dn contm os detalhes de cada uma das N aproximaes.
Para reconstruir o sinal original a partir da sua aproximao e detalhes
correspondentes basta realizar a operao inversa:
17
a j a j +1 + d j +1
(2.10)
onde aj representa o sinal de aproximao de ordem imediatamente inferior

enquanto que aj+1 e dj+1 simbolizam, respectivamente, o nvel de aproximao e detalhe
de ordem superior.
Na Figura 1 so apresentados 4 sinais aleatrios ( esquerda) e o sinal de
0
500
20
1000
1500
Amostra
Bomba (sinal original)
2000
Corrente (A)
-0.5
0
500
1000
1500
Amostra
Lampada Fluorescente 25W (sinal original)
2000
-2
0
500
20
1000
1500
Amostra
Micro-ondas (sinal original)
Corrente (A)
0
-20
0
500
1000
Amostra
1500
2000
500
1000
1500
Amostra
Bomba (sinal aproximao wavelet)
2000
2000
0
-2
0
0
-2
0
-100
0
Corrente (A)
500
1000
1500
2000
Amostra
Lampada Incandescente Dimmer Baixo (sinal original)
DVD (sinal aproximao wavelet)

2
100
Corrente (A)
-20
0
Corrente (A)
Corrente (A)
Corrente (A)
DVD (sinal original)

0.5
Corrente (A)
Corrente (A)
Corrente (A)
aproximao dos mesmos ( direita) determinados pela TW.
500
1000
1500
2000
Amostra
Lampada Incandescente Dimmer Baixo (sinal aproximao wavelet)
5
0
-5
0
5
500
1000
1500
2000
Amostra
Lampada Fluorescente 25W (sinal aproximao wavelet)
0
-5
0
100
500
1000
1500
Amostra
Micro-ondas (sinal aproximao wavelet)
2000
0
-100
0
500
1000
Amostra
1500
2000
Figura 1: Sinais de Aproximao
2.2.4
Transformada Wavelet Estacionria
Nos tpicos anteriores foram apresentadas duas TWs: contnua e discreta.

Contudo, no caso particular de identificao de cargas e eliminao de rudos, a
Transformada Wavelet Estacionria (TWE) a mais indicada, conforme descrita nos
trabalhos [21], [28] e [29].
A TWD possui a desvantagem de ser variante no tempo, ou seja, a TWD de um
sinal X transladado no necessariamente igual ao translado da TWD do sinal original.
Esta propriedade indesejvel neste projeto tendo em vista que requer mais ateno no
momento de aquisio dos dados e extrao de caractersticas peculiares de cada
equipamento, pois o mesmo sinal analisado de posies diferentes pode gerar dois
18
resultados distintos. Mesmo quando o sinal peridico o problema da varincia no

tempo ocorre.
A TWE resolve este empecilho da varincia no tempo com a no decimao do
sinal de entrada, ou seja, enquanto a DWT divide o sinal original pela metade a cada
nvel, a TWE mantm o sinal do mesmo tamanho que o original em cada etapa da
decomposio. Com isso, o tratamento de aquisio de dados e extrao de
caractersticas mais confivel. A Figura 2 e Figura 3 ressaltam as diferenas entre os
dois mtodos:
Figura 2: TWD
Figura 3: TWE
A TWE pode ser determinada a partir da TWD. Na Figura 2 realiza-se um

upsampling do resultado da convoluo do sinal com o filtro para que o nmero de
amostras seja igual em cada etapa do processo, ou seja, na prtica isso o equivalente a
Figura 4.
19
Figura 4: Modificao na TWD para criar a TWE
O prximo desafio consiste na escolha da quantidade de nveis de resoluo a ser

utilizados no sistema projetado. Aps uma srie de testes, optou-se por usar a STW com
cinco nveis de detalhe, pois com o nvel de aproximao A5 e todos os nveis de
detalhe (D1 a D5), proporciona nveis ricos em informaes para distinguir as diversas
cargas residenciais. A Figura 5 mostra um exemplo da decomposio em
Cafeteira - Nvel D1
0.05
0
-0.05
0
200
400
600
800
1400
1600
1800
2000
0.2
0
-0.2
0
1000
1200
Amostra
Cafeteira - Nvel D2
200
400
600
800
1400
1600
1800
2000
0.2
0
-0.2
0
1000
1200
Amostra
Cafeteira - Nvel D3
200
400
600
800
1400
1600
1800
2000
1
0
-1
0
1000
1200
Amostra
Cafeteira - Nvel D4
200
400
600
800
1400
1600
1800
2000
2
0
-2
0
1000
1200
Amostra
Cafeteira - Nvel D5
200
400
600
800
1400
1600
1800
2000
50
0
-50
0
1000
1200
Amostra
Cafeteira - Nvel A5
200
400
600
800
1400
1600
1800
2000
Corrente (A)
Corrente (A) Corrente (A)
Corrente (A) Corrente (A)
Corrente (A)
multirresoluo, com cinco nveis de detalhe, para a forma de onda da cafeteira.
1000
Amostra
1200
Figura 5: Decomposio do sinal de corrente de uma cafeteira por uma TWE nvel 5
Nota-se na Figura 5 que o nvel A5 representa praticamente a forma de onda

senoidal pura da corrente da cafeteira ao passo que os nveis de resoluo mais baixos
(D1 e D2) ilustram caractersticas de alta frequncia contida no sinal original. Vale a
pena ressaltar que o somatrio de todos os nveis de resoluo (D1 a D5) com o sinal
A5 corresponde ao sinal original.
20
2.2.5
Filtro
Conforme apresentado na Figura 2 e na Figura 3 a cada nvel de decomposio

realizado uma convoluo entre o sinal de entrada e um filtro passa-baixo (gi[n]) e
passa-alto (hi[n]) para gerar os nveis de detalhe e aproximao.
O filtro utilizado para a decomposio wavelet deste trabalho baseado na
wavelet ''me'' db4 visto que este filtro possibilita uma anlise e sntese de sinais mais
eficiente do que em outras wavelets ''me'', como por exemplo a wavelet "me" Haar,
alm de conferir um carter ortonormal a wavelet.
As wavelets ortonormais, como a baseada na db4, formam um sistema de
funes com suportes compactos [21] e [29], ou seja, esta a razo pela qual elas
podem distinguir caractersticas locais de sinais em diferentes escalas e, por translao,
toda a regio do sinal analisado coberta.
Assim como na TH, no o escopo deste trabalho uma discusso profunda
acerca de todas as propriedades dos filtros de uma TW nem abordar a matemtica que
envolve estas teorias. Portanto, s foi descrito nessa seo os conceitos fundamentais
que servem de alicerce para o sistema projetado.
21
2.3 Mtodo de Burg

O algoritmo de Burg um mtodo de estimao paramtrica do espectro de
potncia de um sinal baseado no mtodo de mxima entropia (MEM). A entropia
representa o grau de desordem de um sistema termodinmico. De acordo com a segunda
lei da termodinmica, o trabalho pode ser completamente convertido em calor e, por
conseguinte em energia trmica. Contudo, energia trmica no pode ser completamente
convertida em trabalho. Na entropia procura-se mensurar a parcela de energia que no
pode mais ser transformada em trabalho nas transformaes termodinmicas [30].
2.3.1
Mtodo da Mxima Entropia
Basicamente, o espectro do MEM de um processo estacionrio de amostragem

uniforme aquele que gera a mxima entropia do processo. No trabalho [31]
demonstrado a relao entre entropia e informao, tendo como alicerce o fato de que os
dois conceitos so associados com medidas que descrevem processos por meio de um
conjunto de probabilidades. A entropia zero quando um sistema perfeitamente
determinado, ou seja, caso a probabilidade de um evento acontecer seja 1 (100%)
enquanto que todas as outras so 0.
Os mtodos convencionais de estimao paramtrica do espectro de potncia
utilizam premissas acerca dos dados que residem fora do espao de busca, gerando, na
maioria dos casos, restries, como, por exemplo, assumir que os dados fora do espao
de busca so peridicos ou nulos. Naturalmente, estas restries no so
necessariamente vlidas, acarretando em estimaes errneas que no refletem a
realidade do fenmeno analisado.
O modelo de estimao paramtrica consistente com os dados j conhecidos e
ao mesmo tempo o mais independente possvel dos dados que no esto disponveis
corresponde ao MEM [32].
Matematicamente, a relao entre entropia e densidade espectral definido da
seguinte forma:
1
H=
4 fN
fN
log S ( f )df
(2.11)
fN
22
onde H representa entropia, S ( f ) a densidade espectral de um processo

Gaussiano estacionrio e f N representa a frequncia de Nyquist.
O trabalho [33] reescreveu a equao 2.11 em funo da autocorrelao (k )
obtendo:
1
H=
4 fN
fN
log[ ( k ) exp(i 2fkt )]df
fN
(2.12)
sendo que t a taxa de amostragem uniforme do processo estacionrio. A

maximizao da equao 2.12 com valores conhecidos de (0) , (1) , ..., ( M 1)
(sendo M a quantidade de dados disponveis de um processo qualquer) consistentes com
S ( f ) e, paralelamente, com o mnimo de dependncia aos valores desconhecidos de
(k ) representa o MEM da densidade espectral.

A variao da equao 2.12 sugeridas nos trabalhos [33] e [34] geram a seguinte
equao:
PM
PE ( f ) =
fN 1+
M +1
exp(i 2fjt )
(2.13)
onde PE a densidade espectral pelo MEM, PM uma constante i representa

a previso dos erros dos coeficientes determinados pelos dados disponveis.
A grande desvantagem do MEM para densidade espectral a falta de mtodos
para determinar i de maneira satisfatria.
2.3.2
Predio Linear Forward e Backward
Nesse tpico realizado uma reviso dos conceitos do erro do filtro de predio
forward e backward. Seja um conjunto de N valores x n com n definido entre [0,N],

so utilizados k coeficientes para aproximar os valores N pela frmula:
y n = a i x n i
(2.14)
i =1
k
z n = a i x n + i
(2.15)
i =1
23
A equao 2.14 representa a predio linear forward enquanto que a equao

2.15 a predio linear backward, ou seja, cada valor de y n uma combinao linear dos
k valores prvios conhecidos ao passo que z n uma combinao linear dos k valores
seguintes conhecidos.
Tradicionalmente, a mtodo usado para encontrar a n tanto para a predio
forward quanto para a predio backward minimizando a soma quadrtica do erro
entre a medida original e a aproximada por cada mtodo. A seguir, so apresentadas as
frmulas do erro de predio do filtro forward e backward:
Fk = ( x n y n )
n=k
N
Bk = (x n z n )
n=k
= x n a i x n i
n=k
i =1
= x n a i x n +i
n =0
i =1
N k
(2.16)
(2.17)
Na equao 2.16 apresentado o erro do filtro forward de predio ao passo que

na equao 2.17 o erro do filtro backward de predio.
2.3.3
Recurso Levinson-Durbin
No trabalho [35] foi desenvolvida uma tcnica de lgebra linear com o intuito de
solucionar equaes de maneira recursiva, empregando Matrizes de Toeplitz [36]. Nos
anos 60 o trabalho original foi aprimorado por Durbin [37], originando a recurso
Levinson-Durbin.
Na recurso Levinson-Durbin os coeficientes a n , com n pertencente ao intervalo
[1,k], dos filtros forward e backward so armazenados nos vetores Ak = [ 1 a1 a 2 ...
a k ] e no vetor Vk = [ 0 a k a k 1 ... a 2 a1 1]. A predio dos dados obtida com a

seguinte recurso:
Ak +1 = Ak + Vk
(2.18)
24
O mtodo de Levinson-Durbin muito utilizado em processamento de sinais

para design de filtros e espectro de potncia.
2.3.4
Modelo Autorregressivo
Uma srie temporal qualquer conjunto de observaes ordenadas no tempo

[38]. O estudo das sries temporais importante para identificar o mecanismo gerador
da srie temporal, fazer previses de valores futuros da srie, descrever o
comportamento da srie e procurar periodicidades relevantes nos dados analisados.
Matematicamente, o modelo de filtro linear determinado pela seguinte
expresso:
Z t = + at + 1 at 1 + 2 at 2 + ...
(2.19)
onde Z t representa a sada do filtro linear, um valor de desvio dos dados

observados em relao a mdia (nvel da srie) e at representa o rudo branco, ou seja,
um valor constante com independncia temporal e estacionrio.
Assume-se que o filtro linear possui a seguinte expresso:
(B) =1+ 1 (B)+ 2 (B)+...
(2.20)
logo tem-se que:
Z t = + at + 1 at 1 + 2 at 2 + ... = + ( B)at
(2.21)
Aplicando uma transformada z na equao 2.21 encontrada a seguinte

expresso:
~
~
~
Z t = 1 Z t 1 + 2 Z t 2 + ... + a t
(2.22)
~
Zt = Zt
(2.23)
( B) = 1 ( B)
(2.24)
onde
Na teoria, a equao 2.22 torna invivel a descrio de modelos lineares devido

a quantidade infinita de parmetros necessrios para caracterizar o modelo. Contudo, na
prtica, a maioria dos processos estocstico (uma famlia de variveis aleatrias
pertencentes a determinado intervalo temporal representa um processo estocstico) so
bem representados por uma quantidade finita de parmetros, conforme ilustra a equao
2.25.
25
~
~
~
~
Z t = 1 Z t 1 + 2 Z t 2 + ... + p Z t p + a t
(2.25)
A equao 2.25 uma representao discreta do modelo Autorregressivo (AR)

de ordem p. Os modelos AR so de extrema importncia na representao de processos
fsicos lineares e randmicos.
No trabalho [39] demonstrado a relao entre a anlise espectral por MEM e a
representao de um processo randmico atravs de modelos autorregressivos.
2.3.5
Burg
O mtodo proposto por Burg em [40] e [41] soluciona de maneira eficiente o

problema do clculo de i na equao 2.13. A grande ideia de Burg foi utilizar a
recurso do mtodo de Levinson-Durbin para realizar a predio dos dados.
Burg aplicou uma mudana na equao 2.18 que consiste em aplicar um filtro
forward e backward nos dados, ou seja, no clculo de no usado as condies
iniciais do problema mas a minimizao da soma dos valores Fk e Bk das equaes
2.16 e 2.17.
Analogamente, conforme apresentado nos trabalhos [31], [39], [40], [41] e [42]
o mtodo de Burg pode ser interpretado como um mtodo de estimar os parmetros de
um modelo autorregressivo AR, ou seja, uma tcnica que determina os coeficientes de
erro dos filtros de predio.
A vantagem do algoritmo de Burg no necessitar informaes a priori do
conjunto de dados. Abordagens distintas de Burg, como por exemplo Yulie-Walker
[31], [43] e [44], tambm realizam o clculo dos coeficientes de erro dos filtros de
predio de um conjunto de dados, todavia necessria uma estimativa a priori da
funo de autocovarincia dos dados, o que viola o princpio bsico do MEM cujo
objetivo descrever um processo sendo independente de dados desconhecidos.
26
3 Modelo Proposto
No captulo 3 realizado uma descrio do modelo de identificao de cargas
desenvolvido nessa dissertao. Adicionalmente, so especificadas as cargas
residenciais
contempladas
neste
projeto
bem
como
toda
implementao
computacional requerida. Por ltimo, so realizadas simulaes de modo a validar os

mtodos adotados na dissertao.
3.1 Descrio da Modelagem

A metodologia desenvolvida neste trabalho consiste em aplicar uma sequencia
de operaes com o objetivo de extrair informaes especficas que permitam
identificar exatamente o equipamento que foi acionado ou desligado pelo consumidor
residencial. Na Figura 6 apresentado o fluxograma que sintetiza toda a cadeia de
processamento concebida neste trabalho.
Conforme apresentado na Figura 6, todo o processo de classificao est
dividido em dois grandes blocos: Medidor e Classificador. Nos pargrafos seguintes,
ser explorado o funcionamento destas duas etapas bem como todas as ramificaes
existentes no processo at o resultado final, ou seja, a informao para o usurio a
respeito do equipamento que foi acionado ou desligado.
27
Rede Eltrica
Medidor
Aquisio de dados no
tempo (I(t) e V(t))
Pr Classificao
Sim
Equipamento
Pr
Classificado?
No
Identificao da Carga
Pr Processamento
dos dados
Sada para o usurio
Classificador
Transformada Hilbert
Transformada Wavelet
Mtodo de Burg
Identificao da Carga
Sada para o usurio

Figura 6: Fluxograma da cadeia de operaes
28
3.2 Cargas Consideradas

O banco de dados do modelo desenvolvido nessa dissertao composto por 29
equipamentos residenciais. Na Tabela 1 so apresentados todos os equipamentos
utilizados no projeto.
29
Tabela 1: Equipamentos usados para formar o banco de dados
Equipamentos
Aparelho de Som
Ar Condicionado
Aspirador de P
Batedeira (4 velocidades)
Bebedouro (acionando e em regime)
Bomba
Cafeteira
Chuveiro Eltrico
DVD
Desktop (ligando e em regime)
Espremedor de Laranja
Ferro de Passar
Geladeira (acionando e em regime)
Lmpada Fluorescente (15 e 25W)
Lmpada Incandescente (40,60 e 100W)
Lmpada Incandescente Dimmer
Lmpada LED
Lmpada Tubular Reator Eletromagntico (20 e 40W)
Lmpada Tubular Reator Eletrnico (20 e 40W)
Liquidificador (4 velocidades)
Micro-ondas
Notebook
PS3 - Video Game
Sanduicheira
Telefone sem Fio
TV LCD
TV Tubo
Torradeira
Ventilador (3 velocidades)
30
As figuras abaixo representam os grficos de corrente eltrica ao longo do tempo

de todos os equipamentos. Na seo 3.3 (Implementao Computacional) abordado a
importncia desse grfico para o agrupamento de cargas similares.
Aparelho de Som
0.1
0.08
0.06
Corrente (A)
0.04
0.02
-0.02
-0.04
-0.06
-0.08
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 7: Aparelho de Som
Ar Condicionado
8
Corrente (A)
-2
-4
-6
-8
0
200
400
600
800
1000
Amostra
1200
1400
Figura 8: Ar Condicionado
31
1600
1800
2000
Aspirador de Po
2
1.5
-0.5
-1
-1.5
-2
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 9: Aspirador de P
Batedeira v1
1.5
0.5
Corrente (A)
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
Figura 10: Batedeira velocidade baixa
32
1400
1600
1800
2000
Batedeira v2
1.5
C orrente (A )
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 11: Batedeira velocidade mdia
Batedeira v3
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
Figura 12: Batedeira velocidade alta
33
1600
1800
2000
Batedeira v4
2
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
-2
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1800
2000
Figura 13: Batedeira velocidade mais alta
Bebedouro antes do acionamento

2
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
-2
0
200
400
600
800
1000
Amostra
1200
1400
1600
Figura 14: Bebedouro antes do acionamento
34
Bebedouro aps acionamento

2
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
-2
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1800
2000
Figura 15: Bebedouro aps o acionamento
Bomba
20
15
10
Corrente (A)
-5
-10
-15
-20
0
200
400
600
800
1000
Amostra
1200
Figura 16: Bomba
35
1400
1600
Cafeteira
10
8
6
4
Corrente (A)
2
0
-2
-4
-6
-8
-10
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1400
1600
1800
2000
Figura 17: Cafeteira
Chuveiro Eltrico
20
15
10
Corrente (A)
-5
-10
-15
-20
0
200
400
600
800
1000
1200
Amostra
Figura 18: Chuveiro Eltrico
36
Desktop
2
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
-2
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1400
1600
1800
2000
Figura 19: Desktop
Desktop ligando
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
Figura 20: Desktop ligando
37
DVD
0.5
0.4
0.3
Corrente (A)
0.2
0.1
-0.1
-0.2
-0.3
-0.4
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1400
1600
1800
2000
Figura 21: DVD
Espremedor de laranja
0.6
0.4
Corrente (A)
0.2
-0.2
-0.4
-0.6
-0.8
0
200
400
600
800
1000
Amostra
1200
Figura 22: Espremedor de laranja
38
Ferro de passar
15
10
Corrente (A)
-5
-10
-15
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1600
1800
2000
Figura 23: Ferro de Passar
Geladeira (porta aberta)

4
Corrente (A)
-1
-2
-3
-4
0
200
400
600
800
1000
Amostra
1200
1400
Figura 24: Geladeira (porta aberta)
39
geladeira (porta fechada)

4
Corrente (A)
-1
-2
-3
-4
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1600
1800
2000
Figura 25: Geladeira (porta fechada)
Lampada Fluorescente Compacta - 15W

0.6
0.4
Corrente (A)
0.2
-0.2
-0.4
-0.6
-0.8
0
200
400
600
800
1000
Amostra
1200
1400
Figura 26: Lmpada Fluorescente Compacta 15 W
40
Lampada Fluorescente Compacta - 25W

1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1800
2000
Figura 27: Lmpada Fluorescente Compacta 25 W
Lampada Incandescente - 40W

0.5
0.4
0.3
0.2
Corrente (A)
0.1
0
-0.1
-0.2
-0.3
-0.4
-0.5
0
200
400
600
800
1000
Amostra
1200
1400
Figura 28: Lmpada Incandescente 40 W
41
1600

0.8
0.6
0.4
Corrente (A)
0.2
-0.2
-0.4
-0.6
-0.8
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1600
1800
2000

1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
1200
1400
Amostra
42
Lampada Incandescente Dimmer Baixo

1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
1200
1400
1600
1800
2000
1800
2000
Amostra
Figura 31: Lmpada Incandescente Dimmer Baixo
Lampada Incandescente Dimmer Medio

1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
Figura 32: Lmpada Incandescente Dimmer Mdio
43
Lampada Incandescente Dimmer Maximo

1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1800
2000
Figura 33: Lmpada Incandescente Dimmer Mximo
Lampada LED
0.05
0.04
0.03
0.02
Corrente (A)
0.01
0
-0.01
-0.02
-0.03
-0.04
-0.05
0
200
400
600
800
1000
Amostra
1200
Figura 34: Lmpada LED
44
1400
1600
Lampada Tubular Reator Eletromagntico - 20W

0.8
0.6
0.4
Corrente (A)
0.2
-0.2
-0.4
-0.6
-0.8
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 35: Lmpada Tubular Reator Eletromagntico 20 W
Lampada Tubular Reator Eletromagntico - 40W

1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
Figura 36: Lmpada Tubular Reator Eletromagntico 40 W
45
2000
Lampada Tubular Reator Eletrnico - 20W

1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1800
2000
Figura 37: Lmpada Tubular Reator Eletrnico 20 W
Lampada Tubular Reator Eletrnico - 40W

1
0.8
0.6
0.4
Corrente (A)
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
0
200
400
600
800
1000
Amostra
1200
1400
1600
Figura 38: Lmpada Tubular Reator Eletrnico 40 W
46
Liquidificador v1
2.5
Corrente (A)
1.5
0.5
0
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1800
2000
Figura 39: Liquidificador velocidade baixa
Liquidificador v2
3
2.5
Corrente (A)
1.5
0.5
-0.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
Figura 40: Liquidificador velocidade mdia
47
Liquidificador v3
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
-2
0
200
400
600
800
1000
1200
1400
1600
1800
2000
1600
1800
2000
Amostra
Figura 41: Liquidificador velocidade alta
Liquidificador v4
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
-2
0
200
400
600
800
1000
1200
1400
Amostra
Figura 42: Liquidificador velocidade mais alta
48
Micro-ondas
15
10
Corrente (A)
-5
-10
-15
-20
0
200
400
600
800
1000
1200
1400
1600
1800
2000
1400
1600
1800
2000
Amostra
Figura 43: Micro-ondas
Notebook
0.6
0.4
Corrente (A)
0.2
-0.2
-0.4
-0.6
-0.8
0
200
400
600
800
1000
1200
Amostra
Figura 44: Notebook
49
Notebook carga alta

1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 45: Notebook alimentao com bateria carregada
PS3 - Video Game

1
0.8
0.6
0.4
Corrente (A)
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
0
200
400
600
800
1000
Amostra
1200
1400
Figura 46: PS3 Video Game
50
1600
1800
2000
Sanduicheira
10
8
6
4
Corrente (A)
2
0
-2
-4
-6
-8
-10
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1400
1600
1800
2000
Figura 47: Sanduicheira
Tel sem fio (falando)

0.05
0.04
0.03
0.02
Corrente (A)
0.01
0
-0.01
-0.02
-0.03
-0.04
-0.05
0
200
400
600
800
1000
Amostra
1200
Figura 48: Telefone sem fio (em operao)
51
Tel sem fio desligado

0.05
0.04
0.03
0.01
-0.01
-0.02
-0.03
-0.04
0
200
400
600
800
1000
1200
1400
1600
1800
2000
1600
1800
2000
Amostra
Figura 49: Telefone sem fio (na base)
Torradeira
8
2
Corrente (A)
Corrente (A)
0.02
-2
-4
-6
-8
0
200
400
600
800
1000
1200
Amostra
Figura 50: Torradeira
52
1400
TV LVD Full HD
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1400
1600
1800
2000
Figura 51: TV LCD
TV Tubo
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
1200
Amostra
Figura 52: TV Tubo
53
Ventilador - mximo
2.5
2
1.5
1
Corrente (A)
0.5
0
-0.5
-1
-1.5
-2
-2.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
1600
1800
2000
Figura 53: Ventilador - vel. mxima
Ventilador - medio
2
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
-2
0
200
400
600
800
1000
Amostra
1200
1400
Figura 54: Ventilador - vel. mdia
54
Ventilador - Mnimo
1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 55: Ventilador - vel. mnima
3.3 Implementao computacional

A metodologia de classificao baseada no conceito de rvore de deciso. As
rvores de deciso tomam como entrada uma situao descrita por um conjunto de
atributos e retorna uma deciso, que representa nesse caso o equipamento acionado ou
desligado.
A rvore de deciso consiste na execuo de uma sequencia de testes aonde cada
n interno da rvore corresponde a um teste especfico e os ramos destes ns
simbolizam os resultados obtidos e tarefas a serem implementadas na camada seguinte.
Basicamente, o problema dividido em vrios subproblemas mais simples e a cada
etapa aplicada uma estratgia para simplificar o problema at obter a soluo
esperada. O hardware funciona como um n da rvore, pois identifica, preliminarmente,
equipamentos com valores especficos de potncia ativa e reativa.
Os dados adquiridos pelo medidor so enviados para o algoritmo de
classificao a fim de rotular o equipamento acionado ou desligado. A Figura 56 ilustra
a os dados de uma cafeteira adquiridos pelo medidor.
55
Cafeteira
10
8
6
4
Corrente (A)
2
0
-2
-4
-6
-8
-10
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 56: Forma de onda da corrente da cafeteira
A prxima etapa consiste em aplicar as tcnicas de processamentos de sinais

exploradas no captulo 2 com o objetivo de extrair informaes que permitam
caracterizar a assinatura energtica de cada equipamento residencial.
Primeiramente, aps a aquisio dos dados por parte do medidor utilizado a
Transformada Hilbert (TH) nas medies adquiridas. O sinal analtico resultante possui
a mesma frequncia do sinal original, porm adquire uma informao de fase que
diretamente influenciada pela fase do sinal original. A Figura 57 e a Figura 58 ilustram
o comportamento do sinal de corrente da cafeteira aps a aplicao da TH.
Mdulo da TH da Cafeteira
9
8.9
8.8
8.7
Corrente (A)
8.6
8.5
8.4
8.3
8.2
8.1
8
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
Figura 57: Mdulo da TH da forma de onda da corrente da cafeteira
56
2000
ngulo da TH da Cafeteira
4
Corrente (A)
-1
-2
-3
-4
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 58: ngulo da TH da forma de onda da corrente da cafeteira
Inicialmente, foi utilizado a Transformada Rpida de Fourier (FFT) para o

tratamento inicial dos dados. Analogamente ao processo com a TH, era utilizado o
mdulo da FFT para realizar uma discriminao inicial entre as cargas. Contudo,
conforme ilustrado na Figura 59 e na Figura 60, essa abordagem no apresentou uma
distino das cargas adequada para o problema de monitorao. Por outro lado, a TH,
mantendo as caractersticas do sinal original mas com uma defasagem de 90 da parte
imaginria, proporciona uma boa diferenciao das cargas, facilitando o processo de
tomada de deciso por parte classificador.
57
FFT da batedeira v3 (azul) e do aspirador de po (vermelho)

1500
Mdulo da FFT
1000
500
0
0
100
200
300
400
500
Amostra
600
700
800
900
1000
Figura 59: Mdulo da FFT do aspirador de p (vermelho) e mdulo da FFT da batedeira velocidade alta
(azul)
TH da batedeira v3 (azul) e do aspirador de po (vermelho)

2
1.8
Mdulo da TH (A)
1.6
1.4
1.2
0.8
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 60: Mdulo da TH do aspirador de p (vermelho) e mdulo da TH da batedeira velocidade alta

(azul)
A Transformada Wavelet (TW) a segunda etapa no processamento dos dados.

O resultado da TH, mais especificamente o mdulo da TH, utilizado como um sinal de
entrada no qual aplicado a Transformada Wavelet Estacionria (TWE). A TWE foi
escolhida para decompor os sinais tratados pela TH porque ela invariante no tempo,
caracterstica desejvel para extrao de assinaturas energticas especficas dos
equipamentos residenciais.
58
Conforme mencionado no captulo 2, utilizar a TWE com a Anlise em

Multirresoluo (AMR) permite decompor o sinal original em vrias partes, ou seja,
toda a informao original diluda na quantidade de decomposies desejadas,
possibilitando tratamentos distintos nas informaes das bandas de alta e baixa
frequncia.
A escolha do nvel da TWE, ou seja a quantidade de decomposies do sinal
original, no uma tarefa trivial. A aplicao de um nvel baixo, como TWE nvel 2 ou
3, no propicia uma discriminao adequada para os nveis de alta frequncia (D2 e
D3) enquanto que uma TWE de nvel 7 ou 8 decompe o sinal original em tantas partes
que acaba gerando nveis com pouca informao relevante para o processo de
caracterizao das cargas. Empiricamente, foi adotado uma TWE de nvel 5 por
apresentar uma capacidade de discriminao satisfatria tanto nos nveis de baixa
resoluo quanto nos nveis de alta resoluo.
Conforme mencionado no captulo 2, o filtro utilizado nesta trabalho baseado
na wavelet "me" db4 devido a capacidade de anlise e a sua caracterstica ortonormal.
No captulo 2, a Figura 5 ilustra a decomposio do sinal de corrente da cafeteira em
cinco nveis de detalhe e um de aproximao.
Por ltimo, aplicado o mtodo de Burg para estimao do espectro de potncia
em cada nvel de detalhe e de aproximao da TWE. O objetivo do mtodo de Burg ,
utilizando o Mtodo de Mxima Entropia (MME) explorado no captulo 2 identificar o
espectro de potncia aplicando um filtro que suaviza a forma de onda oriunda da TWE.
Matematicamente, o mtodo de Burg equivalente a estimar os parmetros do
modelo Autorregressivo (AR), conforme demonstrado nos trabalhos [31], [39], [40],
[41] e [42]. Analogamente identificao do nvel da TWE, determinar a ordem do
modelo AR no uma tarefa simples porque cada nvel da TWE requer um tratamento
especfico. Inicialmente, foi adotado um modelo AR de ordem 6 para a modelagem de
todos os nveis da TWE. Apesar de ser uma opo vlida, aplicar o mesmo modelo AR
para todos os nveis resulta em uma desvantagem ao processo de classificao de
cargas. O objetivo de cada nvel da TWE explicitar, para uma determinada banda de
frequncia, as peculiaridades de cada assinatura energtica. Portanto, importante que o
modelo AR capture da melhor forma possvel as caractersticas inerentes de cada
equipamento residencial.
59
Empiricamente, foi adotado um modelo AR de ordem 4 para os nveis de detalhe

um e dois e para todos os outros nveis foram aplicados um modelo AR de ordem 2.
Utilizar filtros de ordem superior a 4 nos nveis D1 e D2 implica na criao de picos
esprios oriundos de rudos da TWE, o que no reflete o comportamento do sinal
original, prejudicando a caracterizao das cargas. Filtros de ordem 2, em contrapartida,
tendem a simplificar demasiadamente o comportamento do sinal, descartando
caractersticas importantes da discriminao de cargas em alta frequncia.
Nos nveis de detalhe D3 a D5 e no de aproximao A5 foi aplicado um modelo
AR de ordem 2, pois este foi o que apresentou os melhores resultados no tocante a
discriminao de cargas. Modelos de ordem superior tendem a ser contaminados por
rudos da TWE. Na Figura 61 so apresentados os grficos do mtodo de Burg no sinal
de corrente da cafeteira em cada nvel da TWE.
-4
0
0
200
400
600
Amostra
Cafeteira-D3
800
0.01
200
200
400
600
Amostra
Cafeteira-D5
800
Watts / rad
600
Amostra
400
800
800
1000
200
400
800
1000
200
400
800
1000
x 10
600
Amostra
Cafeteira-A5
10
5
0
0
1000
600
Amostra
Cafeteira-D4
0.5
15
50
400
200
100
200
1
0.5
0
0
1000
150
0
0
1.5
0.02
0
0
Cafeteira - D2
x 10
0
0
1000
Watts / rad
Watts / rad
0.03
Watts / rad
-3
Cafeteira - D1
Watts / rad
Watts / rad
x 10
600
Amostra
Figura 61: Mtodo de Burg no sinal de corrente da cafeteira para cada nvel da TWE
Uma alternativa ao mtodo de Burg utilizado neste trabalho a tcnica de ajuste

dos dados conhecida como Vector Fitting [47] e [48]. O mtodo do Vector Fitting (VF)
consiste em um modelo de ajuste vetorial no domnio da frequncia atravs da aplicao
de funes polinomiais racionais.
O VF utiliza a FFT para ajustar os dados obtidos pela TWE e cria polos
especficos para cada equipamento. A Figura 62 apresenta o ajuste do sinal de corrente
da cafeteira usando o mtodo VF.
60
x 10
Transformada de Fourier
Ajuste Vetorial
-1
-2
0
10
10
10
10
Frequncia [Hz]
Figura 62: Ajuste feito por VF no nvel de aproximao 5 da corrente da cafeteira
Acredita-se que as curvas no domnio da frequncia obtidas para os nveis de

detalhe e aproximao da TWE contenham informaes suficientes para discriminar as
cargas que compe o banco de dados. Assim, para um equipamento desconhecido,
pode-se comparar a curva em frequncia do mesmo com as obtidas no dicionrio de
cargas. A dificuldade de uma comparao direta dessas curvas se d no nmero de
pontos a serem comparados. Mesmo numa comparao limitada aos picos de
frequncia, apesar de na curva da Figura 62 ter sido identificado apenas um pico para a
cafeteira, existem equipamentos que possuem vrios picos referentes aos harmnicos
gerados. Consequentemente, fazer uma comparao ponto a ponto no seria possvel na
prtica devido a tal variedade. Na verdade, a vantagem da aplicao do VF a obteno
dos polos da curva de ajuste para cada equipamento, permitindo uma comparao direta
por meio de distncia Euclidiana, conforme apresentado na Figura 63.
61
Polos da Aproximao da TW5

50
cafeteira
geladeira
lamp fluor40 elet
lamp inc 100W
note toshiba
pc
ventilador
40
30
20
[Im]
10
0
-10
-20
-30
-40
-50
-4
-3
-2
-1
[Re]
Figura 63: Polos encontrados no nvel de aproximao da TW para uma gama de equipamentos
Contudo, o mtodo se mostrou ineficaz para uma discriminao adequada dos

nveis com bandas de frequncias mais ruidosas, em especial nos nveis D1, D2 e D3 da
TWE. A Figura 64 ilustra a dificuldade do VF em ajustar os dados de corrente da
cafeteira no nvel D3 da TWE.
Nvel de detalhe 3
900
Cafeteira curva 1
800
700
600
[Im]
500
400
300
200
100
0 0
10
10
10
[Re]
10
10
Figura 64: VF da TWE da cafeteira (verde) e ajuste pela FFT (azul) da mesma
62
Naturalmente, o fato de no caracterizar adequadamente os nveis de frequncia

com maior nmero de oscilaes, gerando, em alguns casos, o descarte de 3 ou mais
nveis da TWE que podem inferir uma classificao correta do equipamento, inviabiliza
a adoo do modelo VF para identificao de cargas.
Por outro lado, o mtodo de Burg se mostrou uma ferramenta robusta, pois
proporciona uma taxa de classificao superior s obtidas na literatura, pois consegue
absorver e sintetizar de maneira eficiente a vasta quantidade de informaes contida em
cada decomposio do sinal original por meio da TWE.
3.3.1 Classificao
A etapa a seguir consiste em analisar o espectro de mxima entropia obtido pelo
mtodo de Burg e inferir o rtulo do equipamento em questo.
A classificao realizada por meio de matching, ou seja, atravs da
comparao entre o espectro de mxima entropia do sinal medido com os espectros de
mxima entropia existentes no banco de dados. Com base nessa comparao, o
algoritmo realiza a identificao do equipamento acionado ou desligado.
A fim de facilitar o processo de comparao entre a medida adquirida e a
existente no dicionrio so utilizados os picos do mtodo de Burg como os atributos
necessrio para a discriminao de cargas. Na Figura 65 apresentado o mtodo de
Burg aplicado ao sinal de corrente de uma lmpada fluorescente compacta de 25 W com
os picos destacados pela seta vermelha.
63
Cafeteira - D1
-4
0
0
200
400
600
Amostra
Cafeteira-D3
400
600
800
Watts / rad
100
50
200
400
600
200
400
800
x 10
200
400
800
1000
600
800
1000
800
1000
Amostra
Cafeteira-A5
10
5
0
0
1000
Amostra
600
Amostra
Cafeteira-D4
0.5
15
150
0
0
1
0.5
0
0
1000
Amostra
Cafeteira-D5
200
1.5
0.01
200
x 10
0
0
1000
0.02
0
0
Watts / rad
800
Watts / rad
Watts / rad
0.03
Cafeteira - D2
-3
2
Watts / rad
Watts / rad
x 10
200
400
600
Amostra
Figura 65: Picos no espectro via mtodo de Burg para uma lmpada fluorescente compacta de
25 W
Conforme ilustrado na Figura 65, os nveis D1 e D2 da TWE possuem dois

picos, ao passo que os outros nveis possuem apenas um pico. A soluo aplicada, para
contornar o problema de comparao entre espectros de potncia com quantidades de
picos distintos, foi adotar, no ltimo ponto do espectro de Burg, um pico "fictcio" com
amplitude nula.
De maneira similar a Figura 63, a medio adquirida inserida no banco de
dados contendo os picos de todos os equipamentos e a classificao realizada atravs
da tcnica de vizinho mais prximo [49], ou seja, calculada a distncia quadrtica
entre a medida adquirida e a existente no banco de dados. A menor distncia calculada
representa o rtulo do equipamento medido.
A implementao da TWE robustece o processo de classificao, pois em cada
nvel aplicado o mtodo do vizinho mais prximo agregando um voto na classificao
final. A identificao do equipamento se d quando a maioria dos votos disponveis
apontam para o mesmo equipamento.
Naturalmente, com o intuito de no prejudicar a classificao so comparadas
apenas situaes semelhantes, ou seja, no clculo do vizinho mais prximo do nvel D1
da TWE comparada a distncia entre o nvel de detalhe 1 da medida adquirida e o
nvel de detalhe 1 de cada equipamento existente no banco de dados. O mesmo
procedimento adotado em todos os outros nveis. Por esse motivo a criao do pico
fictcio viabiliza a soluo do problema.
64
Outra caracterstica relevante do processo de classificao a estrutura formada

em rvores de deciso. O problema de identificao de cargas residenciais bastante
complexo e sujeito a fatores externos que afetam o processo de classificao como
transitrio, acionamentos simultneos e aparelhos com multiestgios de operao.
Portanto, importante segregar o problema em subproblemas menos complexos que o
original para facilitar o processo de deciso.
Os equipamentos do banco de dados so divididos em grupos de acordo com o
comportamento da corrente eltrica dos aparelhos no domnio do tempo. Inicialmente, o
comportamento da fase da TH foi um bom parmetro para determinar os grupos
existentes na base de dados. Porm, com a melhora da aquisio de dados com a
insero da informao do Fator de Potncia tornou-se possvel criar a configurao dos
grupos apresentados na Tabela 2.
Tabela 2: Grupos de equipamentos com assinaturas energticas semelhantes
Bombeamento e Compressores
Motorizados
Bebedouro (acionando e em regime)
Batedeira (4 velocidades)
Geladeira (acionando e em regime)
Liquidificador (4 velocidades)
Ar Condicionado
Aspirador de P
Bomba
Espremedor de Laranja
Eletrnicos
Micro-ondas
Desktop (ligando e em regime)
Ventilador (3 velocidades)
Aparelho de Som
Resistivos
TV Tubo
Lmpada Incandescente (40,60 e 100W)
DVD
Sanduicheira
TV LCD
Torradeira
Telefone sem Fio
Ferro de Passar
Notebook
Lmpada Incandescente Dimmer
PS3 - Video Game
Cafeteira
Chuveiro Eltrico
Lmpadas Fluorescentes e LED

Lmpada T. Reator Eletromagntico (20 e
Lmpada T. Reator Eletrnico (20 e 40W)
40W)
Lmpada Fluorescente (15 e 25W)
Lmpada LED
65
Finalmente, o processo de classificao feito em duas etapas. Inicialmente,

calculado o vizinho mais prximo da medio adquirida com todas as medidas
existentes no banco de dados. Contudo, nesse caso, a menor distncia Euclidiana
utilizada para inferir o grupo ao qual pertence o equipamento [50]. No segundo estgio,
de posse da informao de grupo de pertinncia, realizado um segundo processo para
determinar o vizinho mais prximo envolvendo apenas os equipamentos pertencentes ao
grupo identificado na primeira fase.
Resumidamente, a primeira etapa funciona para reduzir o espao de busca,
enquanto a segunda etapa consiste em determinar a classificao do equipamento
residencial. A vantagem de dividir o processo classificatrio em duas etapas a
facilidade de identificar e analisar o comportamento de determinada assinatura
energtica, pois mesmo que o equipamento seja identificado incorretamente o programa
aponta para um pool de possveis solues.
66
3.4 Simulaes
A fim de validar a metodologia proposta na seo 3.3, realiza-se simulaes em
5 cenrios distintos. Cada equipamento do banco de dados possui 9 medies distintas
que caracterizam os mesmos. Todas as simulaes realizadas consistem em eliminar
uma linha do banco de dados e aplic-la como uma medio "nova" para verificar a
performance do classificador.
3.4.1
Dados
Os dados adquiridos pelo medidor so tenso e corrente instantnea portanto,

possvel tratar uma quantidade razovel de grandezas eltricas tais como potncia ativa,
potncia aparente, admitncia e impedncia, alm da prpria corrente.
Uma caracterstica importante na aquisio dos dados a quantidade de ciclos
armazenados pelo hardware que so enviados para o algoritmo que os analisa.
Empiricamente, foram adotados 8 ciclos completos de regime permanente, ou seja, 2048
amostras para cada evento eltrico que acontea na residncia, para uma taxa de
amostragem de 13,6 kHz.
Infelizmente, com a metodologia utilizada, os dados de regime transitrio no
agregam valor no processo de discriminao das cargas, na verdade em muitos casos
eles provocam confuso no processo classificatrio. Por esse motivo adotou-se nesse
trabalho apenas informaes de regime permanente para a classificao dos
equipamentos residenciais.
O trigger do medidor acionado quando a variao de corrente medida
ultrapassa o valor de 32 mA. Em seguida, o hardware espera um intervalo de tempo da
ordem de 1,3 segundos a fim de eliminar o efeito do transitrio para em seguida realizar
a subtrao entre o sinal resultante e o original antes do trigger. A diferena entre os
dois sinais resulta no evento eltrico correspondente a entrada ou sada de um
equipamento residencial.
O objetivo desse teste alimentar o algoritmo com diferentes grandezas eltricas
para descobrir em qual cenrio o programa apresenta melhor performance, ou seja,
67
identificar quais parmetros oferecem melhor capacidade de discriminao das cargas,

segundo a metodologia proposta.
3.4.2
Mdulo da TH e Angulo da TH
Conforme mencionado no captulo 2, a TH transforma um sinal real em um sinal

complexo defasado de 90 do sinal original. Portanto, possvel utilizar dois parmetros
na sequencia de operao proposta no captulo 3: o mdulo ou o ngulo da TH. Nesse
teste utilizado o mdulo e o ngulo da TH para identificar qual o melhor parmetro
para discriminao das cargas residenciais por parte do o classificador.
3.4.3
TH-TW e TW-TH
Nesse teste alterada a sequencia de operao de TH-TW para TW-TH para

verificar a opo que fornece a maior taxa de acerto, ou seja, relao de equipamentos
corretamente classificados por nmero de testes. Adicionalmente, o algoritmo tambm
alimentado com diferentes grandezas eltricas para verificar a melhor ordem de
aplicao dos mdulos de processamento.
3.4.4
Fator de Potncia
O Fator de Potncia (FP) uma informao importante que permite a

discriminao das cargas residenciais. Nesse teste inserido no clculo da distncia
para encontrar o vizinho mais prximo uma dimenso referente ao FP. Portanto,
adicionada ao banco de dados uma coluna com informaes a priori sobre os valores de
FP dos equipamentos catalogados, alm dos picos do espectro de Burg.
Naturalmente, para executar este teste foram realizadas modificaes no
aparelho de aquisio dos dados para que o mesmo automaticamente determine o FP do
evento eltrico.
O medidor determina o FP da seguinte maneira:
1. Aquisita os dados de corrente (I) e tenso (V) instantneos
2. Realiza a mdia do produto de V*I para encontrar a potncia
ativa (P)
68
3. Realiza o somatrio de V2 e I2 instantneos

4. Calcula os valores rms de V2 e I2 com a raiz quadrada dos
mesmos
5.
A potncia aparente (S) determinada com o produto dos

valores rms de V2 e I2
6. A potncia reativa (Q) encontrada com a raiz quadrada da

diferena entre S2 e P2
7. Finalmente, o FP calculado com o cosseno do arco tangente
entre P e Q
A finalidade desse teste descobrir se a insero do FP agrega valor ao processo

de discriminao das cargas residenciais promovido pelo classificador.
3.4.5
Importncia dos nveis da TWE
Conforme explorado no captulo 2, a TWE de nvel 5 foi utilizada neste projeto

para realizar as decomposies do sinal original. Portanto, cada sinal dividido em 6
nveis (sendo 5 nveis de detalhes e 1 nvel de aproximao) com nfase em bandas de
frequncias distintas que se somadas retornam a condio original. Contudo, no
necessariamente todas as bandas de frequncia so significativas para o processo de
identificao dos equipamentos, pois, eventualmente, a informao contida em um nvel
de detalhe pode estar presente em outro nvel de detalhe ou estar relacionada a rudo de
medio, no agregando informao til para o processo de classificao.
O intuito deste teste eliminar do sistema de votao nveis da TWE que no
contribuam para o processo de identificao de cargas, ganhando velocidade de
processamento no programa final.
3.5 Resultados
A seguir so apresentados os tpicos referentes a cada simulao executada bem
como eventuais explicaes acerca das solues encontradas..
69
3.5.1
Dados
Nesse trabalho foram utilizadas 4 grandezas eltricas (potncia ativa instantnea,

impedncia instantnea, admitncia instantnea e corrente instantnea) como dados de
entrada no classificador. Os resultados obtidos, segundo a cadeia de processamento
exibida na Figura 66, so apresentados na Tabela 3.
Dados (P, Z,Y,I)
Vizinho mais prximo no

dicionrio
Transformada
Hilbert
Transformada
Wavelet
Extrao dos
picos de Burg
Mtodo de
Burg
Classificao do
equipamento
Figura 66: Sequencia de processamento dos dados
Tabela 3: Resultados obtidos no classificador com diferentes variveis de entrada
Mtodo
Corrente
Admitncia
Potncia
Acerto Grupo
99%
36,28%
97,9%
Acerto individual
97%
17,24%
95,7%
Os resultados exibidos na Tabela 3 foram obtidos considerando os equipamentos

pr classificados e utilizando como dado de teste uma medida do banco de dados por
vez. Na verdade, aplicar uma medida do dicionrio no classificador consiste em
eliminar uma das nove aquisies existentes para cada equipamento no banco de dados
e utilizar a mesma como se fosse uma informao nova, ou seja, sem vnculo com as
aquisies previamente adquiridas. Consequentemente, nesse processo de excluso de
uma medida por vez, o algoritmo realiza nove classificaes por equipamento,
robustecendo o processo de tomada de deciso pelo algoritmo.
A grandeza eltrica que obteve a melhor taxa de acerto foi a corrente instantnea
com 99% na primeira camada e 97% na segunda camada. Curiosamente, a admitncia
instantnea no apresentou bons resultados, enquanto que a potncia ativa instantnea
70
apresentou excelente resposta do classificador. Possivelmente, isto deve-se ao fato de

que, em alguns casos, com o valor de tenso instantnea prximo de zero, foram
geradas admitncias elevadas que prejudicaram a atuao do classificador.
Infelizmente, no foi possvel mensurar a taxa de acerto com a impedncia
instantnea devido a presena de valores infinitos que surgiram ao longo da cadeia de
programao. Inicialmente, a diviso da tenso pela corrente apresentou, em alguns
casos, impedncias com valores infinitos em virtude do valor nulo da corrente
instantnea em determinados intervalos de tempo. O software utilizado para as
simulaes no consegue executar o mtodo de Burg com a "impedncia instantnea"
em virtude dos valores atpicos obtidos nas sequencias de operaes anteriores.
3.5.2
Mdulo da TH e Angulo da TH
Aplicando a TH nas grandezas eltricas Corrente, Admitncia, Impedncia e

Potncia Instantnea tm-se, considerando o ngulo da TH, os seguintes taxas de acerto
do classificador:
Tabela 4: Resultados obtidos no classificador considerando o angulo da TH
Mtodo
Corrente
Admitncia
Potncia
Acerto Grupo
83,22%
46,71%
87,07 %
Acerto individual
78%
27,21%
77,09%
Nota-se que, com exceo da Admitncia Instantnea, todas as outras taxas de

acerto so inferiores as encontradas na Tabela 3, que foi feita considerando o mdulo da
TH.
Na Figura 67 ilustrado as diferenas entre o angulo da TH do aspirador de p
(vermelho) com o angulo da batedeira (azul). Nota-se que as diferenas entre os dois
equipamentos no so acentuadas como na Figura 60, o que dificulta o processo de
discriminao de cargas pelo classificador gerando uma queda na taxa de acerto do
mesmo.
71
Angulo da TH do Aspirador de P (vermelho) e da Batedeira Velocidade 3 (azul)

4
Corrente (A)
-1
-2
-3
-4
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 67: Angulo da TH do aspirador de p (vermelho) e da batedeira na velocidade alta

(azul)
3.5.3
TH-TW e TW-TH
A sequencia de operao exibida na Figura 66 no necessariamente a que

apresenta as melhor performance do classificador. Portanto, importante identificar a
sequencia de operao que implica em melhor performance do algoritmo de
classificao.
Naturalmente, a nica mudana possvel na sequencia de operao a inverso
da ordem da TH com a TW. O mtodo de Burg deve ser a ltima etapa em virtude da
montagem do dicionrio no domnio da frequncia e do processo de matching realizado
na classificao. A Figura 68 ilustra a mudana da ordem da TH com a TW na nova
sequencia de operao, ao passo que na
Tabela 5 e na Tabela 6 so apresentadas as taxas de acerto obtidas em cada um
dos 4 cenrios analisados.
72
Dados (P, Z,Y,I)
Transformada
Wavelet
Transformada
Hilbert
Extrao dos
picos de Burg
Mtodo de
Burg
Vizinho mais prximo no

dicionrio
Classificao do
equipamento
Figura 68: Nova sequencia de processamento com mudana na ordem da TH com a TW
Tabela 5: Taxa de acerto obtida com a sequncia de operao TW-TH (modulo)
Mtodo
Corrente
Admitncia
Potncia
Acerto Grupo
97%
26,98%
95,6%
Acerto individual
93%
9,52%
92,7%
Tabela 6: : Taxa de acerto obtida com a sequncia de operao TW-TH (angulo)
Mtodo
Corrente
Admitncia
Potncia
Acerto Grupo
72,56%
47,85%
82,99%
Acerto individual
65,08%
27,89%
77,55%
Mantendo todos os demais parmetros inalterados, a simples mudana no

processamento dos dados de TH-TW para TW-TH refletem em uma ligeira piora na
performance do classificador.
O mtodo da corrente instantnea apresenta a melhor taxa de acerto tanto para a
primeira camada quanto para a segunda camada, a admitncia instantnea continua
apresentando os piores resultados e a potncia instantnea, assim como a corrente
instantnea, apresenta um bom resultado mas inferior ao obtido na sequencia de
operao TH-TW.
Novamente,
em
virtude
do
valor
nulo
de
corrente
instantnea
e,
consequentemente, do valor elevado de impedncia no foi possvel determinar a real

taxa de acerto que pode ser obtida com essa representao.
73
3.5.4
Fator de Potncia
A ideia de aplicar o FP no processo de classificao ocorre em virtude do

aperfeioamento de toda a estrutura de monitorao desenvolvida. O FP uma
ferramenta til no processo de classificao, pois contm caractersticas nicas que
permitem a discriminao das assinaturas energticas residenciais. Uma lmpada
incandescente possui FP muito prximo a 1 enquanto que uma lmpada LED possui FP
da ordem de 0,34.
A fim de utilizar da melhor maneira possvel a informao de FP foi inserida
uma parcela no clculo do vizinho mais prximo referente diferena entre o FP
contido no banco de dados com o obtido na medio em tempo real. Naturalmente,
nesse teste foi expandido o banco de dados original de modo a conter as informaes de
FP dos equipamentos no dicionrio de cargas.
A seguir, na Tabela 7, Tabela 8, Tabela 9 e Tabela 10 so apresentados os
resultados obtidos com a insero do FP no processo de discriminao de cargas.
Tabela 7: Taxa de acerto considerando o FP e utilizando a sequencia de operao TH (mdulo)-TW
Mtodo
Corrente
Admitncia
Potncia
Acerto Grupo
99,77%
48,98%
93,19%
Acerto Individual
99,09%
20,40%
85,71%
Tabela 8: Taxa de acerto considerando o FP e utilizando a sequencia de operao TW-TH (mdulo)
Mtodo
Corrente
Admitncia
Potncia
Acerto Grupo
99%
47,39%
89,34%
Acerto Individual
98,4%
18,36%
79,36%
Tabela 9: Taxa de acerto considerando o FP e utilizando a sequencia de operao TH (angulo)-TW
Mtodo
Corrente
Admitncia
Potncia
Acerto Grupo
85,15%
49,8%
90,1%
74
Acerto Individual
80,23%
26,34%
83,71%
Tabela 10: Taxa de acerto considerando o FP e utilizando a sequencia de operao TW -TH

(angulo)
Mtodo
Corrente
Admitncia
Potncia
Acerto Grupo
74,8%
49,86%
86,24%
Acerto Individual
68,35%
29,48%
80,25%
O classificador apresentou um comportamento inesperado com a incluso do FP.

O mtodo da corrente continuou exibindo os melhores resultados tanto na sequncia
TH-TW quanto TW-TH. Conforme esperado, a taxa de acerto nesse cenrio foi
melhorada com a incluso do FP.
O problema dos valores elevados de impedncia, decorrentes da diviso da
tenso por um valor nulo de corrente persistiram, inviabilizando a utilizao da
impedncia como parmetro de discriminao de cargas. Portanto, no possvel traar
uma avaliao segura a respeito desse critrio.
A admitncia instantnea obteve uma melhora significativa em ambas
sequencias de operao, especialmente na identificao dos equipamentos na primeira
camada, demonstrando que pequenas mudanas na estrutura do classificador podem
alcanar um patamar melhor de identificao correta dos aparelhos residenciais
considerando a admitncia.
Contudo, a potncia instantnea apresentou resultados ruins, tanto na primeira
quanto na segunda camada, com a incluso do FP. As taxas de acertos inferiores a
representao original desestimulam a aplicao da potncia instantnea juntamente
com o FP para a discriminao das cargas.
3.5.5
Nveis da TWE
Conforme mencionado no captulo 2, importante verificar a taxa de acerto em

cada nvel da TWE para poder identificar eventuais nveis que possam ser eliminados,
garantindo eficincia e velocidade nas inferncias do classificador.
Nesse teste foram aplicados os dados de corrente instantnea para alimentar o
classificador e a sequncia de operao TH-TW, pois estes casos oferecem o maior
percentual de acerto do programa. De forma anloga aos testes anteriores, foi utilizado
um programa para simular as taxas de acerto e a medida de teste foi obtida excluindo
uma linha de dados do dicionrio e utilizando a mesma na entrada do classificador.
75
A Tabela 11 sintetiza os resultados alcanados.

Tabela 11: Taxa de Acerto por equipamento para cada nvel da TWE
Nvel da TWE
Taxa de Acerto
D1
87,98%
D2
93,19%
D3
85,94%
D4
86,84%
D5
84,35%
A5
71,88%
Com exceo do nvel A5, todos os nveis da TWE apresentaram uma taxa de
acerto dos equipamentos superior a 84%. A fim de simplificar e tornar mais eficiente a
tomada de deciso do programa, alterou-se o processo de classificao de forma a
considerar apenas os nveis D2, D3 e D4 da TWE para a classificao do aparelho
residencial.
Contudo, a taxa de acerto alcanada com o aproveitamento de apenas 3 nveis da
TWE foi da ordem de 94% na camada 2, resultado relativamente inferior ao apresentado
na Tabela 3 e muito prximo da taxa de acerto encontrada apenas para o aproveitamento
do nvel D2 (93,19%). A diferena de 3% entre a taxa de acerto com aproveitamento
de apenas 3 nveis e a taxa de acerto utilizando todos os nveis da TWE disponveis
corrobora a tese de que os nveis da TWE so complementares entre si, ou seja, a
elevada taxa de acerto fruto da combinao de todos os nveis.
3.6 Concluso Parcial

A taxa de acerto calculada atravs da relao entre medies identificadas
corretamente sobre o total de medies realizadas. As simulaes implementadas
indicam que a metodologia proposta promove uma razovel discriminao das cargas
residenciais analisadas a uma taxa de 99% de acerto. A melhor performance do
classificador foi obtida utilizando a corrente instantnea como dado de entrada, o
mdulo do sinal analtico associado a TH, os 5 nveis de resoluo da TW e com a
insero do FP no clculo da distncia Euclidiana.
76
De modo a facilitar a interpretao dos resultados, segue a tabela de confuso

dos equipamentos analisados:
Tabela 12: Tabela de Confuso das Simulaes
Equipamento
Resultado
Geladeira (medida1)
Bebedouro
Geladeira (medida 7)
Bebedouro
Ferro
Torradeira
Batedeira (medida 6)
Liquidificador
Batedeira (medida 4)
Liquidificador
Espremedor (medida 4)
Batedeira
Espremedor (medida 9)
Liquidificador
Ventilador
Batedeira
DVD
TV Tubo
TV Tubo
DVD
Torradeira
Ferro
Liquidificador
Batedeira
Lmpada Tubular Reator Eletrnico
Lmpada Fluorescente Compacta
Os equipamentos do banco de dados so representados, cada um, por 9 medidas

distintas, sendo que, eventualmente, uma dessas medidas pode apresentar erros de
classificao. Contudo, o modelo acertou na classificao final de todos os
equipamentos analisados.
77
4 Testes de campo
Neste captulo apresentada as caractersticas do equipamento de aquisio de
dados utilizado nessa dissertao. Em seguida, so realizados testes de campo com 3
cenrios distintos a fim de estudar o comportamento do medidor frente a situaes reais
que ocorrem em uma residncia. Por ltimo, so exibidos os resultados encontrados em
cada uma dessas situaes.
4.1 Estrutura do equipamento de aquisio e

manipulao dos dados
Este trabalho fruto do programa de P&D da concessionria de energia eltrica
Ampla na rea de Medies Inteligentes. O escopo desta dissertao explorar o
programa de identificao de cargas desenvolvido para o programa de P&D da empresa.
Contudo, com o intuito de esclarecer toda a cadeia de classificao, se faz necessria
uma abordagem preliminar acerca do hardware que engloba o medidor.
Com uma taxa de amostragem de 256 amostras por ciclo, o hardware promove a
aquisio dos dados de consumo da residncia e realiza um pr processamento dos
dados com o objetivo de facilitar a tarefa do classificador. O pr processamento dos
dados por parte do hardware consiste em fornecer para o classificador dados
compreendidos no intervalo de -1 a 1. O escalonamento dos dados entre -1 e 1 feito de
maneira trivial, com a diviso dos valores medidos pelo nmero de maior valor
absoluto.
A contribuio mais significativa do hardware o tratamento do agregado de
cargas. Naturalmente, quanto mais cargas detectadas em um evento eltrico mais difcil
se torna a tarefa de inferir rtulos para os equipamentos acionados. Portanto, para
resolver este problema, o hardware trabalha com diferenas entre intervalos de tempo.
Quando a diferena nos sinais eltricos entre dois intervalos de tempo
consecutivos maior que um valor pr determinado ento o hardware considera que
ocorreu um evento eltrico (acionamento ou desligamento de um aparelho residencial) e
fornece para o classificador a diferena entre estes dois intervalos. Desta forma, o
classificador recebe apenas os dados do equipamento que efetivamente foi acionado ou
78
desligado, facilitando o trabalho do classificador e melhorando a performance do

sistema como um todo.
Adicionalmente, o hardware realiza uma pr classificao de alguns
equipamentos. Primeiramente, conforme sugerido nos trabalhos [9], [45] e [46], foi
montado um dicionrio de cargas com equipamentos presentes na maioria das
residncias dos clientes da concessionria. Consequentemente, toda a inferncia do
algoritmo de classificao feita com base no dicionrio de cargas montado a priori. A
Tabela 1 contm todos os equipamentos cujas assinaturas energticas foram adquiridas
previamente:
Os equipamentos lmpada incandescente, sanduicheira, torradeira, ferro de
passar, ar condicionado, bomba, cafeteira, chuveiro eltrico e micro-ondas apresentam
caractersticas peculiares nos planos P e Q (potncias ativa e reativa,
respectivamente). Conforme aplicado nos trabalhos [9], [10], [11], [18] e [19], no
instante de aquisio dos dados o hardware computa as potncias ativa e reativa do
equipamento que ocasionou a variao. Caso os valores encontrados pelo hardware
caiam em faixas pr determinadas de P e Q, ento automaticamente pulada a etapa
de processamento dos dados no algoritmo de classificao e inferido o resultado acerca
do equipamento acionado ou desligado.
4.2 Testes - descrio dos casos

Uma srie de testes foram aplicadas ao classificador com o objetivo de verificar
a eficincia e a confiabilidade do mesmo. Nesse captulo so expostos os testes
aplicados e informaes adicionais acerca do processo de classificao.
Apesar do medidor ser uma ferramenta importante que previamente identifica os
aparelhos residenciais com caractersticas tpicas de potncia ativa e reativa, nos testes
no foi adotado esta opo, ou seja, todos os equipamentos do banco de dados so
identificados pelo algoritmo de classificao. Alm disso, foi considerado nos testes o
acionamento de uma carga de cada vez. A finalidade desta abordagem verificar o
comportamento e a performance do algoritmo de classificao frente a situaes
cotidianas nas residncias em geral.
Contudo, o medidor propriamente dito funciona com o sistema operacional
Linux, com a linguagem de programao C++ e utilizando o programa Eclipse como
IDE [51].
79
A seguir so apresentados os testes realizados no algoritmo de classificao dos

equipamentos.
4.2.1
Teste com equipamentos similares mas de
marcas diferentes
A ideia principal deste teste avaliar a capacidade de generalizao do
algoritmo e verificar se equipamentos similares, mas com marcas diferentes, apresentam
a mesma assinatura energtica. Nesse teste foi aplicado toda a estrutura de classificao
construda, ou seja, o hardware para aquisio dos dados e uma pr-classificao com
respeito potncia ativa do aparelho residencial, bem como o software em linguagem
c++.
As lmpadas, em geral, foram corretamente identificadas no processo de
classificao, mesmo utilizando duas ou trs marcas distintas. As nicas excees foram
as lmpadas fluorescentes de reator eletrnico e a lmpada fluorescente compacta de
25 W, que provocaram erros em todos os testes com marcas diferentes da existente no
dicionrio.
Apesar de apresentar uma taxa de erro alta para marcas distintas, as lmpadas
tubulares de reator eletrnico adquiridas no mercado possuem comportamentos distintos
entre si. Na Figura 69 ilustrado o comportamento distinto de duas lmpadas tubulares
de 20 W de reator eletrnico, sendo a figura tracejada (azul) referente a uma marca
existente no dicionrio de cargas e a figura por linhas contnuas (vermelho) referente a
uma outra marca. Nota-se claramente a diferena entre as duas medidas, o que justifica
a identificao equivocada do classificador.
80
Lmpadas Reator Eletrnico 20W de marcas diferentes

1.5
Corrente (A)
0.5
-0.5
-1
-1.5
0
200
400
600
800
1000
Amostra
1200
1400
1600
1800
2000
Figura 69: Grfico da corrente de duas lmpadas tubulares de reator eletrnico de 20 W de marcas
distintas
No grupo dos eletrnicos foi possvel avaliar a performance do classificador

utilizando marcas distintas de aparelho de som e desktop. Conforme esperado, as
marcas distintas no produziram assinaturas energticas atpicas, portanto o
classificador realizou a inferncia correta nos dois casos.
O grupo dos resistivos possuem comportamentos particulares, como potncia
reativa zero, logo fator de potncia unitrio, e faixa de potncia ativa tpica para os seus
equipamentos, o que facilita o processo de identificao dos mesmos. No foram
encontrados erros de classificao utilizando sanduicheira, cafeteira e torradeiras de
marcas diferentes.
Infelizmente, nos grupos de bombeamento e compressores e motorizados, no
foi possvel realizar os testes de classificao para marcas diferentes em virtude da
dificuldade de adquirir aparelhos de marcas distintas, em especial para os de alta
potncia como bomba, geladeira e bebedouro.
4.2.2
Teste com medidor e acionamento
individual das cargas
Nesse teste foi utilizado novamente o medidor construdo para verificar a
performance do mesmo frente a situaes cotidianas nas residncias em geral. A
diferena fundamental entre esta experincia e a anterior o fato de que
81
no
considerado o agregado de cargas, ou seja, um equipamento acionado e imediatamente

realizado a classificao do mesmo.
Novamente, foi utilizado a forma de onda da corrente, a sequencia de operao
TH-TW e o uso do FP nos experimentos. Adicionalmente, foram aplicados 10 testes de
identificao de cargas para cada equipamento no banco de dados, sendo que a
classificao final dada quando mais de 5 testes apontam para o mesmo aparelho, caso
contrrio relatado ao usurio que o equipamento no foi identificado.
A taxa de acerto obtida foi excelente: 99,7% na primeira camada e 88,8% na
segunda camada. Apenas o notebook apresentou erro na primeira camada, enquanto que
todos os equipamentos eletrnicos, com exceo da TV de LCD, aparelho de som e
PS3, apresentaram erros na segunda camada.
O maior problema da TV de tubo o aquecimento do tubo de raios catdicos
que provoca distores no comportamento da curva de corrente, dificultando a
estimao do intervalo de tempo usado no medidor para aquisio dos dados em regime
permanente.
O telefone sem fio, DVD, Desktop e notebook efetivamente erraram nas
classificaes da segunda camada. Contudo, no caso do notebook, foi identificado que
os dados adquiridos pelo medidor foram corrompidos de alguma forma, pois em uma
srie de 10 medidas ocorreram 5 medies com valores atpicos de FP, potncia ativa e
reativa, por esse motivo foram descartadas do processo de classificao final.
O resultado obtido nesse experimento relativamente diferente ao encontrado na
Tabela 7. Provavelmente, o motivo dessa diferena que as curvas que compe o
dicionrio de cargas so muito parecidas entre si, j que so frutos de 9 aquisies
seguidas por parte do medidor. Portanto, ao eliminar uma curva e comparar com 8 quase
idnticas, natural que o classificador sempre acerte. Em contrapartida, ao comparar
com um sistema "real", ou seja, com acionamentos aleatrios ao longo do dia normal
que existam diferenas entre cada medida e que as mesmas no sejam reconhecveis
pelo programa.
A alta taxa de acerto obtida nessa teste corrobora a tese de que o transitrio dos
equipamentos motorizados com mais de um modo de operao dificultaram a
classificao dos mesmos no teste considerando agregado de carga. No teste individual,
considerando um intervalo de tempo seguro para descartar a influncia do transitrio de
82
cada aparelho, no foi apresentado qualquer problema na identificao do ventilador,

batedeira ou liquidificador.
4.2.3
Teste com agregado de cargas
Esse teste visa aplicar o sistema de monitorao de cargas residenciais em um

ambiente prximo da realidade de consumo das pessoas. Em testes anteriores, o
medidor foi inserido para fazer a monitorao do padro de consumo da residncia, sem
considerar cargas acionadas previamente ao seu acionamento.
A fim de simular um agregado de carga acionado previamente um aparelho.
Em seguida, conecta-se o equipamento no medidor e aciona-se uma segunda carga que
identificada pelo software embutido no classificador. A importncia deste teste
verificar a influencia do agregado de carga no acionamento de um equipamento, bem
como mensurar o intervalo de tempo necessrio para a aquisio das cargas no medidor.
Em virtude do nmero de equipamentos existentes no dicionrio, a combinao
de cargas dois a dois muito grande (900 opes). Portanto, optou-se pelo seguinte
procedimento: aciona-se uma lmpada incandescente de 100 W em uma barra de cargas,
em seguida conecta-se o medidor a mesma barra e por ltimo aciona-se uma segunda
carga que deve ser identificada pelo classificador. O fato de escolher a lmpada de
100 W ou qualquer outro aparelho como carga inicial no influencia no classificador,
uma vez que o processo de identificao de cargas feito com o valor da subtrao da
corrente em dois instantes de tempo. Na prtica, o classificador "ignora" as cargas que
eventualmente foram acionadas e identifica apenas o ltimo aparelho que entrou em
funcionamento.
Adotou-se como parmetros de teste a forma de onda da corrente dos
equipamentos , a sequencia de operao TH-TW e o uso do FP no clculo do vizinho
mais prximo, pois esse cenrio apresentou a maior taxa de acerto nas simulaes
anteriores.
No grupo das lmpadas fluorescentes e no grupo dos resistivos, todos os
aparelhos foram identificados corretamente com exceo do chuveiro que no pode ser
testado devido a dificuldade de transporte do mesmo para a rea onde os testes foram
realizados.
83
No grupo dos eletrnicos s foi possvel testar o aparelho de som cujo resultado
foi animador: acerto em todos os testes, inclusive com aparelhos de marcas diferentes
do existente no dicionrio.
Contudo, o grupo dos motorizados apresentou muitos problemas. Com exceo
do aspirador de p, micro-ondas e espremedor de laranja, todos os outros equipamentos
apresentaram inferncias incorretas, inclusive na votao por grupo. Provavelmente, o
intervalo de tempo fixo que o medidor usa para pular o efeito do transitrio do
acionamento eltrico seja curto para o grupo dos motorizados, contaminando o sinal em
regime permanente. O maior problema deste grupo est relacionado com os
equipamentos com multiestgios de operao como batedeira, liquidificador e
ventilador, pois cada modo de velocidade destes aparelhos apresenta uma curva com
caractersticas muito especficas, dificultando o processo de aquisio dos dados em
regime permanente.
Assim como o chuveiro eltrico, os equipamentos do grupo de bombeamento e
compressores no pode ser analisado devido a dificuldade de transporte dos mesmos
para o local de teste.
4.3 Discusso dos resultados

Os equipamentos similares de marcas diferentes utilizados nessa dissertao so
especificados na Tabela 13.
Tabela 13: Quantidade de equipamentos de marcas diferentes
Equipamento
Marcas Similares
Lmpada Incandescente
Lmpada Fluorescente
Lmpada Tubular Reator Eletromag.
Lmpada Tubular Reator Eletrnico
Lmpada LED
Aparelho de Som
Desktop
Sanduicheira
Cafeteira
Torradeira
84
No teste com acionamento individual das cargas foi possvel traar a taxa de
acerto considerando todos os equipamentos do banco de dados. Com o intuito de
facilitar a visualizao dos erros do classificador foi elaborado a tabela de confuso dos
aparelhos analisados, conforme apresentado na Tabela 14.
Tabela 14: Tabela de Confuso do teste de acionamento individual das cargas
Equipamento
Acertos
DVD
Erros
Desktop (5 vezes)
TV Tubo (2 vezes)
DVD (6 vezes)
Desktop
Notebook (1 vez)
Tel. sem fio (3 vezes)

Notebook
Lmpada Tubular Reator Eletrnico (4 vezes)

Lmpada Dimmer (2 vezes)
Desktop (2 vezes)
TV Tubo
DVD (3 vezes)
Lmpada Tubular Reator Eletromag. ( 3 vezes)
Tel. sem Fio
Lmpada Dimmer (3 vezes)
Notebook (3 vezes)
85
5 Concluses
No ltimo captulo so realizadas as consideraes finais sobre o projeto. As
aplicaes do trabalho desenvolvido so apresentados bem como os eventuais trabalhos
futuros necessrios para o aprimoramento do modelo proposto.
5.1 Principais concluses

A metodologia de identificao de cargas residenciais proposta nos captulos
anteriores bastante promissora com aplicaes em diversas reas, tais como tomada de
deciso, anlise de dados e medio inteligente (smart metering).
Adicionalmente, o sistema desenvolvido possibilita s concessionrias de
energia eltrica e aos consumidores residenciais uma gama de servios inovadores que
so indisponveis no modelo atual. As ramificaes deste projeto do origem a vrias
aplicaes prticas no mercado de energia eltrica, dentre as quais destaca-se:
Desagregao da conta de luz - Medies de cargas individuais so

baseadas em medies diretas ao invs de estimativas
Tarifa em tempo real - O melhor servio disponvel para concessionria.

Ao invs de aplicar uma tarifa constante para qualquer hora do dia
possvel empregar preos diferenciados de acordo com a hora do dia.
Discriminao da conta de luz - As reclamaes do cliente a respeito do

consumo de energia podem ser explicadas apontando equipamentos e
hbitos do mesmo responsveis pelo valor da fatura.
Diagnstico de Carga - Com a permisso do consumidor, a

concessionria pode informar ao cliente eventuais equipamentos que
estejam com rendimento abaixo do desejado ou com um consumo de
energia acima do tolervel.
Melhora nos agentes regulatrios - A metodologia proposta pode auxiliar

os agentes regulatrios a produzir fiscalizao mais adequada e melhores
polticas no setor de energia eltrica.
Aperfeioamento da indstria de equipamentos - A indstria que produz

equipamentos eletrodomsticos em geral, geladeiras e outros produtos
residenciais tambm so beneficiadas. O modelo desenvolvido melhora a
86
previso de demanda do mercado, o que favorece a construo de

produtos mais eficientes por parte da indstria.
Monitoramento de reas crticas - O modelo concede a concessionria

uma ferramenta adicional no tocante a monitorao de reas crticas para
empresa, de modo a fornecer de maneira detalhada informaes que
facilitem a tomada de deciso da empresa.
Servios para o consumidor - O modelo proposto favorece a reduo de

custos para o consumidor final e promove melhora na qualidade e na
confiabilidade da energia transmitida pela concessionria.
Alm dos itens citados acima, o modelo desenvolvido favorece a inovao na

rea de distribuio de energia eltrica. Com base nas informaes geradas por essa
metodologia, uma gama de servios podem ser desenvolvidas para o consumidor como
por exemplo melhores auditorias em prdios e residncias e servios personalizados
para os consumidores.
A estrutura desenvolvida para monitorar as cargas eltricas residenciais
simples e fcil de ser aplicada. Adicionalmente, os resultados obtidos foram superiores
aos encontrados na literatura atual considerada o estado da arte. Contudo, o modelo no
dispensa os trabalhos anteriores, na verdade representa uma nova abordagem ao
problema de monitorao de cargas.
5.2 Propostas de trabalhos futuros

Os modelos de monitorao de cargas descritos no captulo 1 podem ser usados
para aperfeioar o sistema desenvolvido no presente tralhado. Por exemplo, utilizando
as ideias dos modelos [15] e [16] possvel explorar os harmnicos gerados pelos
equipamentos residenciais a fim de validar o resultado encontrado no medidor ou para
identificar os equipamentos dos grupos dos eletrnicos, notadamente os aparelhos que
geram mais dificuldades na classificao individual.
Apesar de ter alcanado resultados expressivos, a metodologia construda no
est isenta de limitaes. O maior problema do modelo a falta de aprendizado no
dicionrio de cargas porque, com o passar dos anos, obrigatrio sempre atualiz-lo
para contemplar equipamentos novos ou excluir aparelhos que estejam em desuso.
87
Os ltimos 3 testes do captulo 3 (Teste com equipamentos de marcas diferentes,

Teste de acionamento individual e Teste com agregado de cargas, respectivamente)
utilizaram o aparelho de aquisio de dados desenvolvido para o projeto de P&D da
Ampla. Nesses 3 testes foram
adquiridas 10 medies para cada equipamento e,
consequentemente, realizados 10 classificaes por aparelho. O intuito destas medies

robustecer o processo de classificao, entretanto todos os eventos eltricos realizados
dentro de um intervalo de 1,3 segundos no so analisados pelo medidor em virtude do
processamento das medies do evento anterior.
Na prtica, para o medidor aquisitar 10 medies por aparelho so necessrios
80 ciclos (8 ciclos x 10 medies) de corrente eltrica do equipamento Contudo, a fim
de eliminar o efeito do transitrio proveniente do acionamento do equipamento, so
coletados 160 ciclos para, em seguida, eliminar os 80 primeiros ciclos. Nessa operao
de aquisio e descarte dos dados so perdidos 1,3 segundos, tempo este em que o
programa no monitora qualquer carga que entre ou saia de operao. Uma alternativa
para a reduo desse "tempo de espera" diminuir a quantidade de aquisies do
medidor de 10 para 5, reduzindo o "tempo de espera" a um intervalo de 0,65 segundos,
porm as custas da robustez do programa.
Outro problema que requer uma investigao mais profunda a alterao
significativa dos valores de FP, potncia ativa e corrente instantnea entre uma medio
e outra do notebook. Naturalmente, imperativo descobrir o motivo dessas variaes e
corrigi-lo para que o problema no seja propagado quando o programa estiver
executando em tempo-real.
O grupo dos eletrnicos foi o nico que no apresentou uma resposta excelente
no que diz respeito a classificao individual. O fato de a maioria dos equipamentos
possuir fontes chaveadas, FP prximos entre si e curvas de corrente similares dificulta a
discriminao dessas cargas pelo classificador.
Por outro lado,
existe uma vasta quantidade de melhorias que podem ser
empregadas no processo de classificao. No grupo dos eletrnicos possvel

acrescentar mais um ramo na estrutura de classificao. Quando o programa identifica o
grupo eletrnico ele pode verificar a potncia consumida pelo aparelho e assim inferir a
classificao baseada no equipamento do grupo eletrnico que possui uma faixa de
potncia correspondente ao medido, ou seja, nesse caso possvel separar, no mnimo,
telefone sem fio de notebook por exemplo.
88
Outra opo buscar um atributo que favorea a discriminao das cargas do

grupo eletrnico, tal como o FP para os outros grupos. A princpio, pode-se usar a
potncia reativa dos mesmos ou aplicar filtros AR do Burg de ordem mais elevadas nos
nveis D3, D4, D5 e A5 para forar a criao de um segundo pico que talvez propicie
uma discriminao melhor das cargas.
Apesar de raro, os empates podem ocorrer no processo de votao para inferir a
classificao da medida adquirida. Duas situaes podem ocorrer: empate na primeira
camada para determinar a qual grupo uma medida pertence ou empate na segunda
camada para determinar qual equipamento est sendo analisado.
Na primeira camada, em caso de empate, possvel fazer uma votao maior
para identificar o equipamento acionado ou desligado, considerando todos os aparelhos
dos grupos que receberam a mesma quantidade de votos. Por exemplo, caso ocorra um
empate entre o grupo eletrnicos e lmpada fluorescente ento a votao na segunda
camada teria todos os equipamentos dos dois grupos, sendo selecionado na camada o
equipamento que recebesse mais votos.
O empate nos votos da segunda camada mais problemtico. Nessa situao,
no existe muitas alternativas disponveis sendo que a melhor opo dizer ao usurio
que o equipamento no pode ser identificado, somente possvel determinar o grupo ao
qual determinada medida pertence.
O conhecimento sobre assinaturas energticas a base para a teoria de
monitorao de cargas; esse tipo de estudo importante para consumidores,
reguladores, indstria e concessionrias, pois todos se beneficiam dessa informao.
Acredita-se que a metodologia proposta tenha dado uma contribuio significativa nesse
processo de monitorao e discriminao de cargas eltricas.
89
Referncias Bibliogrficas
[1] ANEEL - http://www.aneel.gov.br/area.cfm?idArea=82 , acessado em 2012
[2] BIAN, X., ABOWD, G.D., REHG, J.M: "Using sound Source Localization
in a Home Environment". In: Proc of the International Conference on Pervasive
Computing (2005)
[3] CHEN, J., KAM, A.H., ZHANG, J., LIU, N.,SHUE,L.: "Bathroom Activity
Monitoring Based on Sound". In: Gellersen, H.-W., Want, R, Schmidt, A. (eds)
Pervasive 2005. LNCS, vol.3468, pp.47-61. Springer, Heidelberg (2005)
[4] KOILE, K., TOLLMAR, K., DEMIRDJAN, D., HOWARD, S., TREVOR,
D.: "Activity Zones for Context-Aware Computing". In: Dey, A.K, Shmidt, A.,
McCarthy, F.F. (eds) Ubicomp 2003. LNCS, vol. 2864, Springer, Heidelberg (2003).
[5] TAPIA, E.M., INTILLE, S.S., LARSON, K.: "Activity recognition in home
setting using simple and ubiquitous sensors". In: Ferscha, A., Mattern, F. (eds.)
Pervasive 2004. LNCS, vol.3001,pp.158-175.Springer, Heidberg (2004).
[6] TAPIA, E.M., INTILLE, S.S., LOPEZ, L., LARSON, K.: "The design of a
portable kit of a portable kit of wireless sensors for naturalistic data collection". In:
Fishkin, K., Schiele, B., Nixon, P., Quigley, A.(eds.) Pervasive 2006. LNCS, vol.3968,
pp.117-134. Springer, Heidelberg (2006)
[7] FOGARTY, J., AU, C., HUDSON, S.E: "Sensing from the Basement: A
Feasibility Study of Unobtrusive and Low-Cost Home Activity Recognition." In: The
Proc of ACM Symposium on User Interface Software Technology (UIST 2006), ACM
Press, New York (2006)
[8] PATEL, S.N, TRUONG, K.N., ABOWD, G.D.: "Power Line Positioning: A
practical Sub-Rom-Level Indoor Location System for Domestic Use". In: The
Proceedings of Ubicomp(2006)
[9] G.W.HART, "Nonintrusive Appliance Load Monitoring" Proc. IEEE, vol.80,
no.12, pp.1870-1891, 1992.
[10] MAHMOOD AKBAR, DR. ZUBAIR AHMAD, "Modified Nonintrusive
Appliance Load Monitoring For Nonlinear Devices" Proc. IEEE, 2007
[11] DRENKER, .S, AB KADER, "Nonintrusive Monitoring of Electric Loads"
Proc. IEEE Trans. in Computer Applications in Power, vol. 8, pp.47-51, 1999
90
[12] W. K. LEE, G. S. K. FUNG, H. Y. LAM, F. H. Y. CHAN, MARK

LUCENTE.: "Exploration on Load Signatures". International Conference on Electrical
Engineering(ICEE),1-5, Japan, 2004.
[13] KOSUKE SUZUKI, SHINKICHI INAGAKI, TATSUYA SUZUKI,
HISHAIDE NAKAMURA, KOICHI ITO.: "Nonintrusive appliance Load monitoring
Based on Integer Programming". SICE Annual conference, 2742-2747, Japan, 2008.
[14] LEUNG S.K., KENNETH S.H., CHENG W.M.: "Identifying Appliances
Using Load Signatures and Genetic Algorithms". International Conference on
Electrical Engineering(ICEE), Japan, 2004.
[15] PATEL, T.ROBERTSON, J.A KIENTZ, M. REYNOLDS, G.D ABOWD.:
"At the Flick of a Switch: Detecting and Classifying Unique Electrical Events on the
Residential Power Line". In: The Proceedings of the 9th International Conference on
Ubiquitous Computing (Ubicomp), Innsbruck, Austria, pp.271-288.
[16] D. SRINIVASAN, W.S. NG, A.C. LIEW, "Neural-Network-Based signature
Recognition For Harmonic Source Identification" IEEE Transactions on Power
Delivery, vol.21, no.1, January 2006
[17] SIMON HAYKIN, "Redes Neurais Princpios e Aplicaes", Bookman 2
ed., 2000
[18] JIAN LIANG, SIMON K. K. NG, GAIL KENDALL, JOHN W.M. CHENG,
"Load Signature Study - Part I: Basic Concept, Structure and Methodology" IEEE
Transactions on Power Delivery, vol.25, no.2, April 2010
[19] JIAN LIANG, SIMON K. K. NG, GAIL KENDALL, JOHN W.M. CHENG,
"Load Signature Study - Part II: Disaggregation, Framework, Simulation, and
Applications" IEEE Transactions on Power Delivery, vol.25, no.2, April 2010
[20] JOHN W.M. CHENG, G.KENDALL, J.S.K. LEUNG, "Electric-Load
Intelligence (E-LI): Concept and Applications," In: Proc. IEEE Region 10 Conf., Hong
Kong, China, November 2006
[21] R. O. DUDA, P. E. HART, D. G. STORK, "Pattern Classifications", New
York, Wiley, 2 Edition , 2001.
[22] FREDERICK, W. K., "Hilbert Transforms - Volume 1", Cambridge 1 ed.,
2009
[23] MATHWORKS - site http://www.mathworks.com, acessado em 17 mar.
2012
91
[24] DEMAY, M. B., Desenvolvimento de Sistemas para a Medio de

Frequncia Rotacional em Compressores Hermticos. Dissertao de M.Sc,
Universidade Federal de Santa Catarina, Florianpolis, Brasil, 2008.
[25] STARK, H.G., "Wavelets and Signal Processing: An application Based
Introduction", Leipzig 1st ed.; Springer 2005
[26] MALLAT, S.A., " Wavelet Tour of Signal Processing" 2nd ed. Sand Diego:
Academic Press, 1999
[27] GOSWAMI, J.C, CHAN , A.K., "Fundamentals of Wavelets: Theory,
Algorithms, and Applications" 1st ed. New York: Wiley, 1999.
[28] CVETTKOVIC Z., VETTERLI M., "The Discrete Time Wavelet
Representation: Design and Consistent Reconstruction" IEEE Transactions on Signal
Processing, vol.43, no.3, pp.681-693, October 1995
[29] HANAN SAMMET, "K-Nearest Neighbor Finding Using Max Nearest
Dist" IEEE Transactions on Pattern Analysis and Machine Intelligence", vol.30, no.02,
pp.243-252,October 2008.
[30] VAN
WYLEN,
BORNAKKE,
SONNTAG,
"Fundamentals
of
th
Thermodynamics", Edgard Blucher 6 ed., 2003.

[31] T. J. ULRYCH, T. N. BISHOP, "Maximum entropy analysis and
Autoregressive Decomposition" Reviews of Geophysics and Space Physics, vol.13,
no.1, February 1975.
[32] JAYNES, E. T., "New engineering applications of information theory". In:
Proc. of the First Symposium on Engineering Applications of Random Function Theory
and Probability, pp.163-203, New York , 1963.
[33] SMYLIE, D. E., G. K. C. CLARKE, T.J. ULRYCH, "Analysis of
irregularities in the earth's rotation". In: Methods in Computational Physics, vol.13,
pp.391-430, New York, 1973
[34] EDWARD, J. A., M. M. FITELSON, "Notes on maximum entropy
processing", IEEE Trans. Inform. Theory, IT-19, 232, 1973.
[35] LEVINSON, H., "The Wiener RMS error criterion in filter design and
prediction" J. Math. Phys., v. 25, pp. 261278, 1947.
[36] ROBERT, M. G., "Toeplitz and Circulant Matrices: A Review" . Now, 2001.
Disponvel em: http://ee.stanford.edu/~gray/toeplitz.pdf . Acessado em 2012.
92
[37] DURBIN, J., "The fitting of time series models" Rev. Int. Inst. Statist.,
vol.28, pp.233-244, 1960.
[38] MORETTIN, P. A., CLLIA, M. C. T., "Anlises de Sries Temporais",
Edgard Blucher, 1 ed., 2004
[39] VAN DEN BOS, A., "Alternative interpretation of maximum entropy
spectral analysis", IEEE Trans. Inform. Theory, IT-17, pp.493-494, 1971.
[40] BURG, J. P., "Maximum entropy spectral analysis". In: 37th Annual
International Meeting, Soc. of Explor. Geophys., Oklahoma City, May 1975.
[41] BURG, J. P., A new analysis technique for time series data. Advanced Study
on Signal Processing, NATO, Enschede, Netherlands, 1968.
[42] TEXAS INSTRUMENTS, INCORPORATED, The maximum entropy
Spectrum and the Burg Technique, In: Technical Report Number 1: Advanced Signal
Processing, U.S Department of Commerce, June 1975
[43] WALKER, G., "On periodicity in series of related terms" Pro. Roy. Soc.
London, Ser. A, 131, pp. 518-532, 1931
[44] YULE, G. U., "On a method of investigating periodicities in disturbed
series", Phil. Trans. Roy. Soc. London., Ser. A, 226, pp. 267-298, 1927.
[45] RODRIGO, P. F., 2009, Reconhecimento de cargas eltricas monofsicas
no lineares atravs das decomposies wavelets
e de redes neurais artificiais,
Dissertao de M.Sc., Universidade Federal de Itajub, Minas Gerais, Brasil.

[46] CHARLES, B. P., 2006, Sistema de monitorao de carga eltrica
residencial com implementao para diferentes cenrios de aplicao, COPPE/UFRJ,
Rio de Janeiro, Brasil.
[47] GUSTAVSEN, B., SEMLYEN, A., "Rational Approximation of Frequency
Domain Responses by Vector Fitting", IEEE Trans. on Power Delivery, vol.14, Iss.3,
pp.1052-1061, July 1999
[48] GUSTAVSEN, B., "Computer Code for Rational Approximation of
Frequency Dependent Admittance Matrices", IEEE Trans. on Power Delivery, vol.17,
No.4, pp.1093-1098, October 2002
[49] T. M. COVER, P. E. HART, "Nearest Neighbor Pattern Classification",
IEEE Trans. on Information Theory, vol. IT-13, pp.21-27, January 1967.
[50] ALVARO, D. O. C., 2009, Sistema Neural de Monitorao no invasiva de
carga eltrica residencial, Dissertao de M.Sc., COPPE/UFRJ, Rio de Janeiro, Brasil
93
[51] ECLIPSE - http://www.eclipse.org/, acessado em 2011
94

2012 - Identificação Não Invasiva de Cargas Elétricas Residenciais - DissertacaoUFRJ

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

2012 - Identificação Não Invasiva de Cargas Elétricas Residenciais - DissertacaoUFRJ

Enviado por

Direitos autorais:

Formatos disponíveis

IDENTIFICAO NO INVASIVA DE CARGAS ELTRICAS RESIDENCIAIS

Diego Machado do Nascimento

Dissertao de Mestrado apresentada ao

IDENTIFICAO NO INVASIVA DE CARGAS ELTRICAS RESIDENCIAIS

Diego Machado do Nascimento

ENGENHARIA (COPPE) DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO

Prof. Alexandre Pinto Alves da Silva, Ph.D.

Prof. Antonio Carlos Siqueira de Lima, D.Sc.

Prof. Luiz Pereira Calba, Dr.Ing.

Prof. Marcus Theodor Schilling, D.Sc.

RIO DE JANEIRO, RJ - BRASIL

Nascimento, Diego Machado do

Programa de Engenharia Eltrica, 2012.

Agradeo a todos os professores da COPPE/UFRJ , em especial Alexandre

"Grandes descobertas e progressos invariavelmente

Resumo da Dissertao apresentada COPPE/UFRJ como parte dos requisitos

IDENTIFICAO NO INVASIVA DE CARGAS ELTRICAS RESIDENCIAIS

Diego Machado do Nascimento

Orientador: Alexandre Pinto Alves da Silva

Sistemas no invasivos de medio de cargas possuem aplicaes variadas tanto

Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the

NON INVASIVE IDENTIFICATION OF RESIDENTIAL ELECTRICAL LOADS

Diego Machado do Nascimento

Advisor: Alexandre Pinto Alves da Silva

Nonintrusive Appliance Load Monitoring is a modern technique that has several

Descrio do Problema ................................................................................................. 1

Formulaes Matemticas .................................................................................................. 13

Transformada Hilbert .................................................................................................. 13

Transformada Wavelet Contnua ........................................................................ 15

Transformada Wavelet Discreta.......................................................................... 17

Anlise em Multirresoluo ................................................................................ 17

Transformada Wavelet Estacionria ................................................................... 18

Mtodo de Burg .......................................................................................................... 22

Mtodo da Mxima Entropia .............................................................................. 22

Predio Linear Forward e Backward.................................................................. 23

Modelo Autorregressivo ..................................................................................... 25

Modelo Proposto ................................................................................................................ 27

Descrio da Modelagem ............................................................................................ 27

Cargas Consideradas ................................................................................................... 29

Implementao computacional .................................................................................. 55

Mdulo da TH e Angulo da TH ............................................................................ 68

TH-TW e TW-TH ................................................................................................... 68

Fator de Potncia ................................................................................................ 68

Importncia dos nveis da TWE ........................................................................... 69

Mdulo da TH e Angulo da TH ............................................................................ 71

TH-TW e TW-TH ................................................................................................... 72

Fator de Potncia ................................................................................................ 74

Nveis da TWE ...................................................................................................... 75

Estrutura do equipamento de aquisio e manipulao dos dados ........................... 78

Testes - descrio dos casos ........................................................................................ 79

Teste com equipamentos similares mas de marcas diferentes .......................... 80

Teste com medidor e acionamento individual das cargas ................................. 81

Teste com agregado de cargas ............................................................................ 83

Concluso Parcial ........................................................................................................ 76

Discusso dos resultados ............................................................................................ 84

Propostas de trabalhos futuros ................................................................................... 87

Referncias Bibliogrficas ........................................................................................................... 90

1.2 Descrio do Problema

independente de conhecimentos prvios e particulares dos consumidores, mantendo sua

Adicionalmente, este sistema auxilia a empresa na avaliao de equipamentos e/ou

1.3 Reviso da Literatura

Setup Manual - O aparelho necessita um conhecimento a priori sobre

Setup Automtico - O aparelho automaticamente cria uma tabela de