Publicação

Building appliances energy performance assessment

Detalhes bibliográficos
Resumo:	O consumo de energia tem vindo a crescer na União Europeia todos os anos, sendo de prever que, a curto prazo, se torne insustentável. No sentido de prevenir este cenário, a Comissão Europeia decidiu definir uma Estratégia Energética para a União Europeia, destacando dois objetivos: aumentar a eficiência energética e promover a descarbonização. Atualmente, cerca de 72% dos edifícios existentes na União Europeia não são energeticamente eficientes. Este problema motivou-nos à pesquisa e criação de soluções que permitam uma melhor avaliação do consumo energético por dispositivos elétricos em edifícios residenciais. Neste contexto, o trabalho desenvolvido nesta tese consiste no desenho de uma solução de monitorização remota que recolhe informações de consumo energético recorrendo a técnicas de intrusive load monitoring, onde cada dispositivo elétrico individual é continuamente monitorizado quanto ao seu consumo energético. Esta abordagem permite compreender o consumo de energia, em tempo real e no dia-a-dia. Este conhecimento oferece-nos a capacidade de avaliar as diferenças existentes entre as medições laboratoriais (abordagem utilizada no sistema de rotulagem de equipamentos elétricos de acordo com a sua eficiência energética) e os consumos domésticos estimados. Para tal, nesta tese exploram-se abordagens de machine learning que pretendem descrever padrões de consumo, bem como reconhecer marcas, modelos e que funções os dispositivos elétricos estarão a executar. O principal objetivo deste trabalho é desenhar e implementar um protótipo de uma solução de IoT flexível e de baixo custo para avaliar equipamentos elétricos. Será utilizado um conjunto de sensores que recolherá dados relacionados com o consumo de energia e os entrega à plataforma SATO para serem posteriormente processados. O sistema será usado para monitorar aparelhos comumente encontrados em residências. Além disso, o sistema terá a capacidade de monitorizar o consumo de água de aparelhos que necessitem de abastecimento de água, como máquinas de lavar e de lavar louça. Os dados recolhidos serão usados para classificação dos aparelhos e modos de operação dos mesmos, em tempo real, permitindo fornecer relatórios sobre o consumo energético e modo de uso dos aparelhos, com grande grau de detalhe. Os relatórios podem incluir o uso de energia por vários ciclos de operação. Por exemplo, um aparelho pode executar vários ciclos de operação, como uma máquina de lavar que consume diferentes quantidades de energia elétrica e água consoante o modo de operação escolhido pelo utilizador. Toda a informação recolhida pode ser posteriormente utilizada em novos serviços de recomendação que ajudaram os utilizadores a definir melhor as configurações adequadas a um determinado dispositivo, minimizando o consumo energético e melhorando a sua eficiência. Adicionalmente toda esta informação pode ser utilizada para o diagnóstico de avarias e/ou manutenção preventiva. Em termos de proposta, o trabalho desenvolvido nesta tese tem as seguintes contribuições: Sistema de monitorização remota: o sistema de monitorização desenhado e implementado nesta tese avança o estado da arte dos sistemas de monitorização propostos pela literatura devido ao facto de incluir uma lista aprimorada de sensores que podem fornecer mais informações sobre os aparelhos, como o consumo de água da máquina de lavar. Além disso, é altamente flexível e pode ser implementado sem esforço em dispositivos novos ou antigos para monitorização de consumo de recursos. Conjunto de dados de consumo de energia de eletrodomésticos: Os dados recolhidos podem ser usados para futura investigação científica sobre o consumo de consumo de energia, padrões de uso de energia pelos eletrodomésticos e classificação dos mesmos. Abordagem de computação na borda (Edge Computing): O sistema de monitorização proposto explora o paradigma de computação na borda, onde parte da computação de preparação de dados é executada na borda, libertando recursos da nuvem para cálculos essenciais e que necessitem de mais poder computacional. Classificação precisa de dispositivos em tempo real: Coma proposta desenhada nesta tese, podemos classificar os dispositivos com alta precisão, usando os dados recolhidos pelo sistema de monitorização desenvolvido na tese. A abordagem proposta consegue classificar os dispositivos, que são monitorizados, com baixas taxas de falsos positivos. Para fácil compreensão do trabalho desenvolvido nesta tese, de seguida descreve-se a organização do documento. O Capítulo 1 apresenta o problema do consumo de energia na União Europeia e discute o aumento do consumo da mesma. O capítulo apresenta também os principais objetivos e contribuições do trabalho. No Capítulo 2 revê-se o trabalho relacionado em termos de sistema de monitorização remota, que inclui sensores, microcontroladores, processamento e filtragem de sinal. Por fim, este capítulo revê os trabalhos existentes na literatura relacionados com o problema de classificação de dispositivos usando abordagens de machine learning. No Capítulo 3 discutem-se os requisitos do sistema e o projeto de arquitetura conceitual do sistema. Neste capítulo é proposta uma solução de hardware, bem como, o software e firmware necessários à sua operação. Os algoritmos de machine learning necessários à classificação são também discutidos, em termos de configurações necessárias e adequadas ao problema que queremos resolver nesta tese. O Capítulo 4 representa a implementação de um protótipo que servirá de prova de conceito dos mecanismos discutidos no Capítulo 3. Neste capítulo discute-se também a forma de integração do protótipo na plataforma SATO. Com base na implementação feita, no Capítulo 5 especificam-se um conjunto de testes funcionais que permitem avaliar o desempenho da solução proposta e discutem-se os resultados obtidos a partir desses testes. Por fim, o Capítulo 6 apresenta as conclusões e o trabalho futuro que poderá ser desenvolvido partindo da solução atual.
Autores principais:	Jasiunas, Zygimantas
Assunto:	Avaliação de energia Processamento de sinal Coleta de dados de sinal Identificação de aparelhos Teses de mestrado - 2021
Ano:	2021
País:	Portugal
Tipo de documento:	dissertação de mestrado
Tipo de acesso:	acesso aberto
Instituição associada:	Universidade de Lisboa
Idioma:	inglês
Origem:	Repositório da Universidade de Lisboa

Descrição
Resumo:	O consumo de energia tem vindo a crescer na União Europeia todos os anos, sendo de prever que, a curto prazo, se torne insustentável. No sentido de prevenir este cenário, a Comissão Europeia decidiu definir uma Estratégia Energética para a União Europeia, destacando dois objetivos: aumentar a eficiência energética e promover a descarbonização. Atualmente, cerca de 72% dos edifícios existentes na União Europeia não são energeticamente eficientes. Este problema motivou-nos à pesquisa e criação de soluções que permitam uma melhor avaliação do consumo energético por dispositivos elétricos em edifícios residenciais. Neste contexto, o trabalho desenvolvido nesta tese consiste no desenho de uma solução de monitorização remota que recolhe informações de consumo energético recorrendo a técnicas de intrusive load monitoring, onde cada dispositivo elétrico individual é continuamente monitorizado quanto ao seu consumo energético. Esta abordagem permite compreender o consumo de energia, em tempo real e no dia-a-dia. Este conhecimento oferece-nos a capacidade de avaliar as diferenças existentes entre as medições laboratoriais (abordagem utilizada no sistema de rotulagem de equipamentos elétricos de acordo com a sua eficiência energética) e os consumos domésticos estimados. Para tal, nesta tese exploram-se abordagens de machine learning que pretendem descrever padrões de consumo, bem como reconhecer marcas, modelos e que funções os dispositivos elétricos estarão a executar. O principal objetivo deste trabalho é desenhar e implementar um protótipo de uma solução de IoT flexível e de baixo custo para avaliar equipamentos elétricos. Será utilizado um conjunto de sensores que recolherá dados relacionados com o consumo de energia e os entrega à plataforma SATO para serem posteriormente processados. O sistema será usado para monitorar aparelhos comumente encontrados em residências. Além disso, o sistema terá a capacidade de monitorizar o consumo de água de aparelhos que necessitem de abastecimento de água, como máquinas de lavar e de lavar louça. Os dados recolhidos serão usados para classificação dos aparelhos e modos de operação dos mesmos, em tempo real, permitindo fornecer relatórios sobre o consumo energético e modo de uso dos aparelhos, com grande grau de detalhe. Os relatórios podem incluir o uso de energia por vários ciclos de operação. Por exemplo, um aparelho pode executar vários ciclos de operação, como uma máquina de lavar que consume diferentes quantidades de energia elétrica e água consoante o modo de operação escolhido pelo utilizador. Toda a informação recolhida pode ser posteriormente utilizada em novos serviços de recomendação que ajudaram os utilizadores a definir melhor as configurações adequadas a um determinado dispositivo, minimizando o consumo energético e melhorando a sua eficiência. Adicionalmente toda esta informação pode ser utilizada para o diagnóstico de avarias e/ou manutenção preventiva. Em termos de proposta, o trabalho desenvolvido nesta tese tem as seguintes contribuições: Sistema de monitorização remota: o sistema de monitorização desenhado e implementado nesta tese avança o estado da arte dos sistemas de monitorização propostos pela literatura devido ao facto de incluir uma lista aprimorada de sensores que podem fornecer mais informações sobre os aparelhos, como o consumo de água da máquina de lavar. Além disso, é altamente flexível e pode ser implementado sem esforço em dispositivos novos ou antigos para monitorização de consumo de recursos. Conjunto de dados de consumo de energia de eletrodomésticos: Os dados recolhidos podem ser usados para futura investigação científica sobre o consumo de consumo de energia, padrões de uso de energia pelos eletrodomésticos e classificação dos mesmos. Abordagem de computação na borda (Edge Computing): O sistema de monitorização proposto explora o paradigma de computação na borda, onde parte da computação de preparação de dados é executada na borda, libertando recursos da nuvem para cálculos essenciais e que necessitem de mais poder computacional. Classificação precisa de dispositivos em tempo real: Coma proposta desenhada nesta tese, podemos classificar os dispositivos com alta precisão, usando os dados recolhidos pelo sistema de monitorização desenvolvido na tese. A abordagem proposta consegue classificar os dispositivos, que são monitorizados, com baixas taxas de falsos positivos. Para fácil compreensão do trabalho desenvolvido nesta tese, de seguida descreve-se a organização do documento. O Capítulo 1 apresenta o problema do consumo de energia na União Europeia e discute o aumento do consumo da mesma. O capítulo apresenta também os principais objetivos e contribuições do trabalho. No Capítulo 2 revê-se o trabalho relacionado em termos de sistema de monitorização remota, que inclui sensores, microcontroladores, processamento e filtragem de sinal. Por fim, este capítulo revê os trabalhos existentes na literatura relacionados com o problema de classificação de dispositivos usando abordagens de machine learning. No Capítulo 3 discutem-se os requisitos do sistema e o projeto de arquitetura conceitual do sistema. Neste capítulo é proposta uma solução de hardware, bem como, o software e firmware necessários à sua operação. Os algoritmos de machine learning necessários à classificação são também discutidos, em termos de configurações necessárias e adequadas ao problema que queremos resolver nesta tese. O Capítulo 4 representa a implementação de um protótipo que servirá de prova de conceito dos mecanismos discutidos no Capítulo 3. Neste capítulo discute-se também a forma de integração do protótipo na plataforma SATO. Com base na implementação feita, no Capítulo 5 especificam-se um conjunto de testes funcionais que permitem avaliar o desempenho da solução proposta e discutem-se os resultados obtidos a partir desses testes. Por fim, o Capítulo 6 apresenta as conclusões e o trabalho futuro que poderá ser desenvolvido partindo da solução atual.