Dissertação

Machine Learning algorithms to forecast the use of electrical appliances in the residential sector EVALUATED

O objectivo desta tese é de construir um modelo que consiga prever com precisão a utilização dos electrodomésticos em residências a partir do consumo global de electricidade utilizando algoritmos de aprendizagem de máquina. Foram utilizados vários conjuntos de dados, que continham registos de actividade de vários electrodomésticos, de várias casas diferentes, como base pela qual um algoritmo poderia aprender os padrões de comportamento dos ditos electrodomésticos, e criar simulações de actividade para um período de 24 horas. Decidiu-se que os modelos seriam treinados com base numa distribuição gaussiana. Os modelos do primeiro conjunto de dados foram os piores, já que tinham acesso á menor quantidade de dados. Alguns modelos não foram capazes de modelar adequadamente o comportamento esperado tais como as cortinas ou o exaustor, e alguns apresentaram erros acima de 100%, como o forno. Nos restantes conjuntos de dados, nos quais os nossos modelos tinham acesso a um quantidade imensamente maior de dados, obtivémos resultados melhores, com alguns modelos mostrando níveis de erro desprezíveis na sua modelagem precisa do comportamento de electrodomésticos, tais como a casa de banho do terceiro conjunto de dados. Chegou-se à conclusão que a maioria dos modelos foram adequadamente treinados, e suficientemente precisos para provar a seu valor, mas que algumas melhorias poderiam ser feitas de modo a explorar completamente o vasto potencial por trás deste algoritmo.
Conjuntos de Dados, Modelos Ocultos de Markov, Perfil Temporal, Actividade de Electrodomésticos, Padrões de Comportamento

Junho 19, 2019, 13:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Carlos Manuel Dos Santos Rodrigues da Cruz

Departamento de Física (DF)

Professor Auxiliar

ORIENTADOR

Carlos Augusto Santos Silva

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar