Identificação de Perfis de Consumo Domiciliar de Energia Elétrica a partir de Algoritmos de Agrupamento

  • Eduardo de O. Andrade Universidade Federal do Rio de Janeiro
  • Igor G. B. Sampaio Universidade Federal Fluminense
  • José Viterbo Universidade Federal Fluminense http://orcid.org/0000-0002-0339-6624
  • João M. M. da Silva Universidade Federal Fluminense
  • Clodis Boscarioli Universidade Estadual do Oeste do Paraná

Resumo


A medição de consumo de energia por dispositivos inteligentes vem crescendo rapidamente, e estudos sobre estas medidas são do interesse de governos e empresas ao redor do mundo, uma vez que com a identificação de perfis de usuários dado o consumo de energia, emerge diferentes oportunidades, sejam no âmbito da prestação de serviços ou no de sustentabilidade. Este artigo apresenta uma abordagem de análise de agrupamentos para a identificação de padrões de consumo residencial de energia elétrica a partir de uma base de dados com diversos aparelhos que tiveram seus consumos de energias medidos regularmente. A partir da análise, procurou-se estabelecer perfis de consumo que colaborem para um melhor uso da energia, e foram obtidos resultados que identificaram padrões de consumo em diferentes condições de temperatura e tempo.

Palavras-chave: Base de dados de consumo de energia, perfil de consumo domiciliar, dispositivos inteligentes, agrupamento de dados

Referências

ANICK, Peter G. Integrating natural language processing and information retrieval in a troubleshooting help desk. IEEE expert, v. 8, n. 6, p. 9-17, 1993.

BAEZA-YATES, Ricardo et al. Modern information retrieval. New York: ACM press, 1999.

BIGDELI, Elnaz; BAHMANI, Zeinab. Comparing accuracy of cosine-based similarity and correlation-based similarity algorithms in tourism recommender systems. In: Management of Innovation and Technology, 2008.

ICMIT 2008. 4th IEEE International Conference on. IEEE, 2008. p. 469-474.

DA SILVA, Edson Marchetti; SOUZA, Renato Rocha. Comparing three different techniques to retrieve documents using multiwords expressions. In:10 CONTECSI. 2013.

ESTEVA, Maria; BI, Hai. Inferring intra-organizational collaboration from cosine similarity distributions in text documents. In: Proceedings of the 9th ACM/IEEE-CS joint conference on Digital libraries. ACM, 2009. p. 385- 386.

PASQUALI, Luiz. A Curva Normal. 2006.

SILVEIRA, Sandra Maria; MOURA, Maria Aparecida. Scripts de atendimento em call centers: uma visão de documentos eletrônicos. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, v. 15, n. 29, p. 145-168, 2010.

SOUZA, Renato Rocha. Comparing three different techniques to retrieve documents using multiwords expressions.

WIVES, Leandro K.; LOH, Stanley. Recuperação de informações usando a expansão semântica e a lógica difusa. In: Congreso Internacional En Ingenieria Informatica, ICIE. 1998.

XU, Lixin; CHEN, Guang; YANG, Lei. Incremental clustering in short text streams based on BM25. In: Cloud Computing and Intelligence Systems (CCIS), 2014 IEEE 3rd International Conference on. IEEE, 2014. p. 8-12.
Publicado
17/05/2016
ANDRADE, Eduardo de O.; SAMPAIO, Igor G. B.; VITERBO, José; DA SILVA, João M. M.; BOSCARIOLI, Clodis. Identificação de Perfis de Consumo Domiciliar de Energia Elétrica a partir de Algoritmos de Agrupamento. In: SIMPÓSIO BRASILEIRO DE SISTEMAS DE INFORMAÇÃO (SBSI), 12. , 2016, Florianópolis. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2016 . p. 045-051. DOI: https://doi.org/10.5753/sbsi.2016.5944.