Segmentação de perfis de consumo de energia elétrica e gás

Bibliographic Details
Main Author: Sousa, Nuno André Sobral de
Publication Date: 2022
Format: Master thesis
Language: por
Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Download full: http://hdl.handle.net/10400.21/16703
Summary: No sector de energia elétrica é fundamental efetuar uma gestão eficiente e integrada da procura, de modo a melhorar a planificação de despacho da energia elétrica, identificar tendências de consumo de energia, falhas de despacho e consumos anormais. Atualmente com o avanço da tecnologia, é possível obter dados de consumidores de energia elétrica existentes para estudo, de uma maneira mais rápida e fidedigna através de contadores inteligentes (smart meters). O objetivo desta dissertação é identificar padrões de consumo residencial de energia elétrica e gás em diversas cidades dos EUA utilizando o clustering, também designado por análise de agrupamento, análise classificatória ou análise de clusters. O clustering foi aplicado a dados de consumo residencial de energia elétrica e gás de 936 cidades dos EUA, utilizando o algoritmo k-medoids. Este algoritmo consiste na determinação de um elemento central para cada grupo distinto de consumidores, o medoide, em que a cada medoide é atribuído o(s) elemento(s) (consumidor(es)) mais próximos, consumidores com perfil aproximados. A proximidade dos consumidores é determinada pela média da combinação de quatro tipos de medidas de proximidade: distância euclidiana, distância baseada no coeficiente de correlação de Pearson, distância euclidiana entre funções de autocorrelação (ACF) e distância euclidiana entre periodogramas. O número de grupos de perfis de consumo residencial distintos indicado é determinado através do critério do índice Silhouette. Os resultados obtidos da aplicação desta técnica, demonstraram que esta foi eficaz na tipificação dos consumos residenciais das cidades analisadas dos EUA. De um modo geral, o agrupamento definiu dois grupos distintos: um grupo que abrangia cidades dos estados do norte e centro, e outro grupo em que pertenciam cidades dos estados do sul dos EUA.
id RCAP_a3f2b0511df143fa6977c826990cbc76
oai_identifier_str oai:repositorio.ipl.pt:10400.21/16703
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling Segmentação de perfis de consumo de energia elétrica e gásSéries temporaisClusteringConsumo de energia elétrica e gásk-medoidsTime seriesClusteringElectricity and gas consuptionk-medoidsNo sector de energia elétrica é fundamental efetuar uma gestão eficiente e integrada da procura, de modo a melhorar a planificação de despacho da energia elétrica, identificar tendências de consumo de energia, falhas de despacho e consumos anormais. Atualmente com o avanço da tecnologia, é possível obter dados de consumidores de energia elétrica existentes para estudo, de uma maneira mais rápida e fidedigna através de contadores inteligentes (smart meters). O objetivo desta dissertação é identificar padrões de consumo residencial de energia elétrica e gás em diversas cidades dos EUA utilizando o clustering, também designado por análise de agrupamento, análise classificatória ou análise de clusters. O clustering foi aplicado a dados de consumo residencial de energia elétrica e gás de 936 cidades dos EUA, utilizando o algoritmo k-medoids. Este algoritmo consiste na determinação de um elemento central para cada grupo distinto de consumidores, o medoide, em que a cada medoide é atribuído o(s) elemento(s) (consumidor(es)) mais próximos, consumidores com perfil aproximados. A proximidade dos consumidores é determinada pela média da combinação de quatro tipos de medidas de proximidade: distância euclidiana, distância baseada no coeficiente de correlação de Pearson, distância euclidiana entre funções de autocorrelação (ACF) e distância euclidiana entre periodogramas. O número de grupos de perfis de consumo residencial distintos indicado é determinado através do critério do índice Silhouette. Os resultados obtidos da aplicação desta técnica, demonstraram que esta foi eficaz na tipificação dos consumos residenciais das cidades analisadas dos EUA. De um modo geral, o agrupamento definiu dois grupos distintos: um grupo que abrangia cidades dos estados do norte e centro, e outro grupo em que pertenciam cidades dos estados do sul dos EUA.In the electricity sector, it is essential to carry out an efficient and integrated management of demand, to improve the planning of electricity dispatch, identify trends in energy consumption, dispatch failures and abnormal consumption. Nowadays with the advancement of technology, it is possible to obtain data from existing electricity consumers for study, in a faster and more reliable way through smart meters. The objective of this dissertation is to identify patterns of residential electricity and gas consumption in several US cities using clustering, also known as cluster analysis. Clustering was applied to electricity and gas consumers data from 936 US cities, using the k-medoids clustering algorithm. This algorithm consists of determining a central element for each distinct group of consumers, the medoid, and for each medoid is assigned the closest element(s) (consumer(s)), consumers with similar consumption profile. Consumer proximity is determined by the average of the combination of four types of proximity measures: Euclidean distance, distance based on Pearson's correlation coefficient, Euclidean distance between autocorrelation functions (ACF) and Euclidean distance between periodograms. The number of groups of consumption profiles is obtained using the Silhouette index criteria. The results obtained from the application of this technique showed that it was effective in typifying the residential consumption in the analyzed US cities. In general, the typification of different residential consumption patterns defined two distinct groups: a group that included cities in the northern and central states, and another group in which cities in the southern states of the USA belonged.Lagarto, João Hermínio NinitasMartins, Ana Alexandra Antunes FigueiredoRCIPLSousa, Nuno André Sobral de2023-12-14T12:17:39Z20222022-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.21/16703urn:tid:203371666porinfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2025-02-12T08:04:06Zoai:repositorio.ipl.pt:10400.21/16703Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T19:53:13.003192Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv Segmentação de perfis de consumo de energia elétrica e gás
title Segmentação de perfis de consumo de energia elétrica e gás
spellingShingle Segmentação de perfis de consumo de energia elétrica e gás
Sousa, Nuno André Sobral de
Séries temporais
Clustering
Consumo de energia elétrica e gás
k-medoids
Time series
Clustering
Electricity and gas consuption
k-medoids
title_short Segmentação de perfis de consumo de energia elétrica e gás
title_full Segmentação de perfis de consumo de energia elétrica e gás
title_fullStr Segmentação de perfis de consumo de energia elétrica e gás
title_full_unstemmed Segmentação de perfis de consumo de energia elétrica e gás
title_sort Segmentação de perfis de consumo de energia elétrica e gás
author Sousa, Nuno André Sobral de
author_facet Sousa, Nuno André Sobral de
author_role author
dc.contributor.none.fl_str_mv Lagarto, João Hermínio Ninitas
Martins, Ana Alexandra Antunes Figueiredo
RCIPL
dc.contributor.author.fl_str_mv Sousa, Nuno André Sobral de
dc.subject.por.fl_str_mv Séries temporais
Clustering
Consumo de energia elétrica e gás
k-medoids
Time series
Clustering
Electricity and gas consuption
k-medoids
topic Séries temporais
Clustering
Consumo de energia elétrica e gás
k-medoids
Time series
Clustering
Electricity and gas consuption
k-medoids
description No sector de energia elétrica é fundamental efetuar uma gestão eficiente e integrada da procura, de modo a melhorar a planificação de despacho da energia elétrica, identificar tendências de consumo de energia, falhas de despacho e consumos anormais. Atualmente com o avanço da tecnologia, é possível obter dados de consumidores de energia elétrica existentes para estudo, de uma maneira mais rápida e fidedigna através de contadores inteligentes (smart meters). O objetivo desta dissertação é identificar padrões de consumo residencial de energia elétrica e gás em diversas cidades dos EUA utilizando o clustering, também designado por análise de agrupamento, análise classificatória ou análise de clusters. O clustering foi aplicado a dados de consumo residencial de energia elétrica e gás de 936 cidades dos EUA, utilizando o algoritmo k-medoids. Este algoritmo consiste na determinação de um elemento central para cada grupo distinto de consumidores, o medoide, em que a cada medoide é atribuído o(s) elemento(s) (consumidor(es)) mais próximos, consumidores com perfil aproximados. A proximidade dos consumidores é determinada pela média da combinação de quatro tipos de medidas de proximidade: distância euclidiana, distância baseada no coeficiente de correlação de Pearson, distância euclidiana entre funções de autocorrelação (ACF) e distância euclidiana entre periodogramas. O número de grupos de perfis de consumo residencial distintos indicado é determinado através do critério do índice Silhouette. Os resultados obtidos da aplicação desta técnica, demonstraram que esta foi eficaz na tipificação dos consumos residenciais das cidades analisadas dos EUA. De um modo geral, o agrupamento definiu dois grupos distintos: um grupo que abrangia cidades dos estados do norte e centro, e outro grupo em que pertenciam cidades dos estados do sul dos EUA.
publishDate 2022
dc.date.none.fl_str_mv 2022
2022-01-01T00:00:00Z
2023-12-14T12:17:39Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.21/16703
urn:tid:203371666
url http://hdl.handle.net/10400.21/16703
identifier_str_mv urn:tid:203371666
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833598378711187456