Logo do repositório
  • Português do Brasil
  • English
  • Español
  • Français
  • Entrar
    Novo usuário? Clique aqui para cadastrar. Esqueceu sua senha?
Logo do repositório
  • Tudo na BDM
  • Documentos
  • Contato
  • Português do Brasil
  • English
  • Español
  • Français
  • Entrar
    Novo usuário? Clique aqui para cadastrar. Esqueceu sua senha?
  1. Início
  2. Pesquisar por Assunto

Navegando por Assunto "Energia elétrica - Distribuição"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
  • Carregando...
    Imagem de Miniatura
    Trabalho de Curso - Graduação - MonografiaAcesso aberto (Open Access)
    Metodologia de apoio à aplicação de técnicas de mineração de dados na detecção de perdas comerciais de energia elétrica com sistema embarcado
    (2019-12-13) SOUSA, Kacia Karina Rosa de; BERNARDES, Bernard Carvalho; http://lattes.cnpq.br/7562545099461171; https://orcid.org/0000-0001-8180-9407
    As perdas não técnicas na distribuição de energia elétrica causam grandes prejuízos financeiros, tanto para as concessionárias de energia quanto para seus clientes, além de afetar diretamente na qualidade da energia que chega aos consumidores regulares. Por causa da grandeza do mercado de energia elétrica há uma maior complexidade de se combater as perdas, tornando a resolução dessa problemática de total importância. Isto posto, este trabalho apresenta o desenvolvimento de um sistema embarcado com o microprocessador ESP32 capaz de enviar a cada um minuto para um banco de dados informações de potência ativa, reativa e fator de potência dos consumidores de energia elétrica. Através do padrão de consumo levantado dos consumidores, um banco de dados de curvas de carga residenciais foi formado, construído exatamente para a aplicação da descoberta de conhecimento em bancos de dados (KDD), como forma de aperfeiçoar o processo de identificação de fraudes e furtos na rede de distribuição de energia elétrica. Para isto, foi realizada a coleta de dez curvas de carga diárias residenciais, divididas em três conjuntos de dados de acordo com seu padrão social, e utilizado o módulo scikit-learn da linguagem de programação Python para a mineração dos dados. Para classificar o consumidor em regular ou irregular foi aplicado uma tarefa de classificação supervisionada com algoritmos de árvore de decisão, para cada conjunto de dados. Três modelos de classificadores foram gerados os quais obtiveram taxas de acuracidade de 86, 90 e 86%, respectivamente.
Logo do RepositórioLogo do Repositório
Nossas Redes:

DSpace software copyright © 2002-2025 LYRASIS

  • Configurações de Cookies
  • Política de Privacidade
  • Termos de Uso
  • Enviar uma Sugestão
Brasão UFPA