Rotulação de cargas residenciais por meio de campo angular gramiano e gráficos de recorrência: uma análise comparativa usando o conjunto de dados UK-DALE

Resumo

Nos últimos anos, a demanda por energia elétrica vem aumentando rapidamente e, junto dela, a necessidade de usá-la de forma eficiente. Nesse sentido, a identificação de cargas residenciais possibilita tal uso por parte dos consumidores e, além disso, é crucial para programas de resposta à demanda. Sendo assim, o desenvolvimento de algoritmos de rotulação é de grande interesse à comunidade científica e ao setor produtivo. Devido à variedade de cargas elétricas/eletrônicas nas residências e de seus comportamentos dinâmicos, a busca por padrões que melhor expliquem e permitam a correta rotulação das janelas temporais torna-se uma tarefa desafiadora, visto que uma janela poderá conter mais de uma carga. Assim, a presente pesquisa propõe a transformação das séries temporais em imagens bidimensionais, mais especificamente usando Campo Angular Gramiano e Gráficos de Recorrência. As imagens resultantes desse processo poderão efetivamente ser rotuladas por meio de técnicas consideradas avançadas no âmbito de aprendizado de máquina, como é o caso das Redes Neurais Convolucionais. Para tanto, serão considerados os dados da UK-DALE (United Kingdom - Domestic Appliance - Level Electricity) por se tratar de uma base pública. Os resultados permitirão definir a eficácia dos algoritmos de transformação das séries temporais em imagens bidimensionais, além de demonstrar ainda a robustez e capacidade de generalização da técnica de aprendizado profundo.(AU)