Resumo: Este trabalho apresenta um método de monitoramento não intrusivo (Non-Intrusive Load Monitoring - NILM) baseado em programação linear inteira mista (Mixed-Integer Linear Programming - MILP). NILM são métodos para desagregar leituras de medidores de energia em informações a respeito dos aparelhos eletrodomésticos em operação. Tais informações, como consumo e estado de operação, são valiosas para promover a eficiência energética e manutenção preventiva. A técnica NILM proposta neste trabalho expande o modelo clássico fundamentado em otimização combinatória (Combinatorial Optimization - CO). A nova formulação lida com o problema de ambiguidade de cargas similares, presente no modelo clássico. Restrições lineares são utilizadas para representar eficientemente as assinaturas de carga. Além disso, uma estratégia baseada em janelas temporais é proposta para melhorar o desempenho computacional. A desagregação de cargas pode ser feita utilizando apenas medidas de potência ativa em uma baixa taxa de amostragem, disponível em medidores inteligentes comerciais. A técnica também permite a utilização de outros tipos de medidas, se disponíveis, como a potência reativa. O desempenho do algoritmo é validado utilizando dois casos de teste a partir da base de dados pública AMPds. A taxa de amostragem do caso de teste é de uma amostra por minuto. Os resultados demonstram a habilidade do método proposto para identificar e desagregar com precisão as assinaturas de energia individuais de forma computacionalmente eficiente Ver menos

Abstract: This work presents a non-intrusive load monitoring (NILM) method based on mixed-integer linear programming (MILP). NILM are methods for disaggregating measurements from energy meters into information regarding operating appliances. Such information, such as the power consumption and operating state, are valuable for promoting energy savings and predictive maintenance. The proposed technique expands the classical model based on combinatorial optimization (CO). The new formulation handles the problem of ambiguity of similar loads, present in the classical model. Linear constraints are used to efficiently represent load signatures. Additionally, a window-based strategy is proposed to enhance the computational performance of the proposed NILM algorithm. The disaggregation can be made using only active power measurements at a low sampling rate, which is already available in commercial smart meters. Other features can be added to the model, if available, such as the reactive power. The performance of the algorithm is evaluated using two test cases from the public dataset AMPds. The sampling rate from the test case is of one sample per minute. Results demonstrate the ability of the proposed method to accurately identify and disaggregate individual energy signatures in a computationally efficient way Ver menos