Análise das assinaturas elétricas para segregação de cargas com redes neurais visando o consumo individualizado de energia

Abstract

Este trabalho propõe o desenvolvimento de uma Rede Neural Artificial (RNA) capaz de reconhecer e segregar o consumo energético utilizando as assinaturas elétricas dos harmônicos de corrente. O objetivo principal é impulsionar a implementação prática de uma gestão de energia eficiente e inteligente em ambientes diversos, como residenciais, comerciais e industriais. A metodologia envolveu a modelagem detalhada da RNA em Python, com foco na análise precisa de dados como tensão, corrente, Distorção Harmônica Total (THD) e componentes harmônicas individuais, bem como os ângulos de fase dos equipamentos utilizados nos experimentos. Um aspecto crucial foi a implementação de uma superposição calculada dos harmônicos de corrente, comparada com medições reais em equipamentos funcionando em paralelo, visando uma melhor viabilidade do uso da técnica proposta ao eliminar a necessidade de medir todas as combinações possíveis de equipamentos em operação simultânea. O projeto finalizou com a modelagem de um algoritmo capaz de simular medições em tempo real, identificando as cargas e calculando o consumo acumulado de energia em kWh. Este estudo representa um avanço significativo na otimização do consumo de energia, contribuindo para avanços em soluções de eficiência energética inteligente.