![Page 1: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/1.jpg)
MODELAGEM DE CARGAS UTILIZANDO SISTEMAS BASEADOS EM REGRAS
NEBULOSAS PARA A MEDIÇÃO INTELIGENTE DE ENERGIA
Faculdade de Análise de Sistemas – CEATEC – Grupo de Pesquisa Eficiência Energética
Aluna: Suzana Viana Mota e-mail: [email protected] (PIBIC/CNPq)Orientador: Prof. Alexandre de Assis Mota e-mail: amota@puc-
campinas.edu.br
![Page 2: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/2.jpg)
Como modelar cargas elétricas de forma não intrusiva de maneira
eficiente?
![Page 3: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/3.jpg)
Objetivo Este trabalho propõe o desenvolvimento de modelos para as cargas elétricas presentes em consumidores residenciais, implementando um sistema especialista baseado em regras que seja capaz de prever o comportamento elétrico dessas cargas.
Para tanto foi desenvolvido um pacote computacional, na linguagem de programação Java, visando modelar a carga agregada e auxiliar a comunidade científica em estudos relacionados à otimização e eficiência energética.
![Page 4: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/4.jpg)
Metodologia Revisão Bibliográfica Implementação dos conjuntos nebulosos Implementação de regras nebulosas Implementação da base de regras Implementação do módulo de fuzzificação e deffuzificação Integração dos módulos Testes de validação
![Page 5: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/5.jpg)
Lógica Fuzzy Suporta modos de raciocínio que são aproximados ao invés de exatos.
Representação que se aproxima do raciocínio humano.
“Tal forma de estruturação do raciocínio é capaz de tomar decisões racionais mesmo estando em um ambiente de incertezas e imprecisões, onde os dados desta natureza e até mesmo os conflitantes são tratados”.(Lee,1990)
![Page 6: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/6.jpg)
Conjuntos Nebulosos
![Page 7: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/7.jpg)
Conjuntos Nebulosos
Fuzzificação: Conjuntos nebuloso associados à variável horário do dia.
Gra
u d
e P
erti
nên
cia
![Page 8: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/8.jpg)
Sistema Especialista “Consiste em uma técnica de Inteligência Artificial, implementada através de um programa computacional, que pode ser aplicada na resolução de problemas de diferentes áreas do conhecimento”. (BARR; FEIGENBAUM, 1981).
Tais problemas podem ser solucionados por especialistas humanos que, a partir de seu conhecimento, são capazes de fornecer regras relacionadas à maneira pela qual analisariam os problemas.
Utilizam informações associadas ao problema manipulando-as não mais através de modelos numéricos mas a partir de métodos de raciocínio, objetivando a determinação de soluções adequadas e satisfatórias para o problema em questão.
![Page 9: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/9.jpg)
Sistema EspecialistaCom relação à sua arquitetura, um Sistema Especialista é constituído por: Base de Regras: consiste em um conjunto de declarações, ou seja, regras e fatos, totalmente específicos do problema tratado.
Motor de Inferência: responsável pela busca das regras da Base de Conhecimento para serem avaliadas, sendo independente do problema em análise.
![Page 10: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/10.jpg)
Sistema Especialista: Base de RegrasSE (ANTECEDENTE) ENTÃO (CONSEQUENTE)
A hora do dia é MADRUGADA A iluminação está DESLIGADA
A hora do dia é MANHÃ A iluminação está DESLIGADA
A hora do dia é TARDE A iluminação está DESLIGADA
A hora do dia é NOITE A iluminação está LIGADA
A janela está FECHADA e a hora do dia é MANHÃ
A iluminação está LIGADA
A cortina está ABERTA e a hora do dia é MANHÃ
A iluminação está DESLIGADA
Base deRegras
![Page 11: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/11.jpg)
Deffuzificação Conversão de um valor fuzzy para uma valor quantificável. Após a aplicação da base de regras, as variáveis de saída são defuzzificadas, obtendo-se, então, um número natural (crisp) que pode ser determinado pela equação abaixo:
Saída = Σmi/Nonde:mi – valor de pertinência obtido nas regras N – número de regras que apresentou pertinência.
![Page 12: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/12.jpg)
Simulações
Situação A
![Page 13: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/13.jpg)
Simulações
Situação B
![Page 14: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/14.jpg)
Simulações
Situação C
![Page 15: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/15.jpg)
Conclusão A partir dos testes realizados, é possível perceber que a modelagem dos sistemas de iluminação através de conhecimento especialista e lógica fuzzy é viável, pois considerando situações reais, o sistema se comportou de tal forma, que foi possível prever o comportamento da carga.
![Page 16: Modelagem de cargas utilizando sistemas baseados em regras](https://reader034.vdocuments.site/reader034/viewer/2022051315/55b2e4b7bb61eb6c1a8b4568/html5/thumbnails/16.jpg)
Referências LEE, C.C, "Fuzzy logic in control systems: fuzzy logic controllers - part I and II", IEEE Transactions on Systems, Man and Cybernetics, vol 20, pp.404-435,1990. BARR, A.; FEIGENBAUM, E. The Handbook of Artificial Intelligence. Los Altos, California: William Kaufmann Inc., 1981. Mota, Lia Toledo Moreira. Métodos de previsão do comportamento da carga na recomposição de sistemas de energia elétrica. Tese (Doutorado) Unicamp – Universidade Estadual de Campinas, Campinas, 2005. Lucas Righetti, Suzana Mota, Alexandre Mota, Lia Mota, Claudia Pezzuto. Modelagem de cargas utilizando sistemas baseados em regras para estudos de eficiência energética. In.: Anais do DINCON 2011 - X Conferência Brasileira de Dinâmica, Controle e Aplicações, Águas de Lindóia, SP, 2011.