Este documento propõe o desenvolvimento de modelos para prever o comportamento de cargas elétricas residenciais usando lógica fuzzy e um sistema especialista baseado em regras. O sistema foi implementado em Java e testado em diferentes situações para validar sua capacidade de modelar cargas elétricas de forma não intrusiva.
Modelagem de cargas utilizando sistemas baseados em regras
1. 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: suzana.svm@gmail.com (PIBIC/CNPq)
Orientador: Prof. Alexandre de Assis Mota e-mail: amota@puc-
campinas.edu.br
3. 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.
4. 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
5. 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)
8. 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.
9. Sistema Especialista
Com 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.
10. Sistema Especialista: Base de Regras
SE (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 de
Regras
11. 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/N
onde:
mi – valor de pertinência obtido nas regras
N – número de regras que apresentou pertinência.
15. 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.
16. 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.