Publication
Deep Learning Applications in non-intrusive load monitoring
| datacite.subject.fos | Engenharia e Tecnologia::Outras Engenharias e Tecnologias | pt_PT |
| dc.contributor.advisor | Ruano, A. E. | |
| dc.contributor.author | Gaimes, Yousra | |
| dc.date.accessioned | 2023-01-09T11:08:21Z | |
| dc.date.available | 2023-01-09T11:08:21Z | |
| dc.date.issued | 2022-02-17 | |
| dc.description.abstract | Within the frame of the project Non-Intrusive Load Monitoring for Intelligent Home Energy Management Systems, this work will present a deep learning application in non-intrusive load monitoring on a case study in a residential home in in Gambelas, Faro in the Algarve region south of Portugal. This work has for a goal to detect type 2 appliances in different houses. For the sake of this study, two models will be trained: - Convolutional Neural Network - Long Short-term Memory Recurrent Neural Network on three datasets: - UKDale - REDD - Data from the Portuguese private residential house from the project NILM for IHEMS. | pt_PT |
| dc.description.abstract | No âmbito do projeto Monitorização de Carga Não Intrusiva para Sistemas Inteligentes de Gestão de Energia Doméstica, este trabalho apresentará uma aplicação de aprendizagem profunda na monitorização de carga não intrusiva num estudo de caso numa casa residencial em Gambelas, Faro na região sul do Algarve de Portugal. Este trabalho tem por objetivo detectar eletrodomésticos tipo 2 em diferentes residências. Para fins deste estudo, dois modelos serão treinados: - Rede Neural Convolucional - Rede Neural Recorrente de Memória Longa de Curto Prazo em três conjuntos de dados: - UKDale - REDD - Dados da habitação privada portuguesa do projecto NILM para IHEMS. | pt_PT |
| dc.identifier.tid | 203012046 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.1/18761 | |
| dc.language.iso | eng | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | pt_PT |
| dc.subject | NILM | pt_PT |
| dc.subject | CNN | pt_PT |
| dc.subject | LSTM | pt_PT |
| dc.subject | UKDale | pt_PT |
| dc.subject | REDD | pt_PT |
| dc.subject | NILM for IHEMS | pt_PT |
| dc.title | Deep Learning Applications in non-intrusive load monitoring | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.grantor | Universidade do Algarve. Faculdade de Ciências e Tecnologia | |
| thesis.degree.level | Mestre | |
| thesis.degree.name | Mestrado em Engenharia Informática | pt_PT |