Reconhecimento de padrões de uso de equipamentos hidráulicos domiciliares

Abstract

Modelar o consumo residencial de água é um passo importante para o conhecimento sobre o comportamento dos usuários e, posteriormente, para a proposição de metas realistas que levem ao consumo consciente. As informações disponibilizadas pelos medidores inteligentes facultaram a possibilidade de detecção do equipamento acionado, através de medidas das vazões em intervalos de tempos da ordem de segundos. Dessa forma, o objetivo deste projeto é desenvolver uma ferramenta de identificação de uso de equipamentos, composta do algoritmo de classificação e do algoritmo de identificação e separação de usos simultâneos. No quesito classificação, o algoritmo baseou-se no conceito do k-nearest neighbor, avaliando a medida de (dis)similaridade que melhor se adequava aos dados, dentre as DTW, EDR, ERP e LCSS. Os indicadores de qualidade adotados foram a sensibilidade – que indica o percentual dos dados originais classificados corretamente – e a precisão – que avalia o classificador ao apresentar o percentual dos dados assinalados corretamente. Ambos foram calculados tanto em relação a quantidade de eventos quanto ao volume consumido. A medida ERP foi eleita em detrimento das outras pelos valores alcançados pelos indicadores e pela menor produção de resultados com empates. Em termos de sensibilidade com relação ao volume, a bacia sanitária, chuveiro e torneira interna obtiveram respectivamente médias de 71,1%, 67,3% e 78,2%, sendo que para mais da metade das residências conseguiu-se alcançar mais de 70% de detecção entre esses equipamentos. Para torneira externa esse indicador obteve valores abaixo do esperado com média de 26,6%, por conta principalmente de ser confundido com a torneira interna. Em termos de precisão com relação ao número de eventos, o classificador conseguiu para a bacia sanitária, chuveiro, torneira externa e torneira interna médias de respectivamente 72,2%, 51,1%, 59,0%, 88,4%; em algumas casas a capacidade de detecção para a torneira externa chegou a mais de 90%. O algoritmo de identificação e separação de usos simultâneos foi capaz de diferenciar usos particulares de usos simultâneos, além realizar separações, obtendo uma média 83% de acerto entre todas as residências. A integração desses algoritmos foi testada em uma das casas e obteve-se ao final 78% dos perfis em correspondência correta. Esses resultados indicaram que a ferramenta proposta mostrou potencial de ser utilizada, tanto por conta dos resultados obtidos quanto pelo fato de não haver intervenção do pesquisador ao longo do processo.

Modeling residential water consumption is an important step towards knowledge about users behavior and, later, for the proposition of realistic goals that lead to the conscious consumption. The information provided by the smart meters enabled the detection of the equipment triggered, through flow measurements in short time intervals. Thus, the objective of this project is to develop an algorithm to identify the use of devices, with both pattern classification, as well as identification and separation of simultaneous uses. The classifier was built based on k-nearest neighbor concept, including the evaluation of the similarity measure that best suited the data among DTW, EDR, ERP and LCSS. The measures adopted were sensitivity - which indicates the percentage of the total events correctly classified - and precision - which indicates the percentage of the data correctly assigned by the classifier. They were calculated based on number of events and volume consumed. The ERP measure was chosen as the one that reached the best performance measures values and that produced the smaller percentage of tie results. The sensitivity average, in terms of volume, for the toilet, shower and internal tap were 71.1%, 67.3% and 78.2% respectively, and for more than half of the residences, it was possible to achieve more than 70% detection between these devices. For external tap the performance measure value was below-expected with an average of 26.6%, mainly due to confusion with the internal tap. In terms of accuracy with regard to the number of events, the classifier achieved for the toilet, shower, external tap and internal tap average of respectively 72.2%, 51.1%, 59.0% and 88.4%; in some homes, the detection capacity for the external tap reached more than 90%. The algorithm of identification and separation of simultaneous uses was able to differentiate particular uses from simultaneous uses and realize separations, obtaining an average 83% of correct outcomes among all the residences. The integration of these sections was tested in one of the houses and 78% of the water flows were correctly matched. These results indicated that the proposed tool showed potential to be used, both because of the interesting results obtained and the fact that there was no intervention of the researcher throughout the process.