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.

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

2. Como modelar cargas elétricas de
forma não intrusiva de maneira
eficiente?

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)

6. Conjuntos Nebulosos

7. Conjuntos Nebulosos
Fuzzificação: Conjuntos nebuloso associados à variável horário do dia.
GraudePertinência

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.

12. Simulações
Situação A

13. Simulações
Situação B

14. Simulações
Situação C

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.