Identificação Automática de Dispositivos Elétricos em Ambientes Domésticos
DOI:
https://doi.org/10.5335/rbca.v17i2.16305Palavras-chave:
Aprendizado de máquina, Classificação, Assinatura de carga, Internet das CoisasResumo
A Internet das Coisas (IoT) é fundamental para a automação, monitoramento e controle em ambientes modernos. No entanto, o gerenciamento eficaz de inúmeros dispositivos elétricos nesses cenários apresenta desafios significativos. Uma lacuna na compreensão do estado operacional e do consumo de energia desses dispositivos pode levar ao desperdício de energia e encurtar sua vida útil. Este artigo foca na identificação automática de dispositivos elétricos em ambientes IoT, utilizando características extraídas do domínio da frequência dos sinais de corrente elétrica. Coletamos medições de consumo de energia de eletrodomésticos e as aplicamos a algoritmos de aprendizado de máquina. Nossos resultados destacam a eficácia do classificador k-Nearest Neighbors, que alcançou um impressionante F1-score de 99% na identificação de dispositivos.
Downloads
Downloads
Publicado
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
