Clustering dei profili di consumo di energia elettrica

Allegra, Nicol (2019) Clustering dei profili di consumo di energia elettrica. Bachelor thesis, Scuola Universitaria Professionale della Svizzera Italiana.

[img] Text
DOC_ALLEGRA.pdf

Download (2MB)
[img] Text
Allegra Nicol_POSTER.pdf

Download (194kB)

Abstract

La SUPSI è impegnata in un progetto di ricerca chiamato enCOMPASS. Tale progetto mira a intraprendere un cambiamento comportamentale per quanto concerne il risparmio energetico rendendo noti ai propri utenti i loro consumi. Questi dati sul consumo vengono rilevati attraverso dei contatori intelligenti e sono campionati ogni 15 minuti per un totale di circa 400 utenti. Lo scopo di questo progetto è quello di analizzare e studiare queste moli di dati per capire l'affidabilità e la veridicità di quest'ultimi. Analiticamente si vogliono scoprire quali sono, se ci sono, le principali fonti di consumo. Inoltre si vuole anche realizzare una classificazione per analizzare e identificare l'intervallo di consumo, partendo unicamente dal profilo di un nuovo utente e dai suoi dati riguardanti la domotica. Per soddisfare tutti i compiti e gli obiettivi si è deciso di utilizzare il linguaggio di programmazione Python in quanto esistono già diverse librerie che implementano algoritmi di machine learning mirati al compimento del progetto quali K-means, Support Vector Machine, Random Forest e la regressione lineare. titolo documento Eseguendo un'analisi preliminare dei dati forniti e una loro scrematura, eliminando alcuni valori errati e/o inconsistenti, si raggiungono in modo ottimale gli obiettivi prefissati: • Conseguiamo le features che aggravano maggiormente sul consumo dell'energia elettrica, anche se i risultati non sono esattamente quelli che ci si aspettava a livello teorico e alcuni non sono molto soddisfacenti. • I classificatori, dandogli in input dei dataframe significativi, lavorano egregiamente riuscendo a identificare la classe di appartenenza di un nuovo utente.

Item Type: Thesis (Bachelor)
Corso: UNSPECIFIED
Supervisors: Rizzoli, Emilio Andrea
Subjects: Informatica
Divisions: Dipartimento tecnologie innovative > Ingegneria informatica
URI: http://tesi.supsi.ch/id/eprint/3086

Actions (login required)

View Item View Item