1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Estatística e Experimentação Agropecuária - Doutorado (Teses)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/5084
Registro completo de metadados
Campo DCValorIdioma
dc.creatorPrado, Jair Rocha do-
dc.date.accessioned2015-02-19T13:53:48Z-
dc.date.available2015-02-19T13:53:48Z-
dc.date.issued2015-
dc.date.submitted2014-12-11-
dc.identifier.citationPRADO, J. R. do. Métodos estatísticos no monitoramento da potência elétrica. 2015. 159 p. Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2015.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/5084-
dc.descriptionTese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutor.pt_BR
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectAnálise de componentes independentespt_BR
dc.subjectAnálise de agrupamentopt_BR
dc.subjectÍndices de Moran e Gearypt_BR
dc.subjectPotência ativapt_BR
dc.subjectEnergia elétricapt_BR
dc.subjectGrouping analysispt_BR
dc.subjectMoran and Geary indexespt_BR
dc.subjectActive potencypt_BR
dc.subjectElectric energypt_BR
dc.titleMétodos estatísticos no monitoramento da potência elétricapt_BR
dc.typetesept_BR
dc.contributor.advisor-coSilva, Joaquim Paulo da-
dc.publisher.programDEX - Departamento de Ciências Exataspt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.contributor.advisor1Sáfadi, Thelma-
dc.contributor.referee1Guimarães, Ednaldo Carvalho-
dc.contributor.referee1Scalon, João Domingos-
dc.contributor.referee1Lima, Renato Ribeiro de-
dc.description.resumoO monitoramento de energia elétrica é uma tarefa muito importante nos diversos setores da sociedade, sejam empresas, universidades, indústrias, etc. Geralmente as análises feitas em variáveis energéticas subutilizam ou até mesmo negligenciam métodos estatísticos para solução de problemas. Neste trabalho o objetivo é mostrar que a estatística pode ser mais utilizada em pesquisas na área de eletricidade, e que esta pode contribuir de forma eficaz nesse ramo. Para esse estudo serão utilizados dados de energia elétrica da Universidade Federal de Lavras (UFLA). A partir de uma análise inicial dos dados, teve-se a ideia de usar uma nova abordagem estatística, que considera um conjunto de métodos. As metodologias estatísticas utilizadas foram: análise de componentes independentes (ICA), análise de agrupamento (AA) e índices de Moran e Geary. No contexto de inovação dos métodos estatísticos, o objetivo é considerar os índices de Moran e Geary para escolher o ponto de corte em dendrogramas, ou seja, encontrar o agrupamento de melhor qualidade. A ideia foi basicamente fazer comparações: primeiro, comparar alguns departamentos/setores e os dias da semana da UFLA, considerando a variável potência ativa, segundo, confrontar os meses do ano, a partir das variáveis demanda de potência faturada em horários de ponta e fora de ponta. Realizaram-se comparações considerando tanto os dados originais quanto algumas partições. Foram realizadas também comparações considerando os componentes independentes (CI’s), obtidos das séries de potência, tanto para os departamentos/setores, quanto para os dias da semana. Os agrupamentos obtidos para o departamentos/setores amostrados em 2010 mostraram que geralmente o Centro de Informática (CIN) e o Restaurante Universitário (RU) são dissimilares aos demais. Para os dias da semana, os agrupamentos encontrados levaram a conclusões esperadas, com o sábado e domingo ficando em grupos separados dos demais dias. Para o horário de ponta dos anos de 2010 a 2013 o agrupamento de melhor qualidade encontrado para os meses, pelo índice de Moran, foi jan; nov, dez; fev, jul e mar, abr, mai, jun, ago, set, out. No horário fora de ponta, para o mesmo período, os grupos de meses de melhor qualidade, encontrados pelo índice de Geary, foram: set; abr; jul; out; dez; mai, ago; jan, jun e fev, mar, nov. Por meio dos CI’s observou-se, por exemplo, que a segunda e a sexta-feiras são atípicos considerando os dias úteis. Pode-se concluir que os métodos ICA, AA e índices de Moran e Geary, podem em conjunto ser uma maneira eficiente de monitorar energia elétrica em uma universidade ou numa empresa qualquer.pt_BR
dc.description.resumoThe monitoring of electric energy is a very important task in many sectors of society, be them companies, universities, industries, etc. Generally the analyses performed on energy variables underuse or even neglect statistical methods for solving issues. In this work, the objective is to show that statistics can be more used in researches on the area of electricity, and that this may effectively contribute in this field. For this study, we will use electric energy data from the Universidade Federal de Lavras (UFLA). With an initial data analysis, we had the idea of using a new statistical approach, considering a set of methods. The statistical methodologies used were: independent component analysis (ICA), grouping analysis (GA) and Moran and Geary indexes. In the context of innovation of statistical methods, the objective is considering the Moran and Geary indexes, which are measured originating in spatial statistics, to choose the cutting point in dendrograms, that is, find the best quality grouping. The idea was basically to compare: first, compare a few departments/sectors and the days of the week of UFLA, considering the active potency variable, second, confront the months of the year, from the variables of demanded invoiced potency in peak hours and outside peak hours. Comparisons were performed considering both the original data and some partitions. We also performed comparisons considering the independent components (ICs), obtained from the potency series, for both department/sectors and days of the week. The groupings obtained for the departments/sectors sampled in 2010 showed that, generally, the Informatics Center (INC) and the University Restaurant (UR) are dissimilar to the others. For the days of the week, the groupings found led us to expected conclusions, with Saturday and Sunday remaining in separate groups from the remaining days. For peak hours the years 2010-2013 the best quality grouping found for the months, by the Moran index, was (Jan), (Nov, Dec), (Feb, Jul) and (Mar, Apr, May, Jun, Aug, Sep, Oct). In the outside the peak, for the same period, the groups of best quality months, found by the Geary index, were: (Set) (Apr), (Jul), (Oct) (Dec), (May, Aug), (Jan, Jun) and (Feb, Mar, Nov). By means of the ICs, we observed that, for example, Monday and Friday are atypical considering busyness days. We can conclude that the ICA, GA and Moran and Geary indexes might, together, be an efficient way of monitoring electric energy in a university or in any given enterprise.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Estatística e Experimentação Agropecuária - Doutorado (Teses)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TESE_Métodos estatísticos no monitoramento da potência elétrica.pdf869,19 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.