Motivado pelo cenário atual de desperdício de energia devido à falta de controle no consumo na sociedade, este trabalho propõe um sistema para monitoramento do consumo de eletrodomésticos em casas inteligentes, usando um medidor não invasivo, de baixo custo e fácil instalação. O medidor proposto utiliza o sensor de corrente SCT-013-030, conectado a uma placa Arduíno capaz de enviar os dados de consumo via serial. Os testes com o medidor focaram na possibilidade de desagregar o consumo de cada eletrodoméstico, classificando-os através da análise do consumo agregado da casa. Os resultados mostraram que, considerando eletrodomésticos comuns e de alta potência como um refrigerador, um ar-condicionado e um micro-ondas, foi possível extrair padrões dos dados de consumo de cada aparelho, tornando possível a classificação desses eletrodomésticos. O medidor construído pode servir de base para trabalhos futuros que se proponham ao desenvolvimento de sistemas não invasivos de monitoramento de cargas que utilizem técnicas de inteligência computacional para classificação dos eletrodomésticos a partir de seus padrões de consumo.
Driven by the current energy waste scenario due to the lack of energy consumption control in our society, this paper proposes an application for consumption monitoring system for smart homes, using a noninvasive, low-cost, and easy to install energy meter. The proposed meter uses the SCT-013-030 current sensor, connected to an Arduino board capable of sending the consumption data through serial communication. The system assessment is focused on the possibility to infer the appliances uses based on the entire house consumption, classifying them based on the aggregated consumption analysis. The results show, considering conventional high-power devices, such as a refrigerator, an air-conditioner, and a microwave, it is possible to extract patterns on the consumption data for each appliance, allowing the classification of these devices. This system may be used in future researches for the development of non-invasive load monitoring systems based on computational intelligence techniques to classify appliances based on their consumption pattern.
