Proposal for a Methodology Based on Electricity Consumption to Analyze Social Isolation During a COVID-19 Pandemic: Case Study

Authors

Keywords:

COVID-19, social insolation, energy demand, Artificial Neural Network

Abstract

The first occurrences of Covid-19, the disease caused by the coronavirus SRA-CoV-2, emerged in the Wuhan region (China), the disease expanded rapidly around the world. Based on this, World Health Organization characterized the situation of COVID-19 as a pandemic. The solution adopted by the health authorities was to apply social isolation. Based on these measures, one of the challenges is the correct dimensioning and quantification of observance to these measures. This article presents a proposal for a new methodology for evaluating and monitoring the social isolation index of the population based on electricity consumption. This model that can be used to qualitatively determine social isolation, determined if the supervised city has a high, medium or low degree of social isolation. A trained Artificial Neural Network was used to determine the degree of isolation practiced by the citizens of a town. The results validate and demonstrate the efficiency of the proposed methodology.

Author Biographies

Mauricio de Campos, Universidade Regional do Noroeste do Estado do Rio Grande do Sul (UNIJUI)

possui graduação em Engenharia Elétrica pela Universidade Regional do Noroeste do Estado do Rio Grande do Sul (1997), mestrado em Engenharia Elétrica pela Universidade Federal de Santa Maria (2000) e é doutor em Engenharia Elétrica pela Universidade Federal de Campina Grande (2017). Atualmente é professor adjunto da Universidade Regional do Noroeste do Estado do Rio Grande do Sul. Tem experiência na área de Engenharia Elétrica, com ênfase em Automação Eletrônica de Processos Elétricos e Industriais, atuando principalmente nos seguintes temas: qualidade de energia, instrumentação, sistemas supervisórios, redes elétricas inteligentes e educação em engenharia.

Airam Sausen, Universidade Regional do Noroeste do Estado do Rio Grande do Sul (UNIJUI)

concluiu seu Doutorado no Programa de Pós-Graduação em Engenharia Elétrica da Universidade Federal de Campina Grande (UFCG), em 2009. Possui Mestrado em Modelagem Matemática (2004) e Graduação em Licenciatura em Matemática (2002) ambos na Universidade Regional do Noroeste do Estado do Rio Grande do Sul (UNIJUÍ). Tem experiência nas áreas de Matemática Aplicada, Modelagem Matemática e Simulação, mais especificamente no estudo, aplicação e desenvolvimento de modelos matemáticos para predição do tempo de vida de baterias utilizadas em dispositivos móveis.

 

Manuel Binelo, Universidade Regional do Noroeste do Estado do Rio Grande do Sul (UNIJUI)

possui graduação em Ciência da Computação pela Universidade de Cruz Alta (2004) e mestrado em Modelagem Matemática pela Universidade Regional do Noroeste do Estado do Rio Grande do Sul (2007) e doutorado em Engenharia de Teleinformática pela Universidade Federal do Ceará. É professor no curso do Programa de Pós-Graduação em Modelagem Matemática na UNIJUÍ - RS. Atua na área de Modelagem Matemática Aplicada à Engenharia de Biossistemas.

 

Moises dos Santos, Universidade Regional do Noroeste do Estado do Rio Grande do Sul (UNIJUI)

possui graduação em Engenharia Elétrica pela Universidade Regional do Noroeste do Estado do Rio Grande do Sul (2005), Mestre em Engenharia Elétrica pela Universidade Federal de Santa Catarina (2008) e Doutor em Engenharia Elétrica pela Universidade Federal de Santa Maria, com doutorado sanduíche pela Universidade do Porto, Portugal (2017). Atualmente é professor adjunto da Universidade Regional do Noroeste do Estado do Rio Grande do Sul. Atua nas áreas de planejamento, análise e operação de sistemas de energia elétrica com aplicação de métodos de otimização vinculados ao conceito de Smart Grids.

Downloads

Published

2020-09-26

Issue

Vol. 100 No. 1e (2020): Early Access

Section

Special Issue on Fighting against COVID-19
Bookmark and Share