Análise e Previsão de Anomalias de Consumo

Detalhes bibliográficos
Autor(a) principal: Pascu, Oana Raluca
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/36447
Resumo: Trabalho de projeto de mestrado, Matemática Aplicada à Economia e Gestão, Universidade de Lisboa, Faculdade de Ciências, 2018
id RCAP_18296e5f2207a4f87338c72d1ec02ab7
oai_identifier_str oai:repositorio.ul.pt:10451/36447
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Análise e Previsão de Anomalias de ConsumoAnálise de clustersWardk-meansIntervalos de confiançaConsumo de energia elétricaTrabalhos de projecto de mestrado - 2018Departamento de Estatística e Investigação OperacionalTrabalho de projeto de mestrado, Matemática Aplicada à Economia e Gestão, Universidade de Lisboa, Faculdade de Ciências, 2018Atualmente a energia elétrica é considerada um bem com uma fundamental aplicação no quotidiano, pois é utilizado para variados fins e sem a eletricidade o ser humano sente-se condicionado. A dependência dos consumidores face à energia elétrica leva a que esta tenha de ser alvo de estudos cada vez mais aprofundados, para que a utilização deste bem não seja ultrapassada pelos avanços tecnológicos da era em que vivemos e, portanto, os consumidores cada vez melhor informados e mais exigentes, não vejam a utilização da energia elétrica como algo limitado. No presente projeto é efetuada uma contextualização ao tema da energia elétrica, com principal foco no consumo de eletricidade por parte de clientes cujas instalações possuem determinadas características. É também abordado o tema da qualidade dos dados em estudo, para que se consiga determinar quando esses dados são considerados anómalos ou, por outras palavras, não tipificados. Este estudo é feito com base na análise de clusters, utilizando dados de consumo históricos, em que as instalações são agregadas em grupos homogéneos. Aplicam-se dois métodos, o de Ward e o de k-means, para se observar a distribuição dos objetos pelos vários grupos. O intuito da análise de clusters é criar grupos com consumos padrão, bem como grupos com consumos considerados suspeitos, para uma imediata comparação entre si. Para complementar a análise de clusters são criados intervalos de 95% de confiança para o valor médio dos consumos padrão, com vista a observar se os grupos suspeitos apresentam consumos considerados estatisticamente tipificados, ou seja, até que ponto as instalações com consumo suspeito podem afinal enquadrar-se nos grupos de referência. Por fim, para compreender qual dos métodos utilizados na análise de clusters é mais eficiente e robusto em termos da identificação de objetos com consumo efetivamente anómalo, é efetuada a comparação entre os resultados obtidos por ambos e outras fontes de informação acerca dos dados.Nowadays the electric energy is fundamental to daily life as it is the basis for many usages in such a way that a power shortage causes tremendous impact. As the consumers become more active players in the energy market, more well informed and more demanding, it is of utmost importance to deeply study this market behavior, so that electric energy services keep up to date with technological advances in all human areas. This project presents a brief background to the electric energy theme, focusing on electric usage by costumers with some specific characteristics, with the aim of studying and understanding when abnormal data are present, in other words, identifying non-typified data. Using historical consumption data, the proposed method to identify abnormal data starts by dividing the observations into homogeneous groups with the help of two different methods: Ward and k-means. This allows to observe the similarity between the variables classified in the same groups as well as the differences among these groups. The goal of the cluster analysis is precisely to group similar consumption locations, targeting reference (standard) patterns, as well as grouping objects with non-typified consumption for an immediate comparison. After dividing the observations into groups, 95% confidence intervals for the means of the standard consumption are built to supplement the cluster analysis and to confirm the non-typified consumption objects grouped before. Finally, both methods, Ward and k-means, are compared looking at the grouping of objects with non-typified consumption in an attempt to conclude which method is better.Alpoim, Teresa, 1958-Felício, Pedro Alexandre SilvaRepositório da Universidade de LisboaPascu, Oana Raluca2019-01-16T15:28:02Z201820182018-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/36447TID:202190641porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:33:12Zoai:repositorio.ul.pt:10451/36447Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:50:47.244244Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Análise e Previsão de Anomalias de Consumo
title Análise e Previsão de Anomalias de Consumo
spellingShingle Análise e Previsão de Anomalias de Consumo
Pascu, Oana Raluca
Análise de clusters
Ward
k-means
Intervalos de confiança
Consumo de energia elétrica
Trabalhos de projecto de mestrado - 2018
Departamento de Estatística e Investigação Operacional
title_short Análise e Previsão de Anomalias de Consumo
title_full Análise e Previsão de Anomalias de Consumo
title_fullStr Análise e Previsão de Anomalias de Consumo
title_full_unstemmed Análise e Previsão de Anomalias de Consumo
title_sort Análise e Previsão de Anomalias de Consumo
author Pascu, Oana Raluca
author_facet Pascu, Oana Raluca
author_role author
dc.contributor.none.fl_str_mv Alpoim, Teresa, 1958-
Felício, Pedro Alexandre Silva
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Pascu, Oana Raluca
dc.subject.por.fl_str_mv Análise de clusters
Ward
k-means
Intervalos de confiança
Consumo de energia elétrica
Trabalhos de projecto de mestrado - 2018
Departamento de Estatística e Investigação Operacional
topic Análise de clusters
Ward
k-means
Intervalos de confiança
Consumo de energia elétrica
Trabalhos de projecto de mestrado - 2018
Departamento de Estatística e Investigação Operacional
description Trabalho de projeto de mestrado, Matemática Aplicada à Economia e Gestão, Universidade de Lisboa, Faculdade de Ciências, 2018
publishDate 2018
dc.date.none.fl_str_mv 2018
2018
2018-01-01T00:00:00Z
2019-01-16T15:28:02Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/36447
TID:202190641
url http://hdl.handle.net/10451/36447
identifier_str_mv TID:202190641
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134442687561728

Registros relacionados