Detecção e correção de outliers em curvas de demanda de energia utilizando redes neurais artificiais autoencoders

• Autor(a) principal: Pimentel, Levi da Costa
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPB
• Texto Completo: https://repositorio.ufpb.br/jspui/handle/123456789/27059
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA; Inteligência artificial; Medidores inteligentes; Redes Neurais Artificiais (RNA); Redes elétricas inteligentes; Detecção e correção de outliers; Autoencoders; Artificial intelligence; Smart meters; Artificial Neural Networks (ANN); Smart grids; Outlier detection and correction

Um dos principais problemas encontrados em Smart Grids é a ocorrência de outliers, que podem corromper dados, modificando então as informações trazidas por eles, dificultando a tomada de decisão com base nestas informações por parte dos operadores do sistema elétrico. Portanto, este trabalho propõe uma metodologia integrada de detecção e correção de outliers, baseada em redes neurais artificiais. Mais especificamente, foi desenvolvido um sistema de detecção baseado em Autoencoders, com auxílio de uma camada softmax, e um sistema de correção baseado em Autoencoders. A metodologia proposta foi submetida a diversos cenários, utilizando dados de uma subestação real, onde avalia-se a influência da variação do número de outliers presentes no banco de dados, assim como da variação da amplitude destes, sobre o funcionamento dos algoritmos. Nos testes conduzidos, a técnica de detecção chegou a alcançar Acurácia e F-score superiores a 99,7% e 97,4%, respectivamente. A técnica de correção chegou a obter erro percentual absoluto médio MAPE de 1,42%, enquanto a raiz do erro médio quadrático se manteve, na maioria dos cenários avaliados, inferior a 0,15 MW, valor que representa cerca de 1,7% do valor máximo de potência disponível no banco de dados.