Detecção de outliers em curvas de demanda de energia baseado no algoritmo TEDA recursivo

• Ano de defesa: 2023
• Autor(a) principal: Guerra Filho, Ricardo Wagner Correia
• Orientador(a): Villanueva, Juan Moises Maurício
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal da Paraíba
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• Departamento: Engenharia Elétrica
• País: Brasil
• Palavras-chave em Português: Engenharia elétrica; Outliers; Curva de demanda; Autoencoders; Algoritmo TEDA; Demand curve; TEDA; Deep learning
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufpb.br/jspui/handle/123456789/30134

A detecção de outliers é um problema importante que foi pesquisado em diversas áreas e domínios de aplicação. Muitas técnicas de detecção de outliers foram desenvolvidas especificamente para determinados domínios de aplicação, enquanto outras são mais genéricas. Os outliers podem ser de diferentes tipos, neste trabalho serão abordados os outliers do tipo pontuais (globais) e contextuais. O presente trabalho visa detectar essas falhas ocorridas durante a medição ou comunicação, e corrigir estas falhas afim de dar mais confiabilidade ao conjunto. O estudo foi realizado tendo como ferramentas alguns algoritmos de clusterização para etiquetar os outliers(clusterização), algoritmo de classificação KNN para a detecção dos outliers(classificação), algoritmos de aprendizado profundo do tipo Autoencoders e algoritmos evolutivos baseado em excentricidade, TEDA. Para a correção de outliers é utilizada a interpolação linear. São apresentadas ainda comparações de resultados entre técnicas como Z-Score, Z-Score Modificado, K-Means, CMeans, Autoencoders, Sparsed Autoencoders, TEDA e TEDA Diff, sendo estas comparações avaliadas de acordo com métricas utilizadas pela literatura. Com a finalidade de verificar o desempenho da técnica proposta foram usados dados de potência ativa de uma subestação de energia do estado da Paraíba. Este trabalho forneceu uma melhor compreensão das diferentes direções em que a pesquisa foi realizada sobre o tópico de detecção de outliers e como as técnicas desenvolvidas em uma área (a exemplo do TEDA) podem ser aplicadas nos domínios para os quais não se destinavam originalmente, onde para diferentes cenários de outliers em uma curva de demanda elétrica se conseguiu um coeficiente de correlação de matthew’s sempre superior a 0.70, acima da média quando comparado com as outras técnicas testadas.