Banca de QUALIFICAÇÃO: LEVI DA COSTA PIMENTEL

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: LEVI DA COSTA PIMENTEL
DATA: 24/11/2022
HORA: 14:00
LOCAL: Videoconferência
TÍTULO: DETECÇÃO E CORREÇÃO DE OUTLIERS EM CURVAS DE DEMANDA DE ENERGIA UTILIZANDO REDES NEURAIS ARTIFICIAIS AUTOENCODERS
PALAVRAS-CHAVES: Redes Elétricas Inteligentes, Medidores Inteligentes, Valores Discrepantes, Detecção e correção de outliers, Inteligência Artificial, Redes Neurais Artificiais, RNA, Autoencoders
PÁGINAS: 72
RESUMO: A implementação de uma Rede Elétrica Inteligente traz consigo o conceito de tráfego de dados e de fluxo de potência por um mesmo meio físico, fato que enfatiza a importância do desenvolvimento de técnicas capazes de manter a integridades desses dados. Um dos principais problemas encontrados em Smart Grids é a ocorrência de outliers, que podem corromper esses dados, deturpando então as informações trazidas por eles, dificultando, então, a tomada de decisão com base nos mesmos, por parte dos controladores do sistema elétrico. Portanto, este trabalho propõe um método, baseado em redes neurais artificiais, para detecção e correção de outliers. Mais especificamente, foi desenvolvido um sistema de detecção baseado em Autoencoders, com auxílio de uma camada softmax, e um sistema de correção baseados em Autoencoders. Os Autoencoders que compõem os sistemas de detecção e correção foram submetidos a diversos testes, onde foram variados parâmetros como número de entradas, número de camadas ocultas, número de neurônios das camadas internas, dentre outros, a fim de selecionar a melhor configuração. Posteriormente, os sistemas foram submetidos a cenários onde variou-se o número e a amplitude dos outliers presentes num banco de dados real, utilizado para os testes desenvolvidos neste trabalho, a fim de verificar a influência da variação destes parâmetros sobre o funcionamento do sistema. 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 obteve erro percentual absoluto médio MAPE de 1,42%, enquanto a raiz do erro médio quadrático se manteve próxima de 0,1001MW, valor que representa cerca de 1% do valor máximo de potência disponível no banco de dados.
MEMBROS DA BANCA:
Externo à Instituição - IVANOVITCH MEDEIROS DANTAS DA SILVA
Presidente - 1972280 - JUAN MOISES MAURICIO VILLANUEVA
Interno - 1972270 - YURI PERCY MOLINA RODRIGUEZ