Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica

MELO, Diemisom Carlos Romano de

Dissertação

Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica

The electric load prediction is a task that requires accurate models, as should properly influence the decision making in hydroelectric plants and power stations. These computer models are implemented from a data set that must faithfully represent the behavior of the variables. However, these data s...

ver descrição completa

Autor principal:	MELO, Diemisom Carlos Romano de
Grau:	Dissertação
Idioma:	por
Publicado em:	Universidade Federal do Pará 2017
Assuntos:	Redes neurais auto-associativas Algoritmos genéticos Análise de séries temporais Detecção de outliers Correção de outliers Outliers detection Outliers correction Auto-associative neural networks Genetic algorithm Time series analysis CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Acesso em linha:	http://repositorio.ufpa.br/jspui/handle/2011/7675

id	ir-2011-7675
recordtype	dspace
spelling	ir-2011-76752021-11-18T14:26:45Z Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica MELO, Diemisom Carlos Romano de CASTRO, Adriana Rosa Garcez http://lattes.cnpq.br/5273686389382860 Redes neurais auto-associativas Algoritmos genéticos Análise de séries temporais Detecção de outliers Correção de outliers Outliers detection Outliers correction Auto-associative neural networks Genetic algorithm Time series analysis CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA The electric load prediction is a task that requires accurate models, as should properly influence the decision making in hydroelectric plants and power stations. These computer models are implemented from a data set that must faithfully represent the behavior of the variables. However, these data sets are quite common the presence of outliers, which arise due to sensor reading errors, errors in the actual processing system / storage of data or faults in the distribution system or power station. This paper proposes a new methodology based on Computational Intelligence for detection and treatment of outliers in time series of electric power load. An auto associative artificial neural network is used for outlier detection. Subsequently, it is reused together with a genetic algorithm to correct detected outliers. This approach was applied to a time series of electrical power load in the State of Pará. The computational experiments were performed using the MATLAB tool and the results demonstrate the efficiency of the proposal, which identified and corrected all virtual outliers introduced during the evaluation phase of the methodology. CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico A previsão de consumo de energia elétrica é uma tarefa que requer modelos computacionais bastante acurados para que possam influenciar corretamente na tomada de decisão em usinas hidrelétricas e distribuidoras de energia. Estes modelos computacionais são implementados a partir de um conjunto de dados que deve representar fielmente o comportamento das variáveis. Porém, nesses conjuntos de dados é bastante comum a presença de outliers, que surgem devido a erros de leitura de sensores, erros no próprio sistema de processamento/armazenamento dos dados ou falhas no sistema de distribuição. Este trabalho propõe então uma nova metodologia baseada em Inteligência Computacional para detecção e correção de outliers em séries temporais de consumo de energia elétrica. Uma rede neural artificial auto-associativa é utilizada para detecção de outliers. Posteriormente, esta rede neural, em conjunto com um algoritmo genético, é utilizada para a correção dos outliers detectados. Esta abordagem foi aplicada a uma série temporal de consumo de Energia Elétrica no Estado do Pará. Os resultados obtidos demonstram a eficiência da metodologia proposta, que identificou e corrigiu todos os outliers virtuais introduzidos durante a fase de avaliação da metodologia. 2017-02-14T14:55:40Z 2017-02-14T14:55:40Z 2015-09-04 Dissertação MELO, Diemisom Carlos Romano de. Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica. Orientadora: Adriana Rosa Garcez Castro. 2015. 59 f. Dissertação (Mestrado em Engenharia Elétrica.) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2015. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/7675. Acesso em:. http://repositorio.ufpa.br/jspui/handle/2011/7675 por Acesso Aberto application/pdf Universidade Federal do Pará Brasil Instituto de Tecnologia UFPA Programa de Pós-Graduação em Engenharia Elétrica
institution	Repositório Institucional - Universidade Federal do Pará
collection	RI-UFPA
language	por
topic	Redes neurais auto-associativas Algoritmos genéticos Análise de séries temporais Detecção de outliers Correção de outliers Outliers detection Outliers correction Auto-associative neural networks Genetic algorithm Time series analysis CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
spellingShingle	Redes neurais auto-associativas Algoritmos genéticos Análise de séries temporais Detecção de outliers Correção de outliers Outliers detection Outliers correction Auto-associative neural networks Genetic algorithm Time series analysis CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA MELO, Diemisom Carlos Romano de Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica
topic_facet	Redes neurais auto-associativas Algoritmos genéticos Análise de séries temporais Detecção de outliers Correção de outliers Outliers detection Outliers correction Auto-associative neural networks Genetic algorithm Time series analysis CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
description	The electric load prediction is a task that requires accurate models, as should properly influence the decision making in hydroelectric plants and power stations. These computer models are implemented from a data set that must faithfully represent the behavior of the variables. However, these data sets are quite common the presence of outliers, which arise due to sensor reading errors, errors in the actual processing system / storage of data or faults in the distribution system or power station. This paper proposes a new methodology based on Computational Intelligence for detection and treatment of outliers in time series of electric power load. An auto associative artificial neural network is used for outlier detection. Subsequently, it is reused together with a genetic algorithm to correct detected outliers. This approach was applied to a time series of electrical power load in the State of Pará. The computational experiments were performed using the MATLAB tool and the results demonstrate the efficiency of the proposal, which identified and corrected all virtual outliers introduced during the evaluation phase of the methodology.
author_additional	CASTRO, Adriana Rosa Garcez
author_additionalStr	CASTRO, Adriana Rosa Garcez
format	Dissertação
author	MELO, Diemisom Carlos Romano de
title	Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica
title_short	Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica
title_full	Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica
title_fullStr	Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica
title_full_unstemmed	Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica
title_sort	inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica
publisher	Universidade Federal do Pará
publishDate	2017
url	http://repositorio.ufpa.br/jspui/handle/2011/7675
_version_	1832603787876892672
score	11.755432

Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica

Registros relacionados