Please use this identifier to cite or link to this item: https://repositorio.ufpb.br/jspui/handle/123456789/13475
metadata.dc.type: Dissertação
Title: Metodologia para a detecção e correção de outliers em curvas de potência de subestações utilizando técnicas de inteligência artificial
metadata.dc.creator: Andrade, Pedro Henrique Meira de
metadata.dc.contributor.advisor1: Villanueva , Juan Moises Maurício
metadata.dc.contributor.advisor-co1: Braz, Helon David de Macêdo
metadata.dc.description.resumo: Um dos principais problemas dos dados adquiridos pelas concessionárias de energia é a presença de outliers que afetam a qualidade das medições em todo o sistema elétrico prejudicando as análises do cenário de distribuição. Este trabalho propõe um novo módulo capaz de detectar e corrigir outliers nos dados medidos, complementando as medições feitas pelas distribuidoras. Foram desenvolvidas uma técnica de detecção e três técnicas de correção de outliers, baseadas em lógica fuzzy, redes neurais artificiais e ARIMA. A primeira técnica, com abordagem fuzzy, utiliza um sistema de inferência baseado nas variações das últimas 3 medições para determinar a variação futura. No segundo algoritmo desenvolvido, usando RNA, os outliers foram preenchidos usando um modelo de previsão alimentado por 10 amostras anteriores. A última técnica de correção foi baseada no modelo autorregressivo do tipo ARIMA e utiliza 96 medições anteriores. Para demonstrar a aplicabilidade dos métodos desenvolvidos, foi feito um estudo de caso sobre uma subestação real de uma cidade do interior da Paraíba. As três técnicas de correção dos outliers apresentaram erro relativo médio menor que 5% para todos os cenários de teste.
Abstract: One of the main problems of the data acquired by the power utilities is the presence of outliers that affect the database of the measurements throughout the electrical system, damaging the analyzes of the distribution scenario. This work proposes a new module to complement the measurements made by the distributors. A detection technique and three outliers correction techniques were developed, based on fuzzy logic, artificial neural networks and ARIMA. The first technique, with a fuzzy approach, develops an inference system based on the variations of the previous 3 measurements to determine the future variation. In the second algorithm developed using RNA, the outliers were corrected using a prediction model using 10 previous samples. The last correction technique was based on the autoregressive model of the ARIMA type with 96 previous measurements. In order to demonstrate the applicability of the developed methods, a case study was carried out on a real substation in a city in the interior of Paraíba. The three techniques of correction of the outliers presented average relative error less than 5% for all the test scenarios.
Keywords: Detecção e correção de outliers
Curvas de potência
Inteligência artificial
Medidores inteligentes
Outlier correction and detection
Load curves
Artificial intelligence
Smart meters
Geração e controle de eletricidade
Medição elétrica
Outliers - detecção e correção
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal da Paraíba
metadata.dc.publisher.initials: UFPB
metadata.dc.publisher.department: Engenharia Elétrica
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
Attribution-NoDerivs 3.0 Brazil
metadata.dc.rights.uri: http://creativecommons.org/licenses/by-nd/3.0/br/
URI: https://repositorio.ufpb.br/jspui/handle/123456789/13475
Issue Date: 30-May-2018
Appears in Collections:Centro de Energias Alternativas e Renováveis (CEAR) - Programa de Pós-Graduação em Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
Arquivototal.pdfArquivo total4 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons