Processamento de outliers nos dados do sistema elétrico

Autores

Pedro Henrique Meira de Andrade, Mestre
Universidade Federal da Paraíba
https://orcid.org/0000-0002-7729-9085
Juan Moises Mauricio Villanueva, Doutor
Universidade Federal da Paraíba
https://orcid.org/0000-0002-8760-9390
Helon David de Macêdo Braz, Doutor
Universidade Federal da Paraíba
https://orcid.org/0000-0001-8806-9800

Palavras-chave:

Detecção de Outliers, Inteligência Artificial, Curvas de Demanda

Sinopse

Quando criança um dos meus sonhos era ser cientista, antes de ser astronauta e depois de ser policial. A vida passou e optei por Engenharia Elétrica, porém descobri-me cientista quando fui obrigado a utilizar o método científico para testar hipóteses e teorias sobre um problema do cotidiano. Realizei, portanto, um sonho de criança enquanto fazia a pesquisa do mestrado. Mais tarde, me tornei Perito Criminal de Engenharia Elétrica, tornando mais um sonho real ao entrar para área da Segurança Pública que lida com a ciência e a técnica. E no momento, estou aguardando algum convite da NASA para realizar o último dos meus sonhos infantis.

Esse livro, portanto, é mais um fruto de um sonho e de uma pesquisa bem-sucedida que teve ainda 2 artigos em periódicos, um deles sendo o principal da área de sistemas elétricos de potência, além de 6 artigos em congressos nacionais e internacionais.

A pesquisa durante o mestrado me levou a entrar no mundo da vanguarda da engenharia e da tecnologia, entrei no mundo onde as descobertas acabaram de acontecer.

Com o desenvolvimento cada vez maior de dispositivos capazes de conexão à internet, o conceito de Internet of Things (IoT) ganha força na comunidade científica. E, portanto, surgem incontáveis aplicações práticas para problemas cotidianos. Outra área que ganhou bastante relevância foi a Inteligência Artificial (IA) que também passa a fazer parte do dia-a-dia das pessoas de forma muitas imperceptível.

Os dispositivos conectados (IoT) e dotados de inteligência artificial (IA) necessitam e geram um grande volume de dados para treinamento dos modelos e, depois, como resultados das aplicações. Então, entramos em um novo conceito que permeará a tecnologia daqui para frente: Big Data. Estamos imersos em uma quantidade colossal de dados gerados que não temos como tratá-los em sua integralidade. A geração dos dados está nas redes sociais, nos veículos, nas compras pela internet, nas transações bancárias, e, claro, nos sistemas de potência. Entretanto, a mera geração de dados brutos não representa significativo avanço. Os dados brutos, se não utilizados, podem ser até incovenientes, diante de problemas de armazenamento ou da própria coleta. A grande questão é o tratamento dos dados para que deles possam ser retiradas as informações. A informação, sim, é valiosa e traz o verdadeiro conhecimento acerca do problema. Os dados são o petróleo do século XXI e a informação é o combustível.

Esse livro, portanto, está alocado em três grandes áreas da comunidade científica e voltadas para uma aplicação essencial para a sociedade: energia elétrica. Tentaremos ressaltar as tendências que guiam a implementação das Redes Elétricas Inteligentes, mas o foco principal será no tratamento dos dados das subestações elétricas. Serão expostos os algoritmos desenvolvidos na pesquisa para o processamento de valores atípicos a partir de dados de subestações reais.

Caro(a) leitor(a), na minha humilde opinião, o sistema elétrico de potência é uma das maiores realizações da humanidade. Uma hidrelétrica a milhares de quilômetros gera energia para escrita desde livro no computador e para sua leitura em outro equipamento digital que cedo ou tarde precisará ser ligado a rede para recarga. A agregação de inteligência artificial a esse sistema possui repercussões que só podemos imaginar. E, sem querer ser muito pretensioso, quero fazê-lo(a) vislumbrar esse enorme potencial.

 

destaques
  • Contextualização do Sistema Elétrico de Potência e Infraestrutura Avançada de Medição.
  • Algoritmo de previsão do valor futuro que será medido para possível correção de
  • Técnica de Correção Fuzzy: construção do algoritmo a partir dos incrementos diferenciais, definição dos conjuntos fuzzy e construção das regras do sistema de inferência a partir dos conhecimentos dos perfis de carga.
  • Técnica de Correção RNA: aplicação de redes neurais artificiais para estimação de valor futuro baseada nas amostras anteriores com janela reduzida.
  • Diagnóstico do sistema de medição: determinação do estado de operação dos medidores da subestação, baseados no cálculo do fator de ocorrência que é representado pelo número de amostras errôneas no tempo.
  • Injeção aleatória de outliers para teste: algoritmo para gerar um número aleatório em índices aleatórios de outliers nas amostras originais para poder corrigi-las e avaliar as técnicas desenvolvidas.

Downloads

Não há dados estatísticos.

Downloads

Publicado

December 9, 2020

Detalhes sobre essa publicação

ISBN-13 (15)

978-65-5942-008-7