Programa de Pós-Graduação em Modelagem Matemática - Doutorado

URI Permanente para esta coleçãohttps://bibliodigital.unijui.edu.br/handle/123456789/6160

Navegar

Navegando Programa de Pós-Graduação em Modelagem Matemática - Doutorado por Assunto "Big Data Analytics"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Aplicação de técnicas de imputação de dados no ambiente das smart grids
    (2025-02-19) Schreiber, Jonas Fernando
    O mundo está cada dia mais conectado, qualquer ação é passível de registro, e o setor elétrico pode ser caracterizado como um dos serviços que tem agregado sistematicamente novas tecnologias nos últimos anos. As chamadas Smart Grids, ou Redes Elétricas Inteligentes, caracterizam-se pela adoção de tecnologias de monitoramento e comunicação em praticamente todo o sistema. Com a implementação dessas novas tecnologias, observa-se um aumento significativo na quantidade de dados gerados, também conhecido como Big Data, o que torna sua análise mais complexa. Nas Smart Grids trafegam dados importantes que são usados como base para o planejamento, monitoramento e operações de manobras pelas concessionárias de energia, tendo, como um dos principais desafios, a criação de métodos e estratégias para tratar esse grande volume de dados, por meio do Big Data Analytics, com o objetivo de transformá-los em conhecimento útil. No entanto, a utilização de dados em larga escala gera lacunas e falhas de continuidade, afetando sua qualidade. Neste contexto, este trabalho inova ao aplicar, pela primeira vez no segmento das Smart Grids, quatro técnicas de imputação de dados amplamente referenciadas na literatura, mas ainda não exploradas nesse campo. As técnicas incluem Imputação pela Mediana e Last Observation Carried Forward como métodos estatísticos, e K-Nearest Neighbor e Makima como métodos baseados em aprendizado de máquina. O principal objetivo é testar a viabilidade dessas técnicas no tratamento de dados ausentes em sistemas de monitoramento de subestações elétricas. O diferencial deste trabalho também está na utilização de bases de dados reais, provenientes de uma concessionária de energia elétrica do sul do Brasil. As técnicas de imputação foram aplicadas em cenários de teste com dados removidos de forma controlada, e a eficácia foi verificada por meio da análise dos erros comparando as bases resultantes com a original. A partir dos resultados, é possível concluir que a técnica Makima foi a que obteve melhor performance na aplicação ao ambiente das Smart Grids, especialmente no tratamento de dados ausentes em uma base de dados de subestações de energia elétrica. Este trabalho abre novas possibilidades para o uso de imputação de dados neste segmento, abordando uma lacuna existente na literatura e na prática.