Inteligência Computacional aplicada à Detecção e Correção de Outliers em Séries Temporais - Estudo de caso em Consumo de Energia Elétrica
detecção de outliers, correção de outliers, redes neurais auto-associativas, algoritmos genéticos, sereis temporais.
A previsão do consumo de energia elétrica é uma tarefa que requer modelos computacionais bastante acurados, pois deve influenciar corretamente a 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 podem surgir devido a erros de leitura de sensores, erros no próprio sistema de processamento/armazenamento dos dados ou falhas no sistema de distribuição de energia. Este trabalho propõe uma nova metodologia baseada em Inteligência Computacional para detecção e correção de outliers em séries temporais. Uma rede neural artificial auto-associativa é utilizada para detecção de outliers e posteriormente em conjunto com um algoritmo genético é utilizada para a correção dos outliers detectados. Como estudo de caso, 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 satisfatoriamente outliers virtuais introduzidos na série temporal de consumo de energia.