Estudo de um algoritmo de mineração de dados aplicado à avaliação de curvas de consumo de energia elétrica

• Ano de defesa: 2005
• Autor(a) principal: FERREIRA, Efrem
• Orientador(a): TORRES, Germano Lambert
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Engenharia Elétrica
• Departamento: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
• País: Brasil
• Palavras-chave em Português: Processo de mineração de dados; Teorema de Bayes; Curvas de consumo - Energia elétrica
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/2553

No dias atuais, a quantidade de informações inerentes ao nosso meio é enorme. Para tratar estas informações surgiu uma área conhecida como mineração de dados – “Data Mining”. Dentro desta área, existem diversos algoritmos para realizar o processo de descoberta do conhecimento em banco de dados. Pode-se citar como exemplos de algoritmos: Redes Neurais Artificiais, Lógica Fuzzy, Algoritmos Genéticos, Algoritmos Bayesianos, Árvores de Indução entre outros. Neste trabalho foram estudados tópicos relacionados com Mineração de Dados, com a finalidade de aplicá-los na solução de problemas relacionados com a Engenharia Elétrica. Escolheu-se o algoritmo “Naive Bayes”, com objetivo de reconhecer padrões de consumo de energia elétrica, assim buscando uma alternativa às Redes Neurais Artificiais – RNA que são lembradas quando se trata de reconhecimento de padrões. Para facilitar o entendimento do algoritmo escolhido, alguns conceitos de estatística foram analisados, e posteriormente são apresentados os conceitos do algoritmo “Naive Bayes”. Com a finalidade de elucidar uma aplicação do “Naive Bayes” foi realizado um estudo de caso, onde o algoritmo foi modificado com a finalidade de reconhecer curvas de carga ou curvas de consumo de consumidores residenciais, comerciais e industriais presentes no Setor Elétrico de Potência. Para viabilizar a implementação desse estudo de caso, foi utilizado o pacote computacional, chamado Weka, o qual possui vários algoritmos de Mineração de Dados implementados em Java.