Campo Dublin Core | Valor | Língua |
dc.contributor.advisor | Silva, Kleber Melo e | - |
dc.contributor.author | Rêgo, Giovane Nunes Cornelio | - |
dc.identifier.citation | RÊGO, Giovane Nunes Cornelio. Revisão da metodologia de definição dos limites para os indicadores de continuidade DEC e FEC das distribuidoras. 2023. 74 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023. | pt_BR |
dc.description | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, 2023. | pt_BR |
dc.description.abstract | Este estudo teve como objetivo revisar a metodologia de definição de limites para os indica-
dores de continuidade DEC e FEC, visando atualizar os dados das distribuidoras e a seleção
de atributos. A proposta central é proporcionar maior explicação à metodologia de definição
dos limites dos indicadores DEC e FEC, buscando equidade na comparação entre conjuntos
discrepantes. Os objetivos incluem a extração de novos atributos, obtidos de fontes confiáveis
como IBGE, INMET, ANA, e BDGD, visando enriquecer a análise. Além disso, será reali-
zada a comparação de métodos para a seleção de atributos, incluindo Stepwise Regression,
Decision Tree Regression (DTR) e Multi-Layer Perceptron Regression (MLP). O trabalho
inicia com a extração de atributos importantes de várias bases de dados governamentais. Em
seguida, os dados passam por uma transformação estatística, como a normalização, para
otimizar o desempenho dos modelos. A etapa seguinte envolve a execução de três modelos
de regressão (Stepwise Regression, Decision Tree Regression e MLP Regressor) por meio de
um código Python. As métricas comparativas (MSE, MAE e R²) são utilizadas para avaliar
a precisão dos modelos em relação aos valores reais da variável dependente. Comparando
três métodos (Stepwise Regression, Decision Tree Regression e Multi-Layer Perceptron
Regression), o MLP Regressor com ativação relu se destacou nas métricas propostas, embora
não tenha alcançado valores ideais. A MLP Regression foi geralmente superior nas métricas
(MAE, MSE, R²), seguida por árvores de decisão e, por último, Stepwise Regression. Limita-
ções incluem a escassez de dados sobre a gestão das distribuidoras, sugerindo melhorias
futuras com a inclusão de novos dados. A conclusão destaca este trabalho como ponto de
partida para debates acadêmicos, contribuindo ao avanço do conhecimento em métodos
de aprendizado de máquina, especialmente na Metodologia de Definição de Limites de
indicadores de continuidade. | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject.keyword | Inteligência artificial | pt_BR |
dc.subject.keyword | Aprendizado de máquina | pt_BR |
dc.subject.keyword | Energia elétrica - qualidade | pt_BR |
dc.title | Revisão da metodologia de definição dos limites para os indicadores de continuidade DEC e FEC das distribuidoras | pt_BR |
dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
dc.date.accessioned | 2024-11-28T11:51:36Z | - |
dc.date.available | 2024-11-28T11:51:36Z | - |
dc.date.submitted | 2023-12-20 | - |
dc.identifier.uri | https://bdm.unb.br/handle/10483/40700 | - |
dc.language.iso | Português | pt_BR |
dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
dc.description.abstract1 | This study aimed to review the methodology for defining limits for the continuity indicators
DEC and FEC, aiming to update the data of the distributors and the selection of attributes.
The central proposal is to provide a more detailed explanation of the methodology for
defining limits for the DEC and FEC indicators, seeking equity in the comparison between
discrepant sets. Objectives include the extraction of new attributes from reliable sources such
as IBGE, INMET, ANA, and BDGD, aiming to enrich the analysis. Additionally, a comparison
of methods for attribute selection will be conducted, including Stepwise Regression, Decision
Tree Regression (DTR), and Multi-Layer Perceptron Regression (MLP). The work begins
with the extraction of important attributes from various government databases. Next, the
data undergo statistical transformation, such as normalization, to optimize the performance
of the models. The subsequent step involves the execution of three regression models
(Stepwise Regression, Decision Tree Regression, and MLP Regressor) through Python code.
Comparative metrics (MSE, MAE, and R²) are used to evaluate the accuracy of the models
compared to the actual values of the dependent variable. Comparing three methods (Stepwise
Regression, Decision Tree Regression, and Multi-Layer Perceptron Regression), the MLP
Regressor with relu activation stood out in the proposed metrics, although it did not reach
ideal values. MLP Regression generally outperformed in metrics (MAE, MSE, R²), followed
by decision trees, and lastly, Stepwise Regression. Limitations include the scarcity of data
on the management of distributors, suggesting future improvements with the inclusion of
new data. The conclusion highlights this work as a starting point for academic discussions,
contributing to the advancement of knowledge in machine learning methods, especially in
the methodology for defining limits of continuity indicators. | pt_BR |
Aparece na Coleção: | Engenharia Elétrica
|