Outlier Detection and Correction in Smart Grid Energy Demand Data Using Sparse Autoencoders

The implementation of smart grids introduces complexities where data quality issues, particularly outliers, pose significant challenges to accurate data analysis. This work develops an integrated methodology for the detection and correction of outliers in energy demand data, based on Artificial Neur...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής

Κύριοι συγγραφείς:	Levi da Costa Pimentel, Ricardo Wagner Correia Guerra Filho, Juan Moises Mauricio Villanueva, Yuri Percy Molina Rodriguez
Μορφή:	Artigo
Γλώσσα:	Inglês
Έκδοση:	MDPI AG 2024-12-01
Σειρά:	Energies
Θέματα:	smart grids smart meters outlier detection autoencoders artificial neural networks
Διαθέσιμο Online:	https://www.mdpi.com/1996-1073/17/24/6403
Ετικέτες:	Προσθήκη ετικέτας Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!