RESUMEN:

Redes de infraestrutura de medição avançada (AMI) geram grandes volumes de dados operacionais cujo monitoramento autônomo exige sistemas de detecção de anomalias baseados em aprendizado de máquina; contudo, o treinamento desses modelos esbarra na escassez de dados de campo rotulados, sobretudo no contexto brasileiro. Este trabalho apresenta a validação estatística do simulador NANSEN, gerador sintético de dados AMI desenvolvido no âmbito do projeto AI-NOC-NANSEN, calibrado com 24 meses de consumo real da distribuidora CEMIG-D (janeiro de 2024 a dezembro de 2025). A metodologia consistiu em uma bateria de seis análises complementares implementadas em Python 3.10: testes de normalidade (Shapiro-Wilk, Kolmogorov-Smirnov e Anderson-Darling), estacionariedade e raiz unitária (ADF e KPSS), independência temporal (Ljung-Box e teste de Runs), convergência distribucional por divergência de Jensen-Shannon, comparação com o benchmark internacional SGCC por qui-quadrado e V de Cramér, e detecção formal de outliers (Grubbs e ESD Generalizado), aplicadas à série real (n = 24) e a 1.920.000 registros de eventos gerados por 5.000 medidores em quatro dias de simulação. A série CEMIG-D mostrou-se normal (W = 0,899; p = 0,999), integrada de primeira ordem I(1) e com resíduos independentes (Q(7) = 5,265; p = 0,384). O simulador alcançou regime estacionário a partir do Dia 3, com JS(D3, D4) = 0,001110 bits e 97,1% de sobreposição das distribuições, indicando burn-in efetivo de apenas dois dias. A aderência ao benchmark internacional apresentou tamanho de efeito negligenciável (V de Cramér = 0,0035). A queda de consumo de fevereiro de 2025 foi classificada como variação sazonal-calendária, e não como anomalia (G = 1,379 < G_crit = 2,926; ESD: zero outliers), evidenciando que detectores sem consciência sazonal gerariam falso positivo. Conclui-se que o gerador é estatisticamente representativo do contexto AMI brasileiro, habilitando o treinamento reprodutível de modelos Autoencoder, Isolation Forest e LSTM no sistema AI-NOC.

Palavras-chave: infraestrutura de medição avançada; detecção de anomalias; geração de dados sintéticos; divergência de Jensen-Shannon; validação estatística.