Determinar quais são os aparelhos eletrônicos de uma residência que possuem maior influência na conta de luz não é tarefa trivial. As Redes de Sensores Sem Fios (RSSF) auxiliam os usuários nessa tarefa, permitindo descobrir se há algum tipo de desperdício no ambiente monitorado e assim, auxiliá-los a fazer as devidas correções. Por isso, é fundamental usar nas smart grids métodos que detectam novidades, também conhecido como anomalias , de forma individual e autônoma, para os usuários quando algo anômalo surge no consumo de energia dos equipamentos eletrônicos. Tais anomalias podem surgir, por exemplo, quando um equipamento consome energia acima do esperado, o que pode indicar um defeito. Nesse contexto, este trabalho propõe um método inteligente, nomeado como Novelty Detection Power Meter (NodePM), para detectar as novidades no consumo de energia dos equipamentos eletrônicos monitorados por uma smart grid. O NodePM detecta as novidades considerando a entropia de cada equipamento monitorado, a qual é calculada com base em um modelo de cadeia de markov que é gerado através de um algoritmo de aprendizado de máquina. Para tanto, o NodePM é integrado a uma plataforma de monitoramento remoto de consumo de energia, que consiste de uma RSSF associada a uma aplicação em nuvem. Para validar o desempenho do NodePM foram feitos experimentos utilizando a análise de variância e testes paramétricos e não-paramétricos. Os resultados de tais experimentos, obtidos mediante a análise estatística, evidenciou a viabilidade do NodePM na plataforma desenvolvida

It is not a simple task to determine which pieces of elevtronic equipment have the greatest influence on the electricity bill. The Wireless Sensor Networks (WSN) assist users in this task, allowing to discover if there is any type of a waste in a monitored environment and thus, help them to take proper actions. Hence, it is of crucial importance to use intelligent methods in the smart grids for a novelty detection and to inform the users in an individual and autonomous way when some anomaly has occurred in the energy consumption of electronic equipment. These anomalies can arise, for instance, when a piece of equipment consumes more energy than expected. In this context, we propose an intelligent method, named the Novelty Detection Power Meter (NodePM), to detect the novelties in the energy consumption of electonic equipment monitored by a smart grid. The NodePM detects the novelties considering the entropy of each device monitored, which is calculed based on a Markov chain model that is generated through a machine learning algorithm. For this end, the NodePM is integrated into a platform for the remote monitoring of energy consumption, which consists of a WSN associated with a cloud application. To validate the performance of the NodePM, experiments were done using analysis of variance and parametric and non-parametric tests. The result of these tests, which were obtained from a statistical analysis, provided evidence of the feasibility of the NodePM in the platform that was developed