[pt] DESENVOLVIMENTO DE SISTEMA PARA DETECÇÃO DE PERDAS COMERCIAIS EM REDES DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA

Detalhes bibliográficos
Ano de defesa: 2005
Autor(a) principal: RODRIGO FLORA CALILI
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: MAXWELL
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7629&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7629&idi=2
http://doi.org/10.17771/PUCRio.acad.7629
Resumo: [pt] Os modelos matemáticos comumente usados na identificação de irregularidades na medição se baseiam na análise da redução percentual do consumo do mês (normalmente de 20% a 30%) em relação aos meses anteriores. Este método tem gerado resultados imprecisos uma vez que considera o valor do consumo como um valor rígido e, portanto, não incorpora o efeito da sazonalidade na tipologia das cargas das unidades consumidoras. Este trabalho tem o intuito de melhorar a identificação de clientes fraudulentos utilizando métodos de inteligência artificial, tais como Redes Neurais e Lógica Fuzzy, implementados a um banco de dados de cadastro da Distribuidora de Energia ELEKTRO e a uma Pesquisa de Posses e Hábitos de Consumo (PPH) feita nesta mesma empresa. Nesta dissertação, o objetivo foi classificar um grupo de consumidores como normal (adimplente), inadimplente e fraudulento. Para tanto, foi feita inicialmente uma clusterização utilizando uma Rede Neural, mais especificamente uma Rede de Kohonen, para o banco de dados de cadastro disponibilizado pela distribuidora. Tomando os grupos desta classificação prévia feita pela Rede identificaram-se quais e quantos destes tiveram PPH´s realizadas. Para se ter a classificação de um grupo quanto a incidência de consumidores normais, inadimplentes e fraudulentos utilizou-se um processo de Análise Fuzzy, o qual identifica os clusters com os consumidores de cada um dos segmentos. É feita uma análise de desempenho do modelo proposto com dados reais fornecidos pela empresa, na qual os resultados apontaram para uma robustez do método.