Modelos probabilísticos para detecção de perdas comerciais

• Processo: 17/02286-0
• Linha de fomento: Auxílio à Pesquisa - Regular
• Vigência: 01 de julho de 2017 - 30 de junho de 2019
• Área do conhecimento: Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
• Pesquisador responsável: André Nunes de Souza
• Beneficiário: André Nunes de Souza
• Instituição-sede: Faculdade de Engenharia (FE). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru, SP, Brasil
• Pesq. associados: João Paulo Papa ; Pedro da Costa Junior
• Assunto(s): Perdas de energia Métodos probabilísticos

Resumo

Detecção de perdas não técnicas é um problema de grande interesse atualmente, principalmente no Brasil, onde a quantidade de ligações clandestinas pode chegar a níveis bastante preocupantes. Tais ligações podem comprometer a vida útil de dispositivos utilizados para transmissão e transformação de energia, dado que foram dimensionados para trabalhar de acordo com a quantidade de usuários conhecida pela concessionária de energia. O presente projeto de pesquisa objetiva o estudo e desenvolvimento de algoritmos probabilísticos para a detecção de fraudes em sistemas de energia domésticos e industriais. Tais técnicas conseguem modelar a dinâmica de padrões de dados, podendo ser mais eficazes em dados que mudam conforme o tempo como, por exemplo, usuários de energia. Assim, a ideia seria também prever quando um usuário pode vir a tornar-se clandestino, e não apenas identificá-lo após ele se tornar um fraudador. Tal sistema é de grande valia para o acompanhamento do perfil dos usuários, possibilitando, assim, a tomada de ações mais eficazes no combate à esse tipo de ilegalidade. Cabe destacar que medidas preventivas e educacionais podem ser realizadas, principalmente no intuito de evitar com que uma determinada região, por exemplo, com mais propensão à cometer fraudes, venha a prejudicar a companhia de energia e, por conseguinte, a população como um todo. A presente proposta também contempla pesquisadores de diferentes áreas de pesquisa, bem como alunos de pós-graduação. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

PAPA, JOAO P.; ROSA, GUSTAVO H.; DE SOUZA, ANDRE N.; AFONSO, LUIS C. S. Feature selection through binary brain storm optimization. COMPUTERS & ELECTRICAL ENGINEERING, v. 72, p. 468-481, NOV 2018. Citações Web of Science: 0.