Estudo de perdas não-técnicas para detecção de roubo de energia elétrica usando máquinas de vetor suporte

• Processo: 09/09766-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2009
• Data de Término da vigência: 30 de setembro de 2010
• Área de conhecimento: Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
• Pesquisador responsável: Pedro da Costa Junior
• Beneficiário: Fernando Yuji Ono
• Instituição Sede: Faculdade de Engenharia (FE). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Assunto(s): Distribuição de energia elétrica Perdas de energia Carga elétrica Fraude Consumo de energia elétrica Máquinas de vetores de suporte
• Palavra(s)-Chave do Pesquisador: curva de carga | fraude | máquinas de vetor suporte | Perdas Comerciais | Redes neurais | Distribuição de Energia Elétrica

Resumo

A proposta deste trabalho consiste em estudar e implementar algoritmos computacionais de apoio à identificação de fraudes em instalações consumidoras de energia elétrica. Para isso, serão levantadas as principais estratégias utilizadas por empresas de energia elétrica na mitigação dos prejuízos causados por fraudes ou medições incorretas. As técnicas investigadas deverão permitir a caracterização de unidades consumidoras de energia elétrica através da confecção de curvas de carga típicas. A caracterização de perfis de consumo pode se configurar em uma ferramenta importante na localização de consumidores honestos cujos instrumentos de medição apresentam defeitos ou daqueles consumidores desonestos que adulteram, de alguma forma, os instrumentos registradores de energia ou promovem a instalação criminosa de circuitos clandestinos. Este projeto de pesquisa propõe investigar uma nova abordagem para a análise de Perda Não-Técnica (PNT), usando uma técnica baseada em inteligência, a Máquina de Vetor Suporte (MVS) (NAGI ET AL., 2008). O modelo proposto pré-seleciona clientes suspeitos para serem inspecionados por fraude baseada em irregularidades e comportamento anormal de consumo. Esta abordagem fornece um método de mineração de dados e envolve a extração do histórico de consumo do cliente. A abordagem baseada em MVS usa as informações de gastos do cliente para expor algum comportamento anormal, que é conhecido por estar altamente correlacionado com atividades de PNT.