Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Unsupervised non-technical losses identification through optimum-path forest

Texto completo
Autor(es):
Passos Junior, Leandro Aparecido ; Oba Ramos, Caio Cesar ; Rodrigues, Douglas ; Pereira, Danillo Roberto ; de Souza, Andre Nunes ; Pontara da Costa, Kelton Augusto ; Papa, Joao Paulo
Número total de Autores: 7
Tipo de documento: Artigo Científico
Fonte: Electric Power Systems Research; v. 140, p. 413-423, NOV 2016.
Citações Web of Science: 13
Resumo

Non-technical losses (NTL) identification has been paramount in the last years. However, it is not straightforward to obtain labelled datasets to perform a supervised NTL recognition task. In this paper, the optimum-path forest (OPF) clustering algorithm has been employed to identify irregular and regular profiles of commercial and industrial consumers obtained from a Brazilian electrical power company. Additionally, a model for the problem of NTL recognition as an anomaly detection task has been proposed when there are little or no information about irregular consumers. For such purpose, two new approaches based on the OPF framework have been introduced and compared against the well-known k-means, Gaussian mixture model, Birch, affinity propagation and one-class support vector machines. The experimental results have shown the robustness of OPF for both unsupervised NTL recognition and anomaly detection problems. In short, the main contributions of this paper are fourfold: (i) to employ unsupervised OPF for non-technical losses detection, (ii) to model the problem of NTL as being an anomaly detection task, (iii) to employ unsupervised OPF to estimate the parameters of the Gaussian distributions, and (iv) to present an anomaly detection approach based on unsupervised optimum-path forest. (C) 2016 Elsevier B.V. All rights reserved. (AU)

Processo FAPESP: 12/14158-2 - Caracterização de perdas comerciais em sistemas de distribuição de energia utilizando Floresta de Caminhos Ótimos e abordagens evolucionistas
Beneficiário:André Nunes de Souza
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 13/20387-7 - Otimização de hiperparâmetros em arquiteturas de aprendizado em profundidade
Beneficiário:João Paulo Papa
Linha de fomento: Bolsas no Exterior - Pesquisa
Processo FAPESP: 09/16206-1 - Novas tendências em reconhecimento de padrões baseado em floresta de caminhos ótimos
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Apoio a Jovens Pesquisadores
Processo FAPESP: 15/00801-9 - Sobre a detecção de anomalias em redes de computadores utilizando floresta de caminhos ótimos: avanços e aplicações em redes de computadores
Beneficiário:Kelton Augusto Pontara da Costa
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 14/16250-9 - Sobre a otimização de parâmetros em técnicas de aprendizado de máquina: avanços e paradigmas
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular