Unsupervised non-technical losses identification through optimum-path forest

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

• Tipo de documento: Artigo Científico
• Fonte: Electric Power Systems Research; v. 140, p. 413-423, NOV 2016.
• Citações Web of Science: 10

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: 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
• 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