Uso de ferramentas de aprendizado de máquina para prospecção de perdas comerciais em distribuição de energia elétrica / Use of machine learning tools for prospecting commercial losses in electric energy distribution
AUTOR(ES)
Hamilton Melo Ferreira
FONTE
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia
DATA DE PUBLICAÇÃO
29/01/2008
RESUMO
As concessionárias de energia elétrica deixam de faturar anualmente expressivos valores devido a perdas comerciais, as quais são originadas principalmente por fraudes cometidas por parte dos consumidores e por medidores defeituosos. A detecção automática dos pontos específicos onde ocorrem tais perdas é uma tarefa complexa, dada a grande quantidade de consumidores, a grande variedade de perfis de consumo de energia elétrica e o alto custo de cada inspeção. Este trabalho propõe o uso de técnicas de aprendizado de máquina para a incorporação de processamento inteligente na identificação das fontes de perdas comerciais, usando os dados reais fornecidos pela concessionária de energia elétrica AES Eletropaulo. Além da manipulação dos dados e análise de propostas alternativas presentes na literatura, quatro estratégias de classificação foram implementadas e comparadas, sendo que o algoritmo de indução C4.5 produziu os resultados mais consistentes em termos de especificidade e confiabilidade, tomadas como critérios de desempenho
ASSUNTO(S)
aprendizado do computador sistemas de energia eletrica - modelos matematicos sistema de suporte de decisão mineração de dados (computação) sistemas especialistas (computação) machine learning electrical power system decision support system data mining (computer) expert systems (computer)
ACESSO AO ARTIGO
http://libdigi.unicamp.br/document/?code=000769989Documentos Relacionados
- SYSTEM DEVELOPMENT TO DETECT COMMERCIAL LOSSES IN ELECTRICAL ENERGY DISTRIBUTION NETWORK
- Combat, prevention and optimization of non technical losses of electric power distribution.
- APRENDIZADO DE MÁQUINA PARA O PROBLEMA DE SENTIMENT CLASSIFICATION
- Machine learning in complex networks
- Estimação e análise das perdas técnicas na distribuição de energia elétrica