Made available in DSpace on 2014-06-12T17:21:26Z (GMT). No. of bitstreams: 2 arquivo6056_1.pdf: 976236 bytes, checksum: bd9194f9825e87aee72f529d265293e4 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / A tarifa de energia elétrica brasileira está entre as mais caras do mundo (CINTRA, 2007), e entre os principais motivos para este fato estão os impostos e os altos índices de perdas de energia. Uma justificativa é que as perdas comerciais de energia influenciam no alto valor da tarifa, sendo o furto de energia, o responsável pela maior parte dessas perdas. A maioria dos estudos a respeito das perdas comerciais faz uma abordagem qualitativa sobre os fatores socioeconômicos relacionados ao furto de energia, tais como violência e renda, não se detendo o suficiente em mensurar quantitativamente o impacto dessas variáveis. Este trabalho desenvolve um modelo para analisar a influência das perdas comerciais entre empresas do Brasil e outro modelo para analisá-las entre países. O primeiro modelo encontrou uma correlação positiva do índice de perdas totais com a violência e uma correlação negativa com o nível de organização da empresa, com a renda per capita e com o percentual de clientes rurais. Por sua vez, o segundo modelo encontrou uma correlação negativa com o percentual de habitantes rurais e com a eficiência do país. Concluiu-se então que as perdas comerciais estão associadas a variáveis socioeconômicas como violência e renda per capita e que, as empresas podem combatê-las tornando-se mais eficientes. O governo é responsável também, pois o modelo apontou que, quanto mais eficiente for o país em aplicar e definir políticas, menores serão as perdas

[pt] Os modelos matemáticos comumente usados na identificação de irregularidades na medição se baseiam na análise da redução percentual do consumo do mês (normalmente de 20% a 30%) em relação aos meses anteriores. Este método tem gerado resultados imprecisos uma vez que considera o valor do consumo como um valor rígido e, portanto, não incorpora o efeito da sazonalidade na tipologia das cargas das unidades consumidoras. Este trabalho tem o intuito de melhorar a identificação de clientes fraudulentos utilizando métodos de inteligência artificial, tais como Redes Neurais e Lógica Fuzzy, implementados a um banco de dados de cadastro da Distribuidora de Energia ELEKTRO e a uma Pesquisa de Posses e Hábitos de Consumo (PPH) feita nesta mesma empresa. Nesta dissertação, o objetivo foi classificar um grupo de consumidores como normal (adimplente), inadimplente e fraudulento. Para tanto, foi feita inicialmente uma clusterização utilizando uma Rede Neural, mais especificamente uma Rede de Kohonen, para o banco de dados de cadastro disponibilizado pela distribuidora. Tomando os grupos desta classificação prévia feita pela Rede identificaram-se quais e quantos destes tiveram PPH´s realizadas. Para se ter a classificação de um grupo quanto a incidência de consumidores normais, inadimplentes e fraudulentos utilizou-se um processo de Análise Fuzzy, o qual identifica os clusters com os consumidores de cada um dos segmentos. É feita uma análise de desempenho do modelo proposto com dados reais fornecidos pela empresa, na qual os resultados apontaram para uma robustez do método. / [en] Mathematical models commonly used to identify irregularities in measurement are based on percentile reduction analysis of the monthly consumption (normally from 20% to 30%) in relation to the previous months. This method tends to generate imprecise results, since it considers the value of the consumption as a rigid value and, therefore, it does not incorporate the seasonal effect in the loads topology of the consumer units. This work has intention to improve the identification of fraudulent customers using artificial intelligence methods, such as Neural Networks and Fuzzy Logic, implemented to a database of consumers of ELEKTRO a distributing utility of São Paulo State, Brazil. It also uses information on appliances ownership obtained via market research in ELEKTRO area, named PPH (Portuguese for this particular type of market research). In this dissertation, the main objective was to classify a group of consumers as solvent, insolvent and fraudulent. In order to achieve this task, a clustering was initially made using a Neural Network framework, more specifically a Kohonen Network, for the database available. It was then checked which of the groups had a minimum number of clients interviewed in the PPH. In order to have the classification of the clients in the three categories it was used Fuzzy Analysis. Selected data is also presented, considering the available database of the Company as well as the research environment, which had been taken from the PPH. Finally, it was checked the performance of the method against real data obtained from the utility and the results were very satisfactory.