[pt] Atualmente, um dos maiores problemas das empresas brasileiras distribuidoras de energia elétrica é o de perdas comerciais, responsáveis pela maior parte das perdas do setor. A Light, por exemplo, é a terceira distribuidora com maiores perdas comerciais no Brasil, com 3,79 milhões de clientes de baixa tensão em 31 municí­pios do Estado do Rio de Janeiro. Estas perdas são causadas por fraudes nos medidores de energia, por equipamentos defeituosos e, principalmente, pelas ligações clandestinas, conhecidas por gatos, gambiarras ou macacos. Uma forma tradicional de combate às Perdas Comerciais é a realização de inspeções nos consumidores. Entretanto, a seleção de quais consumidores devem ser inspecionados é uma tarefa árdua para os especialistas no assunto. As distribuidoras geralmente empregam um conjunto de metodologias heurí­sticas para identificar os clientes de baixa tensão suspeitos de estarem cometendo algum tipo de irregularidade. Todavia, a média de acertos dessas metodologias ainda é bastante inferior ao desejado, acarretando prejuízos elevados para as distribuidoras brasileiras. No caso especí­fico da Light, a média de acerto na comprovação de clientes fraudadores é de apenas 25%. Verifica-se, portanto, que o processo adotado não é eficiente. Portanto, este trabalho tem como objetivo desenvolver uma metodologia que identifique, com maior precisão, o perfil do cliente irregular (comprovada fraude no medidor, furto por ligação clandestina ou irregularidade técnica). O sistema inteligente resultante, denominado SIIPERCOM, baseia-se em Redes Neurais, para a filtragem agrupando clientes com comportamentos semelhantes e classificação dos clientes de cada grupo em normais ou irregulares. / [en] Currently, one of the biggest problems of Brazilian companies distributing electrical power is the loss commercial, responsible for most of the losses in the sector. The Light, for example, is the third largest distributor with commercial losses in Brazil, with 3.79 million clients of low voltage in 31 municipalities in the State of Rio de Janeiro. These losses are caused by fraud in the energy meters, for defective equipment, and principally by illegal connections, known as cats, stage lights or monkeys. The traditional form to combat to the commercial losses is the realization of inspections on consumers. However, the selection of which consumers should be inspected is an arduous task to specialists in the subject. The distributors usually employ a range of methodologies heuristics to identify customers with low voltage suspected to be committing some type of irregularity. However, the average of correct these methodologies is still much lower than desired, causing heavy losses to Brazilian distributors. In the specific case of Light, the average hit the evidence of customers fraudsters is only 25%. It appears therefore that the process adopted is not efficient. Therefore, this study aims to develop a methodology to identify, with greater precision, the irregular profile of the customer (meter was proven fraud, theft by illegal connection or technical irregularity). The resulting intelligent system, called SIIPERCOM, based on Neural Networks, for the 'filtering' grouping customers with similar behaviors and classification of the customers of each group in normal or irregular.

Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-03-02Bitstream added on 2014-06-13T18:08:32Z : No. of bitstreams: 1 ramos_cco_me_bauru.pdf: 615273 bytes, checksum: e67c9e65867e8155b656731b772bb8e1 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / A detecção de fraudes nos sistemas de energia provocados por consumidores ilegais é o principal alvo em estudos de perdas comerciais pelas empresas de energia. Comumente usadas entre as técnicas de reconhecimento de padrões, as Redes Neurais Artificiais e as Máquinas de Vetores de Suporte têm sido aplicadas para a identificação de fraudes de maneira automática, entretanto essas técnicas sofrem com a demora na convergência e no alto peso computacional. Este trabalho introduziu o classificador Floresta de Caminhos Ótimos para um rápido reconhecimento das perdas comerciais, que tem demonstrado ser superior às demais técnicas inteligentes, como as Redes Neurais e as Máquinas de Vetores de Suporte, sendo muito mais rápido. Neste trabalho, também foram apresentadas comparações entre esses classificadores. / Fraud detection in energy systems by illegal consumers is the most actively pursued study in non-technical losses by electric power companies. Commonly used supervised pattern recognition techniques, such as Artificial Neural Networks and Support Vector Machines have been applied automatic frauds identification, however they suffer from slow convergence and high computacional burden. This work introduced the Optimum-Path Forest classifier for a fast non-technical losses recognition, which has been demonstrated to be superior than Neural Networks and Support Vector Machines, but much faster. Comparisons among these classifiers are also presented.

[pt] Esta dissertação investiga uma nova metodologia, baseada em técnicas inteligentes, para a redução das perdas comerciais relativas ao fornecimento de energia elétrica. O objetivo deste trabalho é apresentar um modelo de inteligência computacional capaz de identificar irregularidades na medição de demanda e consumo de energia elétrica, considerando as características sazonais não lineares das curvas de carga das unidades consumidoras, características essas que são difíceis de se representar em modelos matemáticos. A metodologia é baseada em três etapas: categorização, para agrupar unidades consumidoras em classes similares; classificação para descobrir relacionamentos que expliquem o perfil da irregularidade no fornecimento de energia elétrica e que permitam prever a classe de um padrão desconhecido; e extração de conhecimento sob a forma de regras fuzzy interpretáveis. O modelo resultante foi denominado Sistema de Classificação de Unidades Consumidoras de Energia Elétrica. O trabalho consistiu em três partes: um estudo sobre os principais métodos de categorização e classificação de padrões; definição e implementação do Sistema de Classificação de Unidades Consumidoras de Energia Elétrica; e o estudo de casos. No estudo sobre os métodos de categorização foi feito um levantamento bibliográfico da área, resultando em um resumo das principais técnicas utilizadas para esta tarefa, as quais podem ser divididas em algoritmos de categorização hierárquicos e não hierárquicos. No estudo sobre os métodos de classificação foram feitos levantamentos bibliográficos dos sistemas Neuro-Fuzzy que resultaram em um resumo sobre as arquiteturas, algoritmos de aprendizado e extração de regras fuzzy de cada modelo analisado. Os modelos Neuro-Fuzzy foram escolhidos devido a sua capacidade de geração de regras lingüísticas. O Sistema de Classificação de Unidades Consumidoras de Energia Elétrica foi definido e implementado da seguinte forma: módulo de categorização, baseado no algoritmo Fuzzy C-Means (FCM); e módulo de classificação baseado nos Sistemas Neuro-Fuzzy NEFCLASS e NFHB-Invertido. No primeiro módulo, foram utilizadas algumas medidas de desempenho como o FPI (Fuzziness Performance Index), que estima o grau de nebulosidade (fuziness) gerado por um número específico de clusters, e a MPE (Modified Partition Entropy), que estima o grau de desordem gerado por um número específico de clusters. Para validação do número ótimo de clusters, aplicou-se o critério de dominância segundo o método de Pareto. No módulo de classificação de unidades consumidoras levou-se em consideração a peculiaridade de cada sistema neuro-fuzzy, além da análise de desempenho comparativa (benchmarking) entre os modelos. Além do objetivo de classificação de padrões, os Sistemas Neuro-Fuzzy são capazes de extrair conhecimento em forma de regras fuzzy interpretáveis expressas como: SE x é A e y é B então padrão pertence à classe Z. Realizou-se um amplo estudo de casos, abrangendo unidades consumidoras de atividades comerciais e industriais supridas em baixa e média tensão. Os resultados encontrados na etapa de categorização foram satisfatórios, uma vez que as unidades consumidoras foram agrupadas de forma natural pelas suas características de demanda máxima e consumo de energia elétrica. Conforme o objetivo proposto, esta categorização gerou um número reduzido de agrupamentos (clusters) no espaço de busca, permitindo que o treinamento dos sistemas Neuro-Fuzzy fosse direcionado para o menor número possível de grupos, mas com elevada representatividade sobre os dados. Os resultados encontrados com os modelos NFHB-Invertido e NEFCLASS mostraram-se, na maioria dos casos, superiores aos melhores resultados encontrados pelos modelos matemáticos comumente utilizados. O desempenho dos modelos NFHB-Invertido e NEFCLASS, em relação ao te / [en] This dissertation investigates a new methodology based on intelligent techniques for commercial losses reduction in electrical energy supply. The objective of this work is to present a model of computational intelligence able to identify irregularities in consumption and demand electrical measurements, regarding the non-linearity of the consumers seasonal load curve which is hard to represent by mathematical models. The methodology is based on three stages: clustering, to group consumers of electric energy into similar classes; patterns classification, to discover relationships that explain the irregularities profile and that determine the class for an unknown pattern; and knowledge extraction in form of interpretable fuzzy rules. The resulting model was entitled Electric Energy Consumers Classification System. The work consisted of three parts: a bibliographic research about main methods for clustering and patterns classification; definition and implementation of the Electric Energy Consumers Classification System; and case studies. The bibliographic research of clustering methods resulted in a survey of the main techniques used for this task, which can be divided into hierarchical and non-hierarchical clustering algorithms. The bibliographic research of classification methods provided a survey of the architectures, learning algorithms and rules extraction of the neuro-fuzzy systems. Neuro-fuzzy models were chosen due to their capacity of generating linguistics rules. The Electric Energy Consumers Classification System was defined and implemented in the following way: a clustering module, based on the Fuzzy CMeans (FCM) algorithm; and classification module, based on NEFCLASS and Inverted-NFHB neuro-fuzzy sytems. In the first module, some performance metrics have been used such as the FPI (Fuzziness Performance Index), which estimates the fuzzy level generated by a specific number of clusters; and the MPE (Modified Partition Entropy) that estimates disorder level generated by a specific number of clusters. The dominance criterion of Pareto method was used to validate optimal number of clusters. In the classification module, the peculiarities of each neuro-fuzzy system as well as performance comparison of each model were taken into account. Besides the patterns classification objective, the neuro-Fuzzy systems were able to extract knowledge in form of interpretable fuzzy rules. These rules are expressed by: IF x is A and y is B then the pattern belongs to Z class. The cases studies have considered industrial and commercial consumers of electric energy in low and medium tension. The results obtained in the clustering step were satisfactory, since consumers have been clustered in a natural way by their electrical consumption and demand characteristics. As the proposed objective, the system has generated an optimal low number of clusters in the search space, thus directing the learning step of the neuro-fuzzy systems to a low number of groups with high representation over data. The results obtained with Inverted-NFHB and NEFCLASS models, in the majority of cases, showed to be superior to the best results found by the mathematical methods commonly used. The performance of the Inverted-NFHB and NEFCLASS models concerning to processing time was also very good. The models converged to an optimal classification solution in a processing time inferior to a minute. The main objective of this work, that is the non- technical power losses reduction, was achieved by the assertiveness increases in the identification of the cases with measuring irregularities. This fact made possible some reduction in wasting with workers and effectively improved the billing.

Orientador: Prof. Dr. Thales Sousa / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia Elétrica, 2017. / As perdas não técnicas ou perdas comerciais são um grande problema enfrentado pelas distribuidoras de energia elétrica e pelo órgão regulador. Nesse sentido, o presente trabalho tem por objetivo propor ações de redução das perdas não técnicas, bem como das perdas financeiras das distribuidoras de energia elétrica em decorrência da inadimplência. Para tanto, serão apresentadas medidas de campo que permitam mudanças no comportamento dos consumidores, em especial aqueles em situação de risco social no que tange ao pagamento e à inadimplência. Serão também propostos métodos de cobrança e faturamento que permitam a redução das perdas não técnicas e da inadimplência. As contribuições do presente trabalho permitirão uma melhor gestão de cobrança e um novo sistema de corte horo-sazonal. / Non-technical losses or commercial losses are a major challenge faced by the electricity distribution companies and the regulatory agencies. This paper aims proposing actions to reduce non-technical losses and financial losses of electricity distribution as a result of default. Therefore, field measurements will be presented, which allow changes in consumer behavior, particularly those in social risk, with regard to payment and default. There will be proposed collection methods and billing that enable the reduction of non-technical losses and defaults. Contributions of this work will allow a better billing management and a new cut-off method based on daytime.

Submitted by Hellen Luz (hellencrisluz@gmail.com) on 2017-10-06T18:06:43Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_DeteccaoFraudesConsumo.pdf: 1616969 bytes, checksum: c2d6c39634607cb9195183bbcf50a032 (MD5) / Rejected by Irvana Coutinho (irvana@ufpa.br), reason: Aguardar as orientações on 2017-10-10T16:45:45Z (GMT) / Submitted by Hellen Luz (hellencrisluz@gmail.com) on 2017-10-11T16:28:39Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_DeteccaoFraudesConsumo.pdf: 1616969 bytes, checksum: c2d6c39634607cb9195183bbcf50a032 (MD5) / Approved for entry into archive by Irvana Coutinho (irvana@ufpa.br) on 2017-10-16T12:50:20Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_DeteccaoFraudesConsumo.pdf: 1616969 bytes, checksum: c2d6c39634607cb9195183bbcf50a032 (MD5) / Made available in DSpace on 2017-10-16T12:50:20Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_DeteccaoFraudesConsumo.pdf: 1616969 bytes, checksum: c2d6c39634607cb9195183bbcf50a032 (MD5) Previous issue date: 2017-07-11 / Os prejuízos causados nos últimos anos pelas perdas comerciais às concessionárias de distribuição de energia elétrica no Brasil têm sido estimados aproximadamente em R$ 7 bilhões. Essa realidade representa, um desafio para algumas das distribuidoras do país, as quais necessitam de medidas eficazes no combate às perdas comerciais. Neste cenário, a presente dissertação de mestrado, apresenta uma metodologia capaz de detectar fraudes no consumo de energia elétrica, usando uma técnica de mineração de dados, conhecida como árvore de decisão. Testes de desempenho do método foram realizados usando dados reais do histórico de consumo de energia elétrica e de fiscalização de irregularidades em unidades consumidoras (UC’s) da região metropolitana de Belém. Os resultados mostraram que o método proposto baseado em árvore de decisão possui bom desempenho na detecção de fraudes no consumo de energia elétrica. / In recent years, the injury caused by the nontechnical losses to power distribution utilities, in Brazil have been estimated at R$ 7 billion per year. This reality represents a challenge for some of country’s utilities, who need effective measures to combat commercial losses. In this scenario, this dissertation presents a methodology able of detecting fraud in the consumption of electric energy, using a technique of data mining, known as decision tree. Performance tests of the method were done using real data from the history of electricity consumption and the inspection of consumer units (CU’s) suspected of being irregular in the metropolitan region of Belém. The results showed that the proposed decision-tree based method performs well in the detection of fraud in the electric power consumption.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-01-03T12:10:09Z No. of bitstreams: 1 matheusalbertodesouza.pdf: 12016608 bytes, checksum: 7403ebccb4f05e67a5f65a371f64f7e4 (MD5) / Approved for entry into archive by Diamantino Mayra (mayra.diamantino@ufjf.edu.br) on 2017-01-31T10:31:30Z (GMT) No. of bitstreams: 1 matheusalbertodesouza.pdf: 12016608 bytes, checksum: 7403ebccb4f05e67a5f65a371f64f7e4 (MD5) / Made available in DSpace on 2017-01-31T10:31:30Z (GMT). No. of bitstreams: 1 matheusalbertodesouza.pdf: 12016608 bytes, checksum: 7403ebccb4f05e67a5f65a371f64f7e4 (MD5) Previous issue date: 2016-09-30 / O presente trabalho tem por objetivo apresentar uma metodologia para a detecção de perdas comerciais de energia em sistemas de distribuição, bem como a identificação do usuário fraudulento em Infraestruturas Avançadas de Medição, próprias de Smart Grids. ParaaetapadedetecçãodeperdascomerciaisdeenergiaéutilizadoumEstimadorEstático de Estados Trifásico baseado em Medições Fasoriais Sincronizadas (Phasor Measurements Units - PMUs). Essa etapa visa detectar os transformadores na rede de distribuição, os quais, apresentam indícios de furtos/fraudes de energia, através da observância da curva de carga estimada. A próxima etapa visa identificar os consumidores, conectados aos transformadores suspeitos, que cometem o ato ilícito. Para isto, treinou-se uma Rede Neural Artificial (RNA) de Kohonen para clusterizar os consumidores honestos de acordo compadrõesdeconsumosemelhantes,apartirdedadosdeconsumoprovenientesdosSmart Meters decadacliente. ParacadaclassedefinidapelaRNAdeKohonencriou-seumaRNA MultiLayer Perceptron (MLP) para fins de classificação dos consumidores em duas classes, honestos ou fraudulentos. As duas grandes contribuições do trabalho estão em utilizar a técnica de detecção para diminuir o número de Falsos Positivos (FP) das metodologias de classificação, sem a necessidade de medições individuais nos transformadores, e a utilização de RNAs a partir de dados de medições do sistema de distribuição de forma robusta, em que não há a necessidade de medições sem perdas comerciais de energia para todos os consumidores do sistema. A forma de tratamento dos dados de medições ainda possibilita manter a privacidade dos usuários, questão bastante debatida no cenário mundial. Foram realizados testes para a etapa de detecção de perdas comerciais com os sistemas IEEE 33 Barras e IEEE 70 barras. Para a etapa de identificação do consumidor fraudulento foram utilizados dados de consumo reais de mais de 5000 consumidores provenientes de Smart Meters liberados pela Autoridade de Eletricidade e Energia Sustentável da Irlanda. Os testes mostraram bons resultados tornando a metodologia proposta aplicável na detecção e identificação de perdas comerciais de energia elétrica em Smart Grids. / This work aims to present a methodology for the detection of energy theft in distribution systems as well as the identification of the fraudulent users considering Advanced Metering Infrastructure, widely used in Smart Grids. For the stage of energy theft detection, a Static Three Phase State Estimator based on Synchronised Phasor Measurement Units (PMUs) is used. This step aims to detect the transformers in the distribution network, which have evidence of energy theft, by observing the estimated load curve. The next step is to identify consumers, connected to suspected transformers, which are stealing energy. For this, a Kohonen Artificial Neural Network (ANN) was trained to clustering honest consumers according to similar patterns of consumption, with the consumption data from the Smart Meters at every customer. For each class defined by the Kohonen ANN a MultiLayer Perceptron (MLP) ANN for classification of consumers into two classes, honest or fraudulent was created. The two major contributions of this work are the use of energy theft detection technique to reduce the number of false positives (FP) from the classification methods, without the need for individual measurements on the transformers, andtheuseofANNfromdistributionsystemmeasurementsmakethetechiniquerobust, in which there is no need for measurements without comercial loss of energy for all consumers. The way that the measurement data is treated allows maintaining the privacy of the consumers which is a debated question on the world. Tests were conducted for energy theft detection step with IEEE 33 Buses and IEEE 70 Buses systems. For the fraudulent user identification step, actual consumption data were used over 5000 consumers from their SmartMetersreleasedbytheElectricityAuthorityandSustainableEnergyofIreland. The tests showed good results making the proposed methodology applicable in the detection and identification of energy theft in Smart Grids.

Made available in DSpace on 2016-08-17T14:53:04Z (GMT). No. of bitstreams: 1 Eduardo Werley Silva dos Angelos.pdf: 3115744 bytes, checksum: 6426e6a53fa69a9616988e00882cb314 (MD5) Previous issue date: 2009-08-07 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / This work proposes a computational technique for classification of electricity consumption profiles. The approach is based on the assumption that it s possible to find out groups of consumers with similar patterns of energy use. So, given the found groups, which can be also viewed as a normal consumption profile, ones can associate a high chance of fraud or abnormality to that consumers lying more apart from the groups. The methodology comprises two steps. A fuzzy clustering c-means-based is done in order to search for consumers with similar consumption profiles, in the first one. Afterwards, a fuzzy classification is performed using a fuzzy membership matrix and the Euclidian distance to the cluster centers. Then, the distance measures are normalized and ordered, yielding an unitary index score, where the possible fraudulent or abnormal consumers are those with the higher scores. The approach was tested and validated with real data base, showing good performance in both fraud and metering defect detection tasks. / Este trabalho apresenta uma metodologia computacional para classificação de perfis anormais de consumo de energia elétrica. A abordagem parte da premissa que um dado cliente deve permanecer o mais próximo possível de seu padrão de consumo histórico, sendo que os desvios do padrão registrado representam possíveis fraudes de energia ou irregularidades de medição. A parte inicial da metodologia busca de consumidores com perfis de consumo semelhantes é efetuada por meio da técnica computacional de clusterização fuzzy. Já a tarefa de mensurar o desvio do padrão histórico é realizada por meio de uma metodologia de classificação nebulosa, baseada na matriz de partição fuzzy e distância dos elementos aos centros dos agrupamentos. Por fim, as distâncias para os grupos são normalizadas, gerando um índice no intervalo unitário, sendo que os elementos de maior chance de estarem irregular são aqueles com índices mais próximos de um. A metodologia foi validada com uma base de dados de uma concessionária local. Os resultados alcançados foram satisfatórios, sendo obtida adequada performance tanto no processo de detecção de fraudes quanto irregularidades na medição.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-05-16T12:04:55Z No. of bitstreams: 1 alcindogandhibarretoalmeida.pdf: 12470862 bytes, checksum: 6af9613cce2cfd9264288cf2d6202d15 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-06-27T21:27:55Z (GMT) No. of bitstreams: 1 alcindogandhibarretoalmeida.pdf: 12470862 bytes, checksum: 6af9613cce2cfd9264288cf2d6202d15 (MD5) / Made available in DSpace on 2016-06-27T21:27:55Z (GMT). No. of bitstreams: 1 alcindogandhibarretoalmeida.pdf: 12470862 bytes, checksum: 6af9613cce2cfd9264288cf2d6202d15 (MD5) Previous issue date: 2015-04-24 / A divergência entre o parque de iluminação pública em funcionamento e o cadastro informado pelos municípios às concessionárias de energia elétrica pode resultar numa das parcelas das chamadas perdas comerciais. O procedimento usual adotado para minimizar esse problema consiste no envio de uma equipe de técnicos a campo para a inspeção dos pontos de iluminação. Este trabalho propõe um sistema de identificação automático de lâmpadas de iluminação pública (IP), que permite às concessionárias de energia elétrica elaborar um mapa dos pontos de iluminação dos municípios, estimando o consumo e evitando perdas comerciais. Inicialmente, o trabalho aborda o cenário da iluminação pública no Brasil, incluindo as principais tecnologias usadas em IP e a transferência dos ativos de IP para os municípios. Em seguida, são descritos os principais conceitos radiométricos que caracterizam o sistema de IP. Posteriormente, é apresentada a placa de aquisição de dados construída. Essa placa contém um conjunto de nove sensores radiométricos, que medem a radiação eletromagnética proveniente das lâmpadas. Também são apresentados os projetos do firmware de controle da placa e o software de aquisição de dados. É desenvolvida uma metodologia de medição baseada em sensores de posicionamento para garantir a reprodutibilidade das medidas. Além de descrever todos esses itens, este trabalho apresenta uma estrutura de iluminação pública ajustável, que permitiu o estudo comparativo das técnicas empregadas, e uma metodologia de calibração das placas de aquisição de dados. Por fim, tem-se o sistema de classificação de dados radiométricos, que permite inferir qual lâmpada está sendo medida. É feita uma comparação de diversos tipos de classificadores. Os resultados experimentais obtidos demonstram o bom funcionamento do sistema em diversas condições de operação. / The misinformation between the actual public lighting equipment and those reported by municipalities to the electricity companies may result in a kind of loss mainly referred as commercial loss. The usual adopted procedure to minimize this problem is sending technician teams to the field to do a low effective inspection of the lighting points. This paper proposes an automatic identification system of street lighting lamps, which allows the electricity companies to draw up a map of the lighting points, estimating the consumption and avoiding commercial losses. Initially, the work addresses the scenario of public lighting in Brazil, including the main technologies used in street lighting and the transfer of the assets to municipalities. Then, the main radiometric concepts which characterize the street lighting systems are described. After data acquisition board built is presented. This board contains a set of 9 radiometric sensors which measure the electromagnetic radiation from the lamps. The projects of the firmware and the data acquisition software are also presented. A measurement methodology based on positioning sensors to ensure the reproducibility of the measurements is developed. In addition to describing all of these items, this paper presents an adjustable street lighting structure, which allowed the comparative study of the techniques employed, and a calibration method of data acquisition boards. Finally, the radiometric data classification system is shown, which allows us to infer which lamp is being measured. A comparison of various types of classifiers is made. The experimental results demonstrate the proper functioning of the system in various operating conditions.

Submitted by LUCAS TELES DE FARIA null (lucas.teles.faria@gmail.com) on 2016-04-06T05:42:40Z No. of bitstreams: 1 TESE_DOUTORADO_ENG.ELETRICA_LUCAS-TELES-DE-FARIA.pdf: 4869615 bytes, checksum: 5cea8811bb7d053c5440e3d6fb5d55cd (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-04-07T19:51:32Z (GMT) No. of bitstreams: 1 faria_lt_dr_ilha.pdf: 4869615 bytes, checksum: 5cea8811bb7d053c5440e3d6fb5d55cd (MD5) / Made available in DSpace on 2016-04-07T19:51:32Z (GMT). No. of bitstreams: 1 faria_lt_dr_ilha.pdf: 4869615 bytes, checksum: 5cea8811bb7d053c5440e3d6fb5d55cd (MD5) Previous issue date: 2016-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho o espaço geográfico é incorporado ao estudo das perdas não técnicas. Os trabalhos avaliados em perdas comumente não consideram a localização espacial das mesmas de forma explícita. No entanto, o estudo das características do lugar onde elas ocorrem pode trazer informações imprescindíveis para melhor compreensão do problema. O espaço é incorporado via técnicas de análise espacial de dados geográficos. A saber: análise espacial de padrões de pontos e análise espacial de dados agregados por áreas. A localização das perdas é obtida através de dados de inspeções reais georreferenciados obtidos a partir de uma concessionária de energia elétrica. Os atributos socioeconômicos do censo demográfico e da rede de distribuição de energia do lugar onde ocorrem as perdas são considerados via técnicas de regressões espaciais. São elas: modelo aditivo generalizado (GAM) e regressão geograficamente ponderada (GWR). Esses atributos são as variáveis independentes das regressões espaciais e auxiliam na explicação da disposição das perdas no espaço geográfico do município em estudo. Essas regressões são combinadas com as cadeias de Markov para produção de mapas de probabilidades de perdas. Esses mapas indicam as subáreas do município que são mais vulneráveis às perdas em termos probabilísticos. Por meio deles, estima-se a evolução das perdas não técnicas no espaço geográfico do município ao longo do tempo. Os mapas de probabilidade de perdas são uma ferramenta gráfica, de fácil interpretação e que auxiliam no planejamento de uma série de ações de prevenção e combate às perdas. Este estudo foi realizado em um município de porte médio do interior paulista com aproximadamente 81 mil unidades consumidoras, sendo que os resultados das simulações foram comparados com dados reais de inspeções em campo. A taxa de acerto para estimação das áreas vulneráveis às perdas via modelo aditivo generalizado (GAM) e cadeias e Markov foi superior a 80%. / In this work the geographic space is incorporated into the study of non-technical losses. Studies on non-technical losses do not often consider the spatial location of them explicitly. However, the study of the characteristics of the place where they occur can provide essential information to better understanding of the problem. The space is incorporated via spatial analysis techniques of geographical data; to know: spatial analysis of point patterns and spatial analysis of data aggregated by areas. The location of the losses is determined via georeferenced inspections data obtained from an electrical power utility. Socioeconomic attributes of the census and the distribution network of energy of the place where the losses occur are considered using the spatial regressions techniques; namely: generalized additive model (GAM) and geographically weighted regression (GWR). These attributes are the independent variables of spatial regressions and assist in the provision of the explanation of the losses in the geographical space of the city under study. These regressions are combined with Markov chains to produce the loss probability maps. These maps show the city subareas that are more vulnerable to losses in probabilistic terms. Through them, the evolution of non-technical losses in the geographical area of the city over the time is estimated. The loss probability maps are a graphical tool, easy to interpret and to assist in planning a series of actions to prevent and combat to losses. This study was conducted in a medium-sized city of São Paulo with about 81,000 consumer units, and the simulation results were compared with real data obtained in field inspections. The hit rate for the estimation of areas vulnerable to losses via generalized additive model (GAM) and Markov chains surpasses 80%.