Irrigation of large agricultural areas represents a significant portion of energy consumption in food producing countries. The electric power of irrigation pumps in rice crops, for example, may exceed 800 HP, while these systems are continually used during the harvest. In Brazil, non-technical losses in this type of consumer are generally due to fraud or error in power meters, or illegal connections. This type of problem is difficult to control because of the large length of rural feeder, in addition to access difficulties in many cases. This work presents a proposal for identifying non-technical losses in rural feeders containing pumping systems for irrigation of rice crops. The proposed methodology is based on the correlation of patterns of energy consumption, characteristics of the irrigated area and climatic conditions of the irrigation period. The developed system employs Artificial Neural Network technique, and it has as input a dataset of rainfall, temperature, solar irradiation, humidity, installed power and irrigated area of rice cultivation. The final result of the analysis indicates the percentage risk of each set of data and inconsistencies that can result in non-technical losses. The results of the developed methodology were obtained and validated from a real data base of crops of the period between 2009 and 2014, in the State of Rio Grande do Sul, Brazil. / A irrigação de grandes áreas agrícolas representa uma porção significativa do consumo de energia elétrica em países produtores de alimentos. A potência das bombas de irrigação em lavouras de arroz, por exemplo, pode ser superior a 800 CV, sendo que esses sistemas são utilizados continuamente no período da safra. No Brasil, as perdas não técnicas neste tipo de consumidor geralmente são devidas a fraudes, erros em medidores de energia e ligações clandestinas. Esse tipo de problema é de difícil fiscalização devido à grande extensão das linhas rurais, além da dificuldade de acesso, em muitos casos. Este trabalho apresenta uma proposta para a identificação de perdas não técnicas em alimentadores rurais contendo sistemas de bombeamento para irrigação de lavouras de arroz. A metodologia proposta é baseada na correlação dos padrões de consumo de energia elétrica, das características da área irrigada e das condições climáticas do período de irrigação. A metodologia emprega a técnica de Rede Neural Artificial, e tem como entrada um conjunto de dados de precipitação pluviométrica, temperatura, incidência solar, umidade do ar, carga instalada e área de solo irrigado característico do cultivo de arroz. O resultado final das análises indica o risco percentual de cada conjunto de dados e inconsistências que possam implicar em perdas não técnicas. Os resultados do trabalho foram obtidos e validados a partir de uma base de dados reais de safras do período entre 2009 e 2014, de lavouras do Estado do Rio do Grande do Sul.

A detecção de furtos e fraudes nos sistemas de energia provocados por consumidores irregulares é o principal alvo em análises de perdas não-técnicas ou comerciais pelas empresas de energia. Embora a identificação automática de perdas nãotécnicas tenha sido amplamente estudada, a tarefa de selecionar as características mais representativas em um grande conjunto de dados a fim de aumentar a taxa de acerto da identificação, bem como para caracterizar possíveis consumidores irregulares como um problema de otimização, não tem sido muito explorada neste contexto. Neste trabalho, visa-se o desenvolvimento de algoritmos híbridos baseados em técnicas evolutivas a fim de realizar a seleção de características no âmbito da caracterização de perdas não-técnicas, comparando as suas taxas de acerto e verificando as características selecionadas. Vários classificadores são comparados, com destaque para a técnica Floresta de Caminhos Ótimos por sua robustez, sendo ela a técnica escolhida para o cálculo da função objetivo das técnicas evolutivas, analisando o desempenho das mesmas. Os resultados demonstraram que a seleção de características mais representativas podem melhorar a taxa de acerto da classificação de possíveis perdas não-técnicas quando comparada à classificação sem o processo de seleção de características em conjuntos de dados compostos por perfis de consumidores industriais e comerciais. Isto significa que existem características que não são pertinentes e podem diminuir a taxa de acerto durante a classificação dos consumidores. Através da metodologia proposta com o processo de seleção de características, é possível caracterizar e identificar os perfis de consumidores com mais precisão, afim de minimizar os custos com tais perdas, contribuindo para a recuperação de receita das companhias de energia elétrica. / The detection of thefts and frauds in power systems caused by irregular consumers is the most actively pursued analysis in non-technical losses by electric power companies. Although non-technical losses automatic identification has been massively studied, the task of selecting the most representative features in a large dataset, in order to boost the identification accuracy, as well as characterizing possible irregular consumers as a problem of optimization, has not been widely explored in this context. This work aims at developing hybrid algorithms based on evolutionary algorithms in order to perform feature selection in the context of non-technical losses characterization. Although several classifiers have been compared, we have highlighted the Optimum-Path Forest (OPF) technique mainly because of its robustness. Thus, the OPF classifier was chosen to compute the objective function of evolutionary techniques, analyzing their performances. This procedure with feature selection is compared with the procedure without feature selection in datasets composed by industrial and commercial consumers profiles. The results demonstrated that selecting the most representative features can improve the classification accuracy of possible non-technical losses. This means that there are irrelevant features and they can reduce the classification accuracy of consumers. Considering the methodology proposed with feature selection procedure, it is possible to characterize and identify consumer profiles more accurately, in order to minimize costs with such losses, contributing to the recovery of revenue from electric power companies.

A detecção de furtos e fraudes nos sistemas de energia provocados por consumidores irregulares é o principal alvo em análises de perdas não-técnicas ou comerciais pelas empresas de energia. Embora a identificação automática de perdas nãotécnicas tenha sido amplamente estudada, a tarefa de selecionar as características mais representativas em um grande conjunto de dados a fim de aumentar a taxa de acerto da identificação, bem como para caracterizar possíveis consumidores irregulares como um problema de otimização, não tem sido muito explorada neste contexto. Neste trabalho, visa-se o desenvolvimento de algoritmos híbridos baseados em técnicas evolutivas a fim de realizar a seleção de características no âmbito da caracterização de perdas não-técnicas, comparando as suas taxas de acerto e verificando as características selecionadas. Vários classificadores são comparados, com destaque para a técnica Floresta de Caminhos Ótimos por sua robustez, sendo ela a técnica escolhida para o cálculo da função objetivo das técnicas evolutivas, analisando o desempenho das mesmas. Os resultados demonstraram que a seleção de características mais representativas podem melhorar a taxa de acerto da classificação de possíveis perdas não-técnicas quando comparada à classificação sem o processo de seleção de características em conjuntos de dados compostos por perfis de consumidores industriais e comerciais. Isto significa que existem características que não são pertinentes e podem diminuir a taxa de acerto durante a classificação dos consumidores. Através da metodologia proposta com o processo de seleção de características, é possível caracterizar e identificar os perfis de consumidores com mais precisão, afim de minimizar os custos com tais perdas, contribuindo para a recuperação de receita das companhias de energia elétrica. / The detection of thefts and frauds in power systems caused by irregular consumers is the most actively pursued analysis in non-technical losses by electric power companies. Although non-technical losses automatic identification has been massively studied, the task of selecting the most representative features in a large dataset, in order to boost the identification accuracy, as well as characterizing possible irregular consumers as a problem of optimization, has not been widely explored in this context. This work aims at developing hybrid algorithms based on evolutionary algorithms in order to perform feature selection in the context of non-technical losses characterization. Although several classifiers have been compared, we have highlighted the Optimum-Path Forest (OPF) technique mainly because of its robustness. Thus, the OPF classifier was chosen to compute the objective function of evolutionary techniques, analyzing their performances. This procedure with feature selection is compared with the procedure without feature selection in datasets composed by industrial and commercial consumers profiles. The results demonstrated that selecting the most representative features can improve the classification accuracy of possible non-technical losses. This means that there are irrelevant features and they can reduce the classification accuracy of consumers. Considering the methodology proposed with feature selection procedure, it is possible to characterize and identify consumer profiles more accurately, in order to minimize costs with such losses, contributing to the recovery of revenue from electric power companies.

Submitted by Luciclea Silva (luci@ufpa.br) on 2018-11-01T14:00:58Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Calculoperdastecnicas.pdf: 10193002 bytes, checksum: 5e474814b95fa6c0f3457309da7a2950 (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-11-01T14:01:22Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Calculoperdastecnicas.pdf: 10193002 bytes, checksum: 5e474814b95fa6c0f3457309da7a2950 (MD5) / Made available in DSpace on 2018-11-01T14:01:22Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Calculoperdastecnicas.pdf: 10193002 bytes, checksum: 5e474814b95fa6c0f3457309da7a2950 (MD5) Previous issue date: 2018-10-17 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho apresenta um novo conceito denominado Impedância Equivalente de Perdas (IEP) que é caracterizado por ser um método prático e econômico que permite calcular perdas técnicas e não técnicas em redes de distribuição de energia elétrica com uma boa precisão, para o qual é utilizado dados que qualquer empresa de distribuição possui, como as contas de energia dos consumidores, os parâmetros elétricos da rede e as medições de potências e correntes na saída da subestação. Para mostrar a aplicação deste método, este documento abrange o processamento dos dados e descrição do software usado para simular a operação de sistemas elétricos testes IEEE 13 e 37 barras, considerando que eles apresentam perdas técnicas e não técnicas. Além disso, estes sistemas são avaliados com diferentes condições de operação, incluindo a incorporação de um gerador fotovoltaico. Os casos avaliados neste trabalho mostram que o método pode ser utilizado para planejar e monitorar as redes de distribuição de energia elétrica considerando a separação de perdas técnicas e não técnicas, para que no futuro as ações de redução dessas perdas possam ser gerenciadas, já que a perda de energia elétrica sem gerenciamento traduz-se em perdas econômicas consideráveis tanto para as concessionárias quanto para os consumidores e indiretamente para o país. Os resultados apresentados nesta dissertação, sobre a aplicação da Impedância Equivalente de Perdas no cálculo das perdas técnicas e não técnicas demonstraram a eficácia do método proposto, vislumbrando-se um grande potencial para a aplicação desse procedimento nas empresas de energia elétrica, principalmente nas distribuidoras de energia. / This work presents a new concept called Loss Equivalent Impedance (LEI), which is characterized by being a practical and economical method that allows calculating technical and non-technical losses in electricity distribution networks with good accuracy, for which it uses the data that any electric utility has, such as the user's electricity bills, the grid's electrical parameters and the measurements of power and currents at the substation coupling point. To show the application of this method, this document covers the data processing and description of the software used to simulate the operation in the test systems IEEE 13 and 37 buses networks, considering that they present technical and non-technical losses. In addition, these systems are evaluated with different operational conditions, including the incorporation of a photovoltaic plant. The cases evaluated in this work show that the method can be used to plan and monitor the electricity distribution networks, considering the separation of technical and non-technical losses, so that in future reduction actions concerning these losses can be managed, since of unmanaged electricity losses is translated into considerable economic losses for both the utility and customers and indirectly for the country. The results presented in this dissertation, regarding the application of the Equivalent Operational Impedance to the calculation of technical and non-technical losses, have demonstrated the effectiveness of the proposed methodology, so that it is foreseen a great potential for the application of the proposed procedure in the electrical sector mainly in the distribution utilities.

Made available in DSpace on 2015-03-05T17:05:26Z (GMT). No. of bitstreams: 0 Previous issue date: 23 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A presente pesquisa volta-se ao estudo de perdas não técnicas de distribuição de energia elétrica, visando a proposição de um plano estruturado de ações para atenuação do problema a partir de um método que alia as abordagens de Pensamento Sistêmico e Planejamento por Cenários (PSPC) e do Processo de Pensamento da Teoria das Restrições (PP TOC). Para tanto, será adotada a pesquisa-ação, através das etapas de exploração, pesquisa aprofundada, ação e avaliação. O referencial teórico necessário para a realização da pesquisa aborda os temas Perdas Não Técnicas de energia elétrica, Pensamento Sistêmico, Planejamento por Cenários, Método PSPC e Processo de Pensamento da Teoria das Restrições. O plano de ação obtido resulta de uma visão compreensiva da realidade estudada e de uma abordagem estruturada para a atenuação de perdas não técnicas no contexto abordado. As ações resultantes foram analisadas e a avaliação dos resultados atingidos com a pesquisa foi realizada de forma qualitativa por meio de entrevistas a três / This research turns to the study of non-technical losses in electricity distribution, aimed at proposing a structured plan of action to reduce the problem from a method that combines the approaches of Systems Thinking and Planning Scenarios(PSPC) and Thinking Process of the Theory of Constraints (PP TOC). To do so, will be adopted action research, through the stages of exploration, deep research, action and evaluation. The theoretical framework necessary for carrying out the research addresses the issues non-technical losses of electricity, Systems Thinking, Planning Scenarios, PSPC Method and Thinking Process of the Theory of Constraints. The plan of action obtained results from a comprehensive view of reality studied and a structured approach to the mitigation of non-technical losses to the context discussed. The actions were analyzed and the evaluation of the results achieved by the research was conducted qualitatively through interviews with three distinct audiences: the multidisciplinary team involved in

Este trabalho tem por objetivo apresentar e discutir alguns modelos para cálculo de perdas técnicas e não técnicas em sistemas de distribuição, considerando diversas alternativas em função da disponibilidade de dados. A discussão é de fundamental importância, na medida que o setor elétrico passa a enfrentar novos desafios, tais como o cálculo de redes de baixa tensão com cadastro incompleto e o cálculo de perdas não técnicas com sua respectiva parcela de perdas técnicas. Para o cálculo das perdas em redes de baixa tensão com cadastro incompleto, duas situações são consideradas. Na primeira, a rede é conhecida, porém não se conhece a localização de seus consumidores. Na segunda situação, também a rede é desconhecida. Neste último caso, para superar o problema de ausência de informações, são utilizadas técnicas de classificação para definir um conjunto de padrões de redes típicas e posterior associação de cada rede a um padrão previamente estabelecido. Também são utilizados alguns modelos de distribuição da carga e a consideração de incertezas é contemplada a partir de números difusos. Para calcular as perdas não técnicas com sua respectiva parcela de perdas técnicas, propõe-se um método para corrigir a energia faturada dos consumidores a partir do conhecimento da energia medida e das perdas técnicas calculadas. Uma extensão desse método ainda permite calcular as perdas de forma rápida e sem grandes esforços computacionais (método expedito), partindo do resultados de um cálculo realizado com um método convencional. Todos os modelos propostos são aplicados a redes de distribuição reais. Os resultados obtidos são analisados e comparados a valores de referência e é discutida a aplicabilidade dos modelos, bem como suas respectivas faixas de validade. / This work aims at presenting and discussing some models for calculating technical and non-technical losses in distribution systems. The proposed methods comprise several possibilities depending on the available data. This discussion is very important since the electric sector faces new challenges, such as technical loss estimation in low voltage networks with incomplete data. The evaluation of non-technical losses is also herein discussed. Regarding loss estimation with incomplete data, two conditions are considered. In the first one, the network data is known, but the customers location are unavailable. In the second one, the network data is not completely known as well. In this latter condition, in order to overcome the lack of sufficient data, classification techniques are used to establish a set of typical network patterns and to associate each network to a previously established pattern. Some load distribution models are also used and the uncertainties are considered by the use of fuzzy sets. In order to estimate the non-technical losses and their related technical losses, a method to adjust the billed energy in all customers is proposed. This is accomplished by using the computed technical losses and the measured energy at the substation site. This method also makes possible the assessment of technical losses in a quick way with a low computational effort (fast method). Such method is accomplished by using the results of a calculation previously performed using the conventional method. All the proposed methods are applied to real distribution networks. The obtained results are discussed and compared to the results obtained with the conventional method. The applicability of each model is also discussed.

Este trabalho tem por objetivo apresentar e discutir alguns modelos para cálculo de perdas técnicas e não técnicas em sistemas de distribuição, considerando diversas alternativas em função da disponibilidade de dados. A discussão é de fundamental importância, na medida que o setor elétrico passa a enfrentar novos desafios, tais como o cálculo de redes de baixa tensão com cadastro incompleto e o cálculo de perdas não técnicas com sua respectiva parcela de perdas técnicas. Para o cálculo das perdas em redes de baixa tensão com cadastro incompleto, duas situações são consideradas. Na primeira, a rede é conhecida, porém não se conhece a localização de seus consumidores. Na segunda situação, também a rede é desconhecida. Neste último caso, para superar o problema de ausência de informações, são utilizadas técnicas de classificação para definir um conjunto de padrões de redes típicas e posterior associação de cada rede a um padrão previamente estabelecido. Também são utilizados alguns modelos de distribuição da carga e a consideração de incertezas é contemplada a partir de números difusos. Para calcular as perdas não técnicas com sua respectiva parcela de perdas técnicas, propõe-se um método para corrigir a energia faturada dos consumidores a partir do conhecimento da energia medida e das perdas técnicas calculadas. Uma extensão desse método ainda permite calcular as perdas de forma rápida e sem grandes esforços computacionais (método expedito), partindo do resultados de um cálculo realizado com um método convencional. Todos os modelos propostos são aplicados a redes de distribuição reais. Os resultados obtidos são analisados e comparados a valores de referência e é discutida a aplicabilidade dos modelos, bem como suas respectivas faixas de validade. / This work aims at presenting and discussing some models for calculating technical and non-technical losses in distribution systems. The proposed methods comprise several possibilities depending on the available data. This discussion is very important since the electric sector faces new challenges, such as technical loss estimation in low voltage networks with incomplete data. The evaluation of non-technical losses is also herein discussed. Regarding loss estimation with incomplete data, two conditions are considered. In the first one, the network data is known, but the customers location are unavailable. In the second one, the network data is not completely known as well. In this latter condition, in order to overcome the lack of sufficient data, classification techniques are used to establish a set of typical network patterns and to associate each network to a previously established pattern. Some load distribution models are also used and the uncertainties are considered by the use of fuzzy sets. In order to estimate the non-technical losses and their related technical losses, a method to adjust the billed energy in all customers is proposed. This is accomplished by using the computed technical losses and the measured energy at the substation site. This method also makes possible the assessment of technical losses in a quick way with a low computational effort (fast method). Such method is accomplished by using the results of a calculation previously performed using the conventional method. All the proposed methods are applied to real distribution networks. The obtained results are discussed and compared to the results obtained with the conventional method. The applicability of each model is also discussed.

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%.