Made available in DSpace on 2017-07-10T16:41:32Z (GMT). No. of bitstreams: 1
Dissertacao Altamira Queiroz2.pdf: 2299194 bytes, checksum: 07ecb127ebc11ad21a0cb551e23c2f1b (MD5)
Previous issue date: 2016-02-19 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / One of the main problems currently faced by electric utilities is the occurrence of energy losses
in the distribution network caused by fraud and electricity theft. Because of the financial
losses and risks to public safety, the development of solutions to detect and combat fraud in the
distribution networks is of the utmost importance. This work presents an analysis of computational
intelligence algorithms to extract knowledge in databases with information from monthly
energy consumption to identify consumption patterns with anomalies which could represent
fraud. The algorithms Artificial Neural Networks and Support Vector Machines were tested
to see which one perform better on the identification consumption patterns with abnormalities.
Tests have shown that the algorithms used are able to detect patterns in electricity consumption
curves, including special situations of fraud that manual techniques did not detect. / Um dos principais problemas que enfrentam atualmente as empresas concessionárias de energia
elétrica é a ocorrência de perdas de energia na rede de distribuição, causadas por fraudes e furtos
de energia elétrica. Sendo que tais problemas provocam prejuízos financeiros e também colocam
em risco a segurança pública, é de grande interesse das concessionárias encontrar soluções
para detectar e combater fraudes nas redes de distribuição de energia elétrica. Neste conceito,
o presente trabalho apresenta uma análise dos algoritmos de Inteligência Computacional para
extrair conhecimento de bases de dados de informações de consumo mensal de energia elétricas
de usuários de uma determinada concessionária, a fim de identificar padrões de consumo com
anomalias que representem possíveis fraudes nas redes de distribuição de energia elétrica. Para
detectar padrões nas curvas de consumo, foram utilizados algoritmos de Redes Neurais Artificiais
e Máquinas de Vetores de Suporte. Após a criação dos modelos, estes foram testados para
verificar qual seria o melhor algoritmo para a detecção de padrões de consumo com anomalias,
e os resultados obtidos, foram então, comparados com uma base de dados fornecida pela concessionária
com a verificação manual dos usuários. Os testes demonstraram que os algoritmos
utilizados são capazes de detectar padrões nas curvas de consumo de energia elétrica, inclusive
detectando situações especiais de fraudes que técnicas manuais não detectaram.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede.unioeste.br:tede/1030 |
| Date | 19 February 2016 |
| Creators | Queiroz, Altamira de Souza |
| Contributors | Franco, Edgar Manuel Carreño, Freitas, Ricardo Luiz Barros de, Candido Junior, Arnaldo |
| Publisher | Universidade Estadual do Oeste do Paraná, Foz do Iguaçu, 8774263440366006536, 500, Programa de Pós-Graduação em Engenharia Elétrica e Computação, UNIOESTE, BR, Centro de Engenharias e Ciências Exatas |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações do UNIOESTE, instname:Universidade Estadual do Oeste do Paraná, instacron:UNIOESTE |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds