Abordagem alternativa para cálculo regulatório de perdas não-técnicas do sistema de distribuição e técnicas de machine learning para detecção de fraude na baixa tensão.

Detalhes bibliográficos
Autor(a) principal: Pulz, Jônatas
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3143/tde-23032023-080022/
Resumo: As perdas não técnicas são um problema significativo em países subdesenvolvidos, decorrente, principalmente, de fraudes em medidores e furtos de energia. Para mitigá-las, as distribuidoras realizam inspeções em unidades consumidoras suspeitas. O custo operacional para se realizar essas inspeções é alto e só pode ser justificado por um retorno através da descoberta de fraudes. Para aumentar a precisão na descoberta de fraudes, modelos de machine learning podem ser utilizados. Este trabalho propõe modelos de detecção de fraudes utilizando os tipos de modelos mais atuais e que vem se destacando como bons classificadores. Além disso, este trabalho propõe uma metodologia de cálculo regulatório de perdas mais realista que leve em consideração esse rico banco de dados criado através das inspeções realizadas pelas distribuidoras e o compara com a metodologia regulatória atual numa área piloto da distribuidora Enel de São Paulo.
id USP_cb6a9daf81b7d471c5f76f2356ba2131
oai_identifier_str oai:teses.usp.br:tde-23032023-080022
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Abordagem alternativa para cálculo regulatório de perdas não-técnicas do sistema de distribuição e técnicas de machine learning para detecção de fraude na baixa tensão.Alternative approach for regulatory non-technical losses calculation of distribution system and machine learning techniques for fraud detection at low voltage.AnalyticsAprendizado computacionalElectricity theftEnergia elétricaEnergy lossesFraud detectionFurtoMachine learningNon-technical lossesRegulatory lossesTechnical lossesAs perdas não técnicas são um problema significativo em países subdesenvolvidos, decorrente, principalmente, de fraudes em medidores e furtos de energia. Para mitigá-las, as distribuidoras realizam inspeções em unidades consumidoras suspeitas. O custo operacional para se realizar essas inspeções é alto e só pode ser justificado por um retorno através da descoberta de fraudes. Para aumentar a precisão na descoberta de fraudes, modelos de machine learning podem ser utilizados. Este trabalho propõe modelos de detecção de fraudes utilizando os tipos de modelos mais atuais e que vem se destacando como bons classificadores. Além disso, este trabalho propõe uma metodologia de cálculo regulatório de perdas mais realista que leve em consideração esse rico banco de dados criado através das inspeções realizadas pelas distribuidoras e o compara com a metodologia regulatória atual numa área piloto da distribuidora Enel de São Paulo.Non-technical losses are a significative problem in developing countries, mainly due to tampering in meters and energy theft. To mitigate them, utilities carry out inspections in suspected consumers. The operational cost to carry out these inspections is high and can only be justified by a return through fraud discovery. To increase the precision of fraud detection, machine learning models can be used. This work presents fraud detection models using the most recent types of models that have been showing good results as classifiers. In addition, this work proposes a more realistic regulatory loss calculation methodology that takes into account this rich database created through inspections carried out by utilities and compares it with the current regulatory methodology in a pilot area of the utility Enel of São Paulo.Biblioteca Digitais de Teses e Dissertações da USPAlmeida, Carlos Frederico MeschiniPulz, Jônatas2022-07-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3143/tde-23032023-080022/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2023-03-27T12:25:29Zoai:teses.usp.br:tde-23032023-080022Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-03-27T12:25:29Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Abordagem alternativa para cálculo regulatório de perdas não-técnicas do sistema de distribuição e técnicas de machine learning para detecção de fraude na baixa tensão.
Alternative approach for regulatory non-technical losses calculation of distribution system and machine learning techniques for fraud detection at low voltage.
title Abordagem alternativa para cálculo regulatório de perdas não-técnicas do sistema de distribuição e técnicas de machine learning para detecção de fraude na baixa tensão.
spellingShingle Abordagem alternativa para cálculo regulatório de perdas não-técnicas do sistema de distribuição e técnicas de machine learning para detecção de fraude na baixa tensão.
Pulz, Jônatas
Analytics
Aprendizado computacional
Electricity theft
Energia elétrica
Energy losses
Fraud detection
Furto
Machine learning
Non-technical losses
Regulatory losses
Technical losses
title_short Abordagem alternativa para cálculo regulatório de perdas não-técnicas do sistema de distribuição e técnicas de machine learning para detecção de fraude na baixa tensão.
title_full Abordagem alternativa para cálculo regulatório de perdas não-técnicas do sistema de distribuição e técnicas de machine learning para detecção de fraude na baixa tensão.
title_fullStr Abordagem alternativa para cálculo regulatório de perdas não-técnicas do sistema de distribuição e técnicas de machine learning para detecção de fraude na baixa tensão.
title_full_unstemmed Abordagem alternativa para cálculo regulatório de perdas não-técnicas do sistema de distribuição e técnicas de machine learning para detecção de fraude na baixa tensão.
title_sort Abordagem alternativa para cálculo regulatório de perdas não-técnicas do sistema de distribuição e técnicas de machine learning para detecção de fraude na baixa tensão.
author Pulz, Jônatas
author_facet Pulz, Jônatas
author_role author
dc.contributor.none.fl_str_mv Almeida, Carlos Frederico Meschini
dc.contributor.author.fl_str_mv Pulz, Jônatas
dc.subject.por.fl_str_mv Analytics
Aprendizado computacional
Electricity theft
Energia elétrica
Energy losses
Fraud detection
Furto
Machine learning
Non-technical losses
Regulatory losses
Technical losses
topic Analytics
Aprendizado computacional
Electricity theft
Energia elétrica
Energy losses
Fraud detection
Furto
Machine learning
Non-technical losses
Regulatory losses
Technical losses
description As perdas não técnicas são um problema significativo em países subdesenvolvidos, decorrente, principalmente, de fraudes em medidores e furtos de energia. Para mitigá-las, as distribuidoras realizam inspeções em unidades consumidoras suspeitas. O custo operacional para se realizar essas inspeções é alto e só pode ser justificado por um retorno através da descoberta de fraudes. Para aumentar a precisão na descoberta de fraudes, modelos de machine learning podem ser utilizados. Este trabalho propõe modelos de detecção de fraudes utilizando os tipos de modelos mais atuais e que vem se destacando como bons classificadores. Além disso, este trabalho propõe uma metodologia de cálculo regulatório de perdas mais realista que leve em consideração esse rico banco de dados criado através das inspeções realizadas pelas distribuidoras e o compara com a metodologia regulatória atual numa área piloto da distribuidora Enel de São Paulo.
publishDate 2022
dc.date.none.fl_str_mv 2022-07-15
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/3/3143/tde-23032023-080022/
url https://www.teses.usp.br/teses/disponiveis/3/3143/tde-23032023-080022/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809091009779335168

Registros relacionados