Repositório Digital

A- A A+

Detecção e identificação de perdas comerciais em sistemas de distribuição : metodologia baseada em floresta de caminhos ótimos

.

Detecção e identificação de perdas comerciais em sistemas de distribuição : metodologia baseada em floresta de caminhos ótimos

Mostrar registro completo

Estatísticas

Título Detecção e identificação de perdas comerciais em sistemas de distribuição : metodologia baseada em floresta de caminhos ótimos
Autor Trevizan, Rodrigo Daniel
Orientador Bretas, Arturo Suman
Data 2014
Nível Mestrado
Instituição Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Programa de Pós-Graduação em Engenharia Elétrica.
Assunto Energia elétrica : Distribuição
[en] Commercial losses
[en] Losses in distribution systems
[en] Machine learning
[en] Non-technical losses
[en] Optimum-rath forest
[en] Pattern recognition
Resumo O sistema elétrico brasileiro possui atualmente níveis de perdas elétricas da ordem de 15%. Destes, aproximadamente a metade são provenientes das chamadas perdas comerciais (PC) que ocorrem nos sistemas de distribuição. As PC são a soma de toda energia não faturada pelas distribuidoras, á exceção das perdas técnicas. As suas causas mais frequentes são os furtos de energia elétrica, fraudes e defeitos em medidores. Os custos provenientes dessas perdas são normalmente repassados pelas distribuidoras aos consumidores regulares. No entanto, novas regulamentações do regulador brasileiro do sistema elétrico, a Agência Nacional de Energia Elétrica (ANEEL), impõem limite a esse repasse, o que cria nas concessionárias um maior incentivo para o seu combate. Entre as metodologias empregadas para a mitigação de PC, tem sido destacadas na literatura aquelas baseadas na análise das bases de dados de clientes das empresas distribuidoras com o objetivo de reconhecer padrões de clientes irregulares. Neste contexto, neste trabalho é proposto e desenvolvido um sistema de combate a PC baseado no classificador supervisionado Floresta de Caminhos Ótimos (Optimum-Path Forest, OPF). São propostas a utilização de dados categóricos e a normalização de dados como modificações nos métodos encontrados na literatura. Os testes com o sistema desenvolvido são aplicado a uma base de dados sintetizada a partir de clientes residenciais, diferentemente de trabalhos em que se utilizaram dados de consumidores comerciais e industriais. Os resultados mostram que as modificações propostas podem melhorar o desempenho do OPF. O comparativo com outros métodos de classificação reafirma a eficiência do OPF mas contesta alguns resultados presentes na literatura.
Abstract The Brazilian electric power system has about 15% of losses. About a half of this amount is due to the so called commercial losses. The commercial losses are the sum of the unbilled energy less the technical losses. The commercial losses are mainly caused by electricity theft, frauds in electricity meters and electricity meter failure. The financial costs caused by these losses are included in the electricity bill, paid by the regular consumers. New regulations approved by the Brazilian regulatory agency for the electric system create a limit for this, which stimulates the investments in commercial loss mitigation by distribution companies. Among the methods used to mitigate commercial losses, those based on pattern recognition of irregular consumers within electric companies’ clients’ databases are some of the most promising. In this work, a system for commercial losses mitigation based on the supervised classifier Optimum-Path Forest (OPF) is studied and developed. Categorical data and data normalization are proposed as methods for improving classifier performance. In order to check the system performance, tests are conducted on a database derived from residential consumer data found in the literature, differently from other works which proposed data classification for commercial and industrial consumers only. The results show that using categorical data and normalization may improve OPF performance. Comparing this method with other classifiers confirms OPF’s efficiency but contests some results shown in the literature.
Tipo Dissertação
URI http://hdl.handle.net/10183/118824
Arquivos Descrição Formato
000966970.pdf (1.414Mb) Texto completo Adobe PDF Visualizar/abrir

Este item está licenciado na Creative Commons License

Este item aparece na(s) seguinte(s) coleção(ões)


Mostrar registro completo

Percorrer



  • O autor é titular dos direitos autorais dos documentos disponíveis neste repositório e é vedada, nos termos da lei, a comercialização de qualquer espécie sem sua autorização prévia.
    Projeto gráfico elaborado pelo Caixola - Clube de Criação Fabico/UFRGS Powered by DSpace software, Version 1.8.1.