Banca de DEFESA: MURILO ARAUJO SOUZA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: MURILO ARAUJO SOUZA
DATA : 23/04/2025
HORA: 15:00
LOCAL: LDS - Depto. de Engenharia Elétrica 4º andar do prédio administrativo do CTG.
TÍTULO:

DETECÇÃO DE PERDAS NÃO TÉCNICAS EM INFRAESTRUTURAS AVANÇADAS DE MEDIÇÃO: UMA ABORDAGEM ATRAVÉS DE APRENDIZAGEM DE MÁQUINA.

PALAVRAS-CHAVES:

Perdas não técnicas; aprendizagem de máquina; extração de atributos; \textit{multilayer perceptron}; \textit{long short-term memory}.

PÁGINAS: 82
RESUMO:

: Perdas de energia ocorrem em qualquer sistema elétrico, sejam elas devido à fenômenos físicos ou à ação humana. Essas perdas podem ser técnicas, aquelas inerentes ao sistema, e não técnicas, também conhecidas como perdas comerciais, geralmente associadas a algum tipo de fraude cometido pelo consumidor. Algoritmos de Aprendizagem de Máquina podem ser utilizados para detectar padrões de consumo de energia elétrica, afim de indicar se determinado consumidor está cometendo uma fraude ou não. Através de dados reais de consumo de energia elétrica de consumidores honestos, foram empregadas equações matemáticas para modelar onze tipos de perdas não técnicas que podem ocorrer em um medidor inteligente de energia elétrica contido em uma infraestrutura avançada de medição. Além disso, baseado nas séries temporais de consumo de energia, foram extraídos atributos estatísticos (média e variância), temporais (coordenadas do centroide) e de redução de dimensionalidade (Uniform Manifold Approximation and Projection) para aumentar significativamente o desempenho de classificação do modelo. O modelo proposto é do tipo multientradas, com dois ramos em paralelo: um contendo uma rede Multilayer Perceptron e o outro uma rede Long Short-Term Memory que processam diferentes informações. As saídas dessas redes são combinadas e fornecidas como entrada para outro Multilayer Perceptron que realiza a classificação final. As simulações foram realizadas no IDE Spyder através da linguagem de programação Python. Os resultados obtidos confirmam a efetividade do modelo proposto, que superou outros modelos anteriormente desenvolvidos para o mesmo objetivo, alcançando uma maior precisão na detecção das perdas não técnicas.
técnicas. alcançando uma maior precisão na detecção das perdas não técnicas.

MEMBROS DA BANCA:
Externa à Instituição - AIDA ARAUJO FERREIRA - IFPE
Externo à Instituição - BENEMAR ALENCAR DE SOUZA - UFCG
Externo à Instituição - MANOEL AFONSO DE CARVALHO JUNIOR - UFPE
Externa ao Programa - 2300753 - MILDE MARIA DA SILVA LIRA - nullPresidente - 1543575 - PEDRO ANDRE CARVALHO ROSAS