DETECÇÃO DE PERDAS NÃO TÉCNICAS EM SISTEMAS DE DISTRIBUIÇÃO: UMA ABORDAGEM ATRAVÉS DE APRENDIZAGEM DE MÁQUINA.
Floresta Aleatória, Máquinas de Vetores de Suporte, Perceptron Multicamadas.
Perdas de energia ocorrem em qualquer sistema elétrico, sejam elas devido à fenômenos físicos ou à ação humana. As perdas técnicas são aquelas inerentes ao sistema, enquanto que as perdas não técnicas, também conhecidas como perdas comerciais, estão geralmente associadas a algum tipo de fraude cometida 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. Utilizou-se uma base de dados reais de consumo de energia elétrica, que já estava rotulada entre consumidores honestos e fraudulentos. Como essa base está desbalanceada, se fez necessário aplicar a técnica de sobreamostragem SMOTE para a correção desse problema. A detecção foi realizada através de três diferentes modelos, Random Forest, Support Vector Machine e Multilayer Perceptron, afim de comparar seus desempenhos. Constatou-se que o modelo de Random Forest propiciou tanto o melhor desempenho de classificação quanto o menor custo computacional entre os três modelos. As simulações foram realizadas no IDE Spyder através da linguagem de programação Python.