Diagnóstico comportamental sobre o consumo individual de eletricidade: formulação por rede neural baseada na teoria da ressonância adaptativa
Carregando...
Data
Autores
Orientador
Minussi, Carlos Roberto 
Coorientador
Pós-graduação
Engenharia Elétrica - FEIS
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Esta pesquisa destina-se ao estudo do comportamento do consumo diário dos clientes individuais conectados na rede de distribuição de energia elétrica e, estendendo-se a períodos mais extensos, visa buscar evidências de fraude, qualificada como perdas não técnicas. Ressalta-se que a legislação vigente no país autoriza as companhias distribuidoras a repassarem as perdas não técnicas para as tarifas de energia elétrica, consequentemente, elevando o valor tarifário para os consumidores que cumprem com as suas obrigações contratuais. Em contraposição a esta prática, esta pesquisa visa oferecer um sistema para o estudo do comportamento do consumidor de forma colaborativa e complementar às técnicas existentes, com o propósito de eliminar ou, pelo menos, mitigar estas perdas. Portanto, trata-se de uma prática mais democrática na qual todos os consumidores conectados, rigorosamente, tendem a pagar as tarifas de acordo com o consumo real sob suas responsabilidades. Para tanto, será imperativo indicar os pontos onde ocorre o consumo energético indevido, com a máxima certeza possível, para a acertada tomada de providências. É uma pesquisa com repercussão positiva para a justa melhoria econômica da sociedade. Para abarcar este objetivo, propõe-se o desenvolvimento de um sistema de inferência baseado nas RNAs(Redes Neurais Artificais) da família ART (Teoria da Ressonância Adaptativa) de Carpenter e Grossberg (1992) e Grossberg (2013). Especificamente foi empregada a rede ART-Fuzzy, conhecida pela capacidade de aprender de forma confiável e em tempo real. Os dados de consumo dos clientes usados para o desenvolvimento deste sistema de detecção provêm de clientes reais da Comissão para a Regulação da Energia (CER), dos quais foram utilizados apenas os correspondentes a um ano, para que fosse possível extrair diferentes padrões de consumo em diferentes estações do ano, sem a necessidade de usar uma quantidade excessiva de dados. Para garantir que os perfis de consumo reflitam o comportamento natural, sem serem condicionados pelas diferentes tarifas, foram selecionados apenas os clientes que estavam na Tarifa E (tarifa de controle). Cada amostra, ou vetor de entrada, corresponde ao consumo diário de um cliente em intervalos de 30 minutos, permitindo a captura de informações sobre o cliente em questão em diferentes momentos do dia. Dada a dificuldade de se ter dados reais disponíveis, uma vez que eles são geralmente bem protegidos pelas diferentes empresas de distribuição elétrica, foram gerados 7 tipos de fraude para representar, na medida do possível, os diferentes tipos de fraudadores que podem ser encontrados na vida real. Para que o modelo não fosse influenciado pela predominância típica de dados benignos, o banco de dados foi equilibrado, consistindo em 3.500 dias de consumidores benignos e 3.500 dias de consumidores fraudulentos. Além disso, as métricas foram avaliadas em dois cenários diferentes, um usando apenas dados de consumo analógicos de consumidores benignos e fraudulentos e o outro cenário usando além dos dados de consumo analógicos, dados binários contendo informações temporais sobre o dia em questão, como dia da semana, dia do mês e estação do ano.
Resumo (inglês)
This research is intended to study the daily consumption behaviour of individual customers connected to the electricity distribution network and, extending over longer periods, aims to seek evidence of fraud, classified as non-technical losses. It should be noted that current legislation in the country authorises distribution companies to pass on non-technical losses to electricity tariffs, consequently raising the tariff value for consumers who comply with their contractual obligations. In contrast to this practice, this research aims to offer a system for studying consumer behaviour in a collaborative manner that complements existing techniques, with the purpose of eliminating or at least mitigating these losses. Therefore, it is a more democratic practice in which all connected consumers tend to pay tariffs strictly according to their actual consumption. To this end, it will be imperative to indicate the points where undue energy consumption occurs, with the utmost certainty, in order to take the right measures. This research has positive repercussions for the fair economic improvement of society. To achieve this objective, we propose the development of an inference system based on ANNs (Artificial Neural Networks) of the ART (Adaptive Resonance Theory) family by Carpenter and Grossberg (1992) and Grossberg (2013). Specifically, the ART-Fuzzy network was used, known for its ability to learn reliably and in real time. The customer consumption data used to develop this detection system comes from real customers of the Energy Regulation Commission (CER), of which only those corresponding to one year were used, so that it was possible to extract different consumption patterns in different seasons without the need to use an excessive amount of data. To ensure that consumption profiles reflect natural behaviour, without being conditioned by different tariffs, only customers who were on Tariff E (control tariff) were selected. Each sample, or input vector, corresponds to a customer's daily consumption at 30-minute intervals, allowing information about the customer in question to be captured at different times of the day. Given the difficulty of obtaining real data, as it is usually well protected by the different electricity distribution companies, 7 types of fraud were generated to represent, as far as possible, the different types of fraudsters that can be found in real life. So that the model would not be influenced by the typical predominance of benign data, the database was balanced, consisting of 3.500 days of benign consumers and 3.500 days of fraudulent consumers. In addition, the metrics were evaluated in two different scenarios, one using only analogue consumption data from benign and fraudulent consumers, and the other using, in addition to analogue consumption data, binary data containing temporal information about the day in question, such as day of the week, day of the month, and season of the year.
Descrição
Palavras-chave
Detecção, Análise, Consumo, Perdas não técnicas, ART, ARTMAP-Fuzzy, ART-Fuzzy, Treinamento continuado, Redes neurais, Detection, Analysis, Consumption, Non-technical losses, Incremental training, Neural networks
Idioma
Português
Citação
FALCÓN CANILLAS, Salvador. Diagnóstico comportamental sobre o consumo individual de eletricidade: formulação por rede neural baseada na teoria da ressonância adaptativa. 2025. 102 f. Tese (Doutorado em Engenharia Elétrica) - Faculdade de Engenharia, Universidade Estadual Paulista, Ilha Solteira, 2025.
