Desenvolvimento de ferramentas computacionais inteligentes para identificação de perdas comerciais em sistemas de energia

Página do item simplificado
dc.contributor.advisorSouza, André Nunes de [UNESP]
dc.contributor.advisorPapa, João Paulo [UNESP]
dc.contributor.authorRamos, Caio César Oba [UNESP]
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2014-06-11T19:22:34Z
dc.date.available2014-06-11T19:22:34Z
dc.date.issued2010-03-02
dc.description.abstractA detecção de fraudes nos sistemas de energia provocados por consumidores ilegais é o principal alvo em estudos de perdas comerciais pelas empresas de energia. Comumente usadas entre as técnicas de reconhecimento de padrões, as Redes Neurais Artificiais e as Máquinas de Vetores de Suporte têm sido aplicadas para a identificação de fraudes de maneira automática, entretanto essas técnicas sofrem com a demora na convergência e no alto peso computacional. Este trabalho introduziu o classificador Floresta de Caminhos Ótimos para um rápido reconhecimento das perdas comerciais, que tem demonstrado ser superior às demais técnicas inteligentes, como as Redes Neurais e as Máquinas de Vetores de Suporte, sendo muito mais rápido. Neste trabalho, também foram apresentadas comparações entre esses classificadores.pt
dc.description.abstractFraud detection in energy systems by illegal consumers is the most actively pursued study in non-technical losses by electric power companies. Commonly used supervised pattern recognition techniques, such as Artificial Neural Networks and Support Vector Machines have been applied automatic frauds identification, however they suffer from slow convergence and high computacional burden. This work introduced the Optimum-Path Forest classifier for a fast non-technical losses recognition, which has been demonstrated to be superior than Neural Networks and Support Vector Machines, but much faster. Comparisons among these classifiers are also presented.en
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)
dc.format.extent78 f. : il.
dc.identifier.aleph000616187
dc.identifier.capes33004056087P2
dc.identifier.citationRAMOS, Caio César Oba. Desenvolvimento de ferramentas computacionais inteligentes para identificação de perdas comerciais em sistemas de energia. 2010. 78 f. Dissertação (mestrado) - Universidade Estadual Paulista, Faculdade de Engenharia, 2010.
dc.identifier.fileramos_cco_me_bauru.pdf
dc.identifier.lattes8212775960494686
dc.identifier.urihttp://hdl.handle.net/11449/87199
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.sourceAleph
dc.subjectEngenharia eletricapt
dc.subjectFraudes de energiapt
dc.subjectPerdas comerciaispt
dc.subjectTécnicas inteligentespt
dc.subjectEnergy fraudsen
dc.subjectCommercial lossesen
dc.subjectIntelligent techniquesen
dc.titleDesenvolvimento de ferramentas computacionais inteligentes para identificação de perdas comerciais em sistemas de energiapt
dc.typeDissertação de mestrado
unesp.advisor.lattes8212775960494686[1]
unesp.advisor.orcid0000-0002-8617-5404[1]
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Engenharia, Baurupt
unesp.graduateProgramEngenharia Elétrica - FEBpt
unesp.knowledgeAreaAutomaçãopt

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
ramos_cco_me_bauru.pdf
Tamanho:
600.85 KB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Dissertações - Engenharia Elétrica - FEB