Publication
Aplicação de técnicas de mineração de dados para detecção de perdas comerciais na distribuição de energia elétrica
| Summary: | As perdas comerciais na distribuição de energia elétrica causam prejuízos no faturamento das concessionárias e inclusive aos próprios consumidores, sendo um desafio detectar tais eventos de maneira eficiente. Para identificar possíveis perdas o mais rápido possível, facilitando o processo de inspeção das unidades consumidoras, este trabalho propõe como solução, o processo de mineração de dados sobre informações de uma empresa de distribuição de energia do Vale do Taquari. Para alcançar este objetivo, o presente trabalho traz um embasamento teórico onde são tratados os principais algoritmos e técnicas utilizadas no contexto de mineração de dados. Para a execução deste processo, foram utilizadas ferramentas de mineração de dados como o WEKA e o módulo scikit-learn. Os algoritmos executados foram avaliados através de métricas de desempenho, sendo que o método random forests atingiu uma acuracidade de 82%, conseguindo classificar corretamente 97% dos exemplos negativos de perdas comerciais, enquanto que a técnica de árvore de decisão obteve uma taxa de 76% de acuracidade, com aproximadamente 35% dos casos positivos de perdas comerciais classificados corretamente. |
|---|---|
| Main Authors: | Zuege, Tiago Jasper |
| Subject: | CET Mineração de dados Perdas comerciais Aprendizado de máquina |
| Year: | 2018 |
| Country: | Brazil |
| Document type: | bachelor thesis |
| Access type: | unknown |
| Associated institution: | IBICT |
| Language: | Portuguese |
| Origin: | Oasisbr |
| Summary: | As perdas comerciais na distribuição de energia elétrica causam prejuízos no faturamento das concessionárias e inclusive aos próprios consumidores, sendo um desafio detectar tais eventos de maneira eficiente. Para identificar possíveis perdas o mais rápido possível, facilitando o processo de inspeção das unidades consumidoras, este trabalho propõe como solução, o processo de mineração de dados sobre informações de uma empresa de distribuição de energia do Vale do Taquari. Para alcançar este objetivo, o presente trabalho traz um embasamento teórico onde são tratados os principais algoritmos e técnicas utilizadas no contexto de mineração de dados. Para a execução deste processo, foram utilizadas ferramentas de mineração de dados como o WEKA e o módulo scikit-learn. Os algoritmos executados foram avaliados através de métricas de desempenho, sendo que o método random forests atingiu uma acuracidade de 82%, conseguindo classificar corretamente 97% dos exemplos negativos de perdas comerciais, enquanto que a técnica de árvore de decisão obteve uma taxa de 76% de acuracidade, com aproximadamente 35% dos casos positivos de perdas comerciais classificados corretamente. |
|---|
Funded activities
No funded projects found.