Use this identifier to cite or link to this item: http://hdl.handle.net/10737/2240
Title: Aplicação de técnicas de mineração de dados para detecção de perdas comerciais na distribuição de energia elétrica
Authors: Zuege, Tiago Jasper
Keywords: Mineração de dados;Perdas comerciais;Aprendizado de máquina
Date of Defense: 10-Jul-2018
Issue Date: 9-Oct-2018
Citation: ZUEGE, Tiago Jasper. Aplicação de técnicas de mineração de dados para detecção de perdas comerciais na distribuição de energia elétrica. 2018. Monografia (Graduação em Engenharia da Computação) – Universidade do Vale do Taquari - Univates, Lajeado, 10 jul. 2018. Disponível em: http://hdl.handle.net/10737/2240.
Abstract: 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.
Commercial losses in the distribution of electric power cause losses in the revenues of the concessionaires and even the consumers themselves, being a challenge detecting such events in an efficient way. In order to identify this type of loss as fast as possible, simplifying the inspection process of the consumer units, this paper proposes as a solution, the data mining process about the information of a energy distribution company at Vale do Taquari. To reach this objective, the present work presents a theoretical basis where the main algorithms and techniques used in the data mining context are treated. For the execution of this process, data mining tools like WEKA and the module scikit-learn where used. The algorithms performed were evaluated through evaluation metrics, where the random forests method reached an accuracy of 82% and was able to correctly classify 97% of negative examples of commercial losses, while the decision tree technique obtained a rate of 76% of accuracy, with approximately 35% of positive cases of correctly classified commercial losses.
URI: http://hdl.handle.net/10737/2240
Appears in Collections:Engenharia da Computação

Files in This Item:
File Description SizeFormat 
2018TiagoZuege.pdf3,76 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons