Você está na página 1de 8

Distribuio de energia

Apoio

52

Captulo VIII
Sistema inteligente hbrido
para deteco de perdas
comerciais
Por Lucas de Faria, Antnio Padilha e Carlos Minussi*

As perdas de energia eltrica por furto, fraude

de maneira parcialmente automtica, por meio de

ou erro na medio so denominadas perdas

planilhas eletrnicas, alguns clientes cujo histrico de

no tcnicas ou perdas comerciais. A reduo

consumo mensal exiba comportamento anmalo. Tais

dessas perdas tem sido prioridade nas empresas

clientes sero visitados pelas equipes de inspeo.

concessionrias, bem como nos rgos reguladores,

Os parmetros geralmente avaliados para cada

tanto pelo seu crescimento nos ltimos anos quanto

cliente so a curva de consumo mensal e os dados

pela sua atual dimenso. Furtos de energia eltrica

cadastrais. No entanto, a curva de consumo mensal

realizados por consumidores ativos das classes

sofre diversas influncias; logo, a anlise de clientes a

residencial, comercial e industrial constituem o

serem inspecionados no deve se basear unicamente

montante majoritrio das perdas comerciais.

pela avaliao da curva. Adicionalmente, os dados

No Brasil, as perdas comerciais so altas por

cadastrais, no raramente, contm informaes

inmeros

errneas ou por estarem desatualizadas ou mesmo

cultural tais como: desemprego, baixa renda, falta de

por erro no momento da realizao do cadastro do

habitao, infraestrutura insuficiente, preo elevado

cliente.

da energia e de acessrios de ligao e impunidade

em relao corrupo e fraude, por exemplo.

analisados para indicar se um determinado cliente

A fim de quantificar as perdas comerciais totais,

suspeito de ocasionar algum tipo de perda comercial

as concessionrias idealmente deveriam realizar

esto longe de serem totalmente confiveis. Isso

inspees nos medidores de todas as Unidades

confere um alto grau de complexidade ao problema

Consumidoras (UCs), quantificar todas as ligaes

de deteco de perdas comerciais no Sistema de

clandestinas, alm de executar o levantamento da

Distribuio de Energia Eltrica (SDEE). Alm das

iluminao pblica de toda a rea selecionada. No

informaes a respeito de cada consumidor no serem

entanto, devido ao grande nmero de UCs e ao alto

em quantidade suficiente, as existentes no so, em

custo das inspees tal prtica invivel. Por isso,

sua maioria, totalmente ntegras. Adicionalmente,

preciso que o processo de identificao do perfil

o perfil dos clientes fraudadores dinmico, isto ,

do consumidor seja automtico. Nesse contexto, as

os fraudadores buscam mecanismos cada vez mais

concessionrias comumente optam por selecionar,

sofisticados para furtar energia a fim de no serem

fatores

de

cunho

socioeconmico

Portanto, os principais parmetros comumente

53

descobertos.

A principal maneira de atuar no combate s perdas comerciais

a realizao de inspees nos pontos de consumo. Para


aperfeioar o procedimento das inspees, preciso identificar
previamente os consumidores que apresentam comportamento
suspeito. Essa identificao feita por um Sistema Baseado em
Conhecimento (SBC) que automatiza o processo de seleo
de clientes a serem inspecionados. Trata-se de um Sistema
Inteligente Hbrido (SIH) intercomunicativo que combina, de
forma independente, tcnicas de Sistemas Inteligentes (SIs): redes
neurais e lgica fuzzy. As redes neurais utilizadas so Perceptron
Multicamadas (PMC) e os mapas auto-organizveis de Kohonen
(SOM Self Organization Maps).

O objetivo agilizar o processo de seleo de consumidores a

serem inspecionados e aumentar a taxa de acertos de clientes com


perdas comerciais de maneira a minorar o custo com inspees.

Orientao das metodologias para estimao das


perdas comerciais
Os trabalhos literrios avaliados a respeito das perdas
comerciais, de maneira geral, so orientados deteco ou
estratificao das perdas comerciais em uma regio. As
metodologias orientadas deteco (na qual se enquadra este
trabalho) no se preocupam em explicar o que ocasiona as perdas
comerciais, mas sim em localiz-las de maneira mais precisa e
gil possvel. Em contrapartida, as metodologias orientadas s
causas procuram fornecer uma estimativa a respeito das causas e
quais so os tipos de perdas comerciais mais recorrentes em uma
regio especfica.

As metodologias orientadas localizao so pontuais e

objetivam encontrar, com a maior taxa de sucesso possvel, as UCs


com algum tipo de irregularidade. Para isso, valem-se de qualquer
informao que, de alguma forma, aumente a taxa de sucesso
das inspees. Os dados de entrada mais usuais so: histrico
de consumo mensal, dados cadastrais, atividade econmica,
comentrios dos inspetores e/ou leituristas, perdas globais no
alimentador, denncias, vulnerabilidade da regio em que se
encontra a UC, potncia contratada, etc. Essas metodologias
utilizam comumente ferramentas pertencentes a rea de Sis, como
redes neurais, lgica fuzzy, aprendizado de mquina, minerao
de dados e de texto, etc.

Em contrapartida, o objetivo das metodologias orientadas

s causas fornecer um panorama geral a respeito das UCs de


uma regio. Em geral, utilizam apenas os dados colhidos em
inspees realizadas em UCs previamente selecionadas e, a partir
dessas amostras, efetuam a extrapolao por meio de tcnicas
estatsticas

e/ou

probabilsticas. As

principais

ferramentas

comumente utilizadas so tcnicas estatsticas de amostragem,


redes Bayesianas, Naive Bayes, etc.

Essas duas abordagens so complementares. As metodologias

orientadas localizao possuem carter determinstico e pontual,

Distribuio de energia

Apoio

54

e as metodologias orientadas s causas tm carter estatstico e/ou

mdulo de agrupamento, mdulo de classificao, mdu-lo de

probabilstico.

busca, mdulo especialista e mdulo principal.


Metodologia proposta para deteco de perdas


comerciais no SDEE

A seguir, detalham-se os dados de entrada e os sete mdulos

que compem a metodologia.

Dados de entrada

A metodologia desenvolvida utiliza como dados de entrada

todos os indicadores que se tm disponveis (indicadores pontuais

e por rea). A sada fornecida o RPC (Risco de Perda Comercial)

so constitudos pelos dados cadastrais e pelo histrico de

que pertence ao intervalo [0,1]. Esse ndice associado a cada

consumo mensal em kWh referente a 36 meses. Os dados de

cliente analisado e representa a possibilidade de ele possuir

clientes constam na base de dados da concessionria. J os dados

algum problema que implique acrscimo das perdas comerciais.

de inspees so obtidos nas inspees em campo e contm

Os clientes, cujo RPC inferior a 0,5, so considerados no

informaes valiosas a respeito do perfil dos clientes fraudadores.

suspeitos. Os demais so ordenados em ordem decrescente de

RPC a fim de serem inspecionados.

classe do cliente (residencial, comercial, industrial, rural, poder

Esta seo objetiva descrever o SIH intercomunicativo

pblico, iluminao pblica, servio pblico e consumo prprio),

proposto para deteco de clientes anmalos, suspeitos de

nome completo, endereo completo, localidade (nesta metodologia,

ocasionarem perdas comerciais no SDEE. Na Figura 1, tem-se o

so os bairros), faturamento (monofsico, bifsico ou trifsico),

fluxograma geral da metodologia. constituda por sete mdulos

carga declarada, atividade (varia conforme a classe do consumidor),

independentes e intercomunicativos. A saber: mdulo de pr-

Consumo Irregular (CI atributo binrio que indica se o consumidor

processamento, mdulo de extrao de atributos estatsticos,

possui histrico de fraude), Religamentos (R indica se o consumidor

Na Figura 1, os dados de clientes e os dados de inspees

Na metodologia so utilizados os seguintes dados cadastrais:

j se autorreligou aps ter sua ligao cortada pela concessionria).


Por ltimo, tm-se os dados adicionais. So compostos pelo

IPCA (ndice de Perda Comercial do Alimentador) e pelo ISA (ndice


de Suspeita da rea). O IPCA corresponde a um percentual em
relao s perdas globais de um dado alimentador devido apenas
s perdas comerciais. O ISA representa a vulnerabilidade de uma
determinada rea s perdas comerciais. Essa rea pode ser um
bairro, um grupo de bairros, uma rea especfica e corresponde
a uma regio que contm os clientes de um alimentador
especfico em anlise. Muitos fatores de natureza diversa e
subjetiva influem no ISA, como pobreza, impunidade, corrupo,
falta de infraestrutura, etc. Por isso, o desenvolvimento de uma
metodologia que fornea o valor do ISA algo muito complexo
e impreciso e, por isso, seu valor baseado na experincia de
especialistas acerca das caractersticas tcnicas, sociais, polticas
e histricas da regio em anlise.

Mdulo de pr-processamento

Neste mdulo, os dados de entrada so avaliados a fim de

verificar a sua integridade e confiabilidade, pois, para que a


metodologia funcione eficientemente, preciso ter uma base de
dados consistente, atualizada e ntegra que represente os clientes de
uma dada regio. Em termos prticos, feita uma limpeza dos dados
e uma formatao para adequ-los ao formato estabelecido a priori
para a base de dados desenvolvida. Por ltimo, faz-se uma verificao
a fim de eliminar registros duplicados, nulos e/ou inconsistentes.

Mdulo de extrao de atributos estatsticos


A extrao de atributos visa obter dados mais representativos,

com menor dimensionalidade do que os originais e sem


Figura 1 Fluxograma geral do SIH intercomunicativo para deteco de perdas
comerciais no SDEE.

redundncias. Este mdulo extrai atributos estatsticos da curva de

Distribuio de energia

Apoio

56

consumo mensal com o objetivo de detectar fraudes e/ou anomalias

PQAR = PQ PA

(1)

a exemplo de trabalhos anteriores. Um diferencial dos atributos

NQAR = NQ NA

(2)

estatsticos em relao aos demais que eles so mais intuitivos e,

PTQA = PTRQ (PTRI + PTRA)

(3)

portanto, mais fceis de serem analisados por um especialista.

RFM = NRAbFM (NRFM + NRAcFM)

(4)

RFI = NRAbFM (NRFI + NRAcFRI)

(5)

Os 16 atributos estatsticos baseados na deteco de regimes

da curva de consumo mensal foram adaptados. So eles: (1)


N de Regimes (NR N de Regimes ou Patamares da curva de

consumo mensal do cliente); (2) Coeficiente de Variao (CV

uma das oito variveis para cada agrupamento. Aquele que

representa a variabilidade do histrico de consumo mensal em

possuir a maior quantidade de variveis com valores mximos

relao sua mdia. CV Desvio Padro / Mdia); (3) Percentual

possuir tambm o maior GSA. Portanto, um agrupamento cujo

de Quedas em relao ao regime (PQ); (4) Percentual de Aumento

GSA alto, possivelmente constitudo por clientes cujo perfil

em relao ao regime (PA); (5) N de Quedas de regime (NQ);

de consumo atpico e/ou nos quais h uma tendncia de

(6) N de Aumentos de regime (NA); (7) Percentual de Tempo no

reduo do consumo de energia ao longo do tempo.

A fim de obter o GSA, calcula-se o valor mximo de cada

Regime Inicial (PTRI); (8) Percentual de Tempo no Regime de


Queda (PTRQ); (9) Percentual de Tempo no Regime Aumento

Mdulo de classificao

(PTRA); (10) N de Zeros (NZ n. de zeros da curva de consumo

Este mdulo utiliza a rede neural PMC para realizar classificao

que corresponde aos meses cujo consumo inferior a 10% do

dos clientes em duas classes: clientes com perfil de consumo

valor mdio da curva de consumo); (11) N de Regimes na Faixa

normal e com perfil de consumo anmalo. Um problema de

Mdia (NRFM define-se uma faixa em torno do valor mdio da

classificao de padres consiste em associar um padro de

curva de consumo que corresponde a 10% da diferena entre

entrada a uma classe previamente definida. Este mdulo recebe

as amplitudes mxima e mnima); (12) N de Regimes Abaixo

como entrada as oito variveis normalizadas produzidas pelo

da Faixa Mdia (NRAbFM); (13) N de Regimes Acima da Faixa

mdulo de agrupamento e possui sada binria.

Mdia (NRAcFM); (14) N de Regimes na Faixa do Regime Inicial

(NRFRI define-se uma faixa em torno do regime inicial que

de consumo mensal de clientes com perdas comerciais. A ele

corresponde a 10% da amplitude mxima); (15) N de Regimes

adicionada uma porcentagem do histrico de consumo de

Abaixo da Faixa do Regime Inicial (NRAbFRI); e (16) N de

clientes normais. Ao conjunto resultante denomina-se conjunto

Regimes Acima da Faixa do Regime Inicial (NRAcFRI).

de treinamento e ser utilizado para treinar a rede PMC.

A partir do histrico de inspees obtm-se o histrico

Dessa forma, a rede neural aprende quais so os perfis de


Mdulo de agrupamento

consumo caractersticos de clientes anmalos, possivelmente

Os clientes, neste mdulo, so agrupados em classes ou

ocasionadores de perdas comerciais.

clusters por meio do SOM. A cada agrupamento, associa-se um

ndice denominado GSA (Grau de Suspeita do Agrupamento) que

supervisionado, on-line, via Backpropagation com Momentum.

o identifica. O GSA representa o risco de os clientes pertencentes

A rede neural PMC possui trs camadas (8 20 2).

As principais caractersticas da rede PMC so: treinamento

a um dado agrupamento possurem um histrico de consumo


anmalo. Esse ndice varia entre [0,1].

Mdulo especialista

Os principais parmetros do SOM so: aprendizado

Este mdulo consiste de um Sistema de Inferncia Fuzzy (SIF)

competitivo, treinamento no supervisionado, arquitetura neural

do tipo Mamdani implementado no Fuzzy Logic Toolbox 2, um

reticulada, bidimensional 6 x 6 e aprendizagem online.

aplicativo que compe o MATLAB 71 e que dedicado ao

desenvolvimento de SIFs Mamdani e TSK.

A reduo do nmero de variveis til ao clculo do GSA

e reduo do nmero de entradas da rede PMC (Mdulo de

Classificao). Os atributos NR, CV e NZ so mantidos. A eles

especialistas em perdas comerciais por meio de regras fuzzy.

so adicionadas outras cinco novas variveis criadas a partir dos

As variveis de entrada so trs atributos estatsticos extrados

13 atributos restantes conforme (1), (2), (3), (4) e (5). So elas:

do histrico de consumo mensal pelo mdulo de extrao de

Percentual de Queda e Aumento de Regime (PQAR); N de Queda

atributos estatsticos. So elas: o NZ, NR e o CV. Tais atributos

e Aumento de Regime (NQAR); Percentual de Tempo em regimes

foram escolhidos porque so mais intuitivos, mais fceis de

de Queda e Aumento (PTQA); Regimes na Faixa Mdia (RFM);

serem entendidos pelo especialista e por serem utilizadas na

Regimes na Faixa do regime Inicial (RFI). Quanto mais positivas

prtica nas concessionrias, como o NZ, por exemplo. Ademais,

forem as cinco variveis recm-criadas, maior a tendncia de

outras variveis de entrada podem ser facilmente adicionadas

reduo do consumo ao longo do tempo. E quanto maiores forem

a este mdulo. A varivel de sada o ndice de Suspeita do

as trs variveis restantes (NR, CV e NZ), mais atpico e anormal

Especialista (ISE). Logo, a partir de regras simples envolvendo as

o perfil de consumo do cliente.

variveis de entrada e de sada,

O objetivo deste mdulo modelar o conhecimento dos

Apoio

57

espera-se

identificar

histricos

de

consumo

atpicos

Mdulo principal

possivelmente resultantes de clientes com perdas comerciais.

Este mdulo final pretende reunir todos os parmetros obtidos

nos mdulos anteriores. A unio dos parmetros pontuais produz

Neste mdulo, constitudo pelo SIF Mamdani, utilizam-se

funes de pertinncia triangulares e trapezoidais, inferncia

o ndice de Suspeita do Cliente (ISC).

Max-Min e mtodo de defuzificao centroide.

Em (6), tem-se a expresso construda para obteno do ISC.

P1 pondera o parmetro obtido a partir do mdulo especialista

Mdulo de busca

(ISE); P2 pondera os parmetros intrnsecos e no bvios obtidos

Os mdulos anteriores analisaram exclusivamente desvios e

a partir das redes neurais SOM e PMC (mdulos de agrupamento

anomalias no histrico de consumo mensal. Este mdulo visa

e de classificao, respectivamente) e, por ltimo, P3 pondera

a ampliar a anlise por meio da pesquisa no banco de dados

os parmetros obtidos a partir do mdulo de busca. Esses pesos

por atributos adicionais tais como o IPCA e o ISA. Esses dois

so arbitrados empiricamente pelo especialista conforme o seu

atributos no so pontuais, so por regio, por rea na qual esto

julgamento acerca da confiabilidade dos dados de entrada.

os clientes em anlise. Alm do IPCA e do ISA, este mdulo

busca tambm caractersticas pontuais de cada cliente tais como

IPCA. Esses trs atributos constituem as entradas deste mdulo.

o Consumo Irregular (CI) e o Religamento (R).

Ele constitudo por um SIF cujos parmetros so idnticos aos

Ao ISC so adicionados outros dois parmetros: o ISA e o

Outra busca interessante implementada neste mdulo e no

do mdulo especialista. A sada deste mdulo e da metodologia

encontrada na literatura consultada refere-se Lista de Nomes

o RPC (Risco de Perda Comercial) que um ndice no intervalo

Suspeitos (LNS) e a Lista de Atividades Suspeitas (LAS). Informaes

[0,1], o qual indica a possibilidade de um dado cliente possuir

como o nome completo e a atividade dos clientes flagrados em

perda comercial.

ilcitos durante inspees em campo so armazenadas nas LNS e


LAS. Posteriormente, durante a anlise de cada cliente, feita uma
busca para averiguar se o sobrenome e a atividade de cada cliente
constam nessas listas suspeitas. A presena do cliente na LNS e/ou na
LAS no garante que ele pratique ilcito, mas um indcio a mais.

ISC =

P1 ISE + P2

) (

GSA + PMC
+ P3
2
3

i = 1Pi

LNS + LAS + CI + R
4

(6)

Distribuio de energia

Apoio

58

Testes e resultados

As simulaes foram executadas por classes de consumo e por

e que so propensos a realizar fraudes Dados Cadastrais A.

alimentador. Cada um dos mdulos da metodologia foi programado

No entanto, tais fraudes so muito bem camufladas, pois a fraude

no MATLAB 7. O banco de dados foi desenvolvido no sistema

no causa grandes alteraes no histrico de consumo mensal

de gerenciamento de banco de dados Microsoft Office Access

Histrico de Consumo Mensal B.

2010. Foram utilizados drivers ODBC para conectar o programa do

MATLAB 7 ao banco de dados. Os testes foram realizados em um

a realizar fraudes e, provavelmente, j o fizeram anteriormente.

processador AMD AtholonTM II Dual-Core M; 2,1 GHz e 3 GB de

Todos os indicadores pontuais so A.

memria RAM.

cujos indicadores so todos B, exceto o IPCA que A.

Os dados completos reais do sistema de distribuio so:

O grupo 3 formado por clientes suspeitos de difcil deteco

O grupo 4 o de mais fcil deteco. Possui clientes propensos

E, finalmente, o grupo 5 composto por clientes normais e

dados cadastrais, o histrico de consumo mensal e alguns dados

Tabela 1 Composio dos dados de entrada para cada um

tcnicos adicionais como o alimentador da rede de distribuio

dos cinco grupos que compem o histrico de inspees

a que pertence cada cliente. Tais dados pertencem a um

indicadores pontuais
grupos

municpio do interior do Estado de So Paulo. O histrico de


inspees, o IPCA e o ISA foram arbitrados coerentemente com

dados

histrico

cadastrais

indicadores por rea


ndice de perdas

ndice de

de consumo

comerciais do

suspeita da

mensal

alimentador (ipca)

rea (isa)

testes apresentados foram realizados em clientes residenciais,

comerciais e industriais os quais possuem a maior parte das

o intuito de testar a metodologia proposta. As simulaes e os

perdas comerciais e nos quais sua deteco mais dificultosa.


Construo do histrico de inspees

Os histricos de inspees arbitrados possuem a mesma

proporo comumente encontrada em histricos de inspees

Com o objetivo de testar a metodologia proposta,

reais, isto , para cada dez clientes, nove so normais (pertencem

construram-se histricos de inspees. So compostos por

ao grupo 5) e um cliente possui alguma anormalidade (pertence

cinco grupos distintos de clientes comumente encontrados

a um dos demais grupos). Os histricos de inspees sero

em histricos de inspees reais. Eles esto apresentados na

utilizados em todas as simulaes realizadas. Observa-se que o

Tabela 1. Nessa tabela, esto descritos os estados das variveis

IPCA igual a A em todos os grupos, porque, intuitivamente,

de entrada para cada grupo. B significa baixo ndice de

os alimentadores com as maiores perdas so os primeiros a

suspeita, isto , uma entrada que corresponde a um cliente

serem investigados.

normal e A significa alto ndice de suspeita, isto , uma

Em suma, os cinco grupos possuem diferentes nveis de

entrada caracterstica de um cliente com perda comercial. Os

dificuldade de deteco. Pretende-se, portanto, avaliar o desempenho

quatro primeiros grupos correspondem a clientes com alguma

da metodologia proposta diante de cada um dos grupos criados.

anormalidade e o ltimo composto por clientes normais.


O grupo 1 composto por clientes suspeitos com extrema

Clientes residenciais

dificuldade para serem detectados. Isso porque todos os indicadores

As simulaes com clientes residenciais foram realizadas em

pontuais (que tm maior poder preditivo) so todos B. Mesmo

11.758 clientes pertencentes ao alimentador A5 da rede de

esse grupo tendo todos os indicadores por rea (que tm menor

distribuio. Cada um dos quatro grupos suspeitos (grupos 1,

poder preditivo) do tipo A, no reduz a grande dificuldade de

2, 3 e 4) e o grupo de clientes normais (grupo 5) possuem 294

detectar os clientes vinculados a ele. Possui caractersticas tpicas

e 10.582 clientes, respectivamente.

de fraudes muito bem disfaradas ou de novos loteamentos com

fraudes embutidas j previamente instaladas. Para a maior parte das

RPC para os grupos de clientes residenciais. A maior parte

referncias consultadas, os clientes deste grupo certamente seriam

dos clientes dos grupos 1, 2, 3, 4 e 5 possuem RPC nos

considerados totalmente normais.

intervalos [0,2; 0,3], [0,4; 0,5], [0,6; 0,7], [0,9; 1,0] e [0,2;

O grupo 2 constitudo de clientes suspeitos cuja deteco

0,3], respectivamente. Os grupos 1, 3, 4 e 5 possuem RPC

muito difcil. Dados Cadastrais A indica que o cliente

satisfatrio. Apenas o grupo 2 deveria ter um valor superior

possui um histrico de irregularidades e sabe-se que, em geral,

para o RPC, por ser composto de clientes anmalos.

Na Figura 2, tem-se o histograma com a distribuio do

os fraudadores so reincidentes e sempre buscam formas mais


elaboradas de furtar energia a fim de no serem descobertos.

Clientes comerciais

No entanto, esse no o caso dos clientes desse grupo, pois

tm Dados Cadastrais B. Portanto, esse grupo tpico de

752 UCs pertencentes ao alimentador A5. Cada grupo suspeito

clientes com medidor avariado que no tm inteno de lesar

e o grupo de clientes normais possuem 19 e 676 clientes,

a distribuidora de energia.

respectivamente.

As simulaes com clientes comerciais foram realizadas em

Distribuio de energia

Apoio

60

Na Figura 3 tem-se o histograma com a distribuio do RPC

para os grupos de clientes comerciais. A maior parte dos clientes

composto por clientes anmalos. Os resultados das simulaes


mostraram-se satisfatrios diante das dificuldades, tais como:

dos grupos 1, 2, 3, 4 e 5 possuem RPC nos intervalos [0,1;


0,2],[ ] [ ], [0,6; 0,7], [0,9; 1,0] e [0,2; 0,3], respectivamente.

O histrico de consumo mensal dos clientes muito

Os grupos 1, 3, 4 e 5 possuem RPC satisfatrio. Apenas o grupo

homogneo (tpico de regies com baixa incidncia de perdas

2 deveria ter um valor superior para o RPC por se tratar de um

comerciais). A consequncia a reduo da eficincia dos

grupo de clientes anmalos.

mdulos de classificao, agrupamento e especialista.


O mdulo especialista e o mdulo principal possuem uma

Clientes industriais

base de conhecimento genrica, porque foram elaboradas

As simulaes com clientes industriais foram realizadas

sem a presena do especialista que conhece a fundo as

com 294 UCs pertencentes ao alimentador A5. Cada grupo

particularidades do municpio de onde vieram os dados reais

suspeito e o grupo de clientes normais possuem 08 e 262

utilizados nas simulaes.

clientes, respectivamente.

A Figura 4 mostra o histograma com a distribuio do RPC

Concluses

para os grupos de clientes industriais. A maior parte dos clientes

Neste trabalho, criou-se um sistema computacional para

dos grupos 1, 2, 3, 4 e 5 possui RPC nos intervalos [0,2; 0,3],

deteco de perdas comerciais no SDEE. A principal contribuio foi

[0,3; 0,5], [0,7; 0,8], [0,9; 1,0] e [0,2; 0,4], respectivamente.

o desenvolvimento de um sistema que se vale de todas as entradas

Os grupos 1, 3, 4 e 5 possuem RPC satisfatrio. Apenas o

que se tm disponveis, bem como da unio do conhecimento

grupo 2 deveria ter um valor superior para o RPC porque ele

do especialista com informaes intrnsecas obtidas via tcnicas


de extrao automtica de conhecimento oriundas da rea de SI.
Adicionalmente, so realizadas buscas na base de dados a respeito
das perdas comerciais do alimentador e da vulnerabilidade da
regio em que se encontram os clientes em anlise. Pretende-se,
dessa forma, tornar o RPC o mais confivel possvel, de modo a
minimizar o gasto das concessionrias de energia com inspees
aos clientes suspeitos. A seguir, algumas consideraes pertinentes
a respeito do problema de perdas comerciais:
No se sabe com preciso quais so todas as regras que

Figura 2 RPC por intervalos para os grupos de clientes residenciais.

determinam um perfil suspeito. Nesse contexto, surge a


necessidade de utilizar metodologias oriundas da rea de SI a
fim de descobrir relaes ocultas entre os dados de entrada que
possivelmente identifiquem um cliente com perdas comerciais.
A base de regras dinmica e deve ser atualizada
constantemente por meio, por exemplo, do conhecimento
advindo das inspees realizadas em campo.
A metodologia apresentada possui um carter emprico muito
forte. Portanto, a habilidade e a experincia do especialista
para elaborao das funes de pertinncia, da base de
regras e para calibrao dos parmetros crucial para o seu

Figura 3 RPC por intervalos para os grupos de clientes comerciais.

funcionamento adequado.

Referncias bibliogrficas

Figura 4 RPC por intervalos para os grupos de clientes industriais.

DANTAS, P. R. P. Avaliao de perdas de energia eltrica no


tcnicas: metodologia aplicada no municpio de Salvador/
BA. Dissertao de Mestrado, Departamento de engenharia e
arquitetura, Universidade Salvador, Salvador, 2006.
FERREIRA, H. M. Uso de ferramentas de aprendizado de
mquina para prospeco de perdas comerciais em distribuio
de energia eltrica. Dissertao de Mestrado, Faculdade de
Engenharia Eltrica e de Computao, Universidade Estadual de
Campinas, Campinas, 2008.

Apoio

PENIN, C. A. S. Combate, preveno e otimizao das perdas


comerciais de energia eltrica. Tese de Doutorado, Escola
Politcnica, Universidade de So Paulo, So Paulo, 2008.
o SMITH, T. B. Electricity theft: a comparative analysis. Energy
Policy, v. 32. 2004, p. 2.067-2.076.
CABRAL, J. E.; GONTIJO, E. M.; PINTO, J. O. P.; FILHO, J. R.
Fraud detection in electrical energy consumers using rough sets. In:
Proceedings of the 2004 IEEE International Conference on Systems,
Man and Cybernetics, p. 3.625-3.629, 2004.
JIANG, R.; TAGARIS, H.; LACHSZ, A.; JEFFREY, M. Wavellet
based feature extraction and multiple classifiers for electricity
fraud detection. In: Transmission and Distribution Conference and
Exhibition, 2002, p. 2.251-2.256, v. 3.
HAYKIN, S. Redes neurais princpios e prtica. 2. ed. Porto Alegre:
Bookman, 2001.
o REZENDE, S. O. et al. Sistemas inteligentes: fundamentos e
aplicaes. So Paulo: Barueri, 2005.
COMETTI, E. S.; VAREJO, F. M. Melhoramentos na identificao
de perdas no tcnicas atravs da anlise computacional inteligente
do perfil de consumo e dos dados cadastrais de consumidores.
Relatrio tcnico final do projeto de pesquisa e desenvolvimento,
Vitria, 2005.
SILVA, N.; SPATTI, D. H.; FLAUZINO, R. A. Redes neurais artificiais:
para engenharias e cincias aplicadas. So Paulo: Artiliber, 2010.
BASTOS, P. R. F. M. Diagnstico de perdas comerciais de energia
eltri-ca na distribuio usando rede Bayesiana. Qualificao de

61

Doutorado, Centro de Engenharia Eltrica e Informtica, Universidade


Federal de Campina Grande, Paraba, 2011.
GUERREIRO, J. I.; LEN, C.; BISCARRI, F. Increasing the efficiency
in non-technical losses detection in utility companies. MELECON
2010, 15th IEEE Mediterranean Electrotechnical Conference, p.
136-141, 2010.
NIZAR, A. H.; DONG, Z. Y.; ZHANG, P. Detection rules for nontechnical losses analysis in power utilities. IEEE Power and Energy
Society General Meeting. Pittsburgh, p. 1-8, 2008.
*Lucas Teles de Faria graduado em engenharia eltrica pela
EEEC/UFG, em Redes de Comunicao pelo IFG-GO e obteve
mestrado pela Feis/Unesp. Atualmente doutorando pelo programa
de ps-graduao em engenharia eltrica da Unesp, Ilha Solteira, SP.
Antnio Padilha Feltrin graduado em engenharia eltrica
pela Unifei e obteve mestrado e doutorado pela Unicamp.
Atualmente professor titular do Departamento de Engenharia
Eltrica da Unesp, Ilha Solteira, SP.
Carlos Roberto Minussi graduado em engenharia eltrica
pela UFSM e obteve mestrado e doutorado pela UFSC. Atualmente
professor titular do Departamento de Engenharia Eltrica da Unesp,
Ilha Solteira, SP.
Continua na prxima edio
Confira todos os artigos deste fascculo em
www.osetoreletrico.com.br
Dvidas, sugestes e comentrios podem ser encaminhados para o
e-mail redacao@atitudeeditorial.com.br