Uma Interface de Analítica Visual para Identificação de Perdas Não-Técnicas na Rede de Distribuição Elétrica
por Filipe Marçal e Luís Felipe Granello de Souza
UNICAMP – Universidade Estadual de Campinas
DCA – Departamento de Computação e Automação
FEEC – Faculdade de Engenharia Elétrica e de Computação
Trabalho final apresentado na disciplina de IA376A – Analítica Visual de Dados
Neste trabalho, estamos interessados em aplicações algorítmicas de detecção de fraudes de consumo de energia elétrica, tais como a detecção de pontos de mudança e o classificador XGBoost (impulso de gradiente extremo) e apresentamos uma abordagem de analítica visual a fim de identificar dois perfis principais de consumo: (i) o de alta e (ii) o de baixa probabilidade de exibir irregularidades como fraude ou avaria.
Fig. 1 – Front End da Interface de Analítica Visual: Página 'Analítica (Detalhes)', aba 'Detecção Bayesiana'
Fig. 2 – Front End da Interface de Analítica Visual: Página 'Mapa (Overview)', abas 'Visão Aérea' e 'XGBoost Score'
Com a devida fundamentação matemática e a relevância das perdas não-técnicas – uma questão milionária em termos de infraestrutura e serviço público – uma interface interativa, construída em R, combina o processamento de séries temporais de consumo elétrico, através da detecção bayesiana de ponto de mudança, com o treinamento e aplicação de um modelo de classificação – o XGBoost. Tal modelo, a partir das informações existentes em um dataset, é capaz de atribuir um score que varia 0% a 100% para cada unidade consumidora, indicando a probabilidade de haver fraude ou avaria no local. O propósito da interface é enfatizar a facilidade de visualização.
Por fim, concluímos sobre os ganhos que essa interface é capaz de trazer aos processos de tomada de decisão e geração de insights para combate às perdas não-técnicas, podendo ser agregada à expertise técnica humana.
Palavras-chave: analítica visual, perdas não-técnicas, detecção de ponto de mudança, XGBoost.
A seguir, os links para:
Atenciosamente, Os autores