Identificación de las características incidentes en la detección de pérdidas no-técnicas para dos empresas comercializadoras de energía colombianas
DOI:
https://doi.org/10.17533/udea.redin.n84a08Palabras clave:
pérdidas no-técnicas, MDS, clúster, Ley de Benford, árboles de decisiónResumen
El estudio de las pérdidas no técnicas que afectan a las empresas comercializadoras de energía ha orientado la mirada de los investigadores hacia diferentes técnicas y herramientas que les permitan detectar y pronosticar dichas pérdidas. En la búsqueda de una solución al problema los diferentes investigadores se apoyan en variables que, en muchos casos, las mismas empresas comercializadoras, desde su experiencia práctica han determinado como incidentes en la identificación del problema. Sin embargo, la mayor parte de los estudios realizados no anteponen a sus soluciones el hecho de que cada empresa comercializadora registra en su conjunto de datos una serie de características, tanto técnicas como socioeconómicas, que no necesariamente comparten entre ellas. En este trabajo se hace seguimiento a algunas de las características registradas por dos empresas comercializadores de energía colombianas, las cuales atienden dos regiones diferentes del país en cuanto a topografía, e idiosincrasia. De manera particular, se centra la atención en dos características medidas en ambas empresas, y que, por su naturaleza, siempre estarán en los datos de cualquier empresa comercializadora de energía, El Consumo en kWh, y el Periodo, medido en meses. Con este propósito se implementarán análisis de curvas Benford, escalamiento multidimensional MDS, y clúster jerárquico, para finalizar estudiando finalmente si la incidencia de las variables visualizada en los estudios planteados se refleja en el modelo de árboles de decisión.
Descargas
Citas
J. I. Guerrero, C. León, I. Monedero, F. Biscarri, and J. Biscarri, “Improving Knowledge-Based systems with statistical techniques, text mining, and neural networks for non-technical loss detection,” Knowledge-Based Systems, vol. 71, pp. 376-388, 2014.
J. P. Navani, N. K. Sharma, and S. Sapra, “Technical and Non-Technical Losses in Power System and Its Economic Consequence in Indian Economy,” IJECSE, vol. 1. no. 2, pp. 757-761, 2003.
P. Glauner et al., Large-Scale Detection of Non-Technical Losses in Imbalanced Data Sets, 2016. [Online]. Available: https://arxiv.org/pdf/1602.08350.pdf. Accessed on: Mar. 13, 2016.
P. Glauner, J. Meira, P. Valtchev, R. State, and F. Bettinger, The Challenge of Non-Technical Loss Detection using Artificial Intelligence: A Survey, 2017. [Online]. Available: https://arxiv.org/pdf/1606.00626.pdf. Accessed on: Jun. 5, 2016.
Comisión de Regulación de Energía y Gas (CREG), Propuesta para remunerar planes de reducción de pérdidas no tecnicas de energía electrica en sistemas de distribución local, CREG, Bógota, Colombia, Jan. 2011.
J. Nagi, K. S. Yap, S. K. Tiong, S. K. Ahmed, and M. Mohammad, “Detection of Abnormalities and Electricity Theft using Genetic Support Vector Machines,” in IEEE Region 10 Conference TENCON, Hyderabad, India, 2008, pp. 1-6.
R. Jiang et al., “Energy-Theft Detection Issues for Advanced Metering Infrastructure in Smart Grid,” Tsinghua Science and Technology, vol. 19, no. 2, pp. 105- 120, 2014.
B. Baesens, V. Vlasselaer, and W. Verbeke, Fraud Analytics Using Descriptive, Predictive, and social Network techniques. A guide to data Science for Fraud Detection, New Jersey, USA: Wiley, 2015.
J. P. Navani, N. K. Sharma, and S. Sapra, “Analysis of Technical and Non Technical Losses in Power System and its Economic Consequences in Power Sector,” International Journal of Advances in Electrical and Electronics Engineering IJAEEE, vol 1, no 3, pp. 396-405, 2014. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.227.4747&rep=rep1&type=pdf. Accesed on: Aug. 28, 2017.
O. Refou, Q. Alsafasfeh, and M. Alsoud, “Evaluation of Electric Energy Losses in Southern Governorates of Jordan Distribution Electric System,” International Journal of Energy Engineering, vol. 5, no. 2, pp. 25-33, 2015.
J. Nagi, K. S. Yap, S. K. Tiong, S. K. Ahmed, and M. Mohammad, “Nontechnical Loss Detection for Metered Customers in Power Utility Using Support Vector Machines,” IEEE Transactions on Power Delivery, vol. 25, no. 2, pp. 1162-1171, 2010.
E. A. Aranha and J. Coelho, “Probabilistic methodology for Technical and Non-Technical Losses estimation in distribution system,” Electric Power Systems Research, vol. 97, pp. 93-99, 2013.
L. T. Faria, J. D. Melo, and A. Padilha, “SpatialTemporal Estimation for Nontechnical Losses,” IEEE Transactions on Power Delivery, vol. 31, no. 1, pp. 362- 369, 2016.
C. C. Ramos, A. N. Souza, G. Chiachia, A. X. Falcão, and J. P. Papa, “A novel algorithm for feature selection using Harmony Search and its application for nontechnical losses detection,” Computers & Electrical Engineering, vol. 37, no. 6, pp. 886-894, 2011.
I. Borg and P. J. Groenen, Modern Multidimensional Scaling: Theory and Applications, 2nd ed. New York, USA: Springer, 2005.
I. Borg, P. J. Groenen, and P. Mair, Applied Multidimensional Scaling, 2nd ed. New York, USA: Springer, 2013.
T. F. Cox and M. A. Cox, Multidimensional Scaling, 2nd ed. New York, USA: Chapman & Hall, 2000.
N. Ye, Data Mining. Theories, algorithms, and examples, Boca Raton, USA: CRC Press, 2014.
G. Williams, Data Mining with Rattle and R: The Art of Excavating Data for Knowledge Discovery, New York, USA: Springer, 2011.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2017 Revista Facultad de Ingeniería Universidad de Antioquia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.