Aprendizado Inteligente de Perdas Comerciais em Sistemas de Energia

A deteccao de furtos e fraudes nos sistemas de energia provocados por consumidores irregulares e o principal alvo em analises de perdas nao-tecnicas ou comerciais pelas empresas de energia na busca de minimizar os custos. Embora a identificacao automatica de perdas comerciais tenha sido amplamente estudada, a tarefa de selecionar as caracteristicas mais representativas em um grande conjunto de dados a fim de aumentar a precisao da identificacao, bem como para caracterizar possiveis consumidores irregulares como um problema de otimizacao, nao tem sido muito explorada neste contexto. Neste trabalho, visa-se o desenvolvimento de algoritmos hibridos baseados em tecnicas evolutivas a fim de realizar a selecao de caracteristicas no âmbito da caracterizacao de perdas comerciais, comparando os seus desempenhos e verificando as caracteristicas selecionadas. Varios classificadores sao comparados, com destaque para a tecnica Floresta de Caminhos Otimos por sua robustez, sendo ela a tecnica escolhida para o calculo da funcao objetivo das tecnicas evolutivas. Desta maneira, uma ferramenta computacional foi desenvolvida para o aprendizado inteligente de perdas comerciais em sistemas de energia.