dc.creator | Eichkoff, Henrique Silveira | |
dc.creator | Bernardon, Daniel Pinheiro | |
dc.creator | Souza, Natalia Bastos de | |
dc.creator | Marcolin, Pedro | |
dc.creator | Madaloz, Julia Carla Cazarotto | |
dc.creator | Kopp, Luciana Marini | |
dc.creator | Chiara, Lucas Melo de | |
dc.creator | Silva, Juliano Andrade | |
dc.date.accessioned | 2021-08-09T11:09:21Z | |
dc.date.available | 2021-08-09T11:09:21Z | |
dc.date.submitted | 2021-05-18 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/21809 | |
dc.language | por | por |
dc.relation.ispartof | SEPOC 2021 | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Clusterização | por |
dc.subject | Aprendizado de Máquina | por |
dc.subject | Perdas Não Técnicas | por |
dc.subject | Random Forest | eng |
dc.title | Classificação de Unidades Consumidoras Irrigantes de Arroz para Análise de Perdas não Técnicas utilizando o Método de Random Forest | por |
dc.type | Trabalho Publicado em Evento | por |
dc.description.resumo | A detecção de irregularidades no consumo de energia elétrica, para as empresas do setor elétrico, ainda é um grande desafio. As perdas comerciais, ou perdas não-técnicas, têm impacto negativo na receita das concessionárias de energia elétrica, além de impactar no bolso do consumidor. Neste intuito, este trabalho tem como objetivo utilizar técnicas de aprendizado de máquina para fins de classificação, utilizando o método de Random Forest, e do tipo não supervisionado (Clustering) para criar grupos de consumidores que serão utilizados para a predição do modelo classificador. A representação e clusterização do dataset foi desenvolvida com os valores da média e desvio padrão dos consumos dos anos 2017, 2018 e 2019 onde, para a obtenção dos resultados da metodologia proposta pelo trabalho, foram utilizados como dados de entrada os consumos reais do ano de 2020 das unidades consumidoras localizados no município de Uruguaiana, no estado do Rio Grande do Sul, do banco de dados da CPFL Energia. https://doi.org/10.53316/sepoc2021.056 | por |
dc.publisher.country | Brasil | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | por |