Mostrar registro simples

dc.creatorSousa, Natalia Bastos de
dc.date.accessioned2022-11-22T17:31:01Z
dc.date.available2022-11-22T17:31:01Z
dc.date.issued2022-07-29
dc.identifier.urihttp://repositorio.ufsm.br/handle/1/27053
dc.description.abstractWithin the rural network, several factors can influence the difficulty on the part of distributors to locate fraudulent or irregular consumer units that may be causing non-technical losses, such as, for example, the difficulty in correlating the consumption of their irrigating customers with occurrences of divergent consumption. than expected, due to the necessary technical knowledge about the characteristics of each type of crop. Thus, this dissertation aims to present a methodology for detecting possible occurrences of non-technical losses for coffee irrigating consumer units that are CPFL Paulista's clients. For this, the study of the phenological characteristics of the coffee tree, management attributes of the irrigation system, and agrometeorological data essential for consumption estimates was carried out. Mapping the expected periods of irrigation system management, the clustering by Kmeans technique was used to group the consumer units, generating classes of consumption profiles based on their energy billing history and the period of billed energy registration (month). These classes and consumption (monthly) relationships are used as input to the implementation of a Random Forest model, used as the predictive model that classifies the units based on the most current consumptions and compares the predicted class with the class stored in the database. . The identification of customers that may be fraudulent occurs if the predicted class is of a lower level than the expected class for the same observed month. Complementing the methodology, since consumer units of lower classes would not change their Consumption Profile in the event of lower energy consumption, the consumption estimation method was used to detect possible occurrences of non-technical losses, comparing the real consumption with the estimated. The classification predictive model was able to detect changes in Consumption Profiles in a satisfactory way, and the estimation model shows that, for consumer units in the coffee growing area of São Paulo, the irrigation method is still used in a complementary way to the farm productivity.eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpor
dc.languageporpor
dc.publisherUniversidade Federal de Santa Mariapor
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectPerdas não técnicaspor
dc.subjectConsumidores ruraispor
dc.subjectIrrigantes de cafépor
dc.subjectAprendizado de máquinapor
dc.subjectNon-technical losseseng
dc.subjectRural consumerseng
dc.subjectCoffee Irrigatorseng
dc.subjectMachine learningeng
dc.titleUma metodologia para identificação de perdas não técnicas em unidades consumidoras irrigantes de café do estado de São Paulopor
dc.title.alternativeA methodology for identifying non-technical losses in irrigant coffee consumers in the state of São Pauloeng
dc.typeDissertaçãopor
dc.description.resumoNo âmbito da rede rural, vários fatores podem influenciar na dificuldade por parte das distribuidoras em localizar unidades consumidoras fraudulentas ou irregulares que possam estar causando perdas não técnicas, como por exemplo, a dificuldade em correlacionar os consumos de seus clientes irrigantes com ocorrências de consumos divergentes do esperado, devido ao conhecimento técnico necessário a respeito das características de cada tipo de lavoura. Dessa forma, essa dissertação tem como objetivo apresentar uma metodologia de detecção de possíveis ocorrências de perdas não técnicas para unidades consumidoras irrigantes de café clientes da CPFL Paulista. Para isso foi realizado o estudo das características fenológicas do cafeeiro, atributos de manejo do sistema irrigante, e de dados de agrometeorologia essenciais para as estimativas de consumo. Mapeando os períodos esperados de manejo do sistema de irrigação, foi empregado a técnica de clusterização por Kmeans para agrupar as unidades consumidoras, gerando classes de perfis de consumo com base em seus históricos de faturamento de energia e o período de registro da energia faturada (mês). Essas relações de classes e consumo (mensais), são utilizadas como entrada da implementação de um modelo Random Forest, utilizado como o modelo preditivo que classifica as unidades com base em consumos mais atuais e compara a classe predita com a classe armazenada na base de dados. A identificação de clientes que possam ser fraudulentos ocorre se a classe predita for de nível inferior à classe esperada para o mesmo mês observado. Complementando a metodologia, uma vez que unidades consumidoras de classes inferiores não teriam mudança de Perfil de Consumo na ocorrência de menor consumo de energia, foi utilizado o método de estimativa de consumo para detectar possíveis ocorrências de perdas não técnicas, comparando o consumo real com o estimado. O modelo preditivo classificatório mostrou-se capaz de detectar as mudanças de Perfis de Consumo de maneira satisfatória, e o modelo de estimativa mostra que, para as unidades consumidoras da zona cafeeira de São Paulo, o método de irrigação ainda é utilizado de maneira complementar à produtividade da fazenda.por
dc.contributor.advisor1Bernardon, Daniel Pinheiro
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6004612278397270por
dc.contributor.referee1Pfitscher, Luciano Lopes
dc.contributor.referee2Knak Neto, Nelson
dc.creator.Latteshttp://lattes.cnpq.br/3152062101505597por
dc.publisher.countryBrasilpor
dc.publisher.departmentEngenharia Elétricapor
dc.publisher.initialsUFSMpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApor
dc.publisher.unidadeCentro de Tecnologiapor


Arquivos deste item

Thumbnail
Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Attribution-NonCommercial-NoDerivatives 4.0 International
Exceto quando indicado o contrário, a licença deste item é descrito como Attribution-NonCommercial-NoDerivatives 4.0 International