Clasificación de pérdidas no técnicas basadas en el aprendizaje automático en macrodatos
Loading...
Date
2023
Journal Title
Journal ISSN
Volume Title
Publisher
PUCE - Esmeraldas
Abstract
En la actualidad, las Pérdidas No Técnicas continúan siendo un desafío importante en el sector eléctrico en lo que respecta a la economía y la estabilidad del suministro. El uso de técnicas de Aprendizaje Automático en la gestión de Pérdidas No Técnicas puede llevar a una mayor eficiencia en la operación de la red eléctrica, donde un algoritmo basado en Inteligencia Artificial es capaz de detectar irregularidades de manera rápida y eficiente. En este trabajo de investigación se utilizaron macrodatos de registros de consumos de energía de clientes residenciales proporcionados por el Departamento Comercial de la CNEL EP Unidad de Negocio Esmeraldas. El objetivo principal de la investigación consistió en identificar el algoritmo de clasificación de Aprendizaje Automático supervisado más apropiado para detectar anomalías en el patrón de consumo eléctrico de los clientes de la provincia de Esmeraldas. Se empleó la plataforma de Matlab para entrenar, validar y probar ocho algoritmos de aprendizaje supervisado que detectan NTL en el consumo. Para abordar el desafío del desbalanceo en los datos, se aplicaron técnicas de reducción de dimensionalidad. Los resultados muestran que, el algoritmo de clasificación Ensemble (Em) - Árboles Ensombrados supera a otros algoritmos con una precisión del 91,39 \\% y un tiempo de respuesta de 226,93 segundos.
Description
Artículo previo a la obtención de Magíster en Electricidad Mención Energías Renovables y Eficiencia Energética
Keywords
Pérdidas no técnicas de energía, Aprendizaje automático, Clasificación de patrones, Consumo de energía eléctrica, Detección de anomalías
Citation
POS.1013