Comprobación de técnicas de minería de datos para detección de pérdidas no técnicas utilizando mediadores inteligentes.

Abstract

Las pérdidas no técnicas es uno de los principales desafíos que afrontan las empresas eléctricas. Sin embargo, la detección de este fenómeno es sumamente complicado debi do a la variedad de factores que las producen. En este trabajo, se implementó métodos de minería de datos no supervisado para detectar pérdidas no técnicas presentes en redes de distribución. La metodología consistió, primero, en generar artificialmente un conjunto de datos de registros de medidores inteligentes mediante modelos ocultos de Markov (HMM). Luego, se aplicó un modelo que altera los perfiles de carga diario de los usuarios para simular distintos tipos de pérdidas. Después, se procedió a la fase de en trenamiento donde se comparó tres algoritmos de agrupamiento: K-medias, K-medianas y Jerárquico Aglomerativo Ward para seleccionar el que mayor cantidad de pérdidas detecte, a través de los indicadores de validación de grupos MIA (Indice de Adecuación de la Media) y Silueta. Además, se definió una serie de criterios para caracterizar a los grupos que diferenciaban a usuarios benignos de los usuarios con pérdidas. Los resul tados obtenidos en la fase de prueba evidencian que es posible detectar a usuarios que presentan irregularidades en su patrón de consumo, reconociendo aproximadamente al 68 % de las pérdidas aplicadas. Por tanto, es de suma importancia contar con métodos computacionales inteligentes y eficaces para resolver esta problemática.