Sistema Baseado em Rough Sets para Pré-Seleção de Consumidores de Energia Elétrica de Alta Tensão para Verificação de Irregularidades Comerciais
|
|
- Ilda Mascarenhas
- 5 Há anos
- Visualizações:
Transcrição
1 Sistema Baseado em Rough Sets para Pré-Seleção de Consumidores de Energia Elétrica de Alta Tensão para Verificação de Irregularidades Comerciais J. O. P. Pinto, J. E. Cabral, C. M. Patrício e E. M. Martins, K.S.L. Collazos, UFMS J. Reis e F. A. C. Guimarães, Enersul - Energias do Brasil Resumo - O objetivo deste trabalho é apresentar uma metodologia que define perfis de comportamentos diários de unidades consumidoras de energia elétrica ligadas em alta tensão, com a finalidade de detectar fraudes ou erros de medição. A partir desta metodologia construiu-se um sistema baseado em regras, utilizando informações estáticas dos consumidores e dados dinâmicos obtidos em tempo real. O desenvolvimento deste sistema seguiu os princípios gerais de descoberta do conhecimento a partir de bancos de dados, utilizando na mineração das informações a teoria de Rough Sets para seleção de atributos relevantes e geração de regras. Classificou-se o comportamento das unidades, através dos perfis diários ou semanais, em normais e anormais. Os clientes classificados como anormais são selecionados para inspeção técnica. Os resultados, utilizando-se análise semanal na unidade consumidora, a partir da pré-seleção dos consumidores com suspeita de fraude, foram considerados satisfatórios. Pode-se considerar, portanto, que a metodologia desenvolvida mostrou-se capaz de ajudar a solucionar problemas das perdas comerciais relacionadas à fraude ou erro de medição das concessionárias de energia elétrica. Palavras-chave Detecção de Fraudes, Mineração de Dados, Rough Sets. I. INTRODUÇÃO O combate à fraude contra o consumo de energia elétrica tem como razão de ser os crescentes casos de subtração de energia elétrica ocorrentes em todo o país, e que são tratados pelos concessionários das mais variadas formas, quer com relação à repressão, quer com relação à prevenção. A sistematização de normas e procedimentos poderá dar aos concessionários maiores e melhores condições para minimizar ou eliminar esse problema, de difícil solução, dada à quantidade de maneiras e modos através dos quais vem sendo subtraída ilicitamente a energia. Em conseqüência aos procedimentos de fraudes, há uma diminuição no consumo mensal medido pela unidade consumidora, provocando um faturamento inferior ao correto para o cliente. Este problema está presente em todos os tipos de consumidores. Entretanto, os clientes atendidos em alta tensão refletem maiores prejuízos financeiros às concessionárias devido ao seu alto consumo de energia e às tarifas diferenciadas para demanda e consumo. A partir das informações contidas no banco de dados da concessionária, podem-se extrair informações úteis que sirvam para dar suporte na localização de clientes com possíveis problemas de fraude e medição de energia [1][2]. Como o objetivo é detectar fraudes ou erros de medição através de dados, neste trabalho classificam-se os consumidores com tais possibilidades como anormais, utilizando a teoria de Rough Sets, selecionando-os para serem inspecionados por uma equipe técnica [3]. Para constatar fraude em um consumidor de energia é imprescindível que haja uma inspeção técnica in loco e nesta, identifique a fraude fisicamente ou prove a redução de consumo registrado na unidade, através de medição paralela realizada pela concessionária. Sendo assim, é necessário o processo de inspeção técnica, porém, este procedimento é dispendioso para qualquer empresa. A Figura 1 ilustra um procedimento de inspeção sendo realizado por um técnico da concessionária. A metodologia de descoberta de conhecimento utilizada [4], através da classificação de clientes como anormais, contribui para a redução na quantidade de consumidores acusados indevidamente de anormalidade, aumentando assim, a taxa de acerto quanto ao resultado de detecção de fraude ou erro de medição nas inspeções realizadas. Figura 1. Procedimento de inspeção sendo realizado.
2 METODOLOGIA PARA DETECÇÃO DE FRAUDE E ERRO DE MEDIÇÃO EM GRANDES CONSUMIDORES DE ENERGIA ELÉTRICA A. CONSOLIDAÇÃO DOS DADOS CONSOLIDAÇÃO DOS DADOS SELEÇÃO E PRÉ-PROCESSAMENTO ORGANIZAÇÃO DOS DADOS MINERAÇÃO DE DADOS UTILIZANDO ROUGH SETS INTERPRETAÇÃO E AVALIAÇÃO DEFINIÇÃO DO BANCO DE DADOS SELEÇÃO DE ATRIBUTOS SUBDIVISÃO E LIMPEZA DOS DADOS GERAÇÃO DE NOVOS ATRIBUTOS DISCRETIZAÇÃO REDUÇÃO DE ATRIBUTOS GERAÇÃO DE REGRAS DEFINIÇÃO DE INCONSISTÊNCIA REGRAS VÁLIDAS DEFINIÇÃO DO BANDO DE DADOS O trabalho foi desenvolvido utilizando informações de 27 unidades consumidoras, classificadas por atividade da seguinte forma: 3 Alimentos, 10 Comércios, 4 Indústrias e 10 Frigoríficos. As informações mensais de cada consumidor diferenciam em quantidade, ou seja, para alguns existem informações referentes a 17 meses, para outros apenas 3, respeitando ou não uma seqüência mensal. Como em todas as técnicas de desenvolvimento de sistemas baseados em dados, os disponíveis para o estudo foram divididos em dois blocos: um contendo dados para treinamento e outro contendo dados para teste e validação dos resultados. CONHECIMENTO Figura 2. Metodologia do desenvolvimento do trabalho. II. METODOLOGIA O desenvolvimento do sistema para identificação de fraudes ou erros de medição em unidades consumidoras ligadas à alta tensão, tem por objetivo definir padrões de comportamento para cada consumidor analisado. A metodologia para o sistema ocorre em 6 etapas: primeiramente a consolidação dos dados em que se define o banco de dados a ser analisado, seleciona-se os atributos relevantes indicados por especialistas e efetua-se subdivisão e limpeza dos dados; na segunda etapa, realiza-se a seleção e pré-processamento dos dados através da geração de novos atributos e discretização das informações; na terceira etapa realiza-se a organização dos dados; posteriormente realizase o processo de mineração de dados aplicando a técnica de Rough Sets para a redução de atributos, geração de regras, definição de consistência e seleção de regras válidas para o sistema; na quinta etapa ocorre a interpretação e avaliação dos resultados obtidos através da mineração e, finalmente, na sexta etapa, é extraído o conhecimento do sistema de informação, como mostrado na Figura 2. Após o treinamento do sistema, este pode trabalhar diretamente com dados on-line utilizando as informações provenientes de um sistema de tele-medição. Tal sistema realiza a aquisição dos dados de forma remota através de um gateway que é acoplado ao medidor de energia em cada consumidor; a transmissão dos dados é realizada utilizando um modem GPRS com conexão periódica para, finalmente, os dados serem armazenados em um servidor [5]. Com o sistema de tele-medição é possível monitorar em tempo real todas as unidades consumidoras, disparando alarmes caso haja anormalidade na medição. Tais alarmes estão diretamente ligados com o perfil gerado para cada consumidor utilizando a metodologia proposta. SELEÇÃO DE ATRIBUTOS POR ESPECIALISTAS Para analisar o comportamento de um consumidor de energia quanto ao seu consumo/demanda, faz-se necessário uma verificação do seu passado, ou seja, buscar informações em seu histórico e, a partir de então, acompanhar seu comportamento em tempo real classificando-o como consumidor com comportamento normal ou anormal. Tais informações referem-se, dentre outras, às condições de fornecimento de energia elétrica estabelecidas pela Agência Nacional de Energia Elétrica [6]. Foram selecionados alguns atributos considerados relevantes do ponto de vista de especialistas, classificados como estáticos ou dinâmicos, para serem utilizados na detecção de fraude ou erro de medição. Os atributos estáticos são as informações que não variam no tempo, enquanto que os dinâmicos sofrem modificações periodicamente. Os atributos estáticos selecionados estão diretamente relacionados com os dados de contratos de fornecimento de energia e algumas constantes referentes ao medidor da unidade consumidora tais como: Número do Medidor; Modalidade Tarifária; Demanda Contratada; Classe / Atividade. Os atributos dinâmicos estão relacionados com os dados que variam periodicamente. Os dados de cada unidade consumidora são armazenados em memórias de massa e os atributos dinâmicos selecionados para o desenvolvimento do sistema foram, dentre outros: Numero do Registro; Data; Hora; Segmento dos Horários de Ponta, Fora Ponta, Indutivo e Capacitivo.
3 Como o objetivo é classificar as unidades consumidoras em normais e anormais, tais denominações representam os valores possíveis do atributo de decisão. Logo, o atributo de decisão é binário. As unidades classificadas como normais são as que não apresentam erro de medição nem fraude. Por outro lado, são anormais as unidades em que se constata possível fraude ou erro de medição. SUBDIVISÃO E LIMPEZA DOS DADOS De uma forma geral, o histórico de cada unidade consumidora de energia é armazenado em memória de massa que contém informações corresponde a aproximadamente 30 dias, podendo variar de no mínimo de 27 e o máximo de 33 dias. Figura 3. Subdivisão semanal das informações. Memória de Massa Os dados dinâmicos diários são discretizados utilizando estatística descritiva. Para todos os atributos dos resumos obtidos através do processo de geração de novos atributos, define-se um intervalo de variação denotado por Δ e indicado como sendo: ( i, j) = X ( i, j) σ ( i, j Δ ), (1) onde i refere-se aos resumos, j refere-se aos atributos dos resumos considerados; X e σ representam a média e desvio padrão, respectivamente, do resumo i e atributo j. Em uma análise diária, avalia-se o comportamento do consumidor através dos intervalos das variações calculados. Para o resumo i e atributo analisado j que apresentar um valor acima do calculado, atribui-se o valor de 1 a análise, caso contrário atribui-se o valor 2. Portando, esta etapa de discretização gera outros novos atributos chamados de atributos de análises. C. ORGANIZAÇÃO DOS DADOS TRANSFORMADOS Domingo Segunda Terça Quarta Quinta Sexta Sábado Na abordagem de Rough Sets, o sistema de informação R, definido como sendo R = ( U,C D), consolidou-se da seguinte forma, na metodologia desenvolvida: Buscando definir um padrão de comportamento de U = {registros das unidades consumidoras a cada consumo e demanda de energia para cada consumidor, após 15 minutos}. O conjunto é formado por todas as alguns estudos, optou-se em analisar o desempenho da informações registradas na memória de massa; unidade consumidora por dias da semana, traçando um perfil C = {atributos condicionais estáticos e para o domingo, a segunda, a terça e assim por diante (Figura 3). dinâmicos}. Consideraram-se quatro atributos condicionais Na etapa de limpeza dos dados, consideraram-se dois estáticos: Classe Tarifária, Modalidade, Demanda parâmetros importantes: feriados e número de registros Contratada e Constante do Medidor. Os valores nominais diários. A eliminação de registros em dias de feriados e admitidos para estes atributos serão 1 se não houver eliminação dos registros diários incompletos é realizada mudança nos valores contratuais para os respectivos após a subdivisão por dias da semana para garantir que todas atributos, ou 2 caso haja alteração. Os atributos condicionais as informações diárias utilizadas no sistema sejam dinâmicos considerados foram: Dia da Semana, Consumo confiáveis. Geral, Demanda Máxima Geral, Fator de Carga Geral, e no horário fora de ponta foram considerados o Consumo, B. Demanda Máxima, Demanda Mínima, Fator de Carga Fator SELEÇÃO E PRÉ-PROCESSAMENTO de Demanda, Máximo Fator de Potência, Mínimo Fator de Potencia. O número total de Atributos Condicionais considerados é de quinze. GERAÇÃO DE NOVOS ATRIBUTOS Após a consolidação das informações torna-se possível calcular alguns parâmetros diários, como por exemplo: Fator de Potência, Fator de Demanda, Fator de Carga, Consumo de Energia, Demanda Máxima e Mínima. Estas informações geram alguns resumos, cuidadosamente calculados para o dia completo e para os horários de Ponta e Fora de Ponta separadamente, e para cada consumidor individualmente. A partir dos resumos calculados, executa-se o processo de discretização dos dados. DISCRETIZAÇÃO A abordagem de Rough Sets [7][8] não trabalha com valores contínuos e sim com valores discretos. Ou seja, para atributos dinâmicos é necessário aplicar um processo de discretização para possibilitar a utilização dessa técnica. Portanto, esta etapa da metodologia prepara os dados para serem aplicados em Rough Sets. D = {estado da unidade consumidora}. Os valores nominais admitidos para o atributo de decisão são: normal ou anormal. D. MINERAÇÃO DE DADOS USANDO ROUGH SETS A teoria de Rough Sets é utilizada na metodologia de detecção de fraude ou erro de medição, com o objetivo de eliminar atributos desnecessários para a classificação do sistema e gerar regras. Algumas regras geradas apresentam incertezas quanto a classificações dos dados. Assim, o usuário define o valor de consistência mínima a ser permitido para as regras, selecionando apenas as regras que satisfaça a consistência pré-definida para serem utilizadas na classificação dos dados. Portanto, o processo de mineração de dados, aplicando da teoria de Rough Sets, está compreendido em 3 fases: redução do sistema de informação, geração de regras e, seleção de regras válidas
4 para a classificação dos dados a partir da consistência permitida pelo usuário [9]. REDUÇÃO DO SISTEMA DE INFORMAÇÃO Regra (R) Tabela 1. Regra indiscernível Atributos Condicionais Reduzidos Atributos Condicionais (C) Atributos de Decisão (D) b1 b7 b8 b9 b10 b11 b12 b13 b14 b15 anormal normal r A fase de redução do sistema de informação tem como objetivo selecionar os atributos relevantes para a geração de regras. O primeiro procedimento para a redução do sistema de informação R é agrupar todos os registros que apresentam os mesmos valores nominais para C e D. O segundo procedimento para a redução do sistema de informação é determinar a relação de indiscernibilidade IND R ( C), definida por Rough Sets. Neste procedimento, todos os registros de R, que apresentarem os mesmos valores nominais apenas para os atributos condicionais C, são agrupados formando uma classe. Assim, havendo registros iguais, implica automaticamente, que os valores de decisão D são diferentes, ou seja, os registros são indiscerníveis entre si [8]. Definir a relação de indiscernibilidade do sistema de informação é a principal etapa antes de submeter-se a processo de redução desse mesmo sistema, pois a relação de indiscernibilidade do sistema de informação deve ser mantida para o conjunto de atributos mínimos encontrado, que é o reduto. Encontrar o reduto de um sistema significa reduzir o tamanho da matriz C em relação às linhas [10]. GERAÇÃO DE REGRAS Nesta fase da aplicação da teoria de Rough Sets, geram-se as regras de classificação para definir a normalidade ou anormalidade das unidades consumidoras a partir do sistema de informação reduzido. Devido à existência de indiscernibilidade no sistema, é conveniente gerar regras com a prioridade de classificação de anormalidade, pois o objetivo é identificar fraudes e erro de medição em grandes clientes consumidores de energia elétrica [11]. Por exemplo, na Tabela 1, tem-se uma situação de indiscernibilidade em que uma única regra conduz a decisões diferentes. Para a regra r tem-se 18 registros com decisão anormal e 15 registros com decisão normal. Neste caso, definindo a prioridade de decisão para as regras como sendo D = anormal, na classificação dos 33 registros referentes à r, classificam-se corretamente 18 e incorretamente o restante dos registros. Para obter-se a informação do quanto à regra r classifica corretamente os registros considerando D = anormal, calcula-se a o valor da consistência δ da regra r. Priorizar a decisão da regra em anormal não é uma obrigatoriedade, podendo-se avaliar primeiramente os resultados e, posteriormente, definir qual o conjunto de regras que melhor classifica o sistema e apresenta menor taxa de erro quanto à classificação incorreta de registros. Para que uma regra seja consistente não pode haver situação de indiscernibilidade, ou seja, a regra deve conduzir para uma única decisão e a consistência torna-se unitária δ = 1. ( ) DEFINIÇÃO DE CONSISTÊNCIA E SELEÇÃO DE REGRAS VÁLIDAS Nesta fase, o objetivo é definir o valor do parâmetro consistência para selecionar as regras inconsistentes que serão utilizadas na classificação do sistema. Para definir qual o valor ideal da consistência, devem ser realizados vários testes com diferentes valores a fim de encontrar uma melhor classificação de fraude ou erro de medição em unidades consumidoras de energia elétrica [11]. E. INTERPRETAÇÃO E AVALIAÇÃO Depois da definição do conjunto de regras para classificação dos dados na fase de treinamento do sistema, analisam-se os resultados quanto à correta classificação dos consumidores de energia selecionados para a etapa de Teste e Validação. Os dados utilizados para o teste compreendem informações de unidades consumidoras com comportamento normal e anormal. Para validar as regras definidas é necessário que estas apresentem bons resultados quanto à classificação correta e incorreta das unidades consumidoras. Os resultados das classificações são apresentados em forma de relatório, contendo informações do número de registros para cada dia da semana por unidade e informações mais generalizadas como: atributo de decisão considerado na geração das regras; consistência admitida; total de registros analisados na base de dados; total de registros normais na base de dados; total de registros anormais na base de dados; total de registros normais identificados; total de registros anormais identificados; total de registros normais não identificados; total de registros anormais não identificados. Pode ocorrer um grande número de registros classificados incorretamente, mas que estejam relacionados a poucos consumidores. Por exemplo, supõe-se que existam quarenta registros classificados incorretos. Estes registros estão todos relacionados a um mesmo consumidor e para quatro dias da semana. Ou seja, apresentou todos estes erros de classificação, selecionando apenas um consumidor. O somatório de todos os registros dos dias da semana é igual à quantidade de registros classificados incorretamente. A partir dos resultados encontrados nas classificações dos registros, analisa-se a influência dos valores da consistência, em que se busca sempre um resultado satisfatório quanto à classificação das unidades consumidoras com fraude ou erro
5 de medição como anormais e, com uma taxa de erro aceitável. III. RESULTADOS Foram utilizados os registros de 27 usuários. Os dados referentes à identificação do usuário foram removidos respeitando o sigilo comercial. Dos 27 usuários, 11 apresentaram comportamento normal e 16 comportamento anormal. O total de registros dos 27 usuários, com todas as informações dos consumidores utilizados na metodologia desenvolvida oriundos de uma concessionária de energia, são Sendo registros de comportamento normal e registros de anormalidades. Os dados selecionados para as duas fases foram escolhidos aleatoriamente. Para o treinamento concentrou-se a maior parte das informações, em torno de 70% dos dados normais e 55% dos anormais, enquanto que para o teste e validação do sistema, admitiu-se o restante das informações. Como se optou trabalhar com informações diárias, para 96 registros diários, considerando um intervalo de 15 minutos, este passou a ser representado por apenas um registro com informação integralizada do dia. Foram eliminados os registros incompletos e de feriados nacionais. A consolidação dos registros anormais e normais é apresentada na Tabela 3. Tabela 2. Conjunto de dados consolidados. Conjunto de Registros Dados Normais Anormais Treino Teste O sistema de informação utilizado foi definido como sendo R = ( U,B D), em que: U = {registros de parâmetros diários das unidades consumidoras}; B = {b1, b2, b3, b4, b5, b6, b7,..., b15}; D = {d1}. No processo de agrupamentos de registros iguais, para um total de 7832 registros considerados na etapa de treinamento, estes foram agrupados em 402 registros. O total de classes discerníveis e não-discerníveis obtidos pela relação de indiscernibilidade IND R ( B) para este mesmo conjunto de dados, pode-se observar na Tabela 3. Tabela 3. Relação de indiscernibilidade do conjunto de dados de treinamento. Classe Total Discerníveis 204 Não-discerníveis 99 Um dos redutos encontrados através da teoria de Rough Sets para o sistema de informação R = ( U,B D), e utilizado para a obtenção do restante dos resultados, foi {b1, b7, b8, b9, b10, b11, b12, b13, b14, b15}. A variação do parâmetro consistência apresentou diversos resultados quanto à classificação dos consumidores como anormais no processo de teste. Levando-se em consideração o objetivo de detectar clientes anormais, com uma alta taxa de acerto nas inspeções quanto à detecção fraude e, conseqüentemente, baixo índice de acusações indevidas de anormalidades, o melhor desempenho quanto à detecção de fraude ou erro de medição, obtidos pelo sistema desenvolvido para a análise diária foi: Consistência admitida: 0,7; Atributo de decisão para geração das regras: anormal; Quantidade de regras utilizadas na classificação dos dados: 21; Quantidade de fraudadores identificados: 9/16 (56,25%); Quantidade de consumidores acusados indevidamente como fraude: 5/27 (18,5%); Taxa de acerto na identificação de fraudes: 9/14 (64,28%). A quantidade de registros classificados como normal e anormal para a consistência estabelecida, encontram-se na Tabela 4. Para o conjunto de registros normais utilizados no processo de teste, obteve-se a classificação correta de 99,6% dos dados. Para o conjunto formado pelos registros anormais utilizados no mesmo processo, apenas 15,5% dos dados foram classificados corretamente. Com os 85 registros anormais classificados corretamente, foram encontrados 9 dos 16 consumidores fraudadores pertencentes ao conjunto de dados de teste. Os 10 registros, classificados incorretamente como anormais, referem-se a 5 consumidores deste mesmo conjunto. Tabela 4. Classificação dos dados de teste para δ = 0, 7 e D = anormal. Dados Classificação Normal Anormal Normal Anormal IV. IMPLEMENTAÇÃO DO SISTEMA Após o desenvolvimento e o teste da metodologia apresentada acima, foi implementado o sistema propriamente dito. A meta do sistema é muito clara e de fácil justificativa: identificar possíveis fraudes, dando suporte aos gestores dos clientes na diminuição das perdas comerciais. É importante destacar que não é esperado como resultado um sistema que substitua o senso crítico e a experiência do chamado especialista, no caso os gestores de grandes clientes e de perdas comerciais. Isto porque a quantidade de clientes ligados em alta tensão é muito menor que a quantidade de clientes comuns, como os residenciais. Sendo assim, embora o sistema identifique unidades consumidoras com altas suspeitas de fraude, esta quantidade de suspeitas normalmente é pequena e passível de uma supervisão. Esta pós-análise do especialista ou verificação
6 das suspeitas tende a eliminar inspeções aos chamados falsos positivos. Estes últimos representam as unidades consumidoras com comportamentos atípicos ou suspeitos, mas que de fato não cometeram ilícito algum. Embora a análise seja baseada no comportamento diário dos consumidores, as memórias de massa são recebidas mensalmente. Sendo assim, em uma data pré-definida que seja posterior ao recebimento das memórias de massa, o sistema é disparado para execução. Para cada consumidor cadastrado para análise, o sistema executa a metodologia apresentada, desde a consulta aos pulsos até o diagnóstico final. A. DETALHES DE IMPLEMENTAÇÃO 5) Período Suspeito (por exemplo, 01/03/2007 a 13/04/2007) 6) Motivos da Suspeita (Queda de Consumo, Comportamento Atípico em relação aos períodos anteriores, etc) 7) Relação entre demanda registrada e demanda contratada 8) Quantidade e Consistência dos Dados Analisados 9) Data da Última Inspeção 10) Já Fraudou (Sim ou Não) Portanto, embora os suspeitos sejam apontados pela implementação da metodologia proposta, é importante fazer uma justificativa da suspeita de forma mais prática para os gestores. O sistema de detecção de fraudes foi implementado em MATLAB, devido às várias funções e toolboxes disponíveis para manipulação simples de dados. Para integrar-se ao sistema legado de gerência de clientes da concessionária, o mesmo é executado com uma tarefa agendada mensalmente pelo sistema operacional. Portanto, o sistema mensalmente executa as seguintes tarefas: 1. Consulta no banco de dados a lista de clientes cadastrados para serem analisados quanto a suspeita de fraude; 2. Para cada cliente, consulta seus dados de memória de massa e aplica a metodologia desenvolvida; 3. Insere no banco de dados todas as suspeitas de fraude encontradas, juntamente com justificativas e informações adicionais sobre os clientes, facilitando as análises das suspeitas que serão feitas pelos especialistas. Para que os gestores possam analisar as suspeitas, foram criadas interfaces dentro do sistema legado que consultam o banco de dados de diagnósticos e reportam as suspeitas de fraude. Ao visualizar estas suspeitas, os gestores podem: imediatamente disparar uma inspeção; detalhar as informações dos clientes suspeitos para entender o motivo que desencadeou este alarme; liberar o cliente de qualquer suspeita, uma vez que o gestor conhece o motivo de um falso alarme levantado pelo sistema. A Figura 4 ilustra a forma de integração entre o sistema legado da concessionária e o sistema de detecção de fraudes. Tela do Usuário Sistema Legado Banco de Dados Sistema Detec.Fraude Consulta de dados Consulta de suspeitas Consulta de dados Inserção de suspeitas B. MODELO DE RELATÓRIO DE SUSPEITA Para que as suspeitas sejam visualizadas de uma forma mais fácil de ser analisada, e não somente gerando uma lista de suspeitos, foi elaborado um modelo padrão de relatório de suspeita. Este relatório possui os seguintes campos: 1) CDC do Consumidor 2) Data do Contrato 3) Atividade 4) Sazonal (Sim ou Não) Transparente ao Usuário Figura 4. Integração do sistema de detecção de fraudes com o sistemas legado da concessionária
7 V. CONCLUSÕES Os resultados foram considerados satisfatórios, uma vez que a taxa de acerto obtida pelo sistema, referente às inspeções realizadas a partir da pré-seleção dos consumidores com anormalidade (fraude ou erro de medição) foi de 64,2%. Este resultado é considerado significativo porque de um total de fraudadores do conjunto de dados utilizados para o teste, o sistema identificou corretamente 37,5% deles. Pode-se considerar, portanto, que a metodologia desenvolvida mostra-se capaz de ajudar a solucionar problemas das perdas comerciais relacionadas à fraude ou erro de medição das concessionárias de energia elétrica. A análise feita acima do comportamento diário facilitou a identificação de fraudes que acontecem de forma sazonal em dias de semana. Os registros normais que foram classificados incorretamente apresentaram comportamento instável, portanto, o sistema classificou-os como anormais. Tal classificação pode ser considerada correta em termos de comportamento, mas incorreta em termos da classificação fornecida pelos dados. Esta observação apresenta uma característica dos sistemas de mineração de dados: haverá casos na base de dados nos quais as regras são não-válidas. Estes casos denominam-se exceções na base de dados. É importante fazer algumas considerações sobre os falsos positivos que inevitavelmente ocorrerão, ou seja, clientes classificados como suspeitos de fraude, mas que não são de fato fraudadores: 1) Parte dos consumidores possuem demanda contratada escalonada, ou seja, podem possuir uma demanda contratada diferente para cada mês do ano. Dado que um cliente possui demanda de contrato escalonada, o mesmo muito provavelmente apresentará alterações de comportamento de consumo, as quais poderão ser detectadas como suspeitas de fraude ou erro de medição. 2) Alguns consumidores passam por desmembramento de medição, o que altera drasticamente o perfil da unidade consumidora. 3) Parte dos clientes negociam seus contratos e acabam demandando o mínimo possível. Ou seja, estes clientes diminuíram consideravelmente suas produções, ou mesmo estão ainda ligados mas não estão produzindo ou consumindo energia proporcional ao porte de suas plantas. Como esta situação é de conhecimento dos gerentes de cada cliente, mas perceptível somente quando suas demandas contratadas são atualizadas, o sistema provavelmente apontará estes comportamentos sempre que ocorrerem. 4) Com a retroação da utilização constante do sistema pela concessionária, será possível aumentar o poder de abrangência do sistema, passando a considerar situações desconhecidas durante o período de desenvolvimento. VI. TRABALHOS FUTUROS Dentre as melhorias possíveis para a metodologia proposta, pode-se destacar a utilização de outras técnicas na etapa de mineração de dados, como a SOM (Self-Organizing Maps) ou Mapas Auto-Organizáveis [12]. A SOM é uma rede neural artificial de aprendizado competitivo nãosupervisionado, que tem como função o mapeamento do espaço de uma entrada de acordo com sua estrutura topológica. Ou seja, a SOM permite a formação de overviews simplificados e visuais de conjuntos de dados. Pode-se criar estes overviews para o perfil de consumo dos clientes e verificar como este comportamento evolui com o tempo. Em outras palavras, caso o overview de um consumidor se modifique com o passar do tempo, o mesmo pode ter alterado seu comportamento, como também pode estar realizando uma fraude. Uma análise híbrida, utilizando Rough Sets e SOM, pode diminuir os falsos positivos e aumentar as taxas de acerto. VI. REFERÊNCIAS BIBLIOGRÁFICAS [1] J. E. Cabral, J. O. P. Pinto, E. M. Gontijo,J. Reis. Fraud detection in electrical energy consumers using rough sets, in IEEE International Conference on Systems, Man, and Cybernetics. p , [2] J. Reis, E. M. Gontijo, E. Mazina, J. E. Cabral, J. O. P Pinto. Fraud identification in electricity company customers using decision tree., in IEEE International Conference on Systems, Man, and Cybernetics, p , [3] N. Shan, W. Ziarko, H. J. Hamilton, N. Cercone. Using rough sets as tool for knowledge discovery. International Conference on Knowledge Discovery and Data Mining. p , [4] K. S. Collazos, Aspectos Teóricos do Datamining: Descoberta de Conhecimento em Medicina. Tese de Doutorado, Universidade Federal de Santa Catarina, Florianópolis, [5] E. Franco. Telemedição de Energia em Grandes Clientes via Internet, Metering Americas 2002, New Orleans-EUA, [6] ANEEL, Resolução Normativa Nº 456 de 29 de novembro de [7] Z. Pawlak. Rough sets. International Jornal of Computer and Information Sciences, p , 1982 [8] Z. Pawlak. Rough sets: theoretical aspects of reasoning about data. Kluwer Academic Publishers, [9] R. Slowinski. Intelligent Decision Support: Handbook of Applications and Advances of the Rough Sets Theory. Kluwer Academic Publishers, [10] C. M. Patrício, J. O. P. Pinto, C. C. Souza. Rough Sets Técnica de Redução de Atributos e
8 Geração de Regras para Classificação de Dados, XXVII CNMAC Congresso Nacional de Matemática Aplicada e Computacional, São Paulo, [11] C. M. Patrício, Detecção de fraude ou erro de medição em grandes consumidores de energia elétrica utilizando Rough Sets baseados em dados históricos e dados em tempo real, Dissertação de Mestrado, Universidade Federal de Mato Grosso do Sul, Campo Grande, [12] T. Kohonen. Self-Oganizing Maps. Springer Series in Information Sciences, 1995.
Metodologia Aplicada a Computação.
Metodologia Aplicada a Computação gaudenciothais@gmail.com Pré-processamento de dados Técnicas utilizadas para melhorar a qualidade dos dados; Eliminam ou minimizam os problemas como ruídos, valores incorretos,
Leia mais1 INTRODUÇÂO. 1.1.Motivação
22 1 INTRODUÇÂO 1.1.Motivação Duas componentes formam as perdas globais das empresas distribuidoras: perdas técnicas e perdas comerciais também denominadas perdas não técnicas. As perdas técnicas são,
Leia mais1 Introdução 1.1. Motivação
1 Introdução 1.1. Motivação O setor elétrico em todo o mundo vem sofrendo um processo de transformação, quer no campo político, quer no econômico. A privatização e a desregulamentação do sistema elétrico
Leia maisRough Sets Técnica de Redução de Atributos e Geração de Regras para Classificação de Dados
Rough Sets Técnica de Redução de Atributos e Geração de Regras para Classificação de Dados Cristian ra M. M. Patrício João Onofre Pereira Pinto Departamento de Engenharia Elétrica, DEE, FMS, Cidade niversitária
Leia maisESTUDO DE CASO: ADEQUAÇÃO TARIFÁRIA
Universidade de São Paulo USP Escola de Engenharia de São Carlos EESC Departamento de Engenharia Elétrica e de Computação SEL0437 Eficiência Energética ESTUDO DE CASO: ADEQUAÇÃO TARIFÁRIA Aluno: Nº USP:
Leia maisSistema de Controle e Monitoramento de Carregamento de Alimentadores e Transformadores de Subestações
21 a 25 de Agosto de 2006 Belo Horizonte - MG Sistema de Controle e Monitoramento de Carregamento de Alimentadores e Transformadores de Subestações Blunio Elias da Silva CEMIG Distribuição S.A belias@cemig.com.br
Leia mais5 ESTUDO DE CASOS 5.1 CATEGORIZAÇÃO
102 5 ESTUDO DE CASOS 5.1 CATEGORIZAÇÃO Conforme detalhado na seção 4.3, foram criados três conjuntos de dados: clientes BT com 382 padrões, clientes comerciais MT com 866 padrões e clientes industriais
Leia mais2 Reconhecimento Facial
2 Reconhecimento Facial Em termos gerais, o reconhecimento facial é o processo pelo qual se mede o grau de similaridade entre duas imagens faciais com o proposito de identificar a um indivíduo ou de verificar
Leia maisXIX Seminário Nacional de Distribuição de Energia Elétrica. Software Computacional de Perdas Técnicas de Energia PERTEC
XIX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2010 22 a 26 de novembro São Paulo - SP - Brasil Software Computacional de Perdas Técnicas de Energia PERTEC Franco Pavan Ingrid Lourenço
Leia maisGustavo Cordeiro Dos Santos 2, Patrícia Gomes Dallepiane 3.
ANÁLISE DA GERAÇÃO HIDRELÉTRICA DO RS SOB SUAS CARACTERISTICAS CONSTRUTIVAS, TEMPO DE VIDA E REQUISITOS DE MANUTENÇÃO PARA O CONTEXTO ENERGÉTICO NACIONAL 1 Gustavo Cordeiro Dos Santos 2, Patrícia Gomes
Leia maisSENDI 2004 XVI SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA
SENDI 2004 XVI SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA 948 Metodologia para Avaliação das Perdas Técnicas em Redes de Baixa Tensão Utilizando Técnicas de Classificação O Caso da RGE A. Méffe
Leia maisImplementação de um Modelo para Previsão de Evasão Escolar no IFSULDEMINAS
6ª Jornada Científica e Tecnológica e 3º Simpósio de Pós-Graduação do IFSULDEMINAS 04 e 05 de novembro de 2014, Pouso Alegre/MG Implementação de um Modelo para Previsão de Evasão Escolar no IFSULDEMINAS
Leia mais1 INTRODUÇÃO. As mudanças no cenário político-mundial na última década fizeram. com que o acirramento entre empresas no mercado globalizado aumentasse
1 INTRODUÇÃO 1.1 MOTIVAÇÃO As mudanças no cenário político-mundial na última década fizeram com que o acirramento entre empresas no mercado globalizado aumentasse em muito. Além disso, a desregulamentação
Leia mais4 SISTEMA DE CLASSIFICAÇÃO DE UNIDADES CONSUMIDORAS DE ENERGIA ELÉTRICA
94 4 SISTEMA DE CLASSIFICAÇÃO DE UNIDADES CONSUMIDORAS DE ENERGIA ELÉTRICA 4.1 INTRODUÇÃO Conforme dito no capítulo 1, a diminuição das perdas técnicas e comerciais é uma das principais prioridades das
Leia maisPrêmio EDLP. Sistema de Gerenciamento e Controle de Energia
Prêmio EDLP Título Sistema de Gerenciamento e Controle de Energia Antonio Carlos Cardoso 11 8266-3710 11 7520-6994 carlos.kardoso@gmail.com Sumário 1. RESUMO... 3 2. DEFINIÇÕES... 3 3. CONCEPÇÃO... 4 4.
Leia maisFaturas de energia elétrica (média / alta tensão)
1. Objetivo Faturas de energia elétrica (média / alta tensão) O objetivo deste documento é esclarecer a forma em que é calculada a fatura de energia elétrica, explicando seus principais componentes, padrões
Leia mais6 Avaliação da Penetração da Microturbina no Mercado da LIGHT
6 Avaliação da Penetração da Microturbina no Mercado da LIGHT O presente capítulo tem como objetivo determinar o mercado potencial de energia elétrica deslocado da concessionária pública de distribuição
Leia maisEFICIÊNCIA E QUALIDADE ENERGÉTICA EM EDIFICAÇÕES PÚBLICAS ESTUDO DE CASO NAS INSTALAÇÕES DO IFC CAMPUS LUZERNA
EFICIÊNCIA E QUALIDADE ENERGÉTICA EM EDIFICAÇÕES PÚBLICAS ESTUDO DE CASO NAS INSTALAÇÕES DO IFC CAMPUS LUZERNA Autores: João Pedro SCHEURICH, Marcos FIORIN, Jessé de PELEGRIN, Tiago DEQUIGIOVANI. Identificação
Leia mais7 Congresso de Pós-Graduação MODELAGEM DE BASE DE CONHECIMENTO PARA TAREFA DE CLASSIFICAÇÃO EM MINERAÇÃO DE DADOS
7 Congresso de Pós-Graduação MODELAGEM DE BASE DE CONHECIMENTO PARA TAREFA DE CLASSIFICAÇÃO EM MINERAÇÃO DE DADOS Autor(es) LIDIA MARTINS DA SILVA Orientador(es) ANA ESTELA ANTUNES DA SILVA 1. Introdução
Leia mais6 Clustering: Definindo Grupos Estratégicos
6 Clustering: Definindo Grupos Estratégicos 6.1 Introdução Não é difícil deduzir que as 60 empresas distribuidoras de energia elétrica, operantes no SEB, apresentam características heterogêneas. Entretanto,
Leia maisLuis Fabiano 21/ago/2008. Rejeição de Cargas Inteligente
ABB Group - 1 Luis Fabiano 21/ago/2008 Rejeição de Cargas Inteligente Introdução Um sistema de potência em condições estáveis de operação, com freqüência nominal, deve apresentar um equilíbrio entre as
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisDetecção de Fraude em Grandes Consumidores de Energia Elétrica Utilizando a Teoria de Rough Sets Baseados em Dados Dinâmicos e Dados Estáticos
Detecção de Fraude em Grandes Consumidores de Energia Elétrica Utilizando a Teoria de Rough Sets Baseados em Dados Dinâmicos e Dados Estáticos Cristian Mara M. M. Patrício João Onofre Pereira Pinto Kathya
Leia maisAlgoritmo para Determinação e Classificação de Distúrbios Múltiplos em Sistemas Elétricos 79
Algoritmo para Determinação e Classificação de Distúrbios Múltiplos em Sistemas Elétricos 79 3.3.3 Classificação dos distúrbios múltiplos Para a correta classificação dos diversos distúrbios é necessário
Leia maisXX Seminário Nacional de Distribuição de Energia Elétrica SENDI a 26 de outubro Rio de Janeiro - RJ - Brasil
XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil Thales Augusto de Oliveira Ramos Companhia Energética do Rio Grande do Norte Peterson
Leia maisRepresentação de Conhecimento Usando Teoria de Conjuntos Aproximados
Representação de Conhecimento Usando Teoria de Conjuntos Aproximados MARCOS AURÉLIO DOMINGUES JOAQUIM QUINTERO UCHÔA UFLA - Universidade Federal de Lavras DCC - Departamento de Ciência da Computação Cx
Leia maisAprendizado de Máquina
Aprendizado de Máquina A necessidade de inserir aprendizado nas máquinas surgiu após a construção dos Sistemas Especialistas (SEs). Os primeiros SEs não possuíam mecanismo de aprendizado e tornavam-se
Leia maisCapítulo VII. Sistemas de distribuição avaliação de cargas, sistemas e ativos
38 Capítulo VII Sistemas de distribuição avaliação de cargas, sistemas e ativos De um modo geral, pode-se afirmar que a carga é a fonte de remuneração dos sistemas de distribuição. Seu atendimento de forma
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
Leia mais18º Congresso de Iniciação Científica INCORPORAÇÃO DA TAREFA DE CLASSIFICAÇÃO NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA
18º Congresso de Iniciação Científica INCORPORAÇÃO DA TAREFA DE CLASSIFICAÇÃO NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA Autor(es) MIRELA TEIXEIRA CAZZOLATO Orientador(es) MARINA TERESA PIRES VIEIRA Apoio
Leia maisTCE Informática Pré-Processamento de Dados Prof. Marcelo Ribeiro
TCE Informática Pré-Processamento de Dados Prof. Marcelo Ribeiro www.acasadoconcurseiro.com.br Informática PRÉ-PROCESSAMENTO DE DADOS EM DATA MINING Técnicas de pré-processamento e transformação de dados
Leia maisSubmódulo 21.8 Estudos do controle cargafreqüência
Submódulo 21.8 Estudos do controle cargafreqüência Rev. Nº. 0.0 0.1 1.0 Motivo da revisão Este documento foi motivado pela criação do Operador Nacional do Sistema Elétrico. Atendimento à Resolução Normativa
Leia maisEstudo de Enquadramento Tarifário Horo Sazonal em Unidade Consumidora
Estudo de Enquadramento Tarifário Horo Sazonal em Unidade Consumidora ROSA, Daniel de Souza [1] ROSA, Daniel de Souza. Estudo de Enquadramento Tarifário Horo Sazonal em Unidade Consumidora. Revista Científica
Leia maisAula 7 RNA Redes Auto-Organizáveis de Kohonen
2COP229 Aula 7 RNA Redes Auto-Organizáveis de Kohonen 2COP229 Sumário 1- Introdução 2- Processo de Aprendizado Competitivo 3- Mapas auto-organizáveis de Kohonen (SOM) 4- Projeto Prático 1-Introdução 2COP229
Leia mais5 Resultados Dados artificiais Convergência à mediana e à média com dados artificiais
5 Resultados Os resultados da aplicação do método proposto estão estruturados de forma a evidenciar: 1. A convergência numérica do algoritmo proposto nesta tese para a mediana e para a média de grupos
Leia maisA energia elétrica alternada não pode ser armazenada
FUNDAMENTOS BÁSICOS A energia elétrica alternada não pode ser armazenada Necessidade de gerar, transmitir, distribuir e suprir a energia elétrica de forma praticamente instantânea Geração no Brasil: essencialmente
Leia maisImplementação dos Algoritmos e Resultados
Capítulo 6 Implementação dos Algoritmos e Resultados 6.1 Considerações Iniciais Diversas situações foram exploradas neste trabalho visando analisar qual seria a wavelet mais adequada para sistemas de extração
Leia maisGERENCIAMENTO DA QUALIDADE DO PROJETO
GERENCIAMENTO DA QUALIDADE DO PROJETO Planejar a Qualidade O gerenciamento da qualidade do projeto inclui os processos e as atividades da organização executora que determinam as políticas de qualidade,
Leia mais4 APLICAÇÃO DO MODELO E RESULTADOS
4 APLICAÇÃO DO MODELO E RESULTADOS Neste capítulo, será aplicado o modelo proposto (Holt-Winters com múltiplos ciclos mais a correção devido à ocorrência de feriado e temperatura) e apresentados os resultados
Leia maisAula 6 Mineração Streams Representação dos Dados. Profa. Elaine Faria UFU
Aula 6 Mineração Streams Representação dos Dados Profa. Elaine Faria UFU - 2017 Agradecimentos Este material é baseado No livro Tan et al, 2006 Nos slides do prof. Andre C. P. L. F. Carvalho Agradecimentos
Leia maisExtração de Conhecimento & Mineração de Dados
Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática
Leia maisTARIFA BRANCA. O qué é? Quando entra em vigor? Quem pode aderir? Quais as vantagens e as desvantagenspara o consumidor?
TARIFA BRANCA TARIFA BRANCA O qué é? Quando entra em vigor? Quem pode aderir? Quais as vantagens e as desvantagenspara o consumidor? Disponibilizamos aqui informações importantes sobre a Tarifa Branca,
Leia maisClassificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si
Classificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si Classificação de Dados Os modelos de classificação de dados são preditivos, pois desempenham inferências
Leia maisTarifa de Energia Elétrica
Tarifação - GTD : Tarifa de Energia Elétrica A tarifa de energia é o preço cobrado por unidade de energia; R$/kWh; Preço da energia elétrica: formado pelos custos incorridos desde a geração até a sua disponibilização
Leia maisVerificação e Validação. Ian Sommerville 2006 Engenharia de Software, 8ª. edição. Capítulo 22 Slide 1
Verificação e Validação Ian Sommerville 2006 Engenharia de Software, 8ª. edição. Capítulo 22 Slide 1 Objetivos Apresentar a verificação e validação de software e discutir a distinção entre elas Descrever
Leia maisXX Seminário Nacional de Distribuição de Energia Elétrica SENDI a 26 de outubro Rio de Janeiro - RJ - Brasil
XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil Juliana Dionísio de Andrade Companhia Energética do Ceará Paulo Roberto de Oliveira
Leia maisImplementação de um sistema de validação estatística configurável de dados
Implementação de um sistema de validação estatística configurável de dados Eduardo Dias Filho Supervisores: João Eduardo Ferreira e Pedro Losco Takecian 16 de novembro de 2014 Introdução Table of Contents
Leia maisFerramenta Computacional para Redução do Desequilíbrio de Tensão e Análise de Sensibilidade do Fator K
Ferramenta Computacional para Redução do Desequilíbrio de Tensão e Análise de Sensibilidade do Fator K Anésio L. F. Filho Diogo C. Garcia Eletronorte Francisco A. do Nascimento Marco A. G. Oliveira Rafhael
Leia maisTópicos Especiais em Informática Fatec Indaiatuba 13/07/2017
Inteligência de Negócios Fatec Indaiatuba Prof. Piva Compreender as definições e conceitos básicos da Mineração de Dados (MD) Entender o processo KDD (Knowledge Discovery Data) e MD Descrever as etapas
Leia maisXX Seminário Nacional de Distribuição de Energia Elétrica SENDI a 26 de outubro Rio de Janeiro - RJ - Brasil
XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil Paulo Henrique Almeida Cavalcante Companhia Energética do Ceará phcavalcante@coelce.com.br
Leia maisAgência Nacional de Energia Elétrica ANEEL Procedimentos do Programa de Eficiência Energética PROPEE. Módulo 6 Projetos com Fontes Incentivadas
Agência Nacional de Energia Elétrica ANEEL PROPEE Módulo 6 Projetos com Fontes Incentivadas Revisão 0 1 2 Motivo da Revisão Primeira versão aprovada (após realização da AP 073/2012) Primeira revisão: Correções
Leia maisMINERAÇÃO DE DADOS BASEADA EM INTELIGÊNCIA COMPUTACIONAL - UMA APLICAÇÃO À DETERMINAÇÃO DA TIPOLOGIA DE CURVAS DE CARGA
8 a 2 de setembro de 20 MINERAÇÃO DE DADOS BASEADA EM INTELIGÊNCIA COMPUTACIONAL - UMA APLICAÇÃO À DETERMINAÇÃO DA TIPOLOGIA DE CURVAS DE CARGA ELTON RAFAEL ALVES, UBIRATAN HOLANDA DE BEZERRA, ADRIANA
Leia maisCAPÍTULO 2 AVALIAÇÃO TÉCNICO-ECONÔMICA DA ENERGIA
CAPÍTULO 2 AVALIAÇÃO TÉCNICO-ECONÔMICA DA ENERGIA Versão 2.0 Dirreitos Reservados PROCOBRE 2009 INTRODUÇÃO O custo da energia elétrica é um fator importante na economia de uma familia, comércio e indústria.
Leia maisPEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids)
PEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids) Métodos Avançados de Controle Giovanni Manassero Junior Depto. de Engenharia de Energia e Automação Elétricas Escola Politécnica
Leia maisMineração de Dados. Arthur Emanuel de O. Carosia Cristina Dutra de Aguiar Ciferri
Mineração de Dados Arthur Emanuel de O. Carosia Cristina Dutra de Aguiar Ciferri 1 Motivação Aumento da capacidade de processamento e de armazenamento de dados; Baixo custo; Grande quantidade de dados
Leia maisSBC - Sistemas Baseados em Conhecimento
Siglas, Símbolos, Abreviaturas DW - Data Warehouse KDD Knowledge Discovery in Database MD Mineração de Dados OLAP - On-line analytical processing SBC - Sistemas Baseados em Conhecimento 1. INTRODUÇÃO O
Leia maisAPLICAÇÃO E DESENVOLVIMENTO DE UM SISTEMA DE TELEMETRIA À ESTAÇÕES METEOROLÓGICAS
APLICAÇÃO E DESENVOLVIMENTO DE UM SISTEMA DE TELEMETRIA À ESTAÇÕES METEOROLÓGICAS Hans R. ZIMERMANN, Débora R. ROBERTI, Josué M. SEHNEM. 1 Introdução A telemetria é uma técnica na qual uma medição realizada
Leia maisSensoriamento Remoto II
Sensoriamento Remoto II 2 Detecção de alterações UFPR Departamento de Geomática Prof. Jorge Centeno O problema de deteção de mudanças É possível detectar as alterações em uma série de imagens orbitais
Leia maisEstágio II. Aula 02 Conceitos de Teste de Software. Prof. MSc. Fred Viana
Estágio II Aula 02 Conceitos de Teste de Software Prof. MSc. Fred Viana Agenda Teste de Software Defeito, Erro ou Falha? Dimensões do Teste Níveis de Teste Tipos de Teste Técnicas de Teste Teste de Software
Leia maisSubmódulo 11.2 Avaliação de desempenho dos sistemas de proteção
Submódulo 11.2 Avaliação de desempenho dos sistemas de proteção Rev. Nº. 0.0 0.1 1.0 Motivo da revisão Este documento foi motivado pela criação do Operador Nacional do Sistema Elétrico. Atendimento à Resolução
Leia mais10 FORMAS ESTATÍSTICA MODELAGEM PARA USAR
10 FORMAS PARA USAR MODELAGEM ESTATÍSTICA Introdução Conheça um pouco mais sobre algumas modelagens estatísticas e como você pode implantar dentro da sua organização A análise preditiva é capaz de descobrir
Leia maisMouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
Leia maisARES 7023 Medidor Eletrônico de Energia Elétrica
ARES 7023 Medidor Eletrônico de Energia Elétrica Descrição O medidor ARES 7023 auxilia as concessionárias de energia a obter informações referentes ao consumo de energia elétrica de seus clientes. Projetado
Leia maisARES 7021 ARES 7031 Medidor Eletrônico de Energia Elétrica
Descrição ARES 7021 ARES 7031 Medidor Eletrônico de Energia Elétrica O medidor ARES 7021 / 7031 auxilia as concessionárias de energia a obter informações referentes ao consumo de energia elétrica de seus
Leia maisSubmódulo 9.5. Previsão de vazões e geração de cenários de afluências
Submódulo 9.5 Previsão de vazões e geração de cenários de afluências Rev. Nº. 0.0 0.1 1.0 Motivo da revisão Este documento foi motivado pela criação do Operador Nacional do Sistema Elétrico. Atendimento
Leia maisTESTES DE SOFTWARE 1. Fundamentos sobre testes de software
ENG SOFT - TESTES TESTES DE SOFTWARE 1. Fundamentos sobre testes de software A atividade de teste de software sempre foi considerada como um gasto de tempo desnecessário, uma atividade de segunda classe,
Leia maisElectricity price increase and effects on metering O aumento no preço da energia elétrica e os efeitos na medição Fabio Cavaliere de Souza
Electricity price increase and effects on metering O aumento no preço da energia elétrica e os efeitos na medição Fabio Cavaliere de Souza O aumento no preço o da energia elétrica e os efeitos na medição
Leia maisUma ferramenta para expansão do vocabulário com base em coocorrência
Resumos Expandidos: XI Mostra de Estagiários e Bolsistas... 11 Uma ferramenta para expansão do vocabulário com base em coocorrência Exupério Lédo Silva Júnior 1 Roberta Akemi Sinoara 2 Solange Oliveira
Leia maisAuditoria e Segurança em S.I.
Auditoria e Segurança em S.I. Critérios de auditoria O Boa parte da estabilidade e dos resultados obtidos pela atividade de auditoria depende da competência do grupo de auditores. O O auditor precisa ter
Leia maisPROJETO DE REJEIÇÃO DE CARGA EM SISTEMA DE GERAÇÃO DE ENERGIA
PROJETO DE REJEIÇÃO DE CARGA EM SISTEMA DE GERAÇÃO DE ENERGIA SCURA, José Dirlei 1 1 Acadêmico do curso de graduação em Engenharia Elétrica da Faculdade de Ciências Sociais e Agrárias de Itapeva FAIT RESUMO
Leia maisGeração Distribuída - AP 026/2015 Resolução 687/ Alterações das Resoluções 482 e 414
Geração Distribuída - AP 02/2015 Resolução 87/2015 - Alterações das Resoluções 482 e 414 Brasil, Dezembro de 2015 Micro e Minigeração Distribuída Sistema de Compensação de Energia Troca de energia entre
Leia maisGuia Rápido de Relatórios
Guia Rápido de Relatórios 1 Índice 1 Monitor de Pedidos... 3 2 Pedidos... 4 3 Estatísticas de Pedidos... 5 4 Acesso e Consumo... 8 5 Pedidos por Emissor... 11 6 Performance de Atendimento... 11 7 Vendas.....
Leia maisPROCEDIMENTOS OPERACIONAIS DE TROCA DE MFD PELA REDE CREDENCIADA BEMATECH
@ 3!,.#''(37A,;);! PROCEDIMENTOS OPERACIONAIS DE TROCA DE MFD PELA REDE CREDENCIADA BEMATECH A troca da Memória Fita Detalhe MFD pela Rede Credenciada de Assistência Técnica é um instrumento de grande
Leia maisDeterminação de vícios refrativos oculares utilizando Support Vector Machines
Determinação de vícios refrativos oculares utilizando Support Vector Machines Giampaolo Luiz Libralão, André Ponce de Leon F. de Carvalho, Antonio Valerio Netto, Maria Cristina Ferreira de Oliveira Instituto
Leia maisMANUTENÇÃO DO SISTEMA ELÉTRICO COM FOCO NAS FERRAMENTAS DA QUALIDADE
47 MANUTENÇÃO DO SISTEMA ELÉTRICO COM FOCO NAS FERRAMENTAS DA QUALIDADE Diego Gomes de Matos - Faculdades Integradas de Taquara FACCAT 1 José de Souza - Faculdades Integradas de Taquara FACCAT 2 Palavras
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
Leia maisRevisão. Eficiência Energética:
Revisão Eficiência Energética: o Demanda crescente por energia o Recursos energéticos com duração finita o Desenvolvimento sem degradação ambiental Incentivos no Brasil o PROCEL o PEE Programa de Eficiência
Leia maisUNIVERSIDADE LUTERANA DO BRASIL CURSO DE ENGENHARIA ELÉTRICA
UNIVERSIDADE LUTERANA DO BRASIL CURSO DE ENGENHARIA ELÉTRICA MONITORAMENTO DE DEMANDA A PARTIR DE UM MEDIDOR ELETRÔNICO DE ENERGIA EDER FABIANO MÜLLER Disciplina: Eng. de Processamento Digital II Prof.:Cocian
Leia maisDescoberta de Conhecimento em Bancos de Dados - KDD
Descoberta de Conhecimento em Bancos de Dados - KDD Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Fases do processo 3. Exemplo do DMC 4. Avaliação
Leia maisKDD E MINERAÇÃO DE DADOS
KDD E MINERAÇÃO DE DADOS O Processo de KDD: Visão Geral Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt CARACTERIZAÇÃO ÁREAS DE ORIGEM
Leia maisKDD E MINERAÇÃO DE DADOS
KDD E MINERAÇÃO DE DADOS Etapas do Processo de KDD Livro: Data Mining Conceitos, técnicas, algoritmos, Orientações e aplicações Ronaldo Goldschmidt, Eduardo Bezerra, Emmanuel Passos KDD Knowledge Discovery
Leia maisTrata-se do processo de auditoria dos requisitos e da qualidade, assim como dos resultados das medições de controle de qualidade, de maneira a
Aula 18 1 2 Trata-se do processo de auditoria dos requisitos e da qualidade, assim como dos resultados das medições de controle de qualidade, de maneira a garantir o uso de padrões de qualidade e definições
Leia mais23/05/12. Consulta distribuída. Consulta distribuída. Objetivos do processamento de consultas distribuídas
Processamento de Consultas em Bancos de Dados Distribuídos Visão geral do processamento de consultas IN1128/IF694 Bancos de Dados Distribuídos e Móveis Ana Carolina Salgado acs@cin.ufpe.br Bernadette Farias
Leia maisAgência Nacional de Energia Elétrica ANEEL. Procedimentos do Programa de Eficiência Energética PROPEE. Módulo 6 Projetos com Fontes Incentivadas
Agência Nacional de Energia Elétrica ANEEL Procedimentos do Programa de Eficiência Energética PROPEE Módulo 6 Projetos com Fontes Incentivadas Revisão Motivo da Revisão 1 Correções e aperfeiçoamentos Instrumento
Leia maisGerenciamento de Energia. Soluções Schneider Electric voltadas à Eficiência Energética
Gerenciamento de Energia Soluções Schneider Electric voltadas à Eficiência Energética Sistemas de tarifario Brasileiro: Conceitos Dois modelos de tarifação: Convencional e Horo-Sazonal. Clientes do Grupo
Leia maisComo utilizar o Picking Logix WMS
Como utilizar o Picking Logix WMS Outubro/2014 1) Parâmetros de picking Título do documento Para utilizar o picking, o depositante deve ter configurado em seu contrato(wms60013), dentro da proposta, na
Leia maisAVALIAÇÃO TÉCNICO-ECONÔMICA DA ENERGIA
CAPÍTULO 2 AVALIAÇÃO TÉCNICO-ECONÔMICA DA ENERGIA 1. INTRODUÇÃO O custo da energia elétrica é um fator importante na economia de uma família, comércio e indústria, dai a necessidade de tomar medidas para
Leia maisOs processos de segurança da informação devem assegurar a integridade, a disponibilidade e a confidencialidade dos ativos de informação da Apex.
1 POLÍTICA DE SEGURANÇA DA INFORMAÇÃO Disposições Gerais Os sistemas de informação, a infraestrutura tecnológica, os arquivos de dados e as informações internas ou externas, são considerados importantes
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1 Introdução Com o elevado índice de expansão dos sistemas elétricos de potência, os freqüentes aumentos nas interligações e o alto número de variáveis que envolvem
Leia mais7 Resultados e Discussão
114 7 Resultados e Discussão A fim de avaliar a importância da utilização de imagens polarizadas em medidas de textura, cujo processamento necessita de imagens nos dois modos de captura (campo claro e
Leia mais2 O Modelo: SetModel. 2.1 Modelo de Informação
O Modelo: SetModel 2 O Modelo: SetModel 2.1 Modelo de Informação Modelo de informação é uma representação abstrata e formal de entidades incluindo suas propriedades, relações e operações que podem ser
Leia maisGuia de Treinamento. SIPAC Módulo Almoxarifado. Requisitante de Material
Guia de Treinamento SIPAC Módulo Almoxarifado Requisitante de Material Fevereiro 2014 SIPAC - Almoxarifado - Requisitante de Material O Sistema Integrado de Patrimônio, Administração e Contratos (SIPAC)
Leia maisApêndice 1. Recomendações para testes de módulos
Recomendações para testes de módulos - 1 Apêndice 1. Recomendações para testes de módulos O presente conjunto de recomendações tem por objetivo definir um conjunto mínimo de critérios de seleção de casos
Leia maisFATOR DE POTÊNCIA PARA ONDAS SENOIDAIS
FATOR DE POTÊNCIA PARA ONDAS SENOIDAIS TENSÃO E CORRENTE DEFASADAS DE 90 GRAUS Onde o FP tem influência Linha de Transmissão (acima de 230kV) Linha de Subtransmissão (69kV a 138 kv) Circuitos Circuitos
Leia maisEtapa 6 - Elaboração da documentação da qualidade
Módulo 3 Etapa 6 Elaboração dos documentos do sistema de gestão da qualidade, Etapa 7 Implementação dos requisitos planejados, Etapa 8 Palestras de sensibilização em relação à gestão da qualidade e outros
Leia maisO uso de uma Rede Neural Artificial Supervisionada para obtenção do fator de carga de um alimentador.
O uso de uma Rede Neural Artificial Supervisionada para obtenção do fator de carga de um alimentador. Resumo: Lucas da Silva Assis Universidade Federal de Goiás lucasilvassis@gmail.com Esse trabalho apresenta
Leia maisVariáveis estatísticas ou variáveis: Os atributos (modalidades) ou magnitudes (valores) que se observam nos indivíduos de uma população.
CPAR - UFMS A Estatística: é a ciência que estuda, mediante métodos quantitativos, as populações que se obtém com síntese da observação de unidades estatísticas (Ibarrola et. Al, 2006). População: qualquer
Leia maisPró-Reitoria de Pesquisa, Pós-Graduação e Inovação CHAMADA INTERNA Nº03/2017 APOIO A GRUPOS DE PESQUISA
Pró-Reitoria de Pesquisa, Pós-Graduação e Inovação CHAMADA INTERNA Nº03/2017 APOIO A GRUPOS DE PESQUISA A Universidade Federal do Pampa (UNIPAMPA), com base na concepção de Política de Pesquisa estabelecida
Leia maisINF Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza
INF2608 - Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza Trabalho 02 Visualização de Imagens Sísmicas e Detecção Automática de Horizonte Resumo Este trabalho
Leia maisMorfologia Matemática: algumas aplicações. Rosana Gomes Bernardo Universidade Federal Fluminense
Morfologia Matemática: algumas aplicações Rosana Gomes Bernardo Universidade Federal Fluminense Introdução Aplicações Motivadoras - Consumo de Gás Natural Roteiro - Placas de Veículos Referências - Cartografia
Leia mais