Sistema Baseado em Rough Sets para Pré-Seleção de Consumidores de Energia Elétrica de Alta Tensão para Verificação de Irregularidades Comerciais

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.