1

PROSPECÇÃO DE FRAUDES E IDENTIFICAÇÃO DE AÇÕES DE COMBATE A PERDAS COMERCIAIS

LETD – Laboratório de Estudos de Transmissão e Distribuição

J. A. LopesF. B. RibeiroW. L. Moura

CELPE

H. O. HenriquesH. L. S. AlmeidaF. B. CarregosaO. Magalhães Jr.

LETD-UFF

00:00

Objetivos Principais

Desenvolver software para localização de fraudes e ligações clandestinas em clientes de baixa tensão;

Desenvolver modelo de inspeção supervisionada por medições e dados socioeconômicos.

00:00

Caracterização do Cliente

Codificação Binária

Numérico Ex: Consumo Médio Anual do ano anterior (1)

F1≤100; 100 < F2 ≤ 300; 300 < F3 ≤ 500; 500<F4 ≤1000; F5 > 1000;

Se o cliente pertence a Faixa 2 de consumo

... 0 1 0 0 ...

Lógicos: Ex: Baixa Renda – sim ou não.

... 0 1 0 0 1 ...

00:00

Caracterização do Cliente

Hipótese de Similaridade:Clientes de mesmo DNA tendem a ter comportamento e opiniões similares.

1 0 0 0 1 0 1 1 1 0 0 0 0 ...

DNA

Dados Sócioeconômicos

00:00

Formação da Base de Conhecimento

– Pesquisa de Campo

Perfil Social

Seleção de Amostra de Clientes

Questões Relevantes+ PPH

Questionários Respondidos

Cadastro

00:00

Curva de Carga - PPHPerfil Social

Tempo de Utilização

Curva de Carga - PPH

0

0,5

1

1,5

2

2,5

3

0 5 10 15 20 25

Hora

kW -

P.U

.

00:00

Calculo Curva PPH

Rede Neural

1 0 1 0 1 0 1 1 1 0 0 0 1 ...DNA 1

1 0 0 0 1 0 1 1 1 0 0 0 0 ...DNA 2

1 1 0 0 1 0 1 1 1 0 0 1 0 ...DNA n

Cluster 1DNA p:DNA k

Cluster nDNA p:DNA k

Amostra

Curva de Carga - PPH

0,00

1,00

2,00

0 5 10 15 20 25

Hora

Pu

Curva de Carga - PPH

0,00

1,00

2,00

0 5 10 15 20 25

Hora

Pu

00:00

Calculo Curva Campanha de Medidas

CadastroClasse;

Faixa de consumo. Tipologia

Tipologia de Carga - Campanha de Medidas

0,00

1,00

2,00

0 5 10 15 20 25Horas

Pu

00:00

Calculo Curva Fuzzy

Curva de Carga - PPH

0,00

1,00

2,00

0 5 10 15 20 25

Hora

Pu

X kW faturado

X kW Calculado

µ

1

a b

Tipologia de Carga - Campanha de Medidas

0,00

1,00

2,00

0 5 10 15 20 25Horas

Pu

a

b

c

d

cd

00:00

Curva de Carga Fuzzy

Curva de Carga Fuzzy

-50

0

50

100

150

200

250

0 5 10 15 20 25

Hora

kW

A

B

C

D

00:00

Estimador Linear Fuzzy

P

A4

SE

A4

d1 a1 b1 c1 dn an bn cn

P1 Pn

O modelo calcula ΔPi`s a serem somados aos valores estimados Pi de forma que o erro ΔP = (P-∑A4) - ∑ (Pi + ΔPi) seja mínimo, onde i = 1 a n.

Valor Lido

00:00

Solução do Estimador

minimizar ΔP = wT . ΔPi

sujeito a ΔPi ci

- ΔPi di

ΔPi 0

Pi – di Pi Pi + ci

µPi

– di 0 ci

µ∆Pi

Algoritmo de solução: SIMPLEX

-Pi

00:00

Resolve-se o sistema linear fuzzy sem nenhum medidor nos transformadores de distribuição e decide-se:

Colocar medidor onde os valores corrigidos oscilam em relação ao valor estimado;

Colocar medidor onde o valor corrigido apresenta forma diferente do esperado.

Localização de medidor

00:00

Curva considerada boa (sem necessidade de medidor):

0

10

20

30

40

50

60

70

80

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Curva Estimada

Curva Corrigida

Limite A

Limite B

Limite C

Limite D

Curva Medida

0

5

10

15

20

25

30

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Localização de medidor

Corrigida - estimada

00:00

0

50

100

150

200

250

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Curva Estimada

Curva Corrigida

Limite A

Limite B

Limite C

Limite D

Curva Medida

-80

-60

-40

-20

0

20

40

60

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Curva que oscila (com necessidade de medidor):

Localização de medidor

Corrigida - estimada

00:00

Localização de medidor

Corrigida - estimada

Curva com padrão diferente do esperado(com necessidade de medidor):

0

10

20

30

40

50

60

70

80

90

100

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Curva Estimada

Curva Corrigida

Limite A

Limite B

Limite C

Limite D

Curva Medida

0

5

10

15

20

25

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

00:00

FASE I – Correção de Erros de Vinculação de Clientes

X = corrigidos – estimados;

Y = medidos – estimados.

Vinculação Possível.

SubestimaX +

Y +

X -

Y -

Sobram Clientes

Faltam Clientes

Vinculação Possível.

Sobreestima

00:00

Após acertar erros de vinculação e regularizar os clientes dos transformadores da FASE I, resolver sistema linear fuzzy para todos os transformadores considerando os medidores já instalados.

Aqueles que estiverem valores corrigidos maiores que 30 % do valor estimado devem ter clientes selecionados;

Calcular o sistema linear para os transformadores anteriores e listar os clientes individuais que possuam valores corrigidos maiores que 30 % dos valores estimados.

FASE II – Lista Suspeitos

00:00

Para os demais transformadores sem medidor:

P

dk ak bk ck

dn an bn cnd1 a1 b1 c1

P0 –p P0

P0 = valor corrigido do transformador;

p = perdas Joule estimadas.

FASE II – Lista Suspeitos

BT

00:00

Testes de Campo

T 23340

T 25377 T 21633

T 34850

T 25381

T 25372

T 24685 T 24682 T 24684

T 24691

T 24690

T 24686

T 24687

T 24688

T 24692

T 21632

T 24694

T 17638

T 24697 T 40049

T 30093 T 25369 C 42595 C 43649 T 25366

C 12213

C 31486

T 25365

T 25364

T 25250

T 24693

T 25383

Saída

PAM 03

Subrede Pau Amarelo 3: Selecionado para inspeção

Medidores

00:00

Foram indicados 170 clientes para inspeção, 15 eram da classe comercial e 155 da Residencial, dentre estes 123 da classe B1 e 32 de baixa renda.

Testes de Campo

Clientes Comerciais.

Desocupado 7%

Cortada 7%

Não localizado

20%

Selo ausente 13%

Fechado 13%

Normais 40%

00:00

Testes de Campo

Residencial B1

E.M. Irregular 2%Disco Parado

2%

Disp. Apagado 1%

Selo Desp. 1%

Selo Rompido 2%

Impedio 1%

Ligado Direto 1%

Selo Prensado 1% Selo

Despadroniz. 2%

Não Localizado 16%

Selo Ausente 6%

Fechado 9%

Normal 56%

00:00

Testes de Campo

Residencial Baixa Renda

P/Bl/Term3%

Selo Ausente3%

Selo Desp.6%

Não Localizado10%

Fechado6%

Disp. Apagado3%

E.M. Furado3%

Deriv. Clandest.3%

Disco Parado3%

Normal57%

Selo Rompido3%

00:00

Os testes de campo serviram para organizar a operacionalização do processo, com a ajuda do software desenvolvido, nos demais alimentadores.

O software ajuda a identificar regiões onde há necessidade de atualização de cadastro comercial e elétrico.

O método proposto avalia quais transformadores precisam ser verificados, reduzindo-se o custo de verificar todos.

Uma boa assertividade depende também da atualização dos dados da topologia da rede.

A medida que maior numero de medidores é instalado, o grau de acertividade aumenta, indicando ser uma boa ferramenta para ser inserida no smart metering no combate ao furto de energia.

Conclusões

00:00

Muito Obrigado !

Prof. Henrique de Oliveira Henriques, D. Sc.Laboratório de Estudos de Transmissão e Distribuição

Universidade Federal Fluminense

LETD – UFFrique @vm.uff.br