Predicción del hurto de energía eléctrica a través del uso de la inteligencia artificial mediante algoritmos de machine Learning para CNEL EP unidad de negocios Santo Domingo
Loading...
Date
2022
Directors
Journal Title
Journal ISSN
Volume Title
Publisher
Quevedo-Ecuador
Abstract
Las pérdidas de energía eléctrica son un problema que no se han logrado reducir en su totalidad en los sistemas eléctricos de potencia. Estas pérdidas se pueden presentar durante las etapas de Generación, Transmisión o Distribución de energía eléctrica. El presente proyecto de investigación se desarrolló en el área de distribución eléctrica, con el objetivo de analizar las razones y posibles soluciones que generan pérdidas no técnicas en las unidades de negocios, mediante la implementación de software inteligente.
Las pérdidas técnicas se producen desde la etapa de generación eléctrica y representan la energía que no es aprovechada o que se pierde durante la transmisión, subtransmisión y distribución de energía eléctrica las cuales son ocasionadas debido al efecto Joule, corrientes Foucault o histéresis. No obstante, este tipo de pérdidas no pueden ser eliminadas en su totalidad, debido a los fenómenos fisicoquímicos que se presentan en los núcleos ferromagnéticos, calentamiento en los conductores, que no pueden ser eliminados.
Las pérdidas de tipo no técnicas en el área de distribución se generan por las siguientes razones: 1.- Administrativas: Usuarios sin medición de consumo, lecturas erróneas, sistemas informáticos imprecisos y cultura del “no pago”. 2.- Operación deficiente: Mantenimiento deficiente, descalibración del equipo de medición y desbalance entre fases. 3.- Fraudulentas: Acometidas no autorizadas, conexión de carga antes del medidor, intervención en la base de datos, medidor intervenido o manipulado siendo como tal "hurto de energía", resultando esta última, irrecuperable para la unidad de negocio.
Reducir las pérdidas técnicas, implica una gran inversión económica ya que se debería realizar un redimensionamiento y reemplazo de conductores y transformadores. Las empresas distribuidoras de energía eléctrica han buscado eliminar las pérdidas no técnicas implementando acometidas antihurto, reemplazando los medidores electromecánicos por medidores digitales, sin embargo, ciertos usuarios utilizan diferentes métodos, dispositivos o mecanismos para vulnerar dichas acometidas y aparatos de medición, con el objetivo de disminuir fraudulentamente su consumo eléctrico, y de esta forma evitar el pago de la factura eléctrica total o parcialmente.
xii
En la actualidad la Inteligencia Artificial (IA), se usa en un amplio rango de áreas, una de ellas es el sector eléctrico. Por medio de la IA, se puede analizar gran cantidad de datos obtenidos en las etapas de generación, transmisión, subtransmisión y distribución de energía eléctrica, mediante la IA se puede encontrar una solución óptima a los problemas de una manera lógica y razonable.
El presente proyecto de investigación fue aplicado al área de distribución, para analizar mediante algoritmos de Machine Learning (ML), el comportamiento de las pérdidas no técnicas en los diferentes tipos de usuarios de la unidad de negocios Santo Domingo con el objetivo de encontrar posibles infractores (usuarios que hurtan de energía).
Description
Electrical energy losses are a problem, which have not been completely resolved in electric power systems. These losses may happen during the stages of generation, transmission and distribution of electrical energy. This research project was developed in the area of electrical distribution, with the aim of analyzing the reasons and possible solutions that generate non-technical losses, through the implementation of intelligent software.
Technical losses occur from generation and they represent the energy that is not used or that is lost during transmission, sub-transmission and distribution, caused by the Joule effect, Eddy currents (Foucault’s currents) or hysteresis. However, this type of loss cannot be completely eliminated, due to the physicochemical phenomena that occur in ferromagnetic nuclei, heating in the conductors, which cannot be eliminated.
Non-technical losses in the distribution of energy are generated due to the following reasons: 1.- Administrative: Users without metering, erroneous readings, inaccurate computer systems and a culture of “non-payment”. 2.- Poor operation: Poor maintenance, poor accuracy of measurement equipment and phase unbalance. 3.- Fraudulent: Unauthorized connections, intervention in the database, meter intervened or targeted, being as such "energy theft".
Reducing technical losses implies a large economic investment since a resizing of conductors and transformers should be carried out. Electricity distribution companies have sought to eliminate non-technical losses by implementing anti-theft connections, replacing electromechanical meters with digital meters, but people use any method, device or mechanism to violate those connections and measurement devices, to seek their personal good that is, not paying in full monthly electricity consumption.
Currently Artificial Intelligence (AI) is used in a wide range of areas, one of them is the electricity sector. Through AI, a large amount of data obtained in the stages of generation, transmission, sub-transmission and distribution of electric power can be analyzed, and with help of AI algorithms an optimal solution to problems can be found in a logical and reasonable way.
xiv
This research project was applied in the distribution area, to analyze through Machine Learning (ML) algorithms, the behavior of non-technical losses in the different types of users of the Santo Domingo electrical company with the aim of finding possible offenders (users who steal energy).
Keywords
Pérdidas técnicas y no técnicas, Inteligencia artificial, Machine learning, Hurto de energía, Algoritmos, Aprendizaje de máquina
Citation
Macao Sánchez, Richard Alex; Pujota Cuasapaz, Edison Javier. (2022). Predicción del hurto de energía eléctrica a través del uso de la inteligencia artificial mediante algoritmos de machine Learning para CNEL EP unidad de negocios Santo Domingo. Quevedo. UTEQ. 130 p.