17.ago topázio 11.20_189_celpe
TRANSCRIPT
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