Detección de patrones anómalos de consumos de energía eléctrica residencial utilizando técnicas no supervisadas
Dada una base de datos donde se registra un número determinado de consumos de usuarios de energía eléctrica residencial, se desean detectar patrones que puedan ser catalogados como anómalos, es decir, cuyo comportamiento muestre consumos irregulares que puedan indicar un posible fraude. Las técnicas...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2016 |
| País: | Colombia |
| Institución: | Universidad Tecnológica de Pereira |
| Repositorio: | Repositorio Institucional UTP |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.utp.edu.co:11059/7577 |
| Acceso en línea: | https://hdl.handle.net/11059/7577 |
| Access Level: | acceso abierto |
| Palabra clave: | Perdidas eléctricas Algoritmos genéticos Consumo de energía eléctrica Fraude |
| Sumario: | Dada una base de datos donde se registra un número determinado de consumos de usuarios de energía eléctrica residencial, se desean detectar patrones que puedan ser catalogados como anómalos, es decir, cuyo comportamiento muestre consumos irregulares que puedan indicar un posible fraude. Las técnicas usadas tradicionalmente cuentan con una base de datos de usuarios ya identificados como anómalos, con los cuales se hace un proceso de entrenamiento y así una posterior clasificación de los demás usuarios que se tienen en la base de datos, esto se conoce como técnica de aprendizaje supervisado. Generalmente las empresas no cuentan con perfiles de usuarios fraudulentos que puedan servir como usuarios de validación para probar las técnicas desarrolladas; por lo tanto, se hace necesario el uso de técnicas no supervisadas para lograr la detección de consumos anómalos. |
|---|