Uma Interface de Anal??tica Visual para Identifica????o de Perdas N??o-T??cnicas na Rede de Distribui????o El??trica

por Filipe Mar??al e Lu??s Felipe Granello de Souza

UNICAMP ??? Universidade Estadual de Campinas

DCA ??? Departamento de Computa????o e Automa????o

FEEC ??? Faculdade de Engenharia El??trica e de Computa????o

Trabalho final apresentado na disciplina de IA376A ??? Anal??tica Visual de Dados

Neste trabalho, estamos interessados em aplica????es algor??tmicas de detec????o de fraudes de consumo de energia el??trica, tais como a detec????o de pontos de mudan??a e o classificador XGBoost (impulso de gradiente extremo) e apresentamos uma abordagem de anal??tica visual a fim de identificar dois perfis principais de consumo: (i) o de alta e (ii) o de baixa probabilidade de exibir irregularidades como fraude ou avaria.

**Fig. 1** -- FrontEnd da Interface de Anal??tica Visual ??? P??gina 'Anal??tica (Detalhes)', aba '*Detec????o Bayesiana*'

Fig. 1 ??? FrontEnd da Interface de Anal??tica Visual ??? P??gina ???Anal??tica (Detalhes)???, aba ???Detec????o Bayesiana???

**Fig. 2** -- FrontEnd da Interface de Anal??tica Visual ??? P??gina 'Mapa (*Overview*)', abas 'Vis??o A??rea' e '*XGBoost Score*'

Fig. 2 ??? FrontEnd da Interface de Anal??tica Visual ??? P??gina ???Mapa (Overview)???, abas ???Vis??o A??rea??? e ???XGBoost Score???

Com a devida fundamenta????o matem??tica e a relev??ncia das perdas n??o-t??cnicas ??? uma quest??o milion??ria em termos de infraestrutura e servi??o p??blico ??? uma interface interativa, constru??da em R, combina o processamento de s??ries temporais de consumo el??trico, atrav??s da detec????o bayesiana de ponto de mudan??a, com o treinamento e aplica????o de um modelo de classifica????o ??? o XGBoost. Tal modelo, a partir das informa????es existentes em um dataset, ?? capaz de atribuir um score que varia 0% a 100% para cada unidade consumidora, indicando a probabilidade de haver fraude ou avaria no local. O prop??sito da interface ?? enfatizar a facilidade de visualiza????o.

Por fim, conclu??mos sobre os ganhos que essa interface ?? capaz de trazer aos processos de tomada de decis??o e gera????o de insights para combate ??s perdas n??o-t??cnicas, podendo ser agregada ?? expertise t??cnica humana.

Palavras-chave: anal??tica visual, perdas n??o-t??cnicas, detec????o de ponto de mudan??a, XGBoost.