Detección de instalaciones fraudulentas utilizando datos históricos de consumo energéticos

RESUMEN : El fraude de electricidad provoca importantes pérdidas económicas para las compañías encargadas de suministrar energía eléctrica, disminuyendo sus ingresos por consumos no facturados. Estos aumentos en los gastos derivados de prácticas fraudulentas suelen repercutir en última instancia en los consumidores, lo que se traduce en tarifas eléctricas más elevadas. Para abordar el desafío de reducir las pérdidas no técnicas, se generó un modelo de clasificación que permite identificar instalaciones con alta probabilidad de presentar fraudes. Este modelo se entrenó utilizando datos históricos de consumos, inspecciones y otras variables relevantes, aplicando técnicas avanzadas de aprendizaje automático para reconocer patrones asociados con comportamientos fraudulentos.

• Autores: Álvarez Castillo, Susana María; Román Pereira, Luis Miguel
• Tipo de recurso: Tesis
• Fecha de publicación: 2024
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/40450
• Acceso en línea: https://hdl.handle.net/10495/40450
• Palabra clave: Fraude - prevención; Aprendizaje automático (inteligencia artificial); Machine learning; Economía de la energía; Energy economics; Precios de la energía; Técnicas de predicción; Forecasting techniques
• Rights: openAccess
• License: http://creativecommons.org/publicdomain/zero/1.0/