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...
- 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/
| id |
UDEA2_62873bf63b13a2e1b075a56cda13ae7e |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.udea.edu.co:10495/40450 |
| network_acronym_str |
UDEA2 |
| network_name_str |
Repositorio UdeA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Detección de instalaciones fraudulentas utilizando datos históricos de consumo energéticos |
| title |
Detección de instalaciones fraudulentas utilizando datos históricos de consumo energéticos |
| spellingShingle |
Detección de instalaciones fraudulentas utilizando datos históricos de consumo energéticos Fraude - prevención Aprendizaje automático (inteligencia artificial) Machine learning Economía de la energía Energy economics Precios de la energía Técnicas de predicción Forecasting techniques |
| title_short |
Detección de instalaciones fraudulentas utilizando datos históricos de consumo energéticos |
| title_full |
Detección de instalaciones fraudulentas utilizando datos históricos de consumo energéticos |
| title_fullStr |
Detección de instalaciones fraudulentas utilizando datos históricos de consumo energéticos |
| title_full_unstemmed |
Detección de instalaciones fraudulentas utilizando datos históricos de consumo energéticos |
| title_sort |
Detección de instalaciones fraudulentas utilizando datos históricos de consumo energéticos |
| dc.creator.fl_str_mv |
Álvarez Castillo, Susana María Román Pereira, Luis Miguel |
| dc.contributor.advisor.none.fl_str_mv |
Villa Acevedo, Walter |
| dc.contributor.author.none.fl_str_mv |
Álvarez Castillo, Susana María Román Pereira, Luis Miguel |
| dc.subject.lemb.none.fl_str_mv |
Fraude - prevención Aprendizaje automático (inteligencia artificial) Machine learning Economía de la energía Energy economics Precios de la energía Técnicas de predicción Forecasting techniques |
| topic |
Fraude - prevención Aprendizaje automático (inteligencia artificial) Machine learning Economía de la energía Energy economics Precios de la energía Técnicas de predicción Forecasting techniques |
| description |
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. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-07-08T16:37:02Z |
| dc.date.available.none.fl_str_mv |
2024-07-08T16:37:02Z |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.type.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Especialización |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_46ec |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/COther |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/other |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/draft |
| format |
http://purl.org/coar/resource_type/c_46ec |
| status_str |
draft |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10495/40450 |
| url |
https://hdl.handle.net/10495/40450 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/publicdomain/zero/1.0/ http://creativecommons.org/publicdomain/zero/1.0/ |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/publicdomain/zero/1.0/ https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
47 páginas |
| dc.format.mimetype.spa.fl_str_mv |
aplication/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad de Antioquia |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería. Especialización en Analítica y Ciencia de Datos |
| institution |
Universidad de Antioquia |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.udea.edu.co/bitstreams/6d9da43c-60fe-42c8-982a-f06572508b3f/download https://bibliotecadigital.udea.edu.co/bitstreams/91520f82-d64c-4d9b-8fd1-7c284c7f1b40/download https://bibliotecadigital.udea.edu.co/bitstreams/9e7ac379-5bad-4059-873a-969ecfc019bd/download https://bibliotecadigital.udea.edu.co/bitstreams/4885790f-fd9d-4e41-98ce-f837c8496760/download https://bibliotecadigital.udea.edu.co/bitstreams/f1806bfe-4a43-4c16-aac5-b6089fc99452/download https://bibliotecadigital.udea.edu.co/bitstreams/ae0404a7-99f3-463d-b27d-a166146d2922/download |
| bitstream.checksum.fl_str_mv |
fd0548b8694973befb689f3e7a707f1d 707aa7ed30bcc3af4a7daeecaf964e3c fd0548b8694973befb689f3e7a707f1d 8a4605be74aa9ea9d79846c1fba20a33 0713dcce418c050977c3f689136a1297 d6d35b2279b7e60909bf249cb672de80 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de la Universidad de Antioquia |
| repository.mail.fl_str_mv |
aplicacionbibliotecadigitalbiblioteca@udea.edu.co |
| _version_ |
1851052509561356288 |
| spelling |
Villa Acevedo, WalterÁlvarez Castillo, Susana MaríaRomán Pereira, Luis Miguel2024-07-08T16:37:02Z2024-07-08T16:37:02Z2024https://hdl.handle.net/10495/40450RESUMEN : 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.EspecializaciónEspecialista en Analítica y Ciencia de Datos47 páginasaplication/pdfspaUniversidad de AntioquiaMedellín, ColombiaFacultad de Ingeniería. Especialización en Analítica y Ciencia de Datoshttp://creativecommons.org/publicdomain/zero/1.0/http://creativecommons.org/publicdomain/zero/1.0/https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Detección de instalaciones fraudulentas utilizando datos históricos de consumo energéticosTesis/Trabajo de grado - Monografía - Especializaciónhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/COtherhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/draftFraude - prevenciónAprendizaje automático (inteligencia artificial)Machine learningEconomía de la energíaEnergy economicsPrecios de la energíaTécnicas de predicciónForecasting techniquesPublicationCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8712https://bibliotecadigital.udea.edu.co/bitstreams/6d9da43c-60fe-42c8-982a-f06572508b3f/downloadfd0548b8694973befb689f3e7a707f1dMD55falseAnonymousREADORIGINALÁlvarezSusana_2024_DeteccionInstalacionesFraudulentas.pdfÁlvarezSusana_2024_DeteccionInstalacionesFraudulentas.pdfTrabajo de grado de especializaciónapplication/pdf1523915https://bibliotecadigital.udea.edu.co/bitstreams/91520f82-d64c-4d9b-8fd1-7c284c7f1b40/download707aa7ed30bcc3af4a7daeecaf964e3cMD51trueAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8712https://bibliotecadigital.udea.edu.co/bitstreams/9e7ac379-5bad-4059-873a-969ecfc019bd/downloadfd0548b8694973befb689f3e7a707f1dMD55falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bibliotecadigital.udea.edu.co/bitstreams/4885790f-fd9d-4e41-98ce-f837c8496760/download8a4605be74aa9ea9d79846c1fba20a33MD56falseAnonymousREADTEXTÁlvarezSusana_2024_DeteccionInstalacionesFraudulentas.pdf.txtÁlvarezSusana_2024_DeteccionInstalacionesFraudulentas.pdf.txtExtracted texttext/plain63789https://bibliotecadigital.udea.edu.co/bitstreams/f1806bfe-4a43-4c16-aac5-b6089fc99452/download0713dcce418c050977c3f689136a1297MD57falseAnonymousREADTHUMBNAILÁlvarezSusana_2024_DeteccionInstalacionesFraudulentas.pdf.jpgÁlvarezSusana_2024_DeteccionInstalacionesFraudulentas.pdf.jpgGenerated Thumbnailimage/jpeg7119https://bibliotecadigital.udea.edu.co/bitstreams/ae0404a7-99f3-463d-b27d-a166146d2922/downloadd6d35b2279b7e60909bf249cb672de80MD58falseAnonymousREAD10495/40450oai:bibliotecadigital.udea.edu.co:10495/404502025-03-26 23:32:58.713http://creativecommons.org/publicdomain/zero/1.0/open.accesshttps://bibliotecadigital.udea.edu.coRepositorio Institucional de la Universidad de Antioquiaaplicacionbibliotecadigitalbiblioteca@udea.edu.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 |