Agrupamento e Classificação de Consumidores de Energia Rural Utilizando Random Forest e K-Nearest Neighbors
Abstract
Detectar irregularidades no consumo de energia é um desafio importante para as empresas de energia. Perdas comerciais por irregularidades causam perdas nas receitas da concessionáaria e perdas para o consumidor. Para detectar possíveis ocorrências de perdas não téecnicas, este trabalho tem como objetivo utilizar técnicas de aprendizado de máaquina, tanto do tipo supervisionado, para fins de classicação, como K-nearest neighbors e Random Forest, quanto do tipo não supervisionado (Clustering), com o objetivo de criar grupos de consumidores, que serão usados para previsão de classificação. O objetivo é organizar os consumidores do conjunto de dados em grupos com base no consumo, como o conjunto de dados apresentado possui doze meses de dados, a representação foi feita de acordo com o consumo médio pelo desvio. Dados característicos reais de diversas unidades consumidoras localizados em uma região rural do estado de São Paulo foram utilizados para a obtenção dos resultados da metodologia
proposta desse trabalho.