Detecção de Fraude em Unidades Consumidoras Não Telemedidas com Uso de Técnicas de Aprendizado de Máquina

Abstract

Estima-se que em 2018 cerca de 310 TWh foram destinados a alimentação de ligações e medições irregulares no Brasil, aproximadamente R$ 9 bilhões de prejuízo para as distribuidoras. Para a concessionária de estudo, são observadas dificuldades para a detecção de fraudes devido ao volume de dados e a limitação de encontrar padrões. Considerando esse cenário, propõe-se o desenvolvimento de uma metodologia para detecção de fraude em clientes da baixa tensão, não telemedidos, com a utilização de ferramentas de inteligência artificial. Foram extraídas informações do banco de dados da empresa, gerados atributos, selecionadas variáveis e, então, avaliadas seis técnicas. A principal variável proposta compara a média de consumo da unidade com os vizinhos geográficos mais próximos com características elétricas semelhantes. Em testes teóricos, foi possível obter uma efetividade de 35% com o modelo do Random Forest, o que ultrapassa os indicadores da empresa em 218% para listas de inspeções com base em regras de redução de consumo.