Análise de dados no cadastro da rede de distribuição secundária de energia

Resumo

A mineração de dados tem sido utilizada na indústria de energia com o objetivo de suportar tomadas de decisão que favoreçam o negócio, tanto no Brasil (FARIA et al., 2012) como no exterior (TSANAS; XIRAFA, 2012). Detectar desvios de comportamento nos dados pode solucionar problemas de identificação de fraudes distúrbios e irregularidades em geral. Isto funciona baseado na identificação de pontos colocados fora de limites razoáveis, chamados de outliers ou anomalias (OLIVEIRA et al., 2014). A detecção de anomalias é uma categoria da mineração de dados e será abordada com ênfase neste trabalho. A pesquisa foi desenvolvida seguindo a metodologia CRISP-DM (Cross-Industry Standard Process for Data Mining) (CHAPMAN et al., 2000). O foco da pesquisa, visa a análise de dados utilizando, detecção de anomalias, na base de dados da rede secundária de energia. Foram obtidos resultados com a utilização dos algoritmos: Isolation Forest, DBSCAN, t-SNE, Fuzzy C-Means e o BIRCH. Notoriamente, a detecção de anomalias em bases de dados não supervisionadas não é uma tarefa trivial, porém obtivemos bons resultados com a técnica Isolation Forest, onde foi possível a identificação de padrões, anormais, nas bases de dados. Foi descoberto anormalidades em postes com transformadores fora das margens normais, como também problemas em outros equipamentos, como bancos de capacitores e seccionadores. As anomalias encontradas podem ser investigadas profundamente por especialistas do setor de energia elétrica, pois serão úteis para uma melhor estruturação e uma maior segurança nas redes de transmissão.