21 a 25 de Agosto de 2006 Belo Horizonte - MG
Otimizando Resultados com a Gestão das Perdas Não-Técnicas de Energia Elétrica
Engº Rodrigo Teodoro Bilia de Moraes
Engº Alex Silveira
Elektro Eletricidade e Serviços S.A.
Elektro Eletricidade e Serviços S.A.
rodrigo.teodoro@elektro.com.br alex.silveira@elektro.com.br
1. RESUMO
O objetivo deste trabalho é apresentar o processo de gestão de perdas não-técnicas na
ELEKTRO, em busca da excelência no desempenho operacional.
Dado que uma vistoria freqüente de todos os pontos implicam em um custo muito alto, torna-se necessário utilizar recursos como análitorna-ses específicas, estudos estatísticos e projetos de pesquisa e desenvolvimento para determinar as visitas de inspeção.
O processo de gestão de perdas não-técnicas iniciou-se com a organização das informações da base de dados comerciais da empresa. Foram desenvolvidas ferramentas para auxiliar no direcionamento da geração das Ordens de Serviço (OS’s) e estudos estatísticos para determinar a distribuição das irregularidades na área de concessão.
Uma estratégia de atuação foi traçada, priorizando inicialmente clientes com faixas de consumo elevadas e regiões geográficas com altos valores de perdas não-técnicas.
Alguns dos resultados foram o aumento do desempenho (irregularidades encontradas por OS’s geradas), diminuição das perdas globais e aumento do retorno financeiro por montante investido (em 2003, para cada Real investido o retorno era de R$1,20, em 2005 foi de R$2,64).
A visão futura do processo impulsionou o desenvolvimento de novas ferramentas, utilizando Redes Neurais e Árvores de Decisão como métodos de direcionamento para a programação dos serviços e otimização dos resultados.
2. PALAVRAS-CHAVE
3. INTRODUÇÃO
3.1. Conceitos
Chama-se de “Perda de Energia” a diferença existente entre a energia de entrada (comprada, requerida) e a energia de saída (vendida) em um intervalo de tempo. Essa energia “perdida” é dividida em Perdas Técnicas e Perdas Não Técnicas (ou Comerciais), como ilustra a figura 1:
FIGURA 1: Conceito de “Perdas de energia”
Perdas Técnicas: próprias da rede e inerentes ao processo de transmissão, transformação, distribuição e medição. O diagnóstico consiste basicamente no cálculo das perdas em cada um dos componentes do sistema elétrico.
Perdas Não-Técnicas (Comerciais): energia efetivamente entregue mas não computada nas vendas, decorrentes de erros de medição, erros de processo, fraudes (“gatos”), etc. O cálculo dessa perda consiste na diferença entre as Perdas de Energia (totais) e as Perdas Técnicas. Essas perdas são basicamente divididas em:
Avaria: Quando os equipamentos apresentam problemas técnicos que resultam em um registro de consumo inferior ao real, sem intenção (intervenção) do cliente;
Fraude: Quando o cliente intencionalmente provoca um registro de consumo inferior ao real ou sem registro de consumo (popularmente conhecido como “gatos”).
3.2. Foco de atuação
Com o objetivo de reduzir os valores das Perdas Comerciais, a ELEKTRO atua em três vertentes:
1. Programa de Inspeção
→ Verificar a integridade do sistema de medição, detectanto: Falhas nos equipamentos;
Fraudes e desvios de energia; Erros de ligação;
Outros problemas que possam comprometer a medida de energia elétrica. 2. Substituição de Medidores
→ Avaliação de lotes de medidores através de amostragem no campo, testes em laboratório e análise dos medidores retirados em campo;
→ Substituição de medidores com vida útil vencida e/ou com possíveis falhas técnicas. 3. Regularização de Favelas
→ Trata-se de um programa de caráter regulatório que visa regularizar ligações clandestinas, reduzindo conseqüentemente as perdas comerciais. O foco principal deste programa é a Regional de Guarujá.
3.3. Controle da eficácia
Entende-se por “kWh retroativo” o cálculo e cobrança (no caso de fraude) da energia consumida entre a confecção da fraude e a inspeção onde a mesma é detectada. “Perda evitada” refere-se à energia que “deixou de refere-ser perdida” com a regularização, calculada após 2 ciclos completos de medição.
O início do processo de gestão de perdas era caracterizado por altos valores de kWh retroativo e Perda Evitada, como ilustrado no exemplo da figura 2:
kWh retroativo
Perda evitada
Análise dos indícios e geração da OS Inspeção e regularização Irregularidade n 3 1 2 Consumo (kWh) Tempo (meses)
FIGURA 2: kWh retroativo e Perda evitada no início do processo.
A estratégia adotada visou a mudança desse cenário, com valores menores de kWh retroativo e Perda evitada, conseqüências naturais de se encontrar uma irregularidade com maior antecedência. Os resultados são ilustrados na figura 3:
KWh retroativo Perda evitada Consumo (kWh)
Análise dos indícios e geração da OS
n 1 2 Inspeção e regularização Irregularidade Tempo (meses)
FIGURA 3: kWh retroativo e Perda evitada esperados ao final do processo.
Essa redução gera impactos positivos no índice de adimplência (já que as contas apresentam valores menores a serem pagos) e no índice de perdas. O reflexo das ações nesses indicadores em específico são percebidos posteriormente, pela própria inércia do processo.
3.4. Novas tecnologias: Redes Neurais e Árvores de Decisão
Desenvolvidas desde o final da década de 50, as Redes Neurais Artificiais são modelos matemáticos que, embora inicialmente inspirados em neurônios biológicos, podem ser melhor entendidos dentro do contexto de aproximação de funções por interpolação ou no reconhecimento estatístico de padrões (Bishop 1995). De fato, um dos principais resultados da pesquisa referentes a Redes Neurais é que elas são “aproximadores” universais de funções multivariáveis contínuas.
Dentro do paradigma do aprendizado supervisionado, as Redes Neurais Artificiais corrigem seus pesos através de funções de erro nas saídas existentes. Um método bastante conhecido de correção é a retro-propagação (backpropagation) que repassa para camadas intermediárias anteriores um ajuste de peso dado pelo gradiente de erro na camada de saída. Em casos de regiões de gradiente nulo, que dificultam o treinamento, são usados termos determinados momentum, baseados no acúmulo do histórico dos ajustes anteriores.
Uma árvore de decisão é um algoritmo de classificação baseado em valores de atributos e construído a partir de um conjunto de exemplos repassado. A escolha do melhor atributo para particionar a árvore pode seguir diversos critérios como índice Gini, razão de ganho ou freqüência de valores. Uma das escolhas mais comuns é basear a escolha do atributo em um ganho máximo de informação, considerando a entropia relativa do atributo no conjunto analisado. Outros procedimentos incluem um procedimento estatístico para a escolha do atributo de partição.
4. DESENVOLVIMENTO
4.1. Análise do processo
Participam diretamente desse processo 238 funcionários da ELEKTRO e das suas Contratadas (terceirizadas), como mostra a tabela 1:
TABELA 1: Áreas e funcionários diretamente envolvidos no processo.
Local Área Funcionários
Sede Gerência de Perdas e Medição 05 Equipe de Redução de Perdas
16 Supervisores e Analistas
Seções de Comercialização
33 Leituristas
Áreas técnicas 35 Inspetores e instaladores de AT
Regionais
Empresas Contratadas 149 Inspetores e auxiliares
Direta ou indiretamente, o processo de gestão de perdas não-técnicas envolve diversas áreas da empresa. O fluxograma mostrado na figura 4 ilustra como é feito o controle dos serviços desse processo:
Área
Legenda: = Atividades não críticas
= Atividades críticas Suprimentos e
Logística
Faturamento
T.I.
SUB-PROCESSO: Controle de Serviços
Serviços Comerciais CAT Comunicação Perdas e medição + Regionais Perdas e medição Regionais Elaboração de relatórios
Definição das metas Priorização de execução
Geração das OS's Realização dos serviços em campo (mão de obra
Própria + Contratada) Baixa das OS's
Cálculo de energia e receita recuperada e da
perda evitada Manutenção e extração de
dados do sistema Análise dos resultados Estudos estatísticos e projetos de P&D Registro dos atendimentos e solicitações do Instruções e procedimentos comerciais Aferição amostral de equipamentos Aquisição e disponibilização de materiais e serviços Campanhas específicas de conscientização, divulgação e marketing
A busca pela melhoria contínua e excelência operacional fica mais evidente ao analisarmos o processo descrito anteriormente na forma “PDCA”, como mostra a figura 5 a seguir:
Revisão dos processos
(Redução de Perdas)
Priorização
(Red. Perdas+ Regional)
Definição das metas
(Redução de Perdas)
Softwares/P&D
(Redução de Perdas)
Cálculos (MWh, $)
(Faturamento)
Resultado dos serviços de campo
(M.O. Própria + Contratada)
Realização dos serviços em campo
(M.O. Própria + Contratada)
Sistema U.E. Geração da O.S.
(Regional)
Relatórios/Análises
(Red. Perdas+ Regional)
FIGURA 5: Fluxogama do macro-processo na forma PDCA.
4.2. Análise estatística
Para melhor direcionamento do foco de atuação, foi elaborada uma análise estatística da distribuição das perdas comerciais (Tecnométrica, 2005). Os resultados são mostrados no gráfico apresentado na figura 6: 6,9% 6,2% 7,4% 17,5% 39,9% 22,2%
Alto (> 311,20 kWh/mês) Médio Alto (entre 129,60 e 311,20 kWh/mês)
Médio Baixo (entre 45,20 e 129,59 kWh/mês) Baixo (< 45,20 kWh/mês)
Zero (Média Zero) Med.Indireta
FIGURA 6: Distribuição percentual da perda comercial média.
A estratégia adotada foi a de regularizar em um primeiro momento os clientes com alto perfil de consumo, dado o alto impacto desse grupo nos resultados de perdas não-técnicas da empresa. A média dos valores de energia e receita recuperados nesse grupo são superiores aos dos clientes com consumo médio e baixo, a serem abordados em uma estratégia posterior.
4.3. Ferramentas utilizadas
Em busca de uma relação ótima de custo-benefício, a ELEKTRO vem utilizando recursos computacionais para orientar a geração das ordens de serviço.
O sistema Utilities Express (figura 7) oferece recursos comparativos de consumo do cliente ao longo do tempo (três últimos meses em relação aos nova anteriores a esse, ano de 2005 em relação a 2004, etc), onde o usuário pode alterar determinados parâmetros, salvando os que apresentaram melhor desempenho. Com essa ferramenta também é possível comparar o consumo de um cliente com o de seus vizinhos com as mesmas características, verificando possíveis discrepâncias:
FIGURA 7: Seleção de indícios com o Utilities Express.
Outra ferramenta utilizada é a “Curva de consumo”, que permite ao usuário visualizar graficamente a variação mensal do consumo de clientes pré-selecionados a partir de um conjunto de condições estabelecidas. A análise do relatório fornecido favorece a identificação de quedas bruscas de consumo (seta vermelha na figura), causada por certos tipos de fraude (figura 8), ou de quedas mais brandas, características de alguns casos de avaria. Em situações normais, esse relatório também pode ser utilizado para analisar o comportamento sazonal dos cliente ao longo do ano:
Para verificar o desempenho das inspeções, foi criado um relatório capaz de filtrar as informações do respectivo banco de dados em diversas dimensões. Essa ferramenta permite verificar o percentual de acerto de fraude, avaria e total para cada conjunto de informações contida na dimensão selecionada (Data, Município, Regional, Tipo de Medição, Indício, etc), tomando por base as definições informadas em cada lista.
Esse relatório (figura 9) permite verificar, por exemplo, quais municípios de uma determinada Regional apresentam maior incidência de avaria, e quais os que possuem maior quantidade de fraude, orientando os analistas na geração das ordens de serviço, com aumento do desempenho:
FIGURA 9: Segmentação do acerto por fraude e avaria.
A gestão do processo é orientada pelos relatórios comparativos de realização (figura 10), que fornecem juntamente com as metas estabelecidas (previstas) os valores realizados e a contribuição percentual dos mesmos. Acompanha-se para as equipes próprias e contratadas o número de inspeções, energia recuperada, receita recuperada, orçamentos, entre outros:
Rec
Fon
Recursos Totais - Próprios e Contratados
eita de perda evitada pela remoção de fraudes e medidores avariados - Valores acumulados em R$ Referência: dez/05
te: U.E.
Regional / Área Med
Valor
mensal jan/05 fev/05 mar/05 abr/05 mai/05 jun/05 jul/05 ago/05 set/05 out/05 nov/05 dez/05 Total
Previsto 8.774 26.321 54.023 91.879 139.890 198.056 266.375 344.850 433.479 532.262 641.200 760.292 760.292 Realizado 15.831 36.869 67.734 109.305 163.148 231.219 315.128 408.462 509.575 619.120 739.457 864.614 864.614 Desvio % 180 140 125 119 117 117 118 118 118 116 115 114 114 Previsto 40.905 122.716 245.433 409.055 613.582 859.015 1.145.354 1.472.598 1.840.747 2.249.802 2.699.763 3.190.629 3.190.629 Realizado 45.914 125.570 239.060 411.025 617.114 867.021 1.170.641 1.520.048 1.909.175 2.336.527 2.809.011 3.319.038 3.319.038 Desvio % 112 102 100 101 101 102 103 104 104 104 104 104 Previsto 32.454 97.362 194.725 324.541 486.812 681.537 908.716 1.168.349 1.460.436 1.784.977 2.141.973 2.531.422 2.531.422 Realizado 41.455 125.022 240.551 384.744 554.353 750.868 969.693 1.217.701 1.495.910 1.796.859 2.130.064 2.493.634 2.493.634 Desvio % 128 128 124 119 114 110 107 104 102 101 Previsto 20.673 62.018 124.036 206.726 310.090 434.125 578.834 744.215 930.269 1.136.995 1.364.394 1.612.466 1.612.466 Realizado 21.373 62.864 132.006 241.010 381.810 547.788 734.947 943.436 1.166.208 1.411.744 1.677.990 1.957.894 1.957.894 Desvio % 103 101 106 117 123 126 127 127 125 124 123 121 121 Previsto 13.689 41.066 82.132 136.887 205.331 287.464 383.285 492.795 615.993 752.881 903.457 1.067.722 1.067.722 Realizado 12.069 32.795 73.230 129.403 196.778 278.436 373.027 488.178 615.451 751.280 896.286 1.055.008 1.055.008 Desvio % Previsto 16.014 48.042 96.084 160.140 240.210 336.294 448.393 576.505 720.631 880.771 1.056.926 1.249.094 1.249.094 Realizado 13.539 34.975 67.565 113.306 174.823 255.585 354.836 470.870 605.627 755.083 927.527 1.381.382 1.381.382 Desvio % 111 111 Previsto 14.073 42.218 86.023 145.489 220.614 311.400 417.845 539.951 677.717 831.142 1.000.228 1.184.974 1.184.974 Realizado 17.889 86.421 169.031 278.845 415.206 563.581 731.830 922.511 1.131.704 1.349.980 1.579.015 1.826.489 1.826.489 Desvio % 127 205 196 192 188 181 175 171 167 162 158 154 154 Previsto 7.961 23.884 49.095 83.592 127.377 180.450 242.810 314.457 395.391 485.613 585.123 693.919 693.919 Realizado 9.632 23.691 43.750 69.715 102.232 149.096 201.605 263.039 344.027 431.165 528.783 634.043 634.043 Desvio % 121 Previsto 154.543 463.629 931.551 1.558.311 2.343.907 3.288.341 4.391.611 5.653.719 7.074.663 8.654.445 10.393.063 12.290.518 12.290.518 Realizado 177.702 528.209 1.032.926 1.737.354 2.605.465 3.643.594 4.851.706 6.234.246 7.777.676 9.451.758 11.288.133 13.532.101 13.532.101 Desvio % 115 114 111 111 111 111 110 110 110 109 109 110 110 Atibaia Itanhaem Andradina Retorno ao índice ELEKTRO Limeira Rio Claro Tatui Votuporanga Guaruja 97 99 99 99 88 80 89 95 96 97 97 99 100 100 99 99 99 85 73 70 71 73 76 79 82 84 86 88 99 89 83 80 83 83 84 87 89 90 91 91
4.4. Resultados alcançados
A eficácia do programa de substituição de medidores com vida útil vencida fica evidente ao observar-se a tendência de queda dos casos de avaria ao longo dos anos. O aumento dos casos de fraude deve-se à mudança de direcionamento devido ao aumento de casos a partir de 2001, graças aos impactos do racionamento de energia. Essas variações anuais são apresentadas na figura 11:
0,0% 1,0% 2,0% 3,0% 4,0% 5,0% 6,0% 7,0% 8,0% 9,0% 2001 2002 2003 2004 2005 2006* Acerto AVARIA Acerto FRAUDE
FIGURA 11: Variações das irregularidades encontradas e do acerto.
Como o foco inicial de atuação eram os clientes de maior consumo, os valores de perda evitada média no início do programa envolviam valores maiores. Com a regularização desses casos e mudança do foco para clientes com consumos menores, o valor médio tanto da fraude quanto da avaria estão decaindo ao longo do tempo com ligeiro aumento da perda evitada total, o que reflete a eficácia da estratégia adotada, como ilustra a figura 12:
ê s h no m k W m a d e S o
Perda evitada Total
-50.000 100.000 150.000 200.000 250.000 300.000 350.000 400.000 450.000 500.000 550.000 600.000 650.000
nov/03 mar/04 jul/04 nov/04 mar/05 jul/05 nov/05 mar/06 Data Avaria Fraude TOTAL Linear (TOTAL)
Perda evitada Média
-50 100 150 200 250 300 350 400 450
nov/03 mar/04 jul/04 nov/04 mar/05 jul/05 nov/05 mar/06 Data Mé d ia de k W h n o m ê s
Avaria Fraude Linear (Fraude) Linear (Avaria)
FIGURA 12: Variações da perda evitada total e média.
Com a mudança do foco de atuação (clientes com consumo mais baixo), o total de kWh retroativo aumentou, já que essas UC’s com fraudes ficaram períodos maiores sem serem inspecionadas, mas o valor médio dos casos acompanha a queda da perda evitada (figura 13):
o ta l kW h T
Total de kWh Retroativo - Fraude
-500.000 1.000.000 1.500.000 2.000.000 2.500.000 3.000.000 3.500.000 4.000.000 4.500.000 5.000.000 5.500.000 6.000.000
nov/03 mar/04 jul/04 nov/04 mar/05 jul/05 nov/05 mar/06 Data Soma kWh Linear (Soma kWh)
Média de kWh Retroativo - Fraude
-500 1.000 1.500 2.000 2.500 3.000 3.500 4.000 4.500
nov/03 mar/04 jul/04 nov/04 mar/05 jul/05 nov/05 mar/06 Data kW h M é d io
Média kWh Linear (Média kWh)
FIGURA 13: Variações de kWh retroativo e médio.
Os resultados desse programa são medidos pelo gráfico de Perdas Globais ao longo do tempo. Quanto menor esse valor, maior é o esforço para abaixá-lo (o foco de atuação vai diminuindo), e maiores são os custos envolvidos. Essa variação é apresentada na figura 14:
t/ 03 ou 4,50 4,75 5,00 5,25 5,50 5,75 6,00 6,25 6,50 6,75 7,00 7,25 7,50 7,75 8,00 8,25 8,50 jun/ 01 ag o/ 01 ou t/ 01 de z/ 01 fe v/ 02 ab r/ 02 jun/ 02 ag o/ 02 ou t/ 02 de z/ 02 fe v/ 03 ab r/ 03 jun/ 03 ag o/ 03 de z/ 03 fe v/ 04 ab r/ 04 jun/ 04 ag o/ 04 ou t/ 04 de z/ 04 fe v/ 05 ab r/ 05 jun/ 05 ag o/ 05 ou t/ 05 de z/ 05 fe v/ 06 ab r/ 06 jun/ 06 Pe rd as g lo ba is ( % )
Início do Racionam ento de energia
Início da atuação no com bate às Perdas Não-Técnicas
FIGURA 14: Variação das perdas globais da ELEKTRO ao longo do tempo.
A viabilidade econômica do processo fica evidente ao observar-se o retorno financeiro ao longo dos anos. Em 2003, para cada Real investido nesse programa o valor recuperado (retorno) foi de R$ 1,20, passando para R$ 1,94 em 2004 e R$ 2,64 em 2005, como mostra a figura 15:
R$ 1,20 R$ 1,94 R$ 2,64 R$ 3,30 R$ 0,00 R$ 0,50 R$ 1,00 R$ 1,50 R$ 2,00 R$ 2,50 R$ 3,00 R$ 3,50 2003 2004 2005 até março/2006 4.4. Próximos passos
Atualmente estão sendo desenvolvidos e testados modelos de Redes Neurais e Árvores de Decisão na análise dos dados das Unidades Consumidoras para a geração de Ordens de Serviço. A figura 16 mostra o software com o modelo de análise de Redes Neurais em desenvolvimento:
Na árvore de decisão apresentada na figura 17, gerada a partir do SQL Server 2005, foi usada como método de escolha do atributo de partição o método default, o Bayesian Dirichlet Equivalent
with Uniform prior. Os atributos de entrada considerados foram classe de consumo, classe principal,
código da etapa, histórico de consumo, grupo tensão de faturamento, localidade, regional, seccional, sub grupo tensão de faturamento, tipo de fase e tipo de localidade. O atributo a ser predito é a descrição de parecer, que deve ser NORMAL, AVARIA ou FRAUDE. Antes do processamento do algoritmo foi realizado um tratamento básico nos dados de forma a excluir pareceres com resultado final desconhecido.
FIGURA 17: Modelo de Árvore de Decisão para direcionamento das inspeções.
Atualmente o procedimento utilizado pela ELEKTRO para a avaliação da possibilidade de fraude toma como ponto de partida operadores lógicos baseados nos valores de atributos, especialmente o histórico de consumo, formando uma árvore de decisão dependente do operador e do tipo top-down. Nesse ponto um dos benefícios da pesquisa é apontar que a construção de uma árvore de decisão de forma sistemática a partir do histórico de fraudes pode ser de auxílio para orientar uma decisão seguindo uma metodologia bottom-up. Com a visualização das árvores de decisão possíveis, torna-se possível identificar atributos importantes na indicação de irregularidade, que podem ter passado desapercebido para os operadores.
Esses modelos estão sendo testados e seus parâmetros ajustados pela empresa responsável pelo desenvolvimento do software. O projeto será concluído em outubro de 2007, período suficiente para que sejam obtidos resultados ainda melhores que os atuais.
5. CONCLUSÕES
Para uma efetiva gestão das perdas não-técnicas, o primeiro passo é uma análise criteriosa dos processos relacionados a tal controle. O fluxo entre as atividades deve ser realimentado de forma a porporcionar melhoria contínua.
A identificação estatística do foco de cada problema (ataque dirigido) proporciona uma redução dos custos, direcionando diferentes estratégias para cada segmento (clientes, regiões, etc), refletindo positivamente no desempenho operacional.
Organizar os dados de forma a visualizar os resultados por múltiplas dimensões é uma solução simples e que fornece um conjunto de informações bastante precioso, com flexibilidade e rapidez, orientando a tomada de decisão e a estratégia dos gestores do processo.
Ferramentas gráficas possibilitam a visualização mais clara e objetiva de um conjunto de dados, e quando aplicada à variação do consumo dos clientes também podem ser utilizadas para verificar seu comportamento sazonal ou ainda como referência para determinar quando uma irregularidade passou a influenciar no consumo do cliente.
Com a diminuição das perdas não-técnicas, torna-se cada vez mais difícil encontrar irregularidades (o “foco do ataque” diminui). Mesmo assim, a ELEKTRO vêm mantendo praticamente constante o acerto de encontrar 12 irregularidades a cada 100 inspeções realizadas. O programa de substituição de medidores com vida útil vencida tem gerado impacto no resultado de avarias, que apresenta tendência de queda. O número de fraudes encontradas aumentou, de forma a manter o acerto total das irregularidades constante.
Com a mudança do foco para clientes com consumos menores, os valores médios de perda evitada tanto da fraude quanto da avaria estão decaindo ao longo do tempo, assim como os valores de kWh retroativo, o que reflete a eficácia da estratégia de atuação direcionada por segmento de consumo e região de concentração das perdas não-técnicas.
Em 2003, para cada Real investido nesse programa o valor recuperado (retorno) foi de R$ 1,20, passando para R$ 1,94 em 2004 e R$ 2,64 em 2005, com expectativa de um aumento ainda maior, o que reflete a viabilidade econômica do investimento no combate às perdas não-técnicas.
Novas tecnologias disponíveis estão sendo testadas e implementadas, como Redes Neurais Artificiais e Árvores de Decisão, que vêm apresentando resultados promissores nos mais diversos ramos como por exemplo no setor financeiro. Sua aplicação na solução de problemas relacionados à fraudes e avarias em sistemas de medição de energia elétrica é recente, mas grandes resultados são esperados dado o grande volume de informações disponível, a experiência de grandes empresas especializadas na solução de problemas multi-variáveis e o interesse das empresas do setor em reduzir seus índices de perdas não-técnicas.
6. REFERÊNCIA BIBLIOGRÁFICA
1 TECNOMÉTRICA ESTATÍSTICA LTDA. Pesquisa amostral para o levantamento
estatístico da magnitude da perda comercial na área de concessão da ELEKTRO. Campinas,
2005
2 Bishop, C.M. Neural Networks for Pattern Recognition., Oxford University Press, Oxford, 1995.
