Modelo Predictivo para la Detección del hurto de la energía Eléctrica

• Lezama Gonzales, Pedro Martin ^[1] ; Cachay Boza, Orestes ^[2] ; Zevallos León, Máximo ^[1]
  1. [1] Universidad Nacional Federico Villarreal

     Universidad Nacional Federico Villarreal

     Perú

     
  2. [2] Universidad Nacional Mayor de San Marcos

     Universidad Nacional Mayor de San Marcos

     Perú

     
• Localización: Revista de Investigaciones Científicas y Tecnológicas Industriales, ISSN-e 2961-211X, Vol. 5, Nº. 1, 2024 (Ejemplar dedicado a: Journal of Scientific and Technological Research Industrial (January - June) 2024), pág. 1
• Idioma: español
• Títulos paralelos:
  • Predictive Model for the Detection of Electrical Energy Theft
• Enlaces
  • Texto completo
• Resumen
  • español

    El acceso y uso ilegal de la electricidad, conocido como robo de electricidad, representa una amenaza significativa para la industria energética y la sociedad en su conjunto. Este fenómeno fraudulento socava la integridad del sistema eléctrico, afecta negativamente a los proveedores de servicios y tiene graves consecuencias económicas, sociales y ambientales. Además, los consumos anómalos de electricidad también plantean desafíos importantes en términos de detección temprana de irregularidades y optimización del consumo energético. En esta investigación, se analizaron las causas y motivaciones que impulsan el robo de electricidad. Asimismo, se examinó los diversos métodos utilizados por los infractores para manipular los medidores de energía y ocultar sus actividades fraudulentas, poniendo de relieve la necesidad de soluciones innovadoras para combatir esta problemática. De todas las soluciones existentes nos focalizamos en el análisis y predicción de consumos mediante técnicas de Machine Learning. El empleo de modelos algorítmicos de aprendizaje automático se explora como una herramienta clave para detectar y prevenir el robo de electricidad y consumos anómalos. Presentando una mejora importante en la detección del hurto de la energía eléctrica.

  • English

    Illegal access and use of electricity, known as electricity theft, represents a significant threat to the energy industry and society as a whole. This fraudulent phenomenon undermines the integrity of the electrical system, negatively affects service providers and has serious economic, social and environmental consequences. Furthermore, abnormal electricity consumption also poses significant challenges in terms of early detection of irregularities and optimization of energy consumption. In this research, the causes and motivations that drive electricity theft were analyzed. Likewise, the various methods used by offenders to manipulate energy meters and hide their fraudulent activities were examined, highlighting the need for innovative solutions to combat this problem. Of all the existing solutions, we focus on the analysis and prediction of consumption using Machine Learning techniques. The use of algorithmic machine learning models is explored as a key tool to detect and prevent electricity theft and anomalous consumption. Presenting a significant improvement in the detection of electrical energy theft.