Aplicando máquinas de soporte vectorial al análisis de pérdidas no técnicas de energía eléctrica

• Autores: Nievas Lio, Estefanía
• Año de publicación: 2016
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Torres, German Ariel; Fernández Ferreyra, Damián Roberto
• Materia: Pattern recognition, speech recognition; Explicit machine computation and programs; Classification and discrimination; cluster analysis; Quadratic programming; Applications of mathematical programming; Management decision making, including multiple objectives; Máquina de soporte vectorial; Pérdida de energía eléctrica; Aprendizaje automático
• Institución: Universidad Nacional de Córdoba

Tesis (Lic. en Matemática)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2016.
Las pérdidas no técnicas en la distribución de energía eléctrica generan grandes gastos a las empresas encargadas de prestar el servicio de energía eléctrica y son extremadamente difíciles de detectar. En este proyecto se usa una técnica de aprendizaje automático (más conocida como Machine Learning) basada en máquinas de soporte vectorial (SVM, siglas en inglés de Support Vector Machine) para poder clasificar, de la manera más confiable posible, a los usuarios de la red en dos grupos diferenciados: los que cometen fraude y los que no. El entrenamiento se realiza a partir de una base de datos ya clasificada y tomando en cuenta el consumo de los usuarios a lo largo de un período de tiempo. Tales datos, en este proyecto, serán de usuarios de la ciudad de Córdoba. En nuestro trabajo implementaremos un algoritmo que construya el clasificador y luego analizaremos su confiabilidad clasificando a consumidores de la ciudad que han sido sometidos a una auditoría. Luego de obtener un clasificador confiable el mismo servirá para detectar posibles fraudes de los usuarios.