Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1a empresa en
360 empleados 36 min 690.000 MÁS DE completar el despliegue
6 centros de trabajo 31.000 km de Smart Meters
TIEPI 2017 CLIENTES
DE RED
99,5% CLIENTES TIENE UN
H&S Máxima SMART METER
Prioridad 109 Subestaciones 11.000 CTs
2
NUEVO ENFOQUE EN GESTION DE PÉRDIDAS NO TÉCNICAS
3
BALANCE ENERGÉTICO EN BAJA TENSIÓN
CT Clientes Pérdidas
CT1
TR1
400V
4
FASE DE SEGMENTACIÓN: CURVAS PATRÓN
Clustering
Segmentación Resultados: Curvas Patrón
K-Means
3 2 2
Subgrupos diarios
CNAE 2
1 1
1
Tarifas Potencias
0 0 0
0 6 12 18 24 0 6 12 18 24 0 6 12 18 24
Hora Hora Hora
Casos Fraude 2 2 5
1.5 1.5 4
3
Curvas 1 1
Balance BT 2
Pérdidas 0.5 0.5 1
0 0 0
0 6 12 18 24 0 6 12 18 24 0 6 12 18 24
Hora Hora Hora
5
FASE DE DESARROLLO: ALGORITMOS
Balance
Curvas Curvas
BT
BT
Clustering k-means Correlación
Pérdidas Pérdidas
Patrones
Fraude
CCH
BBDD
BBDD
Segmentos
Candidatos (CUPS)
Coincide CT Candidatos (CUPS)
Eventos
Eventos Coincide Segmento Correlación > ±0.9
contador
contador Eventos Eventos
6
FASE DE ENTRENAMIENTO: VALIDACIÓN ALGORITMOS
Machine Learning
7
FASE DE EXPLOTACIÓN: CASOS ÉXITO
Detección por identificación de patrón de segmento en curva de pérdidas
CT Clientes Pérdidas
CT Clientes Pérdidas
8
FASE DE EXPLOTACIÓN: CASOS ÉXITO
Detección por alta correlación positiva entre CCH cliente y curva de pérdidas
CT Clientes Pérdidas
Cliente
9
FASE DE EXPLOTACIÓN: CASOS ÉXITO
Detección por combinación de algoritmos: eventos de contador, correlación
negativa y ceros intermitentes
CT Clientes Pérdidas
Cliente
10
PRÓXIMOS PASOS
• Implementación / Automatización
– Traslado al sistema Big Data en campo (IDbox)
– Interfaz gráfico
– Monitorización diaria
• Mejora de los algoritmos
– Ampliar catálogo de patrones
– Ampliar toolbox de comprobaciones
– Estimación de pérdidas técnicas
• Data mining
– Localización de vertidos no declarados
11
DATOS DE CONTACTO:
sergio.bustamante@viesgo.com
12