SEMINARIO DE INVESTIGACIÓN APLICADA II 2023-01

Nombre del alumno Rosaly Yesenia Perez Sanchez

PLANTILLA 02_ANÁLISIS DEL ARTÍCULO CIENTÍFICO_01_ ESTADO DEL ARTE

Títle of paper: Realizing the Improvement of the Reliability and Efficiency of Intelligent
Electricity Inspection: IAOA-BP Algorithm for Anomaly Detection (Realización de la mejora
de la confiabilidad y la eficiencia de la inspección inteligente de electricidad: algoritmo
IAOA-BP para la detección de anomalías)
Author(s): Yuping Zou, Rui Wu, Xuesong Tian and Hua Li
Journal: Energies
Fecha de publicación: 25/03/2023 Nivel del Cuartil: Q1
Tipo de documento: Artículo científico
__________________________________________________________________________
1. Problema
El problema es la deficiente detección actual del estado operativo de la red eléctrica para
monitorear las anomalías que puedan existir.

2. Importancia
La detección de anomalías en una red eléctrica es un factor muy importante dentro de las
empresas ya que mejora la relación con los clientes evitando quejas y reduce los costos
extras por mejora del servicio. Según mencionan Ahir & Chakraborty (2022) la detección de
anomalías mediante medidores eléctricos mitiga los desafíos de pérdidas y evita mal
intenciones futuras a los consumidores. Asimismo, una correcta gestión de servidores
eléctricos puede ahorrar entre 10-40% de energía eléctrica, además que se puede realizar
objetivos respecto del consumo de energía para disminuir las emisiones de GEI, reduciendo
costos de energía y cuidando el medioambiente (Lee et al., 2022). Por otro lado, Pan et al.
(2022) mencionan que el uso de energía es un medio fundamental en la vida de las personas
y que en Europa el consumo de energía eléctrica de los ciudadanos representa el 80%. Esta
cifra es impactante ya que como mencionan los autores anteriormente mencionados la
energía sirve para el desarrollo de una nación y es importante mencionar también que
mejora la calidad de vida de las personas.

3. Aporte
Los autores plantean que el aporte es la creación de un algoritmo neuronal mejorado de
optimización aritmética-propagación inversa (IAOA-BP) para un modelo de detección de
SEMINARIO DE INVESTIGACIÓN APLICADA II 2023-01

anomalías para la inspección de electricidad. Se propone este aporte ya que el algoritmo

IAOA en comparación con otros es más eficiente y tiene mayor capacidad de resolución.
Además, tiene un buen índice de precisión mejorando el costo operativo de la red eléctrica.

4. Proceso
 Como primer paso los autores realizan el mejoramiento del algoritmo de
optimización aritmética para tener como resultado al modelado del algoritmo
neuronal mejorado de optimización aritmética-propagación inversa (IAOA-BP. En
esta sección se presenta el diagrama de flujo del algoritmo de optimización
aritmética mejorado.
 En este segundo paso se realiza la prueba del rendimiento del algoritmo IAOA y esto
se logran según los autores con la introducción de límites dinámicos y un diferencial
operador de evolución en el algoritmo de optimización aritmética.
 Aquí en el tercer paso el articulo muestra las redes neuronales de propagación
inversa (BP)que describen como el modelado para la corrección de errores y su
retroalimentación que servirá para la detección de anomalías.
 Luego del mejoramiento del AOA a un IAOA y de su integración con el BP el articulo
muestra la implementación de esta propuesta. Primero selecciona los datos de
consumo de electricidad durante 5 años y se detecta las anomalías en estos datos
mediante parámetro como el consumo de electricidad, perdida de línea, desbalance
de corriente, potencia, y otros.
 Como parte final del proceso y la implementación lo que se realiza es la introducción
de estos datos al IAOA-BP como datos de entrada, este arroja resultados respecto
del estado del consumo de energía. Los resultados pueden ser: sin sospechas,
sospecha general y sospecha mayor de robo.

5. Principal Resultado
Como resultado los autores mencionan que el algoritmo planteado, el IAOA-BP, tiene una
alta eficiencia y confiabilidad al detectar anomalías en el servicio eléctrico. Asimismo, tiene
una muy buena precisión al momento de correr los datos incorporados, esta precisión se
puede observar en la figura 1 que nos muestra los factores anómalos en un periodo de 60h
para el consumo de energía de un solo cliente. Como se puede observar entre las horas 40 y
60 existe cierta variación en la gráfica, lo que se puede concluir que según los datos en el
 SEMINARIO DE INVESTIGACIÓN APLICADA II 2023-01

IAOA-BP, este arroja un resultado de sospecha mayor de robo, considerando que los limites
para el cliente están entre los factores 0 y 0.6.

Figura 1
Factor de anomalía de los datos de consumo de electricidad del cliente

Nota: Factores anómalos entre las 40 y 60 horas. Adaptado de “Realizing the Improvement of the Reliability
and Efficiency of Intelligent Electricity Inspection: IAOA-BP Algorithm for Anomaly Detection”, Y. Zou, R.
Wu, X. Tian y H. Li, 2023, p. 12.

6. Referencias Bibliográficas
Ahir, R. K., & Chakraborty, B. (2022). Pattern-based and context-aware electricity theft detection
in smart grid. Sustainable Energy, Grids and Networks, 32, 100833.
https://doi.org/10.1016/J.SEGAN.2022.100833

Lee, S., Nengroo, S. H., Jin, H., Doh, Y., Lee, C., Heo, T., & Har, D. (2022). Anomaly detection
of smart metering system for power management with battery storage system/electric vehicle.
ETRI Journal. https://doi.org/10.4218/ETRIJ.2022-0135

Pan, H., Yin, Z., & Jiang, X. (2022). High-Dimensional Energy Consumption Anomaly Detection:
A Deep Learning-Based Method for Detecting Anomalies. Energies 2022, Vol. 15, Page
6139, 15(17), 6139. https://doi.org/10.3390/EN15176139

 
SEMINARIO DE INVESTIGACIÓN APLICADA II 2023-01

7. Evidencia de Scimago