XII JORNADA DE

INGENIERÍA
ELÉCTRICA
2018
Perdidas no-técnicas en líneas de transmisión (NTL)

A. J. Rojas, S. E. Prada.
Universidad Tecnológica de Bolívar
Contacto: XXXXX@XXXX.XXX (por favor un correo decente)

INTRODUCCIÓN ESTADO DEL ARTE / RESULTADOS

En el siguiente texto se expondrá una clase de perdida en las líneas de
transmisión, que ocurre cuando un tercero manipula un medidor inteligente para
que el medidor registre menor consumo de electricidad que la cantidad real
consumida, lo que se traduce en errores en el seguimiento del servicio al
cliente y perdidas económicas de la empresa distribuidora encargada. La
metodología propuesta emplea recursos de medición, comunicación e
información de la red inteligente, algoritmos y otras herramientas matemáticas
con el fin de detectar los puntos en los que se presentan las anomalías.

MARCO CONCEPTUAL / METODOLOGÍA

Una empresa de servicios públicos suministró electricidad a una comunidad,
pero descubrió que la cantidad total de facturación de la electricidad era mucho
menor que la cantidad suministrada. Luego de eliminar la pérdida técnica, la
pérdida no técnica es altamente sospechosa en algunos medidores. En las
comunidades con N hogares, cada hogar tiene un medidor inteligente instalado
y está conectado a la misma red de distribución secundaria. Al menos, uno de Énfasis de la región confiable en el diagrama de dispersión: El gráfico de

estos medidores es manipulado por un cliente interno o manipulado por control es un procedimiento estadístico dirigido a la reducción de la

adversarios externos. O bien, un adversario podría manipular los mensajes de variabilidad medida a través del monitoreo del comportamiento de varianza

facturación de un medidor en el aire mientras mantiene el medidor intacto. Los generalizada de la muestra. Si la varianza generalizada de la muestra está dentro

objetivos son averiguar cuántos medidores se manipulan en esta comunidad, de la región confiable, es decir, el valor de es menor o igual que el valor de

identificar sus ubicaciones, conocer los comportamientos de los adversarios y, UCLp (upper control limit for phase p), la variabilidad medida está bajo control.

lo que es más importante, detectar los fraudes rápidamente antes de que De lo contrario, la variabilidad medida está fuera de control, lo que indica la

desaparezcan. existencia de alguna pérdida no técnica en el alimentador verificado.

CONCLUSIÓN / TRABAJO FUTURO

La intensa utilización de las tecnologías de la información hace que la red eléctrica sea vulnerable a los ciberataques. Debido al alto costo para proteger todo el sistema de energía, una
alternativa es el desarrollo de metodologías rentables capaces de reducir las pérdidas comerciales causadas por los ciberataques que corrompen los datos de medición de energía. La
metodología propuesta emplea recursos de medición, comunicación e información de la red inteligente, y herramientas matemáticas que se utilizan normalmente en el control estadístico
de calidad.
La metodología propuesta no compara los flujos de potencia promedio. El algoritmo de detección compara mediciones confiables con magnitudes producidas por un estimador de estado
en tiempo real. Por lo tanto, la estrategia propuesta no requiere una etapa adicional para reconocer los patrones de consumo. Además, el uso del algoritmo de búsqueda de rutas junto con
la aplicación GIS (geographical information system) aumenta la capacidad de diagnóstico de la metodología propuesta porque permite identificar el tipo de ataque cibernético y
proporciona la dirección del cliente con uso de energía anormal.

REFERENCIAS
- Glauner, P., Andre Boechat, Lautaro Dolberg, Radu State, Franck Bettinger†, Yves Rangoni†, & Diogo Duarte†. (2017). Large-Scale Detection of Non-Technical Losses in Imbalanced Data Sets. University of Luxembourg Journal.
- Glauner, P., Jorge Augusto Meira, Petko Valtchev, Radu State, & Franck Bettinger. (2017). The Challenge of Non-Technical Loss Detection Using Artificial Intelligence. A survey. IEEE.
- Han, W., & Xiao, Y. (2016). A novel detector to detect colluded non-technical loss frauds in smart grid. ELSEVIER.
- Han, W., & Xiao, Y. (2016). FNFD: A Fast Scheme to Detect and Verify Non-Technical. IEEE.
- Han, W., & Yang Xiao. (2016). NFD. Non-Technical Loss Fraud Detection in Smart Grid. Computers & Security.
- Leite, J. B., & José R. S. Mantovani. (2016). Detecting and Locating Non-technical Losses in Modern Distribution Networks. IEEE.
- Porras, J. A., H. O. Rivera, F. D. Giraldo, & B. S. A. Correa. (2015). Identification of Non-Technical Electricity Losses in Power Distribution Systems by Applying Techniques of Information Analysis and Visualization. IEEE Latin America.
- Viegas, J. L., Paulo R. Esteves, R. Melício, V.M.F. Mendes, & Susana M. Vieira. (2017). Solutions for detection of non-technical losses in the electricity grid.A review. ELSEVIER.
- X. (2017). Non-technical loss analysis and prevention using smart meters. ELSEVIER.