DETECCIN DE ROBOS DE ENERGA Y MEDIDORES INTELIGENTES DEFECTUOSOS EN REDES

INTELIGENTES MEDIANTE REGRESIN LINEAL

PROBLEMA

Se estima que los proveedores de servicios pblicos pierden miles de millones de dlares
anualmente debido al robo de energa.

Informe de 2015 Emerging Markets Smart Grid. Formatted: Font color: Auto, English (United States)

Medidores Inteligentes susceptibles a ms ataques ye intrusiones de red por ladrones Field Code Changed
de energa Formatted: Font color: Auto
Formatted: Font color: Auto, English (United States)
ROBO DE Energa
Formatted: Spanish (Spain)

Robo de energa y los consumidores de comportamiento fraudulento

 Prdidas
adicionales
causados
por las PNT

Dao a la
infraestructura de la
red

Aumento de la
Reduccin de la
peligrosidad por
fiabilidad de la red
manipulacin elctrica

SOLUCIONES

Debido a los problemas de robo de Energa para

identificarIdentificar posibles medidores defectuosos defectuosos, nuevos riesgos de

seguridad (ataques de red) y y patrones anormales de consumo

Diseamos dos algoritmos basados en la regresin lineal para estudiar el

comportamiento de consumo de energa de los consumidores

 Utiliza la regresin lineal
mltiple (MLR) para estimar
y evaluar los coeficientes de
Identificar falsificaciones de
anomalas de los
lecturas en la red de rea del
consumidores basados en los
vecindario
datos de consumo de
energa de los consumidores
reportados

Adopta un anlisis
caracterstico, que intenta
Identifica las localizaciones
modelar el consumo de los
de SM defectuosos y
consumidores de consumo
malicioso
Algoritmos de energa para su
consideracin
basados en
la regresin
lineal

El anlisis es especialmente atractivo, ya que es capaz de revelar con precisin no slo las
ubicaciones de los ladrones de energa y SM defectuoso, sino tambin la cantidad de robo de
energa / prdida.

DESARROLLO Y METODOLOGIA

Identificacin del problema

Estos algoritmos tienen como objetivo reducir los costos operacionales de intervencin a los
hurtadores de energa.

DESARROLLO DEL ALGORITMO

 Arquitectura de red
inteligente en red de
rea de barrio

Modelo de regresin
lineal para detectar
Evaluacin del
robos de energa y
desempeo
medidores inteligentes
defectuosos

Estimacin de Estimacin de
coeficientes de coeficientes de
anomalas variables anomala mediante
utilizando el mtodo de regresin lineal
variables categricas

1. Arquitectura de red inteligente en red de rea de barrio

Las redes elctricas y de comunicacin se superponen entre s y todos los flujos elctricos y
de comunicacin son bidireccionales.

La arquitectura de red inteligente en red de rea de barrio

 Red de
Red elctrica comunicacin

Construye una estacin de Las comunicaciones entre los

distribucin (DS), que SM y el colector se llevan a
tambin se conoce como caja cabo de forma inalmbrica
de fusible

La estacin de distribucin comunicaciones entre el

acta como un 'enrutador de
electricidad' para distribuir la
energa de la subestacin a
todos los consumidores del
vecindario
colector, el centro de
operaciones, DS y la
subestacin se realizan a
travs de una lnea de
alimentacin de potencia

= , + + + (1)
=1

Donde denota la energa total suministrada por la UP a todos los consumidores (es decir, N
de ellos) en la NAN, denota las prdidas tcnicas (TLs), as como las lecturas reducidas del
medidor debido a robos de energa (es decir, ) y SM defectuoso (es decir, ).

Por lo tanto, si > 0 (es decir, el robo de energa existe) o < 0 (es decir, al menos un SM est
funcionando mal), la discrepancia en la lectura del contador en el tiempo , denotado por ,
se calcula como:

= , = + + (2)
=1

2. Modelo de regresin lineal para detectar robos de energa y medidores inteligentes

defectuosos
Se instala un colector dentro del DS de tal manera que el colector puede medir la
fuente de alimentacin agregada desde el UP hasta el rea de servicio.
Definimos adems un coeficiente de anomala, denotado por un, para cada
consumidor
Mediante la aplicacin de la regresin de mnimos cuadrados a los datos de los
transformadores de distribucin y las lecturas de corriente recogidas por medidores
de potencia inteligentes o convencionales, se calculan las resistencias de las lneas
que conectan los puntos de consumo a los transformadores de distribucin, as como
las prdidas no hmicas.
3. Estimacin de coeficientes de anomala mediante regresin lineal

Usando regresin lineal. Nuestro objetivo es permitir que el colector revele las localizaciones
de los ladrones de la energa y / o de los SMs defectuosos.

Estadstica t de estudiante y valor p

Regresin lineal mltiple
Una tcnica de modelado utilizada
para describir explcitamente la
relacin entre una respuesta de
valor continuo
El objetivo del anlisis de regresin
es encontrar una funcin que
describa lo ms estrechamente
posible la relacin entre las
variables para que el valor de las
variables dependientes pueda
estimarse utilizando un rango de
variables independientes
El engao inconsistente en el
reporte de energa conducir a
fraude de energa inexacta y
deteccin de defectos de medicin
de dos colas
En la regresin lineal, el propsito
del estadstico t es hacer
inferencias sobre cada coeficiente
de anomala estimado y probar las
hiptesis nulas de que es Igual a
cero
funcin del estadstico t que se
utiliza para comparar la
probabilidad de rechazar Ho
cuando es realmente cierto
El algoritmo LR-ETDM
Aqu, asumimos un escenario
constante en el que los
consumidores fraudulentos
siempre roban energa y los SM
defectuosos siempre informan ms
de lo que consumen los
consumidores correspondientes
LR-ETDM puede no ser
numricamente estable cuando los
consumidores fraudulentos no
roban energa constantemente.
Especficamente, LR-ETDM puede
no detectar a todos los ladrones
cuando los consumidores slo
engaan durante un perodo
determinado en un da. Por
ejemplo, slo engaar durante las
horas punta
4. Estimacin de coeficientes de anomalas variables utilizando el mtodo de variables
categricas

La tasa a la que los consumidores

fraudulentos roban electricidad es
variable cuando cometen robo de
energa

Mediante la introduccin de variables

categricas en regresin lineal a travs
de codificacin ficticia para resolver el
problema de trampa variable

Variables categricas en regresin:

El algoritmo CVLR-ETDM
codificacin ficticia

1.

Estimacin de coeficientes de anomalas variables utilizando el mtodo de variables

categricas
5. Evaluacin del desempeo
 Las tasas de engao, as como informar ms (debido a mal
funcionamiento) no cambian y, por tanto, los coeficientes de
anomala son constantes
Especficamente, algunos de los consumidores deshonestos estn
Coeficientes de robando energa todo el tiempo y algunos de ellos estn engaando
anomala constante su consumo de energa slo durante un cierto perodo en un da

cada consumidor fraudulento comete robos de energa durante los

momentos punta, fuera de temporada o todo el tiempo. En las
simulaciones, observamos los datos de consumo de energa de los
Coeficientes consumidores durante dos das para aumentar el nmero de
variables de la observaciones a fin de mitigar el efecto del ajuste exces
anomala

6. Conclusiones
En este trabajo hemos diseado dos algoritmos: LRETDM y CVLR-ETDM, que son capaces
de identificar a los consumidores deshonestos que estn cometiendo robos de energa
 Como localizar los equipos defectuosos, con el objetivo de reducir las prdidas no
tcnicas debidas a robos de energa y defectos de medicin en las redes inteligentes.
Los dos algoritmos se basan en una regresin lineal. Cualquier coeficiente de anomala
distinto de cero es indicativo de robos de energa o defectos de medicin
Los resultados de la simulacin muestran que los consumidores fraudulentos pueden
ser detectados independientemente de si roban energa a una velocidad constante y /
o variable.
Como trabajo adicional, examinaremos la cuestin de la tolerancia al ruido de los
algoritmos propuestos y los algoritmos de diseo para ocultar los datos de consumo de
los medidores inteligentes de los consumidores para preservar su privacidad al mismo
tiempo que puedan identificar la ubicacin de los contadores inteligentes maliciosos y
defectuosos.