Estudio de la aplicación de técnicas de Machine Learning para la optimización y gestión de pérdidas no técnicas en el sector eléctrico

Abstract

En el presente documento, se analizan los diferentes proyectos nacionales como internacionales, desarrollados en el sector eléctrico, examinando la aplicación de las diferntes técnicas de machine learning para la optimización y gestión de las PNT ( Pérdidas No Técnicas) de energía en usuarios finales. Su objetivo principal es analizar proyectos nacionales e internacionales que han implementado estas técnicas para detectar condiciones anómalas asociadas a PNT, como el hurto de energía, fallas en los sistemas de medición y errores en la facturación. El enfoque metodológico incluye el uso de métodos estadísticos, métricas, la identificación de variables relevantes y la aplicación de técnicas de machine learning, con el propósito de documentar, analizar y evaluar las técnicas utilizadas en otros países y su aplicabilidad en el contexto colombiano. A partir de este análisis, se busca identificar las estrategias más efectivas para la detección y control de pérdidas no técnicas, contribuyendo a la optimización de su gestión y facilitando la toma de decisiones en el sector eléctrico. Este estudio también permite proponer estrategias y recomendaciones basadas en los hallazgos obtenidos, fortaleciendo las acciones preventivas y correctivas que ayuden a reducir las pérdidas no técnicas y mejorar la eficiencia del sistema eléctrico en Colombia.

Palabras clave: anomalía, consumo, detección, fraude, machine learning, pérdidas de energía.