Projeto aplica técnicas avançadas de Inteligência Artificial para detectar fraudes no setor elétrico
Utilizando o que há de mais recente em Inteligência Artificial, especialmente os últimos avanços em Deep Learning, NeuralMind e OneRF, em parceria, desenvolveram uma solução que melhora a detecção de fraudes no setor elétrico. Fruto de um projeto contratado pelo Grupo Enel, financiado por recursos do Programa de Pesquisa e Desenvolvimento (PROP&D ANEEL) e que ainda está em andamento, o trabalho já apresentou um importante resultado publicado em um artigo científico que detalha a solução proposta. Com a implementação, estima-se que seja alcançada uma melhoria de 16% no resultado quando comparado com outras soluções da literatura.
“De um modo geral, existem pouquíssimas informações disponíveis sobre esse tipo de problema. Da mesma forma que existem poucas bases de dados e estudos científicos na área. Daí a dificuldade de se obter maiores avanços na estimativa em relação à fraude no sistema elétrico quando comparado com outras áreas, como processamento de linguagem natural e reconhecimento de faces”, relata o CTO da NeuralMind e docente da Unicamp (Universidade Estadual de Campinas) especialista na área, Roberto Lotufo.
Os estudos puderam ser aprofundados com a disponibilização de dados pela State Grid China, dando base para treinar o sistema detalhado no artigo.
Com uma equipe de sete pesquisadores dedicados, o projeto teve início em outubro de 2019, e consiste no desenvolvimento de um sistema preditivo de fraudes no sistema elétrico. A proposta é instalar medidores IoT, que conseguem captar em tempo real tanto os valores de consumo como a energia sendo fornecida pelo transformador de baixa tensão. “Desta forma, será possível saber se existe ou não alguma fraude naquele conjunto de consumidores ligados ao transformador”, relata Lotufo.
A previsão é de que esses medidores estejam em campo no segundo semestre de 2020. “O projeto que estamos participando é extremamente relevante, pois será uma das poucas experiências a nível global em que teremos simultaneamente dados de consumo dos clientes como dados da energia gerada regionalmente. Esperamos ter um experimento muito valioso para testar várias hipóteses que já temos sobre como identificar fraudes nesse novo esquema de monitoramento do balanço de energia”, avalia.
O curioso é que, apesar de ser um campo ainda pouco explorado em termos de big data, a tecnologia desenvolvida possui semelhanças nas soluções recentes de deep learning aplicadas em visão computacional, processamento de linguagem natural e também de séries temporais. A melhoria da solução vem exatamente da combinação de alguns fatores, em especial, o tratamento os dados faltantes e o modelo de deep learning adotado. Esse conjunto é denominado de “Camada de Auto Atenção”. “Com isso, conseguimos esse resultado sobre o estado da arte publicado na literatura cientifica”, diz Lotufo. “O principal objetivo dessa publicação é mostrar que a NeuralMind domina o uso de novas técnicas de Inteligência Artificial e também atua fortemente na detecção de fraudes, com esse case para o sistema elétrico”, completa.
