Detecção de Fraudes em Unidades Consumidoras de Energia Elétrica Usando Rough Sets

Abstract

As fraudes representam as maiores perdas comerciais das empresas de distribuição de energia elétrica. Devido ao elevado número de consumidores, as inspeções geralmente são feitas sem uma pré-análise de comportamento dos inspecionados, resultando em baixas taxas de acerto. Como as empresas de distribuição possuem muitas informações sobre seus consumidores armazenadas em bancos de dados, é possível identificar o perfil dos clientes fraudadores e utilizar este conhecimento na orientação das futuras inspeções. Este trabalho propõe uma metodologia baseada em Rough Sets e KDD para detecção de fraudes em consumidores de energia elétrica. Esta metodologia realiza uma avaliação detalhada da região de fronteira entre clientes normais e fraudadores, identificando padrões de comportamento fraudulentos nos dados históricos das empresas de energia elétrica. A partir destes padrões, derivam-se regras de classificação que, em futuros processos de inspeção, indicarão quais clientes apresentam perfis fraudulentos. Com inspeções guiadas por comportamentos suspeitos, aumentase a taxa de acerto e a quantidade de fraudes detectadas, diminuindo as perdas com fraudes nas empresas de distribuição de energia elétrica.

Frauds represent a high percentage of the total commercial losses for electrical energy companies. In general, due to the high number of consumers, in-site inspections are made without any criteria, which cause a low rightness rate. On the other hand, electrical energy companies have information about their consumers stored in their databases. This information could be used to identify behavior patterns that are common among consumers that commit frauds, and this could guide the selection of the consumer that should undergo inspection. This work proposes a KDD and Rough Sets based methodology for consumer fraud detection for electrical energy companies. This methodology helps to find out consumer fraud behavior profiles at the company databases. From these patterns, a set of classification rules are created to fetch consumers that should be inspected. Using such strategy, the companies expect to increase the rightness rate and therefore decrease profit losses due to consumer fraud.