Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 5 N.º 1
(enero - junio, 2024)
Página 2 de 10
Journal of Scientific and Technological Research Industrial
Modelo Predictivo para la Detección del hurto de la energía Eléctrica
Predictive Model for the Detection of Electrical Energy Theft
Pedro Martin Lezama Gonzales
plezama@unfv.edu.pe
Universidad Nacional Federico Villarreal, Perú
Orestes Cachay Boza
ocachayb@unmsm.edu.pe
Universidad Nacional Mayor de San Marcos, Perú
Máximo Zevallos León
mzevallos@unfv.edu.pe
Universidad Nacional Federico Villarreal, Perú
Resumen
El acceso y uso ilegal de la electricidad, conocido como robo de electricidad, representa
una amenaza significativa para la industria energética y la sociedad en su conjunto. Este
fenómeno fraudulento socava la integridad del sistema eléctrico, afecta negativamente a
los proveedores de servicios y tiene graves consecuencias económicas, sociales y
ambientales. Además, los consumos anómalos de electricidad también plantean desafíos
importantes en términos de detección temprana de irregularidades y optimización del
consumo energético. En esta investigación, se analizaron las causas y motivaciones que
impulsan el robo de electricidad. Asimismo, se examinó los diversos métodos utilizados
por los infractores para manipular los medidores de energía y ocultar sus actividades
fraudulentas, poniendo de relieve la necesidad de soluciones innovadoras para combatir
esta problemática. De todas las soluciones existentes nos focalizamos en el análisis y
predicción de consumos mediante técnicas de Machine Learning. El empleo de modelos
algorítmicos de aprendizaje automático se explora como una herramienta clave para
detectar y prevenir el robo de electricidad y consumos anómalos. Presentando una mejora
importante en la detección del hurto de la energía eléctrica.
Palabras claves: Machine Learning, algorítmicos de aprendizaje automático, robo de
electricidad.
Abstract
Illegal access and use of electricity, known as electricity theft, represents a significant
threat to the energy industry and society as a whole. This fraudulent phenomenon
undermines the integrity of the electrical system, negatively affects service providers and
has serious economic, social and environmental consequences. Furthermore, abnormal
electricity consumption also poses significant challenges in terms of early detection of
irregularities and optimization of energy consumption. In this research, the causes and
motivations that drive electricity theft were analyzed. Likewise, the various methods used
by offenders to manipulate energy meters and hide their fraudulent activities were
examined, highlighting the need for innovative solutions to combat this problem. Of all
the existing solutions, we focus on the analysis and prediction of consumption using
Machine Learning techniques. The use of algorithmic machine learning models is
explored as a key tool to detect and prevent electricity theft and anomalous consumption.
Presenting a significant improvement in the detection of electrical energy theft.
Keywords: Machine Learning, machine learning algorithms, electricity theft.
Publicado: 14/03/2024
Aceptado: 12/03/2024
Recibido: 09/01/2023
Open Access
Article scientific
https://doi.org/10.47422/jstri.v5i1.44
Este artículo es publicado por la Journal of Scientific and Technological Research Industrial, Professionals On Line SAC. Este es un artículo de acceso abierto,
distribuido bajo los términos de la Licencia Creative Commons Atribución 4.0 Internacional (https://creativecommons.org/licenses/by/4.0/) que permite compartir
(copiar y redistribuir el material en cualquier medio o formato) y adaptar (remezclar, transformar y construir a partir del material) para cualquier propósito, incluso
comercialmente.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 5 N.º 1
(enero - junio, 2024)
Página 3 de 10
Journal of Scientific and Technological Research Industrial
INTRODUCCIÓN
La presente investigación se centra en la predicción y
detección del robo de electricidad y consumos anómalos
mediante técnicas avanzadas de análisis de datos y
aprendizaje automático. El objetivo principal es desarrollar
un modelo de detección proactiva que permita a las
compañías eléctricas identificar patrones sospechosos y
comportamientos inusuales en tiempo real, con el fin de
prevenir pérdidas financieras y salvaguardar la integridad
del sistema.
En este documento, se analizarán las causas y motivaciones
que impulsan el robo de electricidad, incluyendo la falta de
acceso a servicios legales de energía, la creciente demanda
no satisfecha y la búsqueda de beneficios económicos
ilícitos.
Asimismo, se examinarán los diversos métodos utilizados
por los infractores para manipular los medidores de energía
y ocultar sus actividades fraudulentas, poniendo de relieve
la necesidad de soluciones innovadoras para combatir esta
problemática.
El análisis y predicción de consumos anómalos también
serán abordados en este estudio. La detección temprana de
patrones inusuales de consumo energético puede ayudar a
los usuarios y proveedores de servicios a identificar
posibles fallas en equipos, fugas de energía y malos hábitos
de consumo, contribuyendo a una gestión más eficiente y
sostenible de la electricidad.
El desarrollo de modelos algorítmicos de aprendizaje
automático se explorará como una herramienta clave para
detectar y prevenir el robo de electricidad y consumos
anómalos. La utilización de datos históricos, técnicas de
analítica de datos como series de tiempo permitirá
identificar patrones sutiles y anomalías que puedan indicar
actividades fraudulentas o ineficiencias en el uso de la
energía.
Formulación del Problema
Problema General
¿En qué medida el uso de un modelo empírico y analítico
predictiva mejorará la detección del hurto de energía
eléctrica?
Problemas Específicos
• ¿En qué medida la definición de un modelo empírico
mejorará la detección del hurto de energía eléctrica
• ¿En qué medida la definición de los modelos de
analítica predictiva mejorará la detección del hurto de
energía eléctrica?
Justificación e importancia
Conveniencia:
El desarrollo de la presente investigación servirá para que,
a partir de definir un modelo empírico y analítico
predictivo para la detección del hurto de la energía
eléctrica, se evitarán cortes totales o parciales de energía
eléctrica, el uso de recursos naturales escasos, permitiendo
una menor contaminación ambiental.
Relevancia Social:
Mediante la aplicación del modelo empírico y analítico
predictivo para el hurto de la energía eléctrica, se tendrá un
menor incremento en las tarifas eléctricas, e incendios
originados por malas conexiones.
Implicaciones Prácticas:
A través de la presente investigación se pretende resolver
problemas prácticos que se derivan de la detección de la
pérdida no técnica de la energía eléctrica, permitiendo a las
empresas prestadoras del servicio eléctrico, ser proactivos
en la ejecución de las actividades de visita y focalización
de los usuarios que están involucrados en el robo de energía
eléctrica.
Valor Teórico:
El modelo planteado, combinará enfoques orientados a
mejora de procesos (el uso de criterios estadístico de 1-
sigma y 3-sigma), y el empleo de modelo de Machine
Learning y Deep Learning, proponiendo un nuevo modelo
de detección de las pérdidas no técnicas de energía
eléctrica.
Aportes:
Con la presente investigación se podrá mejorar la detección
de las personas que hurtan energía eléctrica, permitiendo
una mejor usabilidad de recursos naturales escasos, reducir
la contaminación, aumento de tarifas eléctricas, incendios
entre otros.
Objetivos
Objetivo General
Determinar el grado de mejora en la detección del hurto de
energía eléctrica, al implementar un modelo empírico y
analítico predictiva.
Objetivos Específicos
• Definir el modelo empírico, para mejorar la detección
en el hurto de la energía eléctrica.
• Definir los modelos de analítica predictiva, para
mejorar la detección del hurto de la energía eléctrica.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 5 N.º 1
(enero - junio, 2024)
Página 4 de 10
Journal of Scientific and Technological Research Industrial
MATERIALES Y METODOS
Se toma en consideración los siguientes puntos:
a) Ámbito espacial y temporal del estudio
• Ámbito Espacial: La investigación se realizará para los
usuarios de la empresa Distriluz-Perú.
• Ámbito Temporal: El período de tiempo del cual se
tienen los datos es desde el 2010 hasta el 2023, teniendo
en cuenta que las mediciones de los medidores
eléctricos son realizadas en forma mensual.
b) Universo o la muestra del estudio
Universo: Empresa Distriluz, que cuenta con una cobertura
de 3 millones de suministros.
n = 150,000 (muestra inicial de las unidades de negocio de
Chimbote, Conchucos, Huaraz y La Libertad)
c) Unidad de análisis
• Detección de las pérdidas no técnicas: Eficacia en la
detección del modelo
d) Técnicas de recolección de datos o Instrumento
• Análisis documental
• Análisis de Pareto
• Histogramas
• Muestreo
• Recolección de datos
• Tabulación de datos
• Mejora de procesos
• Modelos de Machine Learning
• Modelos de Deep Learning
Figura 1
Procedimiento Propuesto pata la Investigación
1. Pre-Procesamiento de datos
a. Datos del consumo de electricidad
Tabla 1
Variables del Dataset
Característica
Descripción
FLAG
Indicador binario que señala si el servicio eléctrico ha sido objeto de hurto (1) o no (0).
Nombre Unidad Negocio
Nombre de la unidad de negocio responsable del suministro eléctrico.
IdNro Servicio
Identificador único del servicio eléctrico.
SED
Identificador de la Subestación de Distribución.
alimentador
Identificador del alimentador eléctrico.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 5 N.º 1
(enero - junio, 2024)
Página 5 de 10
Journal of Scientific and Technological Research Industrial
abreviatarifa
Abreviatura de la tarifa eléctrica del servicio.
Tipo Conexión
Tipo de conexión eléctrica (por ejemplo, monofásica o trifásica).
Sector Típico
Categorización del sector según su consumo eléctrico típico.
PeriodoInicio
Fecha de inicio del período de consumo.
consumo
Consumo eléctrico registrado en cada uno de los períodos mensuales desde enero de 2010 hasta julio de 2022.
a) Procedimiento:
El procedimiento propuesto para la siguiente investigación
es el siguiente:
Cada característica contiene información relevante sobre
los servicios eléctricos y su consumo en diferentes períodos
de tiempo. La característica "FLAG" es el objetivo del
modelo, ya que indica si un servicio eléctrico ha sido
víctima de hurto o no. Las características como
"NombreUnidadNegocio", "IdNroServicio", "SED" y
"alimentador" proporcionan información sobre la
ubicación y el servicio específico. La "abreviatarifa" indica
la tarifa eléctrica aplicada al servicio, mientras que "Tipo
Conexión" y "Sector Tipico" ayudan a categorizar el tipo
de conexión eléctrica y el sector del cliente,
respectivamente. La característica "PeriodoInicio" marca la
fecha de inicio del período de consumo. Por último, las
características "consumo" representan el consumo de
electricidad registrado en cada período mensual.
b. Data Cleaning
Se llevará a cabo la limpieza y preparación de los datos de
consumo de electricidad antes de proceder con el análisis y
modelado. El objetivo principal es asegurar que el conjunto
de datos esté libre de errores, valores faltantes y registros
inválidos. A continuación, se describen los puntos
relevantes a realizar en esta fase:
• Identificación de Datos Faltantes: Se identificarán las
celdas del conjunto de datos que contengan valores
nulos o faltantes. Estos valores pueden ser causados por
diversos factores, como fallos en la medición o
problemas en la recolección de datos.
• Manejo de Datos Faltantes: Se seleccionará una
estrategia para manejar los datos faltantes, que puede
incluir la eliminación de registros con valores faltantes,
la imputación de valores utilizando técnicas estadísticas
o el uso de algoritmos de imputación más avanzados.
• Eliminación de Registros Inválidos: Se eliminarán
registros inválidos que no aporten información útil o
que puedan afectar negativamente el análisis.
c. Generación de características
Los datos se prepararán para el análisis y modelado
específico. Se realizarán transformaciones y
manipulaciones en las características para mejorar la
calidad de los datos y garantizar la eficacia del modelo de
pronóstico de hurto de electricidad. A continuación, se
describen los puntos relevantes a realizar en esta fase:
• Selección de Características Relevantes: Se analizarán
todas las características disponibles para identificar
aquellas que tienen mayor relevancia para el pronóstico
de hurto de electricidad. La selección de características
ayuda a mejorar la eficiencia computacional y reducir el
riesgo de overfitting.
Correlación, La correlación puede medirse utilizando el
coeficiente de correlación de Pearson.
Donde:
* x_i y y_i son los valores de las características del hurto
para el i-ésimo registro.
* x y y son las medias de las características y del
hurto de electricidad.
LDA (Reducción de Dimensionalidad)
Z=xw
Donde
* Z es la matriz de características proyectadas.
* X es la matriz de características centrada.
* W es la matriz de auto-vectores correspondientes
a los autovalores más grandes.
ANOVA, permite realizar la comparación de las medias de
dos o más grupos para determinar si hay diferencias
significativas entre ellos.
Donde:
* F es le estadístico de prueba ANOVA.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 5 N.º 1
(enero - junio, 2024)
Página 6 de 10
Journal of Scientific and Technological Research Industrial
* MSBetween es la media de cuadrados de las
diferencias entre los grupos (variabilidad explicada por el
factor categórico).
* MSWithin es la medida de cuadrados de las
diferencias dentro del dato grupos (variabilidad no
explicada por el factor categórico)
• Transformación de Datos: Se aplicarán
transformaciones a las características si es necesario,
como logaritmos, exponentes u otras funciones que
ayuden a linealizar relaciones no lineales en los datos.
Escalado, se utiliza para escalar las características a un
rango común, generalmente entre 0 y 1, o a una distribución
específica.
Donde:
* x es el valor original de la característica.
*xnorm es el valor normalizado
Logarítmica, se utiliza para reducir la variabilidad de datos
que presentan una distribución sesgada o exponencial
Donde:
* x es el valor original de la característica.
*xlog es el valor transformado
• Codificación de Variables Categóricas: Si existen
variables categóricas, se convertirán en variables
numéricas para su inclusión en el modelo.
• One-Hot Encoder: técnica de codificación utilizada para
convertir variables de tipo categóricas en una
representación numérica. Para cada valor único en la
variable definida como categórica, se crea una nueva
columna binaria, donde el 1 representa la presencia de
la categoría y un 0 representa la ausencia.
Donde:
* X_ij es el valor de la variable caregorica para la
i-ésima fila y j-ésima categoría.
* Caegoríak es la k-ésima categoría única en la variable
categoríca.
• División del Conjunto de Datos: Se dividirá el conjunto
de datos, en conjuntos de datos de entrenamiento y
conjunto de datos de prueba para evaluar la eficacia del
modelo en datos no vistos.
• Manejo de Desequilibrio de Clases: Si existe un
desequilibrio significativo entre las clases (hurto y no
hurto), se aplicarán técnicas de balanceo de clases para
mejorar el performance del modelo.
SMOTE (Synthetic Minority Over-sampling
Technique), técnica de sobremuestreo que genera
muestras sintéticas de las clases minoritarias para igualar la
cantidad de muestras en cada clase
Donde:
* x_i es una muestra de la clase minoritaria A.
* Vecino es uno de los vecinos cercanos de x_i.
* rand número aleatorio entra 0 y 1 que controla el
equilibrio entra x_i y Vecino.
2. Lógica de Proceso
a. Análisis de los datos empleando la técnica de 1-sigma
y 3-sigma
Se realizará un análisis exhaustivo de los datos de consumo
de electricidad utilizando la técnica de 1-sigma y 3-sigma.
Esta técnica es útil para identificar y manejar valores
atípicos (outliers) en el conjunto de datos. Los outliers
pueden afectar negativamente el rendimiento y la precisión
del modelo de pronóstico de hurto de electricidad, por lo
que es esencial identificarlos y tratarlos adecuadamente.
• Cálculo de Media y Desviación Estándar: Se calculará
la media (μ) y la desviación estándar (σ) para cada
característica del conjunto de datos. Estos valores son
fundamentales para determinar el rango dentro del cual
la mayoría de los datos se encuentra.
• Definición de Límites: Utilizando la técnica de 1-sigma
y 3-sigma, se definirán los límites inferior y superior
para cada característica. Los valores que caigan fuera de
estos límites se considerarán outliers.
• Identificación de Outliers: Se identificarán los valores
atípicos en cada característica del conjunto de datos.
Estos outliers pueden ser causados por errores en la
medición, registros incorrectos o situaciones
excepcionales.
• Tratamiento de Outliers: Los outliers identificados
pueden tratarse de diferentes maneras, como
eliminación, imputación o ajuste a los límites. La
elección del método dependerá del análisis y del
conjunto de datos específico.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 5 N.º 1
(enero - junio, 2024)
Página 7 de 10
Journal of Scientific and Technological Research Industrial
La regla establece lo siguiente para un conjunto de datos
que sigue una distribución normal:
• Aproximadamente el 68% de los datos se encuentran
dentro de una desviación estándar (σ) de la media
(promedio).
• Aproximadamente el 95% de los datos se encuentran
dentro de dos desviaciones estándar (2σ) de la media.
• Aproximadamente el 99.7% de los datos se encuentran
dentro de tres desviaciones estándar (3σ) de la media.
En términos matemáticos, si X representa la variable
aleatoria en un conjunto de datos que sigue una distribución
normal, con media (μ) y desviación estándar (σ), la regla se
puede expresar como:
P (μ - σ < X < μ + σ) ≈ 0.68
P (μ - 2σ < X < μ + 2σ) ≈ 0.95
P (μ - 3σ < X < μ + 3σ) ≈ 0.997
Varianza
Promedio
Desviación Estándar
1. Extracción de características
VGG16 es una red neuronal convolucional profunda
diseñada para clasificar imágenes. Consiste en 16 capas,
incluyendo capas de convolución y capas completamente
conectadas. En lugar de trabajar directamente con las
características extraídas en la fase anterior, VGG16 puede
procesar directamente las imágenes originales como
entradas. Durante el entrenamiento, la red aprende
automáticamente las características relevantes a partir de
los datos de consumo. La predicción final se obtiene a
través de la capa del vector unidimensional, que asigna
probabilidades a cada clase y elige la clase con la
probabilidad más alta como la predicción final.
2. Clasificación
Random Forest:
Random Forest es un algoritmo de aprendizaje que
combina varios árboles de decisión buscando mejorar la
precisión y reducir el sobreajuste. Cada árbol en Random
Forest se entrena con una muestra aleatoria de los datos de
entrenamiento, y durante la clasificación, cada árbol vota
por la clase final. La predicción del Random Forest se
obtiene promediando las predicciones de todos los árboles.
La ventaja de este enfoque es que evita la
sobreoptimización y tiene una alta precisión en la
clasificación.
XGBoost (Extreme Gradient Boosting):
XGBoost es un algoritmo de aprendizaje supervisado
basado en árboles de decisión que se enfoca en mejorar la
velocidad y el rendimiento del modelo. A diferencia de
Random Forest, XGBoost utiliza árboles de decisión
débiles de forma secuencial, donde cada nuevo árbol se
ajusta a los errores cometidos por los árboles anteriores.
Utiliza una función de pérdida específica (como regresión
logística para clasificación) para cuantificar los errores del
modelo y ajustar los pesos de las instancias en cada
iteración. XGBoost también incorpora regularización para
controlar la complejidad del modelo y prevenir el
sobreajuste. Su capacidad para manejar datos faltantes y su
eficiencia lo convierten en una elección popular para
problemas de clasificación y regresión.
Logistic Regression:
Es un modelo lineal para la clasificación, que utiliza la
función logística para estimar la probabilidad de que una
instancia pertenezca a una clase particular. Se ajusta a los
datos de entrenamiento utilizando el método de máxima
verosimilitud, minimizando la función de pérdida
logarítmica. La salida de la regresión logística se
transforma mediante la función logística, que produce
valores en el rango [0, 1], representando las probabilidades
de pertenencia a la clase positiva. Para tomar decisiones de
clasificación, se establece un umbral, y las instancias con
probabilidades superiores al umbral se clasifican como
positivas, mientras que las inferiores se clasifican como
negativas. A pesar de su simplicidad, la regresión logística
es eficaz en problemas lineales y es especialmente útil
cuando se desea interpretar el impacto de cada
característica en la predicción.
CatBoost:
CatBoost es un algoritmo de aprendizaje automático
basado en árboles que está diseñado para manejar de
manera eficiente variables categóricas sin requerir una
codificación previa. Utiliza una estrategia de propagación
de la gradiante que optimiza la función de pérdida a lo largo
de las direcciones de los gradientes estimados, mejorando
así la convergencia del modelo. CatBoost también
incorpora técnicas de regularización para prevenir el
sobreajuste. Su capacidad para manejar datos categóricos
de manera nativa y su rendimiento robusto en una variedad
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 5 N.º 1
(enero - junio, 2024)
Página 8 de 10
Journal of Scientific and Technological Research Industrial
de conjuntos de datos lo hacen destacar en comparación
con otros algoritmos.
Figura 2
Modelos y su configuración
3. Evaluación del desempeño en el campo
Una vez que hemos desarrollado y entrenado nuestros
modelos utilizando técnicas de clasificación y agrupación
para el pronóstico de hurto de electricidad, es crucial
evaluar su desempeño en un entorno real o campo para
asegurar que sean efectivos y puedan ser implementados
con éxito en la detección de hurto de electricidad en la
operación diaria de la compañía eléctrica.
Monitoreo del rendimiento:
Una vez implementados, es esencial monitorear
constantemente el rendimiento de los modelos en un
entorno de producción. Esto implica registrar y analizar las
predicciones realizadas por los modelos en comparación
con los casos reales de hurto de electricidad detectados y
confirmados por la compañía. Esto nos permitirá evaluar la
Acuraccy, precisión y recall de los modelos en situaciones
reales y realizar ajustes si es necesario.
DISCUSIÓN Y RESULTADOS
Marco de Trabajo y Preprocesamiento de Datos:
El enfoque empírico y analítico para la detección de
pérdidas no técnicas de energía eléctrica se basó en un
proceso integral de preprocesamiento de datos. El
preprocesamiento incluyó la normalización de datos para
estandarizar las características, la generación de nuevas
características relevantes y la eliminación de outliers para
mejorar la calidad de los datos. La aplicación de técnicas
basadas en la varianza y la desviación estándar,
especialmente la técnica de 1 y 3 sigma, permitió
particionar eficazmente los datos, identificando posibles
casos de hurto de electricidad.
Modelo de Detección:
Se implementaron varios modelos para la detección de
pérdidas no técnicas, cada uno con su enfoque único en la
extracción y clasificación de características. El modelo
VGG16 fue utilizado para la extracción de características,
seguido por algoritmos de clasificación como XGBoost,
Random Forest, Logistic Regression y CatBoost.
Validación y Métricas de Evaluación:
La validación del rendimiento de los modelos se llevó a
cabo mediante la evaluación de métricas clave, siendo esta
precisión, recall, F1-Score, MCC (Coeficiente de
Correlación Matthews), ROC-AUC y exactitud (accuracy).
Estas métricas proporcionan una visión exhaustiva de la
capacidad predictiva de los modelos en la identificación de
casos de hurto de electricidad y la distinción entre las
clases.
Figura 3
Evaluación Accuracy
Figura 4
Evaluación MCC
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 5 N.º 1
(enero - junio, 2024)
Página 9 de 10
Journal of Scientific and Technological Research Industrial
Figura 5
Evaluación AUC
Figura 6
Evaluación F1-Score
En el marco de la investigación comparativa de modelos,
el análisis revela que el Random Forest emerge como la
opción más destacada debido a sus sólidas métricas de
rendimiento. Con una impresionante exactitud del 95.0%,
el modelo logra un alto porcentaje de predicciones
correctas, indicando su eficacia general. El Coeficiente de
Correlación Matthews (MCC) sobresale con un valor del
90.9%, demostrando un rendimiento excepcional y
equilibrado en la clasificación.
El Área bajo la Curva ROC (AUC) del 95.1% subraya la
excepcional capacidad del modelo para discriminar entre
clases, un aspecto crítico en problemas de clasificación. El
F1-Score, que alcanza un impresionante 94.3%, refleja un
equilibrio notable entre precisión y recall, fortaleciendo la
confianza en la validez general de las predicciones
realizadas por el modelo.
En términos de sensibilidad (Recall), el modelo Random
Forest identifica el 95.1% de los casos positivos,
subrayando su capacidad para capturar eventos relevantes.
La precisión del 94.2% destaca la exactitud en las
predicciones positivas, consolidando la posición del
Random Forest como el modelo más destacado en esta
evaluación comparativa.
CONCLUSIONES
Inicialmente, los datos reales del medidor, que se recopilan
de una empresa Distribuidora de luz (empresa peruana) en
donde se tiene varios valores atípicos; con lo cual se
procedió a realizar un preprocesamiento exhaustivo, de la
regla de las tres sigmas y los métodos de normalización,
aplicar una modelo variedad de modelos, dentro de los
cuales Random Forest emerge como la opción más
destacada debido a sus sólidas métricas de rendimiento.
Con una impresionante exactitud del 95.0%, el modelo
logra un alto porcentaje de predicciones correctas,
indicando su eficacia general. El Coeficiente de
Correlación Matthews (MCC) sobresale con un valor del
90.9%, demostrando un rendimiento excepcional y
equilibrado en la clasificación. El Área bajo la Curva ROC
(AUC) del 95.1% subraya la excepcional capacidad del
modelo para discriminar entre clases, un aspecto crítico en
problemas de clasificación. El F1-Score, que alcanza un
impresionante 94.3%.
REFERENCIAS BIBLIOGRÁFICAS
1. Amin, S., Schwartz, G., Cardenas, A., & Sastry, S.
(2015). Gametheoretic models of electricity theft
detection in smart utility networks: Providing new
capabilities with advanced metering infrastructure.
IEEE Control. Syst. Mag.
2. Avila, N., Figueroa, G., & Chu, C. (2018). NTL
detection in electric distribution systems using the
maximal overlap discrete wavelet-packet transform
and random under sampling boosting. IEEE Trans.
Power Syst.
3. Biswas, P., Cai, H., Zhou, B., Chen, B., Mashima, D.,
& Zheng, V. (2019). Electricity Theft Pinpointing
through Correlation Analysis of Master and Individual
Meter Readings. IEEE Trans.
4. Buzau, M., & Tejedor, J. (2018). Detection of non-
technical losses using smart meter data and supervised
learning. EEE Trans. Smart Grid.
5. Buzau, M., Tejedor, J., Cruz, P., & Gomez, A. (2019).
Hybrid deep neural networks for detection of non-
technical losses in electricity smart meters. IEEE
Trans. Power Syst.
6. Ding, N., Ma, H., Gao, H., & Tan, G. (2019). Real-
time anomaly detection based on long short-Term
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 5 N.º 1
(enero - junio, 2024)
Página 10 de 10
Journal of Scientific and Technological Research Industrial
memory and Gaussian Mixture Model. Comput.
Electr. Eng.
7. ENEL. (2021). Hurto de Energía - enel.pe. Obtenido
de https://www.enel.pe/es/ayuda/hurto-de-
energia.html
8. Glauner, P., Valtchev, P., Glaeser, C., Dahringer, N.,
State, R., & Duarte, D. (2018). Non-Technical Losses
in the 21st Century: Causes, Economic Effects,
Detection and Perspectives. Obtenido de
https://www.researchgate.net/publication/325297875
9. Hammerschmitt, B. (2020). Non-Technical Losses
Review and Possible Methodology Solutions.
Proceedings - 2020 6th International Conference on
Electric Power and Energy Conversion Systems,
EPECS, 64–68.
doi:10.1109/EPECS48981.2020.9304525
10. Hasan, M., Toma, R., Nahid, A., Islam, M., & Kim, J.
(2019). Electricity Theft Detection in Smart Grid
Systems: A CNN-LSTM Based Approach.
11. Jamil, A., Alghamdi, T., Khan, Z., Javaid, S., Haseeb,
A., Wadud, Z., & Javaid, N. (2019). An Innovative
Home Energy Management Model with Coordination
among Appliances using Game Theory.
Sustainability.
12. Jiménez, R., Serebrisky, T., & Mercado, J. (2014).
Power Lost: Sizing Electricity Losses in Transmission
and Distribution Systems in Latin America and the
Caribbean. Inter-American Development Bank.
doi:10.18235/0001046.
13. Leite, J., & Mantovani, J. (2016). Detecting and
locating non-technical losses in modern distribution
networks. IEEE Trans. Smart Grid.
14. Li, S., Han, Y., Yao, X., Yingchen, S., Wang, J., &
Zhao, Q. (2019). Electricity Theft Detection in Power
Grids with Deep Learning and Random Forests.
Electr. Comput. Eng.
15. Lydia, M., Kumar, G., & Levron, Y. (2019). Detection
of Electricity Theft based on Compressed Sensing. In
Proceedings of the 2019 5th International Conference
on Advanced Computing and Communication
Systems (ICACCS) IEEE. Coimbatore, India.
16. McDaniel, P., & McLaughlin, S. (2009). Security and
privacy challenges in the smart grid. IEEE Secur. Priv.
17. Ramos, C., Rodrigues, D., de Souza, A., & Papa, J.
(2016). On the study of commercial losses in Brazil: a
binary black hole algorithm for theft characterization.
IEEE Trans. Smart Grid.
18. Razavi, r., & Fleury, m. (2019). Socio-economic
predictors of electricity theft in developing countries:
An Indian case study. Energy Sustain. Dev.
19. Razavi, R., Gharipour, A., Fleury, M., & Akpan, I.
(2019). A practical feature-engineering framework for
electricity theft detection in smart grids. Appl. Energy.
20. Saeed, M., Mustafa, M., Sheikh, U., Jumani, T., &
Mirjat, N. (2019). Ensemble Bagged Tree Based
Classification for Reducing Non-Technical Losses in
Multan Electric Power Company of Pakistan.
21. Savian, F., Siluk, J., Garlet, T., Nascimento, F.,
Pinheiro, J., & Vale, Z. (2021). Non-technical losses:
A systematic contemporary article review. Renewable
and Sustainable Energy Reviews.
doi:10.1016/J.RSER.2021.111205
22. Wang, S., & Chen, H. (2019). A novel deep learning
method for the classification of power quality
disturbances using deep convolutional neural
network. Appl. Energy.
23. Zahoor, A., Muhammad, A., Nadeem, J., Malik, S.,
Muhammad, S., & Jin-Ghoo, C. (2020). Electricity
Theft Detection Using Supervised Learning
Techniques on Smart Meter Data. MDPI.
24. Zheng, K., Chen, Q., Wang, Y., Kang, C., & Xia, Q.
(2019). A novel combined data-driven approach for
electricity theft detection. IEEE Trans. Ind. Inform
