Energizados

Para una sociedad que depende altamente de la disponibilidad, eficiencia y confiabilidad de la electricidad, se hace indispensable para las empresas eléctricas del sector tener una buena administración de la producción y distribución de energía. Uno de los grandes problemas que preocupa son las pérdidas eléctricas. En el transporte de energía, las pérdidas eléctricas son la diferencia entre la electricidad que ingresa a la red y la que es entregada para el consumo final, y son reflejo del nivel de eficiencia de la infraestructura en transmisión y distribución. El concepto de pérdidas eléctricas incluye también la electricidad entregada pero no facturada, que se traduce directamente en pérdidas financieras y sirve como indicador del desempeño operacional de las empresas eléctricas.

Problema que se busca resolve

El problema que se busca resolver a partir de las pérdidas eléctricas en la red de distribución de energía es la ineficiencia en la entrega y uso de la electricidad. Estas pérdidas pueden deberse al robo de energía, y resultan en la disipación de energía valiosa y en costos adicionales para las empresas de servicios públicos y los consumidores. La reducción de las pérdidas eléctricas no solo contribuye a un suministro más confiable y económico de energía, sino que también tiene un impacto positivo en la sostenibilidad ambiental al reducir la necesidad de generar energía adicional para compensar estas pérdidas.

Poblaciones que se ven afectadas por el problema

Beneficiarios son tanto a las empresas de servicios públicos como a los consumidores

Respuesta actual a este problema, considerando a las instituciones relacionadas.

En general, las empresas de energía adoptan un enfoque integral que combina tecnología, mantenimiento, educación y análisis de datos para abordar y reducir las pérdidas de energía en la distribución eléctrica.

Propuesta para solucionar dicho problema usando IA

A partir de los datos disponibles suministrados por la empresa EEGSA, mediante la utilización del Aprendizaje Automático (Machine Learning), es factible detectar a los usuarios con mayor probabilidad de haber cometido fraudes y/o con problemas en su conexión, para así poder disminuir las pérdidas no técnicas en la distribución de energía. Principalmente se espera lograr una mayor eficiencia en el descubrimiento de conexiones ilegales. Para el correcto modelado del problema se emplearon perfiles temporales de los consumos mensuales mediante series de tiempo, junto con otras variables. En general se utilizaron métodos supervisados, del estilo de árboles y redes neuronales.

¿Qué consideraciones de seguridad, leyes nacionales o estándares se tienen que tener en cuenta para utilizar cada fuente de información?

La herramienta de software desarrollada por el BID se entrega con una licencia de Creative Commons que les permite a las contrapartes su uso sin costo. El BID apoya en la instalación, pruebas y puesta en marcha de la herramienta, así como en la capacitación. La disposición de hardware, en infraestructura física o virtual para alojar y correr la herramienta, es responsabilidad de las contrapartes.

Avances/resultados

Se implemento en 2 empresas. También se observó el índice de recupero de inversión (R Costo-Beneficio), valor que indica cuánto se recupera por cada fiscalización realizada, con Energiza2 se recupera 2.88 veces el costo de la inspección, mientras que con el proceso actual en los meses anteriores (Junio, Julio, Agosto), este es de 1.7 veces.

Lecciones aprendidas

Respecto al alcance que puede lograrse usando estos métodos en lugar de la forma tradicional del trabajo, es destacable la posibilidad de evaluar la totalidad de los usuarios de la red mientras que con la forma anterior de trabajo se limita a analizar una pequeña fracción del universo de casos. En cuanto a la tasa de asertividad se observó una mejora, pero sin grandes diferencias con la tasa histórica. Aun así, se debe destacar la diferencia con respecto a los últimos valores (de Junio,Julio,Agosto) donde prácticamente duplicó al método tradicional.