Vés al contingut (premeu Retorn)

Fraud detection in energy consumption: a supervised approach

Coma-Puig, B.; Carmona, J.; Gavaldà, R.; Alcoverro, S.; Martín, V.
Tipus d'activitat
Presentació treball a congrés
Nom de l'edició
3rd IEEE International Conference on Data Science and Advanced Analytics
Any de l'edició
Data de presentació
Llibre d'actes
3rd IEEE International Conference on Data Science and Advanced Analytics, DSAA 2016: 17-19 October 2016, Montreal, PQ, Canada: proceedings
Pàgina inicial
Pàgina final
DOI Obrir en finestra nova
Repositori Obrir en finestra nova
URL Obrir en finestra nova
Data from utility meters (gas, electricity, water) is a rich source of information for distribution companies, beyond billing. In this paper we present a supervised technique, which primarily but not only feeds on meter information, to detect meter anomalies and customer fraudulent behavior (meter tampering). Our system detects anomalous meter readings on the basis of models built using machine learning techniques on past data. Unlike most previous work, it can incrementally incorporate the resu...
Paraules clau
Public Utilities, Data Analysis, Fraud, Learning (artificial Intelligence)
Grup de recerca
ALBCOM - Algorismia, Bioinformàtica, Complexitat i Mètodes Formals
LARCA - Laboratori d'Algorísmia Relacional, Complexitat i Aprenentatge