| Summary: | Irrigation of large agricultural areas represents a significant portion of energy consumption in food producing countries. The electric power of irrigation pumps in rice crops, for example, may exceed 800 HP, while these systems are continually used during the harvest. In Brazil, non-technical losses in this type of consumer are generally due to fraud or error in power meters, or illegal connections. This type of problem is difficult to control because of the large length of rural feeder, in addition to access difficulties in many cases. This work presents a proposal for identifying non-technical losses in rural feeders containing pumping systems for irrigation of rice crops. The proposed methodology is based on the correlation of patterns of energy consumption, characteristics of the irrigated area and climatic conditions of the irrigation period. The developed system employs Artificial Neural Network technique, and it has as input a dataset of rainfall, temperature, solar irradiation, humidity, installed power and irrigated area of rice cultivation. The final result of the analysis indicates the percentage risk of each set of data and inconsistencies that can result in non-technical losses. The results of the developed methodology were obtained and validated from a real data base of crops of the period between 2009 and 2014, in the State of Rio Grande do Sul, Brazil. === A irrigação de grandes áreas agrícolas representa uma porção significativa do consumo de energia elétrica em países produtores de alimentos. A potência das bombas de irrigação em lavouras de arroz, por exemplo, pode ser superior a 800 CV, sendo que esses sistemas são utilizados continuamente no período da safra. No Brasil, as perdas não técnicas neste tipo de consumidor geralmente são devidas a fraudes, erros em medidores de energia e ligações clandestinas. Esse tipo de problema é de difícil fiscalização devido à grande extensão das linhas rurais, além da dificuldade de acesso, em muitos casos. Este trabalho apresenta uma proposta para a identificação de perdas não técnicas em alimentadores rurais contendo sistemas de bombeamento para irrigação de lavouras de arroz. A metodologia proposta é baseada na correlação dos padrões de consumo de energia elétrica, das características da área irrigada e das condições climáticas do período de irrigação. A metodologia emprega a técnica de Rede Neural Artificial, e tem como entrada um conjunto de dados de precipitação pluviométrica, temperatura, incidência solar, umidade do ar, carga instalada e área de solo irrigado característico do cultivo de arroz. O resultado final das análises indica o risco percentual de cada conjunto de dados e inconsistências que possam implicar em perdas não técnicas. Os resultados do trabalho foram obtidos e validados a partir de uma base de dados reais de safras do período entre 2009 e 2014, de lavouras do Estado do Rio do Grande do Sul.
|
|---|
