Madrileña Red de Gas y Atos han conseguido duplicar las tasas de acierto en la lucha contra el fraude en el consumo de gas de la red de distribución de la compañía, reduciendo mermas de energía, tanto las derivadas del consumo fraudulento como de las pérdidas de la red. Además, el proyecto ha permitido a Madrileña Red de Gas profundizar en el conocimiento de su Red de distribución de Gas, identificando puntos fuertes y áreas de mejora que le permitirán optimizar su estrategia de Protección de Ingresos y mejorar procesos y procedimientos de trabajo.
Índice de temas
Atos Codex analytics
El proyecto, que será presentado como caso de éxito en la próxima European Utility Week, utiliza Atos Codex analytics, una solución integral para la gestión de pérdidas no técnicas (PNT) de empresas de gas y electricidad. Esta solución, que opera en modo “software como servicio” (SaaS), captura la información de los sistemas de la empresa, y la analiza combinando datos de otras fuentes mediante un conjunto de modelos matemáticos de machine learning, facilitando predicciones mejoradas de puntos de suministro que presentan PNTs. Tras la realización de las pertinentes inspecciones, los resultados son analizados como aprendizaje para mejorar la eficacia de los modelos predictivos. El sistema permite que los modelos aprendan en campo, mejorando a medida que se incorporan más clientes, ofreciendo economías de escala que raramente podrían obtenerse con un uso individual de estas herramientas.
Protección de ingresos
La detección de las PNTs tiene un fuerte impacto en el negocio, sin embargo la mayoría de las empresas energéticas no utilizan las capacidades analíticas predictivas avanzadas para proteger sus ingresos. “Existe una percepción de complejidad –explica Carlos Recio, Head de Atos Worldgrid Spain– que resuelve Atos Codex”. La detección de las PNTs requiere información de un conjunto bastante amplio de datos internos a la organización y, también,
información de los activos y su topología y de las operaciones de campo. Un conjunto de datos al que hay que incorporar información externa a la organización que ayude a mejorar los modelos predictivos, como datos meteorológicos, datos demográficos o de actividad de las Empresas. Con toda esta información, procesada y analizada, se desarrollan los modelos predictivos cuya complejidad a menudo sobrepasa las capacidades de las Empresas.
“Este escenario complejo –señala Recio- explica el relativo bajo ratio de éxito en las inspecciones que se realizaban, que además generan un coste adicional, que raramente sobrepasan el 5%”. Hasta ahora, las inspecciones para identificar los robos de energía, en la mayoría de los casos, eran aleatorias o, como mucho, aplicaban alguna lógica sencilla para intentar mejorar los ratios de detección que rondaban entre el 2% y el 7%, por lo que su rentabilidad a menudo estaba cuestionada.
Esta situación ha cambiado y gracias a soluciones como Atos Codex, la detección de estas pérdidas no técnicas resulta asequible y rentable para las Empresas Distribuidoras de Energía. “Utilizando nuestra capacidad para gestionar grandes volúmenes de datos, interpretarlos y parametrizarlos, los ratios de acierto se sitúan entre un 30 y un 40 por ciento –destaca Carlos Recio- lo que permite a nuestros clientes recuperar rápidamente los ingresos en casos de fraude o de errores en los contadores, con un plazo de retorno de la inversión de menos de un año”.
