---

A detec‡Æo de furtos e fraudes nos sistemas de energia provocados por consumidores irregulares é o principal alvo em análises de perdas nÆo-técnicas ou comerciais pelas empresas de energia na busca de minimizar os custos. Embora a identifica‡Æo automática de perdas comerciais tenha sido amplamente estudada, a tarefa de selecionar as características mais representativas em um grande conjunto de dados a fim de aumentar a precisÆo da identifica‡Æo, bem como para caracterizar possíveis consumidores irregulares como um problema de otimiza‡Æo, nÆo tem sido muito explorada neste contexto. Neste trabalho, visa-se o desenvolvimento de algoritmos híbridos baseados em técnicas evolutivas a fim de realizar a sele‡Æo de características no âmbito da caracteriza‡Æo de perdas comerciais, comparando os seus desempenhos e verificando as características selecionadas. Vários classificadores sÆo comparados, com destaque para a técnica Floresta de Caminhos àtimos por sua robustez, sendo ela a técnica escolhida para o cálculo da fun‡Æo objetivo das técnicas evolutivas. Desta maneira, uma ferramenta computacional foi desenvolvida para o aprendizado inteligente de perdas comerciais em sistemas de energia.

---

Caio César Oba Ramos possui gradua‡Æo (2006) e mestrado (2010) em Engenharia Elétrica pela UNESP, Brasil. Possui doutorado (2014) em Engenharia Elétrica pela POLI-USP, Brasil. Foi pesquisador pós-doutorando na UNESP (2014-2016). Possui experiência nos temas: sistemas de energia, perdas comerciais, inteligência artificial e qualidade de energia.

---