Com a crescente demanda por energia elétrica em contrapartida à oferta, as tarifas acompanharam esse ritmo de elevação, apesar da busca incessante do órgão regulador ANEEL - por modicidade, fazendo com que os custos aos consumidores finais comprometam o interesse da coletividade, especialmente em um dos processos de cálculo tarifário mais completos e complexos do mundo e num país com desigualdades sociais extremas como o Brasil. A principal fonte de receita em uma distribuidora é a venda de energia elétrica para seus consumidores cativos. Neste sentido, o crescente nível de perdas não-técnicas e de inadimplência fizeram com que o setor de distribuição de energia elétrica se preocupasse cada vez mais com procedimentos de gestão e controle da proteção da receita. Apesar do avanço tecnológico, que permitiu maior capilaridade e eficiência nas ações de combate a esse tipo de segmento de mercado (bad credit), os níveis de perdas não-técnicas não cessaram no volume esperado. O fato é que a proliferação de pontos de consumo que apresentam consumo de energia de forma irregular é semelhante a um processo virótico e cíclico, uma vez que a indústria da fraude sempre renova conhecimentos, mesmo que em tempo de maturação mais longo do que o avanço de patamar tecnológico anterior. Somado a este fato e considerando que as ferramentas de Smart Grid (Redes Inteligentes) ainda não estão difundidas no mercado brasileiro, observa-se que a maioria das distribuidoras operam este processo através de visitas às unidades consumidoras em campo, seja para detecção de irregularidades, que geram perdas não-técnicas, seja por execução de cobrança de débitos por suspensão de fornecimento. Neste contexto e esperando cumprir com o dever cidadão da melhoria da qualidade de energia elétrica e isonomia de tratamento, é interessante e bem-vinda a gestão operacional das equipes de campo visando à otimização de rotas de atuação através de uma seleção de alvos que permita o mínimo de esforço com a máxima recuperação de receita. O presente trabalho apresenta uma metodologia de identificação de perdas comercias em sistemas de distribuição de energia elétrica, procurando avaliar a aplicação de técnicas espaciais e de agrupamento como a regra dos k-Vizinhos Mais Próximos alinhada a metodologias de análise gráfica e visual, como as transformadas wavelet. Nessa metodologia, desenvolvida em 11 etapas, o comportamento do sistema elétrico frente a evolução de consumo de energia dos elementos e de cada ponto ou agrupamento é adquirido por técnicas clássicas de análises de circuito e comparado aos valores medidos por leitura periódica. As simulações realizadas com a metodologia proposta resultaram na identificação dos pontos de consumo irregular, selecionados aleatoriamente no início dos testes, dentre os mais indicados para regularização no mercado potencial, em classificação superior ao primeiro quartil do conjunto de dados, em média. Nestas oportunidades verificou-se também que o ponto de instalação mais crítico (maior ou constante queda de consumo) se assemelha ao verificado na realidade e análises pontuais dos pontos ou agrupamentos identificados indicaram que a evolução de seu consumo de energia apresenta-se, na maioria dos casos, menor que o esperado para a classe de consumo e daqueles verificados nos vizinhos lógicos mais próximos, indicando provável consumo irregular. Considering the growing demand for electricity in contrast to supply, the price of electricity keeps on raise, despite the relentless pursuit of the regulatory institution for equality, the costs to final consumers may commit the community's interest, specially in one of most complete and complex tariff methodology of the world and in a country with extreme social inequalities such as Brazil. The main source of revenue of a distributor is the sale of electric energy for their captive market. Thus the increasing level of non-technical losses and default caused the sector distribution of electricity has developed increasingly with management of Recovery Revenue's procedures and control. Despite the technological advances that allowed greater capillarity and efficiency in actions to eliminate this kind of market segment (bad credit), the levels of non-technical losses did not stop on the expected volume. The fact is that the proliferation of points that present irregular energy consumption is similar to a viral and cyclic process, since the "fraud industry" always renews knowledge, even with maturation time longer than the progress technological level. Added to this fact and considering that the tools of Smart Grid are not widespread in the Brazilian market yet, it's observed that most companies operate this process by visiting the consumer units in the field, being detecting irregularities - that generate non-technical losses - either running the collection of debts by disconnection. In this context and expecting comply with the civic duty of improving power quality and equality of treatment, it is interesting the operational management of field teams, vii searching for optimize the action's routes through clustering - allowing minimal effort and maximum revenue recovery. This thesis presents a methodology for identification of non-technical losses in distribution systems of electric power, evaluating the application of spatial and clustering techniques - as the rule of "k-nearest neighbors" aligned to methodologies for graphical and visual analysis such as wavelet transform. In this approach, developed in 11 steps, the behavior of the electrical system front to the element's and cluster's consumption of energy is acquired by classical techniques of circuit analysis and compared to the values measured by periodic reading. Simulations with the proposed methodology have resulted in the identification of irregular consumption points, randomly selected at the beginning of the tests, among the most suitable for regulating, being ranked on the first quartile of the data set, on average. During that time it was also found that the most critical point of installation (or higher steady decrease in consumption) resembles that seen in reality and analyzes of clusters identified have indicated that the development of its energy consumption is presented, in most cases, lower than expected for the consumer class and those verified in the nearest logical neighbors, indicating probable irregular consumption.