Johnny Xavier Serrano Guerrero
La demanda de energía en todo el planeta continúa incrementándose de manera acele-rada. Por otro lado, la electrificación de diferentes sectores ha hecho que la demanda de electricidad crezca a una tasa aún mayor. Las redes eléctricas han evolucionado tecnológicamente en muchos aspectos, uno de ellos se refiere a la disponibilidad de datos de la demanda en diferentes puntos y niveles de la red, como en redes de trans-misión, redes de distribución y en los grandes y pequeños consumidores. Estos datos suministrados por las nuevas redes eléctricas inteligentes constituyen información de partida esencial para la gestión y planificación de los sistemas eléctricos.
Los datos proporcionados por los medidores inteligentes de las redes eléctricas no tienen ninguna utilidad si no se analizan adecuadamente. A más del procesamiento adecuado de esos datos, se requieren herramientas que permitan obtener información útil. Los sistemas de gestión de la demanda de energía asociados al reconocimiento de patrones actualmente se han estudiado de manera escasa. En esta área de estudio se han identificado algunas limitaciones. Por ejemplo, la caracterización de la demanda de electricidad mediante el reconocimiento de patrones no se ha utilizado para la identifi-cación y valoración de cambios en el consumo de energía y los sistemas de monitori-zación no identifican posibles causas de las anomalías detectadas en la demanda de energía eléctrica.
La predicción de la demanda es también una herramienta eficaz en la gestión de los sistemas de suministro eléctrico. Actualmente, herramientas tales como las redes neu-ronales y el aprendizaje profundo son las preferidas para realizar esta labor. Sin em-bargo presentan algunos inconvenientes, tales como, la dificultad para cuantificar la incertidumbre, requieren un gasto computacional elevado y esfuerzo considerable para establecer la estructura de la red neuronal que proporcione resultados adecuados.
Con base en las limitaciones detectadas, en esta tesis se propone una nueva metodolo-gía estadística para caracterizar el comportamiento de la demanda de energía de los consumidores y otros puntos de la red eléctrica mediante la identificación y obtención de patrones. La utilización de estos patrones permite valorar e identificar cambios en perfiles de carga de electricidad. Además, la valoración de los cambios en la demanda eléctrica permite asociar estos valores a posibles eventos en una instalación. Esta me-todología puede ser empleada para detectar anomalías y catalogar perfiles de carga de acuerdo al cambio que han tenido con respecto a su comportamiento habitual, lo que permite identificar modos de trabajo de los sistemas eléctricos. En cuanto a la predic-ción de la demanda, se propone una metodología de simple aplicación para afrontar las limitaciones detectadas en las herramientas derivadas de la inteligencia artificial, de tal manera que sea posible acotar la incertidumbre de las predicciones realizadas. Esta información resulta útil en la gestión, ya que es posible generar alarmas, reducir costos en el mantenimiento y aplicar medidas adecuadas de eficiencia energética. Por otro lado, se propone un método para tratar los datos proporcionados por los medidores inteligentes, de tal manera que se ajusten a una distribución de probabilidad conocida, facilitando su interpretación y validando el análisis estadístico. Para ello, se ha rela-cionado a la potencia eléctrica activa absorbida por un consumidor o un sistema en general con la teoría existente de las series temporales de datos.
Finalmente, se evalúa la aplicación del método y la metodología propuesta en diversos casos de estudio reales en diferentes puntos y niveles de la red eléctrica, identificando los beneficios que pueden obtenerse en la gestión de cada uno de ellos.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados