UNIVERSIDAD POLITCNICA SALESIANA

SEDE QUITO

CARRERA:
INGENIERA ELCTRICA

Trabajo de titulacin previo a la obtencin del ttulo de

INGENIERO ELCTRICO

TEMA:
DESPLIEGUE DE MDMS PARA AMI BASADO EN ARBOLES DE EXPANSION
USANDO MINIMUM STEINER TREE

AUTOR:
DANIEL GUANOLIQUN

DIRECTOR:
ESTUARDO CORREA

Quito, Diciembre 2016

 DECLARATORIA DE COAUTORA DEL DOCENTE TUTOR/A
Yo, Estuardo Josafat Correa Zapata declaro que bajo mi direccin y asesora fue
desarrollado el trabajo de titulacin Despliegue de MDMS para AMI Basado en Arboles
de Expansin Usando Mnimum Steiner Tree realizado por Luis Daniel Guanoliqun
lvaro, obteniendo un producto que cumple con todos los requisitos estipulados por la
Universidad Politcnica Salesiana para ser considerados como trabajo final de titulacin.

Quito, Diciembre 2016

.
Estuardo Josafat Correa Zapata
Cdula de identidad: 1708183304
 CESIN DE DERECHOS DE AUTOR

Yo, Luis Daniel Guanoliqun lvaro, con documento de identificacin N

1723359715, manifiesto mi voluntad y cedo a la Universidad Politcnica Salesiana
la titularidad sobre los derechos patrimoniales en virtud de que soy autor del trabajo de
grado intitulado: Despliegue de MDMS para AMI Basado en Arboles de Expansin
Usando Mnimum Steiner Tree, mismo que ha sido desarrollado para optar por el
ttulo de: Ingeniero Elctrico, en la Universidad Politcnica Salesiana, quedando
la Universidad facultada para ejercer plenamente los derechos cedidos anteriormente.
En aplicacin a lo determinado en la Ley de Propiedad Intelectual, en mi condicin de
autor me reservo los derechos morales de la obra antes citada. En concordancia,
suscribo este documento en el momento que hago entrega del trabajo final en
formato impreso y digital a la Biblioteca de la Universidad Politcnica Salesiana.

Firma

.............................................
Nombre: Luis Daniel Guanoliqun lvaro
Cdula: 1723359715
Fecha: Diciembre 2016
 INDICE GENERAL

1. INTRODUCCION.......................................................................................................3

2. DESPLIEGUE DE MDMS EN AMI BASADO EN LA TOPOLOGIA DE

ARBOLES DE EXPANSIN.5

2.1 Implementacin de una topologa basada en rboles de expansin para

AMI....................................................................................................................................5
2.2 Un Algoritmo para el Problema de rboles de Expansin Mnima (MST)
.....................5
2.3 Un criterio de solucin por el mtodo de Mnimum Steiner
Tree.....................................................................................................................................6
2.4 Arquitecturas de Comunicacin para Despliegue de MDMS en
AMI.6
2.4.1 Arquitectura de Comunicacin Totalmente
Distribuida............................................................................................7

3. PROBLEMA DEL RBOL DE STEINER MNIMO APLICADO A UNA RED

DE NODOS Y MDMS TOTALMENTE DISTRIBUIDOS.......7

3.1 Diseo de una topologa de red para el despliegue de MDMS en

AMI8
3.2 Implementacin Triangulacin de Delaunay para la obtencin de puntos de
Steiner.9

4. DESPLIEGUE DE UNA RED BASADA EN EL MODELO TOPOLOGICO DE

UNA RED COMPLEJA.......10
4.1 Red basada en un algoritmo de nodos y bordes generados
aleatoriamente...10
4.2 Agrupamiento de Medidores Inteligentes mediante K-means para la ubicacin de
Sistemas de Gestin de medicin de datos (MDMS)
...11
4.3 Despliegue de MDMS Distribuidos en una topologa de rboles de Expansin
Mnima (MST)
...12
4.4 Despliegue de MDMS mediante Mnimum Steiner Tree basado en la Teora de
Triangulacin de Delaunay...13

5. CONCLUSIONES Y RECOMENDACIONES......................................................15

REFERENCIAS.............................................................................................................16

ANEXOS.
 NDICE DE FIGURAS

FIGURA 1. Despliegue de MDMS para AMI en una arquitectura de comunicacin

Totalmente Distribuida...4
FIGURA 2. Red formada por Smart Meters, MDMS y Estaciones
Base....................................................................................................................................8
FIGURA 3. Implementacin factible del SMT......................................8
FIGURA 4. Conjunto de puntos generados P.................................................................9
FIGURA 5. Implementacin de los puntos de Steiner S triangulares...10
FIGURA 6. Despliegue de medidores inteligentes dentro de una zona geogrfica.....11
FIGURA 7. Agrupamiento y ubicacin de centroides dentro de una zona geogrfica
para 200 medidores...............................................................12
FIGURA 8. Despliegue rbol de Expansin Mnima para una muestra de 200
medidores agrupados en 8 Clsteres................................................................................12
FIGURA 9. Despliegue rbol de Expansin Mnima para una muestra de 500
medidores agrupados en 11 Clsteres..............................................................................13
FIGURA 10. Implementacin Puntos de Steiner mediante triangulacin para una regin
de 8 MDMS en la red ..14
FIGURA 11. Implementacin Puntos de Steiner mediante triangulacin para una regin
de 11 MDMS en la red 14
FIGURA 12. Despliegue de MDMS mediante Mnimum Steiner Tree implementando
puntos adicionales de Steiner por Triangulacin para una muestra de 200
medidores.15
FIGURA 13. Despliegue de MDMS mediante Mnimum Steiner Tree implementando
puntos adicionales de Steiner por Triangulacin para una muestra de 500 medidores....
.15
FIGURA 14. Relacin Distancia vs Clsteres(MDMS) para rbol de Expansin Mnima
y Mnimum Steiner Tree..........................................15
 DESPLIEGUE DE MDMS PARA AMI BASADO EN
ARBOLES DE EXPANSION USANDO MINIMUM
STEINER TREE
Daniel Guanoliqun1, Estuardo Correa2

Resumen
En el presente artculo se propone
realizar un despliegue ptimo de MDMS
para AMI basado en la teora de rboles
de Expansin mediante Mnimum Steiner
Tree (SMT) para un rea geogrfica
determinada en donde los usuarios estn
distribuidos aleatoriamente. Para lo cual
se busca primero agrupar a cada uno de
los usuarios (Medidores) de manera
uniforme en clsteres distribuidos a lo
largo y ancho del rea geogrfica. A
continuacin se procede a emplear un
algoritmo de clusterizacin llamado K-
means que se encarga de conglomerar los
elementos (Medidores) de la red en K
grupos centrales, la distancia de los
elementos al centroide ms cercano
determina el clster que se forma
(MDMS). Se propone una solucin al
problema de despliegue ptimo de
MDMS para redes de comunicacin en
AMI basado en teora de grafos, que
realice una cobertura de todos los MDMS
dentro de AMI a travs de una topologa
de rboles de expansin. Para lo cual se
ha empleado el llamado Mnimum
Abstract
In this article it proposes to perform an optimum deploymen
MDMS for AMI based on the theory of Expansion trees u
the Minimal Steiner Tree for a given geographic area wh
users are randomly distributed. For this purpose, it is
sought to group each of the users (Smart Meters) evenly
clusters distributed throughout the geographical area. Nex
proceeds to use a clustering algorithm called K-means that i
charge of conglomerating the elements (Smart Meters) of
network in K central groups, The distance of the element
the nearest centroid determines the cluster that forms (MDM
It is proposed a solution to the problem of optimal deploym
of MDMS for communication networks in AMI based on gr
theory, that covers all MDMS within AMI through
expansion tree topology. For which it has been used of the
called Minimum Steiner Tree (SMT) that determines
optimum network topology for the minimization of the C
Deployment Function given as the link distance between
MDMS.
Keywords: Meter Data Management System (MDM
Advance Infrastructure Meter (AMI), deployment, Minim
Steiner Tree Problem (SMTP), Rate.
Palabras Clave: Sistema de gestin de medicin de d
(MDMS), Infraestructura de medicin avanzada (AM
Despliegue, Problema de rbol de Steiner Mnimo (SMT
Rango.

1 Estudiante de la Universidad Politcnica Salesiana, Bachiller Tcnico Industrial en

Electricidad en el Instituto Tecnolgico Superior Central Tcnico, actualmente se
encuentra realizando su proyecto de Titulacin para la obtencin del Ttulo de Ingeniero
Elctrico.
2 Mster en programacin y mtodos numricos, Ingeniero en Sistemas, Escuela
Politcnica Nacional, Integrante del grupo de Investigacin de la Universidad
Politcnica Salesiana - UPS - sede Quito.

1
Steiner Tree (SMT) que determina la
topologa de red ptima para la
minimizacin de la distancia de enlace
entre MDMS dada como la Funcin
costo-Despliegue de MDMS.

2
 1. Introduccin
Despliegue de MDMS en AMI
empleando una topologa de red basado
en arboles de expansin mediante
algoritmos matemticos son la
tendencia en la bsqueda de una
solucin a problemas de optimizacin
en redes, como una respuesta al
incremento de la demanda de usuarios
en la nueva red elctrica o como se
conoce al Smart Grid [1]. Por tal motivo
se busca el empleo de una nueva
infraestructura para el despliegue de
redes elctricas inteligentes que
abarquen la creciente demanda de
usuarios as como la incorporacin de
tecnologas de comunicacin que
permitan una conexin bidireccional
entre usuarios y distribuidoras para el
manejo de nuevos servicios de gestin
como procesos de corte y reconexin,
as como la recopilacin de datos y la
facturacin del servicio elctrico [2][3]
[4]. Se trata de la Advanced Metering
Infraestructure (AMI) por sus siglas en
ingls, desarrollado como la
infraestructura moderna para la red
elctrica inteligente. AMI es el sistema
que permite medir, colectar y analizar
los datos de la energa consumida y de
la calidad de la misma por medio de
medidores inteligentes (SM) [5][6],
adems posee la caracterstica de
conexin bidireccional entre los
consumidores y el proveedor de
servicios para el intercambio de
informacin [6]. Los datos que se
generan por medio de los medidores
inteligentes se agrupan por medio de
una base de datos dentro de AMI, la
base de datos creada comprende un
subsistema conocido como (MDMS)
Metering Data Management System-
Sistema de Gestin de medicin datos
[7].
El MDMS adems de almacenar y
analizar datos medidos tambin se
encarga de la integracin con los dems
sistemas vinculados en la arquitectura
de comunicacin, como la facturacin
del cliente (CIS), el sistema de
informacin Geogrfica (GIS), el
sistema de Gestin de interrupciones
(OMS) y (DMS) que es el sistema para
la gestin de Distribucin[6]. Una de las
arquitecturas de comunicacin que se
utiliza para el despliegue de MDMS es
la Totalmente distribuida, existiendo
otras, como la centralizada y la
semidistribuida, para su implementacin
se debe considerar los sistemas que
estn vinculados a este tipo de
arquitectura (OMS, CIS, GIS, DMS) y
la frecuencia de muestreo de medicin
que posee [7].
Para el desarrollo del tema que se
presenta en este artculo, existen varios
estudios que se han puesto en prctica,
as por ejemplo herramientas analticas
o algoritmos analticos llamados
protocolos de solucin, que para este
caso viene dado por el rbol de
expansin (STP)[8], como bsqueda de
una solucin en la construccin de una
topologa ptima con un despliegue
lgico, grficamente representada en un
rbol de expansin que busca los
caminos de enlaces mnimos y a su vez
permita la conexin de todos los nodos
del sistema [9]. Una vez obtenido un
modelo de red en forma general es decir
un rbol de expansin se buscara
nuevamente minimizarla en un
subconjunto solucin llamado el rbol
de Steiner mnimo (SMT) para el
despliegue de MDMS en AMI[10]. El
rbol de Steiner mnimo es una
herramienta analtica muy conocida,
particularmente utiliza puntos mnimos
de Steiner y un borde de longitud
limitado, lo cual tiene por objeto
encontrar un rbol de conexin de un
conjunto de puntos terminales dados,
cuya longitud sea mnima[11]. Por lo
tanto como una idea, un rbol de
Steiner mnimo para un conjunto de n
puntos P, se busca un subconjunto S de
puntos de Steiner de expansin mnima
(SMT) que reduzcan su costo (distancia
de despliegue) sobre P [11].
3
En el despliegue de MDMS se puede
emplear distintas arquitecturas de
comunicacin, en el caso estudiado se
emplear una arquitectura totalmente
distribuida por medio de rboles de
expansin y se tendr como idea
principal hallar un diseo de red con la
distancia ms corta que comunique cada
uno de los dispositivos de
almacenamiento de datos (MDMS)
dentro de AMI a un costo mnimo [6].
En el presente documento se tratar de
analizar y estudiar un algoritmo que
minimice el despliegue de los
dispositivos encargados de la gestin de
medicin de datos (MDMS) dentro de
un rea geogrfica limitada. Una
solucin para determinar un rbol de
expansin ptimo es mediante el
algoritmo de Prim el cual toma en
cuenta la distancia euclidiana para la
conexin de un vrtice (nodo) inicial al
que se van agregando nuevos vrtices
de conexin donde la distancia entre
cada vrtice es mnima[12], en la
construccin del rbol mnimo se
considera la arista de menor peso que
une el vrtice inicial con el vrtice ms
cercano en el grafo del rbol inicial[13].
En la Figura 1, se muestra una
Arquitectura de Comunicacin
Totalmente Distribuida en AMI.
Figura 1. Despliegue de MDMSs para AMI en
una Arquitectura de Comunicacin totalmente
distribuida
AMI se ocupa de la recoleccin de los
datos tomados por los Medidores
Inteligentes para luego procesarlos
hacia los sistemas de gestin de
Medicin de datos (MDMS) que se
ocuparan de agruparlos de forma global
para cada uno de los servicios de
gestin y operacin (OMS, CIS, GIS,
DMS), interactuando con cada uno para
la gestin optima de la informacin
procesada [14]. En el Smart Grid se
considera a las Arquitecturas de
comunicacin como un elemento
importante para la medicin,
recoleccin y procesamiento de datos,
por otro lado tambin se toma en cuenta
la factibilidad y escalabilidad que posee
[7]. Dicha arquitectura comprende
dispositivos de medicin (Smart Meter),
redes de comunicacin para los
diferentes niveles jerrquicos de
infraestructura, sistemas de gestin de
medicin de datos (MDMS), y equipos
de operacin que ayuden a la
incorporacin de los datos almacenados
dentro de las interfaces de
comunicacin y los servicios de gestin
[15][3]. El consumidor cuenta con un
dispositivo electrnico de estado
compacto (Smart Meter) que cumple la
funcin de recoger los datos que se
generan en tiempo real. Estos
dispositivos llamados medidores
inteligentes transmiten los datos
recopilados en el punto de consumo, por
medio de redes fijas comunes, como un
ejemplo la red de banda ancha por lnea
elctrica convencional [2]. En este caso
especfico se tendrn varios Smart
meter localizados en una regin
geogrfica a los cuales se tratarn de
organizar en conjuntos que contengan
un centroide el cual fungir como un
sistema de gestin de medicin o
recolector de datos (MDMS). Si se toma
en cuenta que este mismo proceso se lo
realiza para varias zonas geogrficas se
tendr como resultado varios centroides
a los cuales se puede aplicar el criterio
4
de Mnimum Steiner Tree para ms corto de enlace entre los nodos
optimizar el despliegue de los MDMS. existentes garantizando la comunicacin
El resto del trabajo se organiza de la entre todos. Tambin se considera como
siguiente manera. En la seccin 2 se una forma grfica de una sola direccin
analiza los subtemas relacionados al ponderada, es decir que la suma de sus
trabajo principal. El planteamiento del pesos determina el subgrafo de s
problema y el diseo de posibles mismo como el rbol de expansin de
soluciones se describen en la Seccin 3. mnima solucin[12].
Los detalles relacionados con el mtodo La solucin de encontrar una topologa
resolutivo mediante Mnimum Steiner radial para el despliegue de MDMS en
Tree y el anlisis de resultados se AMI con un mnimo de prdidas puede
proporcionan en la Seccin 4, el trabajo ser interpretada como encontrar un
se concluye finalmente en la Seccin 5. rbol de expansin en la red que
tambin genera prdidas mnimas [1].
2. Despliegue de MDMS en AMI Una caracterstica propia de un MST
Basado en la Topologa de (Mnimum Spanning Tree) es que de los
bordes que atraviesan el vrtice, el
Arboles de Expansin.
borde con el peso ms pequeo, debe
El objetivo del trabajo busca el
pertenecer al MST. Cuando el peso
despliegue ptimo de MDMS dentro de
relacionado a cada borde representa la
AMI, para ello es necesario considerar
longitud entre dos puntos, uno de los
el modelo de una arquitectura de
bordes del conjunto del MST es la
comunicacin adecuada a las
distancia ms corta entre dos subrboles
necesidades de la red, donde se
que estn enlazados por ese borde[1]
garantice una interaccin segura de cada
[17].
uno de los dispositivos y equipos en los
diferentes niveles de gestin[16],
2.2 Un Algoritmo para el Problema
adems la capacidad de manejo de la
de Arboles de Expansin Mnima
gran cantidad de datos que vayan
(MST). En la actualidad existen varios
generando la medicin de todos los
algoritmos para determinar un rbol de
usuarios de la red, considerando la
expansin en base a una grfica
capacidad de expansin que pueda tener
previamente dada. Entre los algoritmos
en el futuro [6]. Una arquitectura de
ms conocidos estn Prim y Kruskal
comunicacin dentro de Smart Grid
que pueden determinar el rbol de
conlleva una estructura compleja para
expansin mnima de manera exitosa
cumplir los objetivos de estabilidad y
por medio de un grafo dado[12][9]. En
buena comunicacin entre los
este trabajo se ha propuesto el empleo
dispositivos que la conforman[16], por
del algoritmo de Prim, el cual se
lo cual el anlisis de un modelo
encarga de buscar un rbol de peso
apropiado que cubra los requerimientos
mnimo entre los nodos (vrtices) de
demandados por la red, se debe llevar a
una red, es decir busca un subconjunto
cabo, con la finalidad de garantizar la
de bordes de conexin de un Grafo
operatividad en los diferentes niveles de
inicial que unan todos los vrtices
gestin de AMI dentro del Smart Grid.
mediante un rbol de expansin
mnimo[12].
2.1 Implementacin de una topologa
La construccin del rbol de expansin
de comunicacin basada en rboles
mnimo selecciona al azar un nodo
de expansin para AMI.
(vrtice) como un rbol inicial, luego
Un rbol de expansin viene dado como
adiciona inmediatamente el borde ms
una topologa de rbol libre de bucles,
corto prximo que une un nuevo
en un enfoque fsico busca el camino

5
vrtice, hasta unir todos los vrtices al
rbol inicial.
La estructura del algoritmo de Prim para
un grafo no dirigido G (V, E) de V
vrtices y E bordes sigue los pasos
siguientes [1]:
1. Escoger cualquier vrtice r en V
para ser el nodo raz. Establecer un
conjunto V t ={r } y Et = .
2. Encuentre un borde con el peso ms
pequeo tal que uno de sus puntos
finales este en S y el otro este en
V peso promedios de los bordes cercanos
Et
V t . Adicionar este borde a
y su nuevo vrtice a S.
V 2.3 Un criterio de solucin por el
= , entonces concluir
3. Si Vt
bsqueda. Caso contrario repita el
paso 2.
Dentro de los algoritmos de
agrupamiento basados en MST se
considera un conjunto de n puntos de
datos y la distancia medida entre ellos,
esta informacin casi siempre est dada
y es el primer paso en la construccin
de un MST [17][18].
De manera general se puede considerar
que para n puntos o nodos se pueden
determinar un nmero de bordes que
conectan a todos los puntos entre s,
estos bordes pueden ser calculados
mediante la siguiente formula:
n (n-1) /2 (1)
Frmula 1. Frmula para determinar el nmero de
bordes posibles para conectar n puntos.
Tomado de: [17] X. Wang, X. L. Wang, C. Chen, and
D. M. Wilkes, Enhancing minimum spanning tree-
based clustering by removing density-based outliers,
2013, p. 2.
Para un par de puntos dados en el
conjunto de datos se relacionan a un
borde, sin embargo solo n-1 de los
cuales se conservan en un MST [17]
[19]. El tiempo de los algoritmos
tradicionales para MST es otra de las
variantes que se han conseguido
minimizar con la ayuda de un algoritmo
de agrupamiento como el algoritmo de
Prim el cual tiene un tiempo de
V
ejecucin de E log [8].
O
Continuando en la bsqueda de una
solucin para el MST por medio de
algoritmos de agrupamientos se puede
establecer una medida de borde
inconsistente con el simple hecho de
dividir el rbol en grupos[20][9].Un
borde inconsistente se define como los
bordes cuyos pesos son mayores que el
al rbol [17].
mtodo de Mnimum Steiner Tree
(SMT).
Se tiene un conjunto P de n puntos de
donde necesitamos obtener un conjunto
S denominados puntos de Steiner de tal
manera que el costo del rbol de
expansin mnima (MST) sobre P con
relacin a S sea mnima [11]. La
solucin referida para este caso es el
llamado mtodo de Mnimum Steiner
Tree para un conjunto P de n puntos
representado SMT (P) [11][20].
Si se considera un plano real, se est
hablando de un plano euclidiano, en el
cual se puede encontrar el rbol de
Steiner de n puntos, sin embargo para
poder encontrar el Mnimum Steiner
Tree en dicho plano es necesario
introducir puntos adicionales llamados
puntos de Steiner que conecten cada
borde entre s [21][22]. En un rbol T el
costo de borde viene dado como la
distancia que existe entre sus puntos
extremos. El costo total del rbol T,
ser la suma del costo de todos sus
bordes [11][23].
La distancia existente entre dos puntos
(x1, y1) y (x2, y2) est determinado por
la siguiente expresin para el plano
euclidiano.
6

dist ( ( x 1, y 1 ) , ( x 2, y 2 ) )2=|x 1x 2| +| y 1 y intercambio
(2)
Frmula 2. Frmula para la distancia Rectilnea en
el plano Euclidiano.
Tomado de: [11] Gabriel Robins, Alexander
Zelikovsky, Mnimum Steiner Tree construction,
2008, p. 2.
2.4 Arquitecturas de Comunicacin
para Despliegue de MDMS en AMI.
El estudio de una arquitectura de
comunicacin evaluada en trminos de
escalabilidad y el procesamiento de
datos debe ser direccionado al
incremento de la demanda, teniendo
como objetivo el minimizar el costo de
expansin de la red al incrementar su
demanda. De esta manera la
arquitectura se considera un elemento
importante en AMI, para el despliegue
ptimo de MDMS que ayude a
mantener la integracin de la red en
trminos de comunicacin
procesamiento de la informacin en
los diferentes niveles
infraestructura [6]. Por tanto se ha
optado por la Arquitectura de
Comunicacin Totalmente distribuida
que abarca las dems arquitecturas
existentes como la centralizada y
semidistribuida con el fin de emplear
un modelo de arquitectura que
contenga los escenarios posibles para
el despliegue de MDMS.
2.4.1 Arquitectura de Comunicacin
Totalmente Distribuida.
Para una arquitectura de comunicacin
totalmente distribuida se tiene en
cuenta el despliegue de cada MDMS
con un servicio de operacin y gestin
correspondiente[6].En una arquitectura
de comunicacin totalmente
distribuida el costo de comunicacin
entre un centro de operacin y los
MDMS asociados a cada uno puede
ser reducido debido a que se
encuentran fsicamente juntos [7][6].
Con respecto al ancho de banda de
comunicacin necesario para el
2 2
2| de informacin entre cada
MDMS distribuido y el servidor
central, puede ser considerado como
un valor constante ya que no se ve
afectado ni por el nmero de
medidores ni por la frecuencia de
muestreo de los mismos [2][6][7].
Los parmetros que se asumen
intervienen en la formulacin del costo
de despliegue de MDMS distribuidos
est dado por:
i :Tasade generacion promediode datos
de cada concentrador i en
megabits
Mbps( )
seg
d ij : Distancia de un concentrador i
a un MDMS j en kilometros Km
C j : Distancia de un MDMS j a un centro de
y
Operaciones o entre MDMS
de
:Unidad de costo del ancho de banda producto dis
Y j :Ubicacioncandidata j escojida para
el despliegue de MDMS
f j :Costo despliegue de un MDMS en la
ubicacion j
M : Numero total de ubicaciones d e MDMS
M M
costoTot ( T )= .Yj . Cj+ fj .Yj
j=1 j=1
(3)
Frmula 3. Frmula para la estimacin del Costo de
Despliegue de MDMSs Distribuidos.
Tomado de: [6] Jiazhen Zhou, Rose Qingyang Hu,
Yi Qian, Scalable Distributed Communication
Architectures To Support Advanced Metering
Infrastructure in Smart Grid, 2012, p. 6.
3. Problema del rbol de
Steiner Mnimo aplicado a
una Red de Nodos y
MDMS Totalmente
Distribuidos.
7
El SMT tiene su origen en el Problema
de rbol de Steiner nombrado en
honor al matemtico Jacob
Steiner[24], que consiste en encontrar
una alternativa de conexiones factibles
entre tres puntos en el plano
euclidiano, tal que la suma de sus
conexiones posibles sean
mnimas[25], por lo que la mejor
forma de encontrar dichas trayectorias
se obtienen agregando un cuarto punto
a travs del cual se conectaran el
grupo de 3 [26][27].
Figura 2. Red formada por Smart Meters, MDMS y
Estaciones Base.
Tomado de: [24] lvarez, Eduardo A, Universidad
de Talca Facultad de Ingeniera PRIZE
COLLECTING STEINER TREE CON DATOS,
2010, p. 4.
Figura 3. Implementacin factible del SMT.
Tomado de: [24] lvarez, Eduardo A, Universidad
de Talca Facultad de Ingeniera PRIZE
COLLECTING STEINER TREE CON DATOS,
2010, p. 4. Con Autor
Como se muestra en la Figura 2 de la
red compuesta de nodos de color
celeste (Smart Meters), nodos de color
rojo como MDMS (Gestores de Datos)
y nodos de color azul (Estaciones
Base), se tiene un arreglo de
conexiones posibles tal que el costo de
construccin de las lneas sea mnimo.
En la Figura 3 se muestra una solucin
factible del SMT, como se puede ver el
rbol cubre todos los MDMS por
medio de los nodos de color verde
creados, a estos nodos nuevos se los
conoce como nodos de Steiner[24]
[28]. Se representa como G = (V, E),
donde V y E son el conjunto de nodos
y bordes, y un conjunto V V , que
se denominan nodos terminales. El
objetivo del SMT es encontrar un
rbol T =( V ( T ) , E (T ) ) de
G ,V ( T ) V , E (T ) E que cubra
8
todos los nodos en V , V V ( T ) ,
minimice la funcin de costo de
despliegue[24][26].
f ( T )= c e ( 4)
e E ( T )
Donde ce
es un valor real positivo
asociado a cada e E .
Frmula 4. Funcin del Costo de Despliegue de la
red.
Tomado de: [24] lvarez, Eduardo A, Universidad
de Talca Facultad de Ingeniera PRIZE
COLLECTING STEINER TREE CON DATOS,
2010, p. 4.
3.1 Diseo de una topologa de red
para el despliegue de MDMS
en AMI.
Como una solucin propuesta al
despliegue de MDMS se ha hecho
relacin a un estudio fsico topolgico,
en donde se hace uso de la teora de
campos en la estructura de una red
topolgica para encontrar la relacin
entre los nodos y los bordes de enlace
que los atraviesan por medio de una
caracterstica de distribucin
subyacente[29][30]. Por lo tanto, dado
una red G= (V, E), donde V es el
conjunto de nodos y E es el conjunto
de bordes de enlace. La ubicacin de
cada nodo en la red, se considera
como un punto de partida en la
iteracin de todos los nodos, formando
un campo topolgico sobre la red [31].
El estudio para determinar los nodos
ms relevantes en la red mediante un
campo potencial topolgico, es un
tema que ya se ha tratado en diferentes
estudios y lo puede analizar con ms
detenimiento en el paper Evaluate
Nodes Importance in the Network
using Data Field Theory de HE Han,
GAN Wen-yan, LI De-yi en [31] aqu
se considera un factor de influencia
el cual determina la regin de
influencia de cada nodo y la
y importancia en la red. El objetivo que
se busca es que cada nodo en la red
pueda ser representado de manera
fsica como una partcula material la
cual crea un campo potencial
alrededor de s misma en conjunto con
los dems nodos se forma un campo
potencial sobre la red [32][33].
3.2 Implementacin Triangulacin
de Delaunay para la obtencin
de puntos de Steiner.
Sea P un subconjunto de nodos
generados dentro de la red de nodos
G= (V, E), entonces P = (V (P), E (P))
se considera como el mnimum Steiner
Tree (SMT), donde V (P) V y E (P)
E[34].
Para la obtencin de los puntos de
Steiner, existen dos propiedades que lo
demuestran, tal como lo hace
referencia en Two New Efficient
Approximation Algorithms with O (k
log k) for the Steiner Tree Problem in
Rectilinear Graphs de Tadashi
Matsumoto, Tomohiro Takahata, y
Kohkichi Tsuji en [22]:
Propiedad 1
Todos los puntos de Steiner deben tener
ya sea un grado 3 o 4.
Propiedad 2
El nmero mximo de puntos de Steiner
en P es k2, donde k viene dado como
los puntos de partida (MDMS) para la
triangulacin de Delaunay.
Para la solucin ptima del rbol de
Steiner, se aplica la teora de
triangulacin de Delaunay para la
generacin de los puntos de Steiner, la
triangulacin de Delaunay se encarga de
maximizar el ngulo mnimo de todos
los tringulos de la red de Delaunay
cuyos vrtices son los puntos de
generacin dados como MDMS[35].
Por lo tanto la red de Delaunay est
formada por el conjunto de tringulos,
donde sus vrtices son los puntos de
generacin obtenidos para los MDMS
[23], como se muestra en la Figura 4.
9
 Figura 5. Implementacin de los puntos de Steiner S
triangulares. [Autor]

Figura 4. Conjunto de puntos generados P. [Autor]

Considerando que el nmero de 4. Despliegue de una red

vrtices de un tringulo es tres y de basada en el modelo
igual manera sus lados que lo topolgico de una red
conforman, vienen dados como los compleja.
bordes de la red de Delaunay, por lo La caracterstica base para una red
tanto se puede aplicar la propiedad de compleja, est dado como una
los 3-puntos del rbol de Steiner optimo estructura formada de nodos y bordes
en cada triangulo de la red de Delaunay que constituyen tanto los elementos
[23]. como el medio de interaccin dentro
El rbol de Steiner ptimo formado con del rea referenciada[33].
tres puntos de generacin tiene al menos El modelo de una red con V nodos y E
un punto de Steiner en el grfico de la bordes se describe de la siguiente
red. forma:
El punto de Steiner triangular se define G=(V , E)
como un punto de la red del rbol de
Steiner ptimo, el cual se obtiene por Donde:
medio de los puntos generados V :Conjunto de nodos de la
(MDMS), es decir por los tres vrtices E :Conjunto de bordes de la
de cada tringulo en la red de Delaunay.
Se considera el tringulo con los tres Por lo tanto:
puntos
Pi ( X i ,Y i ) , P j ( X j ,Y j ) , y Pk ( X k , Y k ) , V = { v 1 , v 2, v 3, . .. , v n }

X j< X i < X k y Y i <Y k <Y j . V : es la coleccion de todoslos nodos

donde
Por lo tanto el punto de Steiner E= { e1 , e 2 , e 3 , , e m }
Triangular est dado por Ps ( X i , Y k ) E :es la coleccion de todos losbordes
[23]. A continuacin en la Figura 5, se e k ={ v i , v j }
detalla el rbol de Steiner ptimo
implementando puntos de Steiner ek
De modo que representa el
Triangulares.
borde entre el nodo i y el nodo j.

10
 4.1 Red basada en un algoritmo
de nodos y bordes generados
aleatoriamente.

Algoritmo GAN, (generacin de una

red con nodos aleatorios).

Paso1: ENTRADAS
Establecer zona geogrfica delimitada
para el despliegue de Nodos
Paso2: Longitud de Grilla
Paso3: Ingresar Nmero de nodos o Figura 6. Despliegue de medidores inteligentes
dentro de una zona geogrfica.
medidores.
Paso4: SALIDAS
Despliega un nmero de medidores Mediante el algoritmo de GAN, se ha
dentro de una zona geogrfica corrido una simulacin, donde se
Enlaces posibles de comunicacin puede visualizar el despliegue
entre nodos aleatorio de los nodos (Medidores
Paso6: PROCESO Inteligentes) dentro un rea geogrfica
Generacin de un lazo for delimitada que representan la
For i=1: V: E ubicacin de los usuarios en la red y
Rand (state, i)=m; generacin posteriormente se agruparan en forma
randomica de nodos de clsteres a los sistemas de gestin
Lonlim= [1 250]; almacenamiento de de medicin de datos (MDMS) ms
muestreo en X cercanos.
Latlim= [1 250]; almacenamiento de
muestreo en Y 4.2 Agrupamiento de Medidores
End for Inteligentes mediante K-means
Creacin de una red de nodos dentro para la ubicacin de Sistemas
de una zona geogrfica delimitada. de Gestin de medicin de
Paso7: Fin. datos (MDMS).
Una vez obtenido el despliegue de una
A continuacin en la Figura 6, se red nodos en un zona geogrfica se
presenta un modelo de red hace uso de un algoritmo de
G=(V , E) , desplegada por GAN clusterizacin denominado K-means,
para determinar las posiciones
en una zona geogrfica. iniciales en las cuales se ubicaran los
Sistema de Gestin de medicin de
datos (MDMS) para luego realizar el
despliegue ms ptimo dentro de un
rea geogrfica dada, para este
ejemplo se lo har en una zona
geogrfica delimitada.
El algoritmo de K-means se basa en el
agrupamiento de vectores en funcin
de una mtrica comparativa llamada
como Distancias Euclidianas[12][36].
A este anlisis dado en base a una
medida de similitud, lo conocen
tambin como Optimizacin de

11
distancias entre cada uno de los nodos
(Medidores inteligentes) dentro del
rea establecida y los gestores de
informacin (MDMS). La estructura
del algoritmo en su forma de
seudocdigo esta dado como sigue:

Algoritmo de k-means

ENTRADAS:
Paso1: Toma una muestra de usuarios
desplegados dentro de una zona
geogrfica. Figura 7. Agrupamiento y ubicacin de centroides
Paso2: Configurar distancia de dentro de una zona geogrfica para 200 medidores.
cobertura y el nmero de usuarios por
clsteres o grupos. Algunos parmetros a tener en cuenta
SALIDAS: para el agrupamiento de Medidores
Paso3: Hacer clusterizacin de Inteligentes con los Sistemas de
muestra mediante K-means por Gestin de medicin de datos
nmero de usuarios. (MDMS) es las caractersticas del
Paso4: Establecer centroides de los diseo de capacidad de procesamiento
clsteres (MDMS). de informacin que posee cada
PROCESO: MDMS, adems el rango de cobertura
Generacin de un lazo While y la distancia mxima que debe existir
Paso5: While n, m<= 1: K (clsteres, desde un medidor hacia cada
centroides) <=umbral MDMS[14].
a. For i n casos Los medidores inteligentes se van
Asignar caso de conglomerado agrupando de forma gradual al
ms cercano por distancia centroide ms cercano de cada uno de
euclidiana mnima. los clsteres donde se ubicaran los
b. Recalcular centroides. Sistemas de Gestin de medicin de
End For datos (MDMS) de manera distribuida.
End While
Paso6: Desplegar nmero de clsteres 4.3 Despliegue de MDMS
para la muestra mediante K-means. distribuidos en una topologa
Paso7: Fin. de rboles de Expansin
Mnima (MST).
A continuacin en la Figura 7, se Una vez obtenido las posiciones de los
muestra una primera prueba de la MDMS para una regin de usuarios
simulacin del algoritmo en una zona por medio del algoritmo de
geogrfica delimitada para la clusterizacin K-means, se procede a
ubicacin de los Sistemas de Gestin implementar el algoritmo de Prim para
de medicin de datos (MDMS) y sus calcular una topologa de rbol de
respectivos grupos de nodos bordes mnimos que conecten los
(Medidores). MDMS. De donde se despliegue las
trayectorias posibles de enlace, como
una bsqueda del camino ms corto de
comunicacin en una topologa de
rbol de expansin mnima en el plano
euclidiano[18][37].

12

Algoritmo de Prim
ENTRADAS:
Paso1: Toma posicin centroides
clsteres desplegados en el rea.
SALIDAS:
Paso2: Desplegar rbol de expansin
mediante Prim para enlaces posibles
de vrtices por ubicacin de MDMS.
Paso3: Establecer trayectoria entre
centroides de clsteres con el vrtice
de menor costo.
PROCESO:
Paso4: While Clster i, j (clsteres,
centroides) umbral
Enlazar clsteres o centroides
Establecer enlaces Ci, j posibles de
vrtices.
a. Si Wij es el menor de los
pesos de los enlaces posibles
b. For i n casos
Hacer: rbol de enlace Ci, j ms
cercano por Prim con Wij mucho
menor.
c. Recalcular trayectoria rbol de
expansin mnima
End If
End For
End While
Paso5: Desplegar rbol de expansin
mnima para la muestra de MDMS
mediante Prim.
Paso6: Fin.
Figura 8. Despliegue rbol de Expansin Mnima
para una muestra de 200 medidores agrupados en 8
Clsteres.
Como una instancia previa al
despliegue del Mnimum Steiner Tree
se tiene el rbol de expansin Mnima
(MST) tal como se muestra en la
figura 8, para el conjunto de MDMS
se busca el camino de enlace ms
corto determinado a partir de los
bordes que atraviesen dichos nodos o
vrtices, donde el borde con el peso
mnimo es decir la longitud mnima
que une a un par de nodos debe
pertenecer al rbol MST[38].
A continuacin se realiza otra prueba
de simulacin para una muestra de 500
medidores los cuales estarn
agrupados en clsteres de 50, donde
K-means ha arrojado un nmero de 11
clsteres para la ubicacin de los
MDMS. Para luego ser desplegados en
un rea geogrfica y proceder a trazar
la trayectoria de enlace ms ptima en
una topologa de rbol de expansin
Mnima mediante Prim.
Esto se lo puede visualizar en la
Figura 9.
Figura 9. Despliegue rbol de Expansin Mnima
para una muestra de 500 medidores agrupados en
11 Clsteres.
4.4 Despliegue de MDMS
mediante Mnimum Steiner
Tree basado en la Teora de
Triangulacin de Delaunay.
Ahora que se ha obtenido el rbol de
expansin mnima en el plano
euclidiano se procede a optimizar el
despliegue de MDMS por medio del
rbol Mnimo de Steiner basado en la
13
triangulacin de Delaunay, como un posiciones posibles para despliegue de
subconjunto del rbol de expansin MDMS
mnima se emplea la Teora de SALIDAS:
Triangulacin de Delaunay de un Paso2: rbol de expansin por
conjunto de puntos para obtener la red Mnimum Steiner Tree para
de Delaunay que permita establecer Despliegue de MDMS
los sitios candidatos posibles para la PROCESO:
introduccin de los puntos de Steiner Paso3: Establecer grupos de triples T=
triangulares [35]. Los puntos para la (V1, V2, V3) entre centroides de
Triangulacin de Delaunay se obtienen clsteres para la regin de usuarios.
como los centros de masa para los Paso4: For: Para cada Vi y Vj de T
grupos de usuarios calculados por el (grupos de triples)
algoritmo de K-means [35]. Hacer: Enlace por Triangulacin de
Aqu se describe la idea principal del Delaunay (centros, clsteres) eij= (v1,
algoritmo para el despliegue de v2, v3).
MDMS. If el enlace eij de T= (V1, V2, V3) es
El objetivo principal es obtener el trazado
Mnimum Steiner Tree para la red G= Entonces
(V, E) de MDMS por medio de la Adicionar punto de Steiner V dentro
introduccin de puntos adicionales en del rea dada por Delaunay del grupo
la red llamados puntos de Steiner V, de triples T.
para lo cual se hace empleo de Paso5: For: Para todo Vij, V T
Triangulacin de Delaunay donde cada Si Cij, es el menor de los enlaces
punto o vrtice Vij que conforma posibles
dicho triangulo estar dado como el Entonces
MDMS en la red. Hacer: rbol T de enlace Cij con Eij
Siguiendo la teora de Delaunay se ms corto por Mnimum Steiner Tree
traza la regin entre el grupo de 3 con nodos adicionales de Steiner
MDMS para posteriormente posibles.
introducir el punto de Steiner V a End If
partir de la propiedad de los 3-puntos End If
para el rbol de Steiner optimo en cada End For
triangulo de Delaunay [23], donde End For
finalmente se enlaza cada grupo de Paso6: Desplegar rbol de Steiner
MDMS con un punto de Steiner mnimo para MDMS Calculados.
eliminando el borde E con mayor peso Paso7: Fin
en la red. Por lo tanto el rbol mnimo
de Steiner es el rbol obtenido del
subconjunto de puntos creados de la
triangulacin de Delaunay de un
conjunto de puntos[35].

Algoritmo de rbol de Expansin

por Mnimum Steiner Tree mediante
Triangulacin.
ENTRADAS:
Paso1: Numero de Clsteres para la
regin de usuarios o Topologa de
rbol de Expansin Mnima con Figura 10. Implementacin Puntos de Steiner
mediante Triangulacin para una regin de 8
MDMS en la red

14
 Figura 11. Implementacin Puntos de Steiner
mediante Triangulacin para una regin de 11
MDMS en la red
Como se puede apreciar en las
Figuras 10 y 11 mostradas, se hace uso
de la teora de la triangulacin de
Delaunay para la regin de MDMS
desplegados a partir de una muestra de
200 y 500 medidores, donde se
buscara trazar en grupos de 3 nodos
(MDMS) regiones triangulares para la
red de Delaunay que contenga las
posiciones candidatas posibles para la
introduccin de los puntos adicionales
de Steiner del rbol de expansin
mnima. Una vez obtenida las regiones
candidatas, se aplica la teora de los 3-
puntos del rbol de Steiner ptimo
para cada regin triangular de la red de
Delaunay [23]. Por lo tanto el punto de
Steiner Triangular Ps ( X i , Y k ) se
obtiene a partir de los nodos generados
Vij por el mtodo de K-means que
conforman los tres vrtices de cada
tringulo
Pi ( X i ,Y i ) , P j ( X j ,Y j ) , y Pk ( X k , Y k )
en la red de Delaunay, como el
circuncentro de cada triangulo que
conecte el grupo de 3 MDMS.
Figura 12. Despliegue de MDMS mediante
Mnimum Steiner Tree implementando puntos
adicionales de Steiner por triangulacin para una
muestra de 200 medidores
Figura 13. Despliegue de MDMS mediante
Mnimum Steiner Tree implementando puntos
adicionales de Steiner por triangulacin para una
muestra de 500 medidores.
En las Figuras 12 y 13 mostradas se
busca obtener la solucin ptima al
problema en un grafo G=(V,E) que
representa la topologa de red de
MDMS basado en un rbol de
expansin mnima empleando la teora
de triangulacin de Delaunay para la
introduccin de puntos adicionales de
Steiner V en la red G que permita
minimizar la distancia de enlace entre
los MDMS Vi y Vj segn el peso de
borde E que corresponda como el
costo mnimo de despliegue, donde
cada punto de Steiner V adicional est
representado por un tringulo en la red
que constituyen los vrtices del nuevo
rbol de expansin mnima, el cual
representa la bsqueda final del
problema dado como el Mnimum
Steiner Tree que minimiza el
despliegue de MDMS.
15

Figura 14. Relacin Distancia vs Clsteres
(MDMS) para rbol de Expansin Mnima y
Mnimum Steiner Tree.
Los resultados que se muestran en la
figura 14, indican un mejor
rendimiento que ofrece el algoritmo de
Mnimum Steiner Tree en comparativa
con el rbol de Expansin Mnima, se
han hecho pruebas para una muestra
de 500 medidores el cual abarca un
escenario ms representativo para un
mejor rendimiento del algoritmo de
Mnimum Steiner Tree, donde se
observa que la distancia desplegada
por cada uno de los algoritmos para el
numero de MDMS es diferente. En
una comparativa Mnimum Steiner
Tree arroja mejores resultados a lo que
optimizacin de distancia se refiere,
buscando el borde de peso mnimo
que reduzca la distancia de enlace
entre los MDMS dada como la funcin
de costo-despliegue. De esta manera
se puede concluir que la distancia se
ve reducida al emplear el algoritmo de
Mnimum Steiner Tree.
5. Conclusiones
La implementacin de algoritmos
basado en la teora de grafos es una
herramienta computacional muy til
en la bsqueda de soluciones a
problemas de optimizacin de redes,
por tanto el Mnimum Steiner Tree
permite encontrar una topologa de
rbol de expansin T, que cubra todos
los nodos V en la red G, minimizando
la distancia de enlace entre los nodos
de la red denominado como el costo de
despliegue.
El Mnimum Steiner Tree permite
determinar el rbol de expansin
mnima de una red de nodos
ponderada, por medio de una
topologa de rbol como la ruta de
enlace entre los nodos. Se concluye
que el Mnimum Steiner Tree es una
solucin a la bsqueda de un rbol con
el peso mnimo a partir de los
llamados puntos de Steiner para lograr
minimizar las distancias.
Mediante el empleo de la
Triangulacin de Delaunay se ha
podido obtener el Mnimum Steiner
Tree a partir de los nodos originales
Vij del rbol de Expansin Mnima,
creando puntos intermedios mediante
triangulaciones con el nico objetivo
de minimizar las distancias. Se han
tomado como ejemplos para la
simulacin muestras de 200 y 500
nodos, los cuales se encuentran
distribuidos aleatoriamente dentro de
un rea geogrfica de una longitud y
latitud dadas.
A este conjunto de nodos se los agrupa
en n clsteres, considerando la
capacidad y la distancia mnima de tal
forma que un nodo (Medidor) solo
puede pertenecer a un determinado
clster.
El estudio realizado permite concluir
que si se considera a cada nodo como
un medidor inteligente, la cantidad de
datos que se generar va a ser
ostensiblemente alta y si adems se
considera la bidireccionalidad del flujo
de informacin en intervalos de 15
minutos la red podra saturarse, en este
caso el despliegue de los MDMS
debera consideran el tratamiento de
Big data.
Se puede concluir de manera general
que al realizar la simulacin y el
16
anlisis de los resultados obtenidos, Distributed Communication
con los algoritmos de Mnimum Architectures to Support
Steiner Tree y Arboles de Expansin Advanced Metering
mnima, la distancia total simulada Infrastructure in Smart Grid
con SMT es menor a la distancia total Scalable Distributed
simulada con MST, debido a la Communication Architectures
implementacin de puntos de Steiner to Support Advanced Metering
en el rbol de expansin mnima. Infrastructure in Smart Grid,
vol. 23, no. 9, pp. 16321642,
Referencias 2012.
[7] G. Barai and K. Raahemifar,
[1] H. Ahmadi and J. R. Mart,
Optimization of distributed
Minimum-loss network
communication architectures in
reconfiguration: A minimum
advanced metering
spanning tree problem,
infrastructure of smart grid,
Sustain. Energy, Grids
Can. Conf. Electr. Comput.
Networks, vol. 1, pp. 19, 2015.
Eng., pp. 16, 2014.
[2] R. Rashed Mohassel, A. Fung,
[8] K. Taha, RGFinder: A System
F. Mohammadi, and K.
for Determining Se-mantically
Raahemifar, A survey on
Related Genes using GO Graph
Advanced Metering
Minimum Spanning Tree.,
Infrastructure, Int. J. Electr.
IEEE Trans. Nanobioscience,
Power Energy Syst., vol. 63, pp.
vol. 1241, no. c, pp. 114, 2014.
473484, 2014.
[9] A. Capone, D. Corti, L. Gianoli,
[3] Z. Li, F. Yang, S. Mohagheghi,
and B. Sans, An optimization
Z. Wang, J. C. Tournier, and Y.
framework for the energy
Wang, Toward smart
management of carrier ethernet
distribution management by
networks with multiple
integrating advanced metering
spanning trees, Comput.
infrastructure, Electr. Power
Networks, vol. 56, no. 17, pp.
Syst. Res., vol. 105, pp. 5156,
36663681, 2012.
2013.
[10] A. Bouchachia and M.
[4] R. E. D. D. E. Medicin, A.
Prossegger, A hybrid ensemble
Ami, and C. Tvcable, Red de
approach for the Steiner tree
medicin avanzada (ami)
problem in large graphs: A
circuito tvcable, suba, 2013.
geographical application,
[5] N. Gudi, L. Wang, and V. Appl. Soft Comput. J., vol. 11,
Devabhaktuni, Electrical no. 8, pp. 57455754, 2011.
Power and Energy Systems A
[11] G. Robins and A. Zelikovsky,
demand side management based
Minimum steiner tree
simulation platform
construction, Handb.
incorporating heuristic
Algorithms VLSI Phys. Autom.,
optimization for management of
pp. 487508, 2008.
household appliances, Int. J.
Electr. Power Energy Syst., vol. [12] C. Zhong, M. Malinen, D.
43, no. 1, pp. 185193, 2012. Miao, and P. Frnti, A fast
minimum spanning tree
[6] R. Q. Hu, J. Zhou, R. Q. Hu,
algorithm based on K-means,
and S. Member, Scalable

17
 Inf. Sci. (Ny)., vol. 295, pp. 1
17, 2015.
[20]
[13] X. Han, J. Liu, D. Liu, Q. Liao,
J. Hu, Y. Yang, and A. Steiner,
Distribution Network Planning
Study with Distributed
[21]
Generation Based on Steiner
Tree Model, vol. 1, pp. 26,
2014.
[14] G. Lpez, J. I. Moreno, H.
Amars, and F. Salazar, Paving
the road toward Smart Grids
[22]
through large-scale advanced
metering infrastructures,
Electr. Power Syst. Res., vol.
120, pp. 194205, 2015.
[15] D. F. Ramrez and S. Cspedes,
Routing in Neighborhood Area
Networks: A survey in the
context of AMI
communications, J. Netw.
[23]
Comput. Appl., vol. 55, pp. 68
80, 2015.
[16] E. Ancillotti, R. Bruno, and M.
Conti, The role of
communication systems in
smart grids: Architectures,
technical solutions and research
[24]
challenges, Comput. Commun.,
vol. 36, no. 1718, pp. 1665
1697, 2013.
[17] X. Wang, X. L. Wang, C. Chen,
and D. M. Wilkes, Enhancing
minimum spanning tree-based
[25]
clustering by removing density-
based outliers, Digit. Signal
Process. A Rev. J., vol. 23, no.
5, pp. 15231538, 2013.
[18] P. Biswas and A. Paul,
Sequences Through A Variant
[26]
of Prim s Algorithm, pp. 14,
2015.
[19] G.-H. Lin and G. Xue, Optimal
layout of hexagonal minimum
spanning trees in linear time,
Proc. - IEEE Int. Symp. Circuits
[27]
Syst., vol. 4, p. I-196-I-199,
2000.
T. Sttzle, Un Algoritmo
Iterativo Voraz para el Problema
del Taller de Flujo Rubn
Ruiz, pp. 10531074.
X. Lu, S. Yang, and N. Zheng,
Location-selection of Wireless
Network Based on Restricted
Steiner Tree Algorithm,
Procedia Environ. Sci., vol. 10,
pp. 368373, 2011.
T. Matsumoto, T. Takahata, and
K. T. Faculty, TWO NEW
EFFICIENT
APPROXIMATION
ALGORITHMS WITH O ( k
log k ) FOR THE STEINER
TREE PROBLEM IN
RECTILINEAR GRAPHS, pp.
11561159.
R. Qu, Y. Xu, J. P. Castro, and
D. Landa-Silva, Particle
swarm optimization for the
Steiner tree in graph and delay-
constrained multicast routing
problems, J. Heuristics, vol.
19, no. 2, pp. 317342, 2013.
E. A. Alvarez,
UNIVERSIDAD DE TALCA
FACULTAD DE INGENIER
IA PRIZE COLLECTING
STEINER TREE CON
DATOS.
Y. Wang, X. Hong, T. Jing, Y.
Yang, X. Hu, and G. Yan, The
polygonal contraction heuristic
for rectilinear Steiner tree
construction, Proc. 2005, vol.
1, pp. 16, 2005.
A. Sadeghi and H. Frhlich,
Steiner tree methods for
optimal sub-network
identification: an empirical
study., BMC Bioinformatics,
vol. 14, p. 144, 2013.
G. Lin and G. Xue, Steiner tree
18
 problem with minimum number
of Steiner points and bounded
edge-length, vol. 69, pp. 53
57, 1999.
[28] S. Lee and M. Younis,
Recovery from multiple
simultaneous failures in
wireless sensor networks using
minimum Steiner tree, J.
Parallel Distrib. Comput., vol.
70, no. 5, pp. 525536, 2010.
[29] Y. C. Wong and C. Chu, A
scalable and accurate rectilinear
steiner minimal tree algorithm,
2008 Int. Symp. VLSI Des.
Autom. Test, VLSI-DAT, pp. 29
34, 2008.
[30] Q. Xie, C. Deng, H. Zhao, and
Y. Weng, Evaluation method
for node importance of power
grid based on the weighted
network model [J], Electr.
Power Syst., no. 1, pp. 912,
2009.
[31] H. Nan, G. Wen-yan, and L. De
yi, Evaluate Nodes Importance
in the Network Using Data
Field Theory, Int. Conf.
Converg. Inf. Technol. 2007, pp.
12251234, 2007.
[32] F. Kazemeyni, E. B. Johnsen,
O. Owe, and I. Balasingham,
Group Selection by Nodes in
Wireless Sensor Networks
Using Coalitional Game
Theory, 2011 16th IEEE Int.
Conf. Eng. Complex Comput.
Syst., pp. 253262, 2011.
[33] Y. Zhu and X. Huang, Node
robust algorithm study based on
graph theory, Proc. - 2011 8th
Int. Conf. Fuzzy Syst. Knowl.
Discov. FSKD 2011, vol. 4, pp.
23002303, 2011.
[34] M. Yiit, . D. Incel, and V. .
Gngr, On the
interdependency between multi-
channel scheduling and tree-
based routing for WSNs in
smart grid environments,
Comput. Networks, vol. 65, pp.
120, 2014.
[35] G. V Arvalo, R. C. Hincapi,
and J. E. Sierra, WDM-PON
Design Model based on the
Minimum Spanning Tree search
over Delaunay Triangulations,
IEEE Asia-Pacific Conf.
Comput. Aided Syst. Eng., no.
(Artculo en fase de revisin),
pp. 47, 2015.
[36] M. Prossegger and A.
Bouchachia, Ant colony
optimization for Steiner tree
problems, 5Th Int. Conf. ,
pp. 331336, 2008.
[37] M. Leitner, I. Ljubi, M.
Luipersbeck, and M. Resch, A
partition-based heuristic for the
steiner tree problem in large
graphs, Lect. Notes Comput.
Sci. (including Subser. Lect.
Notes Artif. Intell. Lect. Notes
Bioinformatics), vol. 8457
LNCS, pp. 5670, 2014.
[38] M. Zanchetta, R. Batista, W. R.
Coimbra, M. Z. do Nascimento,
V. R. Batista, and W. R.
Coimbra, An interactive
programme for Steiner trees,
arXiv Prepr. arXiv1210.7788, p.
9, 2012.
19
ANEXOS. GRAFICAS GENERADAS DESDE MATLAB

Figura 7. Agrupamiento y ubicacin de centroides dentro de una zona geogrfica para

200 medidores

1
Figura 8. Despliegue rbol de Expansin Mnima para una muestra de 200 medidores
agrupados en 8 Clsteres

2
Figura 10. Implementacin Puntos de Steiner mediante Triangulacin para una regin de
8 MDMS en la red

3
Figura 12. Despliegue de MDMS mediante Mnimum Steiner Tree implementando
puntos adicionales de Steiner por triangulacin para una muestra de 200 medidores

4
Figura 9. Despliegue rbol de Expansin Mnima para una muestra de 500 medidores
agrupados en 11 Clsteres

5
Figura 11. Implementacin Puntos de Steiner mediante Triangulacin para una regin de
11 MDMS en la red

6
 Figura 13. Despliegue de MDMS mediante Mnimum Steiner Tree implementando
puntos adicionales de Steiner por triangulacin para una muestra de 500 medidores.

Matriz de Estado del Arte

7
 Despliegue de MDMS en AMI mediante Arboles de expansin usando Mnimum Steiner Tree

RESTRICCIONES PROPUESTAS PARA

FORMULACIN DEL PROBLEMA SOLUCION
DATOS TEMTICA DEL RESOLVER EL
FUNCIONES OBJETIVO PROPUESTA
PROBLEMA PROBLEMA

PARA AMITOPOLOGIAS DE COMUNICACIN

INALAMBRICASTRIANGULACION DE REDES
COMUNICACINARQUITECTURAS DE

ILPPROGRAMACION LINEAL ENTERA

ILPPROGRAMACION LINEAL ENTERA

GRAFOS MST ALGORITMOS PARA TEORIA DE

MINIMODESPLIEGUE ARBOL DE STEINNER

DE ARBOL DE MINIMA EXPANSION ALGORITMOS PARA EL PROBLEMA

STEINERMETODO PROBLEMA ARBOL DE

METODOS ARBOL STEINER MINIMO

INFRAESTRUCTURA DE MEDICIN

HEURSTICA o METAHEURSTICAS
ENRUTAMIENTO Y DESPLIEGUE
TEORIA DE NODOS EN UNA RED

PROGRAMACION Y SIMULACION

CONDICIONES DE COBERTURA

TRIANGULACION DELAUNAY
CONDICIN DE CAPACIDAD
MINIMUM STEINER TREE
ARBOLES DE EXPANSION

METODOS HEURISTICOS
TTULO DEL ARTCULO

DESPLIEGUE DE MDMS
"ESTADO DEL ARTE"

Despliegue de MDMS

TEORIA DE GRAFOS
CLUSTERIZACIN
AVANZADA - (AMI)

STEINER TREE

ALGORITMOS,
REFERENCIA

COMPLEJA
COSTOS

COSTOS
ITEM

AO

Optimization of distributed communication

201
1
4
architectures in advanced metering \cite{Barai2014} X X X X X X X X X X X X X X X X X X X X X
infrastructure of smart grid
A hybrid ensemble approach for the Steiner tree
201
2
1
problem in large graphs: A geographical \cite{Bouchachia2011} X X X X X X X X
application
Distribution Network Planning Study with
201
3
4
Distributed Generation Based on Steiner Tree \cite{Han2014} X X X X X X X X X X X X X
Model
201 A Partition-Based Heuristic for the Steiner Tree
4
4 Problem in Large Graphs
\cite{Leitner2014} X X X X X X X X X X X
201 Red de medicin avanzada (ami) circuito
5
3 tvcable, suba
\cite{Medicion2013} X X X X X X X X X X X X X
201
6
2
An interactive programme for Steiner trees \cite{Nascimento2012} X X X X X X X X X X X X X X X X X X X
200 Ant colony optimization for steiner tree
7
8 problems
\cite{Prossegger2008} X X X X X X X X X X X X X
Particle swarm optimization for the Steiner tree
201
8
2
in graph and delay-constrained multicast \cite{Qu2012} X X X X X X X X X X X X X X X X X X X X
routing problems
201
9
4
A survey on Advanced Metering Infrastructure \cite{RashedMohassel2014} X X X X X X X X X X X X X X
1 200
0 8
Minimum steiner tree construction \cite{Robins2008} X X X X X X X X X X X X X X X X X
1 201 Steiner tree methods for optimal sub-network
1 3 identification: an empirical study
\cite{Sadeghi2013} X X X X X X X X X X X X X X X X X X X X X X X X
RGFinder: A System for Determining Se-
1 201
2 4
mantically Related Genes using GO Graph \cite{Taha2014} X X X X X X X X X X X X X
Minimum Spanning Tree.
1 200 The Polygonal Contraction Heuristic for
3 5 Rectilinear Steiner Tree Construction
\cite{Wang2005} X X X X X X X X X X X X X X X X X X X X
Scalable distributed communication
1 201
4 2
architectures to support advanced metering \cite{Zhou2012} X X X X X X X X X X X X X X X X X X X X X
infrastructure in smart grid

1 201 Paving the road toward Smart Grids through

5 5 large-scale advanced metering infrastructures
\cite{Lopez2015} X X X X X X X X X X X X X X X X X X X X X
1 201 Location-selection of Wireless Network Based on
6 1 Restricted Steiner Tree Algorithm
\cite{Lu2011} X X X X X X X X X X X X X X X X X X
A demand side management based simulation
1 201
7 2
platform incorporating heuristic optimization \cite{Gudi2012} X X X X X X X X X X X X X X X X X X
for management of household appliances

1 201 Toward smart distribution management by

8 3 integrating advanced metering infrastructure
\cite{Li2013} X X X X X X X X X X X X X X

1 201 Paving the road toward Smart Grids through

9 5 large-scale advanced metering infrastructures
\cite{Lopez2015} X X X X X X X X X X X X X X X X X X X X X X

2 201 Routing in Neighborhood Area Networks: A

0 5 Survey in the Context of AMI Communications
\cite{Ramirez2015} X X X X X X X X X X X X X X X
An optimization framework for the energy
2 201
1 2
management of carrier ethernet networks with \cite{Capone2012} X X X X X X X X X X
Multiple Spanning Trees

2 200 Un algoritmo multithreading para el problema

2 4 del rbol de Steiner
\cite{Meneces} X X X X X X
TWO NEW EFFICIENT APPROXIMATION
2 ALGORITHMS WITH O ( k log k ) FOR THE
3 STEINER TREE PROBLEM IN RECTILINEAR
\cite{Matsumoto} X X X X X X X X
GRAPHS

2 200 Optimal layout of hexagonal minimum spanning

4 0 trees in linear time
\cite{Lin2000} X X X X X X X
Recovery from multiple simultaneous failures in
2 201
5 0
wireless sensor networks using minimum \cite{Comput2010} X X X X X X X X X X X X X X X X
Steiner tree

2 200 A Scalable and Accurate Rectilinear Steiner

6 8 Minimal Tree Algorithm
\cite{Wong2008} X X X X X X X X X X X X X X X

2 199 Steiner tree problem with minimum number of

7 9 Steiner points and bounded edge-length
\cite{Lin1999} X X X X X X X X X X X X X

2 201 A fast minimum spanning tree algorithm based

8 5 on K -means
\cite{Zhong2015} X X X X X X X X X X
On the interdependency between multi-channel
2 201
9 4
scheduling and tree-based routing for WSNs in \cite{Yigit2014} X X X X X X X X X X X X X X X X
smart grid environments

3 201 Minimum-loss network reconfiguration : A

0 5 minimum spanning tree problem
\cite{Ahmadi2015} X X X X X X X X X X X X X X X

3 201 Enhancing minimum spanning tree-based

1 3 clustering by removing density-based outliers
\cite{Wang2013} X X X X X X X X X X X X X X X
The role of communication systems in smart
3 201
2 3
grids : Architectures , technical solutions and \cite{Ancillotti2013} X X X X X X X X X X X X X X X X X
research challenges
3 200 Evaluate Nodes Importance in the Network
3 7 using Data Field Theory
\cite{Nan2007} X X X X X X
3 200 Evaluation of the Importance of Network Nodes
4 9 Based on Weighted Network Model
\cite{Changhong2009} X X X X X X X
3 201 Group Selection by Nodes in Wireless Sensor
5 1 Networks Using Coalitional Game Theory
\cite{Kazemeyni2011} X X X X X X X X X
3 201 Node Robust Algorithm Study Based on Graph
6 1 Theory
\cite{Zhu2011} X X X X X X X X X X X X
WDM-PON Design Model based on the
3 201
7 5
Minimum Spanning Tree search over Delaunay \cite{Arevalo2015} X X X X X X X X X X X X X
Triangulations

3 201 Sequences Through A Variant of Prim s

8 5 Algorithm
\cite{Biswas2015} X X X X X X X X X X X X
UNIVERSIDAD DE TALCA FACULTAD DE
3 201
9 0
INGENIER IA PRIZE COLLECTING \cite{Alvarez} X X X X X X X X X X X X X X X X X X X X
STEINER TREE CON DATOS
1 2
CANTIDAD:
17 25 16 12 21 21 20 24 21 23 8 18 7 15 7 23 18 19 4 20 16 30 9 0 12 25 19 9
 TEMTICA
INFRAESTRUCTURA DE MEDICIN AVANZADA - (AMI)

COSTOS 40 "

20

MINIMUM STEINER TREE 0DESPLIEGUE DE MDMS

STEINER TREE ARQUITECTURAS DE COMUNICACIN

ARBOLES DE EXPANSION

FORMULACIN DEL PROBLEMA

30

25

20

15

10

0
 SOLUCIN DADA MEDIANTE

30

25

20

15

10