Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Jifica
Jifica
Monitoreo no intrusivo de
cargas basado en regresión con
núcleos de ondículas
P. García
X. Domínguez
D. Chiza
Universidad Técnica del Norte, FICA
pgarcia@utn.edu.ec.
RESUMEN
El consumo de energía eléctrica, tanto en el sector residencial como industrial, se incrementa continu-
amente, por lo que es necesario desarrollar estrategias que permitan optimizar dicho consumo. Una al-
ternativa interesante para la solución de este problema, consiste en estimar los consumos de cada una de
las cargas, o grupos de cargas, que conforman el sistema eléctrico bajo estudio, para luego suministrar la
información a usuarios y proveedores, de forma que se tomen decisiones tendientes a mejorar la eficiencia
del sistema. En este trabajo, para estimar el consumo individual de un grupo de cargas, se presenta un es-
quema de monitoreo no intrusivo usando una metodología de regresión basada en núcleos reproductivos
de espacios de Hilbert, construidos usando ondículas. Se muestran resultados que pueden ser de utilidad
en el diseño de estrategias de desagregación de cargas o de medición inteligente.
ABSTRACT
Introducción
Donde se supone que la corriente en el futuro es afectada por el estado de los inte-
rruptores en el presente y donde hemos codificado el estado del conjunto de interrupto-
res como un número real:
Los alcances obtenidos, en función de los resultados expuestos, pueden ser de utili-
dad en el diseño de estrategias eficientes de monitoreo no intrusivo de cargas y aportan
igualmente ideas para el diseño de redes de distribución de energía eficientes y/o inteli-
gentes.
La función f proporciona la relación entre el estado de los interruptores en el presen-
te y el estado futuro de la corriente total. Naturalmente, una estimación de esta función
permite predecir la actividad de cargas individuales dado el valor de la corriente total.
Esta estrategia difiere de la habitual usada en la teoría de los sistemas dinámicos, en la
construcción de los vectores. En este caso, en lugar de construir vectores con el estado
actual y sus predecesores, los vectores, que hemos llamado vectores avanzados, se cons-
truyen con el estado actual y los valores futuros de la variable.
Una alternativa eficaz para aproximar f, es el método de regresión basado en núcleos
reproductivos de los espacios de Hilbert (kernels). En esta estrategia, los datos se trans-
forman mediante el conjunto hi (.) y f se ajusta mediante una combinación lineal de hi (.)
(García & Merlitti, 2007). Mediante el uso de kernels, K (·,·), es posible realizar el mapeo
y su inversa, implícitamente. De manera que:
Donde los βi, son constantes de normalización. La estrategia para calcular los coefi-
cientes son puede presentarse de manera algorítmica como sigue:
Dados N pares de datos
Se reescribe (1) usando productos escalares y se evalúa, para obtener N-1 ecuaciones
2017 II Jornadas internacionales de investigación científica s 491
Donde K es una matriz N×N, ATes la matriz traspuesta de A y las letras minúsculas
en negrilla representan vectores.
Se usa la pseudo-inversa de Moore-Penrose (Penrose, 1955), para estimar .
Resultados.
Conclusiones.