Herramienta para identificación no intrusiva de cargas eléctricas residenciales

En Colombia, los usuarios finales del servicio de energía eléctrica no cuentan con información que les permita identificar formas de hacer un uso más eficiente de la energía basado en el conocimiento de la forma en la cual usa sus dispositivos eléctricos. Al solucionar el presente problema se incentiva al usuario a tener una cultura del ahorro y se le brinda información para que pueda implementar estrategias para reducir los costos por facturación de la energía. La propuesta central del proyecto es realizar una herramienta que permita identificar en que momento una determinada carga es encendida o apagada, sin necesidad de medir constantemente dicha carga, esta permitirá al usuario tener mayor conocimiento sobre su consumo de energía de una forma económica y no invasiva en su instalación. Se desarrolló un sistema de adquisición, el cual consta de tres protecciones ante sobrecorrientes. El medidor se protegió con fusibles de 0.1A y 3A. Los cables del sistema de adquisición, los cuales son de 14AWG, se protegen con un fusible de 10A. El medidor Shark 200S logra la comunicación con el computador a través de una cable serie conectado a los convertidores RS485 a RS232 y RS232 a USB. La herramienta software desarrollada, utiliza un sistema de redes neuronales elaborado en la herramienta Nftool de Matlab®. La red neuronal es tipo feedforward neural network, está compuesta por 25 neuronas y se entrenó ingresando 105 muestras. Para un tamaño óptimo calculado de 126 muestras, se obtuvo un porcentaje de aciertos de 82.73%, a partir de este resultado, se calculó el intervalo de confianza para la proporción teniendo en cuenta una precisión de 0.05 y una confiabilidad del 95%, el resultado obtenido fue de 76.12% a 89.33%. Además, se obtuvo los porcentajes de acierto más altos en las cargas que poseen un consumo de energía mayor con respecto demás cargas y en las pruebas en donde hubo más cargas activas al tiempo.

• Autores: Esmeral Lascano, Daniel De Jesús; Osorio Goenaga, Iván David
• Fecha de publicación: 2016
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/5903
• Acceso en línea: http://hdl.handle.net/10584/5903
• Palabra clave: Redes inteligentes, medidores inteligentes, casas inteligentes, gestión de la información, redes neuronales, monitoreo no intrusivos de cargas eléctricas.; Smart grids, smart meters, Smart home, information management, neural networks, non-intrusive load monitoring.
• License: Universidad del Norte