Herramienta para identificación no intrusiva de cargas eléctricas residenciales

Los usuarios finales residenciales del servicio de energía eléctrica no cuentan con información significativa que les permita conocer sus características de consumo de energía. Por esta razón consumen energía de forma innecesaria y sin saber que dispositivos lo hacen. Se desea que los usuarios puedan saber qué cargas son las que consumen en un tiempo determinado. El objetivo general del proyecto fue desarrollar una herramienta para identificación no intrusiva de cargas eléctricas residenciales, logrando que el usuario adquiera la información necesaria para toma de decisiones estructuradas ante su consumo. El proyecto está dividido por dos etapas, una de medición conformada por un sencillo sistema para adquisición de datos y un Smart-meter Shark 200. Con este se obtiene toda la información pertinente para la segunda etapa. La segunda etapa contiene una interfaz gráfica la cual procesa los datos de la etapa anterior para así por medio de una Red neuronal artificial, entrenada previamente, logre identificar el estado de operación de las cargas residenciales, tanto como la energía que consumieron en el periodo de tiempo que se realizó la adquisición de datos. En los resultados del proyecto, se cumplieron los alcances propuestos, como brindar el estado de operación de las cargas, tanto como el consumo de las mismas en el periodo de tiempo establecido por el usuario al usar el sistema de medición. Adicional a esto almacena las gráficas de las variables eléctricas (Potencia, Factor de potencia y Corriente). Para una segunda etapa se recomienda en el entrenamiento de la red, utilizar valores estandarizados para minimizar el error mínimo cuadrado de la red. Otra sugerencia es considerar una variable eléctrica más para así lograr identificar mejor las cargas estudiadas. Gracias a esta interfaz gráfica el usuario tiene la posibilidad de mejorar el consumo irracional de energía, evitando así esos malos hábitos que hace poco nos llevan casi a un apagón nacional.

• Autores: Martínez Insignares, Julio Mario; Baquero, Luis Fernando
• Fecha de publicación: 2016
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/5867
• Acceso en línea: http://hdl.handle.net/10584/5867
• Palabra clave: Red Neuronal Artificial, No intrusivo, Identificación, Cargas Residenciales.; Artificial Neural Network, Non-intrusive, Identification, Residential Loads.
• License: Universidad del Norte