[ES] 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. / [EN] The energy demand is increasing considerably every year worldwide. Moreover, the electrification of different sectors has caused the growth of electricity demand at an even higher rate. Thus, the electricity grids have technologically evolved in several aspects, one of them is the availability of demand data at different points and levels of the grid, such as in transmission and distribution systems, and large and small con-sumers. The data provided by the new smart grids are essential baseline information for the management and planning of electricity systems.
The data provided by smart meters on electricity grids is worthless if it is not properly analysed. In addition to the appropriate processing of such data, tools are needed to obtain useful information. The energy demand management systems associated with pattern recognition have been scarcely studied at present. Some limitations have been identified in this area of study. For example, the characterization of electricity demand through pattern recognition has not been used to identify and evaluate changes in en-ergy consumption, whereas monitoring systems do not identify the possible causes of the anomalies detected in electricity demand.
Demand forecasting is an effective tool in the management of electricity supply sys-tems. Currently, tools such as neural networks and deep learning are preferred for this purpose. However, they present remarkable drawbacks, such as the difficulty in quan-tifying uncertainties, the requirement of huge computational resources, and considera-ble effort to establish the structure of the neural network to provide adequate results.
Based on the limitations detected, this thesis proposes a new statistical methodology to characterize the behaviour of the energy demand of consumers and other points of the electricity grid by identifying and obtaining patterns. The use of these patterns allows the assessment and identification of changes in electricity load profiles. Besides, the evaluation of changes in electricity demand allows these values to be associated with possible events in an installation. This methodology can be used to detect anomalies and to catalogue load profiles according to the changes they have had from their usual behaviour, which allows the identification of working modes of electrical systems. Concerning the prediction of demand, a simple application methodology is proposed to overcome the limitations detected in the instruments derived from artificial intelli-gence, which allows quantifying the uncertainty of the performed predictions. This information is useful for management since it is possible to generate alarms, reduce maintenance costs, and apply appropriate energy efficiency measures. On the other hand, a method is proposed for processing the data provided by the intelligent meters in order to adjust them to a known probability distribution, facilitating their interpre-tation and validating the statistical analysis. For this purpose, it has been related to the active electrical power absorbed by a consumer or a system in general with the exist-ing theory of time-series data.
Finally, the application of the proposed methodologies is evaluated in several real case studies at different points and levels of the electricity grid, identifying the benefits that can be obtained in the management of each of these systems. / [CA] La demanda d'energia a tot el planeta continua incrementant-se de manera accelerada. D'altra banda, l'electrificació de diferents sectors ha fet que la demanda d'electricitat creixi a una taxa encara més gran. Les xarxes elèctriques han evolucionat tecnològica-ment en molts aspectes, un d'ells es refereix a la disponibilitat de dades de la demanda en diferents punts i nivells de la xarxa, com en les de transmissió, de distribució i en els grans i petits consumidors. Aquestes dades subministrades per les noves xarxes elèctriques intel¿ligents constitueixen informació de partida essencial per a la gestió i planificació dels sistemes elèctrics. Les dades proporcionades pels mesuradors intel¿ligents de les xarxes elèctriques no tenen cap utilitat si no s'analitzen adequadament. A més del processament adequat d'aquestes dades, es requereixen eines que permetin obtenir informació útil. Els siste-mes de gestió de la demanda d'energia associats al reconeixement de patrons actual-ment s'han estudiat de manera escassa. En aquesta àrea d'estudi s'han identificat algunes limitacions. Per exemple, la caracterització de la demanda d'electricitat mitjançant el reconeixement de patrons no s'ha utilitzat per a la identificació i valoració de canvis en el consum d'energia i els sistemes de monitorització no identifiquen possibles causes de les anomalies detectades en la demanda d'energia elèctrica. La predicció de la demanda és també una eina eficaç en la gestió dels sistemes de sub-ministrament elèctric. Actualment, eines com ara les xarxes neuronals i l'aprenentatge profund són les preferides per a realitzar aquesta tasca. Però presenten alguns inconve-nients, com ara, la dificultat per quantificar la incertesa, requereixen una despesa computacional elevada i un esforç considerable per a establir l'estructura de la xarxa neuronal que proporcioni resultats adequats. Amb base en les limitacions detectades, en aquesta tesi es proposa una nova metodolo-gia estadística per caracteritzar el comportament de la demanda d'energia dels consu-midors i altres punts de la xarxa elèctrica mitjançant la identificació i obtenció de patrons. La utilització d'aquests patrons permet valorar i identificar canvis en perfils de càrrega d'electricitat. A més, la valoració dels canvis en la demanda elèctrica permet associar aquests valors a possibles esdeveniments en una instal¿lació. Aquesta metodo-logia pot ser emprada per detectar anomalies i catalogar perfils de càrrega d'acord al canvi que han tingut pel que fa al seu comportament habitual, el que permet identifi-car maneres de utilització dels sistemes elèctrics. En quant a la predicció de la deman-da, es proposa una metodologia de simple aplicació per afrontar les limitacions detec-tades en les eines derivades de la intel¿ligència artificial, de tal manera que sigui pos-sible delimitar la incertesa de les prediccions realitzades. Aquesta informació és útil en la gestió, ja que és possible generar alarmes, reduir costos en el manteniment i aplicar mesures adequades d'eficiència energètica. D'altra banda, es proposa un mètode per a tractar les dades proporcionades pels mesuradors intel¿ligents, de tal manera que s'ajus-tin a una distribució de probabilitat coneguda, facilitant la seva interpretació i validant l'anàlisi estadístic. Per a la qual cosa, s'ha relacionat a la potència elèctrica activa ab-sorbida per un consumidor o un sistema en general amb la teoria existent de les sèries temporals de dades. Finalment, s'avalua l'aplicació del mètode i la metodologia proposada en diversos casos d'estudi reals en diferents punts i nivells de la xarxa elèctrica, identificant els beneficis que es poden obtenir a la gestió de cada un d'ells. / Serrano Guerrero, JX. (2020). Caracterización de la demanda de energía mediante patrones estocásticos en las Redes Eléctricas Inteligentes [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/153810 / TESIS
Identifer | oai:union.ndltd.org:upv.es/oai:riunet.upv.es:10251/153810 |
Date | 02 November 2020 |
Creators | Serrano Guerrero, Johnny Xavier |
Contributors | Escrivá Escrivá, Guillermo, Universitat Politècnica de València. Departamento de Ingeniería Mecánica y de Materiales - Departament d'Enginyeria Mecànica i de Materials |
Source Sets | Universitat Politècnica de València |
Language | Spanish |
Detected Language | Spanish |
Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/acceptedVersion |
Rights | Reserva de todos los derechos, info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds