Ingeniero Civil Electricista / Se entenderá por calidad de servicio el conjunto de propiedades y estándares normales que, conforme la Ley y el Reglamento Eléctrico son inherentes a la actividad de distribución concesionada, y constituyen las condiciones bajo las cuales dicha actividad debe desarrollarse. Esta incluye la calidad de servicio comercial, la calidad de suministro y dentro de ésta la calidad de producto y la disponibilidad del servicio eléctrico. Se entenderá por calidad de suministro la disponibilidad del servicio, la cual se medirá a través de las interrupciones de suministro: cantidad y duración de ellas. Estas definiciones encuentran su sustento legal en la Ley General de Servicios Eléctricos (DFL 4/2006), el Reglamento Eléctrico (DS 327/1997) y las normas técnicas.
Actualmente las exigencias de calidad de suministro establecen índices ligados a las empresas y zonas de concesión de distribución, estableciéndose exigencias en base a índices poblacionales, kilómetros de redes de distribución y criterios que no dan cuenta de la densidad de consumo, criterio que determina necesariamente la calidad que se necesita. El presente trabajo propone una metodología de asignación de grupos de consumidores dentro del territorio nacional a índices de calidad representativos mediante técnicas de minería de datos (clustering), con independencia de la empresa suministradora, la topología de las redes existentes o las distinciones demográficas. La agrupación se basa en parámetros geográficos y de consumo anual de energía.
La metodología se deriva de una serie de tentativas de agrupación de datos reales correspondientes a los consumos de la octava y novena región, realizada con tres programas computacionales que implementan una serie de algoritmos de clustering.
La metodología se basa en tres etapas: una etapa de pre-procesamiento donde se llevan los datos a un formato manejable y se filtran para eliminar datos no pertinentes para el análisis, una etapa de clustering en donde los datos son agrupados a través del algoritmo K-means. Luego se realiza el cálculo de los vecinos más cercanos para cada cluster, el cual orienta en la elección del parámetro épsilon para el algoritmo DBSCAN utilizado para realizar una nueva agrupación basada en densidad para cada uno de los cluster, produciéndose subclusters cuya característica es tener distintas densidades. Para todas las etapas de clustering se utiliza una métrica basada en datos geográficos (coordenadas x e y de los datos) y el consumo anual de energía. La tercera etapa de post-procesamiento permite asociar a cada uno de los subclusters un índice de densidad de consumo por área. Finalmente, se escogió un esquema de regresiones lineales con los índices de densidad de consumo para determinar las zonas de exigencias.
Se aplica la metodología y se contrasta con el esquema actual, a través del análisis de algunos casos de interés. Se comprueba que esta metodología corrige limitantes que el esquema actual no considera.
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/115571 |
| Date | January 2014 |
| Creators | Flores Cartes, Claudio Nicolás |
| Contributors | Flatow Garrido, Fernando, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Eléctrica, Bravo Cerda, Juan, Morales Osorio, Nelson |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.002 seconds