Revisión de aplicaciones de técnicas de monitoreo no intrusivo de cargas en redes eléctricas inteligentes
Resumen
Las redes eléctricas inteligentes están transformando la relación de los usuarios con la electricidad de diferentes maneras. En este artículo se resumen algunas potenciales aplicaciones que se desarrollarán en los próximos años bajo este marco conceptual, las cuales tienen como denominador común el uso de técnicas de monitoreo no intrusivo de cargas. Estas técnicas permiten desagregar consumos a partir de mediciones puntuales en ciertos lugares de la red eléctrica, sin necesidad de monitorear dispositivos en forma individual. Algunas de estas nuevas funcionalidades tienen especial relevancia en las redes eléctricas de los países en vías de desarrollo, las cuales presentan retos complejos y necesitan una modernización, mientras que otras tienen su motivación en demandas específicas de países desarrollados. En todos los casos, el uso de técnicas de monitoreo no intrusivo de cargas abre nuevos campos de investigación y desarrollo tecnológico aplicado que van desde aspectos técnicos de las redes eléctricas hasta cuestiones de índole social.
Descargas
Citas
Alcalá, J.M.; Ureña, J.; Hernández, A. y Gualda, D. (2017). Assessing Human Activity in Elderly People Using Non-Intrusive Load Monitoring. Sensors, (17), 351
Alcalá Orzáez, J.M. (2017). Non-Intrusive Load Monitoring techniques for Activity of Daily Living recognition, PhD Thesis, Universidad de Alcalá, España
Belley, C., Gaboury, S., Bouchard, B. y Bouzouane, A. (2014). An efficient and inexpensive method for activity recognition within a smart home based on load signatures of appliances. Pervasive and Mobile Computing, no. 12, pp. 58-78
Bollen, M.H.J. y Gu, I.Y.H. (2006). Signal processing of power quality disturbances. Wiley-IEEE Press, New Jersey
Brinkel, N.; Gerritsma, M..; AlSkaif, T.; Lampropoulos, I.; van Voorden, A. M.; Fidder, H. y van Sark, W. (2020). Impact of rapid PV fluctuations on power quality in the low-voltage grid and mitigation strategies using electric vehicles. Int. J. Electrical Power & Energy Systems, vol 118
Chang, H.-H. y Linh, N.V. (2017). Statistical Feature Extraction for Fault Locations in Nonintrusive Fault Detection of Low Voltage Distribution Systems. Energies 10, 611
Donato, P.G., Carugati, I., Strack, J.L., Orallo, C.O. y Funes, M.A. (2021). Detección y clasificación automática de eventos de tensión para el diagnóstico de fallas en redes de distribución. XIX Reunión de Trabajo en Procesamiento de la Información y Control (XIX RPIC 2021). San Juan, Argentina
Fiaschetti, L., Risso, M. y Boroni, G. (2019). Fault location index for distribution power system restoration using voltage sags. Int. Trans. Electrical Energy Systems
Fortin-Simard, D., Bilodeau, J., Gaboury, S., Bouchard, B. y Bouzouane A. (2014). Human activity recognition in smart homes: Combining passive RFID and load signatures of electrical devices. 2014 IEEE Sym. on Intelligent Agents, 22-29
Hart, G.W., Kern Jr., E. y Schweppe, F.C. (1989). Non-intrusive appliance monitor apparatus. U.S.A.
Hart, G.W. (1992) Nonintrusive appliance load monitoring. Proc. of the IEEE, vol. 80, (12), 1870–1891
He, D.; Lin, W.; Liu, N.; Harley, R. y Habetler, T. (2013). Incorporating Non-Intrusive Load Monitoring Into Building Level Demand Response. IEEE Trans. Smart Grids, (4), 1870-1877
Jimenez, V.A., Will, A. y Rodriguez, S. (2020). Phase identification and substation detection using data analysis on limited electricity consumption measurements. Electric Power Systems Research, vol. 187
Le, D.P., Bui, D.M., Ngo, C.C. y Le, A.M. (2018). FLISR Approach for Smart Distribution Networks Using E-Terra Software—A Case Study. Energies, 11, 3333
Loyarte, A., Sangoi, E., Clementi, L. y Vega, J. (2017). Optimal distribution of battery banks in microgrids with high photovoltaic penetration. XVII Work. Information Processing and Control (RPIC), Mar del Plata
Nalmpantis, C. y Vrakas, D. (2019). Machine learning approaches for non-intrusive load monitoring: from qualitative to quantitative comparation. Artificial Intelligence Review, 52(1), 217-243
Patrono, L., Rametta, P. y Meis, J. (2018). Unobtrusive Detection of Home Appliance's Usage for Elderly Monitoring. 3rd Int. Conf. Smart and Sustainable Technologies
Pau, G.; Collotta, M.; Ruano, A. y Qin, J. (2017). Smart Home Energy Management. Energies, (10), 382
Spalding, R., Rosa, L., Almeida, C., Morais, R. y Gouvea, M. (2016). Fault Location, Isolation and service restoration (FLISR) functionalities tests in a Smart Grids laboratory for evaluation of the quality of service. 17th Int. Conf. Harmonics and Quality of Power (ICHQP), Belo Horizonte, 879-884
Xu, M., Li, R. y Li, F. (2016). Phase Identification With Incomplete Data. IEEE Trans. Smart Grids, 9(4), 2777-2785
Los artículos publicados en la Revista Ciencia y Tecnología son de exclusiva propiedad de sus autores. Las opiniones y el contenido de los mismos pertenecen a sus autores, declinando la Universidad de Palermo toda responsabilidad por los derechos que pudiera derivarse de la lectura y/o interpretación del contenido de los artículos publicados.
No se autoriza la reproducción, utilización ni explotación por parte de ningún tercero de los artículos publicados. Sólo se autoriza su uso para fines exclusivamente académicos y/o de investigación.
