Análisis de datos energéticos para datos de contadores inteligentes

El despliegue de contadores de electricidad inteligentes es una piedra angular para la realización de redes de energía eléctrica de próxima generación.

Además de medir los datos de consumo eléctrico con resoluciones temporales y de amplitud mucho mayores que las que ofrecen los dispositivos de medición tradicionales, los medidores inteligentes pueden comunicar los datos recopilados a proveedores de servicios externos y, por lo tanto, permitir la creación de nuevos servicios basados ​​en datos de energía que se extienden mucho más allá de su uso para fines de facturación.

Estos incluyen, entre otros, la habilitación de la vida asistida por el ambiente, la generación y la previsión de la demanda, o la provisión de recomendaciones sobre cómo ahorrar energía.

Un desafío de investigación fundamental, aún sin resolver en la actualidad, es cómo explorar y explotar completamente el contenido de información de los datos de los medidores inteligentes. Este es un desafío que atañe no solo al procesamiento de datos, sino también a su recopilación, transmisión y garantía de la seguridad y protección de la privacidad adecuadas.

Este libro incluye doce trabajos de investigación y dos artículos de revisión que cubren todo el ciclo de vida de los datos de los medidores inteligentes. El primer conjunto de contribuciones se centra en proporcionar nuevas soluciones para el procesamiento de datos de contadores inteligentes. Estos incluyen enfoques innovadores para el monitoreo de carga no intrusivo (NILM) y la identificación del robo de electricidad, explotando técnicas novedosas y parcialmente basadas en parámetros más allá de los datos de los medidores inteligentes.

Estas contribuciones van seguidas de enfoques novedosos para otros servicios basados ​​en datos, incluida la recopilación para preservar la privacidad y la generación sintética de datos de consumo de electricidad.

Cómo citar:

APA

Reinhardt, A., & Pereira, L. (2021). “Energy Data Analytics for Smart Meter Data”.

ISO 690

REINHARDT, Andreas; PEREIRA, Lucas. “Energy Data Analytics for Smart Meter Data”. 2021.

MLA

Reinhardt, Andreas, and Lucas Pereira. «“Energy Data Analytics for Smart Meter Data”.» (2021): 5376.

Revisión sobre redes neuronales profundas aplicadas a NILM de baja frecuencia.

Este documento revisa los enfoques de monitoreo de carga no intrusivo (NILM) que emplean redes neuronales profundas para desagregar dispositivos de datos de baja frecuencia, es decir, datos con tasas de muestreo más bajas que la frecuencia base de CA. El propósito general de esta revisión es, en primer lugar, obtener una descripción general del estado de la investigación hasta noviembre de 2020 y, en segundo lugar, identificar temas de investigación abiertos que valgan la pena.

En consecuencia, primero revisamos los muchos grados de libertad de estos enfoques, lo que ya se ha hecho en la literatura, y compilamos las principales características de las publicaciones revisadas en una extensa tabla de descripción general. La segunda parte del artículo analiza aspectos seleccionados de la literatura y las correspondientes brechas de investigación.

En particular, hacemos una comparación de rendimiento con respecto al error absoluto medio informado (MAE) y las puntuaciones F1 y observamos diferentes elementos recurrentes en los enfoques de mejor rendimiento, a saber, intervalos de muestreo de datos por debajo de 10 s, un gran campo de visión, el uso de Pérdidas de la red generativa adversarial (GAN), aprendizaje multitarea y posprocesamiento.

Posteriormente, se discuten las características de entrada múltiple, el aprendizaje de múltiples tareas y las brechas de investigación relacionadas, se destaca la necesidad de estudios comparativos y, finalmente, se señalan los elementos faltantes para un despliegue exitoso de enfoques NILM basados ​​en redes neuronales profundas. Concluimos la revisión con una perspectiva de posibles escenarios futuros.

Obtener libro
Fuente: MDPI Book