Nueva aproximación estadística a la clasificación de consumidores y la construcción de curvas de carga
DOI:
https://doi.org/10.14482/inde.38.1.519.5Palabras clave:
Curvas de carga, Demanda eléctrica, Redes de distribución, Transformadores de distribuciónResumen
En un sistema eléctrico de distribución es de suma importancia tener un conocimiento detallado de las características de las cargas que este alimenta y que determinan en última instancia el comportamiento de los parámetros en los diferentes regímenes de operación. Existen métodos diversos para la clasificación de los consumidores y la construcción de las curvas de carga diaria típicas, sin embargo estos métodos en su mayoría no consideran que estas curvas están sujetas a la conducta de cada tipo de consumidor. Este trabajo propone una nueva aproximación al problema a partir de un método basado en dos herramientas estadísticas, el coeficiente de concordancia de Kendall y el coeficiente de correlación por rangos de Spearman, y se comprueba la efectividad del mismo mediante su aplicación en dos circuitos de distribución, demostrándose que existe coincidencia entre los perfiles de carga obtenidos mediante el método propuesto, y los que se obtuvieron mediante mediciones realizadas en la subestación.
Citas
Y. Wang, Q. Chen, C. Kang, M. Zhang, K. Wang, Y. Zhao. “Load profiling and its application to demand response: A review”. Tsinghua Science and Technology. Vol. 20. 2015. pp. 117-129. Doi: 10.1109/TST.2015.7085625
A. Mutanen, M. Ruska, S. Repo, P. Jarventausta. “Customer Classification and Load Profiling Method for Distribution Systems” IEEE Transactions on Power Delivery. Vol. 26.2011. pp. 1755-1763. Doi: 10.1109/TPWRD.2011.2142198
J. A. Jardini, M.V. Tahan, M.R. Gouvea, S. Un Ahn. “Daily load profiles for residential, commercial and industrial low voltage consumers”. IEEE Transactions on Power Delivery. Vol. 15. 2000. pp. 375-380. Doi: 10.1109/61.847276
C. Mihai, I. Lepadat, E. Helerea, D. Câlin. “Load curve analysis for an industrial consumer”. in IEEE 12th International Conference on Optimization of Electrical and Electronic Equipment (OPTIM). Bazov. 2010. pp. 1275–1280. Doi: 10.1109/OPTIM.2010.5510494
J. Dickert, P. Schegner. “A time series probabilistic synthetic load curve model for residential customers”. in IEEE PowerTech Conference. 2011. pp. 1-6. Doi: 10.1109/PTC.2011.6019365
P. R. Harvey, B. Stephen, S. Galloway. “Classification of AMI Residential Load Profiles in the Presence of Missing Data”. IEEE Transactions on Smart Grid. Vol. 7. 2016. pp. 1944-1945. Doi: 10.1109/TSG.2016.2558459
F. McLoughlin, A. Duffy, M. Conlon. “A clustering approach to domestic electricity load profile characterisation using smart metering data”. Applied Energy. Vol. 141. 2015. pp. 190–199. Doi: 10.1016/j.apenergy.2014.12.039
J. L. Viegasa, S.M. Vieiraa, R. Melícioa, V.M.F. Mendesb, J.M.C. Sousaa. “Classification of new electricity customers based on surveys and smart metering data”. Energy. Vol. 107. 2016. pp. 804–817. Doi: 10.1016/j.energy.2016.04.065
G. Chicco, R. Napoli, F. Piglione. “Comparisons among clustering techniques for electricity customer classification”. IEEE Transactions on Power Systems. Vol. 21. 2006. pp. 933-940. Doi: 10.1109/TPWRS.2006.873122
D. Jang, J. Eom, M.J. Park, J.J. Rho. “Variability of electricity load patterns and its effect on demand response: A critical peak pricing experiment on Korean commercial and industrial customers”. Energy Policy. Vol. 88. 2016. pp. 11–26. Doi:10.1016/j.enpol.2015.09.029
S. V. Verdu, M.O. Garcia, C. Senabre, A.G. Marin, F.J.G. Franco “Classification, Filtering, and Identification of Electrical Customer Load Patterns Through the Use of Self-Organizing Maps”. IEEE Transactions on Power Systems. Vol. 21. 2006. pp. 1672-1682. Doi: 10.1109/TPWRS.2006.881133
E. D. Varga, S.F. Beretka, C. Noce, G. Sapienza. “Robust Real-Time Load Profile Encoding and Classification Framework for Efficient Power Systems Operation”. IEEE Transactions on Power Systems. Vol. 30. 2015. pp. 1897-1904. Doi:10.1109/TPWRS.2014.2354552
J. Bulckaen, I. Keseru, C. Macharis. “Sustainability versus stakeholder preferences: Searching for synergies in urban and regional mobility measures”. Research in Transportation Economics. Vol. 55. 2016. pp. 40–49. Doi:10.1016/j.retrec.2016.04.009
X. Qin, Y. Mo, L. Jing. “Risk perceptions of the life-cycle of green buildings in China”. Journal of Cleaner Production. Vol. 126. 2016. pp. 148–158. Doi: 10.1016/j.jclepro.2016.03.103
W. Xu, Z. Chen, W. Liu. “A new coefficient of concordance with applications to biosignal analysis” in MIPPR 2015: Remote Sensing Image Processing, Geographic Information Systems, and Other Applications, Enshi, China 2015. Doi:10.1117/12.2210993
T. W. MacFarland, J. M. Yates. “Spearman’s Rank-Difference Coefficient of Correlation”. in Introduction to Nonparametric Statistics for the Biological Sciences Using R, ed Cham: Springer International Publishing. 2016. pp. 249-297. Doi:10.1007/978-3-319-30634-6_8
M. T. Puth, M. Neuhäuser, G.D. Ruxton. “Effective use of Spearman’s and Kendall’s correlation coefficients for association between two measured traits”. Animal Behaviour. Vol. 102. 2015. pp. 77–84. Doi: 10.1016/j.anbehav.2015.01.010
O. Urbano, et al., “Enfoque técnico-económico para el dimensionamiento de transformadores de distribución,” Ingeniería y Desarrollo, Vol. 34. 2016. pp. 267-285. Doi: 10.14482/inde.33.2.6368
