Load forecasting on the user side by means of computational intelligence algorithms

Tesis doctoral de Juan Jose Cardenas Araujo

En el contexto energético actual y particularmente en el lado del usuario, el concepto de sistema de gestión energética (ems) se presenta como una alternativa apropiada para mejorar continuamente la eficiencia energética. Los emss en combinación con las tecnologías informáticas dan origen al concepto de iems, que además de soportar las funciones de los ems, tienen la capacidad de modelar, pronosticar, controlar y supervisar los consumos energéticos. Su principal objetivo es el de realizar una mejora continua, lo más autónoma posible y predictiva de la eficiencia energética. este tipo de sistemas tienen como núcleo fundamental el sistema de modelado y pronóstico de consumos (load modelling and forecast system, lmfs). El lmfs está habilitado para pronosticar el comportamiento futuro de cargas y, si es necesario, de generadores. Es sobre estos pronósticos sobre los cuales el iems puede realizar sus tareas automáticas y predictivas de optimización y supervisión. Los lmfs en el lado del usuario son el foco de esta tesis. un lmfs en el lado del usuario, diseñado para soportar un iems requiere o demanda ciertas características que en otros contextos no serían tan necesarias. En primera estancia, los perfiles de los usuarios tienen un alto grado de aleatoriedad que los hace más difíciles de pronosticar. Segundo, el gran número de puntos a modelar requiere que el lmfs tenga por un lado, un nivel elevado de autonomía para generar de la manera más desatendida posible los modelos. Por otro lado, necesita un nivel elevado de adaptabilidad para que, usando la misma estructura o metodología, pueda modelar diferentes tipos de cargas cuya procedencia pude variar significativamente. por lo tanto, los sistemas de modelado abordados en esta tesis son aquellos que no solo buscan mejorar la precisión, sino también la adaptabilidad y autonomía. En busca de estos objetivos y soportados principalmente por algoritmos de inteligencia computacional, procesamiento de señales y estadística, hemos propuesto tres algoritmos novedosos para el desarrollo de un lmfs en el lado del usuario. el primero de ellos busca mejorar la adaptabilidad del lmfs manteniendo una buena precisión y capacidad de autonomía. Denominado eta, consiste del uso de una estructura anfis que es entrenada por un algoritmo genético multi objetivo (moga). Como resultado de este híbrido, obtenemos un algoritmo con excelentes capacidades de generalización y fácil de adaptar para el entrenamiento y evaluación de nuevas estructuras adaptativas basadas en anfis. el segundo de los algoritmos desarrollados aborda la autonomía del lmfs para así poder generar modelos de múltiples cargas. Al igual que en la anterior propuesta usamos un anfis y un moga, pero esta vez el moga en vez de entrenar el anfis, se utiliza para encontrar la configuración cuasi-óptima del anfis. Encontrar la onfiguración apropiada de un anfis es muy importante para obtener un buen funcionamiento del lmfs en lo que a precisión y generalización respecta. El lmfs propuesto, además de configurar automáticamente el anfis, incluyó diversos algoritmos para procesar los datos puros que casi siempre estuvieron contaminados de datos espurios y gaps de información, operando satisfactoriamente en las condiciones de prueba en un escenario real. el tercero y último de los algoritmos buscó mejorar la precisión manteniendo la autonomía y adaptabilidad, aprovechando para ello la existencia de patrones dominantes de más baja resolución temporal que el consumo objetivo, y que son más fáciles de modelar y pronosticar. La metodología desarrollada se basa en la transformada de hilbert-huang para detectar y seleccionar tales patrones dominantes. Además, esta metodología define el uso de modelos parciales de los patrones dominantes seleccionados, para mejorar la precisión del lmfs y mitigar el problema de aleatoriedad que afecta a los consumos en el lado del usuario

 

Datos académicos de la tesis doctoral «Load forecasting on the user side by means of computational intelligence algorithms«

  • Título de la tesis:  Load forecasting on the user side by means of computational intelligence algorithms
  • Autor:  Juan Jose Cardenas Araujo
  • Universidad:  Politécnica de catalunya
  • Fecha de lectura de la tesis:  11/07/2013

 

Dirección y tribunal

  • Director de la tesis
    • José Luís Romeral Martínez
  • Tribunal
    • Presidente del tribunal: norma Anglani
    • monica Millan giraldo (vocal)
    • (vocal)
    • (vocal)

 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Scroll al inicio