Reconstrucción de la curva de carga eléctrica residencial a partir de selección muestral usando sensado comprimido

Para citar o enlazar este item, por favor use el siguiente identificador: http://dspace.ups.edu.ec/handle/123456789/14951
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorInga Ortega, Esteban Mauricio-
dc.contributor.authorAndrade Montoya, Paúl Alexander-
dc.date.accessioned2017-12-20T20:59:01Z-
dc.date.available2017-12-20T20:59:01Z-
dc.date.issued2017-12-
dc.identifier.citationAndrade Montoya, P. A. (2017). Reconstrucción de la curva de carga eléctrica residencial a partir de selección muestral usando sensado comprimido. Universidad Politécnica Salesiana. Carrera de Ingeniería Eléctrica. Sede Quito.-
dc.identifier.otherUPS-KT01448-
dc.identifier.urihttps://dspace.ups.edu.ec/handle/123456789/14951-
dc.descriptionThe demand response (DR), search to provide quality service, that allows to reduce significantly the costs and to guarantee the security of the network. Therefore, it is necessary to make an adequate estimate of the load curve, considering that an intelligent measurement system has been implemented to obtain the demand data. In an Advanced Measurement Infrastructure (AMI), there is the possibility of failures or malicious attacks that may disrupt the exchange of information between the electrical company and end users, causing the loss of data and hasn't complete information of load profiles. In this article presents techniques that allow the reconstruction of the load curve with a minimum amount of data. For this, a comparative analysis is performed between different algorithms that use a matrix mathematical model, based on the compressed sensing theory. In addition, to know which is the best option, a reconstruction error calculation is performed using a percentage of the mean square difference, considering the original signal and the reconstructed signal.en_US
dc.description.abstractLa respuesta a la demanda (DR), busca proporcionar un servicio de calidad, que permita reducir significativamente los costos y garantizar a su vez la seguridad de la red. Por lo tanto, es necesario realizar una adecuada estimación de la curva de demanda, considerando que se tiene implementado un sistema de medición inteligente para la obtención de los datos de demanda. Dentro de una infraestructura de medición avanzada (AMI), existe la posibilidad de que se den fallas o ataques maliciosos que interrumpan el intercambio de información entre la empresa eléctrica y los usuarios finales, causando que se pierdan datos y no se tenga la información completa de los perfiles de demanda. En este artículo se presentan técnicas que permiten reconstruir la curva de demanda con una mínima cantidad de datos, para esto se realiza un análisis comparativo entre diferentes algoritmos que utilizan un modelo matemático matricial, basado en la teoría de sensado comprimido. Además, para saber cuál es la mejor opción, se realiza un cálculo del error de reconstrucción mediante un porcentaje de la diferencia cuadrática media, considerando la señal original y la señal reconstruida.es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Politécnica Salesiana. Carrera de Ingeniería Eléctrica. Sede Quito.es_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectINGENIERÍA ELÉCTRICAes_ES
dc.subjectDISTRIBUCIÓN DE ENERGÍA ELÉCTRICAes_ES
dc.subjectELECTRICIDAD – VIVIENDASes_ES
dc.subjectDENSIDAD ELÉCTRICAes_ES
dc.subjectSISTEMAS DE TRANSMISIÓN DE DATOSes_ES
dc.titleReconstrucción de la curva de carga eléctrica residencial a partir de selección muestral usando sensado comprimidoes_ES
dc.typebachelorThesises_ES
ups.carreraIngeniería Eléctrica-
ups.sedeSede Quito-
Appears in Collections:Grado

Files in This Item:
File Description SizeFormat 
UPS-KT01448.pdfTexto completo1,86 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons