Utilización de técnicas de agrupamiento para la obtención de curvas de carga representativas de consumidores tipo residencial, comercial e industrial: utilización de la técnica de agrupamiento modified follow the leader para la obtención de curvas de carga representativas de consumidores tipo: residencial, comercial e industrial.

Abstract

Este trabajo de integración curricular utilizó las mediciones de consumo de potencia activa de 236 clientes pertenecientes a la empresa eléctrica CNEL-Unidad de Negocios Azogues, para formar una base de datos que contiene las curvas de carga diaria de consumidores tipo: residencial, comercial e industrial, cada curva de carga diaria se construyó con la unión de potencias activas pico promedio en intervalos de una hora, durante un día para un mismo cliente. Se clasificó la base de datos por tipo de consumidor y por días de la semana, formando tres grupos para cada tipo de consumidor de la siguiente forma: días de lunes a viernes, días sábado y días domingo, cada grupo de curvas de carga diaria fue normalizado con respecto a la máxima potencia activa de cada curva, con la finalidad de obtener el mismo peso al asignar cada curva a un grupo, evitando que algunas curvas sean consideradas como datos atípicos al tener distintas potencias máximas. Las curvas de carga diaria normalizadas pertenecientes a un mismo tipo de consumidor y para un mismo grupo de días de la semana se ingresaron al algoritmo de agrupamiento “Modified Follow The Leader” que encontró curvas de carga diaria representativas, las mismas que proporcionan diferentes patrones de consumo eléctrico para dicho grupo. Finalmente se calculó para cada tipo de consumidor los índices de adecuación: “The Mean Index Adequacity” y “The Clustering Dispersion Indicator” con lo que se analiza si el algoritmo es óptimo para agrupar iguales formas de curva de carga y separar diferentes formas de curvas de carga representativa, respectivamente.