Un nuevo horizonte para NILMTK con OpenZmeter


En plena crisis energética, el consumo eléctrico supone una importante fuente de gasto, tanto para las empresas, como para los ciudadanos podríamos haber reducido  las emisiones  de  32,23 Megatoneladas de Co2.

Para intentar optimizar el consumo eléctrico de cualquier entidad, es necesario previamente medir éste de la forma más fiel posible, pues no se puede optimizar nada que no se pueda medir, siendo lo ideal monitorizarlo en tiempo, con objeto de generar alarmas, registrar eventos y crear informes de análisis de calidad de energía.

Algunas de las utilidades de monitorizar el consumo eléctrico:

  • Estudiar los hábitos de consumo en función de las franjas horarias con objeto de promover políticas destinadas a su reducción.
  • Detectar picos indebidos de consumo en horas de baja actividad con objeto de detectar “consumos fantasmas” y consumos indebidos.
  • Racionalizar el gasto energético consumiendo sólo lo necesario evitando derroches superfluos, contribuyendo de esta manera a luchar contra el cambio climático.
  • Predecir el consumo energético estudiando el histórico.
  • Trasladar los picos de consumo, cuando sea posible, a otras franjas horarias con objeto de no sobrecargar la red.
  • Detectar cortes de suministro con objeto de generar alarmas o tomar medidas correctivas.
  • Diagnosticar posibles fallos tanto en las instalaciones como en los aparatos eléctricos.
  • Servicios relacionados con AAL (Ambient Assisted Living), es decir servicios para la independencia de las personas mayores .
  • Detectar consumos indebidos causados por sabotajes de las instalaciones.
  • Optimización de la demanda contratada.

Usando técnicas de monitorización según muchos expertos se puede ahorrar desde un 15% hasta  20%. Y no solo esto va de ahorro económico pues por ejemplo en España en 2020 podríamos haber reducido  las emisiones  de  32,23 Megatoneladas de Co2.

En este contexto, contamos con el OpenZMeter, un medidor monofásico de energía eléctrica, que es además también analizador de calidad de la energía. Este dispositivo, es  de código abierto,  cuenta  con capacidades de IoT y permite medir una amplia gama de variables eléctricas a una elevada frecuencia de muestreo (15625Hz).

Este nuevo código intenta completar  las capacidades del OZM adaptando para ello la herramienta de desagregación de la demanda NILMTK, mediante la ampliación del  uso de TimeStamp de 13 dígitos,  la creación  de dos nuevos convertidores y conversores con el soporte de transitorios hasta el orden 50 de tensión , corriente y potencia, la generación de dos nuevos DS y el desarrollo del nuevo  código abierto para la desagregación. 

Para ello, el entrenamiento contempla el uso de dos de los algoritmos de desagregación más conocidos, como son el de Optimización Combinatoria (CO) y el Modelo de Markovv Factorial Oculto (FHMM).

OZM requiere para la desagregación un periodo bastante más pequeño de unos 30” en contraposición con los requeridos con otros DS públicos que suele estar en torno a los 15’.

Tras el entrenamiento, los datos agregados pueden introducirse en el modelo para su desagregación y posterior análisis de los resultados obtenidos obteniéndose un error que no supera el 1%.

Gracias a que NILMTK proporciona funciones para calcular las métricas de los resultados de cada algoritmo de desagregación, en este estudio podemos comparar resultados obtenidos con diferentes métodos, periodos de muestreo, algoritmos y DS.

Resultados DEPS                                

RESULTADOS  OZM

Destaca el error mínimo en la desagregación así como  las métricas           MNEAP y RMSE cuyo comportamiento son bastante superiores en OZM frente a otros DS públicos

Conclusiones

  •  El uso de componentes armónicos se   demuestra que mejora el resultado de  casi  todas las métricas dependiendo mucho del tipo del dispositivo eléctrico.
  •  El comportamiento del nuevo DS  supera en tiempos de muestreo y métricas a otros DS públicos.
  • Se entrega código abierto  funcional que permite desagregar por completo una instalación convencional.
  •  En un horizonte futuro, como continuación de este trabajo, se propone obtener un mecanismo automatizado para desplegar en una instalación convencional para hacer posible mostrar en tiempo real  la desagregación del consumo energético de los diferentes aparatos eléctricos que lo constituyen.

Video resumen

En el siguiente video podemos ver un resumen en video de los conceptos y resultados mas importantes que hemos visto en este post:

NOTA : El código fuente del proyecto lo podemos encontrar en https://github.com/crn565

Deja una respuesta

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.