Creación de modelo de monitoreo no intrusivo de cargas (NILM) para  desagregación eléctrica aplicado en Ecuador

Cedeño Zamora, Carlos Enrique

DSpace Home
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Maestría en Ciencia de Datos
→
View Item

dc.contributor.advisor	Córdova, José , Director
dc.contributor.author	Cedeño Zamora, Carlos Enrique
dc.creator	ESPOL.FIEC
dc.date.accessioned	2025-01-30T14:42:22Z
dc.date.available	2025-01-30T14:42:22Z
dc.date.issued	2024
dc.identifier.citation	Cedeño Zamora, C. E. (2024). Creación de modelo de monitoreo no intrusivo de cargas (NILM) para desagregación eléctrica aplicado en Ecuador. [Proyecto de Titulación]. ESPOL.FIEC .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/63226
dc.description	El uso de técnicas de monitoreo en el campo eléctrico ha revolucionado la toma de decisiones para los administradores de edificios y sistemas de control de energía. Además, la creciente disponibilidad de sensores y smart-meters permite la creación de aplicaciones en entornos inteligentes, como la identificación de patrones de ocupación en oficinas y edificios. Sin embargo, la falta de datasets abiertos para analizar y probar tales aplicaciones retrasa su implementación y complica la adaptación a escenarios desconocidos. En este trabajo, se presenta el proceso de creación de un modelo para la desagregación no intrusiva de cargas eléctricas o NILM, el cual consiste en obtener las mediciones desagregadas de una fuente primaria de monitoreo eléctrico sin necesidad de sensores adicionales. Esto implica varias fases, desde la creación de un sistema de telemetría para obtener los datos, el armado de un dataset, creación de perfiles de carga, el entrenamiento de modelos y la puesta en producción, todo esto presentado en un dashboard de monitoreo. Para aprovechar la fuente de datos que se va a crear, se complementó la información con estadísticas en tiempo real de la operación eléctrica tales como el consumo acumulado, pronósticos de consumo, su equivalente monetario y otros parámetros de importancia. Al final, presentamos CLED, Computer Lab Level Energy Dataset, un conjunto de datos obtenido en un entorno controlado con dispositivos comúnmente encontrados en un laboratorio de aula de ingeniería. También NilmEC, una aplicación web que permite el monitoreo en tiempo real de parámetros de operación de una red eléctrica, con pronósticos de consumo y facturación, datos históricos y desagregación de cargas no intrusiva. Palabras clave: NILM, monitoreo eléctrico, dataset de energía, telemetría
dc.format	application/pdf
dc.format.extent	98 página
dc.language.iso	spa
dc.publisher	ESPOL.FIEC
dc.rights	openAccess
dc.subject	NILM
dc.subject	Monitoreo eléctrico
dc.subject	Dataset de energía
dc.subject	Telemetría
dc.title	Creación de modelo de monitoreo no intrusivo de cargas (NILM) para desagregación eléctrica aplicado en Ecuador
dc.type	Magister en Ciencias de Datos
dc.identifier.codigoespol	T-114815
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	POSTG094
dc.description.abstractenglish	The use of monitoring techniques in the electrical field has revolutionized decision making for building administrators and energy control systems. Additionally, the increasing availability of sensors and smart meters enables the creation of applications in smart environments, such as the identification of occupancy patterns in offices and buildings. However, the lack of open datasets for analyzing and testing such applications delays their implementation and complicates adaptation to unknown scenarios. This work presents the process of creating a model for non-intrusive load monitoring (NILM), which involves obtaining disaggregated measurements from a primary source of electrical monitoring without the need for additional sensors. This process involves several phases, from creating a telemetry system to obtain the data, building a dataset, creating load profiles, training models, and deploying them, all presented in a monitoring dashboard. To leverage the created data source, real-time statistics of electrical operation such as cumulative consumption, consumption forecasts, their monetary equivalent, and other important parameters were included. Finally, we present CLED, the Computer Lab Level Energy Dataset, a dataset obtained in a controlled environment with devices commonly found in an engineering classroom laboratory. We also introduce NilmEC, a web application that allows real-time monitoring of electrical network operation parameters, with consumption forecasts and billing, historical data, and non-intrusive load disaggregation. Keywords: NILM, energy monitoring, energy dataset, telemetry