Supervisión de la energía eléctrica en edificios públicos de uso docente basada en técnicas de minería de datos visual

Abstract

En la actualidad, el consumo de energía eléctrica ha aumentado considerablemente y cada vez es mayor nuestra dependencia de esta energía. Según los expertos, esta tendencia ascendente se mantendrá en el futuro, lo que implica que su coste evolucionará al alza. También la cantidad de emisiones contaminantes se verá incrementada, por lo que los gobiernos han comenzado a promulgar leyes que favorecen consumos de energía eléctrica racionales y eficientes. En este sentido, son numerosas las políticas que potencian la eficiencia energética de equipos e instalaciones en los edificios, así como un uso racional y hábitos adecuados por parte de los consumidores. Estas directrices están orientadas a conseguir un ahorro energético y económico. Por otra parte, en los últimos años se han producido importantes cambios en el sector eléctrico con el fin de alcanzar un mercado libre y competitivo, donde los consumidores de energía eléctrica tengan nuevas oportunidades de ahorro. Los edificios públicos deberían ser los primeros en adaptarse a esta nueva situación para dar ejemplo al resto, mejorando su eficiencia energética y aprovechando las ventajas que ofrece el nuevo mercado. Para esto, es vital disponer de un sistema de medida y supervisión de la energía eléctrica, que permita conocer y analizar las variables de las instalaciones eléctricas en los edificios. Gracias a la supervisión es posible gestionar el consumo de energía eléctrica, detectar fallos, sugerir y comprobar las medidas de ahorro energético, etc. Los sistemas de medida y supervisión tradicionales son generalmente cerrados y propietarios, tienen un periodo de muestreo bajo y una capacidad de almacenamiento pequeña. Además, proporcionan escasas y limitadas herramientas de visualización y análisis de datos. En cambio, las herramientas de visualización y análisis avanzadas permiten explotar la información intrínseca contenida en el gran volumen de datos almacenados para extraer conocimiento acerca de la instalación eléctrica en el edificio y poder tomar decisiones. El desarrollo de este tipo de herramientas de visualización y análisis avanzadas se puede basar en técnicas de minería de datos visual. La minería de datos ofrece un enorme potencial, ya que combina métodos estadísticos, inteligencia artificial, aprendizaje automático, reconocimiento de patrones, gestión de las bases de datos y visualización de la información con el fin de encontrar relaciones desconocidas, extraer patrones y resumir los datos de forma novedosa y fácilmente entendible por el usuario. Estas técnicas se emplean en la reducción de la dimensionalidad, cuantificación de vectores, agrupamiento y visualización. Algunas técnicas usadas en esta tesis son el mapa auto-organizado (SOM), proyección de Sammon y agrupamiento k-means. No obstante, existen multitud de métodos similares que se revisan a lo largo de la tesis, y que también podrían ser útiles, como por ejemplo los métodos de proyección lineal y no lineal, manifold learning, agrupamiento o clustering, etc. En esta tesis se define e implementa el sistema de medida y supervisión de energía eléctrica en los edificios de la Universidad de León, dedicados a docencia e investigación. La arquitectura lógica de este sistema se basa en una estructura de triple capa, que hace uso de un patrón cliente-servidor modificado con una capa intermedia. La capa servidor contiene el conjunto de medidores eléctricos instalados en cada edificio, una estación meteorológica común, una red de comunicaciones basada en el protocolo Modbus que interconecta el sistema de medida distribuido y un servidor de adquisición que ejecuta el servicio de toma de datos eléctricos y ambientales. La capa intermedia está formada por una base de datos y su sistema gestor dedicados al almacenamiento de datos crudos, conocimiento extraído y parámetros del sistema, el servidor de explotación de datos encargado de ejecutar los algoritmos de minería de datos y un servidor web que proporciona a los usuarios las herramientas de visualización tradicionales y avanzadas de los datos eléctricos. En la capa cliente, los usuarios acceden a los interfaces web para supervisar y analizar la energía eléctrica, ya sea on-line u off-line. En el diseño de este sistema se han utilizado tecnologías estándar, modernas y no propietarias, facilitando futuras ampliaciones, el mantenimiento, la integración con otros sistemas, etc. En este trabajo también se propone incorporar técnicas de minería de datos visual para obtener herramientas de visualización avanzadas. Estas nuevas herramientas complementan a las tradicionales, mejorando la supervisión y análisis del consumo de energía eléctrica en los edificios de la Universidad de León. Las variables meteorológicas y temporales que influyen en el consumo eléctrico se tienen en cuenta, con el fin de descubrir las relaciones y dependencias entre estas variables y las eléctricas. Dado que el entorno ambiental es común, una supervisión conjunta de todos los edificios permite una extracción de conocimiento más profunda, habilitando la comparación entre ellos. Los algoritmos de minería de datos utilizados se encargan de explotar los datos almacenados para extraer conocimiento acerca del comportamiento eléctrico de los edificios, de forma conjunta y condicionada por el ambiente. El algoritmo propuesto para explotar los datos eléctricos es una modificación del algoritmo SOM, denominado envSOM, que permite obtener modelos eléctricos de cada edificio, condicionados por un conjunto de variables ambientales. Estos modelos contienen información acerca del comportamiento eléctrico de los edificios, dadas unas condiciones ambientales. La metodología de explotación de los datos combina el algoritmo envSOM junto con una proyección no lineal de Sammon y un agrupamiento k-means para comparar los edificios entre sí y averiguar el número de perfiles eléctricos similares existentes en el Campus de la Universidad de León. Por otra parte, la generalización del algoritmo envSOM a n fases permite construir modelos eléctricos condicionados jerárquicamente por variables ambientales comunes, como por ejemplo las temporales. De esta forma, es posible generar modelos eléctricos de los edificios que tengan en cuenta la periodicidad diaria, semanal y anual en el consumo eléctrico, de modo que puedan ser empleados en la supervisión de valores instantáneos, detección de desviaciones o incluso en la previsión de futuros comportamientos. Se han definido herramientas de visualización avanzadas como por ejemplo los planos de componentes eléctricas, mapas de variables temporales y gráficos de comparación y grupos, de forma que el usuario pueda interpretar el conocimiento extraído en el proceso de explotación de los datos. La comparación entre edificios puede ser global teniendo en cuenta todas las variables eléctricas, individual para cada variable eléctrica y condicionada por las variables ambientales. Las herramientas de supervisión avanzadas basadas en técnicas de minería de datos visual que se proponen en esta tesis permiten descubrir, ampliar o confirmar conocimiento acerca del consumo de energía eléctrica en los edificios de la Universidad de León. Esto hace posible la toma de decisiones encaminadas a reducir o gestionar el consumo, optimizar el contrato, negociar la tarifa eléctrica, etc. Las herramientas avanzadas permiten descubrir patrones y relaciones entre variables eléctricas y ambientales, detectar fallos y desviaciones eléctricas provocadas por situaciones extraordinarias o puntuales, supervisar en línea utilizando mapas de colores más intuitivos, encontrar el número de grupos de edificios con perfiles eléctricos similares, comparar los edificios en base a su comportamiento eléctrico, prever futuros consumos, etc. Los resultados obtenidos verifican que el uso de técnicas de minería de datos visual es muy útil en el análisis y supervisión de grandes instalaciones eléctricas en edificios, como son los del Campus de la Universidad de León.