Skip to main navigation menu Skip to main content Skip to site footer
Repositorio de la Red Internacional de Investigadores en Competitividad

INNOVACIÓN Y TECNOLOGÍA

Vol. 12 (2018): La competitividad como detonante para la mejora social ISBN 978-607-96203-0-7

Análisis técnico-económico del comportamiento de usuarios eléctricos con base en mediciones

Submitted
August 14, 2018
Published
2020-05-25

Abstract

Este trabajo se centra en el análisis técnico y económico de usuarios conectados a redes eléctricas de distribución obtenido mediante estadísticas empleadas primeramente para la caracterización de perfiles de carga de usuarios, en base a sus usos y costumbres, nivel socioeconómico, número de habitantes, entre otros factores y posteriormente aplicando un análisis económico acerca de la factibilidad del uso e instalación de fuentes no convencionales de energía, principalmente paneles fotovoltaicos. La base de este trabajo es el planteamiento de una alternativa eficiente para el aprovechamiento de los datos generados mediante medidores inteligentes que pueden ser empleados para la reducción de pérdidas de energía, el cobro tarifario eficiente y en tiempo real y para proporcionar información relevante acerca del comportamiento eléctrico de los usuarios.

References

  1. Alam, S.M.S., Natarajan, B. & Pahwa, A. (2014), Distribution Grid State Estimation from Compressed Measurements, IEEE Transactions on Smart Grid, 5(4), 1631,1642
  2. CFE Tarifas (2016) Tarifas para el suministro y venta de energía eléctrica. Comisión Federal de Electricidad. Ultima consulta: 22 de septiembre de 2016. http://app.cfe.gob.mx/Aplicaciones/CCFE/Tarifas/Tarifas/tarifas_negocio.asp
  3. Beckel, C., Sadamori, L., Thorsten, S. & Santini S. (2014), Revealing household characteristics from smart meter data, Energy, 78(15), 397-410
  4. Bucher C. (2014), Analysis and Simulation of Distribution Grids with Photovoltaics, Doctoral Thesis, Zürich, ETH Zürich
  5. Collin, A.J.; Tsagarakis, G.; Kiprakis, A.E. & McLaughlin, S. (2014), Development of Low-Voltage Load Models for the Residential Load Sector, IEEE Transactions on Power Systems, Vol.29, No.5, 2180-2188
  6. Depuru, S. S., Wang, L., Devabhaktuni, V., & Gudi, N. (2011). Smart meters for power grid — Challenges, issues, advantages and status. 2011 IEEE/PES Power Systems Conference and Exposition. doi:10.1109/psce.2011.5772451
  7. Grande Vidal E. & Rodríguez Villalón O. (2017), Obtención de perfiles de carga de usuarios individuales en redes de baja tensión utilizando métodos Bottom-Up, 3(2), Verano de la Investigación Científica
  8. Richardson, I., Thomson, M., Infield D., & Clifford, C. (2010), Domestic electricity use: A high-resolution energy demand model, Energy and Buildings, 42(10), 1878-1887
  9. INEGI (2018) Condiciones Socioeconómicas 2015 http://www.beta.inegi.org.mx/proyectos/enchogares/especiales/mcs/2015/default.html
  10. Jani Mikkola & Peter D. Lund (2014), Models for generating place and time dependent urban energy demand profiles, Applied Energy 130, 256-264
  11. Paatero, J.V., &. Lund, P.D. (2006), A model for generating household electricity load profiles”, International Journal of Energy Research, 30, 273–290
  12. Junqi Liu, Junjie Tang, Ponci, F., Monti, A. Muscas, C. & Pegoraro, P.A. (2012), Trade-Offs in PMU Deployment for State Estimation in Active Distribution Grids, IEEE Transactions on Smart Grid, Vol.3, No.2, 915,924
  13. Swan L.G., & V Ugursal, I. (2009), Modeling of end-use energy consumption in the residential sector: A review of modeling techniques, Renewable and Sustainable Energy Reviews, Volume 13, Issue 8, 1819-1835
  14. N. Pflugradt, J. Teuscher, B. Platzer & W. Schufft (2013), Analysing low-voltage grids using a behaviour based load profile generator, International Conference on Renewable Energies and Power Quality (ICREPQ’13), Bilbao (España), RE&PQJ, Vol.1, No.11, https://doi.org/10.24084/repqj11.308
  15. Papathanassiou S., Hatziargyriou N. & Strunz K. (2005), A benchmark low voltaje microgrid network, Proceedings of the CIGRE Symposium: Power Systems with Dispersed Generation, Athens, Greece, 1-8
  16. Swan, L. G., & Ugursal, V. I. (2009). Modeling of end-use energy consumption in the residential sector: A review of modeling techniques. Renewable and Sustainable Energy Reviews, 13(8), 1819-1835. doi:10.1016/j.rser.2008.09.033
  17. Weranga, K. S., Kumarawadu, Sisil & Chandima, D. P. (2014), Smart Metering Design and Applications, Singapore: Springer Singapore.

Most read articles by the same author(s)