Desarrollo, optimización e implementación de un algoritmo de predicción de consumo de energía de una vivienda

Abstract

[ES] En la actualidad se está dedicando un gran esfuerzo tecnológico para que los consumidores finales tengan una participación activa en el funcionamento de la red. Esto es uno de los objetivos planteados en el camino de la Transición Energética al que favorece el desarrollo de las redes inteligentes. Es un proceso es de mutuo beneficio, tanto para el sistema eléctrico, dado que puede mantener sus requisitos de estabilidad y fiablidad ante el efecto del crecmiento de los recursos de generación distribuida (DER) como por el lado del usuario, que al disponer de información relativa a sus hábitos de consumo, es capaz de realizar correcciones o ajustes en su demanda o contrato para reducir su gasto económico. Con el presente proyecto se pretende favorecer la integración de usuarios residenciales en dicha gestión a través de herramientas que automaticen el balance energético de los recursos disponibles en una vivienda de forma óptima, ajustándose a una producción energética local, en los casos que la vivienda estuviese conectada a una red inteligente, o tenga acceso a un sistema flexible de contratación de tarifas eléctricas. El desarrollo de las herramientas de balance óptimo se suele basar en modelos capaces de predecir la evolución de las variables que participan en dicho balance. En el caso de los usuarios residenciales, la solución propuesta por la herramienta descrita en este proyecto depende en gran medida de la capacidad que tenga de realizar una buena predicción de la demanda, la cual se caracteriza por ser muy variable y difícil de prever, debido a los diferentes factores que intervienen y que afectan de una u otra manera al consumo. Siguiendo esta línea de trabajo, en el presente proyecto se plantea el estudio y desarrollo de un algoritmo de optimización que, tomando como base unos datos históricos de consumo, sea capaz de predecir la demanda de aquellos equipos disponibles en la vivienda de mayor capacidad (electrodomésticos), con el fin de detectar aquellas variables y patrones de comportamiento que más influyen y determinan mejores resultados, y su posterior implementación de un programa desarrollado por el Instituto de Tecnología Energética.

[EN] A major effort is currently being made to involve end consumers in the management of the network. This brings a joint benefit, both for the electrical system, as it contributes to maintaining its requirements for reliability and stability, as well as for the user, who, by having more information, is able to make corrections or adjustments to your claim or contract to reduce your financial expense. The aim of this project is to promote the integration of residential users in such management through tools that automate the energy balance in a house in an optimal way, adjusting to a local energy production, if the dwelling had, to the management of a smart network, or at different electricity rates. The development of such tools is usually based on models able to predict the evolution of the variables involved in the balance sheet. In the case of residential users, the solution proposed by the tool depends to a large extent on the ability to make a good prediction of demand, which is characterized by being very changeable and difficult to predict, because of the different factors involved and affecting consumption. Following this line of work, this project proposes the study, development and optimization of an algorithm that, based on historical data, is able to predict the states of consumption of those most in demand (household appliances), for which 55% of the electricity is spent in them, in order to detect those variables and patterns that most influence and determine better results, To this end, different scenarios have been determined and 3 models of predictions have been evaluated, analysing its behaviour and effectivity in function of different variables. By this way, the most optimum one has been obtained, and it has been applied in different demand cases.