ES2943132T3

ES2943132T3 - Aseguramiento de una intervención en un ramal de baja tensión de una red de distribución eléctrica

Info

Publication number: ES2943132T3
Application number: ES19202488T
Authority: ES
Inventors: Philippe Charpentier; Camille Mevel
Original assignee: Electricite de France SA
Current assignee: Electricite de France SA
Priority date: 2018-10-31
Filing date: 2019-10-10
Publication date: 2023-06-09
Anticipated expiration: 2039-10-10
Also published as: CN111199292B; FR3087926B1; EP3648020B1; CN111199292A; US20200134761A1; US11551323B2; EP3648020A1; FR3087926A1

Abstract

La invención pretende dar seguridad a las personas que tienen que realizar una intervención en un ramal de baja tensión de una red de distribución eléctrica. Las viviendas conectadas a este ramal pueden comprender medios autónomos de producción de energía eléctrica (PV1, ..., PVn) generando entonces tensión eléctrica y poniendo en peligro a las personas durante su intervención. Se proporciona entonces un paso para la obtención de primeros datos, lecturas de consumo del contador (C1,...,Cn) de cada vivienda, en intervalos regulares de tiempo, y segundos datos meteorológicos (MET) en el sector de ubicación geográfica de estas viviendas, para identificar al menos las condiciones conducentes a la producción de energía por medios autónomos. Luego se aplica un modelo de detección, basado en los primeros y segundos datos, una coincidencia entre períodos de consumo reducido medido por un medidor y condiciones meteorológicas favorables a la producción de energía eléctrica de los medios autónomos durante estos períodos. Deducimos así información sobre la presencia o ausencia de medios autónomos en la vivienda equipada con este contador, cuya información se almacena en una base de datos (MEM) en correspondencia con un identificador de vivienda, y, antes de la intervención, identificamos así en la base de datos. las viviendas susceptibles de incluir medios autónomos. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Aseguramiento de una intervención en un ramal de baja tensión de una red de distribución eléctrica

Sector de la técnica

La presente invención se refiere al aseguramiento de personas que deben realizar una intervención en un ramal de baja tensión de una red de distribución de electricidad.

Estado de la técnica

Durante una intervención de este tipo (planificada o después de un incidente), debe cortarse la corriente eléctrica para que el personal involucrado pueda trabajar con total seguridad. Sin embargo, con el desarrollo de medios autónomos de producción de energía eléctrica renovable (paneles fotovoltaicos, aerogeneradores, u otros) por parte de particulares, puede ocurrir que la red siga pudiendo alimentarse por estos medios autónomos cuando la estación de alimentación de baja tensión estuviera parada por el gestor de la red de distribución. En efecto, cuando los medios autónomos son desplegados directamente por un particular (y no la empresa que gestiona la red) y ese particular no declara al gestor de la red la presencia de estos medios autónomos, es posible que un sistema de alimentación ininterrumpida, por ejemplo, no se alimente de la red eléctrica sino de un panel fotovoltaico o de un aerogenerador directamente. En caso de corte de la red eléctrica, la función del sistema de alimentación ininterrumpida normalmente es cortar la producción del panel siempre y cuando el sistema de alimentación ininterrumpida esté bien conectado a la red principal de baja tensión. De lo contrario, o en ausencia de un sistema de alimentación ininterrumpida, el o los paneles continúan produciendo y, por tanto, alimentan la red eléctrica de bajo voltaje próxima.

Por tanto, los trabajadores de la red están en riesgo si no verifican la tensión de la red. Si se detecta una tensión distinta de cero en la red aunque la estación de alimentación y las instalaciones fotovoltaicas declaradas estén apagadas, los agentes de mantenimiento deberán buscar en las proximidades yendo de puerta en puerta, todas las instalaciones de autoproducción no declaradas para desactivarlas. Además de poner en peligro a los agentes, se comprende que este proceso es largo y tedioso, dejando sin electricidad a los usuarios conectados a la estación de baja tensión.

El documento D1: “Guide SeQuelec” (XP055606639) (17/7/2019) menciona una desconexión eléctrica en el contexto de una intervención en una red de distribución pública, teniendo en cuenta la posible presencia de fuentes de producción autónomas en el sitio de intervención. Sin embargo, de ninguna manera menciona tener en cuenta las lecturas históricas de los contadores de electricidad ni las condiciones climáticas para identificar un riesgo de la presencia de dichos medios autónomos en el sitio.

La presente invención mejora esta situación.

Objeto de la invención

Para ello, propone un procedimiento de aseguramiento de personas que tienen que realizar una intervención en un ramal de baja tensión de una red de distribución eléctrica, en el que el ramal de baja tensión está normalmente conectado a una central que abastece a una pluralidad de alojamientos en un sector geográfico. Los alojamientos están equipados con contadores configurados para medir y comunicar el consumo en intervalos de tiempo regulares (diariamente o cada media hora normalmente).

Como es probable que al menos parte de los alojamientos comprendan medios autónomos de producción de electricidad mediante el uso de energías renovables, la puesta en marcha de dichos medios autónomos puede generar tensión eléctrica en el ramal de baja tensión, a pesar de un corte de la central de alimentación durante la intervención, y por tanto poner en peligro personas durante su intervención.

El procedimiento, implementado por un servidor que se comunica con los contadores mencionados, comprende entonces las etapas de:

- obtener primeros datos, lecturas de consumo de cada contador en intervalos de tiempo regulares,

- obtener segundos datos, meteorológicos en el sector geográfico, para identificar al menos condiciones favorables a la producción de energía por dichos medios autónomos,

- para cada contador, aplicar un modelo de detección, en función de al menos los datos primeros y segundos, de una coincidencia entre los periodos de consumo reducido medidos por el contador y las condiciones meteorológicas favorables a la producción eléctrica por dichos medios autónomos durante dichos periodos, y deducir de la aplicación del modelo información sobre la presencia de medios autónomos en el alojamiento equipado con este contador,

- almacenar en una base de datos la información sobre la presencia de medios autónomos en correspondencia con un identificador específico del alojamiento, para cada alojamiento,

- y, antes de la intervención, identificar en la base de datos los alojamientos susceptibles de comprender medios autónomos.

Anteriormente, se entiende por el término “alojamiento” tanto una sala, como una oficina como una fábrica.

Por “energía renovable” se entiende energía solar y/o energía eólica, que dependen directamente de las condiciones meteorológicas mencionadas anteriormente (incluso energía hidráulica de los ríos cuyo caudal depende de las precipitaciones, y por tanto de nuevo, de condiciones meteorológicas).

Mediante la implementación de la invención, no solo se identifican alojamientos dotadas de medios de producción autónomos (por tanto, “autoproductores”), sino también aquellos que consumen su propia energía de autoproducción (alojamientos denominadas “autoconsumidores” a continuación) y que luego alimentan la red BT, con el riesgo de poner en peligro a los trabajadores.

En una realización, el servidor también puede obtener una medición instantánea de la tensión en el ramal de baja tensión, normalmente antes de la intervención. De este modo, la intervención puede estar condicionada a la obtención en el servidor de una medición de tensión cero en el ramal de baja tensión.

En una realización de este tipo, dado que cada contador puede configurarse para que se corte de forma remota, normalmente mediante un comando del servidor, la información de presencia anteriormente mencionada puede tener la forma de una puntuación de probabilidad de presencia de medios autónomos en el alojamiento equipado con tal contador, y el procedimiento puede comprender además las etapas de:

- elaborar una lista de puntuaciones de probabilidad para la presencia de medios autónomos, en correspondencia con identificadores de contadores respectivos,

- en caso de obtener una tensión medida distinta de cero en el ramal de baja tensión, utilizar el identificador del contador que tenga la máxima puntuación en dicha lista para cortar remotamente este contador, luego borrar este contador de la lista y repetir esta etapa hasta obtener una medición de tensión de cero en el ramal.

Según una primera realización, el modelo de detección se obtiene mediante una técnica denominada “potenciación de gradiente” que comprende:

- información sobre variables en una muestra de aprendizaje formada por alojamientos cuyos consumos se analizan, - una definición de variables explicativas de la correlación, tomadas de las variables informadas, y

- una aplicación del método de potenciación de gradiente a las variables explicativas para determinar un modelo de cálculo de una puntuación de probabilidad de presencia de medios autónomos en un alojamiento equipado con un contador que mide y comunica el consumo en el alojamiento por intervalos de tiempo regulares, correspondiendo dicha puntuación a dicha información de presencia almacenada en la base de datos.

De este modo, se entenderá que este modelo de cálculo de puntuación, dado que esta puntuación cuantifica la probabilidad de presencia de medios autónomos, puede finalmente corresponder al modelo de detección mencionado anteriormente.

En esta realización, puede aplicarse validación cruzada adicionalmente para consolidar la determinación del modelo de cálculo.

Según una segunda realización, el modelo de detección se obtiene implementando una red neuronal convolucional, comprendiendo esta implementación:

- información sobre variables en una muestra de aprendizaje compuesta por alojamientos cuyos consumos se analizan,

- aprendizaje por la red neuronal de la muestra, y

- determinación por la red neuronal de un modelo para el cálculo de una puntuación de probabilidad de presencia de medios autónomos en un alojamiento equipado con un contador que mide y comunica el consumo en el alojamiento en intervalos de tiempo regulares, correspondiendo esta puntuación entonces a la información de presencia mencionada anteriormente, almacenada en la base de datos.

En la primera o en la segunda realización, es posible tomar variables comunes que van a introducirse en la muestra de aprendizaje, pudiendo encontrarse estas variables, para cada alojamiento, entre:

- la variable que va a predecirse como tal, que indica, por tanto, si el alojamiento está equipado con medios de producción autónomos o no;

- el consumo del alojamiento en intervalos regulares;

- condiciones meteorológicas en el sector de este alojamiento, lo que incluye una temperatura instantánea en este sector.

Por ejemplo, si los medios de producción autónomos cuya presencia pretende detectarse es un panel fotovoltaico, entonces las condiciones meteorológicas pueden incluir al menos un grado de insolación (o “irradiación”, o incluso “radiación”, a continuación) en un determinado momento.

De este modo, en el caso de que cada contador también pueda medir y comunicar el consumo en un intervalo horario o subhorario, las variables explicativas pueden comprender al menos una variable entre:

- una relación media por contador entre un consumo entre las 10 horas y las 16 horas de un día y un consumo total durante el mismo día completo,

- una pendiente de línea de regresión del consumo entre las 12 horas y las 14 horas por grado de insolación, - una relación entre un consumo medio de todos los contadores entre las 10 horas y las 16 horas para los X días de mayor insolación y entre las 10 horas y las 16 horas para los X días de menor insolación,

- una relación media por contador entre el consumo entre las 10 y las 16 horas y los grados de temperatura del mismo día entre las 10 y las 16 horas,

- una relación media del consumo por grado de temperatura entre las 10 y las 16 horas para los X días de mayor insolación y el consumo por grado de temperatura entre las 10 y las 16 horas para los X días de menor insolación. En el caso de que cada contador pueda medir y comunicar el consumo más bien a intervalos diarios, las variables explicativas pueden comprender al menos una variable entre:

- una relación de consumo durante un día por grado de insolación en el mismo día;

- una relación de consumo durante un día por grado de insolación medio entre las 10 y las 16 horas de ese día; - una relación del consumo durante un día por grado de insolación medio entre las 12 y las 14 horas de ese día; - una relación del consumo durante un día por grado de insolación máximo entre las 10 y las 16 horas de ese día; - una relación del consumo durante un día por grado de insolación máximo entre las 12 y las 14 horas de ese día; - una relación entre el consumo medio durante un día de los X días de mayor insolación y el consumo medio de los X días de menor insolación;

- una relación de consumo medio durante el día por grados de temperatura;

- una relación media entre el consumo durante un día por grado de temperatura de los X días de mayor insolación y un consumo durante un día por grado de temperatura de los X días de menor insolación.

La presente invención se refiere además a un programa informático que comprende instrucciones para implementar el procedimiento anterior, cuando estas instrucciones son ejecutadas por un procesador de un módulo de procesamiento.

También se refiere a un servidor, para la implementación del procedimiento anterior, y que comprende una memoria (referencia MEM de la figura 1) para almacenar la base de datos y un módulo de procesamiento (referencia MOD de la figura 1) configurado para aplicar el modelo de detección de los medios de producción autónomos en un alojamiento, a partir de, al menos, primeros datos de consumo derivados del contador de este alojamiento, y de segundos datos de condiciones meteorológicas en el sector de este alojamiento.

Este módulo de procesamiento (MOD, detallado en la figura 4) puede tener la forma de un circuito electrónico con una entrada IN (normalmente una interfaz de comunicación) para recibir los primeros datos (CONS) y los segundos datos (METEO), una memoria CIP para almacenar los códigos de instrucción del programa informático en el sentido de la invención, un procesador PROC (como se mencionó anteriormente) para actuar conjuntamente con esta memoria CIP, leer los códigos de instrucción almacenados y ejecutar el programa informático para aplicar el modelo de detección y, a partir de ahí, proporcionar información sobre la presencia de medios autónomos a un alojamiento (a través de la salida OUT del módulo MOD) para alimentar de este modo la base de datos almacenada en la memoria MEM del servidor.

El módulo MOD y la base MEM de datos pueden agruparse con el mismo servidor SER (como se ilustra en la figura 1) o con varias entidades informáticas distintas que se comunican a través de una red.

A este respecto, la presente invención también se refiere a un módulo de procesamiento de un servidor en el sentido de la invención, tal como se ha presentado con anterioridad a modo de ejemplo.

Descripción de las figuras

Otras ventajas y características de la invención resultarán evidentes tras la lectura de la siguiente descripción detallada de ejemplos de realización y tras la revisión de los dibujos adjuntos, en los que:

Figura 1

[La figura 1] ilustra un ejemplo de un sistema para implementar la invención,

Figura 2

[La figura 2] ilustra un ejemplo de procedimiento en el sentido de la invención según una realización particular; Figura 3

[La figura 3] ilustra un enfoque para construir un modelo de predicción por aprendizaje profundo, proporcionando el uso del propio modelo la lista de alojamientos en donde es probable la presencia de medios de producción autónomos;

Figura 4

[La figura 4] ilustra esquemáticamente un módulo de procesamiento de un servidor en el sentido de la invención. Descripción detallada de la invención

En la descripción presentada en este caso, el objetivo es detectar la presencia local de medios autónomos de producción de energía (como uno o más módulos fotovoltaicos y/o uno o más aerogeneradores).

De este modo, se identifica una autoproducción de energía, y sobre todo la existencia de corriente o tensión a pesar de un corte de energía en un sector de la red de baja tensión.

Los medios autónomos de producción de energía no siempre son declarados a los equipos de mantenimiento de la red de baja tensión, lo que puede poner en peligro a estos equipos como se explicó anteriormente.

La solución que propone la invención es detectar a los autoproductores no declarados mediante:

- datos de consumo eléctrico en un periodo determinado (por ejemplo, una curva de carga con un intervalo correspondiente a un día o incluso 30 minutos) y, a partir de ahí, identificar periodos de subconsumo en comparación con el consumo medio, interrogando a los contadores comunicantes de un ramal de baja tensión de la red de distribución, sobre el que se propone la intervención,

- y datos meteorológicos de la estación meteorológica más cercana para identificar durante periodos de subconsumo si las condiciones meteorológicas eran propicias para la autoproducción (por ejemplo, alta irradiación o viento fuerte), en cuyo caso se identifican los medios de producción autónomos de electricidad (respectivamente uno o más paneles fotovoltaicos, o uno o más aerogeneradores) en los locales en los que se encuentren instalados los contadores comunicantes anteriormente mencionados.

Al unir las dos fuentes de datos (datos de curvas de carga y datos meteorológicos), es posible observar que algunos usuarios que poseyeran paneles fotovoltaicos, por ejemplo, consumen menos de lo normal cuando la irradiación es alta y normalmente cuando la irradiación es baja.

En base a esta observación, se propone, más adelante en la presente descripción, una identificación de variables relevantes que ilustran este fenómeno, luego una modelación que permita calcular una puntuación de probabilidad que defina si el cliente es autoconsumidor o no (si consume la producción eléctrica producida por sus medios autónomos de producción).

En caso de intervención, si es probable que los agentes se enfrenten a una tensión distinta de cero aunque la estación del ramal de baja tensión BT esté cortada, basta con registrar el historial de los contadores y aplicar el modelo resultante del procesamiento mencionado anteriormente para determinar qué alojamientos son potencialmente de autoconsumo.

Como se ilustra en la figura 1, los alojamientos L1, L2, ..., Ln en un sector alimentado por un ramal BT de baja tensión están equipados con contadores C1, C2, ..., Cn comunicantes, capaces de comunicarse con un servidor SER, a través de una red RES (por ejemplo, por corrientes portadoras en línea). El servidor SER también recibe datos meteorológicos de la estación MET. Como se ilustra adicionalmente en la figura 1, los alojamientos (en este caso, L1 y Ln) están equipados con medios de producción autónomos tales como paneles (PV1, ..., PVn) fotovoltaicos. El servidor SER comprende por su parte un módulo MOD de procesamiento, cuyas funcionalidades se presentan a continuación, que actúa conjuntamente con una memoria MEM organizada como una base de datos para almacenar datos del módulo MOD, pudiendo estos datos normalmente ser:

- información sobre la presencia (AUT) o no (N-AUT) de medios autónomos para cada alojamiento, presencia detectada por el módulo MOD como se detalla a continuación,

- en correspondencia con datos de contacto de este alojamiento (ID CT1, ID CT2, ..., ID CTn).

Estos datos de contacto pueden ser por ejemplo:

- datos de contacto telefónicos y/o

- una dirección numérica (de mensajería tipo correo electrónico u otra), y/o

- una dirección de correspondencia física.

Una vez realizado el procesamiento por el módulo MOD, puede consultarse la memoria MEM para determinar, antes de una operación sobre un sector que comprende los alojamientos L1, L2, ..., Ln:

- si ciertos alojamientos están equipados con medios de producción autónomos, y

- en su caso, iniciar un mensaje destinado a datos de contacto anteriormente mencionados, para advertir de una futura intervención en el sector de estos alojamientos, y solicitando a los usuarios de los medios de producción autónomos que los corten mientras dure la intervención.

En una variante en donde el personal involucrado puede por sí mismo cortar los medios de producción autónomos, la memoria MEM almacena, en correspondencia con la información sobre la presencia de medios autónomos, datos de contacto de dirección física de cada alojamiento. De este modo, la memoria MEM puede entonces ser consultada para determinar, antes de una operación sobre un sector que comprende los alojamientos L1, L2, ..., Ln:

- en su caso, iniciar un mensaje destinado al personal implicado, para advertir de la presencia de dichos medios autónomos en los alojamientos (L1, ..., Ln) cuya dirección se especifica en el mensaje.

La lista de alojamientos equipados con medios autónomos puede transmitirse de este modo a los agentes encargados de la intervención, que pueden por tanto orientar su búsqueda. Este enfoque les permite no perder el tiempo inspeccionando cada alojamiento alimentado por la estación BT en cuestión para encontrar qué alojamiento está aislado de la red.

En otra variante más, puede realizarse un apagado remoto de los contadores C1,..., Cn comunicantes, en orden decreciente de probabilidades de estar instalado en un alojamiento de autoconsumo no declarado siempre que la tensión medida en la red no sea cero. En este caso, la memoria MEM almacena una base de datos con identificadores (ID C1, ID C2, ..., ID Cn) de contadores en correspondencia con información sobre la presencia o no de medios autónomos, o incluso de una puntuación de probabilidad para la presencia de medios autónomos en cada alojamiento L1, L2, ..., Ln.

En efecto, en el caso de una intervención programada en la red, o en las partes no cortadas en caso de un corte, es posible cortar los contadores a distancia, en particular bajando la potencia de corte de los contadores. De este modo, es posible cortar de forma anticipada los contadores de los alojamientos que tengan una probabilidad superior a un determinado umbral p de ser autoconsumidor no declarado. Al desconectar la tensión, siempre es posible que todavía haya una tensión medida distinta de cero, y podría decidirse reabastecer la estación para cortar contadores adicionales.

En general, los datos que se almacenan en la base del MEM en correspondencia con la información de los medios de producción autónomos pueden ser los siguientes:

- datos de contacto de un usuario del alojamiento,

- una dirección física del alojamiento,

- o incluso un identificador del contador presente en el alojamiento.

Este dato se designa de forma más general como una “identidad propia del alojamiento” (del usuario del alojamiento, de su contador, del propio alojamiento y/u otros).

En la figura 2 se ilustra un ejemplo de una sucesión de etapas en un procedimiento en donde los contadores se cortan de forma remota. En esta realización, en la etapa S1, desde la memoria MEM, se extrae una lista de puntuaciones de probabilidad para la presencia de medios autónomos en alojamientos respectivos equipados con contadores respectivos de identificadores ID C1, ID C2, ..., ID Cn. En la etapa S2 (que puede realizarse repetidamente), la tensión se mide en el ramal BT en el que se prevé la intervención. Si la tensión es cero (o inferior a un umbral de valor absoluto) puede transmitirse un mensaje en la etapa S5, destinado a que el equipo de intervención confirme la intervención. Por otro lado, si la tensión es distinta de cero (flecha KO a la salida de la prueba S2), entonces el contador correspondiente a la puntuación MAX(SCO) máxima en la lista resultante de la base MEM, se corta en la etapa S3. Esta puntuación MAX(SCO) máxima se elimina de la lista con vistas a una nueva iteración en donde se vuelve a comprobar si la tensión en el sector BT es cero. Las etapas S2, S3 y S4 se repiten de este modo hasta que la tensión medida sea cero.

Este procedimiento (automatizado por medios informáticos como un circuito de procesamiento previsto en el servidor SER y equipado con un procesador) permite ahorrar tiempo de intervención y garantizar la seguridad de los participantes en la red.

A continuación se describe el funcionamiento del módulo MOD, de aprendizaje-previsión alimentado de este modo por los datos de consumo de los contadores C1, C2, ... Cn, y por los datos de la estación MET del sector geográfico de los alojamientos L1, ..., Ln. El módulo predice una probabilidad de autoconsumo en cada alojamiento del sector BT de la siguiente manera.

Pueden considerarse dos enfoques para este propósito:

- un primer enfoque denominado de tipo “potenciación de gradiente” que requiere la construcción de variables (o “ingeniería de características”),

- un segundo enfoque basado en el aprendizaje profundo (o “deep learning”, según sus siglas en inglés).

Para configurar el modelo según el primer enfoque, se dispone de una muestra de aprendizaje, formada por alojamientos con las siguientes variables informadas:

- la variable que va a predecirse que indica si el alojamiento es de autoconsumo o no;

- el consumo (por media hora, por hora o por día durante varios días) del alojamiento;

- la irradiación y/o la fuerza del viento, proporcionadas por la estación meteorológica más cercana;

- la temperatura proporcionada por la estación meteorológica más cercana, para identificar consumos relacionados con necesidades térmicas (calefacción o climatización).

Luego se realiza una construcción de variables explicativas a partir de las variables enumeradas anteriormente para discriminar el fenómeno que va a observarse, pudiendo ser estas variables por ejemplo:

- la relación media por cliente entre el consumo entre las 10 y las 16 horas y el consumo total del día (un individuo potencial productor que presenta una relación menor que un individuo no productor),

- en caso de que se pretenda detectar la presencia de paneles fotovoltaicos, la pendiente de la línea de regresión del consumo entre las 12 horas y las 14 horas por radiación sigue siendo una variable explicativa. De hecho, cuanto más fuerte es la radiación, menor es el nivel de consumo (la producción es mayor).

- La relación entre el consumo medio entre las 10 horas y las 16 horas para los X días de mayor radiación y entre las 10 horas y las 16 horas para los X días de menor radiación X depende del historial disponible.

- La relación media por cliente entre el consumo entre las 10 horas y las 16 horas y los grados-día entre las 10 horas y las 16 horas.

- La relación media de consumo por grado-día entre las 10 horas y las 16 horas para los X días de mayor radiación y el consumo por grado-día entre las 10 horas y las 16 horas para los X días de menor radiación.

En caso de que solo se disponga del consumo diario, las variables creadas pueden ser las siguientes:

- la relación entre el consumo diario y la radiación diaria;

- la relación entre el consumo diario y la radiación media entre las 10 horas y las 16 horas;

- la relación entre el consumo diario y la radiación media entre las 12 horas y las 14 horas;

- la relación entre el consumo diario y la radiación máxima entre las 10 horas y las 16 horas;

- la relación entre el consumo diario y la radiación máxima entre las 12 horas y las 14 horas;

- la relación entre el consumo medio diario de los X días de mayor radiación y el de los X días de menor radiación; - la relación de consumo medio diario y grados-día;

- la relación media del consumo diario por grado-día para los X días con mayor radiación y el consumo día por grados-día para los X días con menor radiación.

Estas variables se definieron porque minimizaban los errores de predicción durante las pruebas realizadas por el solicitante.

Una vez obtenidas las variables explicativas, se puede estimar el modelo según el método de “potenciación” de gradiente para explicar el hecho de ser autoconsumidor o no.

La “potenciación” de gradiente puede escribirse matemáticamente de la siguiente manera a partir de un primer modelo de tipo:

[Fórmula matemática 1]

en donde yt es la variable que va a predecirse y M¹un gradiente de regresión, siendo la diferencia E¹,t el error resultante del modelo.

El principio de la “potenciación” de gradientes consiste en primer lugar en estimar el error resultante del modelo anterior utilizando la fórmula:

[Fórmula matemática 2]

En un segundo momento, se busca modelar el error estimado anteriormente mediante un segundo gradiente:

[Fórmula matemática 3]

Se continúa de este modo modelando los errores de los modelos sucesivos hasta comprobar un criterio de parada elegido.

Finalmente, la predicción se obtiene de la siguiente manera:

[Fórmula matemática 4]

en donde k es el número de gradientes aprendidos.

La estimación del modelo utilizando el método de “potenciación” de gradientes puede continuarse posteriormente refinando parámetros como el número de gradientes, la profundidad máxima de los gradientes, el porcentaje de la muestra de aprendizaje utilizada, etc. Para estimar estos parámetros, pueden realizarse validaciones cruzadas. Una validación cruzada consiste en dividir la muestra en L partes. Para cada parte L, el modelo se aprende en las otras L-1 partes, luego se somete a prueba en la parte L. Por tanto, se realiza L aprendizaje y L validaciones del modelo, hasta que sea posible estimar el error de generalización del modelo con este conjunto de parámetros. Finalmente, elegimos el conjunto de parámetros que minimiza el error en la validación cruzada.

Una vez que se ha aprendido el modelo, el módulo MOD puede aplicar el modelo anotando el historial disponible en los contadores comunicantes por un lado, y los datos meteorológicos por el otro. En particular, por ejemplo, se calcula una puntuación de probabilidad de presencia de un panel fotovoltaico en función en particular de las variables que proporcionan un consumo bajo entre las 10 y las 16 horas y más particularmente entre las 12 y las 14 horas, para los días soleados.

El segundo enfoque, de aprendizaje profundo, puede comenzar constituyendo una muestra de aprendizaje utilizando posiblemente las mismas variables que las utilizadas en el método de “potenciación” de gradientes anterior (consumo por día, irradiación media por día, irradiación máxima por día, irradiación media de 12h-16h y grados-día, por ejemplo). En lugar de utilizar una red totalmente conectada como es habitual para resolver este tipo de problemas, en este caso se utiliza el principio de redes convolucionales para detectar formas en las curvas de carga de los contadores y la temperatura local, así como correlaciones.

Por ejemplo, el historial de cada cliente puede dividirse en periodos de siete días para aumentar artificialmente la cantidad de datos, requiriendo la convergencia de los pesos de las redes neuronales una gran cantidad de datos. La primera capa de la red consiste en una capa de convolución consistente en aplicar n filtros a cada observación (constituida por el vector de los siete días de consumo de un cliente de la muestra). Los filtros aplicados son de profundidad 4 (para cuatro variables de entrada: temperatura, irradiación entre las 12 y las 16 horas en este caso, irradiación diaria, consumo diario) y de tamaño 1*1.

Después de cada filtro, la función de activación es una función Relu:

[Fórmula matemática 5]

Los valores de los filtros, también denominados pesos, son aprendidos por la red convolucional según el denominado algoritmo de “propagación hacia atrás” del gradiente. Luego, los pesos se normalizan mediante el método de Adam.

Después de la primera etapa de convolución, se aplica una etapa de Max Pooling de tamaño 7. Por tanto, solo queda un valor por variable de entrada, por observación y por filtro.

Las salidas de pooling se conectan luego a una red cuya arquitectura general se ilustra en la figura 3. La red está totalmente conectada con una serie de capas ocultas que varían según los datos. La red termina con una capa Softmax para discriminar a los autoconsumidores no declarados de otros clientes (dos salidas, por ejemplo).

Por supuesto, la presente invención no se limita a las realizaciones presentadas con anterioridad a modo de ejemplo; se amplía a otras variantes.

Por ejemplo, otro problema que podría solucionar la invención se refiere al reflujo en las redes BT cuando la producción solar supera el consumo a escala de una estación BT, pudiendo un desequilibrio demasiado grande provocar cortes eléctricos en la red. En caso de reflujo importante en la red, actualmente se están probando algunas soluciones, como la instalación de baterías en la red. Sin embargo, estas son siempre soluciones globales (introducción de baterías a nivel de red, por ejemplo) y, a menudo, costosas y no dirigidas a los pocos clientes que generan el reflujo. Identificar a los autoproductores no declarados permitiría adaptar mejor las soluciones a proporcionar: por ejemplo, ofrecerles soluciones específicas de almacenamiento (depósito de agua caliente sanitaria, batería u otros), trasladar sus usos, vender su energía a otros clientes u ofrecer un aislamiento en caso de reflujo excesivo en la red.

De este modo, la invención permite detectar automáticamente a los autoconsumidores no declarados en un sector para:

- asegurar la intervención de los agentes,

- reducir los tiempos de intervención,

- y posiblemente asegurar la red en caso de un reflujo excesivo de autoconsumidores no declarados.

Claims

REIVINDICACIONES

1. Procedimiento para garantizar la seguridad de personas que deben realizar una intervención en un ramal de baja tensión de una red de distribución de electricidad, en el que:

el ramal de baja tensión está conectado a una estación que alimenta a una pluralidad de alojamientos en un sector geográfico,

los alojamientos están equipados con contadores (C1, ..., Cn) configurados para medir y comunicar el consumo en intervalos de tiempo regulares,

al menos una parte de los alojamientos es susceptible de comprender medios (PV1, ..., PVn) autónomos de producción de electricidad mediante el uso de energías renovables, generando una puesta en funcionamiento de dichos medios autónomos una tensión eléctrica en el ramal de baja tensión a pesar del corte de la estación de alimentación durante la intervención, poniendo de este modo en peligro a las personas durante su intervención, estando el procedimiento, implementado por un servidor que se comunica con los contadores, caracterizado por que comprende las etapas de:

- obtener primeros datos, de registros de consumo de cada contador por intervalos de tiempo regulares,

- obtener segundos datos (MET), meteorológicos en el sector geográfico, para identificar al menos algunas condiciones propicias para la producción de energía por dichos medios autónomos,

- para cada contador, aplicar un modelo de detección, en base al menos de los datos primeros y segundos, de una coincidencia entre los periodos de bajo consumo medidos por el contador y las condiciones meteorológicas propicias para la producción eléctrica por dichos medios autónomos durante dichos periodos, y deducir de la aplicación del modelo información sobre la presencia de medios autónomos en el alojamiento equipado con este contador, - para cada alojamiento, almacenar en una base de datos (MEM) la información sobre la presencia de medios autónomos en correspondencia con un identificador específico del alojamiento,

- y, antes de la intervención, identificar en la base de datos los alojamientos susceptibles de comprender medios autónomos (S1).

2. Procedimiento según la reivindicación 1, caracterizado por que el servidor obtiene además una medición instantánea de la tensión en el ramal de baja tensión antes de la intervención, y la intervención está condicionada por la obtención en el servidor de una medición de tensión cero en el ramal de baja tensión (S2, S5).

3. Procedimiento según la reivindicación 2, en el que cada contador está configurado para cortarse a distancia por una orden del servidor, estando el procedimiento caracterizado por que la información de presencia es una puntuación de probabilidad de presencia de medios autónomos en el alojamiento equipado con este contador, y por que el procedimiento comprende además las etapas de:

- establecer una lista (S1) de las puntuaciones de probabilidad para la presencia de medios autónomos, en correspondencia con los identificadores de contador respectivos,

- en caso de obtención de una tensión medida distinta de cero en el ramal de baja tensión (S2), usar el identificador del contador que tiene la puntuación máxima en dicha lista para cortar ese contador (S3) a distancia, luego eliminar ese contador de la lista (S4) y repetir esta etapa hasta obtener una medición de tensión cero en el ramal (S5).

4. Procedimiento según una de las reivindicaciones anteriores, caracterizado por que el modelo de detección se obtiene mediante una técnica de “potenciación de gradientes” que comprende:

- una información de variables en una muestra de aprendizaje compuesta por alojamientos cuyos consumos se analizan,

- una definición de variables explicativas de la correlación, tomadas de las variables informadas, y

- una aplicación del método de potenciación de gradientes a las variables explicativas para determinar un modelo de cálculo de una puntuación de probabilidad de presencia de medios autónomos en un alojamiento equipado con un contador que mide y comunica el consumo en el alojamiento a intervalos de tiempo regulares, correspondiendo dicha puntuación a dicha información de presencia almacenada en la base de datos.

5. Procedimiento según la reivindicación 4, caracterizado por que se aplica además una validación cruzada para consolidar la determinación del modelo de cálculo.

6. Procedimiento según una de las reivindicaciones 1 a 3, caracterizado por que el modelo de detección se obtiene mediante la implementación de una red neuronal convolucional, comprendiendo esta implementación:

- un aprendizaje por la red neuronal de la muestra, y

- la determinación por la red neuronal de un modelo de cálculo de una puntuación de probabilidad de presencia de medios autónomos en un alojamiento equipado con un contador que mide y comunica el consumo en el alojamiento a intervalos de tiempo regulares, correspondiendo dicha puntuación a dicha información de presencia almacenada en la base de datos.

7. Procedimiento según una de las reivindicaciones 4 a 6, caracterizado por que las variables que van a informarse en la muestra de aprendizaje comprenden, para cada alojamiento:

- una variable que va a predecirse que indica si el alojamiento está equipado o no con medios de producción autónomos;

- el consumo del alojamiento, por intervalos regulares;

- las condiciones meteorológicas en el sector de este alojamiento, lo que incluye una temperatura instantánea en este sector.

8. Procedimiento según una de las reivindicaciones anteriores, en el que los medios de producción autónomos cuya presencia quiere detectarse es un panel fotovoltaico, caracterizado por que las condiciones meteorológicas incluyen al menos un grado de insolación en un momento dado.

9. Procedimiento según la reivindicación 7, en combinación con la reivindicación 8 y con una de las reivindicaciones 3 y 4, en el que cada contador está dispuesto para medir y comunicar el consumo en un intervalo horario o subhorario, caracterizado por que las variables explicativas comprenden al menos una variable entre:

- una relación media de consumo por grado de temperatura entre las 10 y las 16 horas para los X días de mayor insolación y el consumo por grado de temperatura entre las 10 y las 16 horas para los X días de menor insolación.

10. Procedimiento según la reivindicación 7, en combinación con la reivindicación 8 y con una de las reivindicaciones 3 y 4, en el que cada contador está dispuesto para medir y comunicar el consumo en un intervalo diario, caracterizado por que las variables explicativas comprenden al menos una variable entre:

- una relación de consumo durante un día por grado de insolación durante el mismo día;

- una relación de consumo durante un día por grado de insolación medio entre las 10 y las 16 horas de ese día; - una relación de consumo durante un día por grado de insolación medio entre las 12 y las 14 horas de ese día; - una relación de consumo durante un día por grado de insolación máximo entre las 10 y las 16 horas de ese día; - una relación entre el consumo durante un día y el grado de insolación máximo entre las 12 y las 14 horas de ese día;

- una relación entre el consumo medio durante un día de los X días de mayor insolación y el consumo medio de los X días de menor insolación;

- una relación de consumo medio durante un día por grados de temperatura;

- una relación media entre el consumo durante un día por grado de temperatura de los X días de mayor insolación y el consumo durante un día por grado de temperatura de los X días con menor insolación.

11. Programa informático que comprende instrucciones para implementar el procedimiento según una de las reivindicaciones 1 a 10, cuando dichas instrucciones son ejecutadas por un procesador de un módulo (MOD) de procesamiento.

12. Módulo (MOD) de procesamiento configurado para implementar las siguientes etapas:

- obtener segundos datos (MET) que son datos meteorológicos en un sector geográfico, para identificar al menos condiciones propicias para la producción de energía por los medios autónomos,

- para cada contador, aplicar un modelo para detectar, en base al menos de los datos primeros y segundos, una coincidencia entre los periodos de bajo consumo medidos por el contador y las condiciones meteorológicas propicias para la producción eléctrica por dichos medios autónomos durante dichos periodos, y deducir, de la aplicación del modelo información sobre la presencia de medios autónomos en un alojamiento equipado con este contador, comprendiendo el módulo una salida (OUT) para alimentar la base de datos almacenada en la memoria (MEM) de un servidor (SER).

13. Servidor que comprende un módulo (MOD) de procesamiento según la reivindicación 12 y dicha memoria (MEM).