Examinando por Autor "Muñoz Urias, Omar"

Mostrando 1 - 2 de 2
  • Miniatura
    Ítem
    Desarrollo e implementación de un sistema integral de medición y control de energía eléctrica basado en el internet de las cosas [recurso electrónico] / Omar Muñoz Urías ; director, Adolfo Heriberto Ruelas Puente
    (Universidad Autónoma de Baja California., ) Muñoz Urias, Omar; Ruelas Puente, Adolfo Heriberto
    El consumo de energía eléctrica dentro de una sociedad es cada vez mayor, esto se debe en gran medida al crecimiento poblacional, cambios climáticos, urbanización, y al enorme uso de dispositivos electrónicos que se han normalizado con el tiempo. Para tratar de dar una solución a lo anterior la comunidad científica está en una constante búsqueda de técnicas que disminuyan el uso de la energía eléctrica. Una de las conclusiones más aceptada, es que se necesita modernizar todo lo que involucra a los sistemas de distribución, siendo una de las piezas claves el supervisar el consumo de los usuarios finales. El auge del internet de las cosas ha contribuido a la creación de dispositivos que promuevan el ahorro y uso eficiente de la energía eléctrica. En la actualidad la mayoría de proyectos relacionados con este tema solamente se enfocan en el monitoreo del gasto energético, dejando de lado la oportunidad de brindar detalles como calidad del servicio, o bien la posibilidad de conmutar el encendido y apagado de aparatos electrónicos. Por lo que en este trabajo se presenta en detalle el diseño y construcción de un sistema integral de medición y control de energía eléctrica basado en el internet de las cosas, el cual está estructurado en dos tipos de dispositivos. El instrumento principal es un medidor central trifásico, diseñado en base el circuito integrado ADE9000 y el microcontrolador ESP32. Este dispositivo mide el voltaje y corriente rms, potencia activa, reactiva, y aparente, energía activa y reactiva y algunos parámetros de calidad de energía como factor de potencia, frecuencia de fase y armónicos en las señales de carga. El otro dispositivo clave es el controlador de cargas monofásico, el cual se desarrolló con relevadores como elementos conmutadores, un ADE77558, y también el ESP32. Este artefacto ofrece lecturas de voltaje y corriente rms, potencia activa, reactiva, y aparente, energía activa y reactiva, e igualmente el factor de potencia. Para la experimentación se utilizaron módulos variadores de carga con el fin de someter a los artefactos a distintas condiciones eléctricas, y se compararon los resultados con un analizador de redes comercial. Al cotejar los valores arrojados por los instrumentos construidos se obtuvo un error porcentual medio respecto al medidor de referencia menor al 0.1 % en todas las variables eléctricas. Mientras que para examinar el cálculo de los armónicos, se realizó un análisis de regresión lineal y se consiguió un coeficiente de determinación siempre mayor al 0.9900 en cada prueba. Para terminar, todo el trabajo realizado demostró que si se hace un buen estudio de circuitos integrados, sensores, filtros, y técnicas de muestreo se pueden construir dispositivos con prestaciones muy cercanas a las de un instrumento preparado para la venta, incluso superar algunas de sus funcionalidades.
  • Miniatura
    Ítem
    Design and Implementation of an Automatic and Self-Adaptive NILM System Using Deep Learning and an IoT Platform.
    (Universidad Autónoma de Baja California., ) Muñoz Urias, Omar; Ruelas Puente, Adolfo Heriberto ases.
    El Monitoreo No Intrusivo de Cargas (NILM, por las siglas en inglés Non-Intrusive Load Monitoring) ha surgido como un enfoque prometedor para habilitar redes eléctricas más inteligentes y fomentar un uso eficiente de la electricidad. Los avances recientes en el Internet de las Cosas y la Inteligencia Artificial han acelerado el desarrollo de soluciones NILM; sin embargo, las implementaciones prácticas que logran operación en tiempo real, manteniendo al mismo tiempo escalabilidad y daptabilidad en entornos residenciales diversos, siguen siendo limitadas. Para atender esta brecha, este trabajo presenta el diseño e implementación de un sistema NILM en tiempo real basado en IoT para entornos residenciales, integrando detección de eventos, desagregación de cargas y generación automática de conjuntos de datos. El sistema emplea una metodología basada en eventos compuesta por cuatro etapas: adquisición de datos, detección de eventos, extracción de características y reconocimiento de cargas. Un medidor inteligente personalizado, equipado con un algoritmo embebido de detección de eventos y desagregación, captura señales de carga agregada del hogar y extrae señales características a nivel de electrodomésticos. Los datos se transmiten mediante el protocolo MQTT a una plataforma en la nube para almacenamiento, visualización y procesamiento adicional. A los eventos detectados se les aplica un modelo de autoencoders con redes neuronales convolucionales unidimensionales, combinado con el algoritmo de agrupamiento K-means, lo que posibilita la creación automática de un conjunto de datos personalizado. De esta forma se alcanzó una precisión del 99.23% en la clasificación de los eventos dentro de sus categorías correspondientes, eliminando así la dependencia de bases de datos públicas. Al conjunto de datos generado se empleó posteriormente para entrenar tres modelos de aprendizaje profundo para clasificación de series temporales, obteniendo precisiones globales de 98.53% con una red neuronal convolucional unidimensional, 97.91% con una red de memoria larga a corto plazo y 98.28% con un modelo WaveNet. Se desarrolló una aplicación web para visualizar los eventos detectados y los resultados de clasificación, alcanzando un tiempo promedio de respuesta extremo a extremo de 1.05s. La validación experimental en dos entornos residenciales distintos demostró robustez, escalabilidad y precisiones de clasificación superiores al 95% en perfiles de consumo diversos, confirmando la viabilidad y eficiencia del sistema NILM auto-adaptativo propuesto para aplicaciones reales de monitoreo energético.