IEEE Power & Energy Magazine - Spanish - May/June 2020 - 73

avanzada (AMI, por sus siglas en inglés), estas restricciones
se están desvaneciendo, ya que vemos empresas de servicios
públicos que implementan "supermuestras" o incluso representaciones de tipo "censo".
A medida que hacemos la transición a una AMI completa,
los datos de muestra presentan varios desafíos únicos, como
el almacenamiento, o cómo realizar la validación, edición y
estimación (VEE). Al desafío del almacenamiento, se suma
el ancho de banda de comunicación necesario para transmitir los datos de intervalo desde el campo. Las empresas de
servicios públicos suelen considerar necesario comprometer
la granularidad del intervalo de demanda (5 min, 15 min, por
hora y a diario) para garantizar que cuenten con la capacidad
de transmitir los datos de manera confiable mientras mantienen el ancho de banda para otras prioridades operativas. Los
problemas con la calidad de los datos surgen de cualquier
número de fuentes, entre los que se incluyen dificultades de
comunicación, mal funcionamiento de la base de datos y
errores humanos. Estos problemas pueden afectar la recopilación de datos y su eventual análisis si no son manejados
adecuadamente.
Algunas simples pruebas de seguridad, como asegurar la
consistencia con la etiqueta de tiempo correcta, la orientación
del intervalo (comienzo o cierre del periodo), las unidades de
medida, y la frecuencia de los intervalos son primeros pasos
importantes para facilitar la integridad de los datos. La capacidad de comparar el total de los datos de la carga a intervalos
con los datos correspondientes del mes de facturación siempre servirá como la primera línea de defensa. No obstante,
los problemas adicionales como los ceros, valles, brechas y
picos aún deben ser monitoreados y corregidos, o eliminados
de manera adecuada. Existen una serie de estrategias alternativas que el investigador de carga puede emplear, pero los
procesos de VEE automatizados de los sistemas de gestión
de datos de medidores (MDMS, por sus siglas en inglés) pueden no ser suficientes. Los investigadores de carga podrían
controlar y posiblemente estimar nuevamente los datos esclarecidos por un MDMS empleando estrategias más robustas,
como un análisis basado en la regresión.
Una vez que los datos de la muestra sean de la más alta
calidad posible, entonces el análisis, denominado a menudo
"extensión de la muestra a la población", puede comenzar.
Siempre ha sido competencia del investigador de carga asegurarse de que se apliquen los pesos adecuados a los datos
de la muestra para proteger la integridad de los resultados.
Por supuesto, los investigadores de carga siempre deben calcular y reportar las variaciones, los errores estándar y las
precisiones relativas y absolutas junto con sus estimaciones.
Estos conforman los cimientos mismos de los "resultados"
que se pueden resumir de manera tabular y gráfica en una
gran variedad de formas durante el ciclo de informes.
El último paso de nuestro ciclo de vida en la investigación
de la carga es el "modelo", donde se retienen los parámetros del estudio actual para su uso a futuro. Esto incluye los
coeficientes de variación y/o tasas de error para las diversas
mayo/junio 2020 	

variables de la demanda de interés y proporciona información
y dirección para su uso en la planificación de futuros estudios.
En el pasado, el ciclo de vida de la investigación de la
carga tardaba entre 18 y 24 meses en completarse, suponiendo que se necesitó un año completo de datos, cuando
se utilizaba el muestreo para desarrollar una representación
eficiente de las poblaciones de interés. Con el uso de la AMI,
si suponemos una retención continua de los datos a intervalos que se recolectaron, el ciclo de vida puede reducirse a
18-24 días o, quizás, 18-24 h, y el muestreo será ilimitado.
Esto no significa que, como industria, debamos abandonar
tabla 1. El resumen estadístico de una reciente
encuesta de investigación de la carga sobre la
importancia de esta (1 = "nada importante" a
5= "de vital importancia").
Funciones
comerciales

Cantidad Cantidad
Promedio Media de 5
de 4

Costo del servicio

4.8

5

14

2

Diseño tarifario

4.7

5

14

1

Cumplimiento de
las solicitudes
internas de datos

3.9

4

5

7

Cumplimiento
de las solicitudes
externas de datos

3.5

4

4

5

Pronóstico de la
carga

3.4

4

5

6

Estudios especiales 3.2

4

1

8

Planificación y
evaluación de
la respuesta a la
demanda

3.2

3

3

4

Gestión de
cuentas clave

2.9

3

1

7

Planificación
y evaluación
de la eficiencia
energética

2.9

3

1

3

Estudios de
marketing

2.8

3

1

3

Planificación de
la T&D

2.8

3

1

4

Planificación de
las FED

2.6

3

1

3

Integración
de energías
renovables

2.5

3

0

4

Iniciativas de
redes
inteligentes

2.4

3

0

2

IRP

2.2

2

0

2

T&D: transmisión y distribución; FED: fuentes de energía
distribuida; IRP: planificación integrada de recursos.
ieee power & energy magazine 	

73
IEEE Power & Energy Magazine - Spanish - May/June 2020

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - May/June 2020
