IEEE Power & Energy Magazine - Spanish - May/June 2020 - 89

la confiabilidad de las primeras redes
de recopilación de datos, que no eran
confiables. Los investigadores de car-
ga a menudo realizaban la hipótesis de
planificación de una pérdida de datos
del 20 %, y aumentaban el tamaño de
las muestras para compensar los datos
faltantes. La estrategia del diseño de la
muestra se vinculó directamente con su
enfoque de extrapolación.
Al principio, la mayoría de las em-
presas empleaban una estrategia de ex-
pansión simple de la media por unidad
(MPU, por sus siglas en inglés), donde
el promedio de la muestra se calculaba
y extrapolaba en función del número de
clientes en la población. La estimación
de la MPU podría llevarse a cabo con
una muestra aleatoria simple o dentro
de un marco de estratificación. Esta se
realizaba principalmente utilizando la
estratificación de varianza mínima de
Dalenius y Hodges con la asignación
de Neyman. Todos estos fueron méto-

A fines de
la década
de 1970,
la industria
comenzó
a realizar
experimentos
de control de
carga directa
residencial y
comercial.
dos estadísticos bien establecidos uti-
lizados para la estimación y el diseño
de la muestra, y formaron los métodos
estadísticos originales implementados
en la investigación de carga.

A mediados de la década de
1970, la Comisión de Servicios
Públicos de Michigan presentó
un desafío a Consumers Power Com-
pany. Aunque la empresa tenía una
larga historia en la práctica de investi-
gación de carga, el personal de la co-
misión solicitó que las muestras se au-
mentaran significativamente. Como se
mencionó anteriormente, agregar pun-
tos de muestra fue un desafío formida-
ble y un esfuerzo costoso. La empresa
llevó el desafío a Roger Wright en la
Universidad de Michigan. Wright exa-
minó el desafío y rápidamente se dio
cuenta de que el factor de carga parecía
ser un elemento muy importante en el
esquema de análisis. También notó que
las empresas de servicios públicos con-
taban con cantidades significativas de
información útil sobre cómo sus clien-
tes usan la energía, a saber, la energía
facturada mensualmente para toda su
población de clientes. Wright especuló

Improve restoration time from hours to minutes
G&W Electric's model-based Fault Location, Isolation, and Service Restoration (FLISR)
is a solution that automatically determines the location of a fault, automatically
isolates the faulted area, and automatically restores power to as many customers as
possible.
Advantages of model-based Single Phase FLISR:
* Increased Reliability Numbers
* Remote Monitoring and Control
* Speed of Restoration
* Ease of system expansion and/or changes
gwelectric.com

IEEE PES half page ad.indd 1

mayo/junio 2020

2/5/2020 4:17:48 PM

ieeepower & energy magazine

89
http://www.gwelectric.com
IEEE Power & Energy Magazine - Spanish - May/June 2020

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