IEEE Power & Energy - Spanish - May/June 2018 - 73

algoritmos simples como la estimación de interpolación,
la regulación o un método de regresión pueden finalizar la
ausencia menor; los algoritmos inteligentes como el análisis
de grupos, la red neuronal artificial (ann, por sus siglas en
inglés) y la sVm son más adecuados para manejar la ausen-
cia mayor. en segundo lugar, los estados anormales de los
datos se detectan a través del cálculo del índice de cambio, la
media, la variación y el rango de los datos de monitoreo bajo
diferentes modos de anormalidad. luego se usan los algo-
ritmos de filtración para eliminar las interferencias de los
datos anormales. Finalmente, se usa el conjunto de índices
de evaluación de calidad de los datos para valorar los datos
modificados en un intervalo normal. si no pasa la evaluación
de calidad, el conjunto de datos debe depurarse nuevamente
hasta que se cumplan los requisitos de calidad.
las tecnologías de "big data" ayudan a mejorar la eva-
luación de las condiciones de los equipos de potencia y el
diagnóstico de fallas para reducir la probabilidad de falla
de los equipos y fortalecer la confiabilidad y economía del
sistema de potencia. los métodos tradicionales de diagnós-
tico de fallas dependen principalmente de un solo umbral de
parámetros, de manera que no se puede evitar una cantidad
considerable de resultados falsos positivos y falsos negativos.
un método de diagnóstico de fallas basado en los amplios
parámetros de conjuntos de datos y características multidi-
mensionales puede mejorar de manera eficaz la precisión
diagnóstica y reducir la probabilidad de fallas en los equipos.
en primer lugar, las correlaciones entre distintos datos
de monitoreo y el modo, la ubicación y la gravedad de las
fallas se evalúan usando algoritmos de análisis de correlación
como correlación gris. se identifican características clave de
dicha correlación. luego, se identifican los patrones de cam-
bio de los datos de monitoreo bajo diferentes modos de fallas
usando algoritmos de aprendizaje supervisados o no supervi-
sados, como la matriz aleatoria de alta dimensión, el análisis
de grupos, la sVm, la ann y el sistema informático. Final-
mente, se predice la tendencia de desarrollos, las ubicaciones
y la gravedad de las fallas en los equipos de potencia.
tomando el diagnóstico de fallas de transformadores como
ejemplo, se pueden dividir los procedimientos en cinco pasos,
como se muestra en el Gráfico 8: 1) recopilar datos de monito-
reo de estados multidimensionales; 2) calcular las correlaciones
entre estos datos; 3) recopilar una gran cantidad de muestras de
fallas de los transformadores; 4) usar el análisis de correlación
para obtener parámetros de características clave bajo distin-
tas fallas, modos de fallas originales, modos de fallas finales y
ubicaciones de fallas; y 5) aplicar métodos de clasificación de
ann para diagnosticar fallas en los transformadores basados
en los parámetros de características multidimensionales.

Desafíos en China
los desafíos para el análisis de "big data" son múltiples.
existen tanto aspectos técnicos que se originan a partir de
características del sistema de potencia como aspectos no téc-
nicos tales como la formación o ubicación de personal téc-
mayo/junio 2018

nico suficiente en este campo. además, la rápida transición
de la industria de la potencia de china que incluye la desregu-
larización del mercado y la alta penetración de la integración
de energías renovables también presenta nuevos desafíos.

Fusión y Seguridad de los Datos
distintos tipos de datos se suelen almacenar en diversos sis-
temas de bases de datos debido a que varias partes del sis-
tema de potencia normalmente son ejecutadas por diferentes
departamentos. por ejemplo, los datos de carga en tiempo
real y el consumo de electricidad mensual se almacenan en
los departamentos de envío de potencia y mercadeo, respec-
tivamente. el diseño de los sistemas tradicionales de gestión
de base de datos en los sistemas de potencia no consideran
el intercambio ni la interacción en los departamentos, lo que
presenta barreras para permitir las ideas de "big data" en los
sistemas de potencia. esto no es solo un problema técnico
sino que también puede suponer dificultades de gestión para
las empresas de redes. en el futuro, la fusión de datos múl-
tiples en la actual industria de potencia eléctrica probable-
mente producirá más información valiosa y conllevará más
aplicaciones. dicho valor mejoraría la gestión y el intercam-
bio de datos entre los distintos departamentos.
además, el aspecto de seguridad de los datos de consumo
de electricidad y los datos de funcionamiento de las redes
de potencia está aumentando las crecientes inquietudes. los
ataques cibernéticos en los medidores inteligentes y los dis-
positivos de pmu perjudican la facturación y la privacidad
de la demanda. Hoy en día, los impactos en la estabilidad y
seguridad de todo el sistema de potencia son más significa-
tivos. Garantizar la seguridad de las cantidades masivas de
datos generados de los sistemas de potencia, depende tanto
del modelo de gestión de las aplicaciones de técnicas avanza-
das tales como Blockchain. los investigadores industriales
y académicos deben hacer mayores esfuerzos en este área.

Desregularización de industria de la energía
eléctrica
la industria de la potencia está experimentando una rápida
transición de desregularización del mercado, especialmente
en la demanda. se presentarán varios participantes, como
minoristas y agregadores, y emergerán nuevos modelos
comerciales. en un entorno competitivo, los minoristas y
agregadores desregularizados tienen más incentivo para
ofrecer servicios de valor agregado y maximizar así sus
ganancias. los participantes aplicarán el análisis de "big
data" más ampliamente en el mercado de la potencia, que
no se limita a las empresas de redes de potencia, para detec-
tar información masiva y valiosa de los datos de medidores
inteligentes. por ejemplo, en la provincia de Guangdong,
los minoristas de electricidad requieren proporcionar pre-
dicciones de demanda precisas. los errores predictivos que
superen el 3% se penalizarán. en este caso, los minoristas o
agregadores se benefician al hacer uso completo de distintos
datos que mejoran la precisión de su modelo de predicción.
ieee power & energy magazine

73



Table of Contents for the Digital Edition of IEEE Power & Energy - Spanish - May/June 2018

Contenidos
IEEE Power & Energy - Spanish - May/June 2018 - Cover1
IEEE Power & Energy - Spanish - May/June 2018 - Cover2
IEEE Power & Energy - Spanish - May/June 2018 - Contenidos
IEEE Power & Energy - Spanish - May/June 2018 - 2
IEEE Power & Energy - Spanish - May/June 2018 - 3
IEEE Power & Energy - Spanish - May/June 2018 - 4
IEEE Power & Energy - Spanish - May/June 2018 - 5
IEEE Power & Energy - Spanish - May/June 2018 - 6
IEEE Power & Energy - Spanish - May/June 2018 - 7
IEEE Power & Energy - Spanish - May/June 2018 - 8
IEEE Power & Energy - Spanish - May/June 2018 - 9
IEEE Power & Energy - Spanish - May/June 2018 - 10
IEEE Power & Energy - Spanish - May/June 2018 - 11
IEEE Power & Energy - Spanish - May/June 2018 - 12
IEEE Power & Energy - Spanish - May/June 2018 - 13
IEEE Power & Energy - Spanish - May/June 2018 - 14
IEEE Power & Energy - Spanish - May/June 2018 - 15
IEEE Power & Energy - Spanish - May/June 2018 - 16
IEEE Power & Energy - Spanish - May/June 2018 - 17
IEEE Power & Energy - Spanish - May/June 2018 - 18
IEEE Power & Energy - Spanish - May/June 2018 - 19
IEEE Power & Energy - Spanish - May/June 2018 - 20
IEEE Power & Energy - Spanish - May/June 2018 - 21
IEEE Power & Energy - Spanish - May/June 2018 - 22
IEEE Power & Energy - Spanish - May/June 2018 - 23
IEEE Power & Energy - Spanish - May/June 2018 - 24
IEEE Power & Energy - Spanish - May/June 2018 - 25
IEEE Power & Energy - Spanish - May/June 2018 - 26
IEEE Power & Energy - Spanish - May/June 2018 - 27
IEEE Power & Energy - Spanish - May/June 2018 - 28
IEEE Power & Energy - Spanish - May/June 2018 - 29
IEEE Power & Energy - Spanish - May/June 2018 - 30
IEEE Power & Energy - Spanish - May/June 2018 - 31
IEEE Power & Energy - Spanish - May/June 2018 - 32
IEEE Power & Energy - Spanish - May/June 2018 - 33
IEEE Power & Energy - Spanish - May/June 2018 - 34
IEEE Power & Energy - Spanish - May/June 2018 - 35
IEEE Power & Energy - Spanish - May/June 2018 - 36
IEEE Power & Energy - Spanish - May/June 2018 - 37
IEEE Power & Energy - Spanish - May/June 2018 - 38
IEEE Power & Energy - Spanish - May/June 2018 - 39
IEEE Power & Energy - Spanish - May/June 2018 - 40
IEEE Power & Energy - Spanish - May/June 2018 - 41
IEEE Power & Energy - Spanish - May/June 2018 - 42
IEEE Power & Energy - Spanish - May/June 2018 - 43
IEEE Power & Energy - Spanish - May/June 2018 - 44
IEEE Power & Energy - Spanish - May/June 2018 - 45
IEEE Power & Energy - Spanish - May/June 2018 - 46
IEEE Power & Energy - Spanish - May/June 2018 - 47
IEEE Power & Energy - Spanish - May/June 2018 - 48
IEEE Power & Energy - Spanish - May/June 2018 - 49
IEEE Power & Energy - Spanish - May/June 2018 - 50
IEEE Power & Energy - Spanish - May/June 2018 - 51
IEEE Power & Energy - Spanish - May/June 2018 - 52
IEEE Power & Energy - Spanish - May/June 2018 - 53
IEEE Power & Energy - Spanish - May/June 2018 - 54
IEEE Power & Energy - Spanish - May/June 2018 - 55
IEEE Power & Energy - Spanish - May/June 2018 - 56
IEEE Power & Energy - Spanish - May/June 2018 - 57
IEEE Power & Energy - Spanish - May/June 2018 - 58
IEEE Power & Energy - Spanish - May/June 2018 - 59
IEEE Power & Energy - Spanish - May/June 2018 - 60
IEEE Power & Energy - Spanish - May/June 2018 - 61
IEEE Power & Energy - Spanish - May/June 2018 - 62
IEEE Power & Energy - Spanish - May/June 2018 - 63
IEEE Power & Energy - Spanish - May/June 2018 - 64
IEEE Power & Energy - Spanish - May/June 2018 - 65
IEEE Power & Energy - Spanish - May/June 2018 - 66
IEEE Power & Energy - Spanish - May/June 2018 - 67
IEEE Power & Energy - Spanish - May/June 2018 - 68
IEEE Power & Energy - Spanish - May/June 2018 - 69
IEEE Power & Energy - Spanish - May/June 2018 - 70
IEEE Power & Energy - Spanish - May/June 2018 - 71
IEEE Power & Energy - Spanish - May/June 2018 - 72
IEEE Power & Energy - Spanish - May/June 2018 - 73
IEEE Power & Energy - Spanish - May/June 2018 - 74
IEEE Power & Energy - Spanish - May/June 2018 - 75
IEEE Power & Energy - Spanish - May/June 2018 - 76
IEEE Power & Energy - Spanish - May/June 2018 - 77
IEEE Power & Energy - Spanish - May/June 2018 - 78
IEEE Power & Energy - Spanish - May/June 2018 - 79
IEEE Power & Energy - Spanish - May/June 2018 - 80
IEEE Power & Energy - Spanish - May/June 2018 - 81
IEEE Power & Energy - Spanish - May/June 2018 - 82
IEEE Power & Energy - Spanish - May/June 2018 - 83
IEEE Power & Energy - Spanish - May/June 2018 - 84
IEEE Power & Energy - Spanish - May/June 2018 - 85
IEEE Power & Energy - Spanish - May/June 2018 - 86
IEEE Power & Energy - Spanish - May/June 2018 - 87
IEEE Power & Energy - Spanish - May/June 2018 - 88
IEEE Power & Energy - Spanish - May/June 2018 - 89
IEEE Power & Energy - Spanish - May/June 2018 - 90
IEEE Power & Energy - Spanish - May/June 2018 - 91
IEEE Power & Energy - Spanish - May/June 2018 - 92
IEEE Power & Energy - Spanish - May/June 2018 - 93
IEEE Power & Energy - Spanish - May/June 2018 - 94
IEEE Power & Energy - Spanish - May/June 2018 - 95
IEEE Power & Energy - Spanish - May/June 2018 - 96
IEEE Power & Energy - Spanish - May/June 2018 - 97
IEEE Power & Energy - Spanish - May/June 2018 - 98
IEEE Power & Energy - Spanish - May/June 2018 - 99
IEEE Power & Energy - Spanish - May/June 2018 - 100
IEEE Power & Energy - Spanish - May/June 2018 - 101
IEEE Power & Energy - Spanish - May/June 2018 - 102
IEEE Power & Energy - Spanish - May/June 2018 - 103
IEEE Power & Energy - Spanish - May/June 2018 - 104
IEEE Power & Energy - Spanish - May/June 2018 - 105
IEEE Power & Energy - Spanish - May/June 2018 - 106
IEEE Power & Energy - Spanish - May/June 2018 - 107
IEEE Power & Energy - Spanish - May/June 2018 - 108
IEEE Power & Energy - Spanish - May/June 2018 - 109
IEEE Power & Energy - Spanish - May/June 2018 - 110
IEEE Power & Energy - Spanish - May/June 2018 - 111
IEEE Power & Energy - Spanish - May/June 2018 - 112
IEEE Power & Energy - Spanish - May/June 2018 - 113
IEEE Power & Energy - Spanish - May/June 2018 - 114
IEEE Power & Energy - Spanish - May/June 2018 - 115
IEEE Power & Energy - Spanish - May/June 2018 - 116
IEEE Power & Energy - Spanish - May/June 2018 - 117
IEEE Power & Energy - Spanish - May/June 2018 - 118
IEEE Power & Energy - Spanish - May/June 2018 - 119
IEEE Power & Energy - Spanish - May/June 2018 - 120
IEEE Power & Energy - Spanish - May/June 2018 - 121
IEEE Power & Energy - Spanish - May/June 2018 - 122
IEEE Power & Energy - Spanish - May/June 2018 - 123
IEEE Power & Energy - Spanish - May/June 2018 - 124
IEEE Power & Energy - Spanish - May/June 2018 - Cover3
IEEE Power & Energy - Spanish - May/June 2018 - Cover4
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_1119
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_091019
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_070819
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_050619
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_030419
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_010219
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_111218
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_091018
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_070818
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_050618
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_030418
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_010218
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_0917
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_0717
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_0517
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_0117
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_0317
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_1116
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_0916
http://www.nxtbook.com/nxtbooks/pes/powerenergy_sp_111217
http://www.nxtbookMEDIA.com