IEEE Power & Energy Magazine - Spanish - May/June 2022 - 67

Un método de partición divide las observaciones en
un número, k, de grupos no superpuestos de manera
tal que cada grupo contiene al menos una observación.
razones, una herramienta de agrupación adecuada debería ser
capaz de clasificar a estos clientes en diferentes grupos.
Para ilustrar el patrón de comportamiento de todos los
consumos domésticos de la muestra, existen varias alternativas
de visualización. La figura 1(d) resume cada serie
temporal mediante un punto que representa el consumo promedio
horario (en Wh) en un año para un hogar (eje x) y su
correspondiente desviación estándar (eje y). Hemos resaltado
en rojo los tres clientes seleccionados con fines ilustrativos.
Existe una clara relación entre los consumos horarios
promedio y su correspondiente dispersión. En promedio, los
consumos de los hogares rondan los 300 Wh, con una desviación
estándar de alrededor de 400 Wh. Eso significa que
la dispersión es más alta que el nivel de consumo medio.
Nótese también que la distribución del consumo horario promedio
y la desviación estándar es altamente asimétrica. Por
ejemplo, el 75 % de los clientes tiene un consumo promedio
horario menor a 440 Wh y una desviación estándar de menos
de 525 Wh. Finalmente, hay varios hogares con un consumo
casi constante y cercano a cero a lo largo del año (desviación
estándar menor a 1 Wh).
La serie temporal individual contiene el comportamiento
de consumo de los clientes a lo largo del tiempo, por lo
que podemos inferir muchos aspectos interesantes, como
los perfiles horarios cuantiles estáticos (es decir, cómo se
distribuye estadísticamente el consumo dentro de las 24 h
de un día), las horas de máximo y mínimo consumo, y las
autodependencias (cómo el consumo en las horas anteriores
se relaciona con el consumo a la
hora actual). Estas características
estáticas y dinámicas pueden ser
utilizadas para caracterizar, analizar
y pronosticar los principales
patrones de consumo de los consumidores
y para agrupar aquellos
hogares con perfiles similares.
Cliente A
características
Series temporales
de agrupación de los
hogares
Métodos de agrupación
para datos de series
temporales
La agrupación es una de las herramientas
más importantes en el
aprendizaje de máquina no supermayo/junio
de 2022
visado para agrupar conjuntos de datos sin etiquetar. Es un
proceso matemático encontrar grupos de observaciones (en
nuestro caso, perfiles de carga de uso final) de tal manera
que las observaciones dentro de la misma agrupación tengan
características similares, mientras que las observaciones en
diferentes grupos varían entre sí. De esa manera, esperamos
que los hogares en un grupo tengan un patrón de consumo
similar, pero muy diferente al de los hogares en otros grupos.
La similitud entre hogares implica medidas de distancia
entre los atributos o valores característicos que describen las
series temporales del consumo eléctrico.
Existen dos herramientas principales de agrupación: los
métodos de partición y los métodos jerárquicos. Un método
de partición divide las observaciones en un número, k,
de grupos no superpuestos de manera tal que cada grupo
contiene al menos una observación. Un método jerárquico
comienza con agrupaciones simples (agrupaciones con una
sola observación) y une a las agrupaciones en cada paso de
forma jerárquica.
Para los datos de series temporales, hay tres enfoques para
crear las agrupaciones: los basados en las características, los
basados en los modelos, y los basados en las dependencias.
Las características pueden ser estadísticas que resumen los
datos brutos o los propios datos brutos (en nuestro caso, 8,760
características que corresponden al consumo horario de un
hogar). Las siguientes características resumidas podrían ser
utilizadas en lugar de las 8,760 en bruto originales:
✔ media o mediana (total u horaria, por día, mes, etc.)
Espacio
de Fréchet
Cliente B
características
figura 2. Una ilustración de la distancia euclidiana y el espacio de Fréchet que
asumen cinco características. El espacio de Fréchet (flecha doble) es el espacio
min-máx entre los dos conjuntos de puntos que mantienen un orden creciente. La
distancia euclidiana es la suma de las distancias cuadradas (líneas discontinuas).
ieee power & energy magazine
67
IEEE Power & Energy Magazine - Spanish - May/June 2022

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - May/June 2022
