PILOTO AMIs : detección de anomalías en series de tiempo de consumo de energía eléctrica de usuarios residenciales

Las pérdidas no técnicas de energía eléctrica representan un desafío significativo en Colombia, especialmente por la falta de infraestructura de monitoreo eficiente. Esta investigación propone una metodología basada en aprendizaje no supervisado para detectar consumos anómalos en series de tiempo re...

Full description

Autores:
Ortiz Montoya, Santiago
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2025
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/46144
Acceso en línea:
https://hdl.handle.net/10495/46144
Palabra clave:
Áreas residenciales
Planned communities
Consumo de energía
Energy consumption
Suministro de energía eléctrica
Electricity supplies
Pérdidas de energía
Energy losses
Análisis de series cronológicas
Time series analysis
Aprendizaje automático
Machine learning
Detección de anomalías
Aprendizaje supervisado
http://aims.fao.org/aos/agrovoc/c_16121
http://aims.fao.org/aos/agrovoc/c_2519
http://aims.fao.org/aos/agrovoc/c_25309
http://aims.fao.org/aos/agrovoc/c_28778
http://aims.fao.org/aos/agrovoc/c_49834
ODS 7: Energía asequible y no contaminante. Garantizar el acceso a una energía asequible, fiable, sostenible y moderna para todos
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/4.0/
Description
Summary:Las pérdidas no técnicas de energía eléctrica representan un desafío significativo en Colombia, especialmente por la falta de infraestructura de monitoreo eficiente. Esta investigación propone una metodología basada en aprendizaje no supervisado para detectar consumos anómalos en series de tiempo registradas por medidores inteligentes (AMI). Utilizando registros de energía activa de aproximadamente 60,000 puntos de medición proporcionados por Celsia, se implementaron técnicas de clusterización con K-means y la métrica Dynamic Time Warping (DTW) para caracterizar patrones de consumo. Posteriormente, se evaluaron comportamientos anómalos mediante el análisis de inercias dentro de subgrupos de consumo. Los resultados evidencian que esta técnica permite identificar tanto consumos extremadamente regulares como irregulares, ofreciendo un enfoque escalable para empresas del sector energético. Esta propuesta representa una herramienta efectiva para mitigar las pérdidas no técnicas y optimizar los recursos del sistema de distribución eléctrica.