INTELIGENCIA ARTIFICIAL, BIG DATA Y SU

APLICACIÓN A LOS SMART GRIDS

Integrantes:

 Cortez Sarmiento Martín Junior

 Huamani Torres Jose Luis
 Orellana Solis José Alejandro
 Rojas Borda Cesar Joel
Inteligencia Artificial
 Definición de Inteligencia
La inteligencia es una capacidad mental muy general que
implica habilidad para razonar, planificar, resolver problemas,
pensar de forma abstracta, comprender ideas complejas,
aprender con rapidez y aprender de la experiencia.
 Definición de Inteligencia Artificial
La Inteligencia Artificial (IA) es la combinación de algoritmos
planteados con el propósito de crear máquinas que presenten
las mismas capacidades que el ser humano, es decir, cuando
una máquina imita las funciones cognitivas que los humanos
asocian con otras mentes humanas, como por ejemplo:
percibir, razonar, aprender y resolver problemas.
 Antecedentes de la Inteligencia Artificial

 300 A.C, el Filósofo Aristoles fue el primero que describió de

una manera estructurada unos conjuntos de reglas, silogismo
que describe una parte del funcionamiento de la mente
humana y que al seguirlas paso a paso, permiten generar
conclusiones racionales a partir de premisas dadas.
 250 a. C. Ctesibio de Alejandría construyó la primera
máquina autocontrolada, un regulador del flujo de agua
que actuaba modificando su comportamiento
"racionalmente" pero claramente sin razonamiento.
 1315, Ramon Llull tuvo la idea de que el razonamiento
podía ser efectuado de maneral artificial.

 1847, George Boole estableció la lógica proposicional

(booleana), mucho más completa que los silogismos de
Aristóteles, pero aún algo poco potente.

 1879, Gottlob Frege extiende la lógica booleana y obtiene

la Lógica de Primer Orden la cual cuenta con un mayor
poder de expresión y es utilizada universalmente en la
actualidad.
Lógica de Primer Orden
 1936, Alan Turing publicó un artículo de bastante
repercusión sobre los "Números Calculables", un artículo
que estableció las bases teóricas para todas las ciencias de
computación. En este artículo introdujo el concepto de
Máquina de Turing. El artículo fijó los límites de las
ciencias de la computación porque demostró que no es
posible resolver problemas con ningún tipo de computador,
por lo que se le considera el padre de la teoría de la
computabilidad. Luego de 4 años Alan Turing y su equipo
construyeron el primer computador electromecánico.
Harvard I – 1er computador
electromecánico
 1941, Konrad Zuse creó la primera computadora
programable y el primer lenguaje de programación de alto
nivel Plankalkül siendo las siguientes máquinas las ABC y
ENIAC más potentes, aunque con igual concepto.
 1943, Warren McCulloch y Walter Pitts presentaron su
modelo de neuronas artificiales, el cual se considera el
primer trabajo del campo de inteligencia artificial, aun
cuando todavía no existía el término.
 Inicio de la Inteligencia Artificial
 1950, Turing consolidó el campo de la inteligencia artificial
con su artículo Computing Machinery and Intelligence, en el
que propuso una prueba concreta (Prueba de Turing) para
determinar si una máquina era inteligente o no. Años
después Turing se convirtió en el adalid que quienes
defendían la posibilidad de emular el pensamiento humano
a través de la computación y fue coautor del primer
programa para jugar ajedrez.
Prueba de Turing
 1951, William Shockley inventa el transistor de unión. Este
invento hizo posible una nueva generación de computadoras
mucho más rápidas y pequeñas.

 1956, se dio el término "inteligencia artificial" en Dartmouth

durante una conferencia convocada por John McCarthy, a la
cual asistieron, entre otros, Minsky, Newell y Simon. En esta
conferencia se hicieron previsiones triunfalistas a diez años
que jamás se cumplieron, lo que provocó el abandono casi
total de las investigaciones durante quince años.
 La consagración definitiva de la inteligencia artificial llegó
en 1997, cuando IBM demostró que un sistema informático
era capaz de vencer al ajedrez a un humano y no un
humano cualquiera, sino el campeón del mundo Gari
Kaspárov. Se llamaba Deep Blue y sirvió de base para que la
industria tecnológica y la sociedad en general cobraran
conciencia de la relevancia y las posibilidades de las IA

Garry Kaspárarov
VS Deep Blue
 La Inteligencia Artificial en la actualidad

En esta primera década del siglo XXI, la inteligencia artificial

ha logrado llegar a gran parte de los sistemas de
computadora de grandes corporaciones.
Por ejemplo:
 Attrasoft

El software de la empresa Attrasoft, que lleva su mismo

nombre, ha sido creado para análisis financiero y el
reconocimiento de imágenes . Sus productos están basados
en modelos neuronales y están diseñados para trabajar en un
ambiente entre 1,000 y 100,000 neuronas externas.

Estos programas se utilizan para clasificar imágenes y

buscarlas en Internet, así como para obtener predicciones
sobre una serie de datos, reconocimiento de patrones, etc.
Software Attrasoft
 Optimach

Permite la administración de publicidad dirigida hacia Internet,

ya que analiza y decide qué banners o anuncios presentará en un
sitio de Internet a cada tipo de usuario.

Los antivirus ocupan técnicas heurísticas. El software antivirus

suele utilizar técnicas de reconocimiento inteligente propias de
la IA para detectar códigos maliciosos.
Los anti-spam aplican técnicas de IA para clasificar
automáticamente correos no deseados, tales como los
Algoritmos Bayesianos y algunas otras técnicas heurísticas.
Además, cuando se implementan los filtros Bayesianos,
éstos utilizan una aproximación matemática que calcula la
probabilidad de que un mensaje de correo es spam o ham
(correo válido).
SpamAssassin
 Industria de los videojuegos

En ésta se ha encontrado la necesidad de mejorar los

elementos y características de sus productos.

Entre algunos ejemplos podemos mencionar juegos como

F.E.A.R. un juego en primera persona, que cuenta con la
inteligencia artificial más interesante, como es el uso de un
planeador estratégico que complementa a otras técnicas que
se han utilizado en los juegos de video, tales como la máquina
de estado finito (FSM) y el algoritmo A*.
 Tipos de Inteligencia Artificial

Los expertos en ciencias de la computación Stuart Russell y

Peter Norvig diferencian varios tipos de inteligencia artificial:
 Sistemas que piensan como humanos

Automatizan actividades como la toma de decisiones, la

resolución de problemas y el aprendizaje. Un ejemplo sería
las redes neuronales artificiales.

Red Neuronal
Artificial
 Sistemas que actúan como humanos:

Se trata de computadoras que realizan tareas de forma

similar a como lo hacen las personas. Es el caso de los
robots.

Robot Asistente de Servicios

 Sistemas que piensan racionalmente:

Intentan emular el pensamiento lógico racional de los

humanos, es decir, se investiga cómo lograr que las máquinas
puedan percibir, razonar y actuar en consecuencia. Los
sistemas expertos se engloban en este grupo.

Sistema Experto
 Sistemas que actúan racionalmente:

Idealmente, son aquellos que tratan de imitar de manera

racional el comportamiento humano, como los agentes
inteligentes.

Agente Inteligente
Tipos de Inteligencia Artificial
 Áreas de trabajo de la Inteligencia Artificial

Las áreas de aplicación de la Inteligencia Artificial se

pueden dividir en dos, de acuerdo al contenido del estudio
o de acuerdo a las herramientas y técnicas utilizadas. Se
desarrollan a continuación.
 Subcampos basados en el contenido

Humanos, animales y robots inteligentes tienen amplia

variedad de capacidades, todas ellas muy complejas y
difíciles de explicar o modelar.

 Percepción

Visión, percepción auditiva y táctil, más recientemente,

el gusto y el olfato.
  Procesamiento de lenguaje natural
Producción y la interpretación de lenguas hablada y
escrita.

 Planificación

Grado un problema complejo crear una solución óptima.

 Variedad de razonamiento
Formal, informal, lógica, razonamiento en robots,etc.
 Técnicas y mecanismos de memoria

 Sistema multiagente
Estudio de los diversos tipos de comunicación, cooperación.

 Robótica
Estudiado con el propósito de producir nuevos tipos de
máquinas.
 Subcampos basados en la aplicación

Debido a que las aplicaciones de la IA son muchas y muy

diversas algunos de los campos se agrupan en torno a las
técnicas relevantes a cada clase de problemas.

 IA en la medicina
Imágenes médicas, diagnóstico, sistemas expertos para
ayudar a los médicos, la monitorización y control de unidades
de cuidados intensivos, diseño de fármacos y protesis.
 IA en la robótica
Control de motores, aprendizaje, planificación, comunicación
y comportamiento cooperativo.

 IA en aspectos de la Ingeniería
Sistemas inteligentes de control, de fabricación, ayuda al
diseño, producción, mantenimiento, herramientas de
configuración en la ingeniería de software incluir síntesis de
programas, verificación, depuración, prueba y monitorización
de software.
 IA en interfaces y sistemas de ayuda
Interés en construir máquinas más fáciles de usar

 IA en la educación
Sistemas tutores inteligentes, gestión de estudiantes,
aplicaciones, ejercicios, prácticas, marcado
automáticamente
 IA en las matemáticas
Diseños de herramientas para ayudar con distintas clases de
funciones matemáticas

 IA en la industria de entretenimiento
Inteligencia artificial en juegos de ordenador y sistemas de
control, ya sea en interacción a través de textos o con la
generación de interactivos a través de texto o con la
generación de interactivos en mundos virtuales
 IA en la biología
Análisis de ADN, estructura del legado de moléculas, modelo
de procesos biológicos, evolución.

 IA en la ley
Sistemas de acesoramiento.

 IA en la arquitectura
Diseño urbano, gestión del tráfico.
 IA en el comercio
Internet ha permitido que una de las áreas con mayor
crecimiento en cuanto al número de aplicaciones
desarrolladas sea el comercio especialmente comercio
electrónico y uso de agentes de software de distintas clases
para proporcionar, buscar, analizar o interpretar
información, tomar decisiones, negociar con agentes.
 IA en el espacio
Control a distancia de los vehículos especiales y robots
autónomos.

 IA en las actividades militares

En el ámbito en que se ha gastado la mayor parte de los
fondos y donde no es fácil aprender detalles.
BIG DATA
 Definición de Cloud Computing
Herramienta que hace posible que la tecnología digital
penetre en cada rincón de nuestra economía y nuestra
sociedad, no solo permitiendo que los usuarios estén
conectados a este nuevo mundo digital a través de sus
dispositivos móviles, sino posibilitando que también lo esté en
breve cualquier objeto o dispositivo.
 Definición de Big Data
Procedimiento mediante el cual se recopilan y analizan
grandes cantidades de datos de forma estructurada y no
estructurada, procedente de varias fuentes, con el objetivo de
extraer información relevante de gran valor estratégico y
táctico para los objetivos del negocio o de la empresa.
 Importancia de Big Data
El uso de la misma, viene promovido por las empresas que año
tras año, recopilan cantidades ingentes de datos sobre sus
clientes, productos, marketing que sigue la empresa y todo lo
que se dice acerca de sus productos en los medios de
comunicación social, etc. Con esta recopilación de
información, como resultado las empresas pueden tomar
mejores tomas de decisión empresarial, decisiones de negocio
inteligente como ofertas específicas, llegando al cliente en el
momento justo.
Big data abarca un modelo de tres dimensiones muy
importantes en el sector empresarial (El modelo de las tres V
de Gartner), que son las siguientes: volumen, velocidad y
variedad:

El Modelo de las tres V de Garnert

 Volumen:
las empresas están cubiertas de una cantidad cada vez mayor
de datos de todo tipo, acumulando de esta forma fácilmente
terabytes, incluso petabytes de información.
 Velocidad:
A veces 2 minutos es demasiado tarde. En los procesos en los
que el tiempo cuenta como por ejemplo (descubrir
tendencias, pérdidas económicas, etc.). Los grandes
volúmenes de datos deben utilizarse como un valor añadido
en la empresa para maximizar el valor.
 Variedad:
los grandes volúmenes de datos incluyen cualquier tipo de
datos, estructurados y no estructurados, como texto, datos
de sensores, audio, vídeo, secuencias de clic o archivos de
registro, entre otros... Al analizar estos datos de forma
conjunta se encuentra información nueva beneficiosa para la
empresa y con estos datos obtenidos preparar de forma
eficaz la estrategia empresarial.
Debido a estas características muchas empresas se deciden por
este tipo de proceso y abarca tres tipos de mercado: técnico,
financiero y de negocio.

 Técnico
 Los datos recogidos y almacenados continúan creciendo
exponencialmente.
 Los datos están repartidos y en muchos formatos.
 Las soluciones tradicionales están fallando a las nuevas
exigencias del mercado.
 Financiero
 Elcoste de los sistemas de datos, como porcentaje del gasto
de TI, sigue creciendo.

 Negocios
 La oportunidad de crear nuevos modelos de negocio
innovadores.
 Potenciar nuevos conocimientos que impulsarán a la ventaja
competitiva de la empresa.
 Ventajas e inconvenientes del Big Data
El uso de grandes volúmenes de datos se convertirá en una
base clave de la competencia y el crecimiento de las
empresas. Desde el punto de vista de la competitividad y la
captura potencial de valor, todas las empresas deben tomar
los datos con especial seriedad.
 El uso del Big Data proporciona a la empresa una gran
ventaja competitiva:

 Valor añadido a la empresa:

Al crear internamente una información más transparente y
útil, pudiéndose utilizar los datos en el menor tiempo posible.
 Optimización de la producción y la distribución:
Las herramientas de análisis de datos también pueden
funcionar de manera óptima al integrarse con sistemas de
logística.
 Pronósticos y previsiones:
La creación y almacenamiento de más datos transaccionales
en formato digital, recogiendo de esta forma más información
precisa y detallada de toda la información que disponga la
empresa.
 Una mejora en la toma de decisiones en gestión empresarial
De esta forma ajustan tiempos de entregas de productos de
forma eficaz y satisfactoria.
 Fidelización y retención de clientes:
Relación más estrecha con el cliente mejorando su servicio
post-venta.
 Nuevos productos y servicios:
Mejorar el desarrollo de la próxima generación de productos y
servicios.
 Modificar hábitos de consumo por parte de los clientes:
lo que se traducirá en una mayor eficiencia a través de la red
eléctrica, la disminución de costes y el impacto ambiental.
 Desventajas del uso del Big Data:

 Las medianas y pequeñas empresas, no son ni medianamente

conscientes de esta problemática debido a que están en
estados de maduración tecnológica muy distinta a las
grandes empresas, su capacidad de inversión es menor, por
lo tanto las herramientas utilizadas serán más básicas
 La información de los usuarios puede acabar de forma
deslocalizada en el otro extremo del mundo, provocando
problemas de disponibilidad.
 Dudas sobre la seguridad, privacidad e integridad de los
datos en la misma constituyen una de las preocupaciones
más frecuentes.
 Los usuarios no están seguros de quien accede a esa
información o si está o no protegida.
 Casos de uso y agentes involucrados

Los Casos de uso son los siguientes:

 Análisis de datos para predecir en que zonas se comete más

pérdidas eléctricas.

 En el sector de las telecomunicaciones y financiero.

Utilización de la información que generan los clientes para
diseñar nuevos productos, personalizarlos y fidelizarlos.
 Mejorar la salud pública, sobre todo lo relacionado con la
información biomédica, normalmente los hospitales tratan
con datos sobre registros electrónicos de pacientes, como
por ejemplo su historia médica.
 Utilización del sistema de recogida de datos con programas
de CRM para generar información muy valiosa que los
departamentos de marketing pueden explotar.
 En el sector servicios. Monitorización en tiempo real de los
clientes para obtener patrones de consumo.
 PayPal utiliza herramientas Big Data para combatir el fraude
en tiempo real: Aplicando diversos filtros de "Fraud
Management" la compañía desarrolló un proceso de
detección de fraude basados en datasets masivos que son
analizados a través de herramientas de Big Data.
 Mejorar la vía pública, se están encontrando nuevas maneras
de aprovechar el poder de predicción de los datos,
incluyendo maneras de acabar con los atascos o los
desperfectos en la vía pública.
Agentes involucrados:

 Usuarios:
Demanda de nuevos y mejorados servicios, además de
habilitar la posibilidad de poder conectar la generación
energética individual a la red, con el fin de poder vender el
excedente energético generado. Otra mejora será la
tarificación en tiempo real y la liberación para elegir los
suministradores energéticos.
 Compañías de redes eléctricas:
Los propietarios y operadores de las redes serán los
responsables de responder a las peticiones de los usuarios de
una forma eficiente y con un coste ajustado. Por otro lado,
las empresas de servicios energéticos se encargarán de hacer
tangible el ahorro obtenido gracias a las mejoras
implementadas en la red, resaltando también el ahorro
obtenido gracias a los cambios en los hábitos de consumo
energético de las personas
 Investigadores y Desarrolladores:
Será necesario realizar una fuerte inversión en investigación
aplicada a la demanda y la generación, así como en las
tecnologías necesarias para realizar la implementación de la
red de telecomunicaciones que sustente la transferencia de
datos necesaria para la monitorización y control de la red.
 Operadores:
Los clientes podrán beneficiarse de la oportunidad de poder
elegir el proveedor de energía que mejor se adapte a sus
necesidades.

 Reguladores:
El mercado energético y los servicios relacionados, deben ser
apoyados por un marco regulador claro y estable.
 Generadores:
Las redes eléctricas son complejos sistemas integrados,
habiendo una importante interacción entre generadores, las
redes, y la demanda. Por lo tanto, será importante fomentar
la participación de agentes que puedan aportar energía a la
red, facilitándoles el acceso tanto a nivel tecnológico, como
normativo.
 Agentes gubernamentales:
Los gobiernos tendrán que preparar una nueva legislación que
se encargue de regir todos los aspectos y trámites. Se espera
que el aumento de la competencia, repercuta en una
reducción de las tarifas por parte de los usuarios, aunque por
otro lado la integración de las energías renovables en la red,
requerirán una fuerte inversión inicial.
Agentes Involucrados en el Suministro Eléctrico
 Características del Big Data en el Sector Eléctrico

Big Data emplea productos y servicios innovadores, entre ellos

cabe destacar la monitorización inteligente, técnicas de
control, comunicaciones (entre la compañía suministradora
hasta el usuario final) y tecnologías de ajuste, con el fin de
conseguir los diferentes puntos que se detallan a
continuación:
Características a alcanzar con el uso del Big Data
 Aplicación del Big Data

Hay unas áreas donde el Big Data está marcando la diferencia.

Hemos resumido a continuación las aplicaciones de Big Data
en 10 áreas donde actualmente se están concentrando las
instalaciones y obteniendo los mejores resultados.
 Entendiendo y segmentando a los clientes
Marketing y ventas son quizá las áreas de mayor aplicación
de Big Data en la actualidad. Los datos se utilizan para
comprender mejor a los clientes, sus comportamientos y
preferencias. Las empresas están dispuestas a ampliar los
centros de datos tradicionales con los de redes sociales,
logs de navegación, análisis de textos y datos de sensores
para obtener una imagen completa de su cliente. El
objetivo principal es en la mayoría de casos crear modelos
predictivos.
 Entendiendo y optimizando los procesos de negocio
El Big Data se está utilizando cada vez más para optimizar los
procesos de negocio en las empresas. En el sector de retail los
negocios están optimizando su stock basándose en
predicciones generadas gracias a datos de redes sociales,
tendencias de búsquedas en la web y predicciones
meteorológicas. Un proceso que se está transformando
particularmente gracias al big data es el de la cadena de
suministro y la optimización de rutas de reparto.
 Cuantificación y optimización de rendimiento personal
El Big Data no sólo es para empresas y para instituciones
públicas o grandes organizaciones. Todos podemos
beneficiarnos de los datos generados de dispositivos wearables
como smart watches o pulseras. Estos dispositivos registran
automáticamente datos de consumos de calorías (Fitbit),
niveles de actividad y condición física (Google Fit, Apple
Watch), o patrones de sueño. Aunque a nivel particular ya nos
desvelan información interesante, el verdadero valor reside en
analizar el conjunto de datos de todo el colectivo.
Smart Watch
 Mejorando la Salud Pública
Otra área de uso de datos masivos colectivos es el de la
codificación de material genético. Cuantos más usuarios
participan más beneficios se obtienen, bien para saber más
sobre nuestros ancestros, qué dieta o alimentos son más
adecuados para nuestro genotipo, o para descubrir cómo o
porqué se activan determinados genes que pueden derivar en
enfermedades crónicas.
 Mejorando el rendimiento deportivo
La mayor parte de deportistas de élite están ya adoptando
técnicas de análisis de grandes volúmenes de datos. En tenis se
lleva mucho tiempo utilizando la herramienta SlamTracker
(basada en la tecnología de IBM SPSS de análisis predictivo) en
los torneos más prestigiosos del mundo (Wimbledon, Roland
Garros, Open de Australia). La plataforma lleva registrados más
de 8 años de datos de Grand Slams (unos 41 millones de data
points) para determinar patrones y estilos de jugadores
ganadores.
Grand Slam (Tenis)
 Mejorando la Ciencia y la Investigación
El CERN (laboratorio suizo de física nuclear con su gran
colisionador de hadrones), uno de los mayores generadores de
datos, intenta descubrir los secretos del universo gracias a los
datos del acelerador de partículas. Aunque el centro de datos
del CERN cuenta con 65.000 procesadores para analizar los 30
petabytes de datos, no es suficiente. Por ello distribuyen la
capacidad de computación entre miles de ordenadores
repartidos entre otros 150 centros de datos por todo el
mundo para analizar los datos.
CERN
 Optimizando el rendimiento de máquinas y dispositivos
El análisis de Big Data está ayudando a máquinas y
dispositivos a ser más inteligentes y autónomos. Un ejemplo
que ya es una realidad, el coche autopilotado de Google. Los
coches que usan para el proyecto están equipados con
cámaras, GPS, conexión a internet, y un abanico de
computadoras y sensores que permiten al vehículo circular de
forma segura por la vía pública sin necesidad de intervención
humana.
Autos Inteligentes
 Mejorando la seguridad y el cumplimiento de la ley
El análisis de Big Data se está empleando de forma intensiva
en la mejora de la seguridad y en los cuerpos de aplicación de
la ley. La noticia que se filtró vía Wikileaks de que la NSA ha
estado espiando en todas las comunicaciones de todos los
ciudadanos. El objetivo es la protección de ataques
terroristas.
 Mejorando y optimizando las ciudades
El Big Data se está usando también para mejorar aspectos de
nuestras ciudades y países. La tecnología permite optimizar
los flujos de tráfico basándose en datos que llegan en tiempo
real del tráfico, de las redes sociales y del tiempo
meteorológico. Un número creciente de ciudades están
embarcadas en proyectos de Smart Cities, donde la
infraestructura de transportes y los procesos de suministros
trabajan colaborativamente.
 Trading financiero
La última área de ejemplos de uso de Big Data que vamos a
revisar, aunque no de menor volumen ni importancia es el de
la aplicación del Big Data en los mercados de capitales. Las
actividades relacionadas con High-Frequency Trading (HFT)
es donde se da el mayor uso del Big Data.

High Frequency
Trading
 Definición de Smart Grid

Es un sistema de potencia que puede incorporar millones de

sensores todos conectados a través de sistema avanzado de
comunicaciones y de adquisición de datos. Este sistema
incorporará análisis en tiempo real a través de sistemas de
cómputo distribuido que permite una actuación más
predictiva que reactiva.”
 Modelo centrado en el cliente
 Partes interesadas
 Uso de los Smart grid
 Automatizacion de la distribución de energía eléctrica
o Permite a las concesionarias compensar menos a los usuarios
afectados debido a una mayor velocidad
o Evitan que las concesionarias sean multadas por efecto de las
interrupciones del servicio
o Para ejecutar maniobras preventivas se requiere de mayor
cantidad de información de la red
 Aplicación de los Smart grid
 Uso de inteligencia geoespacial
Permite disminuir el tiempo para ubicar las fallas hasta en un
80%
 Interruptores inteligentes
Realiza continuamente evaluaciones para detectar, analizar,
responder y, cuando resulta necesario, restaurar componentes o
secciones de la red.
o Minimiza las interrupciones
o Presenta un sistema con capacidad de recuperación de la
estabilidad y fiabilidad del sistema cuando los componentes
resultan deshabilitados
 Seccionalizador electrónico restablecible
Un sistema electrónico para una protección lógica
inteligenteMinimiza las interrupciones
o Da protección para redes aéreas de distribución
o Cuenta con sensor eléctrico incorporado
o Discrimina una falla temporal de una permanente
o Mejora el sistema de coordinación con los recloser
o Abre como un tubo portafusible
 Recloser inteligente
o Verifica la presencia de las fallas antes de realizar el recierre
o Es una alternativa a los reconectadores automáticos de
circuitos convencionales
o Ofrece funcionalidad SCADA y brinda beneficios significativos
para la protección de líneas radiales
 Smart Metering
El sector de distribución de energía se está moviendo
rápidamente hacia la adopción de la tecnología de redes
inteligentes y de esta forma, se producen cambios
importantes. El AMR (Automatic Meter Reading), permite
medir la energía acumulada, registrando la medida de energía
total mensual o por intervalos de tiempo predefinidos.
Permite al usuario acceder de forma remota a los datos a
través de la capa de comunicación.
Sistema de Lectura AMR
Otra arquitectura muy utilizada y que actualmente se usa
con más frecuencia, consiste en concentrar varias medidas
de diferentes viviendas en un dispositivo, llamado
concentrador, y capacitar a este de comunicación
inalámbrica para que transmita todos los datos a la
compañía correspondiente. Los equipos programables de
medida son de tipo electrónico: Advanced Meter
Infraestructure (AMI), pueden considerarse una ampliación
de los AMR, permiten la lectura del consumo de la energía
acumulada o de la potencia instantánea.
Smart Meter
En ocasiones, los sistemas AMR se sustituyen por AMI
(Advanced Metering Infrastructure). Los sistemas de medida
AMI se implementan mediante el uso de tecnologías como
satélites y equipos de radio. El Smart Meter es un AMI que
incluye como mínimo los siguientes suplementos, control de
energía mediante ICP programable que establece el límite de
consumo, un puerto HAN (Home Area Network) y servicios de
tarificación bajo demanda.
Para ampliar sus capacidades operativas se le añaden los
elementos complementarios siguientes:
 Sistemas de alimentación.
 Procesador de cálculo.
 Procesador de comunicaciones.
 Dispositivo de accionamiento o control.
Dispositivos y Aplicaciones a la Red
Sin embargo, al ser una tecnología reciente aparecen algunos
problemas, los cuales se enfrentan las compañías eléctricas,
uno de ellos es el monitoreo sin ninguna clase de
interpretación y sin una obtención de información
concluyente.
Otro problema, sería las pérdidas técnicas y no técnicas,
tanto producidas por errores administrativos a la hora de
facturar por parte de la compañía, como las pérdidas
producidas por parte del consumidor debido a la manipulación
del contador
Manipulación del contador analógico aflojándolo
de la pared y agujereando el contador
los contadores inteligentes o Smart Metering, estos cuentan
con un microprocesador que calcula la cantidad de energía
consumida y lo muestra en una pantalla LCD.
Estos dispositivos están dotados de varias protecciones contra
las pérdidas no técnicas, como por ejemplo el
microcontrolador, sensores que detectan los campos
magnéticos,cortocircuito en la bobina de fase, corrientes
inversas de corriente eléctrica, desconexión del neutro de la
línea, protección contra campos magnéticos, etc.
Contador Electrónico Digital
 Empresas de energía removable
Debido a la notable evolución de las tecnologías. Empresas de
energía renovables como IBM se han adentrado en el mundo
de la innovación en este sector. La idea a desarrollar es la
siguiente: se procederá a la colocación de un software de Big
Data para mejorar la colocación de las turbinas de viento
para que la producción de la energía sea lo más óptima
posible.
El software de big data almacenará datos en el SCADA, el
cual monitoriza, controla el rendimiento de las turbinas y
está compuesto por los siguientes componentes:

 Viento del servidor central - aplicación de servidor para el

funcionamiento y la gestión de plantas de energía eólica,
incluyendo la interfaz de comunicación a distancia.
 Cliente de negocios - aplicación cliente con interfaz de
operador.
 Red de comunicación - cables de fibra óptica y los
interruptores de conexión al servidor para las turbinas.

Esquema del
Scada en un
Parque Eólico