MECANISMO DE COMPRESSÃO DE DADOS PARA MEDIDORES INTELIGENTES EM UM CENÁRIO DE SMART GRID

Abstract

RESUMO:As redes elétricas inteligentes apresentam uma nova arquitetura para o sistema elétrico de potência onde, aliadas a novas tecnologias de informação e comunicação, visam garantir o atendimento à demanda requerida assegurando a qualidade, disponibilidade e confiabilidade no fornecimento de energia elétrica. Um dos principais componentes dessa nova arquitetura são os medidores inteligentes, equipamentos instalados junto aos consumidores, que possuem como função principal registrar informações relacionadas ao consumo de energia elétrica. Os dados coletados são transmitidos para a concessionária de energia por meio de uma infraestrutura de comunicação bidirecional e são extremamente valiosos para a concessionária, pois por meio deles é possível tarifar o consumidor, estimar o perfil de carga, detectar irregularidades, desenvolver novas políticas de tarifação, entre outros. No entanto, grande volume de dados trafegados pela rede em direção à concessionária pode ocasionar congestionamento na infraestrutura de comunicação, levando a perda de pacotes, aumento na latência, dentre outros problemas. Dessa forma, este trabalho propõe um mecanismo adaptativo de compressão de dados, baseado em ajuste de curvas, que é capaz de representar o perfil de consumo por meio de um modelo funcional. Tal mecanismo está embarcado no medidor inteligente e tem como objetivo reduzir a quantidade de dados enviados para a concessionária de enrgia elétrica. Para avaliar o mecanismo proposto foram utilizados dados de consumo para diferentes perfis, extraídos da ferramenta Load Profile Generator onde os parâmetros passíveis de ajuste (limiar de erro e capacidade de buffer) foram estudados sob diferentes configurações. Por utilizar ajuste de curva, o mecanismo proposto pode apresentar certo nível de imprecisão, o que pode prejudicar financeiramente o consumidor ou a concessionária de energia elétrica. Entretanto, com a inclusão de um limiar de erro associado ao mecanismo, pôde-se observar, por meio dos diversos experimentos realizados, que o nível de imprecisão se mantém sob controle, de modo que o impacto financeiro seja mínimo. Além disso, o custo associado à execução do mecanismo foi avaliado em um dispositivo com baixo poder computacional, bem como a viabilidade de integração do mecanismo proposto com outras funcionalidades presentes no cenário de gerenciamento pelo lado da demanda. Por fim, outro experimento analisou a aplicação de média móvel sob diferentes configurações para analisar a suavização de dados discrepante que possam prejudicar o funcionamento do mecanismo.

ABSTRACT:The smart grids present a new architecture for the electric power system where, together with new information and communication technologies, aim to guarantee the required demand, ensuring the quality, availability, and reliability of electric power supply. One of the main components of this new architecture is the smart meter, equipment installed next to the consumers, whose primary function is to register information related to the electric consumption. The data collected are transmitted to the utility through a two-way communication infrastructure and are extremely valuable to the concessionaire, as it is possible to charge the consumer, estimate the load profile, detect irregularities, develop new charging policies, among others. However, a large amount of data transmitted by the network to the concessionaire can cause congestion in the communication infrastructure, leading to packet loss, increased latency, and other problems. Thus, this work proposes an adaptive mechanism of data compression, based on curve fitting, which can represent the consumption profile through a functional model. Such a mechanism is embedded in the smart meter and aims to reduce the amount of data sent to the electrical utility. In order to evaluate the proposed mechanism, consumption data from different profiles, extracted from the Load Profile Generator tool, were submitted to the mechanism in order to evaluate the parameters susceptible to adjustment (error threshold and buffer capacity), analyzed under different configurations. By using curve fitting, the proposed mechanism may present a certain level of imprecision, which may be financially detrimental to the consumer or the utility. However, with the inclusion of an error threshold associated with the mechanism, it has been observed, through the various experiments carried out, that the financial impact provoked by imprecision is minimal. Also, an experiment evaluated the cost associated to the execution of the mechanism in hardware with low computational power, as well as the feasibility of integrating the proposed mechanism with other functionalities present in the demand side management scenario. Finally, another experiment analyzed the application of moving average under different configurations to analyze the smoothing of outliers that could impair the functioning of the mechanism.