Recently, it has been produced an accelerated presence of non-linear elements in the residential, commercial and industrial sectors, which has affected the voltage waveform, altering its amplitude and frequency. These sectors obtain the electric energy from distribution networks, so it is essential to check them systematically in order to ensure the power quality according to operational guidelines and national standards. Power quality involves a wide variety of electromagnetic phenomena on the power system, highlighting the harmonics. This paper presents an application based on the k-means clustering to identify similarities in the behavior of the harmonic distortion of voltage and current in distribution networks and its validation and refinement using the rough sets theory. The main result lies in the characterization of those groups of distribution networks by means of their centroids and according to the IEEE Standard 519-2014. To verify the methodology, field measurements of a group of distribution networks in Cuba are analyzed.

La eficiencia energética es parte de los objetivos establecidos por los gobiernos de todo el mundo para reducir la huella energética y proporcionar un desarrollo sostenible para todos. El advenimiento de nuevas tecnologías que permiten el monitoreo y autocontrol del consumo eléctrico dentro de los hogares, como los medidores inteligentes, permiten a los usuarios finales integrarse en los sistemas de gestión inteligente de la red eléctrica, al proporcionar información sobre los perfiles de consumo de energía eléctrica y los precios de ésta. El presente trabajo realiza una clasificación de clientes residenciales a partir de los datos de consumo obtenidos desde medidores inteligentes. Para esto, se utiliza una metodología basada en el algoritmo K-means para identificar patrones de comportamiento en el consumo asociado a 1179 clientes conectados a redes eléctricas de distribución de baja tensión del sur de Chile equipados con medidores inteligentes. Los resultados fueron validados a través del uso de medidas de la teoría de los conjuntos aproximados. En particular, se caracterizan grupos conformados por medio de sus centroides, posibilitando la conversión de los grandes volúmenes de datos coleccionados en conocimientos útiles, lo que resulta en beneficio tanto para el propio cliente residencial como para la empresa distribuidora de energía eléctrica. Los resultados muestran que dos clústeres son los que mejor representan el conjunto de clientes. La oportunidad de recopilar datos de consumo en tiempo real mediante estos dispositivos, ofrece perspectivas para optimizar las políticas públicas y privadas sobre distribución de energía eléctrica.

This paper presents a novel application to predict the electric load one day ahead with online implementation and self-control. Methodologically, is based on three different stages. The first one involves the selection of the best ARIMA models for each hour of the day, using a particle swarm optimization algorithm. Before this, the removal of the daily and weekly seasonality of the time series is required, as well as the outliers. The second stage is precisely the forecasting activity, and in the last one it is proposed the mechanism of control to get a more automated process. To validate the application, real data sets of two Cuban distribution networks are used. The paper also includes a detailed analysis of the load behavior to justify each step. Finally, based on the high precision of the model obtained during the validation period and the graphic results, the effectiveness of this application and its great significance for a better performance of the distribution system is demonstrated.