Artículo Académico / Academic Paper
Recibido: 06-05-2019, Aprobado tras revisión: 26-07-2019
Forma sugerida de citación: Quishpe, S.; Padilla, M.; Ruiz, M. (2019). “Despliegue Óptimo de Redes Inalámbricas para
Medición Inteligente” Revista Técnica “energía”. No. 16, Issue I, Pp. 101-108
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
© 2019 Operador Nacional de Electricidad, CENACE
Despliegue Óptimo de Redes Inalámbricas para Medición Inteligente
Optimal Deployment of Wireless Networks for Smart Metering
S. Quishpe¹ M. Padilla¹ M. Ruiz¹
1
Universidad Politécnica Salesiana, Quito, Ecuador
E-mail: squishpe@est.ups.edu.ec; mpadillac@est.ups.edu.ec; mruizm@ups.edu.ec
Abstract
This article presents an optimal deployment of wireless
network taking into account the use of spectrum
electromagnetic, data link layer, physical layer and the
energy consumption used to transmit information in
energy management system. For the analysis a surface
has been defined in which smart meters have been
deployed randomly in order to ensure that all the
devices perform an optimal routing, reaching the
gateway through the creation of a wireless sensor
network. Different technologies of wireless
communication were analyzed in order to calculate the
size of the information and fill fields of the data link
layer to determine the real size that transport the
physical layer. This information is using to optimize the
time of use of channel, distances, energy consumption
and requirements of bandwidth by each technology.
Keywords— smart grids, advanced metering
infrastructure, optimization, cellular network.
Resumen
Este artículo presenta la implementación óptima de la
red inalámbrica tomando en cuenta el uso del espectro
electromagnético, la capa de enlace de datos, la capa
física y el consumo de energía utilizado para transmitir
información en sistemas de medición inteligentes. Para
el análisis, se ha definido una superficie en la que se han
implementado medidores inteligentes de forma
aleatoria para garantizar que todos los dispositivos
realicen un enrutamiento óptimo, llegando a la puerta
de enlace a través de la creación de una red de sensores
inalámbricos. Se analizaron diferentes tecnologías de
comunicación inalámbrica para calcular el tamaño de
la información y rellenar los campos de la capa de
enlace de datos para determinar el tamaño real que
transporta la capa física. Esta información se utiliza
para optimizar el tiempo de uso del canal, las
distancias, el consumo de energía y los requisitos de
ancho de banda de cada tecnología.
Palabras clave redes eléctricas inteligentes,
infraestructura de medición avanzada, optimización,
red celular.
Edición No. 16, Issue I, Julio 2019
I. INTRODUCCIÓN
El sector eléctrico está evolucionando con la
implementación de las tecnologías de la información y
comunicaciones (TIC) respondiendo al crecimiento y uso
de fuentes de energía renovables, gestionando de manera
responsable la generación, transporte, distribución y
consumo [1].
Los requerimientos para medición inteligente del
consumo eléctrico son bajas velocidades de transmisión
con tasas de transferencia entre 20 kbps a 250 kbps y
distancias de cobertura con un rango entre 10 m a 150 m,
con sensores cuyos transceptores sean de muy bajo
consumo energético[2].
El sector eléctrico presta un servicio que crece con unas
tasas similares a las de la población, lo cual hace que el
control de la información sea más complejo a medida que
se incrementan los usuarios. Esto ha ocasionado, de
acuerdo con PrimeStone, empresa desarrolladora de
software para la gestión de la medición inteligente de
energía, que los sistemas de medición inteligente se
conviertan en herramientas vitales para el control y la
administración de la energía, lo que se traduce en buenas
prácticas para el uso eficiente de la misma [3].
Se espera que el despliegue mundial de medidores
inteligentes supere los 800 millones para el año 2020.
Varias zonas geográficas como América del Norte y
Europa, ya han alcanzado una parte significativa de sus
objetivos. Mientras que los servicios públicos pueden
obtener beneficios sustanciales de los medidores
inteligentes y las plataformas asociadas, en el Grupo de
Trabajo de Seguridad Cibernética de GSGF han
identificado algunas preocupaciones desde el punto de
vista de seguridad, tales como el riesgo de fraude o la
invasión a la privacidad [4].
Para empezar, hay un riesgo de fraude generalizado, un
fallo de seguridad puede llevar a manipular las lecturas del
contador produciendo la pérdida de ingresos importantes
para la compañía que gestiona los contadores. Otra
posibilidad es la manipulación del interruptor de conexión
y desconexión remota, pudiendo desactivar la alimentación
de millones de hogares. Hay que tomar en cuenta la
recolección de datos: un medidor inteligente interactúa
directamente con el usuario final y es quizás el componente
más importante en la red del sistema inteligente desde el
punto de vista de privacidad [5].
Por otra parte, no hay un modelo de medición estándar
o única que se considere a nivel mundial. Cada país tiene
sus propios modelos, lo que hace que sea difícil garantizar
la seguridad. Hay países en los que los operadores de redes
de distribución son dueños de los contadores, otros en los
que los proveedores son los propietarios [6][7].
II.
COMUNICACIONES INALÁMBRICAS
Una NAN (Neighborhood Area Network), es una red de
comunicación que a diferencia de las redes LAN (Local
Área Network), en las que los dispositivos están en el
mismo segmento de red y comparten el mismo dominio de
difusión, los dispositivos en una NAN pueden pertenecer a
diferentes infraestructuras de red propietarias. Entonces,
aunque dos dispositivos están geográficamente cerca, la
ruta de comunicación entre ellos puede atravesar una larga
distancia, pasando de una LAN, a través de Internet y a otra
LAN [8].
Una de las tecnologías utilizadas es ZigBee radios
pequeños, de baja potencia y bajo costo. Se basa en el
estándar IEEE 802.15.4 para la red de área personal [8]. En
la actualidad, la tecnología ZigBee utiliza principalmente
la frecuencia 2.4 GHz en la banda de frecuencia ISM [9].
La arquitectura general de ZigBee está compuesta por un
conjunto de capas, cada una ofrece un nuevo conjunto de
servicios. La topología ZigBee más popular es la
comunicación punto a punto, baja potencia y enrutamiento
flexible. Si el enlace falla, proporciona la opción de
recuperación a la red y básicamente la AODV es el protocolo
de enrutamiento utilizado para enviar los datos desde un nodo
a otro, es un protocolo reactivo usado en la red ZigBee [9].
El proceso de simulación se realiza en base a tres
escenarios utilizando el modelador Matlab R2015a. En
estos tres escenarios, se considera la posible combinación
de topologías de estrella, árbol y malla y cada escenario
tiene dos coordinadores fijos de Zigbee. La red en cada
escenario contiene un número igual de nodos de sensores
fijos y móviles, y se evalúa el rendimiento de estos
esquemas de enrutamiento híbridos en diferentes
configuraciones de red [9].
El medidor inteligente es un elemento clave en las redes
inteligentes, ya que proporciona información exacta en
tiempo real a los consumidores informando la cantidad de
energía que están utilizando para que puedan controlar su
consumo. La industria de la energía tiene gran expectativa
en esto debido a que tiene grandes ventajas en la precisión
y la mejora de los procesos de lectura y control de los
medidores en línea; sin embargo, los beneficios de los
medidores inteligentes se ven contrarrestados por la
necesidad de implementar sistemas de seguridad
cibernética [11].
Una red inteligente está conformada por dispositivos y
medidores inteligentes de la red eléctrica, sistemas y redes
Quishpe et al. / Despliegue Óptimo de Redes Inalámbricas para Medición Inteligente
de telecomunicaciones, para su conexión, y aplicaciones de
software para el control, la captura, la gestión y la
explotación de la información de la medición y la
operación. Los beneficios de estas redes son tener el
control permanente y en línea de la red, información
oportuna de las variables del sistema y las medidas del
servicio, y una mejor vigilancia de la red. Todo ello permite
reducir las pérdidas de energía y detectar fallas de forma
temprana, para una intervención oportuna. Aunque se ha
avanzado en este tipo de redes en el segmento industrial y
comercial, a nivel residencial la implementación ha sido
más lenta debido a los costos asociados a la infraestructura
[6].
Debido a que las redes inteligentes incluyen redes de
diversas tecnologías de la información,
telecomunicaciones y sectores de la energía, es necesario
garantizar que un fallo de seguridad en una red no
comprometa a otros sistemas interconectados. Al
comprometerse la seguridad en una parte de la red podría
afectar la disponibilidad y confiabilidad de la red eléctrica
completa. Además, la información dentro de cada sistema
específico también necesita ser protegida. La seguridad
incluye la confidencialidad, integridad y disponibilidad en
todos los sistemas relacionados. Los dispositivos y
aplicaciones de cada dominio son los puntos extremos de
la red. Ejemplos de aplicaciones y dispositivos en el
dominio del cliente incluyen medidores inteligentes,
electrodomésticos, termostatos, almacenamiento de
energía, vehículos eléctricos, y la generación distribuida
[13].
Tres funcionalidades fundamentales son deseables para
la infraestructura de comunicaciones de la red inteligente:
detección, transmisión y control, en donde, muchas de las
tecnologías actualmente usadas para otras aplicaciones
como redes inalámbricas, protocolos de seguridad, redes de
sensores, etc. serán adaptadas a las redes inteligentes, lo
indicado tiene grandes ventajas, pues son tecnologías que
ya han sido probadas en otras áreas industriales [3].
La red inteligente se concibe normalmente en un ámbito
geográfico de dimensiones considerables. Por lo tanto, la
infraestructura de comunicaciones de la red inteligente
tiene que cubrir toda la región con la intención de conectar
un gran conjunto de nodos. En consecuencia, la
infraestructura de comunicaciones está prevista para ser
una estructura multicapa que se extiende a través de toda la
red inteligente desde la red de área para el hogar (HAN) a
la red de área de vecindario, hasta la red de área extendida
(WAN). En particular, las redes HAN se comunican con
diversos dispositivos inteligentes para ofrecer mejoras en
la gestión de la eficiencia energética y respuesta a la
demanda. Las redes NANs conectan diversas HANs a
puntos de acceso locales. La red WAN provee enlaces de
comunicación entre los NANs y los sistemas de servicios
públicos para transferir información [14].
La red de NAN es una red de comunicación lógica que
suele situarse en la parte superior de infraestructuras de
redes ya existentes, centrándose en la comunicación de
dispositivos inalámbricos situados en las proximidades. La
diferencia de estas redes con las LAN es que los
dispositivos de una NAN pueden pertenecer a diferentes
redes lo que conlleva a poder contar con diferentes
propietarios. El concepto NAN se fundamenta en servicios
basados en la localización de los dispositivos móviles
(LBS), al hacer uso de la posición geográfica de estos
elementos proporciona a los usuarios información
específica de su ubicación, todo ello limitado por una cierta
proximidad [10]. La Red de búsqueda NAN tiene sus
raíces en la (NFC), que se basa en la identificación por
radio frecuencia (RFID). La RFID permite al usuario
enviar ondas de radio a través de una etiqueta electrónica
de identificación pasiva por la que recibe una
autentificación y un rastreo.
En una red ZigBee pueden haber hasta 254 nodos, no
obstante, según la agrupación que se haga, se pueden crear
hasta 255 conjuntos/clusters de nodos con lo cual se puede
llegar a disponer de 64770 nodos, por lo que existe la
posibilidad de utilizar varias topologías de red: en estrella,
en malla o en grupos de árboles.
En las redes NAN se permite un encaminamiento o
enrutamiento de saltos múltiples, también conocido como
multi-hop, que permite que estas redes abarquen una gran
superficie.
Las redes inalámbricas de área local WLAN son redes
que cubren distancias de 10 a 100m e índice de transmisión
de datos de hasta 11Mbps, siendo las computadoras
personales en particular.
Uno de los principios de WLAN, es un sistema de
comunicación que transmite y recibe datos utilizando
ondas electromagnéticas, siendo también posible con luces
infrarrojos, en lugar del par trenzado, coaxial o fibra óptica
utilizado en las LAN convencionales y que proporcionan
conectividad inalámbrica de igual a igual dentro de un área
de cobertura. WLAN seta dentro de los estándares
desarrollados por el IEEE, para las redes locales
inalámbricas.
A continuación, se especifica las características técnicas
de las tecnologías inalámbricas, en el cual se especifica el
espectro, tasa, cobertura, y la aplicación.
La Tabla 1 muestra las características técnicas de cada
tecnología inalámbrica usada en medición inteligente.
Edición No. 16, Issue I, Julio 2019
Tabla 1: Tecnologías usadas en AMI
Tecnologí
a
Espectro
Tasa
Cobertu
ra
Aplicaciones
ZigBee
868-915
MHz
2.4 GHz
20-250
Kbps
10-100
m
HAN, AMI.
GSM
900-1800
MHz
Hasta
14.4
Kbps
1-10 Km
AMI, HAN.
GPRS
900-1800
MHz
Hasta
170
Kbps
1 - 10
km
AMI, HAN.
3G
1.92–1.98
GHz 2.11–
2.17 GHz
384
Kbps 2
Mbps
1-10 km
AMI, HAN.
WiMAX
2.5 GHz,
3.5 GHz,
5.8 GHz.
Hasta 75
Mbps
10-50
Km
(LOS)
1-5 Km
(NLOS)
AMI, HAN.
WIFI
2.4 A
5GHz
11Mbs
91 m
WLAN
54Mbs
100m
interior
600Mbs
300_400
m
exterior
La Tabla 2 muestra las características técnicas de las
tecnologías inalámbricas utilizadas en la medición
inteligente, el cual fue el tema de investigación.
Tabla 2: Tecnologías usadas en AMI
IEEE 802.15.4
ISM
2.4GHz
915MHz(USA)
868GHz (EU)
BANDWITH
2MHz
TRANSMISION
POWER
0dBm
Receiver sensitivity
- 85 dBm
Transmit rate
250 kbps
Delay
320 us
Payload
100 bytes
Header+FCS
46 bytes
Nodos max por
grupo
255
Las características técnicas de las tecnologías
implementadas en el documento de investigación, es una
recopilación de diferentes autores, la cual se obtuvo
después de una investigación detallada. La misma que son
aplicadas mediante los estándares, como son IEEE
802.15.4 y IEEE 802.11b.
III.
PLANTEAMIENTO DEL PROBLEMA
La optimización en un modelo de capacidad, cobertura
y propagación constituyen la base fundamental de nuestro
estudio, determinándose así los parámetros necesarios para
elaborar un modelamiento matemático enfocado en la
optimización de las distancias mínimas, para lo cual
debemos calcular las distancias de los N usuarios y poder
encontrar las distancias mínimas con sus respectivas
perdidas en espacio libre, ya que en un sistema de
comunicación, la pérdida de espacio libre se considera la
atenuación sufrida por las ondas electromagnéticas en su
camino desde el transmisor al receptor, esto significa que
el transmisor envía la señal con una cierta intensidad y el
receptor recibe con una menor intensidad. Entre ellos debe
existir un dispositivo inteligente, una estación base, que
permita recopilar los datos de los medidores inteligentes,
de ahí que se plantea la formulación del problema que debe
ser resuelto.
El algoritmo que se plantea es considerado como la
solución al problema de optimización en distancias
mínimas y perdidas de espacio libre (FSL). Por lo tanto, el
tipo de función objetivo y las restricciones deben cumplir
con las características de optimización. Para el
problema planteado se considera un conjunto de N
usuarios, utilizando una comunicación (inalámbrica) de
una estación base AP, hasta llegar a una optimización
desde la distancia mínima de cada nodo y su promedio de
pérdidas de espacio libre (SLF), se debe recordar que tiene
restricciones con las variables de capacidad y perdidas de
espacio libre que deben ser consideradas en la
programación de la curva logarítmica.
Los nodos se conectan a una estación base solamente
cuando están dentro del área de cobertura de radio y se
escoja la capacidad o número de enlaces de los N usuarios.
Se indica que el radio de cobertura será de mayor o menor,
según sea el objetivo para cubrir una zona de población
determinada. Los enlaces entre radio base se las realizará
con un enlace de la longitud que corresponde a la distancia
euclidiana di, j, entre la base AP y cada uno de sus usuarios.
De esta manera, para nuestro caso, el mínimo costo para
implementar una radio base se considera la optimización
del costo asociado a la implementación de la red, mediante
la minimización del número y ubicación del radio bases.
De esta manera el problema de optimización puede ser
expresado de la siguiente manera:


󰇛󰇜




 󰇛󰇜
Quishpe et al. / Despliegue Óptimo de Redes Inalámbricas para Medición Inteligente

󰇛󰇜
La ecuación (1) considera la minimización de los
números de puntos candidatos que sean activos, para ello
la ecuación que considera a los puntos activos, definiendo
una función objetivo. La ecuación (2) es la restricción que
permite individualizar a cada usuario uj, se define
adicionalmente a la cantidad Yj {0,1}, por lo tanto se
indica que el usuario es cubierto por lo menos por un sitio
candidato considerando la relación entre la condición de
los sitios activos y la cobertura de los usuarios. La ecuación
(3) es la restricción para indicar que se cubra el 90% de los
usuarios, por lo que se debe agregar otra restricción que
cuente el porcentaje de usuarios cubiertos.
El modelo incluye el cálculo de la distancia euclidiana
para obtener los enlaces entre cada distancia empezando
por las distancias mínimas de los N usuarios donde las
restricciones fundamentales deben enlazar la cobertura y
pérdidas. El espacio libre y las variables serán las
restricciones que deben cumplirse al mismo tiempo, cuyo
algoritmo debe calcular los enlaces del AP con los nodos
usuarios.
Algoritmo: Planificación óptima para comunicaciones en
medición inteligente
Step 1:
Input: set of number of nodes.
set
of max distance of nodes
set

of location gateway
set of max number of jumps.
set of number of nodes in cluster
set  of vector of coordinates in y
set of bandwidth of technology
set
of size of frame by technology
set Cc of channel capacity
Step 2:
for i = 1: N
= rand (1, 1)
= rand (1, 1)

= (
󰇜
end For
Step 3:
Calculate 

using (1)
Calculate 󰇛
󰇜
Step 4:
While  do
Delaunay (
)
for k = 1:N
[costs,paths] = dijkstra(

,
,k,N+1)
If costs <
&& paths > 2
Node network
end if
end For
Step 5:
return step 3
Step 6:
for ii = 1:m
 󰇛
) + Cc
end For
Área georreferenciada aleatoria. Para determinar las
coordenadas del área a ser determinada se utiliza la
aplicación libre “Openstreetmap”. Estas coordenadas de
latitud y longitud son ingresadas en el programa, mediante
la simulación se procede a determinar la ubicación de la
antena, la distancia entre la antena y el usuario, las perdidas
en el espacio libre, el tiempo, coordenada de los usuarios,
y las distancias de los Ap-usuarios.
En la Fig. 1, se pueden observar los centros de cada uno
de los círculos, los cuales corresponden al clúster, el
número de antenas o concentradores de datos que se desea
instalar, las distancias de los usuarios y la mayor densidad.
Figura 1: Ubicación de los centros de datos
Aquí es donde se utiliza el algoritmo kmedoids, que es
un algoritmo de agrupamiento, el cual va iterando hasta
sacar un resultado más óptimo.
Kmedoids es un buen algoritmo de clusterización, ya
que de acuerdo al número de usuarios, calcula
automáticamente donde ubicar los centros de datos o las
antenas y las distancias que debe cumplir.
Figura 2: Ubicación de los centros y de las distancias de los Aps
Edición No. 16, Issue I, Julio 2019
En la Fig. 3 se observa el número de usuarios que
utilizan el mismo centro de datos de acuerdo a su
ubicación.
De acuerdo a los resultados obtenidos en la simulación,
el óptimo es el centro de datos, en este caso es el cluster 2
y posee 24 usuarios siendo en cluster con más usuarios, el
cluster 13 posee 4 usuarios siendo el menos denso.
Figura 3: Número de usuarios y numero de antenas
En la Fig. 4 se observan las distancias promedio por
clúster, el promedio de distancias se obtiene de la siguiente
manera: para el clúster uno, se realiza la ubicación de todos
los nodos que pertenezcan al clúster uno y se promedian
las distancias, ya que no se debe graficar las n graficas
porque no es necesario, por esa razón se saca un promedio
de distancias y a la vez se sacan las perdidas.
Figura 4: Distancia promedio de cada cluster
Para demostrar las pérdidas, en la Fig. 5 se muestran las
pérdidas que están en función de las distancias, entre mayor
distancia tenga mayor serán las perdidas.
En la Fig. 5 se muestran los resultados promedio por
clúster en medidas de decibeles, perdidas en el espacio
libre por usuario almacenando en el Ap-Usuario. La
atenuación en espacio libre es directamente proporcional al
cuadrado de la distancia y la frecuencia, por lo tanto
la pérdida por espacio libre está representada. La mayor
parte de la atenuación total causada por efectos de
propagación de la onda, superiores a 85dB, que cambia la
sensibilidad, define la existencia de perdidas mayores a 85
dB, lo que implica agrega un clúster y nuevamente se debe
realizar el análisis. Adicionalmente se puede observar
cómo se comportan las perdidas en función de la distancia,
por el simple hecho de transmitir por la misma señal y
atravesar entre el usuario y el AP.
Figura 5: Distancia promedio de cada clouster
En la Fig. 6, se puede observar el tiempo de transmisión
por clúster. Esta grafica representa la cantidad de usuarios
y el tiempo de transmisión que van a estar enlazados a los
clúster, la medida de transmisión está en milisegundos.
Para que la transmisión sea exitosa entre todas ellas, se
emplean los clúster, que son los sistemas que se conectan
a varias redes, se encargan de dirigir la información por el
camino adecuado.
El uso del enlace, cuyo largo de información es 146
bytes, pasa bits multiplicando por 8 y dividiendo para
1000, para de esa manera obtener la señal en kbytes.
La tasa de transferencia es de 250 kbps, por lo que el
tiempo de transmisión es el largo de data Kb sobre la tasa
de transferencia. De esa manera se determina el tiempo que
se va a demorar por cada cluster, que el usuario envié la
información.
Quishpe et al. / Despliegue Óptimo de Redes Inalámbricas para Medición Inteligente
Figura 6: Distancia promedio de cada clouster
Posteriormente al análisis de paquetes de datos de cada
usuario se realiza el tráfico de datos en el software
Wireshark, que se puede observar los respectivos
resultados en la Fig.7, donde la información recolectada
esta almacenada en el concentrador que posteriormente
será enviada a una estación base.
Figura 7. Simulación del tráfico de red esperado
IV.
CONCLUSIONES
Los algoritmos planteados demuestran la posibilidad de
optimizar el uso de los canales de radio comunicación en redes
celulares mediante una estrategia de ubicación de radio bases en
función de capacidad y cobertura.
La asignación de tiempos para envío de información desde los
medidores inteligentes optimiza el uso de los canales de radio
subutilizados.
La investigación demuestra que es posible utilizar las
tecnologías celulares relegadas para la transmisión de datos
desde los medidores inteligentes a los centros de gestión de
información demostrando que no existe impacto en la capacidad
del sistema celular debido a que los datos pueden ser transmitidos
mediante mensajes cortos de texto SMS.
Futuros trabajos, plantearán un análisis para optimizar los
datos que se transmiten desde los medidores a los centros de
gestión utilizando técnicas de censado comprimido para
minimizar el volumen de información transmitida y almacenada.
REFERENCIAS BIBLIOGRÁFICAS
[1] M. Ruiz, P. Masache, and E. Inga, “Optimal
Communications for Smart Measurement of Electric
Energy Reusing Cellular Networks,” 2018 Int. Conf. Inf.
Syst. Comput. Sci., pp. 198–204, 2018.
[2] M. G. R. Maldonado, “Wireless Sensor Network for
Smart Home Services Using Optimal Communications,”
2017 Int. Conf. Inf. Syst. Comput. Sci., pp. 27–32, 2017.
[3] E. Inga Ortega, J. Inga, E. Correa, and R. Hincapié,
“Reconstrucción del patrón de consumo eléctrico a partir
de Big Data mediante técnica de MapReduce,” Enfoque
UTE, vol. 9, no. 1, pp. 177–187, 2018.
[4] O. Moscoso Zea, “Megastore: structured storage for Big
Edición No. 16, Issue I, Julio 2019
Data,” Enfoque UTE, vol. 3, no. 2, p. 01, 2012.
[5] M. Ruiz, P. Masache, and J. Dominguez, “High
Availability Network for Critical Communications on
Smart Grids,” no. Ssn, pp. 1–5, 2018.
[6] D. Carrión, J. W. González, and G. J. López, “Optimal
Fault Location in Transmission Lines Using Hybrid
Method,” 2017 IEEE PES Innov. Smart Grid Technol.
Conf., p. 6, 2017.
[7] L. O. Matos and J. W. G. Sanchez, “Reconfiguration
strategy for Fault Tolerance of power Distribution
Systems using Petri net,” 2016 IEEE Ecuador Tech.
Chapters Meet. ETCM 2016, pp. 1–6, 2016.
[8] V. C. Gungor et al., “A Survey on smart grid potential
applications and communication requirements,” IEEE
Trans. Ind. Informatics, vol. 9, no. 1, pp. 28–42, 2013.
[9] J. Ekanayake and K. Liyanage, Smart Grid Technology
and Applications, First edit. New Delhi, 2012.
[10] A. F. Arciniegas, D. E. Imbajoa, and J. Revelo, “Diseño
e implementación de un Sistema de Medición Inteligente
para AMI de la microrred de la Universidad de Nariño
(Design and implementation of a Smart Measurement
System for AMI in the microgrid of the University of
Nariño),” Enfoque UTE, vol. 1, pp. 300–314, 2017.
[11] Z. Zhang, F. Liu, and Z. Zeng, “The cell zooming
algorithm for energy efficiency optimization in
heterogeneous cellular network,” 2017 9th Int. Conf.
Wirel. Commun. Signal Process. WCSP 2017 - Proc.,
vol. 2017–January, pp. 1–5, 2017.
[12] M. Ruiz, “Diseño de un sistema híbrido inalámbrico-
fibra para transmisión de datos de medidores inteligentes
de energía en redes Smart Grid,” Pontificia Universidad
Católica del Ecuador, 2016.
[13] M. Ekpenyong, J. Isabona, and E. Isong, “Handoffs
decision optimization of mobile celular networks,” Proc.
- 2015 Int. Conf. Comput. Sci. Comput. Intell. CSCI
2015, no. ii, pp. 697–702, 2016.
Soledad Paulina Quishpe, nació en
Guangopolo. Realizo sus estudios
secundarios en el Colegio Nacional “Eloy
Alfaro”, graduándose en la especialidad de
Físico Matemático. Actualmente se
encuentra cursando el último año de la
Universidad Politécnica Salesiana en
Ingeniería Eléctrica.
Mario Padilla, nació en Cayambe-
Ecuador el 15 de agosto de 1976. Realizo
sus estudios secundarios en el Instituto
Técnico Superior “Nelson Torres”.
Actualmente se encuentra cursando el
último año de la Universidad Politécnica
Salesiana en Ingeniería Eléctrica.
Milton Gonzalo Ruiz Maldonado Es
Profesor investigador de la Universidad
Politécnica Salesiana Ecuador Sede Quito.
En 2012 se gradúa de Ingeniero Electrónico
de la Universidad Politécnica Salesiana
Quito - Ecuador. En 2015 se gradúa de
Ingeniero Eléctrico de la Universidad
Politécnica Salesiana Quito - Ecuador. En
el año 2016 recibió su Maestría en Redes de Comunicaciones por
la Pontificia Universidad Católica, Quito - Ecuador. Actualmente
se encuentra cursando el doctorado en la Universidad de Ferrara
- Italia sobre diagnóstico de fallas en sistemas eléctricos de
potencia.