Resumen Técnico: CROCS – Un Marco de Agrupación en Dos Etapas para la Segmentación de Consumidores Centrada en el Comportamiento

1. Planteamiento del Problema

La proliferación de la infraestructura de medidores inteligentes ha generado volúmenes sin precedentes de datos de consumo, ofreciendo el potencial para una segmentación de consumidores centrada en el comportamiento que optimice los programas de Gestión de la Demanda (DSM) y Respuesta a la Demanda (DR). Sin embargo, las metodologías de agrupación existentes adolecen de ocho limitaciones fundamentales que obstaculizan su eficacia en implementaciones del mundo real:

1. Representación inadecuada de la diversidad intra-consumidor: Los métodos suelen agrupar los perfiles de carga diarios (DLP) en un único Perfil de Carga Representativo (RLP), oscureciendo el hecho de que los consumidores individuales exhiben múltiples modos de comportamiento distintos.
2. Caracterización de grupos simplificada en exceso: Los grupos se resumen típicamente mediante un único perfil prototípico, fallando en capturar comportamientos multimodales compartidos dentro de un grupo.
3. Dependencia de comparaciones ancladas temporalmente: Muchos métodos asumen que la similitud conductual requiere una alineación en los mismos días del calendario, fallando en identificar consumidores con patrones similares que ocurren en diferentes horarios (similitud asíncrona).
4. Sensibilidad a anomalías: Los días atípicos (por ejemplo, vacaciones, viajes) a menudo se ponderan por igual que los días rutinarios, distorsionando las representaciones de los consumidores.
5. Requisito de datos sincronizados en el tiempo: Muchos enfoques requieren que las series de entrada comiencen y terminen en las mismas marcas de tiempo, excluyendo a consumidores con fechas de instalación escalonadas o longitudes de datos variables.
6. Sensibilidad a discontinuidades regulares: Los métodos tienen dificultades cuando los datos están segmentados (por ejemplo, días laborables frente a fines de semana), introduciendo dependencias temporales espurias.
7. Manejo deficiente de datos faltantes: Los intervalos faltantes a menudo requieren la exclusión de registros completos de consumidores en lugar de solo los días afectados.
8. Escalabilidad limitada: Los métodos de representación global (por ejemplo, agrupar todos los datos para un Análisis de Componentes Principales) escalan mal con el tamaño de la población y requieren recálculo cuando se añaden nuevos consumidores.

Ningún enfoque existente aborda simultáneamente todas estas limitaciones, creando una brecha significativa en la literatura para una segmentación de consumidores robusta, escalable e interpretable.

2. Metodología: El Marco CROCS

Los autores proponen CROCS (Representaciones Agrupadas que Optimizan la Segmentación de Consumidores), un marco novedoso en dos etapas diseñado para superar las limitaciones mencionadas anteriormente.

Etapa Uno: Agrupación Independiente de Consumidores (Generación de RLS)

En lugar de agrupar toda la historia de un consumidor en un único perfil promedio, la Etapa Uno agrupa independientemente los Perfiles de Carga Diarios (DLP) de cada consumidor.

• Proceso: Para cada consumidor $i$, su conjunto de $p_i$ DLP se agrupa en $k_i$ grupos.
• Salida: Un Conjunto de Carga Representativa (RLS), denotado $\hat{S}_i = \{\pi^1_i, \pi^2_i, \dots, \pi^{k_i}_i\}$, donde cada $\pi$ es un prototipo (por ejemplo, un medoide) que representa un modo de comportamiento distinto.
• Característica Clave: Esta etapa captura la variabilidad intra-consumidor. El número de grupos $k_i$ puede variar por consumidor o fijarse en un valor uniforme $k$ para todos los consumidores. El marco permite la sobreestimación de $k$ para asegurar que se capturen todos los modos de comportamiento sin degradar el rendimiento.
• Robustez: Al agrupar los DLP de forma independiente, el método maneja naturalmente los datos faltantes (los días afectados se omiten simplemente), irregularidades y series temporales no sincronizadas.

Etapa Dos: Agrupación de Consumidores mediante WSMD

La Etapa Dos agrupa a los propios consumidores basándose en sus RLS.

• Medida de Distancia: Los autores introducen la Suma Ponderada de Distancias Mínimas (WSMD). A diferencia de las distancias estándar de conjunto a conjunto (por ejemplo, Hausdorff), la WSMD tiene en cuenta la prevalencia de cada modo de comportamiento.
  • Fórmula: $\Delta_{WSMD}(\hat{S}_i, \hat{S}_j) = \frac{1}{2} \left[ \frac{1}{p_i} \sum_{a=1}^{k_i} n^a_i \min_b d(\pi^a_i, \pi^b_j) + \frac{1}{p_j} \sum_{b=1}^{k_j} n^b_j \min_a d(\pi^b_j, \pi^a_i) \right]$
  • Aquí, $n^a_i$ es el número de DLP representados por el prototipo $\pi^a_i$, y $d(\cdot, \cdot)$ es una medida de disimilitud de series temporales (por ejemplo, DTW).
• Mecanismo: La WSMD encuentra el prototipo más cercano en el conjunto del otro consumidor para cada prototipo en el conjunto actual, ponderando la distancia por la frecuencia de ese comportamiento. Esto asegura que los comportamientos comunes dominen la métrica de similitud, mientras que las anomalías raras tienen una influencia mínima.
• Detección Asíncrona: Debido a que el RLS es un conjunto de patrones y no una secuencia ordenada en el tiempo, la WSMD puede identificar similitud entre consumidores incluso si sus patrones ocurren en días diferentes (similitud asíncrona).

Paso Opcional: Conjuntos de Carga Representativa Refinados (RRLS)

Para mejorar la interpretabilidad, el marco incluye un paso de detección de comunidades basado en grafos.

• Proceso: Se construye un grafo donde los nodos son los prototipos de todos los consumidores en un grupo, y las aristas representan las similitudes inducidas por la WSMD.
• Salida: Los algoritmos de detección de comunidades (por ejemplo, Leiden) identifican subgrafos densamente conectados, que se resumen como Conjuntos de Carga Representativa Refinados (RRLS). Estos proporcionan resúmenes de múltiples perfiles de los modos de comportamiento compartidos que definen un grupo, en lugar de un único promedio.

3. Contribuciones Clave

1. Revisión Exhaustiva y Taxonomía: El artículo proporciona una revisión estructurada de los métodos existentes de agrupación de consumidores, categorizándolos por sus limitaciones e introduciendo una taxonomía de métodos en dos etapas.
2. Marco Novel (CROCS): El primer marco que aborda simultáneamente las ocho limitaciones identificadas de los métodos existentes.
3. Conjunto de Carga Representativa (RLS): Una representación flexible basada en conjuntos aprendida independientemente para cada consumidor, que captura la diversidad de comportamientos recurrentes sin anclaje temporal.
4. Suma Ponderada de Distancias Mínimas (WSMD): Una nueva medida de disimilitud de conjunto a conjunto que pondera los patrones de comportamiento por su prevalencia, permitiendo una comparación robusta de RLS.
5. RRLS Basado en Grafos: Un procedimiento para extraer resúmenes de grupos de múltiples perfiles que mejoran la interpretabilidad al revelar explícitamente los modos de comportamiento compartidos.
6. Validación Empírica: Experimentos extensos en conjuntos de datos sintéticos y reales de medidores inteligentes australianos (Ausgrid y SGSC) que validan el rendimiento, la escalabilidad y la robustez del marco.

4. Resultados Experimentales

Los autores evaluaron CROCS frente a una amplia gama de líneas base de una sola etapa y dos etapas (incluyendo RLP, DCP, GPF y métodos de conjunto) utilizando el Índice Rand Ajustado (ARI), la Información Mutua Ajustada (AMI) y el Índice de Conjuntos de Pares (PSI).

• Variación Intra-consumidor: CROCS (utilizando RLS) logró errores de reconstrucción significativamente menores en comparación con los métodos de perfil único (RLP, DCP) y los métodos globales de múltiples perfiles (GPF), particularmente a medida que aumentaba el número de modos de comportamiento.
• Robustez frente a Valores Atípicos: En experimentos sintéticos con un número creciente de días atípicos, la WSMD superó consistentemente a otras distancias de conjunto (SMD, MHD, Hausdorff). Requirió menos sobreestimación del parámetro de grupo $k$ para mantener la precisión en comparación con los competidores.
• Similitud Asíncrona: Los experimentos demostraron que los consumidores con patrones similares pero expresados de forma asíncrona son comunes en datos reales (aproximadamente el 7,7 % de los pares en el conjunto de datos AG frente al 0,6 % para pares sincronizados). CROCS fue el único método que recuperó consistentemente estos grupos asíncronos, mientras que los métodos que dependen de la alineación temporal (por ejemplo, Series Temporales Largas, DCE) fallaron a medida que aumentaba el número de patrones distintos.
• Escalabilidad: CROCS demostró una escalabilidad práctica, procesando conjuntos de datos de hasta 80.000 consumidores en dos días en un solo nodo de HPC. La primera etapa del marco es totalmente paralelizable, y la segunda etapa escala cuadráticamente con el número de consumidores pero linealmente con el número de prototipos, haciéndola factible para grandes poblaciones.
• Aplicación en el Mundo Real: Aplicado a datos de verano e invierno australianos, CROCS identificó grupos de consumidores distintos con hiperprototipos interpretables. Los resultados destacaron las variaciones estacionales en la diversidad conductual y proporcionaron información procesable para el diseño de programas de DSM (por ejemplo, dirigirse a perfiles de carga específicos).

5. Significado y Afirmaciones

El artículo afirma que CROCS representa un avance significativo en la segmentación de consumidores centrada en el comportamiento al unificar el rigor metodológico con la escalabilidad práctica.

• Cambio de Paradigma: El marco desafía la suposición de que la similitud de los consumidores debe estar anclada temporalmente, demostrando que la similitud asíncrona es prevalente y crítica para estrategias efectivas de DSM/DR.
• Utilidad Operativa: Al proporcionar resúmenes interpretables de múltiples perfiles (RRLS) y un manejo robusto de las imperfecciones de los datos del mundo real (datos faltantes, anomalías, horarios irregulares), CROCS ofrece una base más fiable para diseñar y evaluar intervenciones del lado de la demanda.
• Extensibilidad: La naturaleza modular del marco permite adaptarlo a diversos dominios de series temporales más allá de los medidores inteligentes, como el consumo de agua, la carga de vehículos eléctricos o los ciclos de operación de máquinas, siempre que las series largas puedan descomponerse en períodos recurrentes.

Los autores concluyen que CROCS fortalece los fundamentos analíticos de las estrategias de DSM y DR, ofreciendo una herramienta robusta para maximizar el valor de las inversiones en medidores inteligentes en sistemas eléctricos cada vez más complejos.