Realizó el diseño e implementación de un concentrador de datos y un servidor para el monitoreo del consumo energético en un SMS

«Diseño e Implementación de un Concentrador de Datos y Servidor para el Monitoreo de Consumo Energético en un Sistema de Medición Inteligente», se denomina el Trabajo Final de Grado (TFG) presentado por el ahora ingeniero Guillermo David Benítez Santacruz, como prueba final para egresar de la carrera de Ingeniería Mecatrónica  de la Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA). La defensa del trabajo se realizó el 07 de Octubre del 2026 en la Institución.

El crecimiento de la demanda eléctrica paraguaya exige mejorar no solo la disponibilidad de generación, sino también la capacidad de transporte, distribución y supervisión. Las sobrecargas, las pérdidas eléctricas y las limitaciones de información dificultan la identificación de anomalías y la planificación de intervenciones. El Plan Maestro de Generación de la ANDE constituye uno de los antecedentes de planificación considerados en el trabajo.

Un sistema de medición inteligente permite transformar lecturas aisladas en series temporales consultables. Contar con información de tensión, corriente, potencia y energía favorece el seguimiento del consumo y la construcción de perfiles de demanda. Esta información puede apoyar la gestión energética y la detección de comportamientos que requieran inspección.

En el Trabajo Final de Grado presentado se desarrolló un concentrador de datos y un servidor para monitorear el consumo energético en un Sistema de Medición Inteligente (SMS). El prototipo integra un ESP32-S3, un transceptor LoRa Ra-02, conectividad Wi-Fi y una pantalla OLED. El firmware gestiona la recepción y el envío de datos y almacena temporalmente las tramas pendientes en memoria Flash. El servidor combina PHP, MySQL y Grafana para validar, almacenar y visualizar las mediciones. En paralelo, se estudiaron perfiles de consumo de usuarios de la ANDE mediante preprocesamiento espectral, Descomposición en Modos Variacionales (VMD) y agrupamiento no supervisado. La combinación VMD, K-Means y agregación de características ofreció el mejor equilibrio entre las métricas evaluadas y permitió obtener cinco perfiles representativos. Las pruebas de laboratorio verificaron la cadena de adquisición, transmisión y consulta, y evidenciaron la influencia de la alimentación y de las condiciones del enlace de radio. El resultado es un prototipo funcional que centraliza las mediciones y permite consultar el consumo energético, junto con cinco perfiles que caracterizan los registros históricos analizados.