Libros blancos
DOCUMENTO TÉCNICO
Un plan que prioriza la privacidad para
Innovación energética segura: EcoMetricx en acción
Andrei Ionete y Alex Ledbetter
Ver el documento técnico
A medida que el sector energético adopta la transformación digital, es fundamental proteger los datos confidenciales. Este documento técnico describe el marco de seguridad de EcoMetricx basado en la privacidad desde el diseño y basado en la confianza cero, creado para proteger los datos energéticos y, al mismo tiempo, acelerar la colaboración entre empresas de servicios públicos, agregadores y proveedores de servicios. Basado en el NIST CSF 2.0, el CSA STAR CCM v4 y los principales mandatos normativos, el enfoque ofrece un cumplimiento continuo, una rápida incorporación de socios y operaciones resilientes. EcoMetricx permite a las partes interesadas innovar de forma segura y cumplir con las cambiantes demandas actuales de ciberseguridad y privacidad.
DOCUMENTO TÉCNICO
Análisis que preservan la privacidad para datos de medidores inteligentes (AMI): un enfoque híbrido para cumplir con las regulaciones de privacidad de la CPUC
Benjamin Westrich, máster
Ver el documento técnico
Los datos de la infraestructura de medición avanzada (AMI) de los contadores inteligentes de electricidad y gas permiten obtener información valiosa para las empresas de servicios públicos y los consumidores, pero también plantean importantes problemas de privacidad. En California, las decisiones reglamentarias (D.11-07-056 y D.11-08-045 de la CPUC) exigen una protección estricta de la privacidad de los datos sobre el consumo de energía de los clientes, guiándose por los principios de prácticas justas de información (FiPP). Exploramos exhaustivamente soluciones basadas en la anonimización de datos, el aprendizaje automático que preserva la privacidad (privacidad diferencial y aprendizaje federado), la generación de datos sintéticos y las técnicas criptográficas (computación multipartita segura, cifrado homomórfico). Esto permite realizar análisis avanzados, incluidos los modelos de aprendizaje automático y los análisis estadísticos y econométricos de los datos sobre el consumo de energía, sin comprometer la privacidad individual.

Evaluamos los fundamentos teóricos, la eficacia y las ventajas y desventajas de cada técnica en el contexto del análisis de datos de servicios públicos, y proponemos una arquitectura integrada que combina estos métodos para satisfacer las necesidades del mundo real. La arquitectura híbrida propuesta está diseñada para garantizar el cumplimiento de las normas de privacidad y los FIPP de California y, al mismo tiempo, permitir análisis útiles, desde la previsión y la información personalizada hasta la investigación académica y la econometría, al tiempo que protege estrictamente la privacidad individual. Se proporcionan definiciones y derivaciones matemáticas cuando procede para demostrar rigurosamente las garantías de privacidad y las implicaciones en materia de utilidad. Incluimos evaluaciones comparativas de las técnicas, un diagrama de arquitectura y diagramas de flujo para ilustrar cómo funcionan juntas en la práctica. El resultado es un modelo para que los científicos e ingenieros de datos de las empresas de servicios públicos implementen la privacidad desde el diseño en el manejo de datos de la AMI, lo que respalda tanto la innovación basada en los datos como el estricto cumplimiento de las normativas.
DOCUMENTO TÉCNICO
Desbloqueando la inteligencia artificial para los agregadores de opciones comunitarias de California
Matthew Harding, doctor en Filosofía.
Ver el documento técnico
Los agregadores de opciones comunitarias (CCA) de California se encuentran en un momento crucial. Sirven a más de catorce millones de residentes y gestionan más de sesenta teravatios/hora de demanda anual, y han pasado de ser iniciativas locales a convertirse en instituciones que dan forma al mercado. Al mismo tiempo, las plataformas de inteligencia artificial (IA) basadas en la nube se han vuelto asequibles y excepcionalmente precisas, y ofrecen a las empresas eléctricas de todo el mundo nuevas herramientas para reforzar la confiabilidad de la red, aumentar la participación de los clientes y reducir los costos operativos. En este documento técnico se explica por qué la convergencia de estos avances convierte a 2025 en un momento óptimo para que las CCA adopten la IA. Describe los casos de uso más relevantes, detalla los pasos pragmáticos de implementación y destaca las medidas de gobernanza necesarias para alinear el despliegue de la tecnología con los valores del servicio público.
DOCUMENTO TÉCNICO
Medición y verificación de programas conductuales: evaluación de programas que se han desarrollado a gran escala
Matthew Harding, doctor en Filosofía.
Ver el documento técnico
La evaluación de los programas conductuales requiere una medición y verificación rigurosas. Si bien el ensayo controlado aleatorio (ECA) es la base de la evaluación de los programas modernos, en la mayoría de las situaciones no es factible implementar un enfoque aleatorio. Esto es particularmente cierto cuando los programas se han extendido a gran escala y su éxito debe evaluarse fuera de los límites de un marco experimental que implique la asignación aleatoria de los hogares a los grupos de tratamiento y control. El objetivo de este informe es describir los métodos para llevar a cabo una evaluación científicamente sólida del programa en situaciones en las que no es posible realizar un experimento debidamente aleatorizado.
Derechos de autor © 2025 EcoMetricx. Todos los derechos reservados | Política de privacidad