Artículos - Ingeniería Eletromecánica

Permanent URI for this collection

https://repositorio.utc.edu.ec/handle/123456789/12808

Browse

Browsing Artículos - Ingeniería Eletromecánica by Author "Vásquez Carrera, Paco Jovanni"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Análisis predictivo para la estimación de producción energética fotovoltaica en el recinto Malqui Machay mediante un sistema de monitoreo de generación eléctrica solar.
    (Ecuador: La Maná: Universidad Técnica de Cotopaxi; Extensión La Maná, Carrera de Electromecánica, 2025-09) Aguilar Sizalima, Edwin Alexander; Vásquez Carrera, Paco Jovanni
    El presente estudio desarrolló un modelo predictivo para estimar la producción energética fotovoltaica diaria en el recinto Malqui Machay, utilizando técnicas de aprendizaje automático aplicadas sobre variables meteorológicas locales. Se emplearon datos diarios de irradiancia solar, temperatura del aire y humedad relativa correspondientes al periodo comprendido entre enero de 2021 y mayo de 2024. El conjunto de datos fue segmentado en tres fases: entrenamiento (2021–2022), validación (2023) y proyección (2024). Entre los modelos evaluados, el algoritmo Random Forest presentó el mejor desempeño, alcanzando un coeficiente de determinación (R²) de 0.9993 y un error absoluto medio de 0.0221 kWh. La comparación entre los valores predichos y los datos reales observados durante 2023 evidenció un ajuste casi perfecto. También, la proyección generada para los primeros cinco meses de 2024 fue coherente con los patrones estacionales previos, ratificando la estabilidad del modelo. Los resultados obtenidos demuestran la viabilidad de aplicar modelos de inteligencia artificial para la estimación energética en contextos rurales, donde la infraestructura de medición suele ser limitada. La metodología propuesta representa una alternativa replicable y escalable para mejorar la gestión de sistemas fotovoltaicos en zonas con potencial solar moderado.
  • Thumbnail Image
    Item
    Predicción de estrés hídrico mediante Machine Learning utilizando sensores loT de monitoreo ambiental: caso de estudió en cultivos de café de centro experimental Sacha Wiwa.
    (Ecuador: La Maná: Universidad Técnica de Cotopaxi; Extensión La Maná, Carrera de Electromecánica, 2025-09) Gonzalez Mera, Edner Alfredo; Paredes Anchatipan, Alex Darwin; Vásquez Carrera, Paco Jovanni
    El estrés hídrico representa una de las principales limitaciones para la productividad del café en regiones tropicales. Este estudio desarrolló un sistema de predicción de estrés hídrico basado en sensores IoT y algoritmos de machine learning para cultivos de café en el Centro Experimental Sacha Wiwa, Ecuador. Se implementó una red de sensores inalámbricos (Ecowitt) que monitoreó 16 variables ambientales durante 8 meses (octubre 2023 - mayo 2024), recopilando 2,920 observaciones con 82.3% de disponibilidad de datos. Se desarrolló un modelo Random Forest para clasificar el estrés hídrico en tres categorías: sin estrés (>65% humedad del suelo), estrés moderado (40-65%) y estrés severo (<40%). El modelo alcanzó una precisión global del 91.8% (R² = 0.891, RMSE = 0.724), identificando las variables de humedad del suelo como predictores primarios (53.5% de importancia), seguidas por precipitación (18.6%) y temperatura ambiental (12.8%). Los períodos críticos se concentraron en enero y marzo 2024, coincidiendo con temperaturas máximas >31°C. El sistema demostró capacidad predictiva de 2-3 días, proporcionando tiempo suficiente para implementar medidas preventivas. Los resultados validan la viabilidad de tecnologías IoT para agricultura de precisión en regiones tropicales, estableciendo bases metodológicas para sistemas de alerta temprana en cultivos de café.