Maestría en Electricidad Mención Sistemas Eléctricos de Potencia

Permanent URI for this community

https://repositorio.utc.edu.ec/handle/27000/5675

Browse

Browsing Maestría en Electricidad Mención Sistemas Eléctricos de Potencia by Author "Astudillo Muñoz, Juan Carlos"

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Diseño y simulación de un Sistema de Tracking basado en redes neuronales para mantener la máxima eficiencia de paneles solares
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi, (UTC), 2023) Tapia Palma, Jessy Corina; Astudillo Muñoz, Juan Carlos
    Este trabajo de investigación se centra en el uso de redes neuronales artificiales (RNA) como una herramienta prometedora para mejorar la eficiencia y estabilidad de los sistemas solares fotovoltaicos. Aunque los sistemas fotovoltaicos aprovechan una fuente de energía limpia y renovable, enfrentan desafíos debido a las variaciones en la radiación solar, temperatura y condiciones ambientales. Estos factores ocasionan fluctuaciones en la corriente y tensión de salida de los paneles solares, afectando la potencia generada. Para abordar este problema, se requiere implementar estrategias de control que maximicen la extracción de potencia del campo fotovoltaico. El enfoque principal de este trabajo es el punto de máxima potencia (MPP), que representa el punto óptimo de transferencia de potencia en la curva de características corriente-voltaje (I-V) de un panel solar. El desafío radica en adaptarse a las condiciones cambiantes y lograr un seguimiento preciso del MPP para mejorar la eficiencia del sistema. Aunque existen diferentes algoritmos de seguimiento propuestos, han mostrado limitaciones en términos de tasas de seguimiento y oscilaciones en estado estacionario. Para superar estas deficiencias, se exploran las aplicaciones de las RNA en el diseño de algoritmos de control. Las RNA se destacan por su alta respuesta dinámica y capacidad para adaptarse a condiciones no lineales. Sin embargo, obtener datos precisos de entrenamiento para el controlador es uno de los principales desafíos. En este estudio, se consideran variables importantes como radiación solar, temperatura y voltaje óptimo como entradas para el controlador.
  • No Thumbnail Available
    Item
    Interpretación de gases disueltos en aceite dieléctrico mediante redes neuronales para la detección de anomalías en transformadores de potencia de la subestación Novacero
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC)., 2023) Freire Freire, Armando Salvador; Astudillo Muñoz, Juan Carlos
    El siguiente documento presenta una herramienta de aprendizaje automático para la interpretación de gases disueltos en transformadores de potencia de la subestación Novacero, utilizando algoritmos de aplicación como redes neuronales y bosques aleatorios con lenguaje de programación Python. Mediante los resultados de ensayos de cromatografía de gases en aceite dieléctrico de varios artículos publicados, se utiliza el conjunto de datos entregados por el Análisis de Gases Disueltos (AGD) en cantidades de partes por millón (ppm), la cantidad de gases de hidrocarburos como el hidrógeno (H2), metano (CH4), etano (C2H6), etileno (C2H4) y acetileno (C2H2) que sirven para el aprendizaje y diagnóstico de resultados de falla. El proceso de implementación del algoritmo se realiza con 128 datos de entrenamiento y 64 datos de prueba para la comprobación del aprendizaje propuesto. El resultado obtenido por el entrenamiento mediante el uso de aprendizaje automático se valida con los estados obtenidos por los datos de prueba e informes de AGD proporcionadas por la subestación, bajo la norma IEEE C57.104-2019 se analiza los resultados aplicando el método de triángulo de Duval mostrando cuatro diagnósticos de estado como la descarga de alta energía, descarga de baja energía, estado normal y sobrecalentamiento, obteniendo como resultado un criterio de validación final corroborativo y aplicativo para interpretar los gases disueltos en aceite dieléctrico.
  • No Thumbnail Available
    Item
    Interpretación de gases disueltos en aceite dieléctrico mediante redes neuronales para la detección de anomalías en transformadores de potencia de la subestación Novacero”.
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC)., 2023) Freire Freire, Armando Salvador; Astudillo Muñoz, Juan Carlos
    El siguiente documento presenta una herramienta de aprendizaje automático para la interpretación de gases disueltos en transformadores de potencia de la subestación Novacero, utilizando algoritmos de aplicación como redes neuronales y bosques aleatorios con lenguaje de programación Python. Mediante los resultados de ensayos de cromatografía de gases en aceite dieléctrico de varios artículos publicados, se utiliza el conjunto de datos entregados por el Análisis de Gases Disueltos (AGD) en cantidades de partes por millón (ppm), la cantidad de gases de hidrocarburos como el hidrógeno (H2), metano (CH4), etano (C2H6), etileno (C2H4) y acetileno (C2H2) que sirven para el aprendizaje y diagnóstico de resultados de falla. El proceso de implementación del algoritmo se realiza con 128 datos de entrenamiento y 64 datos de prueba para la comprobación del aprendizaje propuesto.