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 Subject "ALGORITMO ADAM"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Modelo matemático para la estimación de la cargabilidad de los transformadores de distribución en el alimentador Chimbo de la Unidad de Negocio Bolívar, mediante una red neuronal.
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (utc), 2024-11-01) Jara Páez, Marcela Alejandra; Pesantez Palacios, Gabriel Napoleón
    Esta investigación implementa un modelo de red neuronal artificial (RNA) para predecir la cargabilidad de transformadores en las zonas rurales del alimentador Chimbo, perteneciente a la Subestación Guaranda de la Corporación Nacional de Electricidad (CNEL EP) Unidad de Negocio Bolívar. En la actualidad, las mediciones aleatorias de calidad de energía no permiten identificar todos los transformadores críticos, lo que incrementa el riesgo de sobrecargas y fallas, adicionalmente la ausencia de un modelo matemático adecuado dificulta la estimación en tiempo real de la capacidad de carga de los transformadores. Por ello, el objetivo de este estudio es desarrollar una herramienta precisa que mejore dicha estimación. La metodología incluye la implementación de una Red Neuronal Artificial (RNA) con arquitectura multicapa, utilizando la función de activación ReLU y optimizando el entrenamiento mediante el algoritmo Adam. Los datos fueron normalizados mediante el método Z-score, lo que mejoró la precisión del modelo. Los resultados obtenidos arrojaron un error absoluto medio (MAE) de 1,06 y un error cuadrático medio (MSE) de 2,38 en el conjunto de entrenamiento, mientras que en el conjunto de prueba se registraron un MAE de 1,83 y un MSE de 31,97. Los resultados del modelo propuesto se compararon con el método REA y con las mediciones de los equipos analizadores de calidad de energía, demostrando que la RNA es una herramienta eficaz para la gestión de la cargabilidad en zonas rurales.