Tesis - Ingeniería en Electricidad
Permanent URI for this collection
Browse
Recent Submissions
- ItemUn nuevo modelo de optimización convexa utilizando el cálculo de Wirtinger para despacho económico.(Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC)., 2024) Ortiz Malla, Josue Steeven; Quinatoa Caiza, Carlos IvánEl presente trabajo propone una metodología al problema del despacho económico de corto plazo de sistemas eléctricos radiales y mallados mediante programación no lineal (PLN). El problema planteado se solucionará mediante la función de costos del despacho económico clásico donde se incluirá la generación hidráulica, eólica en conjunto con el sistema de almacenamiento de energía, utilizando el modelo linealizado basado en el cálculo de Wirtinger para obtener la energía eléctrica generada en cada uno de los nodos. La metodología propuesta se utilizará para un periodo corto de 24 horas con diferente demanda horaria; para este caso se desarrollará dentro del modelo IEEE 14-bus y se realizan breves modificaciones al modelo para poder incluir las diferentes unidades de generación. Debido a la complejidad del sistema, el modelo linealizado logra resolverlo en menor tiempo que el modelo tradicional, sin tener que realizar simplificaciones de las características propias del sistema, obteniendo como resultado los voltajes y 'ángulos de cada una de las barras, expresando un error mínimo que es la (pena) por la linealización del modelo de despacho económico.
- ItemObtención del modelo de carga polinomial para un sistema de bombeo de agua sanitaria a partir de mediciones experimentales”(Ecuador: Latacunga: Universidad Técnica de Cotopaxi; (UTC), 2024-03) Acero Catucuago, Franklin Alfonso; Pallo Chicaiza, César Alexander; Cruz Panchi, Luis RolandoLa identificación de variaciones en las características de las cargas, junto con el comportamiento de la energía eléctrica, son factores esenciales para el modelado de carga, planificación y operación de un sistema eléctrico. El propósito central del estudio es la creación de un modelo matemático polinomial, que describa el comportamiento de un sistema integrado de motores de inducción. Por lo tanto, se optó un enfoque que incluye la implementación de un sistema de medición, la realización de pruebas y la recolección y procesamiento de datos conforme a estándares establecidos por la norma IEEE Std 2781, con el fin validar un modelo de carga. A partir de los datos obtenidos, se reveló la eficacia del modelo polinomial de segundo grado para describir la interacción entre las potencias activa y reactiva y sus correspondientes voltajes y corrientes en un entorno trifásico, a pesar de los obstáculos presentados por el funcionamiento irregular de las bombas, cargas adicionales y el impacto de los bancos de condensadores. Al final, con los datos procesados, se obtiene el modelo polinomial que se valida posteriormente para asegurar su precisión y utilidad. Los primeros resultados revelaron un coeficiente de determinación 𝑅2 inferior al 70%, lo que indicó la necesidad de realizar mejoras. Esto se debió a problemas ocasionados por los bancos de condensadores y el funcionamiento no constante de las bombas. Sin embargo, al utilizar datos más consistentes y estables, se desarrolló un modelo más fiable, con un nivel de confianza superior al 70%. Este estudio demostró que el modelo es capaz de describir de manera efectiva cómo varían las cargas bajo diferentes condiciones, y confirmó su utilidad para planificar y operar sistemas de bombeo de manera efectiva.
- ItemPronóstico de generación de una mini central hidroeléctrica mediante aprendizaje automático utilizando software de código abierto.(Ecuador: Latacunga: Universidad Técnica de Cotopaxi; (UTC), 2024-03) Benalcazar Cisneros, Dylan Ariel; Tandalla Cando, Jordan Leonel; Salazar Achig, Edgar RobertoEn este proyecto de investigación, se presentó el desafío de prever la generación de energía en la Mini Central Hidroeléctrica Catazacón mediante técnicas de aprendizaje automático y software de código abierto. El objetivo principal fue comparar modelos de pronóstico para determinar la mayor precisión en las predicciones de generación. En este proyecto de investigación se emplearon un total de 87647 datos recopilados a lo largo de cinco años históricos los cuales fueron divididos en 80% de datos para el entrenamiento el modelo y el 20% de datos para prueba. Estos datos fueron utilizados con el propósito de integrarlos en Modelos de Aprendizaje Automático, entre los que se incluyen la Regresión Lineal Simple, las Unidades Recurrentes Cerradas GRU y las Redes Neuronales LSTM los mismos que fueron implementados en el software de código abierto Python. Los resultados mostraron que la aplicación de estos modelos brindaba predicciones útiles y orientadas a decisiones informadas, contribuyendo significativamente a la planificación y gestión eficiente de los recursos energéticos. Adicionalmente, se llevó a cabo la evaluación de los resultados de predicción en diversos horizontes temporales. Se destacó que el Modelo de Unidades Recurrentes Cerradas GRU exhibió una mayor cercanía con la curva de Potencia real. Durante este proceso de evaluación, se analizaron varias métricas, dando como resultado un Error de Porcentaje Medio Absoluto (MAPE) del 1.42% en el caso diario, 1.61% en el caso semanal y 1.82% en el caso mensual.
- ItemPronóstico de radiación solar mediante aprendizaje automático utilizando software de código abierto(Ecuador: Latacunga: Universidad Técnica de Cotopaxi; (UTC), 2024-03) Muguicha Hinojoza, Cristhian Ismael; Salazar Achig, Edgar RobertoEl presente trabajo de investigación se enfoca en predecir la radiación solar. La importancia de realizar esta predicción radica en sus diversas aplicaciones como: la generación de energía renovable, la fotosíntesis para el crecimiento de las plantas, para sistemas térmicos para calentar agua, etc. La metodología utilizada implica el diseño, implementación y comparación de varios modelos de predicción, estos modelos se basan en técnicas de aprendizaje automático y son implementados mediante software de código abierto (Python), entre las técnicas empleadas se encuentran la regresión lineal simple, unidades recurrentes cerradas (GRU) y redes neuronales. Para evaluar la efectividad de estos modelos, se utilizan métricas como el Error Cuadrático Medio (MSE), el Error Absoluto Medio (MAE) y el coeficiente de determinación (R2), estas métricas permiten medir la precisión de las predicciones en comparación con los datos reales. Para el análisis de los resultados obtenidos de cada modelo de predicción, se realiza en tres escenarios: un día (2023/02/06), una semana (2023/02/13 al 2023/02/19) y un mes (marzo del 2023), en el cual, el que mejor destaca en los tres escenarios de análisis, es el modelo de regresión lineal simple debido a su consistente desempeño superior en diversas métricas. Con un bajo Error Absoluto Medio (MAE = 19,379), alto Coeficiente de Determinación (R2 = 0,9937) cercano a 1, y el Error Cuadrático Medio (MSE = 525,963) más bajo en todas las instancias, esta técnica demuestra ofrecer predicciones más precisas y un ajuste robusto.
- ItemDesarrollo de una red neuronal artificial para el seguimiento del máximo punto de potencia en paneles solares integrados a sistemas eléctricos en modo isla(Ecuador: Latacunga: Universidad Técnica de Cotopaxi; (UTC), 2024-03) Jimenez Bautista, Alexander Saul; Porras Ortiz, Alexis Miguel; Castillo Fiallos, Jessica NatalyEn el presente trabajo de titulación se desarrolla un algoritmo de seguimiento del máximo punto de potencia (MPPT) para sistemas fotovoltaicos, el cual se basa en redes neuronales artificiales (ANN) y trabaja en conjunto con un controlador PI para regular la operación del sistema y obtener la máxima transferencia de potencia posible. Para el desarrollo del algoritmo MPPT se recopilo información de temperatura e irradiancia desde la base de datos del POWER DATA ACCESS VIEWER de la NASA, y con la ayuda del software Matlab se desarrolló una metodología para encontrar los valores de voltaje que generan el máximo punto de potencia para todas las entradas, previamente filtradas, de irradiancia y temperatura, y de esta manera conseguir la base de datos que servirá para la creación y entrenamiento de la red neuronal. Con el fin de verificar el correcto funcionamiento del algoritmo MPPT basado en redes neuronales, se realizó una comparación de este con el algoritmo convencional perturbador observador (P&O), para lo cual se utilizó el índice de rendimiento de integral del error cuadrático (ISE), donde los resultados de la ANN fueron satisfactorios y superaron el rendimiento del algoritmo P&O. Finalmente, se conectó el generador fotovoltaico a una carga trifásica en modo isla y se verificó el correcto funcionamiento global del sistema.