Maestría en Ingeniería Eléctrica

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9026

Browse

Browsing Maestría en Ingeniería Eléctrica by browse.metadata.advisor "Duarte Gualdrón, César Antonio"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Clasificación de eventos para monitorización no intrusiva de carga utilizando razonamiento basado en casos
    (Universidad Industrial de Santander, 2018) Cortes Torres, Jose David; Duarte Gualdrón, César Antonio
    El consumo eléctrico en hogares y sitios de trabajo se ha incrementado. Esto puede ser eviden-ciado en el crecimiento de ciudades inteligentes, el uso de energías renovables y dispositivos tec-nológicos de última generación. Panorama que se torna necesario para el diseño de estrategias referentes a la gestión de la demanda. La monitorización intrusiva de cargas (NILM), permite me-dir el consumo eléctrico de forma centralizada para estimar la potencia individual de cada aparato conectado en un sistema eléctrico usando algoritmos matemáticos. En la actualidad, la metodolo-gía de razonamiento basado en casos (RBC) ha mostrado una solución apropiada para tareas de clasificación. Como el RBC fracciona el conocimiento de acuerdo al contexto, representa una ven-taja respecto con los métodos tradicionales. El presente trabajo de investigación describe el modelo para clasificación de cargas de tipo residencial en eventos de conexión y desconexión usando la metodología de RBC dividida en en tres etapas. La etapa de extracción de descriptores fue imple-mentada usando transformadas tiempo-frecuencia y de las definiciones de la norma IEEE1459 de 22 aparatos eléctricos de uso residencial. La etapa de clasificación está compuesta por 4 fases que dispone de 2 algoritmos por fase. La etapa de evaluación fue implementada usando la métrica de casos clasificados correctamente sobre total de casos. Los resultados fueron comparados con el método de clasificación basado en máquinas de soporte vectorial (SVM). Los hallazgos más im-portantes muestran que los 24 modelos implementados con RBC presentaron un 39.66% en pro-medio. Estos datos revelan que los modelos de RBC cuentan con un desempeño comparable con algunos métodos considerados en NILM, lo que se constituye en una metodología para la clasifi-cación de aparatos en un sistema residencial.
  • Thumbnail Image
    Item
    Localización de Fallas en Sistemas de Distribución de Energía Eléctrica a partir de la Estimación del Perfil de Tensión de Falla utilizando Máquinas de Soporte Vectorial
    (Universidad Industrial de Santander, 2022-09-12) Galeano Suárez, Daniel Camilo; Duarte Gualdrón, César Antonio; Blanco Solano, Jairo; Vargas Torres, Hermann Raúl; Petit Suárez, Johan Farith
    Este trabajo de investigación propone una metodología de localización de fallas en sistemas de distribución basada en la estimación del perfil de tensión de falla a partir del entrenamiento de máquinas de soporte vectorial para regresión. El entrenamiento de las SVR se realiza a través de datos de simulación que se extraen del software de sistemas eléctricos OpenDSS. Los perfiles de tensión estimados son la entrada a un algoritmo de localización que a través de regresiones lineales y el concepto de cambio de pendiente estima el punto de falla. El rendimiento de la metodología de localización se evalúa realizando diversos análisis de sensibilidad empleando la clase Python FL-SVR. Los resultados demuestran la veracidad de la hipótesis inicial de esta investigación y la alta exactitud con la que se revuelve el problema.