DIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES

Simple item page
dc.contributor.advisorRey lópez, Juan Manuel
dc.contributor.advisorOsma Pinto, German Alfonso
dc.contributor.advisorJiménez Vargas, Iván Edgardo
dc.contributor.authorPlata Gutiérrez, Deicy Paola
dc.contributor.evaluatorQuiroga Quiroga, Oscar Arnulfo
dc.contributor.evaluatorGarcía García, Jersson Ferney
dc.date.accessioned2022-09-16T13:25:27Z
dc.date.available2022-09-16T13:25:27Z
dc.date.created2022-09-11
dc.date.issued2022-09-11
dc.description.abstractEl siguiente Trabajo de Grado tiene como objetivo presentar una alternativa en los procesos que demanda las tareas del dimensionamiento de una Microrred (MG) aislada, basándose en el uso de conceptos de vanguardia como el Machine Learning y el diseño e implementación de Redes Neuronales Artificiales (RNA). Como aspecto novedoso, este documento presenta una propuesta para la reducción de información requerida en el entrenamiento de una RNA sin comprometer la exactitud y desempeño de las variables de salida, describiendo distintos métodos de construcción de conjuntos de datos para ser implementados y analizados posteriormente. También se describe una metodología que condensa toda la experiencia adquirida identificando las etapas clave para la construcción de una RNA, teniendo como punto de partida un caso de estudio, la identificación de todas las variables técnicas que juegan un papel importante para el entrenamiento de la RNA, como lo son los Elementos Almacenadores de Energía (EAE), los Elementos de Conversión de Energía (ECA), el análisis de costos y los indicadores de confiabilidad. Dentro de las etapas definidas de la metodología, se propone realizar un análisis de la información obtenida del caso de estudio, presentando 3 alternativas de construcción del conjunto de datos o Dataset requeridos por la RNA en el proceso de entrenamiento (training) y evaluación (testing) de su desempeño para predecir una salida ante el ingreso de información desconocida fuera de los datos utilizados en la etapa de entrenamiento.
dc.description.abstractenglishThe following Graduation Project presents an alternative to the isolated microgrids sizing methodology, based on cutting-edge concepts such as Machine Learning and Artificial Neural Networks (ANN). As a novel aspect, this document presents a proposal for reducing information required in the training of an ANN without compromising the accuracy and performance of the output variables, describing different methods of construction of data sets. A methodology is also described that condenses all the experience acquired by identifying the key stages for the construction of an ANN, having as a starting point a case study, the identification of all the technical variables that play an essential role in the training of the ANN, such as Energy Storage Elements (ESE), Energy Conversion Elements (ECE), cost analysis, and reliability indicators. Within the defined stages of the methodology, it is proposed to carry out an analysis of the information obtained from the case study, presenting 3 alternatives for constructing the dataset required by the ANN in the training process and evaluating its performance.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electricista
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/11469
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería Eléctrica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectMicrorred
dc.subjectRed Neuronal
dc.subjectFunción de Activación
dc.subjectAlgoritmo de Dimensionamiento
dc.subject.keywordDataset
dc.subject.keywordMicrogrid
dc.subject.keywordNeuronal Network
dc.subject.keywordActivation Function
dc.subject.keywordSizing Algorithm
dc.titleDIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES
dc.title.englishSIZING OF ISOLATED MICROGRIDS USING ARTIFICIAL NEURONAL NETWORKS
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
Documento.pdf
Size:
3.43 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
327.8 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
126.25 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería Eléctrica