Gestión de la generación y almacenamiento en una microrred a partir de redes neuronales.

Simple item page
dc.contributor.advisorRey López, Juan Manuel
dc.contributor.advisorOrdoñez Plata, Gabriel
dc.contributor.advisorJiménez Vargas, Iván Edgardo
dc.contributor.authorVega Porras, Juan Camilo
dc.contributor.authorDíaz Galvis, Anderson Yesid
dc.contributor.evaluatorDuarte Gualdrón, César Antonio
dc.contributor.evaluatorRodríguez Velásquez, Rusber Octavio
dc.date.accessioned2023-02-28T18:46:32Z
dc.date.available2023-02-28T18:46:32Z
dc.date.created2023-02-27
dc.date.issued2023-02-27
dc.description.abstractLas microrredes eléctricas son una alternativa para electrificar regiones que no tienen acceso a la red eléctrica convencional por motivos de infraestructura o geográficos; para poder determinar la capacidad nominal de los elementos que componen dichas redes se realiza el dimensionamiento. Este trabajo de grado propone un modelo del despacho de las fuentes controlables para una microrred compuesta por paneles fotovoltaicos, aerogeneradores, baterías y generadores diésel basado en redes neuronales, obteniendo así un conjunto de valores que describen el comportamiento de la potencia para un día tipo por cada clase de fuente de despacho. Dicho modelo se obtiene al implementar la siguiente metodología, primero, se define la estrategia de despacho para la red neuronal; segundo, se generan las bases de datos que permiten realizar el entrenamiento de la red neuronal; tercero, se entrena la red utilizando lenguaje de programación Python a través del recurso de Google Colab, desarrollando diferentes estrategias con el fin de escoger el método más adecuado para obtener los parámetros de diseño; por último, se evalúa la precisión del modelo comparando los resultados obtenidos por la red neuronal con los valores calculados al realizar el dimensionamiento basado en reglas para el mismo caso de estudio, con condiciones climáticas y de carga específicas.
dc.description.abstractenglishElectrical microgrids are an alternative to electrify regions that do not have access to the conventional electrical network for infrastructure or geographical reasons; In order to determine the nominal capacity of the elements that make up said networks, dimensioning is carried out. This degree project proposes a controllable sources dispatch model for a microgrid composed of photovoltaic panels, wind turbines, batteries and diesel generators based on neural networks, thus obtaining a set of values that describe the behavior of power for a typical day by each class of dispatch source. Said model is obtained by implementing the following methodology, first, the dispatch strategy for the neural network is defined; second, the databases that allow the training of the neural network are generated; third, the network is trained using the Python programming language through the Google Colab resource, developing different strategies in order to choose the most appropriate method to obtain the design parameters; Finally, the accuracy of the model is evaluated by comparing the results obtained by the neural network with the values calculated when performing the rule-based dimensioning for the same case study, with specific climatic and load conditions.
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/20.500.14071/12312
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.subjectDespacho
dc.subjectFuentes controlables
dc.subjectGestión de energía
dc.subjectMicrorred
dc.subjectRed neuronal
dc.subject.keywordDispatch
dc.subject.keywordControllable sources
dc.subject.keywordPower Management
dc.subject.keywordMicrogrid
dc.subject.keywordNeural Network
dc.titleGestión de la generación y almacenamiento en una microrred a partir de redes neuronales.
dc.title.englishManagement of generation and storage in a microgrid from neural 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 - 5 of 5
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
139.29 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
133.15 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
336.36 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.61 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Apéndices.pdf
Size:
67.94 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