Aplicación de modelos de aprendizaje automático para predicción de la capacidad dinámica de transporte de líneas de transmisión

Este proyecto presenta una solución al problema de la congestión en las líneas de transmisión, las cuales se dan cuando la cantidad de energía que debe ser transportada excede la capacidad de la línea o sistema de transmisión eléctrica para llevarla eficientemente. Esta situación se manifiesta cuand...

Full description

Autores:
Solano Cera, Yeniffer del Mar
Pacheco López, Jhon Eduardo
Tipo de recurso:
Fecha de publicación:
2024
Institución:
Universidad del Norte
Repositorio:
Repositorio Uninorte
Idioma:
eng
OAI Identifier:
oai:manglar.uninorte.edu.co:10584/12137
Acceso en línea:
http://hdl.handle.net/10584/12137
Palabra clave:
Líneas, transmisión, congestión, modelo.
Lines, transmission, congestion, model.
Rights
License
Universidad del Norte
id REPOUNORT2_33023d062195eee3398db49568253bdd
oai_identifier_str oai:manglar.uninorte.edu.co:10584/12137
network_acronym_str REPOUNORT2
network_name_str Repositorio Uninorte
repository_id_str
dc.title.es_ES.fl_str_mv Aplicación de modelos de aprendizaje automático para predicción de la capacidad dinámica de transporte de líneas de transmisión
dc.title.en_US.fl_str_mv Application of automatic learning models to predict dynamic transport capability of transmission lines
title Aplicación de modelos de aprendizaje automático para predicción de la capacidad dinámica de transporte de líneas de transmisión
spellingShingle Aplicación de modelos de aprendizaje automático para predicción de la capacidad dinámica de transporte de líneas de transmisión
Líneas, transmisión, congestión, modelo.
Lines, transmission, congestion, model.
title_short Aplicación de modelos de aprendizaje automático para predicción de la capacidad dinámica de transporte de líneas de transmisión
title_full Aplicación de modelos de aprendizaje automático para predicción de la capacidad dinámica de transporte de líneas de transmisión
title_fullStr Aplicación de modelos de aprendizaje automático para predicción de la capacidad dinámica de transporte de líneas de transmisión
title_full_unstemmed Aplicación de modelos de aprendizaje automático para predicción de la capacidad dinámica de transporte de líneas de transmisión
title_sort Aplicación de modelos de aprendizaje automático para predicción de la capacidad dinámica de transporte de líneas de transmisión
dc.creator.fl_str_mv Solano Cera, Yeniffer del Mar
Pacheco López, Jhon Eduardo
dc.contributor.advisor.none.fl_str_mv Pulgarin Rivera, Juan Diego
Restrepo Restrepo, Mauricio
dc.contributor.author.none.fl_str_mv Solano Cera, Yeniffer del Mar
Pacheco López, Jhon Eduardo
dc.subject.es_ES.fl_str_mv Líneas, transmisión, congestión, modelo.
topic Líneas, transmisión, congestión, modelo.
Lines, transmission, congestion, model.
dc.subject.en_US.fl_str_mv Lines, transmission, congestion, model.
description Este proyecto presenta una solución al problema de la congestión en las líneas de transmisión, las cuales se dan cuando la cantidad de energía que debe ser transportada excede la capacidad de la línea o sistema de transmisión eléctrica para llevarla eficientemente. Esta situación se manifiesta cuando la demanda eléctrica excede la capacidad de las líneas para satisfacerla de manera efectiva, lo que provoca congestión en las mismas. Por lo tanto, la congestión en las líneas de transmisión es un problema porque afecta la confiabilidad del suministro eléctrico, la eficiencia energética, el desarrollo económico, el medio ambiente y la equidad en el acceso a la energía. Por este motivo, se ha desarrollado una aplicación que utiliza la predicción de la radiación solar y la velocidad del viento para ajustar dinámicamente la capacidad de las líneas de transmisión a lo largo del día. Este ajuste se realiza mediante modelos de aprendizajes automáticos, lo que permite una gestión más eficiente de la capacidad máxima de las líneas. Todo el proyecto se ha llevado a cabo cumpliendo con la normativa IEEE738 / 2012, que establece el estándar para calcular la relación temperatura-corriente de conductores aéreos desnudos. Se ha logrado crear una aplicación de modelos de aprendizaje automático para predecir la capacidad dinámica de transporte de líneas de transmisión. Esta predicción se realiza teniendo en cuenta la radiación solar, temperatura ambiente y velocidad del viento a lo largo de un día, lo que permite calcular la corriente y la potencia de una línea en cada momento. Gracias a esta herramienta, podemos determinar el valor máximo de corriente y potencia antes de que la línea alcance su temperatura de deformación.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-06-24T21:00:33Z
dc.date.available.none.fl_str_mv 2024-06-24T21:00:33Z
dc.date.issued.none.fl_str_mv 2024-03-30
dc.type.es_ES.fl_str_mv article
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10584/12137
url http://hdl.handle.net/10584/12137
dc.language.iso.es_ES.fl_str_mv eng
language eng
dc.rights.es_ES.fl_str_mv Universidad del Norte
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Universidad del Norte
http://purl.org/coar/access_right/c_abf2
dc.publisher.es_ES.fl_str_mv Barranquilla,Universidad del Norte,2024
institution Universidad del Norte
bitstream.url.fl_str_mv https://manglar.uninorte.edu.co/bitstream/10584/12137/1/interfaz%20grafica%20.jpg
https://manglar.uninorte.edu.co/bitstream/10584/12137/2/Interfaz%20grafica%20en%20ingles.jpg
https://manglar.uninorte.edu.co/bitstream/10584/12137/3/license.txt
bitstream.checksum.fl_str_mv cf58671265e05f9b5f77f42eab442de7
f722d74daabc08762e26aa3c741a4f4b
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Digital de la Universidad del Norte
repository.mail.fl_str_mv mauribe@uninorte.edu.co
_version_ 1812183105506639872
spelling Pulgarin Rivera, Juan DiegoRestrepo Restrepo, MauricioSolano Cera, Yeniffer del MarPacheco López, Jhon Eduardo2024-06-24T21:00:33Z2024-06-24T21:00:33Z2024-03-30http://hdl.handle.net/10584/12137Este proyecto presenta una solución al problema de la congestión en las líneas de transmisión, las cuales se dan cuando la cantidad de energía que debe ser transportada excede la capacidad de la línea o sistema de transmisión eléctrica para llevarla eficientemente. Esta situación se manifiesta cuando la demanda eléctrica excede la capacidad de las líneas para satisfacerla de manera efectiva, lo que provoca congestión en las mismas. Por lo tanto, la congestión en las líneas de transmisión es un problema porque afecta la confiabilidad del suministro eléctrico, la eficiencia energética, el desarrollo económico, el medio ambiente y la equidad en el acceso a la energía. Por este motivo, se ha desarrollado una aplicación que utiliza la predicción de la radiación solar y la velocidad del viento para ajustar dinámicamente la capacidad de las líneas de transmisión a lo largo del día. Este ajuste se realiza mediante modelos de aprendizajes automáticos, lo que permite una gestión más eficiente de la capacidad máxima de las líneas. Todo el proyecto se ha llevado a cabo cumpliendo con la normativa IEEE738 / 2012, que establece el estándar para calcular la relación temperatura-corriente de conductores aéreos desnudos. Se ha logrado crear una aplicación de modelos de aprendizaje automático para predecir la capacidad dinámica de transporte de líneas de transmisión. Esta predicción se realiza teniendo en cuenta la radiación solar, temperatura ambiente y velocidad del viento a lo largo de un día, lo que permite calcular la corriente y la potencia de una línea en cada momento. Gracias a esta herramienta, podemos determinar el valor máximo de corriente y potencia antes de que la línea alcance su temperatura de deformación.This project shows a solution to the transmission lines issue, which appear when the amount of energy that has to be transported exceeds the line capability or the electric transmission system to transport it effectively. This situation occurs when the demand exceeds the lines capability to satisfy them effectively, that generates congestion them. Therefore, transmission lines congestion is an issue that affects the electric supply confidence, energetic efficiency, economic development, environment and equity in energy accessibility. For that, it was developed an app which uses the prediction of solar radiation and wind speed to dynamically set the transmission lines capability throughout the day. This setting is made through automatic learning models, what allows an efficient management of the lines maximum capability. All this project has been done complying with the IEEE738/2012 regulation, that establishes the standard to calculate the temperature-current relation of naked air conductors. It has posible to create an automatic learning model app to predict the transport dynamic capability of transmission lines. This prediction is made considering solar radiation, environment temperature and wind speed throughout the day, that makes possible to calculate the current and power of a line in any moment. Thanks to this tool, it could be determined the maximum current value and power before the line achieve the deformation temperature.engBarranquilla,Universidad del Norte,2024Universidad del Nortehttp://purl.org/coar/access_right/c_abf2Líneas, transmisión, congestión, modelo.Lines, transmission, congestion, model.Aplicación de modelos de aprendizaje automático para predicción de la capacidad dinámica de transporte de líneas de transmisiónApplication of automatic learning models to predict dynamic transport capability of transmission linesarticlehttp://purl.org/coar/resource_type/c_6501ORIGINALinterfaz grafica .jpginterfaz grafica .jpgimage/jpeg58222https://manglar.uninorte.edu.co/bitstream/10584/12137/1/interfaz%20grafica%20.jpgcf58671265e05f9b5f77f42eab442de7MD51Interfaz grafica en ingles.jpgInterfaz grafica en ingles.jpgimage/jpeg58343https://manglar.uninorte.edu.co/bitstream/10584/12137/2/Interfaz%20grafica%20en%20ingles.jpgf722d74daabc08762e26aa3c741a4f4bMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://manglar.uninorte.edu.co/bitstream/10584/12137/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5310584/12137oai:manglar.uninorte.edu.co:10584/121372024-06-24 16:00:49.214Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.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

Publicaciones similares