DIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES
El 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...
- Autores:
-
Plata Gutiérrez, Deicy Paola
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad Industrial de Santander
- Repositorio:
- Repositorio UIS
- Idioma:
- spa
- OAI Identifier:
- oai:noesis.uis.edu.co:20.500.14071/11469
- Palabra clave:
- Microrred
Red Neuronal
Función de Activación
Algoritmo de Dimensionamiento
Dataset
Microgrid
Neuronal Network
Activation Function
Sizing Algorithm
- Rights
- openAccess
- License
- Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id |
UISANTADR2_7bb37a5839d0330d58c384fbc0385a7c |
---|---|
oai_identifier_str |
oai:noesis.uis.edu.co:20.500.14071/11469 |
network_acronym_str |
UISANTADR2 |
network_name_str |
Repositorio UIS |
repository_id_str |
|
dc.title.none.fl_str_mv |
DIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES |
dc.title.english.none.fl_str_mv |
SIZING OF ISOLATED MICROGRIDS USING ARTIFICIAL NEURONAL NETWORKS |
title |
DIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES |
spellingShingle |
DIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES Microrred Red Neuronal Función de Activación Algoritmo de Dimensionamiento Dataset Microgrid Neuronal Network Activation Function Sizing Algorithm |
title_short |
DIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES |
title_full |
DIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES |
title_fullStr |
DIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES |
title_full_unstemmed |
DIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES |
title_sort |
DIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALES |
dc.creator.fl_str_mv |
Plata Gutiérrez, Deicy Paola |
dc.contributor.advisor.none.fl_str_mv |
Rey lópez, Juan Manuel Osma Pinto, German Alfonso Jiménez Vargas, Iván Edgardo |
dc.contributor.author.none.fl_str_mv |
Plata Gutiérrez, Deicy Paola |
dc.contributor.evaluator.none.fl_str_mv |
Quiroga Quiroga, Oscar Arnulfo García García, Jersson Ferney |
dc.subject.none.fl_str_mv |
Microrred Red Neuronal Función de Activación Algoritmo de Dimensionamiento |
topic |
Microrred Red Neuronal Función de Activación Algoritmo de Dimensionamiento Dataset Microgrid Neuronal Network Activation Function Sizing Algorithm |
dc.subject.keyword.none.fl_str_mv |
Dataset Microgrid Neuronal Network Activation Function Sizing Algorithm |
description |
El 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. |
publishDate |
2022 |
dc.date.accessioned.none.fl_str_mv |
2022-09-16T13:25:27Z |
dc.date.available.none.fl_str_mv |
2022-09-16T13:25:27Z |
dc.date.created.none.fl_str_mv |
2022-09-11 |
dc.date.issued.none.fl_str_mv |
2022-09-11 |
dc.type.local.none.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
dc.type.hasversion.none.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
https://noesis.uis.edu.co/handle/20.500.14071/11469 |
dc.identifier.instname.none.fl_str_mv |
Universidad Industrial de Santander |
dc.identifier.reponame.none.fl_str_mv |
Universidad Industrial de Santander |
dc.identifier.repourl.none.fl_str_mv |
https://noesis.uis.edu.co |
url |
https://noesis.uis.edu.co/handle/20.500.14071/11469 https://noesis.uis.edu.co |
identifier_str_mv |
Universidad Industrial de Santander |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.license.none.fl_str_mv |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) |
dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.creativecommons.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
rights_invalid_str_mv |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Industrial de Santander |
dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeníerias Fisicomecánicas |
dc.publisher.program.none.fl_str_mv |
Ingeniería Eléctrica |
dc.publisher.school.none.fl_str_mv |
Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones |
publisher.none.fl_str_mv |
Universidad Industrial de Santander |
institution |
Universidad Industrial de Santander |
bitstream.url.fl_str_mv |
https://noesis.uis.edu.co/bitstreams/09b3755c-9431-4bcc-8a44-714a9f6f1625/download https://noesis.uis.edu.co/bitstreams/0d807a82-737e-407a-8550-b92981d6f3bf/download https://noesis.uis.edu.co/bitstreams/26f2d121-0028-4e8e-80c1-435e71c10577/download https://noesis.uis.edu.co/bitstreams/a1f6d577-b310-4cbb-a9f9-0b747dca7199/download https://noesis.uis.edu.co/bitstreams/c5d46b10-fce2-4a89-81a4-e5689cf72677/download https://noesis.uis.edu.co/bitstreams/1901ef5d-8a44-4077-ba62-06a32f837c97/download https://noesis.uis.edu.co/bitstreams/ebafbf1a-e691-4619-aa53-82fd906ef8bd/download https://noesis.uis.edu.co/bitstreams/51f0678d-77ff-46ae-935b-f09b06f75929/download https://noesis.uis.edu.co/bitstreams/5c74aff3-f2a6-4259-873f-fd07d6526948/download https://noesis.uis.edu.co/bitstreams/7265f92a-257d-4e6f-971a-4fe9f810b2d5/download |
bitstream.checksum.fl_str_mv |
87d352578cc74ac1c45036fe9743c76c 3d89a25ad4434d60f8d7663921517974 667223555eeac2788c0e9d2242b12bdd d6298274a8378d319ac744759540b71b 896ae49b9bbed76b91bb0a8c04f34c66 68b329da9893e34099c7d8ad5cb9c940 ce9a0f5c52a8569d67cf1e61e9967e9c f98e94fbc5225f6263eb98cf46f7b633 dead6d1dc921ad8cbefb49d3e44b926d 5a2d65e825d2ad1241ed519c6842ebbf |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
DSpace at UIS |
repository.mail.fl_str_mv |
noesis@uis.edu.co |
_version_ |
1814095228560211968 |
spelling |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Rey lópez, Juan ManuelOsma Pinto, German AlfonsoJiménez Vargas, Iván EdgardoPlata Gutiérrez, Deicy PaolaQuiroga Quiroga, Oscar ArnulfoGarcía García, Jersson Ferney2022-09-16T13:25:27Z2022-09-16T13:25:27Z2022-09-112022-09-11https://noesis.uis.edu.co/handle/20.500.14071/11469Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coEl 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.PregradoIngeniero ElectricistaThe 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.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingeníerias FisicomecánicasIngeniería EléctricaEscuela de Ingenierías Eléctrica, Electrónica y TelecomunicacionesMicrorredRed NeuronalFunción de ActivaciónAlgoritmo de DimensionamientoDatasetMicrogridNeuronal NetworkActivation FunctionSizing AlgorithmDIMENSIONAMIENTO DE MICRORREDES AISLADAS A PARTIR DE MODELOS BASADOS EN REDES NEURONALESSIZING OF ISOLATED MICROGRIDS USING ARTIFICIAL NEURONAL NETWORKSTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/version/c_b1a7d7d4d402bccehttp://purl.org/coar/resource_type/c_7a1fORIGINALDocumento.pdfDocumento.pdfapplication/pdf3596621https://noesis.uis.edu.co/bitstreams/09b3755c-9431-4bcc-8a44-714a9f6f1625/download87d352578cc74ac1c45036fe9743c76cMD51Nota de proyecto.pdfNota de proyecto.pdfapplication/pdf335668https://noesis.uis.edu.co/bitstreams/0d807a82-737e-407a-8550-b92981d6f3bf/download3d89a25ad4434d60f8d7663921517974MD52Carta de autorización.pdfCarta de autorización.pdfapplication/pdf129281https://noesis.uis.edu.co/bitstreams/26f2d121-0028-4e8e-80c1-435e71c10577/download667223555eeac2788c0e9d2242b12bddMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82237https://noesis.uis.edu.co/bitstreams/a1f6d577-b310-4cbb-a9f9-0b747dca7199/downloadd6298274a8378d319ac744759540b71bMD54TEXTDocumento.pdf.txtDocumento.pdf.txtExtracted texttext/plain108610https://noesis.uis.edu.co/bitstreams/c5d46b10-fce2-4a89-81a4-e5689cf72677/download896ae49b9bbed76b91bb0a8c04f34c66MD55Nota de proyecto.pdf.txtNota de proyecto.pdf.txtExtracted texttext/plain1https://noesis.uis.edu.co/bitstreams/1901ef5d-8a44-4077-ba62-06a32f837c97/download68b329da9893e34099c7d8ad5cb9c940MD57Carta de autorización.pdf.txtCarta de autorización.pdf.txtExtracted texttext/plain3125https://noesis.uis.edu.co/bitstreams/ebafbf1a-e691-4619-aa53-82fd906ef8bd/downloadce9a0f5c52a8569d67cf1e61e9967e9cMD59THUMBNAILDocumento.pdf.jpgDocumento.pdf.jpgGenerated Thumbnailimage/jpeg2841https://noesis.uis.edu.co/bitstreams/51f0678d-77ff-46ae-935b-f09b06f75929/downloadf98e94fbc5225f6263eb98cf46f7b633MD56Nota de proyecto.pdf.jpgNota de proyecto.pdf.jpgGenerated Thumbnailimage/jpeg4361https://noesis.uis.edu.co/bitstreams/5c74aff3-f2a6-4259-873f-fd07d6526948/downloaddead6d1dc921ad8cbefb49d3e44b926dMD58Carta de autorización.pdf.jpgCarta de autorización.pdf.jpgGenerated Thumbnailimage/jpeg5891https://noesis.uis.edu.co/bitstreams/7265f92a-257d-4e6f-971a-4fe9f810b2d5/download5a2d65e825d2ad1241ed519c6842ebbfMD51020.500.14071/11469oai:noesis.uis.edu.co:20.500.14071/114692022-10-05 20:40:11.963http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.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 |