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...

Full description

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
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/11469
https://noesis.uis.edu.co
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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