Evaluación de los efectos en la producción hidroenergética del río Bogotá a través de sistemas dinámicos, contemplando variación de los regímenes de caudal ambiental

ilustraciones, diagramas

Autores:
Albornoz Villarraga, Leonardo
Tipo de recurso:
Fecha de publicación:
2023
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/84636
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/84636
https://repositorio.unal.edu.co/
Palabra clave:
620 - Ingeniería y operaciones afines::627 - Ingeniería hidráulica
550 - Ciencias de la tierra::551 - Geología, hidrología, meteorología
Energía hidrúlica
Medición de corrientes
Energía mecánica
Water-power
Stream measurements
Power (mechanics)
Caudal Ambiental
Redes Neuronales Artificiales
Sistemas Dinámicos
Optimización
Control
Artificial Neural Networks
Control Predictivo basado en Modelos (MPC)
Model Predictive Control (MPC)
Environmental discharge
Optimization
Dynamic Systems
Control
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_b39a92284f547d4483899afc921aff91
oai_identifier_str oai:repositorio.unal.edu.co:unal/84636
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Evaluación de los efectos en la producción hidroenergética del río Bogotá a través de sistemas dinámicos, contemplando variación de los regímenes de caudal ambiental
dc.title.translated.eng.fl_str_mv Evaluation of effects on hydro-energy production in the Bogotá River using dynamic systems, considering variations in environmental flow regimes
title Evaluación de los efectos en la producción hidroenergética del río Bogotá a través de sistemas dinámicos, contemplando variación de los regímenes de caudal ambiental
spellingShingle Evaluación de los efectos en la producción hidroenergética del río Bogotá a través de sistemas dinámicos, contemplando variación de los regímenes de caudal ambiental
620 - Ingeniería y operaciones afines::627 - Ingeniería hidráulica
550 - Ciencias de la tierra::551 - Geología, hidrología, meteorología
Energía hidrúlica
Medición de corrientes
Energía mecánica
Water-power
Stream measurements
Power (mechanics)
Caudal Ambiental
Redes Neuronales Artificiales
Sistemas Dinámicos
Optimización
Control
Artificial Neural Networks
Control Predictivo basado en Modelos (MPC)
Model Predictive Control (MPC)
Environmental discharge
Optimization
Dynamic Systems
Control
title_short Evaluación de los efectos en la producción hidroenergética del río Bogotá a través de sistemas dinámicos, contemplando variación de los regímenes de caudal ambiental
title_full Evaluación de los efectos en la producción hidroenergética del río Bogotá a través de sistemas dinámicos, contemplando variación de los regímenes de caudal ambiental
title_fullStr Evaluación de los efectos en la producción hidroenergética del río Bogotá a través de sistemas dinámicos, contemplando variación de los regímenes de caudal ambiental
title_full_unstemmed Evaluación de los efectos en la producción hidroenergética del río Bogotá a través de sistemas dinámicos, contemplando variación de los regímenes de caudal ambiental
title_sort Evaluación de los efectos en la producción hidroenergética del río Bogotá a través de sistemas dinámicos, contemplando variación de los regímenes de caudal ambiental
dc.creator.fl_str_mv Albornoz Villarraga, Leonardo
dc.contributor.advisor.none.fl_str_mv Obregón Neira, Nelson
Ordóñez, Jaime Iván
dc.contributor.author.none.fl_str_mv Albornoz Villarraga, Leonardo
dc.contributor.researchgroup.spa.fl_str_mv Grupo de Investigación en Ingeniería de Recursos Hidrícos Gireh
dc.subject.ddc.spa.fl_str_mv 620 - Ingeniería y operaciones afines::627 - Ingeniería hidráulica
550 - Ciencias de la tierra::551 - Geología, hidrología, meteorología
topic 620 - Ingeniería y operaciones afines::627 - Ingeniería hidráulica
550 - Ciencias de la tierra::551 - Geología, hidrología, meteorología
Energía hidrúlica
Medición de corrientes
Energía mecánica
Water-power
Stream measurements
Power (mechanics)
Caudal Ambiental
Redes Neuronales Artificiales
Sistemas Dinámicos
Optimización
Control
Artificial Neural Networks
Control Predictivo basado en Modelos (MPC)
Model Predictive Control (MPC)
Environmental discharge
Optimization
Dynamic Systems
Control
dc.subject.lemb.spa.fl_str_mv Energía hidrúlica
Medición de corrientes
Energía mecánica
dc.subject.lemb.eng.fl_str_mv Water-power
Stream measurements
Power (mechanics)
dc.subject.proposal.spa.fl_str_mv Caudal Ambiental
Redes Neuronales Artificiales
Sistemas Dinámicos
Optimización
Control
Artificial Neural Networks
Control Predictivo basado en Modelos (MPC)
dc.subject.proposal.eng.fl_str_mv Model Predictive Control (MPC)
Environmental discharge
Optimization
Dynamic Systems
Control
description ilustraciones, diagramas
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-09-04T16:50:46Z
dc.date.available.none.fl_str_mv 2023-09-04T16:50:46Z
dc.date.issued.none.fl_str_mv 2023
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/84636
dc.identifier.instname.spa.fl_str_mv Universidad Nacional de Colombia
dc.identifier.reponame.spa.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourl.spa.fl_str_mv https://repositorio.unal.edu.co/
url https://repositorio.unal.edu.co/handle/unal/84636
https://repositorio.unal.edu.co/
identifier_str_mv Universidad Nacional de Colombia
Repositorio Institucional Universidad Nacional de Colombia
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Abadi, M., Agarwal, A., Barham, P., Brevdo, E., Chen, Z., Citro, C., Corrado, G. S., Davis, A., Dean, J., Devin, M., Ghemawat, S., Goodfellow, I., Harp, A., Irving, G., Isard, M., Jia, Y., Jozefowicz, R., Kaiser, L., Kudlur, M., . . . Zheng, X. (2016). TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems. (March). http: //arxiv.org/abs/1603.04467
Alcaldía Mayor de Bogotá. (2019a). Plan de Ordenamiento Territorial de Bogotá D.C. Análisis de ordenamiento y gestión del suelo de la demanda de vivienda esperada. Alcaldía Mayor de Bogotá. Bogotá
Alcaldía Mayor de Bogotá. (2019b). Plan de Ordenamiento Territorial de Bogotá D.C. Documento Técnico de Soporte - Libro Uno: Contenidos Estratégicos. Bogotá D.C.
Arthington, A. H., Bhaduri, A., Bunn, S. E., Jackson, S. E., Tharme, R. E., Tickner, D., Young, B., Acreman, M., Baker, N., Capon, S., Horne, A. C., Kendy, E., McClain, M. E., Poff, N. L. R., Richter, B. D., & Ward, S. (2018). The Brisbane Declaration and Global Action Agenda on Environmental Flows (2018). Frontiers in Environmental Science, 6, 1-15. https://doi.org/10.3389/fenvs.2018.00045
Barrera Olarte, J. (2018). Estimaci´on de caudal ambiental mediante enfoques ecosistémicos para la cuenca del río Nare en el departamento de Antioquia, enmarcada en la metodología ELOHA.
Beal, L. D., Hill, D. C., Abraham Martin, R., & Hedengren, J. D. (2018). GEKKO optimization suite. Processes, 6 (8), 106. https://doi.org/10.3390/PR608010
Bellman, R. (1957). Dynamic programming (Vol. 40). Princeton University Press. https: //doi.org/10.1016/S0076-5392(08)61063-2
Bertsekas, D. P. (2005). Dynamic Programming and Optimal Control (Third Edit). Athena Scientific.
Beven, K. J. (2011). Rainfall-Runoff Modelling: The Primer (2◦ Edition). John Wiley & Sons.
Camacho, E., & Bordons, C. (2007). Model Predictive Control (Second edi).
Chakrabarti, S., Booth, C. M., Detsky, A. S., & Gold, W. L. (2010). Elements of Information Theory (Vol. 5). https://doi.org/10.1002/jhm.825
Chollet, F. (2019). Deep learning with Python (Vol. 53). Manning Publications Co. http:// faculty.neu.edu.cn/yury/AAI/Textbook/Deep%20Learning%20with%20Python.pdf
Comisión de Regulación de Energía y Gas [CREG]. (2007). Manual del programa para calcular la Energía Firme para el Cargo por Confiabilidad de Plantas Hidráulicas. http: //apolo.creg.gov.co
Consorcio Ambiotec S.A. & Gómez Cajiao. (2004). Plan de Manejo Ambiental de las Centrales hidroeléctricas de la cadena CASALACO en operación. (inf. téc.). Bogotá.
Consorcio Huitaca & Corporación Autónoma Regional de Cundinamarca [CAR]. (2017). Ajuste del Plan de Ordenación y Manejo de la Cuenca del Río Bogotá - Fase Diagnóstico. Corporación Autónoma Regional de Cundinamarca.
Corporación Autónoma Regional de Cundinamarca [CAR]. (2017). Resolución 2984 de 2017.
Dawson, C. W., & Wilby, R. L. (2001). Hydrological modelling using artificial neural networks. Progress in Physical Geography, 25 (1), 80-108. https: / / doi. org / 10. 1177 / 030913330102500104
Dittmar, R. (2019). Model Predictive Control mit MATLAB und Simulink. IntechOpen.
Domínguez Calle, E., Plata Martínez, J. F., Caicedo Carrascal, F. M., Chavarro Díaz, J. A., & Barón Ruíz, O. J. (2015). Exploración de modelos para la estimación de caudales medios mensuales afluentes a los sistemas filo de agua Alicachín y Bogotá no regulado (inf. téc.). Pontificia Universidad Javeriana. Bogotá D.C.
Dorf, R. C., & Bishop, R. H. (2008). Modern Control Systems (Eleventh E). Prentice Hall. https://doi.org/10.1109/MCS.1986.1105138
Ealo, O. A. j. (2017). Propuesta para calcular la energía firme para el cargo por confiabilidad – ENFICC de centrales hidroeléctricas dentro del mercado eléctrico colombiano (Tesis doctoral). http://www.bdigital.unal.edu.co/60978/
EMGESA. (2020). Reunión inicial Contrato Caudal Ambiental - EMGESA S.A E.S.P
§en, Z. (1978). A mathematical model of monthly flow sequence. Hydrological Sciences Bulletin, 23 (2), 223-229. https://doi.org/10.1080/02626667809491791
Geron, A. (2017). Hands-On Machine Learing With Scikit-Learn & Tensor Flow. https : //doi.org/10.3389/fninf.2014.00014
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment. https://doi.org/10.1016/j.rse.2017.06.031
HMV. (2019). Estudio de impacto ambiental del Embalse del Muña y estación de bombeo. (inf. téc.). HMV. Bogotá D.C.
IDEAM. (2014). Actualización del componente Meteorológico del modelo institucional del IDEAM sobre el efecto climático de los fenómenos El Ni˜no y La Ni˜na en Colombia (inf. t´ec.).
IDEAM, PNUD, MADS, DNP & CANCILLERÍA. (2015). Escenarios de Cambio Climático para Precipitación y Temperatura para Colombia 2011-2100 Herramientas Científicas para la Toma de Decisiones – Estudio Técnico Completo : Tercera Comunicación Nacional de Cambio Climático. (Vol. 6). http : / / documentacion . ideam . gov . co / openbiblio/bvirtual/022963/022963.htm
Instituto Distrital de Patrimonio Cultural. (2007). La energía en Bogotá: 111 años de historia.
Jimeno-Sáez, P., Senent-Aparicio, J., Pérez-Sánchez, J., & Pulido-Velazquez, D. (2018). A comparison of SWAT and ANN models for daily runoff simulation in different climatic zones of peninsular Spain. Water (Switzerland), 10 (2). https://doi.org/10.3390/ w10020192
Karabulut, A. A., Crenna, E., Sala, S., & Udias, A. (2018). A proposal for integration of the ecosystem-water-food-land-energy (EWFLE) nexus concept into life cycle assessment: A synthesis matrix system for food security. Journal of Cleaner Production, 172, 3874-3889. https://doi.org/10.1016/j.jclepro.2017.05.092
Klee, H. (2018). Simulation of Dynamic Systems with MATLAB and Simulink. https://doi. org/10.1201/9781420044195
Loucks, D. P., & van Beek, E. (2017). Water Resource Systems Modeling: Its Role in Planning and Management. https://doi.org/10.1007/978-3-319-44234-1{\ }2
Luenberger, D. G., & Wiley, J. (1982). Introduction to dynamic systems; theory, models and applications (Vol. 30). https://doi.org/10.1524/auto.1982.30.112.59
Mandalal, K., & Bogardi, J. J. (2007). Dynamic Programming Based Operation of Reservoirs. Cambridge University Press.
Martinez, D. (2009). Guía Técnica Para La Elaboración De Planes De Manejo Ambiental (inf. téc. N.o 51). Bogotá.
Martínez Ortíz, A., Afanador, E., Zapata, J. G., Núñez, J., Ramírez, R., Yepes, T., & Garzón, J. C. (2013). Análisis de la situación energética de Bogotá y Cundinamarca (inf. téc.).
Mathworks. (2022). MATLAB Primer R2022a. https: / / au.mathworks. com /login ? uri= https%3A%2F%2Fau.mathworks.com%2Fhelp%2Fpdf doc%2Fmatlab%2Findex. html&context=behindmwa
Ministerio de Ambiente y Desarrollo Sostenible [MADS]. (2018). Metodología para la estimación del caudal ambiental en Colombia (inf. téc.).
Ministerio de Ambiente y Desarrollo Sotenible. (2019). Metodología para la estimación del Caudal Ambiental en el Río Bogotá (inf. téc.).
Mohammad-Djafari, A. (2001). A Matlab Program to Calculate the Maximum Entropy Distributions. (March 2002). https://doi.org/10.1007/978-94-017-2219-3{\ }16
Mohtar, R. H., & Daher, B. (2016). Water, Energy, and Food: The Ultimate Nexus. Ency clopedia of Agricultural, Food, and Biological Engineering, Second Edition, 1-5. https: //doi.org/10.1081/e-eafe2-120048376
Montealegre, E. (2014). Actualización del componente Meteorológico del modelo institucional del IDEAM sobre el efecto climático de los fenómenos El Niño y La Niña en Colombia, como insumo para el Atlas Climatológico. (inf. téc.). Bogotá D.C
Ncube, S., Visser, A., & Beevers, L. (2018). A framework for assessing instream supporting ecosystem services based on hydroecological modelling. Water (Switzerland), 10 (9). https://doi.org/10.3390/w10091247
Neculai, A. (1965). Modern Control Theory. Electronics and Power, 11 (5), 178. https://doi. org/10.1049/ep.1965.0143
Nguyen, V.-T.-V., & Yeo, M.-H. (2015). Statistical Downscaling of Daily Precipitation Process at an Ungaged Location in the Context of Climate Change
Obregón Neira, N. (2021). Introducción a las Redes Neuronales Artificiales.
Ogata, K., & Hall, P. P. (2004). System Dynamics.
O’Malley, T., Bursztein, E., Long, J., Chollet, F., Jin, H., Invernizzi, L., et al. (2019). Keras {Tuner}
Pabón, J. (2012). Cambio Climático en Colombia: tendencias en la segunda mitad del siglo XX y escenarios posibles para el siglo XXI. Revista Academia Colombiana de Ciencias Exactas, Físicas y Naturales, 36, 261-278
Palomino Lemus, R. (2015). Proyecciones de cambio climático para la precipitación en América tropical mediante técnicas de downscaling estadístico (Tesis doctoral). http://hdl. handle.net/10481/41555
Pardo, M. V. (2003). El reflejo del gigante en el agua: Una historia ambiental del Río Bogotá, 1950-2003. Universidad de los Andes. Bogotá.
Pontificia Universidad Javeriana. (2020). Bases técnicas para la evaluación de servicios ecosistémicos culturales y de aprovisionamiento asociados a cuencas hidrográficas (inf. téc.). Pontificia Universidad Javeriana. Bogotá D.C.
Restrepo, L. F. A. (2006). Las industrias en el proceso de expansión de Bogotá hacia el occidente. http://books.google.es/books?id=0eJ-KdlEy3cC
Rodríıguez Ramírez, D., & Bordóns Alba, C. (2005). Análisis y control de sistemas en espacio de estados, 174.
Rojas, S. d. J. C. (2015). Modelo de gestión de riesgo financiero para una planta generadora de Energía no despachada centralmente. Universidad de Los Andes.
Sterman, J. D. (2000). Systems Thinking and Modeling for a Complex World. McGraw-Hill, Inc.
Strogatz, S. H., & Fox, R. F. (1995). Nonlinear Dynamics and Chaos: With Applications to Physics, Biology, Chemistry and Engineering. https://doi.org/10.1063/1.2807947
Unidad de Planeación Minero Energética. (2017). Plan de expansión de referencia. generación - transmisión 2017-2031 (inf. téc.). http://www1.upme.gov.co/Documents/ Energia%20Electrica/Plan GT 2017 2031 PREL.pd
Unidad de Planeación Minero Energética [UPME]. (2019). Proyección Regional de Energía Eléctrica y Potencia Máxima en Colombia. (inf. téc.). UPME. Bogota
Villegas, B. (2003). EL Agua en la historia.
Wang, L. (2009). Model Predictive Control System Design and Implementation Using MATLAB®. Springer
XM. (2021). XM Portal BI. http://portalbissrs.xm.com.co/Paginas/Home.aspx
Zhang, Y., Hou, J., Gu, J., Huang, C., & Li, X. (2017). SWAT-Based Hydrological Data Assimilation System (SWAT-HDAS): Description and Case Application to River Basin-Scale Hydrological Predictions. Journal of Advances in Modeling Earth Systems, 9 (8), 2863-2882. https://doi.org/10.1002/2017MS00114
Viessman, W., Lewis, G. L., Knapp, J. W., & Harbaugh, T. E. (1989). Introduction to hydrology.
Van den Boom, T., & Schutter, B. D. (2011). Optimization in Systems and Control.
Rojas Garzón, L. J. (2020). Herramientas para la modelación hidrológica de series a resolución sub-diaria bajo escenarios de cambio climático en páramos andinos, Cuenca de la Quebrada Calostros, Parque Natural Nacional Chingaza, Colombia.
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv xviii, 165 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.country.none.fl_str_mv Colombia
dc.coverage.region.none.fl_str_mv Rio Bogotá
dc.publisher.program.spa.fl_str_mv Bogotá - Ingeniería - Maestría en Ingeniería - Recursos Hidráulicos
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.place.spa.fl_str_mv Bogotá, Colombia
dc.publisher.branch.spa.fl_str_mv Universidad Nacional de Colombia - Sede Bogotá
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/84636/1/license.txt
https://repositorio.unal.edu.co/bitstream/unal/84636/2/1032450679.2023.pdf
bitstream.checksum.fl_str_mv eb34b1cf90b7e1103fc9dfd26be24b4a
06b0bf8885e4a47d708f0ff5338e0b6c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1806886536475574272
spelling Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Obregón Neira, Nelson1839261b81438842c852eceee9b466caOrdóñez, Jaime Iváncf7fb4f1b080f2fec759beecadb6da05Albornoz Villarraga, Leonardo7e9f755c785ff7bd093410c6d337488aGrupo de Investigación en Ingeniería de Recursos Hidrícos Gireh2023-09-04T16:50:46Z2023-09-04T16:50:46Z2023https://repositorio.unal.edu.co/handle/unal/84636Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, diagramasLa Cadena de Generación de Río Bogotá (CRB), esta conformada por una serie de plantas hidráulicas que usan las aguas del Río Bogotá para el suministro de energía eléctrica del Distrito Capital. Sin embargo, la anterior, está influenciada por variaciones en el caudal ambiental descargado por las Compuertas de Alicachín. La Resolución de la CAR 2984 de 2017, plantea aumentar este valor en un plazo de 10 años después de la expedición de la resolución. El presente trabajo pretende evaluar los efectos asociados de este aumento sobre la producción de energía que puede ofrecer la CRB, específicamente la cadena de generación PAGUA, comparando la energía optimizada para esta cadena con respecto a las proyecciones de demanda para Bogotá, a través de la construcción de modelos hidrológicos y un sistema de optimización que evalúa el estado del Pondaje Alicachín y el Embalse del Muña hasta el año 2038. Se comparan la oferta y la demanda de energía futuras para el Distrito Capital. Se concluye que el aumento del caudal ambiental estipulado no afecta de forma ostensible la producción de energía de PAGUA. (Texto tomado de la fuente)The Bogota River Generation Chain (BRGC) is a collection of hydraulic plants that generate electricity for Bogotá (Capital District of Colombia), using the Bogota River as a source. Variations in the environmental flows discharged by the Alicachín Gates can affect the BRGC's output. Proposed modifications to environmental policies would increase this value to 3.5 cms over 10 years. This thesis evaluates the potential effects of this change on the energy production of the Paraiso-Guaca (PAGUA) plant, a key component of the BRGC. To do so, we used Artificial Neural Networks (ANN) as the hydrologic model and Model Predictive Control as the optimization framework. We compared the optimized energy output of PAGUA with projected energy demand for Bogotá up to the year 2038. Our analysis shows that the proposed increase in environmental flow is unlikely to have a significant impact on PAGUA's energy production. Specifically, our results suggest that any impact on energy production is likely to be minor and not sufficient to warrant changes to the BRGC's operations or infrastructure.MaestríaHidrolog´ıa Aplicadaxviii, 165 páginasapplication/pdfspa620 - Ingeniería y operaciones afines::627 - Ingeniería hidráulica550 - Ciencias de la tierra::551 - Geología, hidrología, meteorologíaEnergía hidrúlicaMedición de corrientesEnergía mecánicaWater-powerStream measurementsPower (mechanics)Caudal AmbientalRedes Neuronales ArtificialesSistemas DinámicosOptimizaciónControlArtificial Neural NetworksControl Predictivo basado en Modelos (MPC)Model Predictive Control (MPC)Environmental dischargeOptimizationDynamic SystemsControlEvaluación de los efectos en la producción hidroenergética del río Bogotá a través de sistemas dinámicos, contemplando variación de los regímenes de caudal ambientalEvaluation of effects on hydro-energy production in the Bogotá River using dynamic systems, considering variations in environmental flow regimesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMBogotá - Ingeniería - Maestría en Ingeniería - Recursos HidráulicosFacultad de IngenieríaBogotá, ColombiaUniversidad Nacional de Colombia - Sede BogotáColombiaRio BogotáAbadi, M., Agarwal, A., Barham, P., Brevdo, E., Chen, Z., Citro, C., Corrado, G. S., Davis, A., Dean, J., Devin, M., Ghemawat, S., Goodfellow, I., Harp, A., Irving, G., Isard, M., Jia, Y., Jozefowicz, R., Kaiser, L., Kudlur, M., . . . Zheng, X. (2016). TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems. (March). http: //arxiv.org/abs/1603.04467Alcaldía Mayor de Bogotá. (2019a). Plan de Ordenamiento Territorial de Bogotá D.C. Análisis de ordenamiento y gestión del suelo de la demanda de vivienda esperada. Alcaldía Mayor de Bogotá. BogotáAlcaldía Mayor de Bogotá. (2019b). Plan de Ordenamiento Territorial de Bogotá D.C. Documento Técnico de Soporte - Libro Uno: Contenidos Estratégicos. Bogotá D.C.Arthington, A. H., Bhaduri, A., Bunn, S. E., Jackson, S. E., Tharme, R. E., Tickner, D., Young, B., Acreman, M., Baker, N., Capon, S., Horne, A. C., Kendy, E., McClain, M. E., Poff, N. L. R., Richter, B. D., & Ward, S. (2018). The Brisbane Declaration and Global Action Agenda on Environmental Flows (2018). Frontiers in Environmental Science, 6, 1-15. https://doi.org/10.3389/fenvs.2018.00045Barrera Olarte, J. (2018). Estimaci´on de caudal ambiental mediante enfoques ecosistémicos para la cuenca del río Nare en el departamento de Antioquia, enmarcada en la metodología ELOHA.Beal, L. D., Hill, D. C., Abraham Martin, R., & Hedengren, J. D. (2018). GEKKO optimization suite. Processes, 6 (8), 106. https://doi.org/10.3390/PR608010Bellman, R. (1957). Dynamic programming (Vol. 40). Princeton University Press. https: //doi.org/10.1016/S0076-5392(08)61063-2Bertsekas, D. P. (2005). Dynamic Programming and Optimal Control (Third Edit). Athena Scientific.Beven, K. J. (2011). Rainfall-Runoff Modelling: The Primer (2◦ Edition). John Wiley & Sons.Camacho, E., & Bordons, C. (2007). Model Predictive Control (Second edi).Chakrabarti, S., Booth, C. M., Detsky, A. S., & Gold, W. L. (2010). Elements of Information Theory (Vol. 5). https://doi.org/10.1002/jhm.825Chollet, F. (2019). Deep learning with Python (Vol. 53). Manning Publications Co. http:// faculty.neu.edu.cn/yury/AAI/Textbook/Deep%20Learning%20with%20Python.pdfComisión de Regulación de Energía y Gas [CREG]. (2007). Manual del programa para calcular la Energía Firme para el Cargo por Confiabilidad de Plantas Hidráulicas. http: //apolo.creg.gov.coConsorcio Ambiotec S.A. & Gómez Cajiao. (2004). Plan de Manejo Ambiental de las Centrales hidroeléctricas de la cadena CASALACO en operación. (inf. téc.). Bogotá.Consorcio Huitaca & Corporación Autónoma Regional de Cundinamarca [CAR]. (2017). Ajuste del Plan de Ordenación y Manejo de la Cuenca del Río Bogotá - Fase Diagnóstico. Corporación Autónoma Regional de Cundinamarca.Corporación Autónoma Regional de Cundinamarca [CAR]. (2017). Resolución 2984 de 2017.Dawson, C. W., & Wilby, R. L. (2001). Hydrological modelling using artificial neural networks. Progress in Physical Geography, 25 (1), 80-108. https: / / doi. org / 10. 1177 / 030913330102500104Dittmar, R. (2019). Model Predictive Control mit MATLAB und Simulink. IntechOpen.Domínguez Calle, E., Plata Martínez, J. F., Caicedo Carrascal, F. M., Chavarro Díaz, J. A., & Barón Ruíz, O. J. (2015). Exploración de modelos para la estimación de caudales medios mensuales afluentes a los sistemas filo de agua Alicachín y Bogotá no regulado (inf. téc.). Pontificia Universidad Javeriana. Bogotá D.C.Dorf, R. C., & Bishop, R. H. (2008). Modern Control Systems (Eleventh E). Prentice Hall. https://doi.org/10.1109/MCS.1986.1105138Ealo, O. A. j. (2017). Propuesta para calcular la energía firme para el cargo por confiabilidad – ENFICC de centrales hidroeléctricas dentro del mercado eléctrico colombiano (Tesis doctoral). http://www.bdigital.unal.edu.co/60978/EMGESA. (2020). Reunión inicial Contrato Caudal Ambiental - EMGESA S.A E.S.P§en, Z. (1978). A mathematical model of monthly flow sequence. Hydrological Sciences Bulletin, 23 (2), 223-229. https://doi.org/10.1080/02626667809491791Geron, A. (2017). Hands-On Machine Learing With Scikit-Learn & Tensor Flow. https : //doi.org/10.3389/fninf.2014.00014Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment. https://doi.org/10.1016/j.rse.2017.06.031HMV. (2019). Estudio de impacto ambiental del Embalse del Muña y estación de bombeo. (inf. téc.). HMV. Bogotá D.C.IDEAM. (2014). Actualización del componente Meteorológico del modelo institucional del IDEAM sobre el efecto climático de los fenómenos El Ni˜no y La Ni˜na en Colombia (inf. t´ec.).IDEAM, PNUD, MADS, DNP & CANCILLERÍA. (2015). Escenarios de Cambio Climático para Precipitación y Temperatura para Colombia 2011-2100 Herramientas Científicas para la Toma de Decisiones – Estudio Técnico Completo : Tercera Comunicación Nacional de Cambio Climático. (Vol. 6). http : / / documentacion . ideam . gov . co / openbiblio/bvirtual/022963/022963.htmInstituto Distrital de Patrimonio Cultural. (2007). La energía en Bogotá: 111 años de historia.Jimeno-Sáez, P., Senent-Aparicio, J., Pérez-Sánchez, J., & Pulido-Velazquez, D. (2018). A comparison of SWAT and ANN models for daily runoff simulation in different climatic zones of peninsular Spain. Water (Switzerland), 10 (2). https://doi.org/10.3390/ w10020192Karabulut, A. A., Crenna, E., Sala, S., & Udias, A. (2018). A proposal for integration of the ecosystem-water-food-land-energy (EWFLE) nexus concept into life cycle assessment: A synthesis matrix system for food security. Journal of Cleaner Production, 172, 3874-3889. https://doi.org/10.1016/j.jclepro.2017.05.092Klee, H. (2018). Simulation of Dynamic Systems with MATLAB and Simulink. https://doi. org/10.1201/9781420044195Loucks, D. P., & van Beek, E. (2017). Water Resource Systems Modeling: Its Role in Planning and Management. https://doi.org/10.1007/978-3-319-44234-1{\ }2Luenberger, D. G., & Wiley, J. (1982). Introduction to dynamic systems; theory, models and applications (Vol. 30). https://doi.org/10.1524/auto.1982.30.112.59Mandalal, K., & Bogardi, J. J. (2007). Dynamic Programming Based Operation of Reservoirs. Cambridge University Press.Martinez, D. (2009). Guía Técnica Para La Elaboración De Planes De Manejo Ambiental (inf. téc. N.o 51). Bogotá.Martínez Ortíz, A., Afanador, E., Zapata, J. G., Núñez, J., Ramírez, R., Yepes, T., & Garzón, J. C. (2013). Análisis de la situación energética de Bogotá y Cundinamarca (inf. téc.).Mathworks. (2022). MATLAB Primer R2022a. https: / / au.mathworks. com /login ? uri= https%3A%2F%2Fau.mathworks.com%2Fhelp%2Fpdf doc%2Fmatlab%2Findex. html&context=behindmwaMinisterio de Ambiente y Desarrollo Sostenible [MADS]. (2018). Metodología para la estimación del caudal ambiental en Colombia (inf. téc.).Ministerio de Ambiente y Desarrollo Sotenible. (2019). Metodología para la estimación del Caudal Ambiental en el Río Bogotá (inf. téc.).Mohammad-Djafari, A. (2001). A Matlab Program to Calculate the Maximum Entropy Distributions. (March 2002). https://doi.org/10.1007/978-94-017-2219-3{\ }16Mohtar, R. H., & Daher, B. (2016). Water, Energy, and Food: The Ultimate Nexus. Ency clopedia of Agricultural, Food, and Biological Engineering, Second Edition, 1-5. https: //doi.org/10.1081/e-eafe2-120048376Montealegre, E. (2014). Actualización del componente Meteorológico del modelo institucional del IDEAM sobre el efecto climático de los fenómenos El Niño y La Niña en Colombia, como insumo para el Atlas Climatológico. (inf. téc.). Bogotá D.CNcube, S., Visser, A., & Beevers, L. (2018). A framework for assessing instream supporting ecosystem services based on hydroecological modelling. Water (Switzerland), 10 (9). https://doi.org/10.3390/w10091247Neculai, A. (1965). Modern Control Theory. Electronics and Power, 11 (5), 178. https://doi. org/10.1049/ep.1965.0143Nguyen, V.-T.-V., & Yeo, M.-H. (2015). Statistical Downscaling of Daily Precipitation Process at an Ungaged Location in the Context of Climate ChangeObregón Neira, N. (2021). Introducción a las Redes Neuronales Artificiales.Ogata, K., & Hall, P. P. (2004). System Dynamics.O’Malley, T., Bursztein, E., Long, J., Chollet, F., Jin, H., Invernizzi, L., et al. (2019). Keras {Tuner}Pabón, J. (2012). Cambio Climático en Colombia: tendencias en la segunda mitad del siglo XX y escenarios posibles para el siglo XXI. Revista Academia Colombiana de Ciencias Exactas, Físicas y Naturales, 36, 261-278Palomino Lemus, R. (2015). Proyecciones de cambio climático para la precipitación en América tropical mediante técnicas de downscaling estadístico (Tesis doctoral). http://hdl. handle.net/10481/41555Pardo, M. V. (2003). El reflejo del gigante en el agua: Una historia ambiental del Río Bogotá, 1950-2003. Universidad de los Andes. Bogotá.Pontificia Universidad Javeriana. (2020). Bases técnicas para la evaluación de servicios ecosistémicos culturales y de aprovisionamiento asociados a cuencas hidrográficas (inf. téc.). Pontificia Universidad Javeriana. Bogotá D.C.Restrepo, L. F. A. (2006). Las industrias en el proceso de expansión de Bogotá hacia el occidente. http://books.google.es/books?id=0eJ-KdlEy3cCRodríıguez Ramírez, D., & Bordóns Alba, C. (2005). Análisis y control de sistemas en espacio de estados, 174.Rojas, S. d. J. C. (2015). Modelo de gestión de riesgo financiero para una planta generadora de Energía no despachada centralmente. Universidad de Los Andes.Sterman, J. D. (2000). Systems Thinking and Modeling for a Complex World. McGraw-Hill, Inc.Strogatz, S. H., & Fox, R. F. (1995). Nonlinear Dynamics and Chaos: With Applications to Physics, Biology, Chemistry and Engineering. https://doi.org/10.1063/1.2807947Unidad de Planeación Minero Energética. (2017). Plan de expansión de referencia. generación - transmisión 2017-2031 (inf. téc.). http://www1.upme.gov.co/Documents/ Energia%20Electrica/Plan GT 2017 2031 PREL.pdUnidad de Planeación Minero Energética [UPME]. (2019). Proyección Regional de Energía Eléctrica y Potencia Máxima en Colombia. (inf. téc.). UPME. BogotaVillegas, B. (2003). EL Agua en la historia.Wang, L. (2009). Model Predictive Control System Design and Implementation Using MATLAB®. SpringerXM. (2021). XM Portal BI. http://portalbissrs.xm.com.co/Paginas/Home.aspxZhang, Y., Hou, J., Gu, J., Huang, C., & Li, X. (2017). SWAT-Based Hydrological Data Assimilation System (SWAT-HDAS): Description and Case Application to River Basin-Scale Hydrological Predictions. Journal of Advances in Modeling Earth Systems, 9 (8), 2863-2882. https://doi.org/10.1002/2017MS00114Viessman, W., Lewis, G. L., Knapp, J. W., & Harbaugh, T. E. (1989). Introduction to hydrology.Van den Boom, T., & Schutter, B. D. (2011). Optimization in Systems and Control.Rojas Garzón, L. J. (2020). Herramientas para la modelación hidrológica de series a resolución sub-diaria bajo escenarios de cambio climático en páramos andinos, Cuenca de la Quebrada Calostros, Parque Natural Nacional Chingaza, Colombia.EstudiantesInvestigadoresMaestrosPúblico generalLICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/84636/1/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD51ORIGINAL1032450679.2023.pdf1032450679.2023.pdfTesis de Maestría en Ingeniería - Recursos Hidráulicosapplication/pdf40583027https://repositorio.unal.edu.co/bitstream/unal/84636/2/1032450679.2023.pdf06b0bf8885e4a47d708f0ff5338e0b6cMD52unal/84636oai:repositorio.unal.edu.co:unal/846362023-09-04 14:20:35.683Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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

Publicaciones similares