Optimización operativa de la Central Hidroeléctrica Amaime a través del análisis de datos SCADA y desarrollo de una aplicación interactiva
El presente proyecto de grado tiene como objetivo principal la optimización de la eficiencia operativa de la central hidroeléctrica Amaime a partir de datos históricos tomados por el sistema SCADA instalado en la central. Mediante el uso de técnicas de análisis de datos y modelado, se desarrolló una...
- Autores:
-
Becerra Romero, Juan David
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/73220
- Acceso en línea:
- https://hdl.handle.net/1992/73220
- Palabra clave:
- Machine Learning
Optimización
Ingenieria de sistemas
Hidroeléctrica
Ingeniería
- Rights
- openAccess
- License
- Attribution-NoDerivatives 4.0 International
| id |
UNIANDES2_7f650dfeed1b14360a46785a8966a567 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/73220 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Optimización operativa de la Central Hidroeléctrica Amaime a través del análisis de datos SCADA y desarrollo de una aplicación interactiva |
| title |
Optimización operativa de la Central Hidroeléctrica Amaime a través del análisis de datos SCADA y desarrollo de una aplicación interactiva |
| spellingShingle |
Optimización operativa de la Central Hidroeléctrica Amaime a través del análisis de datos SCADA y desarrollo de una aplicación interactiva Machine Learning Optimización Ingenieria de sistemas Hidroeléctrica Ingeniería |
| title_short |
Optimización operativa de la Central Hidroeléctrica Amaime a través del análisis de datos SCADA y desarrollo de una aplicación interactiva |
| title_full |
Optimización operativa de la Central Hidroeléctrica Amaime a través del análisis de datos SCADA y desarrollo de una aplicación interactiva |
| title_fullStr |
Optimización operativa de la Central Hidroeléctrica Amaime a través del análisis de datos SCADA y desarrollo de una aplicación interactiva |
| title_full_unstemmed |
Optimización operativa de la Central Hidroeléctrica Amaime a través del análisis de datos SCADA y desarrollo de una aplicación interactiva |
| title_sort |
Optimización operativa de la Central Hidroeléctrica Amaime a través del análisis de datos SCADA y desarrollo de una aplicación interactiva |
| dc.creator.fl_str_mv |
Becerra Romero, Juan David |
| dc.contributor.advisor.none.fl_str_mv |
Villamil Giraldo, María del Pilar Barbieri, Giacomo |
| dc.contributor.author.none.fl_str_mv |
Becerra Romero, Juan David |
| dc.subject.keyword.eng.fl_str_mv |
Machine Learning |
| topic |
Machine Learning Optimización Ingenieria de sistemas Hidroeléctrica Ingeniería |
| dc.subject.keyword.spa.fl_str_mv |
Optimización Ingenieria de sistemas |
| dc.subject.keyword.none.fl_str_mv |
Hidroeléctrica |
| dc.subject.themes.spa.fl_str_mv |
Ingeniería |
| description |
El presente proyecto de grado tiene como objetivo principal la optimización de la eficiencia operativa de la central hidroeléctrica Amaime a partir de datos históricos tomados por el sistema SCADA instalado en la central. Mediante el uso de técnicas de análisis de datos y modelado, se desarrolló una herramienta que permite al operador ajustar de manera óptima la posición de los álabes de la turbina, basándose en variables como la potencia deseada y la altura de la cabeza de agua, de tal forma que se maximice la eficiencia calculada de la central. Este enfoque innovador no solo mejora la eficiencia energética, sino que también contribuye a la sostenibilidad y el rendimiento económico de la central. Los resultados obtenidos demuestran, tanto validez de las recomendaciones arrojadas por el modelo como una gran utilidad de la herramienta desarrollada para la visualización, destacando la importancia de la integración de tecnologías de la información en estos contextos. |
| publishDate |
2023 |
| dc.date.issued.none.fl_str_mv |
2023-12-11 |
| dc.date.accessioned.none.fl_str_mv |
2024-01-12T21:24:36Z |
| dc.date.available.none.fl_str_mv |
2024-01-12T21:24:36Z |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/1992/73220 |
| dc.identifier.instname.none.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.none.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
https://hdl.handle.net/1992/73220 |
| identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Unigas. (2023). Panorama energético en Colombia: retos del segundo semestre de 2023. Tomado de: https://www.unigas.com.co/blog/panorama-energetico-en-colombia-retos-del-segundo-semestre-de-2023/ Peña, Gustavo. (2018). DESARROLLO DE UNA SOLUCION DE INTELIGENCIA DE NEGOCIOS PARA LA PLANEACION DE TAREAS DE MANTENIMIENTO EN PLANTAS HIDROELECTRICAS USANDO MODELOS DE PREDICCION DE CAUDAL DE RIO. Tesis de maestría. Universidad de los Andes, Bogotá D.C. Bernardes, J. Jr., Santos, M., et al. (2022). Hydropower Operation Optimization Using Machine Learning: A Systematic Review. (78-99). Tomado de: https://www.proquest.com/docview/2642325189?accountid=34489&parentSessionId=%2B8Fo4mTrgKZNfgsH%2B4XDiJPGMS4FuTJEgBhR6znjEjE%3D&pq-origsite=primo&forcedol=true Villamil, Maria del Pilar. (2022). Adaptación de la Metodología ASUM-DM. Tomado de: https://view.genial.ly/62f6950733e52700115f244c/interactive-content-asum-dmbi IBM. (2015). METODOLOGIA FUNDAMENTAL PARA LA CIENCIA DE DATOS. Tomado de: https://www.ibm.com/downloads/cas/WKK9DX51 España, Adriana. (2023). Modelo para el cálculo de eficiencia de la unidad de generación en centrales hidroeléctricas. Tesis de maestría. Universidad de los Andes, Bogotá D.C. Ingfocol Ltda. (2015). HIDROENERGÍA. En ATLAS POTENCIAL HIDROENERGÉTICO DE COLOMBIA (pp. 25-36). Sandoval Erazo, Washington. (2018). Capítulo 6: Conceptos Básicos de Centrales Hidroeléctricas. Juárez, J. D. (1992). Centrales Hidroeléctricas. Universidad Autónoma Metropolitana, Unidad Azcapotzalco. ISBN: 970-620-161-0. Kumar, K., & Saini, R.P. (2022). A review on operation and maintenance of hydropower plants. Sustainable Energy Technologies and Assessments, 49, 101704. Bortoni, E. C., Bastos, G. S., & Souza, L. E. (2007). Optimal load distribution between units in a power plant. ISA Transactions, 46(533-539). Sauhats, A., Petrichenko, R., Broka, Z., Baltputnis, K., Sobolevskis, D. ANN-based forecasting of hydropower reservoir inflow. Proceedings of the 2016 57th International Scientific Conference on Power and Electrical Engineering of Riga Technical University (RTUCON); Riga, Latvia, 13–14 October 2016; pp. 1-6. Sibtain, M., Li, X., Azam, M.I., Bashir, H. Applicability of a Three-Stage Hybrid Model by Employing a Two-Stage Signal Decomposition Approach and a Deep Learning Methodology for Runoff Forecasting at Swat River Catchment, Pakistan. Pol. J. Environ. Stud.; 2021; 30, pp. 369-384. [DOI: https://dx.doi.org/10.15244/pjoes/120773] Nascimento, P.H., Cabral, V.A., Silva Junior, I.C., Panoeiro, F.F., Honório, L.M., Marcato, A.L. Spillage Forecast Models in Hydroelectric Power Plants Using Information from Telemetry Stations and Hydraulic Control. Energies; 2021; 14, 184. [DOI: https://dx.doi.org/10.3390/en14010184] |
| dc.rights.en.fl_str_mv |
Attribution-NoDerivatives 4.0 International |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nd/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
53 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas y Computación |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.none.fl_str_mv |
Departamento de Ingeniería Sistemas y Computación |
| publisher.none.fl_str_mv |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/32683ec3-c0e9-4b89-8c44-38c6e3d12e0f/download https://repositorio.uniandes.edu.co/bitstreams/3b3e6f41-8bdb-49da-8fed-cc7b2ab79017/download https://repositorio.uniandes.edu.co/bitstreams/b847d30e-958a-4c26-b617-e7f85a4c8a91/download https://repositorio.uniandes.edu.co/bitstreams/0ba86ceb-7061-446c-9d8c-737e7ee8c2e1/download https://repositorio.uniandes.edu.co/bitstreams/fb7d98f7-1c3e-43c7-9eb4-8ffbdca36197/download https://repositorio.uniandes.edu.co/bitstreams/363608dc-9fb9-44ea-bfde-442e3b342f6f/download https://repositorio.uniandes.edu.co/bitstreams/fa4f9d5a-ef33-481b-a157-9884f69a9887/download https://repositorio.uniandes.edu.co/bitstreams/14db5279-1abd-4e7e-8c6d-13b39e22c1b6/download |
| bitstream.checksum.fl_str_mv |
f7d494f61e544413a13e6ba1da2089cd ac283c5e6b13ddc65b39c2a24d50e648 3970517557153b3ca867eb7567c880f5 ae9e573a68e7f92501b6913cc846c39f 22c57e75e9e049fef4cfd7e0d8bba2b9 dd9e1cbf567d15b0b0c1f98565b53774 9e9d439cc3f3fe51b08f414b7bf18cdc 2937d90f69d3a07d41c871f791d4145b |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812134081847099392 |
| spelling |
Villamil Giraldo, María del PilarBarbieri, GiacomoBecerra Romero, Juan David2024-01-12T21:24:36Z2024-01-12T21:24:36Z2023-12-11https://hdl.handle.net/1992/73220instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/El presente proyecto de grado tiene como objetivo principal la optimización de la eficiencia operativa de la central hidroeléctrica Amaime a partir de datos históricos tomados por el sistema SCADA instalado en la central. Mediante el uso de técnicas de análisis de datos y modelado, se desarrolló una herramienta que permite al operador ajustar de manera óptima la posición de los álabes de la turbina, basándose en variables como la potencia deseada y la altura de la cabeza de agua, de tal forma que se maximice la eficiencia calculada de la central. Este enfoque innovador no solo mejora la eficiencia energética, sino que también contribuye a la sostenibilidad y el rendimiento económico de la central. Los resultados obtenidos demuestran, tanto validez de las recomendaciones arrojadas por el modelo como una gran utilidad de la herramienta desarrollada para la visualización, destacando la importancia de la integración de tecnologías de la información en estos contextos.Ingeniero de Sistemas y ComputaciónPregrado53 páginasapplication/pdfspaUniversidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería Sistemas y ComputaciónAttribution-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Optimización operativa de la Central Hidroeléctrica Amaime a través del análisis de datos SCADA y desarrollo de una aplicación interactivaTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPMachine LearningOptimizaciónIngenieria de sistemasHidroeléctricaIngenieríaUnigas. (2023). Panorama energético en Colombia: retos del segundo semestre de 2023. Tomado de: https://www.unigas.com.co/blog/panorama-energetico-en-colombia-retos-del-segundo-semestre-de-2023/Peña, Gustavo. (2018). DESARROLLO DE UNA SOLUCION DE INTELIGENCIA DE NEGOCIOS PARA LA PLANEACION DE TAREAS DE MANTENIMIENTO EN PLANTAS HIDROELECTRICAS USANDO MODELOS DE PREDICCION DE CAUDAL DE RIO. Tesis de maestría. Universidad de los Andes, Bogotá D.C.Bernardes, J. Jr., Santos, M., et al. (2022). Hydropower Operation Optimization Using Machine Learning: A Systematic Review. (78-99). Tomado de: https://www.proquest.com/docview/2642325189?accountid=34489&parentSessionId=%2B8Fo4mTrgKZNfgsH%2B4XDiJPGMS4FuTJEgBhR6znjEjE%3D&pq-origsite=primo&forcedol=trueVillamil, Maria del Pilar. (2022). Adaptación de la Metodología ASUM-DM. Tomado de: https://view.genial.ly/62f6950733e52700115f244c/interactive-content-asum-dmbiIBM. (2015). METODOLOGIA FUNDAMENTAL PARA LA CIENCIA DE DATOS. Tomado de: https://www.ibm.com/downloads/cas/WKK9DX51España, Adriana. (2023). Modelo para el cálculo de eficiencia de la unidad de generación en centrales hidroeléctricas. Tesis de maestría. Universidad de los Andes, Bogotá D.C.Ingfocol Ltda. (2015). HIDROENERGÍA. En ATLAS POTENCIAL HIDROENERGÉTICO DE COLOMBIA (pp. 25-36).Sandoval Erazo, Washington. (2018). Capítulo 6: Conceptos Básicos de Centrales Hidroeléctricas.Juárez, J. D. (1992). Centrales Hidroeléctricas. Universidad Autónoma Metropolitana, Unidad Azcapotzalco. ISBN: 970-620-161-0.Kumar, K., & Saini, R.P. (2022). A review on operation and maintenance of hydropower plants. Sustainable Energy Technologies and Assessments, 49, 101704.Bortoni, E. C., Bastos, G. S., & Souza, L. E. (2007). Optimal load distribution between units in a power plant. ISA Transactions, 46(533-539).Sauhats, A., Petrichenko, R., Broka, Z., Baltputnis, K., Sobolevskis, D. ANN-based forecasting of hydropower reservoir inflow. Proceedings of the 2016 57th International Scientific Conference on Power and Electrical Engineering of Riga Technical University (RTUCON); Riga, Latvia, 13–14 October 2016; pp. 1-6.Sibtain, M., Li, X., Azam, M.I., Bashir, H. Applicability of a Three-Stage Hybrid Model by Employing a Two-Stage Signal Decomposition Approach and a Deep Learning Methodology for Runoff Forecasting at Swat River Catchment, Pakistan. Pol. J. Environ. Stud.; 2021; 30, pp. 369-384. [DOI: https://dx.doi.org/10.15244/pjoes/120773]Nascimento, P.H., Cabral, V.A., Silva Junior, I.C., Panoeiro, F.F., Honório, L.M., Marcato, A.L. Spillage Forecast Models in Hydroelectric Power Plants Using Information from Telemetry Stations and Hydraulic Control. Energies; 2021; 14, 184. [DOI: https://dx.doi.org/10.3390/en14010184]201911588PublicationCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8799https://repositorio.uniandes.edu.co/bitstreams/32683ec3-c0e9-4b89-8c44-38c6e3d12e0f/downloadf7d494f61e544413a13e6ba1da2089cdMD51ORIGINALFormatoEntregaTesis 1JuanDavid.pdfFormatoEntregaTesis 1JuanDavid.pdfHIDEapplication/pdf314551https://repositorio.uniandes.edu.co/bitstreams/3b3e6f41-8bdb-49da-8fed-cc7b2ab79017/downloadac283c5e6b13ddc65b39c2a24d50e648MD52Optimización operativa de la Central Hidroeléctrica Amaime.pdfOptimización operativa de la Central Hidroeléctrica Amaime.pdfapplication/pdf1307249https://repositorio.uniandes.edu.co/bitstreams/b847d30e-958a-4c26-b617-e7f85a4c8a91/download3970517557153b3ca867eb7567c880f5MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82535https://repositorio.uniandes.edu.co/bitstreams/0ba86ceb-7061-446c-9d8c-737e7ee8c2e1/downloadae9e573a68e7f92501b6913cc846c39fMD54TEXTFormatoEntregaTesis 1JuanDavid.pdf.txtFormatoEntregaTesis 1JuanDavid.pdf.txtExtracted texttext/plain2069https://repositorio.uniandes.edu.co/bitstreams/fb7d98f7-1c3e-43c7-9eb4-8ffbdca36197/download22c57e75e9e049fef4cfd7e0d8bba2b9MD55Optimización operativa de la Central Hidroeléctrica Amaime.pdf.txtOptimización operativa de la Central Hidroeléctrica Amaime.pdf.txtExtracted texttext/plain78453https://repositorio.uniandes.edu.co/bitstreams/363608dc-9fb9-44ea-bfde-442e3b342f6f/downloaddd9e1cbf567d15b0b0c1f98565b53774MD57THUMBNAILFormatoEntregaTesis 1JuanDavid.pdf.jpgFormatoEntregaTesis 1JuanDavid.pdf.jpgGenerated Thumbnailimage/jpeg11005https://repositorio.uniandes.edu.co/bitstreams/fa4f9d5a-ef33-481b-a157-9884f69a9887/download9e9d439cc3f3fe51b08f414b7bf18cdcMD56Optimización operativa de la Central Hidroeléctrica Amaime.pdf.jpgOptimización operativa de la Central Hidroeléctrica Amaime.pdf.jpgGenerated Thumbnailimage/jpeg8246https://repositorio.uniandes.edu.co/bitstreams/14db5279-1abd-4e7e-8c6d-13b39e22c1b6/download2937d90f69d3a07d41c871f791d4145bMD581992/73220oai:repositorio.uniandes.edu.co:1992/732202024-01-13 03:12:40.859http://creativecommons.org/licenses/by-nd/4.0/Attribution-NoDerivatives 4.0 Internationalopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.coPGgzPjxzdHJvbmc+RGVzY2FyZ28gZGUgUmVzcG9uc2FiaWxpZGFkIC0gTGljZW5jaWEgZGUgQXV0b3JpemFjacOzbjwvc3Ryb25nPjwvaDM+CjxwPjxzdHJvbmc+UG9yIGZhdm9yIGxlZXIgYXRlbnRhbWVudGUgZXN0ZSBkb2N1bWVudG8gcXVlIHBlcm1pdGUgYWwgUmVwb3NpdG9yaW8gSW5zdGl0dWNpb25hbCBTw6luZWNhIHJlcHJvZHVjaXIgeSBkaXN0cmlidWlyIGxvcyByZWN1cnNvcyBkZSBpbmZvcm1hY2nDs24gZGVwb3NpdGFkb3MgbWVkaWFudGUgbGEgYXV0b3JpemFjacOzbiBkZSBsb3Mgc2lndWllbnRlcyB0w6lybWlub3M6PC9zdHJvbmc+PC9wPgo8cD5Db25jZWRhIGxhIGxpY2VuY2lhIGRlIGRlcMOzc2l0byBlc3TDoW5kYXIgc2VsZWNjaW9uYW5kbyBsYSBvcGNpw7NuIDxzdHJvbmc+J0FjZXB0YXIgbG9zIHTDqXJtaW5vcyBhbnRlcmlvcm1lbnRlIGRlc2NyaXRvcyc8L3N0cm9uZz4geSBjb250aW51YXIgZWwgcHJvY2VzbyBkZSBlbnbDrW8gbWVkaWFudGUgZWwgYm90w7NuIDxzdHJvbmc+J1NpZ3VpZW50ZScuPC9zdHJvbmc+PC9wPgo8aHI+CjxwPllvLCBlbiBtaSBjYWxpZGFkIGRlIGF1dG9yIGRlbCB0cmFiYWpvIGRlIHRlc2lzLCBtb25vZ3JhZsOtYSBvIHRyYWJham8gZGUgZ3JhZG8sIGhhZ28gZW50cmVnYSBkZWwgZWplbXBsYXIgcmVzcGVjdGl2byB5IGRlIHN1cyBhbmV4b3MgZGUgc2VyIGVsIGNhc28sIGVuIGZvcm1hdG8gZGlnaXRhbCB5L28gZWxlY3Ryw7NuaWNvIHkgYXV0b3Jpem8gYSBsYSBVbml2ZXJzaWRhZCBkZSBsb3MgQW5kZXMgcGFyYSBxdWUgcmVhbGljZSBsYSBwdWJsaWNhY2nDs24gZW4gZWwgU2lzdGVtYSBkZSBCaWJsaW90ZWNhcyBvIGVuIGN1YWxxdWllciBvdHJvIHNpc3RlbWEgbyBiYXNlIGRlIGRhdG9zIHByb3BpbyBvIGFqZW5vIGEgbGEgVW5pdmVyc2lkYWQgeSBwYXJhIHF1ZSBlbiBsb3MgdMOpcm1pbm9zIGVzdGFibGVjaWRvcyBlbiBsYSBMZXkgMjMgZGUgMTk4MiwgTGV5IDQ0IGRlIDE5OTMsIERlY2lzacOzbiBBbmRpbmEgMzUxIGRlIDE5OTMsIERlY3JldG8gNDYwIGRlIDE5OTUgeSBkZW3DoXMgbm9ybWFzIGdlbmVyYWxlcyBzb2JyZSBsYSBtYXRlcmlhLCB1dGlsaWNlIGVuIHRvZGFzIHN1cyBmb3JtYXMsIGxvcyBkZXJlY2hvcyBwYXRyaW1vbmlhbGVzIGRlIHJlcHJvZHVjY2nDs24sIGNvbXVuaWNhY2nDs24gcMO6YmxpY2EsIHRyYW5zZm9ybWFjacOzbiB5IGRpc3RyaWJ1Y2nDs24gKGFscXVpbGVyLCBwcsOpc3RhbW8gcMO6YmxpY28gZSBpbXBvcnRhY2nDs24pIHF1ZSBtZSBjb3JyZXNwb25kZW4gY29tbyBjcmVhZG9yIGRlIGxhIG9icmEgb2JqZXRvIGRlbCBwcmVzZW50ZSBkb2N1bWVudG8uPC9wPgo8cD5MYSBwcmVzZW50ZSBhdXRvcml6YWNpw7NuIHNlIGVtaXRlIGVuIGNhbGlkYWQgZGUgYXV0b3IgZGUgbGEgb2JyYSBvYmpldG8gZGVsIHByZXNlbnRlIGRvY3VtZW50byB5IG5vIGNvcnJlc3BvbmRlIGEgY2VzacOzbiBkZSBkZXJlY2hvcywgc2lubyBhIGxhIGF1dG9yaXphY2nDs24gZGUgdXNvIGFjYWTDqW1pY28gZGUgY29uZm9ybWlkYWQgY29uIGxvIGFudGVyaW9ybWVudGUgc2XDsWFsYWRvLiBMYSBwcmVzZW50ZSBhdXRvcml6YWNpw7NuIHNlIGhhY2UgZXh0ZW5zaXZhIG5vIHNvbG8gYSBsYXMgZmFjdWx0YWRlcyB5IGRlcmVjaG9zIGRlIHVzbyBzb2JyZSBsYSBvYnJhIGVuIGZvcm1hdG8gbyBzb3BvcnRlIG1hdGVyaWFsLCBzaW5vIHRhbWJpw6luIHBhcmEgZm9ybWF0byBlbGVjdHLDs25pY28sIHkgZW4gZ2VuZXJhbCBwYXJhIGN1YWxxdWllciBmb3JtYXRvIGNvbm9jaWRvIG8gcG9yIGNvbm9jZXIuPC9wPgo8cD5FbCBhdXRvciwgbWFuaWZpZXN0YSBxdWUgbGEgb2JyYSBvYmpldG8gZGUgbGEgcHJlc2VudGUgYXV0b3JpemFjacOzbiBlcyBvcmlnaW5hbCB5IGxhIHJlYWxpesOzIHNpbiB2aW9sYXIgbyB1c3VycGFyIGRlcmVjaG9zIGRlIGF1dG9yIGRlIHRlcmNlcm9zLCBwb3IgbG8gdGFudG8sIGxhIG9icmEgZXMgZGUgc3UgZXhjbHVzaXZhIGF1dG9yw61hIHkgdGllbmUgbGEgdGl0dWxhcmlkYWQgc29icmUgbGEgbWlzbWEuPC9wPgo8cD5FbiBjYXNvIGRlIHByZXNlbnRhcnNlIGN1YWxxdWllciByZWNsYW1hY2nDs24gbyBhY2Npw7NuIHBvciBwYXJ0ZSBkZSB1biB0ZXJjZXJvIGVuIGN1YW50byBhIGxvcyBkZXJlY2hvcyBkZSBhdXRvciBzb2JyZSBsYSBvYnJhIGVuIGN1ZXN0acOzbiwgZWwgYXV0b3IgYXN1bWlyw6EgdG9kYSBsYSByZXNwb25zYWJpbGlkYWQsIHkgc2FsZHLDoSBkZSBkZWZlbnNhIGRlIGxvcyBkZXJlY2hvcyBhcXXDrSBhdXRvcml6YWRvcywgcGFyYSB0b2RvcyBsb3MgZWZlY3RvcyBsYSBVbml2ZXJzaWRhZCBhY3TDumEgY29tbyB1biB0ZXJjZXJvIGRlIGJ1ZW5hIGZlLjwvcD4KPHA+U2kgdGllbmUgYWxndW5hIGR1ZGEgc29icmUgbGEgbGljZW5jaWEsIHBvciBmYXZvciwgY29udGFjdGUgY29uIGVsIDxhIGhyZWY9Im1haWx0bzpiaWJsaW90ZWNhQHVuaWFuZGVzLmVkdS5jbyIgdGFyZ2V0PSJfYmxhbmsiPkFkbWluaXN0cmFkb3IgZGVsIFNpc3RlbWEuPC9hPjwvcD4K |