http://hdl.handle.net/20.500.14076/28776 Fri, 26 Jun 2026 07:50:44 GMT 2026-06-26T07:50:44Z http://hdl.handle.net/20.500.14076/29282 Título : Modelamiento matemático de una bateria de litio industrial, para estimar su comportamiento eléctrico dentro de una microrred fotovoltaica, mediante el análisis de su funcionamiento bajo condiciones reales de operación Autor : Nakama Martínez, Víctor Luis Resumen : En el presente trabajo de investigación se proponen dos modelos matemáticos capaces de simular de una manera adecuada y con un sentido físico correcto, la respuesta dina´ mica y térmica de una batería de litio industrial cuando esta se encuentra integrada en una microrred fotovoltaica. Debido a la integración de la batería de litio en la microrred fotovoltaica, el comportamiento eléctrico que se observa de la misma no se debe solamente a la batería como elemento electroquímico, sino que también representa el sistema de potencia que lo conecta con la microrred, el control y la instrumentación. Los modelos desarrollados parten de un modelo conocido, el cual es modificado para integrar en este, los efectos que generan los componentes de la microrred sobre el comportamiento eléctrico de la batería, teniendo una mayor influencia el efecto del inversor/cargador. En ese sentido, el desarrollo de estos nuevos modelos conlleva a desarrollar un me´ todo propio de parametrización para cada uno de ellos, para lo cual se identifican una serie de ensayos a realizarse, así como el correspondiente tratamiento de datos, con la finalidad de estimar los parámetros requeridos. Asimismo, se propone un modelo de envejecimiento para estimar la degradación de la batería partiendo de la información disponible en las fichas técnicas proporcionadas por los fabricantes. Los modelos desarrollados para representar el comportamiento dina´ mico-térmico de la batería de litio, son modelos sencillos, basados en un modelo de circuito equivalente, lo que implica varias ventajas con respecto a otros modelos de la literatura, donde se puede destacar una parametrización más directa (menor número de para´ metros y más fáciles de obtener que en otro tipo de modelos), un menor tiempo de computación debido a las expresiones matemáticas que modelan los diferentes comportamientos de la batería, mayor facilidad y aplicabilidad del modelo, y todo ello manteniendo un error muy razonable. Por otro lado, el modelo pro- puesto para la estimación del envejecimiento de la batería de litio se basa en la cantidad de carga eléctrica y el número de ciclos que es capaz de entregar dicha batería a una determinada corriente y temperatura ambiente de trabajo, lo cual es información que generalmente se encuentra disponible en las fichas técnicas de los fabricantes. Así, con dicha información, se pueden estimar el envejecimiento estacionario y el envejecimiento por ciclado, que ocurren bajo unas determinadas condiciones de trabajo. Este trabajo inicia con el estudio del comportamiento eléctrico de un módulo fotovoltaico y de una batería de litio, así como de los factores que afectan el desempeño de cada uno de ellos. El estudio de un sistema de almacenamiento completo basado en baterías de litio ha servido para determinar una serie de ensayos de laboratorio que permiten parametrizar el modelo de la batería. Por otro lado, el estudio del comportamiento eléctrico de un módulo fotovoltaico ha servido para implementar un emulador de módulos fotovoltaicos y que de esta manera se pueda controlar el perfil de producción fotovoltaica, lo cual generara´ una respuesta en potencia por parte de la batería, ya que en una microrred el generador fotovoltaico (emulador para este caso) y el banco de baterías, trabajan en conjunto para poder satisfacer la demanda de energía requerida por dicha microrred. Para este trabajo se ha puesto en marcha, programado y utilizado una microrred foto- voltaica con capacidad de conectarse a la red eléctrica en algún momento, con la finalidad de someter a la batería de litio a un entorno de trabajo muy próximo a la realidad. El proceso de carga de la batería de litio se realiza mediante la energía entregada por los módulos fotovoltaicos y si esta fuese insuficiente, recibe energía proveniente de la red eléctrica. Asimismo, para validar el modelo dina´ mico-térmico desarrollado en el presente trabajo de investigación, se ha establecido la presencia de una carga de consumo ficticia, que consiste en la implementación de un perfil de consumo basado en datos recopilados de publicaciones previas donde se han medido consumos domésticos, lo cual permite realizar un proceso programado de inyección de energía a la red eléctrica, donde la prioridad es el uso de la energía proveniente de los módulos fotovoltaicos, y de ser necesario, se emplea la energía almacenada en la batería de litio para poder satisfacer la demanda de energía. En otras palabras, la microrred fotovoltaica trabaja como si entregase energía a una carga de consumo, pero como esta no existe (ficticia), lo que en realidad hace es inyectar energía a la red eléctrica de una manera controlada y programada siguiendo lo indicado por un perfil de consumo establecido y debido a que la cantidad de energía que entrega la microrred es muy inferior al consumo real de la red a la cual se conecta, se asegura que siempre se pueda inyectar energía a la misma.; In the present research work, two mathematical models are proposed capable of simulating in an adequate way and with a correct physical sense, the dynamic and thermal behavior of an industrial lithium battery when it is part of a photovoltaic microgrid. Due to the integration of the lithium battery in the photovoltaic microgrid, the electrical behavior observed is not only due to the battery as an electrochemical element, but also represents the power system that connects it to the microgrid, the control and instrumentation. The developed models are based on a known model, which is modified to integrate into it the effects generated by the components of the microgrid on the electrical behavior of the battery, with the effect of the inverter/charger having a greater influence. In this sense, the development of these new models entails developing its own parameterization method for each of them, for which a series of tests to be carried out are identified, as well as the corresponding data processing, with the purpose of estimating the required parameters. Likewise, an aging model is proposed to estimate battery degradation based on the information available in the datasheets provided by the manufacturers. The models developed to represent the dynamic-thermal behavior of the lithium battery are simple models, based on an equivalent circuit model, which implies several advantages over other models in the literature, where a more direct parameterization can be highlighted. (Fewer number of parameters and easier to obtain than in other types of models), less computing time due to the mathematical expressions that model the different behaviors of the battery, greater ease and applicability of the models, and all this while maintaining an error level very reasonable. On the other hand, the model proposed for estimating the aging of the lithium battery is based on the amount of electrical charge and the number of cycles that the battery is capable of delivering at a certain current and ambient temperature, which is information that is generally available in the datasheets of the manufacturers. Thus, with this information, stationary aging and cycling aging, which occur under certain working conditions, can be estimated. This work begins with the study of the electrical behavior of a photovoltaic module and a lithium battery, as well as the factors that affect the performance of each of them. The study of a complete storage system based on lithium batteries has served to determine a series of laboratory tests that allow the battery model to be parameterized. On the other hand, the study of the electrical behavior of a photovoltaic module has served to implement a photovoltaic module emulator and in this way the photovoltaic production profile can be controlled, which will generate a power response from the battery, since that in a microgrid the photovoltaic generator (emulator in this case) and the battery bank work together to satisfy the energy demand required by the microgrid. For this work, a photovoltaic microgrid with the capacity to connect to the electrical grid has been launched, programmed, and used, with the aim of subjecting the lithium battery to a work environment very close to reality. The charging process of the lithium battery is carried out using the energy delivered by the photovoltaic modules and if this is insufficient, it receives energy from the electrical grid. Likewise, to validate the dynamic-thermal model developed in this research work, the presence of a fictitious consumption load has been established, which consists of the implementation of a consumption profile based on data collected from previous publications where domestic consumption been measured, which allows a scheduled process of energy injection into the electrical grid, where the priority is the use of the energy from the photovoltaic modules, and if necessary, the energy stored in the lithium battery is used to be able to satisfy the energy demand. In other words, the photovoltaic microgrid works as if it were delivering energy to a consumption load, but since this does not exist (fictitious), what it actually does is inject energy into the electrical grid in a controlled and programmed manner following what is indicated by a established consumption profile and because the amount of energy delivered by the microgrid is much lower than the real consumption of the network to which it is connected, it is ensured that energy can always be injected into it. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/20.500.14076/29282 2024-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/28894 Título : Análisis de la generación hidroeléctrica en la central hidroeléctrica de Machupicchu aplicando métodos estocásticos y modelo de optimización Autor : Chevarria Moscoso, Margarita Resumen : La creciente demanda de energía requiere una gestión eficaz para asegurar el suministro necesario para el desarrollo económico y social de un país. Dado que los combustibles fósiles generan altas emisiones de carbono y están en proceso de agotamiento, la transición hacia energías renovables se vuelve esencial. En este contexto, los modelos de pronóstico se convierten en herramientas valiosas para anticipar la generación, el consumo y la reserva de energía. Este trabajo de investigación tuvo como objetivos principales: analizar el caudal del río Vilcanota, evaluar la viabilidad de utilizar lagunas altoandinas como embalses de regulación para mejorar el caudal del río durante los períodos de estiaje, y desarrollar una ecuación para optimizar el uso de estos embalses. Se recopilaron datos hidrológicos del caudal del río Vilcanota durante un período de 108 meses, desde enero de 2015 hasta diciembre de 2023. Se llevó a cabo un análisis de la serie temporal, así como la predicción de los caudales futuros para los años 2024 y 2025. Debido a que los resultados indicaron que los datos son estacionarios en media, pero no en varianza, hemos aplicado el modelo ARIMA (1,0,0)x(1,1,0)s, con transformación logarítmica, porque demostró ser el más adecuado, proporcionando un alto grado de ajuste y precisión en las predicciones para esos años. Para operar la central a plena carga, se requiere un caudal de 55 m³/s; sin embargo, las fuentes actuales no satisfacen esta demanda durante los períodos de estiaje. Se consideraron dos alternativas: operar a carga variable en esos períodos o realizar obras adicionales para garantizar el caudal necesario. La inversión en estas obras de afianzamiento podría generar ingresos anuales adicionales de hasta 7,207,875 USD, lo que justificaría la inversión. Dichas obras contemplan el aprovechamiento de los embalses situados en la cuenca del Vilcanota- Urubamba. Los embalses identificados, como la Laguna de Sibinacocha, Pomacanchis y Langui Layo, fueron objeto de un análisis hidrológico utilizando el programa WEAP (Water Evaluation and Planning System), que demostró su buena capacidad de almacenamiento. Estos embalses podrían ser cruciales para incrementar el caudal del río Vilcanota durante los períodos de estiaje. Además, se desarrolló un modelo matemático energético basado en la primera ley de la termodinámica para evaluar la producción de energía eléctrica, considerando la gestión de los volúmenes de agua de los embalses durante los periodos de estiaje. La nueva propuesta permitió incrementar la producción de energía en un 18%.; The growing demand for energy requires effective management to ensure the necessary supply for the economic and social development of a country. Since fossil fuels generate high carbon emissions and are in the process of depletion, the transition to renewable energy becomes essential. In this context, forecasting models become valuable tools to anticipate energy generation, consumption, and reserve. This research work had as main objectives: to analyze the flow of the Vilcanota River, to evaluate the feasibility of using high Andean lagoons as regulating reservoirs to improve the river flow during dry periods, and to develop an equation to optimize the use of these reservoirs. Hydrological data on the flow of the Vilcanota River were collected over a period of 108 months, from January 2015 to December 2023. A time series analysis was carried out, as well as the prediction of future flows for the years 2024 and 2025. The results indicated that the data are stationary in mean, but not in variance. The ARIMA (1,0,0)x(1,1,0)s model, applied with logarithmic transformation, proved to be the most suitable, providing a high degree of fit and precision in the predictions for those years. To operate the plant at full load, a flow rate of 55 m³/s is required; however, current sources do not meet this demand during dry periods. Two alternatives were considered: operating at variable load during those periods or carrying out additional works to guarantee the necessary flow rate. The investment in these strengthening works could generate additional annual income of up to 7,207,875 USD, which would justify the investment. These works contemplate the use of the reservoirs located in the Vilcanota- Urubamba basin. The identified reservoirs, such as Sibinacocha Lagoon, Pomacanchis and Langui Layo, were subject to a hydrological analysis using the WEAP (Water Evaluation and Planning System) program, which demonstrated their good storage capacity. These reservoirs could be crucial to increase the flow of the Vilcanota River during dry periods. In addition, a mathematical energy model based on the first law of thermodynamics was developed to evaluate the production of electric energy, considering the management of the volumes of water in the reservoirs during dry periods. The new proposal allowed to increase energy production by 18%. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/20.500.14076/28894 2024-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/28798 Título : Modelo predictivo del desempeño instántaneo de motores de combustión interna en aplicaciones industriales basado en Machine Learning Autor : Mendoza Suárez, César Elías Resumen : En el desarrollo de los procesos industriales modernos impulsados por motores de combustión interna, es crucial mantener un monitoreo constante de su desempeño para prever acciones de operación, mantenimiento y producción que impacten de manera relevante en su aplicación. En este sentido esta investigación tiene por objetivo determinar de qué manera un modelo de pronóstico basado en machine learning logra la predicción del desempeño instantáneo de un motor de combustión interna de aplicación industrial. Para esta investigación se empleó un diseño no experimental y de corte transversal, partiendo del registro del comportamiento de un motor de combustión interna de encendido por compresión (motor diésel) de inyección directa, turboalimentado, equipado con un sistema electrónico de suministro de combustible del tipo "common rail", al cual se le sometió a pruebas de carga en un banco dinamométrico. Una vez formada la base de datos, se procedió al análisis y ejecución de modelos de regresión en machine learning para evaluar la predicción de los parámetros de potencia, torque, consumo de combustible y factor de carga. Posteriormente, desarrollado el modelo adecuado, se procedió a la validación del factor de carga, frente a condiciones de operación reales. Los resultados de la investigación permitieron determinar los parámetros de entrada más relevantes en el proceso de predicción, así como también la eficacia de los modelos evaluados (Multiple Linear Regresion, K-Nearest Neighbors, Support Vector Machine, Decision Tree, Random Forest, Artificial Neural Network y XGboost) mediante métricas de desempeño como MAE, MSE, RMSE y R2. En el caso del torque, el modelo XGBoost presentó el mejor desempeño, con un RMSE de 0,092 y el R2 de 0,991, seguido por el modelo Random Forest (RF), que obtuvo un RMSE de 0,095 y un R² de 0,99. Para la potencia, el mejor desempeño correspondió al modelo Random Forest (RF), con un RMSE de 0,081 y un R² de 0,993, seguido de XGBoost, con un RMSE de 0,098 y un R² de 0,990. En cuanto al consumo de combustible, el modelo Random Forest mostró el mejor desempeño, con un RMSE de 0,065 y un R² de 0,996, seguido por XGBoost, que alcanzó un RMSE de 0,083 y un R² de 0,993. Sin embargo, cabe destacar que la carga computacional del modelo Random Forest es considerablemente elevada. Los demás modelos evaluados no lograron resultados relevantes en comparación. Finalmente se concluye que el modelo basado en XGBoost es el más adecuado para la predicción del desempeño instantáneo en motores de combustión interna destinados a aplicaciones industriales.; In the development of modern industrial processes driven by internal combustion engines, it is crucial to maintain constant monitoring of their performance to foresee operation, maintenance and production actions that have a relevant impact on their application. In this sense, this research aims to determine how a forecasting model based on machine learning achieves the prediction of the instantaneous performance of an internal combustion engine for industrial application. For this research, a non-experimental cross-sectional was used, based on the recording of the behavior of a direct injection, turbocharged, compression ignition internal combustion engine (diesel engine), equipped with an electronic fuel supply system. "common rail" type fuel, which was subjected to load tests on a dynamometric bench. Once the database was formed, the analysis and execution of regression models in machine learning were carried out to evaluate the prediction of the parameters of power, torque, fuel consumption and load factor. Subsequently, having developed the appropriate model, we proceeded to the validation of the load factor, against real operating conditions. The results of the research allowed to determine the most relevant input parameters in the prediction process, as well as the effectiveness of the evaluated models (Multiple Linear Regression, K-Nearest Neighbors, Support Vector Machine, Decision Tree, Random Forest, Artificial Neural Network and XGboost) through performance metrics such as MAE, MSE, RMSE and R2. In the case of torque, the XGBoost model presented the best performance, with an RMSE of 0.092 and R2 of 0.991, followed by the Random Forest (RF) model, which obtained an RMSE of 0.095 and an R² of 0.99. For power, the best performance corresponded to the Random Forest (RF) model, with an RMSE of 0.081 and an R² of 0.993, followed by XGBoost, with an RMSE of 0.098 and an R² of 0.990. In terms of fuel consumption, the Random Forest model showed the best performance, with an RMSE of 0.065 and an R² of 0.996, followed by XGBoost, which achieved an RMSE of 0.083 and an R² of 0.993. However, it should be noted that the computational load of the Random Forest model is considerably high. The other models evaluated did not achieve relevant results in comparison.Keywords — Artificial intelligence, machine learning, diesel engine, common rail, power, torque, fuel consumption, XGBoost. Finally, it is concluded that the model based on XGBoost is the most suitable for predicting instantaneous performance in internal combustion engines intended for industrial applications. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/20.500.14076/28798 2024-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/28335 Título : Modelo de planificación multietapa con generación distribuida fotovoltaica en redes de baja tensión de sistemas eléctricos rurales para optimización de costos Autor : Quispe Anccasi, Carlos Resumen : En un mercado eléctrico emergente donde se incluye conceptos de transición energética, seguridad energética, calidad y eficiencia. Por lo que, es imprescindible incorporar energías renovables como un actor fundamental para el desarrollo y sostenimiento de los sistemas eléctricos. Por otro lado, la evolución de la demanda exige al sistema eléctrico que garantice la calidad y eficiencia. Por lo tanto, es fundamental el planeamiento. En esta perspectiva, la presente investigación propone un modelo de planificación multietapa con generación distribuida fotovoltaica en redes de baja tensión en sistemas eléctricos rurales para optimización de costos. De forma más precisa, este modelo, en una primera etapa utiliza métodos de optimización de clustering, métodos de análisis aproximados la red de baja tensión, factores de simultaneidad por bloques de demanda y diseño experimental factorial 10x10x4x3. Además, permiten establecer la ubicación y capacidad de la generación distribuida. Adicionalmente, los métodos tendenciales y econométricos determinaron que la tasa de crecimiento de la demanda anual es 4.99%. Posteriormente, para la evaluación técnica se estableció dos alternativas, con y sin generación distribuida, en el primer caso los resultados de la energía mensual que se deja de perder son de 59,517 kWh, 149,898 kWh y 285,278 kWh para los años 2027, 2033 y 2043 respectivamente. Asimismo, la reducción de las caídas de tensión en promedio porcentual resulta de 0.29%, 0.55% y 0.81% para los años 2027, 2033 y 2043 respectivamente. Finalmente, el mínimo costo con generación distribuida es de US$ 74,811.57, VAN de 734,483.48 y TIR de 82.23%.; In an emerging electricity market where concepts of energy transition, energy security, quality and efficiency are included. Therefore, it is essential to incorporate renewable energies as a fundamental actor for the development and maintenance of electrical systems. On the other hand, the evolution of demand requires an electrical system that guarantees quality and efficiency. Therefore, planning is essential. In this perspective, the present research proposes a multistage planning model with distributed photovoltaic generation in low voltage networks in rural electrical systems for cost optimization. More precisely, this model, in a first stage, uses clustering optimization methods, approximate analysis methods of the low voltage network, simultaneity factors by demand blocks and 10x10x4x3 factorial experimental design. In addition, they allow establishing the location and capacity of distributed generation. Furthermore, trend and econometric methods determine that the annual demand growth rate is 4.99%. Subsequently, for the technical evaluation, two alternatives are determined, with and without distributed generation. In the first case, the results of the monthly energy that is no longer lost are 59,517 kWh, 149,898 kWh and 285,278 kWh for the years 2027, 2033 and 2043, respectively. Likewise, the reduction in voltage drops in percentage average is 0.29%, 0.55% and 0.81% for the years 2027, 2033 and 2043 respectively. Finally, the minimum cost with distributed generation is US$ 74,811.57, NPV of 734,483.48 and IRR of 82.23%. Sun, 01 Jan 2023 00:00:00 GMT http://hdl.handle.net/20.500.14076/28335 2023-01-01T00:00:00Z