Análisis de técnicas de clusterización en sistemas eléctricos de distribución

Para citar o enlazar este item, por favor use el siguiente identificador: http://dspace.ups.edu.ec/handle/123456789/24898
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorRobles Lovato, Pablo Daniel-
dc.contributor.authorZúñiga Peñaloza, Alfredo Vinicio-
dc.date.accessioned2023-05-25T17:35:07Z-
dc.date.available2023-05-25T17:35:07Z-
dc.date.issued2023-05-
dc.identifier.urihttp://dspace.ups.edu.ec/handle/123456789/24898-
dc.descriptionEl diseño de nuevas líneas eléctricas de distribución es una tarea a la que se enfrentan con frecuencia los ingenieros; este trabajo propone diseñar redes eléctricas de media y baja tensión con ayuda del Clustering. Los métodos de clustering se han utilizado desde la antigüedad para el análisis de datos debido a su facilidad de aplicación y a la calidad de los resultados que ofrecen. Existen varios métodos de clustering, pero se hará una comparación entre los métodos de clustering más utilizados, K-Means y K-Medoids. Uno de los grandes problemas de los métodos de clustering es que es imposible determinar con precisión el número de K clusters que deben generarse por caso de estudio. Aun así, varios principios nos dan una idea de cuántos clusters se pueden generar; analizaremos varios de estos principios para tener nuestro sistema lo más optimizado posible. Con la ayuda del minimun spanning tree MSP, obtendremos la ruta más corta que debe recorrer el conductor a lo largo de toda la red eléctrica proyectada, ahorrando costes y reduciendo los tiempos de análisis. Finalmente, con los resultados obtenidos, concluiremos qué método da resultados óptimos, analizando los costes de implementación y las pérdidas a lo largo de la red.spa
dc.description.abstractThe design of new distribution power lines is a task that engineers frequently encounter; this paper proposes to design medium and low-voltage power networks with the help of Clustering. Clustering methods have been used since ancient times for data analysis because of their ease of implementation and quality in delivering results. There are several clustering methods, but a comparison will be made between the most used clustering methods, K-Means and K-Medoids. One of the big problems of clustering methods is that it is impossible to precisely determine the number of K clusters that must be generated per case study. Still, several principles give us an idea of how many clusters can be generated; we will analyze several of these principles to have our system as optimized as possible. With the help of minimun spanning tree MSP, we will obtain the shortest route the driver has to travel along the entire projected electrical network, saving costs and reducing analysis times. Finally, with the results obtained, we will conclude which method gives more optimal results, analyzing implementation costs and losses along the network.spa
dc.language.isoengspa
dc.rightsopenAccessspa
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectELECTRICIDADspa
dc.subjectLÍNEAS ELÉCTRICASspa
dc.subjectDISTRIBUCIÓN DE ENERGÍA ELÉCTRICAspa
dc.subjectANÁLISIS DE CONGLOMERADOS (ESTADÍSTICA)spa
dc.subjectELECTRIC LINESspa
dc.subjectELECTRIC POWER DISTRIBUTIONspa
dc.subjectCLUSTER ANALYSISspa
dc.titleAnálisis de técnicas de clusterización en sistemas eléctricos de distribuciónspa
dc.typebachelorThesisspa
ups.carreraElectricidadspa
ups.sedeSede Cuencaspa
Pertenece a las colecciones: Grado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
UPS-CT010543.pdfTexto completo3,79 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons