Por favor, use este identificador para citar o enlazar este ítem: http://dspace.espoch.edu.ec/handle/123456789/7589
Título : Monitoreo de la red eléctrica del Laboratorio de Máquinas de la Facultad de Informática y Electrónica aplicando inteligencia artificial.
Autor : Coronel Basurto, Boris Miguel
Director(es): Mejía, Fernando
Tribunal (Tesis): Vallejo, Henry
Palabras claves : TECNOLOGÍA Y CIENCIAS DE LA INGENIERÍA;ROBÓTICA;INTELIGENCIA ARTIFICIAL;RED NEURONAL;MONITOREO;SISTEMA ELÉCTRICO TRIFÁSICO
Fecha de publicación : jun-2017
Editorial : Escuela Superior Politécnica de Chimborazo
Citación : Coronel Basurto, Boris Miguel. (2017). Monitoreo de la red eléctrica del Laboratorio de Máquinas de la Facultad de Informática y Electrónica aplicando inteligencia artificial. Escuela Superior Politécnica de Chimborazo. Riobamba.
Identificador : UDCTFIYE;108T0202
Abstract : The present investigation is an artificial intelligence application to monitor a three-phase electric system of electric-machine laboratory at the Faculty of Computer Science and Electronics of the School of Industrial Networking and Control Engineering. With this work the user was able to determine the instantaneous demand and a future forecasting prediction. The inductive method was used to gather information from each of the three-phase system transmission lines, the programming and the design, whereas the experimental method was used to develop the test programs and error correction of the laboratory demand forecasting running. This monitoring system has a Siemens Sentron PAC3100 device-data stored in Excel and obtained in real time from each of the transmission lines can be read. Besides, a LabVIEW program was done previously to store data. Modbus RS 485 communication program was set up to have access data. Of the data gotten from the three-phase system, the type of artificial intelligence to be applied in the MATLAB program was determined. In this work, a neuronal network was applied and the type and the way of neuronal network training were defined. In the program the input and output variables were determined. In the neuronal network training results in Matlab, the probable forecasting of the energetic consumption demand the laboratory may have during classes, practices and exams, was determined using graphics display. We recommend to observe precautions determining the input variables for the neuronal network so that data can be entered data correctly in the programs to be used.
Resumen : El presente trabajo de titulación consistió en la aplicación de la Inteligencia Artificial aplicando al monitoreo del sistema eléctrico trifásico del laboratorio de máquinas eléctricas de la Facultad de Informática y Electrónica de la escuela de Ingeniería Electrónica en Control y Redes Industriales. Con este trabajo el usuario pudo determinar la demanda instantánea y una predicción de demanda futura. Se utilizó el método inductivo para recolectar información de los datos de cada una de las líneas del sistema trifásico, la programación y diseño para la adquisición de los datos y el método experimental para el desarrollo de programas de pruebas y corrección de errores en el funcionamiento de la predicción de la demanda del laboratorio. Este sistema de monitoreo consta de un dispositivo siemens sentron PAC3100 en el cual se pueden leer los datos que se obtienen en tiempo real de cada una de las líneas, estos datos se almacenan en una hoja de Excel, previamente se hizo un programa en labVIEW para obtener el almacenamiento de los datos, se configuró en el programa la comunicación modbus RS 485 para tener acceso a los datos leídos. Con los datos obtenidos del sistema trifásico, se procedió a determinar el tipo de inteligencia artificial que se aplicaría para su debida programación en Matlab, en este trabajo se aplicó una red neuronal donde también se definió tipo y forma de entrenamiento de la red neuronal, en el programa se determinaron las variables de entrada y salidas. En los resultados del entrenamiento de la red neuronal en Matlab se determinó mediante gráficas la posible predicción de la demanda de consumo energético que puede tener el laboratorio cuando esté con una hora clases, prácticas y examen. Se recomienda tener precaución para la determinación de las variables de entrada para la red neuronal y así poder ingresar los datos correctamente a los programas a utilizar.
URI : http://dspace.espoch.edu.ec/handle/123456789/7589
Aparece en las colecciones: Ingeniería en Electrónica, Control y Redes Industriales

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
108T0202.pdf3,2 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.