Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Barberia, Juan Luis"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Results Per Page
  • Sort Options
  • Thumbnail Image
    Item
    Descomposición para la resolución del flujo óptimo de potencia con restricciones de seguridad
    (2023-03-01) Barberia, Juan Luis; Legnani, Walter; Gesino, Alejandro; Villar, Raúl
    La operación de un sistema de transmisión de energía eléctrica no debe solo realizarse de manera económica; sino que también deben tenerse presente diversas situaciones de contingencias. Para tener en consideración esto, se presenta un modelo de optimización en dos etapas donde los problemas esclavos generaran diversos cortes en el espacio de solución para minimizar el riesgo de estas contingencias. En este trabajo también se muestra el funcionamiento del algoritmo realizado sobre redes eléctricas de baja escala que podrían extenderse a redes de mayor envergadura.
  • Thumbnail Image
    Item
    Modelo basado en aprendizaje automático de consumo de electrodomésticos a partir de monitoreo no intrusivo
    (2023-05) Barberia, Juan Luis; Fernandez Biancardi, Juan Facundo; Lottero, Giancarlo; Esangui, Sebastian; Licata Caruso, Lorenzo; Legnani, Walter
    El monitoreo de carga no intrusivo es un conjunto de técnicas cuyo objetivo es la identificación de los electrodomésticos utilizados en una vivienda partiendo de la señal de consumo energético agregada que producen al utilizarse. La base de datos empleada es la denominada Reference Energy Disaggregation Data Set (REDD) la cual es de acceso gratuito y contiene información detallada del consumo eléctrico de artefactos de varios hogares. El presente trabajo tiene como objetivo utilizar herramientas de Machine Learning supervisado para lograr una clasificación satisfactoria de electrodomésticos del mismo tipo presentes en diferentes viviendas, partiendo de señales de consumo eléctrico, medidas en circuitos individuales. Los resultados obtenidos muestran una precisión lo suficientemente elevada como para alentar la continuación de esta línea de estudio.

 

UTN | Rectorado

Sarmiento 440

(C1041AAJ)

Buenos Aires, Argentina

+54 11 5371 5600

SECRETARÍAS
  • Académica
  • Administrativa
  • Asuntos Estudiantiles
  • Ciencia y Tecnología
  • Consejo Superior
  • Coordinación Universitaria
  • Cultura y Extensión Universitaria
  • Igualdad de género y Diversidad
  • Planeamiento Académico y Posgrado
  • Políticas Institucionales
  • Relaciones Internacionales
  • TIC
  • Vinculación Tecnológica
  • Comité de Seguridad de la Información
ENLACES UTN
  • DASUTeN
  • eDUTecNe
  • APUTN
  • ADUT
  • FAGDUT
  • FUT
  • SIDUT
ENLACES EXTERNOS
  • Secretaría de Educación
  • CIN
  • CONFEDI
  • CONEAU
  • Universidades