UNIVERSIDAD NACIONAL DE SAN JUAN
FACULTAD DE INGENIERÍA
INSTITUTO DE ENERGÍA ELÉCTRICA
CURSO A DISTANCIA 2024:
INTELIGENCIA ARTIFICIAL APLICADA A INGENIERÍA ELÉCTRICA
Actualmente, la operación de los sistemas eléctricos requiere de continuos y comprensivos análisis para evaluar su desempeño y diseñar estrategias de planificación. La energía eléctrica se produce y consume instantáneamente de forma variable a lo largo de un día, no puede ser almacenada o inventariada como otros productos. Así mismo, su producción está en función de la disponibilidad de recursos hídricos, eólicos, solares, térmicos, entre otros; y debe efectuarse con criterios de eficiencia, teniendo en cuenta además las nuevas tecnologías propias de redes eléctricas inteligentes de distribución (REID).
Una “red inteligente” puede ser definida como la sinergia (desarrollo conjunto) de la red eléctrica tradicional con modernas tecnologías de información, tele-medición, protección, control y comunicación que permite una operación técnica-económica más eficiente, segura y confiable.
El principal desafío de las redes inteligentes es mejorar la gestión de los sistemas eléctricos y la calidad del servicio, realizando un mejor uso de la información disponible para que las empresas puedan administrar eficientemente sus recursos (activos) y los usuarios puedan gestionar mejor su consumo. Este nuevo paradigma conlleva cambios y desafíos en todo el sistema de generación, transmisión y distribución de energía eléctrica.
Para afrontar estos desafíos entonces se requiere contar con el debido know-how, así como con herramientas modernas y soluciones complejas que brinden mayor flexibilidad a la operación de los sistemas eléctricos, optimicen el uso de las nuevas tecnologías y permitan alcanzar mayores beneficios técnicos, económicos y medioambientales.
En este curso los participantes adquirirán conocimientos y algunas herramientas esenciales para aplicar algoritmos de IA en la gestión, supervisión y optimización de redes eléctricas inteligentes.
OBJETIVO
Al finalizar este curso, los participantes contarán con el debido know-how sobre Inteligencia Artificial (IA) e Industria 4.0, aplicados en particular a la gestión de redes eléctricas inteligentes de distribución (REID), como el completado de base de datos de medidores inteligentes y obtención de pseudo-mediciones, detección de fallas, el pronóstico de demanda/ generación, la respuesta de la demanda y gestión de activos.
DESTINATARIOS
Público en general, dirigida en particular a personal de áreas técnicas de la planificación y operación de sistemas eléctricos, así como estudiantes avanzados de carrearas afines, que deseen fortalecer sus capacidades y competencias en técnicas de inteligencia artificial aplicadas a la Ingeniería Eléctrica e Industria 4.0.
ASIGNACIÓN HORARIA
30 horas totales, involucra 20 horas de clases teóricas y 10 horas de prácticas
Inicio: 5-nov-2024 dictado de clases teóricas, hasta el 5-dic-2024
Fin: 20-dic-2024 entrega de trabajo práctico (devolución hasta el 20-feb-2025)
Cronograma: Clases teóricas sincrónicas (dictado online) dos veces por semana, 2 horas por clase, los días martes y jueves de 15 a 17 Hs Argentina (GMT -3)
MODALIDAD
Se desarrollará 100% a distancia empleando el Sistema de Educación a Distancia (SIED) de la Universidad Nacional de San Juan (UNSJ), https://campusvirtual.unsj.edu.ar.
Las clases teóricas serán dictadas online de manera sincrónica siendo optativa su participación, quedando igual grabadas en el campus virtual para su posterior visualización asincrónica, y las prácticas serán asincrónicas con utilización de herramientas digitales.
Además, para asimilar e internalizar los conceptos a abordar, se prevén diferentes actividades de aprendizaje virtual-asincrónico (foros de debate, cuestionarios, estudio grupal de casos), así como se brindará todo el material de estudio y bibliografía adicional de consulta mediante el campus virtual del SIED.
TEMARIO
1. Redes eléctricas inteligentes
Redes eléctricas inteligentes de distribución (REID): definición, funcionalidades y operación. El camino hacia las REID, desafíos y oportunidades. Sistemas de medición inteligente (AMI), interoperabilidad.
2. Introducción a Python
Plataformas de Hardware y Software. Lenguajes de programación. Aplicaciones de Python. Formas de interpretar Python. Tipos de datos. Variables y expresiones. Estructuras condicionales y funciones. Operaciones con strings. Listas y diccionarios. Librerías y entornos virtuales.
3. Introducción a Inteligencia Artificial (IA)
Herramientas para IA, Machine & Deep Learning. Tipos de modelos (clasificación general). ¿Cuándo utilizar y cuándo NO deep learning? Cómo entrenar y mejorar las redes neuronales. Pautas para el despliegue de modelos/ aplicaciones de IA; análisis de costo/ beneficio para su implementación.
4. Completado de base de datos AMI y pseudo-mediciones
Problemática de valores faltantes. Proceso de análisis y limpieza de datos. Implicaciones de los distintos tipos de valores faltantes. Herramientas para explorar valores faltantes. Métodos de imputación de valores faltantes.
5. Pronóstico de demanda/generación de corto plazo
Flujo de trabajo del aprendizaje automático. Redes neuronales aplicadas a series de tiempo. Pronóstico probabilístico de series de tiempo. Transfer learning.
6. Aprendizaje por refuerzo y aplicación a respuesta de la demanda
Aprendizaje por refuerzo. Interacción agente-entorno. Ciclo de aprendizaje y Q-learning. Respuesta de la demanda mediante aprendizaje por refuerzo.
7. Detección y localización de fallas
Métodos de detección de fallas. Sistema de gestión de cortes. Localización de fallas y localización
de área en corte aplicando IA.
8. Gestión de activos en redes inteligentes
•Parte i: Breve introducción a los conceptos de gestión de activos, con el propósito de analizar y entender la importancia del equipamiento eléctrico a lo largo de su ciclo de vida, incluyendo las etapas de adquisición, puesta en servicio, operación, mantenimiento y disposición final. Se presentarán herramientas de cálculo de indicadores útiles a los fines de realizar gestión de activos de potencia en SSEE, y que apoyen al proceso de toma de decisión optimizando inversiones, de acuerdo con las recomendaciones del estándar ISO 55001.
•Parte ii: Se presentarán modelos tarifarios orientados a la participación de los usuarios en esquemas de gestión de demanda, además de incentivarlos a realizar inversiones que permitan mejorar la eficiencia energética, p.ej., en GD renovable, adquisición de VEs y tecnología de recarga controlable, etc. A su vez, dichos modelos permiten reducir la tasa de perdida de vida de los activos de las redes eléctricas.
NIVEL DE CAPACITACIÓN EXIGIDO A LOS ASISTENTES
Se recomienda experiencia en áreas técnicas de planificación y operación de sistemas eléctricos de distribución. Para su mejor aprovechamiento, se sugiere contar un conocimiento básico del lenguaje de programación Python.
SISTEMA DE EVALUACIÓN
Evaluación teórico-práctica, que se evaluarán entre 0 y 10 puntos, aprobándose con 7.
CERTIFICACIÓN
Se emitirá certificado de aprobación a quienes alcancen un puntaje de 7/10 o mayor en cada una de evaluaciones previstas.
CUERPO DOCENTE
•Coordinador: Dr. Ing. Mauricio Samper.*
•Profesores Disertantes: Dr. Ing. Mauricio Samper, Dr. Ing. Mauro Jurado, Dr. Ing. Eduardo Salazar, Dr. Ing. Andrés Romero, Dr. Ing. Gustavo Coria, PhD Std Ing. Jorge Lara, Mg Std Ing. César González, Prog. Guillermo Gizzi.
•Asistentes de Campus Virtual: Ernesto Meni, Ana Pedrozo.
FINANCIAMIENTO
Inversión por persona: $AR 150.000 (pesos ciento cincuenta mil) a residentes de Argentina, y USD 250 (dólares doscientos cincuenta) a no residentes extranjeros.
El Instituto de Energía Eléctrica (IEE) puede realizar descuentos y becar a alumnos. CONSULTAR.
CONSULTAS E INSCRIPCIONES
•Ana Pedrozo: apedrozo@iee-unsjconicet.org
•WhatsApp: +54 9 264 420-4265
*Dr. Ing. Mauricio SAMPER
Ingeniero Eléctrico, Universidad Nacional de San Juan (UNSJ), 2002. Doctor
en Ingeniería Eléctrica, UNSJ, 2011. Posdoctorado en redes inteligentes, Colorado State University–USA,
2017. Investigador, Profesor y Consultor en Sistemas Eléctricos. Especialidad: planificación de la expansión
y operación de sistemas de distribución y sub-transmisión, redes eléctricas inteligentes, recursos energéticos distribuidos, análisis de funcionamiento, modelos de optimización, calidad y confiabilidad, evaluación de inversiones y análisis de riesgos. Director del grupo de I+D en Redes Eléctricas Inteligentes.