A mediados del siglo XX, con la expansión de los sistemas eléctricos, se hizo necesario disponer de alternativas a la transmisión en alta tensión con corriente alterna, buscando satisfacer la mayoría de los nuevos requerimientos de distancias y niveles de potencia a transmitir. Los avances realizados en la electrónica de potencia, provocaron un aumento del uso de la transmisión en HVDC en los últimos 60 años. En el contexto señalado, el presente trabajo tiene por objetivo crear un elemento u objeto dentro del programa de desarrollo e investigación del Departamento de Ingeniería Eléctrica de la Universidad de Chile, llamado DeepEdit, que permita realizar simulaciones estacionarias en sistemas que contengan enlaces HVDC. Como objetivos específicos se definen: • Conocer el estado del arte de la modelación de enlaces HVDC, • Definir el criterio de modelamiento que permita elegir el modelo más adecuado, según los requerimientos estipulados, • Una vez validado el modelo, determinar preliminarmente el efecto en el Sistema Interconectado Central (SIC) de un enlace HVDC. Dado el alcance del trabajo, las publicaciones estudiadas están enfocadas a realizar estudios estáticos en los sistemas. En este sentido, se logra diferenciar 4 trabajos, de las cuales según la forma y la cantidad de aproximaciones que realizan, se selecciona el que resulta más consistente con el nivel de detalle buscado. El estudio seleccionado realiza un análisis de trabajos anteriores, detallando las ventajas y desventajas de cada uno, y en base a esas conclusiones plantea un nuevo método. Se resume el funcionamiento básico de las conexiones HVDC, sus requerimientos, sus beneficios y formas de implementar que poseen. Una vez implementado en DeepEdit el método seleccionado haciendo uso de una estructura orientada al objeto, se obtiene una validación precisa de éste. Lo anterior se sustenta en el hecho de que, los resultados del sistema ejemplo entregado en la publicación de referencia del método seleccionado utilizando el programa comercial PowerWorld, alcanzan resultados muy similares con los que entrega la herramienta desarrollada. El error alcanzado es menor al 1%, por lo que la implementación es una buena aproximación para encontrar el estado de operación de este tipo de enlaces en los sistemas de potencia. Con un pequeño análisis de la metodología del modelo planteado, se logra detectar que el modelo propuesto no es compatible para el caso en que el enlace HVDC divida el sistema en dos. Se deja propuesto como trabajo futuro lograr la completa integración del enlace a los cálculos en sistemas que se encuentren unidos únicamente por un enlace DC y así poder aplicarlo a estudios en el sistema eléctrico chileno. Para llevar a cabo este tipo de cálculos, se debe poder definir más de una barra slack para equilibrar las potencias a ambos lados del enlace DC. Además, el método seleccionado se puede agregar a otros métodos de cálculo existentes en el programa DeepEdit.

Dado el inminente auge de la generación distribuida (GD), impulsado por los crecientes avances tecnológicos y su masificación a nivel mundial, resulta de suma importancia tener una noción exacta del impacto que un generador puede llegar a producir sobre las redes de distribución, para procurar mantener la calidad de servicio de los clientes y la seguridad del sistema. Junto con esto están también las iniciativas legislativas adoptadas por el Gobierno, que permiten y facilitan la conexión a la red de este tipo de generación, intentando darle un grado de competitividad dentro del mercado eléctrico. El objetivo general de esta memoria es el confeccionar una herramienta que permita maximizar la capacidad total de generación en un alimentador en las redes de distribución, mediante la asignación precisa del tamaño de cada generador en cada barra, considerando sus límites técnicos de operación. La metodología de asignación se fundamenta en la relación existente entre el incremento de generación distribuida y las restricciones técnicas de la red, tales como: la tensión en las barras; el nivel de cortocircuito en la subestación de bajada; y la razón de cortocircuito-generación en las barras. Como resultado, se obtienen señales de máxima generación y su disposición óptima en cada barra del alimentador, sin tener que incurrir en costos adicionales asociados a la realización de modificaciones en la red pre-existente. La implementación de la aplicación fue llevada a cabo en el programa DeepEdit desarrollado en el Departamento de Ingeniería Eléctrica de la Universidad de Chile, de manera de poder ser operada sobre un alimentador cualquiera a nivel de usuario. Se realizaron pruebas para dos tipos de alimentadores, uno de una publicación de referencia con una demanda total de 6,5[MW] y otro utilizado en publicaciones IEEE con una demanda total de 18,9[MW]. En ambos sistemas se determinó la solución óptima mediante las linealización de las relaciones que existen entre la capacidad de generación y las variables eléctricas de las restricciones, obteniéndose capacidades totales de generación de 12,5[MW] y 23,3[MW] respectivamente. Ejecutado el programa se puede verificar que ciertas restricciones se encuentran fijadas en su máximo, pero aun así se ratificó lo óptimo de las soluciones con dos métodos: inhibición de generación y análisis de sensibilidad. Las aplicaciones que se le pueden dar a la propuesta son diversas, entre ellas: esclarecer los puntos donde se debe compensar tensión, o utilizarse como una herramienta de planificación, que considere la inserción de GD, permitiendo comparar las ventajas y desventajas sobre la asignación de máxima capacidad de GD en el tiempo. Se proponen mejoras a la aplicación en los ámbitos de incorporar una base de datos de las fuentes de recursos renovables referenciadas a su respectiva barra, o bien en redefinir la función objetivo ahora para minimizar pérdidas, lo que cambiaría el proceso de optimización a uno secuencial.

The first Metatarsophalangeal (MTP) joint is essential for foot biomechanics and weight-bearing activities. Osteoarthritis in this joint can lead to pain, discomfort, and limited mobility. In order to treat this, Episurf Medical is working to produce individualized implants based on 3D segmentations of the joint. As manual segmentations are both time- and cost-consuming, and susceptible to human errors, automatic approaches are preferred. This thesis uses U-Net and DeepEdit as deep-learning based methods for segmentation of the MTP joint, with the latter being evaluated with and without user interactions. The dataset used in this study consisted of 38 CT images, where each model was trained on 30 images, and the remaining images were used as a test set. The final models were evaluated and compared with regards to the Dice Similarity Coefficient (DSC), precision, and recall. The U-Net model achieved DSC 0.944, precision 0.961, and recall 0.929. The automatic DeepEdit approach obtained DSC of 0.861, precision of 0.842, and recall of 0.891, while the interactive DeepEdit approach resulted in DSC of 0.918, precision of 0.912, and recall of 0.928. All pairwise comparisons in terms of precision and DSC showed significant differences (p<0.05), where U-Net had the highest performance, while the difference in recall was not found to be significant (p>0.05) for any comparison. The lower performances of DeepEdit compared to U-Net could be due to lower spatial resolution in the segmentations. Nevertheless, DeepEdit remains a promising method, and further investigations of unexplored areas could be addressed as future work. / Den första Metatarsalphalangeal(MTP) leden är viktig för fotens biomekanik och viktbärande aktiviteter. Artros i denna led kan leda till smärta, obehag och begränsad rörlighet. För att behandla detta arbetar Episurf Medical med att producera individanpassade implantat baserat på 3D segmenteringar av leden. Då manuella segmenteringar både är tids- och kostnadskrävande, samt känsliga för mänskliga fel, föredras automatiska metoder. Denna avhandling använder U-Net och DeepEdit som djupinlärningsbaserade metoder för segm- entering av MTP leden, varav det senare utvärderas med och utan användarint- eraktion. Datasetet som användes i denna studie bestod av 38 CT bilder, där varje modell tränades på 30 bilder och de återstående användes som testdata. De slutliga modellerna utvärderades och jämfördes med avseende på Dice Similarity Coefficient (DSC), precision och recall. U-Net modellen uppnådde DSC 0.944, precision 0.961 och recall 0.929. Den automatiska DeepEdit metoden erhöll DSC 0.861, precision 0.842 och recall 0.891, medan den interaktiva DeepEdit metoden resulterade i DSC 0.918, precision 0.912 och recall 0.928. Alla parvisa jämförelser avseende precision och DSC visade signifikanta skillnader (p<0.05), där U-Net hade den högsta prestandan, medan skillnaden i recall inte visade sig vara signifikant (p>0.05) för någon jämförelse. Den lägre prestandan för DeepEdit jämfört med U-Net kan bero på lägre spatiell upplösning i segmenteringarna. Dock är DeepEdit fortfarande en lovande metod, och ytterligare undersökningar av outforskade områden kan tas upp som framtida arbete.