[ES] Las infusiones exógenas de insulina son vitales para las personas con diabetes tipo 1 para suplir parcialmente la incapacidad del páncreas de secretar insulina. Sin embargo, las terapias intensivas actuales pueden restringir la calidad de vida de los pacientes. Los pacientes con esta enfermedad tienen que tomar decisiones constantemente sobre las dosis de insulina que lleva a la glucosa a niveles seguros. Si no lo consiguen, pueden sufrir las complicaciones crónicas y agudas derivadas de los niveles anormalmente altos o bajos de glucosa. La regulación automática de glucosa con sistemas de páncreas artificial prometía reducir la carga del autocontrol de la enfermedad al mismo tiempo que se mejoraba el tiempo en normoglucemia y se reducía la variabilidad. Sin embargo, estas promesas sólo se han cumplido parcialmente. Aunque esta tecnología mejora el control glucémico que logran las terapias tradicionales, la ingesta de alimentos y la práctica de ejercicio limitan la eficiencia de los sistemas de páncreas artificial durante el día. De hecho, los sistemas comerciales sólo pueden hacerles frente con la ayuda de los pacientes. Para compensar las ingestas, los pacientes deben anunciar el contenido de carbohidratos al sistema. Para el ejercicio, deben anunciar el inicio de la actividad o tomar medidas preventivas como modificar la referencia de glucosa o reducir la basal con mucha antelación. Estas exigencias no sólo no ayudan a reducir la carga del paciente, sino que pueden comprometer la eficiencia del sistema cuando el paciente se equivoca al estimar los carbohidratos, omite el anuncio de la comida o no puede planificar el ejercicio. Así pues, esta tesis propone nuevos métodos para eliminar el anuncio de ingestas y ejercicio lo que ayudaría a reducir la intervención del paciente en los sistemas de páncreas artificial, y, en consecuencia, mejorar la calidad de vida. Desde un punto de vista de control, las ingestas y el ejercicio pueden considerarse perturbaciones. Esta tesis explota métodos de la literatura de rechazo de perturbaciones y acomodación de fallos para lograr el objetivo de la tesis. En concreto, hay que destacar tres aplicaciones: 1) se ha desarrollado un observador super-twisting para detectar comidas no anunciadas como primer paso para su compensación; 2) se ha diseñado un observador de modos deslizantes de primer orden para la estimación de la ratio de aparición de glucosa, la cual ha sido integrada en un generador de bolos para compensar las comidas; 3) se ha empleado el principio de diseño por modelo interno para mitigar el efecto de las ingestas de alimentos y ejercicio, añadiendo sugerencias de carbohidratos de rescate a la insulina. Como resultado, las contribuciones de esta tesis allanan el camino para el desarrollo de sistemas de páncreas artificial sin anuncios, que liberen al paciente de la carga de la gestión de la diabetes. / [CA] Les infusions exògenes d'insulina són vitals per a les persones amb diabetis tipus 1 per a suplir parcialment l'incapacitat del pàncrees de secretar insulina. No obstant, les teràpies intensives actuals poden restringir la qualitat de vida dels pacients. Les persones amb aquesta malaltia han de prendre decisions contínuament sobre la dosi d'insulina que fa que la glucosa estiga en valors segurs. Si no ho aconsegueixen, poden sofrir les complicacions cròniques i agudes derivades dels nivells anormalment alts o baixos de glucosa. La regulació automàtica de glucosa amb sistemes de pàncrees artificials prometia reduir la càrrega d'autocontrol de la malaltia al mateix temps que es millorava el temps en normoglucèmia i es reduïa la variabilitat. No obstant, aquestes promeses s'han complit només parcialment. Encara que aquesta tecnologia millora el control de la glucosa, la ingesta d'aliments i la pràctica d'exercici limiten l'eficiència dels sistemes de pàncrees artificials durant el dia. De fet, els sistemes comercials només poden fer-les front amb la ajuda dels pacients. Per a compensar les ingestes, el pacients han d'anunciar al sistema la quantitat de carbohidrats. Per al exercici, han d'anunciar l'inici de l'activitat o prendre mesures preventives com modificar la referència de glucosa o reduir la infusió basal d'insulina. Aquestes exigències no només no ajuden a reduir la càrrega al pacient, sinó que poden comprometre l'eficiència del sistema quan el pacient confon la estimació dels carbohidrats, omet l'anunciament de la ingesta o no pot planificar l'exercici. Així doncs, aquesta tesi proposa nous mètodes per a eliminar l'anunciament d'ingestes i exercici permetent reduir així la intervenció del pacient, i, en conseqüència, millorar la qualitat de vida. Des del punt de vista de control, les ingestes i el exercici poden considerar-se pertorbacions. Aquesta tesi explota mètodes de la literatura de rebuig de pertorbacions i acomodament de fallades. En particular, es destaquen tres aplicacions: 1) s'ha desenvolupat un observador super-twisting per a detectar ingestes no anunciades com a primer pas per a la seua compensació; 2) se ha dissenyat un observador de modes lliscants per a estimar el rati d'aparició de glucosa de la ingesta, el qual s'ha integrat en un generador de bols d'insulina per compensar les ingestes; 3) se ha empleat el principi de disseny per model intern per a mitigar l'efecte de les ingestes i exercici, incorporant recomanacions de carbohidrats a la insulina. Com a resultat, les contribucions d'aquesta tesi obren el camí per a desenvolupar sistemes de pàncrees artificial sense anunciaments, que alliberen al pacient de la càrrega de la gestió de la diabetis. / [EN] Exogenous insulin infusions are vital for people with type 1 diabetes to partially make up for the inability of the pancreas to secrete insulin. However, current intensive therapies may restrict patients' quality of life. People with this disease have to constantly make decisions about insulin doses to bring glucose levels to a safe range. If unsuccessful, they may suffer from chronic and acute complications related to abnormally high and low glucose values. The automatic regulation of glucose with artificial pancreas systems promised to reduce patients' self-control burdens while improving time in normoglycemia and decreasing variability. However, these promises are fulfilled only partially. Although this technology outperforms the glycemic outcomes achieved by conventional therapies, meal intake and physical activity limit its daytime performance. Indeed, commercially available systems only can handle them with the support of the patients. For meals, patients must announce the carbohydrate content to the system. For exercise, they must notify the activity or take preventive actions like changing glucose setpoint or decreasing basal well ahead before exercise. These demands do not help reduce the patient's burden. They even can compromise the system performance when the patient misestimates the carbohydrate content, omits the meal announcement, or cannot plan the exercise event. Hence, this thesis proposes new methods to eliminate the need for meal and exercise announcements, thus reducing patient intervention in artificial pancreas systems for a better quality of life. From a control perspective, meals and exercise can be regarded as disturbances; therefore, this thesis exploits methods from the disturbance rejection and fault accommodation literature to achieve the thesis goal. Specifically, the following three applications must be highlighted: 1) a super-twisting-based residual generator has been developed to detect unannounced meals as the first step to their compensations; 2) a sliding-mode disturbance observer has been designed to estimate the glucose meal appearance, which is fed into a bolusing algorithm to compensate the meals; 3) the internal model principle is employed to mitigate the effects of meal intakes and exercise, supplementing insulin infusions with carbohydrate recommendations. As a result, the contributions of this thesis pave the way for the development of announcement-free artificial pancreas systems, releasing patients from the burden of diabetes management. / This work was partially supported by: grant DPI2016-78831-C2-1-R funded by MCIN/AEI/10.13039/501100011033 and by “ERDF A way of making Europe”; grant PID2019-107722RB-C21 funded by MCIN/AEI/10.13039/501100011033; and grant ACIF/2017/021 funded by the Generalitat Valenciana through European Social Funds (FSE). Also, the grant BEFPI/2019/077, funded by the Generalitat Valenciana through FSE funds, supported a 7-month research stay at Physiological da University (Óbudai Egyetem, Óbuda, Budapest, Hungary) / Sala Mira, I. (2023). New Contributions Towards Meal and Exercise Announcement-Free Artificial Pancreas Systems [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/192684

L'objectiu principal d'aquesta tesi és millorar l'actual capacitat de predicció de fenòmens meteorològics de pluja intensa potencialment perillosos a la Mediterrània occidental. Es desenvolupen i verifiquen tres sistemes de predicció per conjunts (SPC) que tenen en compte incerteses presents en els models numèrics i en les condicions inicials. Per generar els SPC s'utilitza la connexió entre les estructures de vorticitat potencial (VP) i els ciclons, a més de diferents esquemes de parametrització física. Es mostra que els SPC proporcionen una predicció més hàbil que la determinista. Els SPC generats pertorbant les condicions inicials han obtingut millor puntuació en verificacions estadístiques. Els resultats d'aquesta tesi mostren la utilitat i la idoneïtat dels mètodes de predicció basats en la pertorbació d'estructures de VP de nivells alts, precursors de les situacions ciclòniques. Els resultats i estratègies presentats pretenen ser un punt de partida per a futurs estudis que facin ús d'aquests mètodes. / The main goal of this thesis is to improve the current prediction skill of potentially hazardous heavy precipitation weather events in the western Mediterranean region. We develop and test three different ensemble prediction systems (EPSs) that account for uncertainties present in both the numerical models and the initial conditions. To generate the EPSs we take advantage of the connection between potential vorticity (PV) structures and cyclones, and use different physical parameterization schemes. We obtain an improvement in forecast skill when using an EPS compared to a determinist forecast. The EPSs generated perturbing the initial conditions perform better in the statistical verification scores. The results of this Thesis show the utility and suitability of forecasting methods based on perturbing the upper-level precursor PV structures present in cyclonic situations. The results and strategies here discussed aim to be a basis for future studies making use of these methods.

This thesis proposes a framework for identifying the root-cause of a voltage disturbance, as well as, its source location (upstream/downstream) from the monitoring place. The framework works with three-phase voltage and current waveforms collected in radial distribution networks without distributed generation. Real-world and synthetic waveforms are used to test it. The framework involves features that are conceived based on electrical principles, and assuming some hypothesis on the analyzed phenomena. Features considered are based on waveforms and timestamp information. Multivariate analysis of variance and rule induction algorithms are applied to assess the amount of meaningful information explained by each feature, according to the root-cause of the disturbance and its source location. The obtained classification rates show that the proposed framework could be used for automatic diagnosis of voltage disturbances collected in radial distribution networks. Furthermore, the diagnostic results can be subsequently used for supporting power network operation, maintenance and planning. / En esta tesis se propone una metodología para la identificación de la localización relativa (aguas arriba/abajo) y la causa de una perturbación eléctrica. La metodología utiliza las ondas trifásicas de tensión y de corriente registradas en redes de distribución radial sin presencia de generación distribuida. La metodología es validada utilizando perturbaciones eléctricas reales y simuladas. La metodología involucra atributos que han sido concebidos basándose en principios eléctricos e hipótesis de acuerdo a cada uno de los fenómenos eléctricos analizados. Se propusieron atributos tanto basados en la forma de onda como en la fecha de ocurrencia de la perturbación. La cantidad de información contenida y/o explicada por cada atributo es valorada mediante la aplicación del análisis multivariante de la varianza y algoritmos de extracción automática de reglas de decisión. Los resultados de clasificación muestran que la metodología propuesta puede ser utilizada para el diagnóstico automático de perturbaciones eléctricas registradas en redes de distribución radial. Los resultados de diagnóstico pueden ser utilizados para apoyar las tareas de operación, mantenimiento y planeamiento de las redes de distribución.

[ES] La gran mayoría de procesos del mundo real tienen incertidumbres inherentes, las cuales, al ser consideradas en el proceso de modelado, se puede obtener una representación que describa con la mayor precisión posible el comportamiento del proceso real. En la mayoría de casos prácticos, se considera que éstas tienen un comportamiento estocástico y sus descripciones como distribuciones de probabilidades son conocidas. Las estrategias de MPC estocástico están desarrolladas para el control de procesos con incertidumbres de naturaleza estocástica, donde el conocimiento de las propiedades estadísticas de las incertidumbres es aprovechado al incluirlo en el planteamiento de un problema de control óptimo (OCP). En éste, y contrario a otros esquemas de MPC, las restricciones duras son relajadas al reformularlas como restricciones de tipo probabilísticas con el fin de reducir el conservadurismo. Esto es, se permiten las violaciones de las restricciones duras originales, pero tales violaciones no deben exceder un nivel de riesgo permitido. La no-convexidad de tales restricciones probabilísticas hacen que el problema de optimización sea prohibitivo, por lo que la mayoría de las estrategias de MPC estocástico en la literatura se diferencian en la forma en que abordan tales restricciones y las incertidumbres, para volver el problema computacionalmente manejable. Por un lado, están las estrategias deterministas que, fuera de línea, convierten las restricciones probabilísticas en unas nuevas de tipo deterministas, usando la propagación de las incertidumbres a lo largo del horizonte de predicción para ajustar las restricciones duras originales. Por otra parte, las estrategias basadas en escenarios usan la información de las incertidumbres para, en cada instante de muestreo, generar de forma aleatoria un conjunto de posibles evoluciones de éstas a lo largo del horizonte de predicción. De esta manera, convierten las restricciones probabilísticas en un conjunto de restricciones deterministas que deben cumplirse para todos los escenarios generados. Estas estrategias se destacan por su capacidad de incluir en tiempo real información actualizada de las incertidumbres. No obstante, esta ventaja genera inconvenientes como su gasto computacional, el cual aumenta conforme lo hace el número de escenarios y; por otra parte, el efecto no deseado en el problema de optimización, causado por los escenarios con baja probabilidad de ocurrencia, cuando se usa un conjunto de escenarios pequeño. Los retos mencionados anteriormente orientaron esta tesis hacia los enfoques de MPC estocástico basado en escenarios, produciendo tres contribuciones principales. La primera consiste en un estudio comparativo de un algoritmo del grupo determinista con otro del grupo basado en escenarios; se hace un especial énfasis en cómo cada uno de estos aborda las incertidumbres, transforma las restricciones probabilísticas y en la estructura de su OCP, además de señalar sus aspectos más destacados y desafíos. La segunda contribución es una nueva propuesta de algoritmo MPC, el cual se basa en escenarios condicionales, diseñado para sistemas lineales con incertidumbres correlacionadas. Este esquema aprovecha la existencia de tal correlación para convertir un conjunto de escenarios inicial de gran tamaño en un conjunto de escenarios más pequeño con sus probabilidades de ocurrencia, el cual conserva las características del conjunto inicial. El conjunto reducido es usado en un OCP en el que las predicciones de los estados y entradas del sistema son penalizadas de acuerdo con las probabilidades de los escenarios que las componen, dando menor importancia a los escenarios con menores probabilidades de ocurrencia. La tercera contribución consiste en un procedimiento para la implementación del nuevo algoritmo MPC como gestor de la energía en una microrred en la que las previsiones de las energías renovables y las cargas están correlacionadas. / [CA] La gran majoria de processos del món real tenen incerteses inherents, les quals, en ser considerades en el procés de modelatge, es pot obtenir una representació que descriga amb la major precisió possible el comportament del procés real. En la majoria de casos pràctics, es considera que aquestes tenen un comportament estocàstic i les seues descripcions com a distribucions de probabilitats són conegudes. Les estratègies de MPC estocàstic estan desenvolupades per al control de processos amb incerteses de naturalesa estocàstica, on el coneixement de les propietats estadístiques de les incerteses és aprofitat en incloure'l en el plantejament d'un problema de control òptim (OCP). En aquest, i contrari a altres esquemes de MPC, les restriccions dures són relaxades en reformulades com a restriccions de tipus probabilístiques amb la finalitat de reduir el conservadorisme. Això és, es permeten les violacions de les restriccions dures originals, però tals violacions no han d'excedir un nivell de risc permès. La no-convexitat de tals restriccions probabilístiques fan que el problema d'optimització siga computacionalment immanejable, per la qual cosa la majoria de les estratègies de MPC estocàstic en la literatura es diferencien en la forma en què aborden tals restriccions i les incerteses, per a tornar el problema computacionalment manejable. D'una banda, estan les estratègies deterministes que, fora de línia, converteixen les restriccions probabilístiques en unes noves de tipus deterministes, usant la propagació de les incerteses al llarg de l'horitzó de predicció per a ajustar les restriccions dures originals. D'altra banda, les estratègies basades en escenaris usen la informació de les incerteses per a, en cada instant de mostreig, generar de manera aleatòria un conjunt de possibles evolucions d'aquestes al llarg de l'horitzó de predicció. D'aquesta manera, converteixen les restriccions probabilístiques en un conjunt de restriccions deterministes que s'han de complir per a tots els escenaris generats. Aquestes estratègies es destaquen per la seua capacitat d'incloure en temps real informació actualitzada de les incerteses. No obstant això, aquest avantatge genera inconvenients com la seua despesa computacional, el qual augmenta conforme ho fa el nombre d'escenaris i; d'altra banda, l'efecte no desitjat en el problema d'optimització, causat pels escenaris amb baixa probabilitat d'ocurrència, quan s'usa un conjunt d'escenaris xicotet. Els reptes esmentats anteriorment van orientar aquesta tesi cap als enfocaments de MPC estocàstic basat en escenaris, produint tres contribucions principals. La primera consisteix en un estudi comparatiu d'un algorisme del grup determinista amb un altre del grup basat en escenaris; on es fa un especial èmfasi en com cadascun d'aquests aborda les incerteses, transforma les restriccions probabilístiques i en l'estructura del seu problema d'optimització, a més d'assenyalar els seus aspectes més destacats i desafiaments. La segona contribució és una nova proposta d'algorisme MPC, el qual es basa en escenaris condicionals, dissenyat per a sistemes lineals amb incerteses correlacionades. Aquest esquema aprofita l'existència de tal correlació per a convertir un conjunt d'escenaris inicial de gran grandària en un conjunt d'escenaris més xicotet amb les seues probabilitats d'ocurrència, el qual conserva les característiques del conjunt inicial. El conjunt reduït és usat en un OCP en el qual les prediccions dels estats i entrades del sistema són penalitzades d'acord amb les probabilitats dels escenaris que les componen, donant menor importància als escenaris amb menors probabilitats d'ocurrència. La tercera contribució consisteix en un procediment per a la implementació del nou algorisme MPC com a gestor de l'energia en una microxarxa en la qual les previsions de les energies renovables i les càrregues estan correlacionades. / [EN] The vast majority of real-world processes have inherent uncertainties, which, when considered in the modelling process, can provide a representation that most accurately describes the behaviour of the real process. In most practical cases, these are considered to have stochastic behaviour and their descriptions as probability distributions are known. Stochastic model predictive control algorithms are developed to control processes with uncertainties of a stochastic nature, where the knowledge of the statistical properties of the uncertainties is exploited by including it in the optimal control problem (OCP) statement. Contrary to other model predictive control (MPC) schemes, hard constraints are relaxed by reformulating them as probabilistic constraints to reduce conservatism. That is, violations of the original hard constraints are allowed, but such violations must not exceed a permitted level of risk. The non-convexity of such probabilistic constraints renders the optimisation problem computationally unmanageable, thus most stochastic MPC strategies in the literature differ in how they deal with such constraints and uncertainties to turn the problem computationally tractable. On the one hand, there are deterministic strategies that, offline, convert probabilistic constraints into new deterministic ones, using the propagation of uncertainties along the prediction horizon to tighten the original hard constraints. Scenario-based approaches, on the other hand, use the uncertainty information to randomly generate, at each sampling instant, a set of possible evolutions of uncertainties over the prediction horizon. In this fashion, they convert the probabilistic constraints into a set of deterministic constraints that must be fulfilled for all the scenarios generated. These strategies stand out for their ability to include real-time updated uncertainty information. However, this advantage comes with inconveniences such as computational effort, which grows as the number of scenarios does, and the undesired effect on the optimisation problem caused by scenarios with a low probability of occurrence when a small set of scenarios is used. The aforementioned challenges steered this thesis toward stochastic scenario-based MPC approaches, and yielded three main contributions. The first one consists of a comparative study of an algorithm from the deterministic group with another one from the scenario-based group, where a special emphasis is made on how each of them deals with uncertainties, transforms the probabilistic constraints and on the structure of the optimisation problem, as well as pointing out their most outstanding aspects and challenges. The second contribution is a new proposal for a MPC algorithm, which is based on conditional scenarios, developed for linear systems with correlated uncertainties. This scheme exploits the existence of such correlation to convert a large initial set of scenarios into a smaller one with their probabilities of occurrence, which preserves the characteristics of the initial set. The reduced set is used in an OCP in which the predictions of the system states and inputs are penalised according to the probabilities of the scenarios that compose them, giving less importance to the scenarios with lower probabilities of occurrence. The third contribution consists of a procedure for the implementation of the new MPC algorithm as an energy manager in a microgrid in which the forecasts of renewables and loads are correlated. / González Querubín, EA. (2024). Scenario-Based Model Predictive Control for Systems with Correlated Uncertainties [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/203887