Magíster en Ciencias de la Ingeniería, Mención Eléctrica. Ingeniero Civil Eléctrico / Actualmente existe un gran interés y compromiso en aumentar la generación eléctrica proveniente de fuentes ERNC (Energías Renovables No Convencionales) a nivel mundial dado el actual escenario energético. Para maximizar la transferencia energética y asegurar una operación óptima desde un punto de vista técnico y económico se han propuesto distintas topologías de inversores junto con sus estrategias de control. Por otro lado, el control predictivo se perfila como una estrategia prometedora para controlar algunas topologías de inversores de potencia, en particular el control FS-MPC (Finite Set - Model Predictive Control) se ha implementado en un gran número de configuraciones debido a sus ventajas como: rápida respuesta transitoria; fácil inclusión de no linealidades y restricciones en el controlador; y ausencia de modulador. Sin embargo las tensiones sintetizadas por esta estrategia poseen una frecuencia de conmutación variable lo que complica el diseño de filtros de conexión a la red y aumenta la distorsión armónica en las señales inyectadas. En esta tesis se implementa de forma experimental un control predictivo modulado (M2PC, Modulated Model Predictive Control) en un inversor NPC (Neutral Point Clamped) trifásico de 3 niveles en configuración front-end, esta estrategia genera una tensión con frecuencia de conmutación fija y además mantiene las ventajas del control FS-MPC ya mencionadas. El controlador se programa en una plataforma dSPACE dS1103, para esto fue necesario diseñar y construir una tarjeta de desarrollo para una FPGA (Field-Programmable Gate Array) Spartan 3 y una tarjeta transmisora de fibra óptica, la función de la primera tarjeta es gestionar el envío de vectores al conversor NPC y habilitar un sistema de protección que apague el inversor en caso de falla, mientras que la segunda tarjeta se utiliza para enviar los pulsos de disparo a los IGBT (Insulated-Gate Bipolar Transistor) del inversor. En el desarrollo de esta tesis se proponen 2 estrategias de control M2PC, en la primera se utiliza una función multiobjetivo para regular la corriente inyectada a la red y el balance de los condensadores del DC-Link, mientras que en la segunda el control M2PC sólo se encarga del error de corriente y en una etapa posterior se regula las tensiones del DC-Link. Inicialmente la estrategia se simula mediante el software Plecs y posteriormente se implementa en el sistema experimental. Se concluye que ambas estrategias presentan un buen desempeño en régimen permanente y transitorio, en ambos casos el THD (Total Harmonic Distortion) es menor al 2% y los condensadores se encuentran balanceados.

Doctor en Ingeniería Eléctrica / El estudio de sistemas complejos de gran escala se ha hecho imprescindible en muchos campos de la ingeniería, y requieren modelos, así como técnicas de control avanzado, para lograr las metas y niveles de servicio exigidos actualmente por la industria. En este contexto, la principal contribución de esta tesis es la utilización de distintas técnicas de control avanzado para resolver el problema de alta complejidad, correspondiente al diseño de controladores para gestionar la operación de un sistema de transporte público. Esto es, se diseña una serie de controladores avanzados para la gestión de flota de sistemas de transporte público, incluyendo métodos de diversa complejidad, los que son aplicados sistemáticamente a modelos del sistema de creciente complejidad. En una primera etapa, se diseñaron dos controladores difusos para un sistema de una ruta de transporte público, con el objeto de reducir el tiempo total de espera de los pasajeros; el primero intenta mantener cada grupo de tres buses consecutivos equidistantes en un corredor, con el fin de regularizar el tiempo de espera entre buses de todo el sistema, mientras que el segundo considera la asignación de valores de tiempo de espera entre buses para cada paradero en función de su demanda, obteniendo ambos controladores beneficios superiores al 53% con respecto al tiempo de espera resultante de sistemas comparables en lazo abierto. En una segunda etapa, sobre este mismo sistema de transporte público, se diseñaron dos controladores predictivos híbridos (HPC); el primero considera índices de comportamiento dirigidos a la disminución del tiempo de espera y de viaje, mientras que el segundo controlador considera un análisis multiobjetivo que compara los costos del usuario versus los del operador. En ambos controladores se obtuvieron beneficios superiores al 57% con respecto al tiempo de espera resultante de sistemas comparables en lazo abierto. En una tercera etapa, sobre un sistema de transporte público compuesto por dos rutas y una estación de transbordo, se diseñaron controladores para sistemas de gran escala (centralizados, descentralizados y distribuidos) con algoritmos difusos y HPC. En tales casos se consideran índices de comportamiento de control de ruta, sincronización y maximización de la intensidad del transbordo. El controlador distribuido HPC obtuvo beneficios que son un 9.6% superior con respecto al tiempo de espera resultante de un sistema comparable al cual se aplica un controlador descentralizado HPC. Por último, para un sistema de transporte público compuesto por tres rutas locales, tres rutas troncales y tres estaciones de transbordo, se diseñó un control jerárquico (compuesto de controladores distribuido HPC y descentralizado difuso, lográndose un beneficio 9.75% superior con respecto al tiempo de espera de un sistema comparable en el cual se aplica un controlador descentralizado difuso.

En la actualidad existe una necesidad creciente de guiar el descubrimiento in silico de nuevos polímeros industriales mediante enfoques de Aprendizaje Maquinal supervisado que identifiquen correlaciones estructura-propiedad a partir de la información contenida en bases de datos de materiales, donde cada uno de estos está caracterizado mediante Descriptores Moleculares (DMs). Estas correlaciones se conocen como Modelos de Relación Cuantitativa Estructura-Actividad/Propiedad (QSAR/QSPR, por las siglas en inglés de Quantitative Structure-Activity/Property Relationship) y pueden ser empleadas para predecir propiedades de interés previo a la etapa de síntesis química, contribuyendo de este modo a acelerar el diseño de nuevos materiales y reducir sus costos de desarrollo. El modelado QSAR/QSPR ya ha sido ampliamente empleado en Informática Molecular para el Diseño Racional de Fármacos asistido por computadoras. Sin embargo, los materiales poliméricos son significativamente más complejos que las moléculas pequeñas como las drogas, dado que están integrados por colecciones de macromoléculas compuestas por miles de cadenas que, a su vez, se forman por la unión de cientos de miles de Unidades Repetitivas Estructurales (UREs). Estas cadenas poseen diferentes pesos moleculares (o largos de cadena) y, a su vez, aparecen con distintas frecuencias dentro de cada material. Este fenómeno, conocido como polidispersión, es la principal razón de que muchas aproximaciones informáticas desarrolladas para el diseño racional de fármacos no sean directamente aplicables, ni lo suficientemente efectivas, en el ámbito de la Informática de Polímeros. El objetivo general de esta tesis es contribuir con soluciones para distintas cuestiones relativas a la representación computacional y algoritmia que surgen durante el modelado QSPR de propiedades de polímeros polidispersos de alto peso molecular, con especial énfasis en el tratamiento del problema de selección de descriptores moleculares. Las variaciones en la frecuencia de las cadenas de diferentes largos hacen que la descripción de la estructura de un material polimérico contenga incertidumbre, en contraste con lo que sucede en la caracterización estructural típica de una molécula pequeña. No obstante esto, debido a la complejidad de modelar esta incertidumbre, la mayoría de los estudios QSAR/QSPR han utilizado hasta ahora modelos moleculares simples y univaluados, es decir, calculan los descriptores moleculares para una única instancia de peso, de entre todas las posibles cadenas que conforman un material. En particular, la casi totalidad de estos estudios usan descriptores calculados sobre una única URE, sin tener en cuenta la polidispersión. En tal sentido, esta tesis propone investigar distintas alternativas de selección y aprendizaje de características para modelado QSPR con incertidumbre, que exploren la efectividad de otras representaciones computacionales más realistas para los materiales poliméricos. En primer lugar, se presenta una metodología híbrida que emplea tanto algoritmos de Selección de Características como de Aprendizaje de Características, a fin de evaluar la máxima capacidad predictiva que se puede alcanzar con la tradicional representación univaluada URE. En segundo lugar, se proponen nuevas representaciones univaluadas, basadas en pesos moleculares promedios, denominadas como modelos moleculares Mn y Mw, cuyas capacidades para inferir modelos QSPR son contrastadas con el modelo molecular URE. La siguiente alternativa propuesta estudia una representación computacional trivaluada, basada en la integración de los modelos moleculares univaluados URE, Mn y Mw en una única base de datos, la cual permite capturar parcialmente el fenómeno de la polidispersión. Esta caracterización computacional logra mejorar la generalizabilidad de los modelos QSPR obtenidos durante el proceso aprendizaje supervisado, en comparación con los inferidos mediante enfoques de representación univaluados. Sin embargo, esta nueva representación sigue sin contemplar las frecuencias de aparición de los distintos largos de cadena dentro de un material. Por último, como contribución final de esta tesis se propone una representación computacional multivaluada, basada en el perfil polidisperso real de un material, donde cada descriptor queda caracterizado por una distribución probabilística discreta. En este contexto, las técnicas de selección de características empleadas para representaciones univaluadas ya no resultan aplicables, y surge la necesidad de contar con algoritmos que permitan operar sobre este nuevo modelo molecular. Como consecuencia de esto, se presenta el diseño e implementación de un algoritmo para selección de características multivaluadas. Este nuevo método, FS4RVDD (como sigla de su nombre en inglés Feature Selection for Random Variables with Discrete Distribution), logra un desempeño prometedor en todos los escenarios experimentales ensayados en estas investigaciones. / Nowadays, there is an increasing need to lead the in silico discovery of new industrial polymers through supervised Machine Learning approaches that identify structure-property correlations from the information contained in material databases, where each of them is characterized by Molecular Descriptors (MDs). These correlations are known as Quantitative Structure-Activity/Property Relationship models (QSAR/QSPR). They can be used to predict desirable properties of new materials before the synthesis stage, contributing to accelerate the design of new materials and to reduce the associated development costs. QSAR/QSPR modeling is widely used in Molecular Informatics for Computer-Aided Drug Design. However, polymeric materials are significantly more complex than small molecules such as drugs, since they are collections of macromolecules that consist of a large number of structural repetitive units (SRUs) linked together in thousands of chain-like structures. These chains have different molecular weights (or lengths) and, in turn, they appear with different frequencies within each material. This phenomenon, known as polydispersity, is the main reason why many approaches developed for rational drug design are neither directly applicable nor sufficiently effective in the field of Polymer Informatics. The main objective of this thesis is to contribute with solutions for various issues related to computational representation and algorithm development that arise during the QSPR modeling of properties of high molecular weight polydisperse polymers, with special emphasis on the Feature Selection problem. Because of frequency variations in the different chain lengths, the characterization of the polymeric material structure contains uncertainty, in contrast with the typical structural characterization of a small molecule. However, to deal with the uncertainty that introduces the polydispersity of polymeric materials, most of the QSAR/QSPR studies, until now, have used simple and univalued molecular models, that is, they calculate the molecular descriptors for a single instance of weight among all the possible chains that constitute a material. In particular, most QSPR studies use descriptors calculated on a single SRU, regardless of polydispersity. In this context, the present thesis proposes to investigate different alternatives of Feature Selection and Feature Learning for QSPR modeling with uncertainty that explore the effectiveness of more realistic computational representations for polymeric materials. First, a hybrid methodology that uses MDs from both Feature Selection and Feature Learning algorithms is presented to evaluate the maximum predictive capability the traditional univalued representation (URE) can achieved. Then, new univalued representations based on average molecular weights are proposed, called Mn molecular model and Mw molecular model, whose capabilities to infer QSPR models are contrasted with the URE molecular model ones. The other alternative computational representation proposes is trivalued MDs, based on the integration of URE, Mn, and Mw univalued molecular models into a single database. This representation partially captures the polydispersity inherent to polymers. This computational characterization improves the generalizability of QSPR models obtained during the supervised learning process, compared to those inferred through univalued representation approaches. However, this new trivalued representation still does not contemplate the frequencies of appearance of the different chain lengths within a material. Finally, this thesis contributes with a multivalued computational representation based on the actual polydisperse profile of a material, in which each descriptor is characterized by a probabilistic discrete distribution. In this context, the Feature Selection techniques used for univalued representations are no longer applicable, and there is a need for algorithms to deal with this new multivalued molecular model. To face this need, both the design and implementation of an algorithm for the selection of multivalued features are presented here. This new method is called Feature Selection for Random Variables with Discrete Distribution (FS4RVDD), and it achieves a promising performance in all the experimental scenarios tested in these investigations.

Los trabajos en el área de control de finales del siglo de XIX y principios del siglo XX, describían el modelado, análisis y diseño de sistemas lineales empleando herramientas matemáticas bien definidas como el álgebra lineal y el cálculo diferencial. Sin embargo, a mediados de los años 40 comienzan a surgir trabajos que introducen el concepto de sistemas no lineales. A partir de este momento, el interés por el desarrollo de herramientas teóricas para el análisis y diseño de controladores no lineales fue en aumento. En la actualidad, existen diversas metodologías que son empleadas en el análisis y diseño de sistemas de control no lineales. Sin embargo, no existe una teoría generalizada análoga al álgebra lineal y el cálculo diferencial de los sistemas lineales. Por ello, las líneas de investigación que abordan el estudio de procesos no lineales se encuentran en continua evolución. En primer lugar, la tesis presentada aborda el estudio del estado del arte de algunas de las técnicas más destacadas para el modelado e identificación de sistemas no lineales. El documento de tesis hace especial hincapié en las técnicas que emplean modelos borrosos con estructura Takagi-Sugeno (TS). Una vez introducidos los modelos borrosos TS, se presenta el estado del arte en el diseño de contralores borrosos denominadas Compensadores Paralelos Distribuidos (PDC) y su aplicación al control predictivo. Asimismo, se describen los fundamentos matemáticos necesarios para la reformulación del problema de diseño de PDC en términos de Desigualdades Matriciales Lineales (LMIs). La revisión del estado del arte que se realiza en el documento de tesis, pone de manifiesto la dificultad existente cuando se aborda el diseño de controladores borrosos predictivos. El principal inconveniente es la resolución del problema de optimización que se plantea al aplicar la filosofía de control predictivo. / García-Nieto Rodríguez, S. (2010). Identificación y control predictivo Fuzzy T-S en espacio de estados. Una aproximación al control no lineal [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/8328

En la actualidad, el rol que cumplen los bancos en la economía del país y el impacto que tienen en las diferentes clases sociales es cada vez más importante. Estos siempre han sido un mercado que históricamente ha recibido un gran número de quejas y reclamaciones. Es por ello que, un mal servicio por parte del proveedor, una deficiente calidad de los productos y un precio fuera de mercado son las principales razones por las que los clientes abandonan una entidad bancaria. Esta situación va aumentando cada vez más y los bancos muestran su preocupación por este problema intentando implementar modelos que hasta el momento no han logrado cumplir con los objetivos. Además, existe un elevado nivel de competencia que obliga a las entidades financieras a velar por la lealtad de sus clientes para intentar mantenerlos e incrementar su rentabilidad. Este proyecto propone un Modelo de Análisis Predictivo soportado con la herramienta SAP Predictive Analytics, con el fin de ayudar en la toma de decisiones para la retención o fidelización de los clientes potenciales con tendencia a la deserción en la entidad bancaria. Esta propuesta se realizó mediante la necesidad de los mismos de conocer la exactitud de deserción de sus clientes categorizados potenciales. Se desarrolló una interfaz web como canal entre el Modelo de Análisis Predictivo propuesto y la entidad bancaria, con el fin de mostrar el resultado obtenido por el modelo indicando la exactitud, en porcentaje, de los clientes con tendencia a desertar. Además, como Plan de continuidad se propone 2 proyectos en base a la escalabilidad del Modelo de análisis predictivo propuesto, apoyándonos en la información obtenida en la etapa de análisis del modelo mismo. / Currently, the role played by banks in the country's economy and the impact they have on different social classes is increasingly important. These have always been a market that has historically received a large number of complaints and claims. It is therefore, poor service by the supplier, poor product quality and a price outside the market are the main reasons why customers leave a bank. This situation is increasingly and banks. In addition, there is a high level of competition that forces financial institutions and the loyalty of their customers to try to maintain them and increase their profitability. This project proposes a Predictive Analysis Model supported with the SAP Predictive Analytics tool, in order to help in making decisions for the retention or loyalty of clients with the tendency to drop out in the bank. This proposal was made through the need to know the accuracy of the desertion of its categorized clients. A web interface is shown as a channel between the Predictive Analysis Model and the bank, in order to show the result by the model that indicates the accuracy, in percentage, of clients with a tendency to defect. In addition, as a continuity plan, 2 projects are proposed based on the scalability of the Predictive Analysis Model, based on the information in the analysis stage of the model itself. / Tesis

La industria extractiva de minerales, en el Perú, es un actor muy importante de desarrollo económico y tecnológico. Destacando el cobre como principal mineral. Es importante, como país minero, desarrollar investigaciones y tecnologías que ayuden a mejorar el proceso de extracción y concentración de minerales. En la industria minera actual, donde se ha conseguido un gran avance en la automatización, aún existen grandes retos y oportunidades de mejorar los procesos en búsqueda de una mejor eficiencia. Una de las etapas más importantes y críticas es la concentración de minerales mediante el uso de celdas de flotación. El control efectivo de este proceso permite obtener niveles adecuados e importantes de grado y recuperación en el concentrado de mineral. En el caso de las celdas de flotación tipo columna, el comportamiento es multivariable y muy dinámico por ser dependiente de los cambios de las características del mineral que se procesa y de las perturbaciones de la planta. Es ampliamente conocido que el control predictivo basado en modelos constituye una poderosa herramienta de control de plantas multivariable que presentan un comportamiento dinámico complejo como en el caso de la celda de flotación tipo columna. Es por esto, que el objetivo en la tesis es diseñar un controlador predictivo generalizado (GPC) multivariable para el control efectivo de una celda de flotación tipo columna utilizada en el proceso de recuperación de cobre. El modelo matemático obtenido tiene un grado de aceptación FIT superior a 80%. Se realizaron evaluaciones comparativas del sistema de control de la celda de flotación tipo columna, con los controladores GPC multivariable y PI diseñados considerando diferentes escenarios de operación e índices de desempeño. Se determinó que, el mejor desempeño del sistema de control se obtiene cuando se aplica el controlador GPC multivariable diseñado. / Tesis

Memoria para optar al título de Ingeniero Civil Industrial / Objetivo: Desarrollar un modelo predictivo que permita al área de Supply de BHP Minerals Americas hacer gestión proactiva sobre ordenes de trabajo de mantenimiento con requerimiento de materiales y pudiendo anticiparse así a posibles caídas en el indicador WOPIFOT de nivel de servicio de Supply. Contexto: El área de Supply funciona como una balanza entre los requerimientos de materiales y servicios para la operación y los objetivos económicos del negocio, optimizando la relación costo/disponibilidad de materiales. WOPIFOT es un indicador binario de nivel de servicio de Supply que mide para cada orden de trabajo si esta fue completada satisfactoriamente y con todos los materiales requeridos. Durante el año fiscal 2017, el promedio fue de 85 %, o en otras palabras, 15 % de las órdenes de trabajo no se desarrollaron correctamente. Esto supone que existen oportunidades de mejora en el ámbito de disponibilidad de materiales y disciplina operacional que pueden ser apoyadas con la implementación de una herramienta de detección temprana de OTs con riesgo de fallas.Hipótesis: Existen patrones históricos de fallas a nivel de materiales y su relación con otras variables como horizonte de planificación, impacto en el negocio del material, sistema de control de inventario, entre otras, que permite desarrollar un modelo predictivo basado en herramientas de machine learning que detecte estos patrones y también su evolución en el tiempo al modificarse la cultura operacional a medida que se haga gestión sobre las fallas. Diseño: Se propone desarrollar una herramienta basada en el algorítmo Gradient BoostingTrees que cargue los datos de órdenes de trabajo abiertas en el periodo y las clasifique en riesgosas o no riesgosas de acuerdo al comportamiento histórico de sus componentes y otras características y asigne una posible causa de falla para apoyar la gestión.Resultados: El algoritmo de GBT entrenado con 9 variables relativas a las órdenes de trabajos y materiales genera un modelo cuyas métricas de desempeño teóricas en un testeo con datos fuera de muestra, realizado en mayo/2018 con un modelo entrenado con datos históricos hasta abril/2018 son prometedores, con un accuracy de 82,2 %, Cohen s Kappa de 0,625 y AUC de 0,731, lo que permitiría en el caso ideal, aumentar el indicador WOPIFOT PM01 en Spence a sobre 80 %en caso de que las acciones y gestión proactiva sean eficaces.Conclusión: Incluir nuevas tecnologías de analytics y data science permiten agregar valor en una industria que está constantemente enfocada en la mejora de la producción y donde existen oportunidades reales de mejorar los procesos. Automatizar los procesos de análisis de datos,mediante por ejemplo algoritmos de aprendizaje de máquinas permite a los profesionales dedicar menos tiempo en análisis y reportabilidad y enfocar recursos en gestión y decisión.La gestión del cambio es una etapa fundamental en la utilización de estas nuevas tecnologías. / BHP

La rabia es una enfermedad viral, con una alta tasa de mortalidad, la cual es principalmente transmitida por el perro doméstico y el murciélago hematófago, Desmodus rotundus. A pesar de las acciones de prevención y control aún es endémica en el Perú. Los principales objetivos del presente trabajo fueron la descripción de la rabia humana y animal en el Perú, como también el desarrollo de un modelo predictivo de transmisión del virus de la rabia en el ganado bovino. Se utilizaron los reportes nacionales oficiales de casos y brotes de rabia humana y animal entre los años del 2001 al 2017. Los resultados indicaron que los casos de rabia humana ocurren principalmente como consecuencia del ciclo silvestre, y se presentan con mayor frecuencia en las regiones amazónicas. Mientras que los casos de rabia canina han sufrido un reciente aumento debido al brote de la enfermedad en el sur del Perú. Por otro lado, los focos de la rabia bovina han sido bastantes frecuentes a lo largo de los años, y se encuentran distribuidos especialmente a lo largo de los valles interandinos y regiones amazónicas del Perú. Asimismo, el riesgo de transmisión de rabia de murciélagos hematófagos para bovinos se estimó mediante la adaptación de un modelo de receptividad y vulnerabilidad basado en árboles de decisión, para el desarrollo de un modelo predictivo de rabia bovina por distritos. Los datos oficiales de los brotes de la enfermedad en bovinos y la información sobre alteraciones ambientales se utilizaron como covariables. La densidad de bovinos y las características geomorfológicas de cada distrito fueron obtenidas a través del último censo nacional agropecuario y de los sistemas de información geográfica disponibles. El modelo fue validado a través de la evaluación de algunos escenarios que fueron concebidos a partir de diferentes puntos de corte de las variables de receptividad en comparación con la información de los brotes de los últimos 6 años, a fin de encontrar el grado de predicción más adecuado para la ocurrencia de brotes de rabia por distrito. Entre las principales conclusiones, se encuentra la importancia del mantenimiento de las políticas nacionales de prevención y promoción de la salud de la rabia humana y animal en el Perú. Además, del desarrollo de nuevos criterios de intervención que prioricen la ecología de los transmisores del virus a las poblaciones susceptibles, lo que puede representar una mejor opción que otras medidas preventivas que no han tenido el éxito esperado. Finalmente, el modelo de predicción para la rabia bovina propuesto, a pesar de depender de la información generada por la vigilancia epidemiológica de la enfermedad, representa una herramienta interesante para optimizar su funcionamiento a nivel nacional. / Rabies is a viral disease, with a high mortality rate, that is mainly transmitted by the domestic dogs and the hematophagous bat, Desmodus rotundus. Despite the prevention and control actions, it is still endemic in Peru. The main objectives of the present work were the description of human and animal rabies in Peru, as well as the development of a predictive model of transmission of rabies virus in livestock. The official national reports of cases and outbreaks of human and animal rabies between the years 2001 to 2017 were used. The results indicated that human cases of rabies mainly occur as a consequence of the wild cycle, that are presented with higher frequency in the Amazonian regions. While dog cases of rabies have suffered a recent increase due to the outbreak of the disease in Southern Peru. On the other hand, the outbreaks of bovine rabies were frequent over the years being distributed particularly along the inter-Andean valleys and Amazonian regions of Peru. Additionally, the risk of rabies transmission from hematophagous bats to bovines was estimated through the adaptation of a receptivity and vulnerability model based on decision trees, for the development of a predictive model of bovine rabies by districts. The official data of outbreaks of the disease in bovines and the information on environmental alterations were used as covariates. The density of livestock and the geomorphological characteristics of each district were obtained through the last national livestock census and the geographic information systems available. The model was validated through the evaluation of some scenarios that were conceived from different cut points of the receptivity variables compared to the information of the outbreaks from the last 6 years, in order to find the most suitable degree of prediction for the occurrence of rabies outbreaks by district. Among the main conclusions, is the importance of maintainance of the national policies of prevention and health promotion of human and animal rabiesin Peru. Moreover, the developing of new intervention criteria that prioritize the ecology of the transmitters of the virus to the susceptible populations, which may represent a better option than other preventive measures that havent had the expected success. Finally, the proposed bovine rabies prediction model, despite being dependent on the information generated by the epidemiological surveillance of the disease, represents an interesting tool to optimize its functioning at national level.

Ingeniero Civil Eléctrico / En los últimos años, la integración de fuentes de generación distribuida dentro los sistemas eléctricos ha emergido como un tema crítico impulsado principalmente por motivaciones ambientales e incentivos económicos. En este contexto, la utilización de convertidores fuente de voltaje (VSC, Voltage Source Converters) como interfaz generador-red ha cobrado cada vez más importancia, pues permiten operar y controlar los sistemas de generación, desempeñando un rol esencial en redes desbalanceadas. En el contexto de una red desbalanceada, aparecerán oscilaciones de potencia de doble frecuencia en la red, siendo reflejadas como ripple en el DC-link de un VSC. En la red, las oscilaciones de potencia activa pueden causar excesivo ruido y estrés mecánico en generadores sincrónicos, mientras que la potencia reactiva oscilante puede causar pérdidas excesivas sobre el sistema eléctrico. Análogamente las oscilaciones de potencia en el DC-link pueden afectar negativamente al desempeño de sistemas energizados por paneles solares, baterías y celdas de combustibles, reduciendo su eficiencia, vida útil y la confiabilidad en el largo plazo. Además, a causa de estas oscilaciones podría haber un eventual disparo de las protecciones por sobre tensión en el caso del DC-link, o por sobre corrientes en el convertidor lado red. En virtud de lo anterior, se han desarrollado distintas estrategias para controlar los VSC usando principalmente corrientes de secuencia positiva y negativa. Mediante estas corrientes los objetivos de control que se buscan conseguir son: compensación de oscilaciones de potencia activa en la red, potencia reactiva constante, corrientes balanceadas, DC-link sin ripple, entre otros. Dado que los grados de libertad que otorgan estas corrientes no son suficientes para alcanzar todos los objetivos de control que se quisieran, se podrían presentar significativas oscilaciones de potencia activa y/o reactiva de doble frecuencia de red o corrientes desbalanceadas de elevada magnitud. De manera alternativa se han propuesto nuevas estrategias de control usando corriente de secuencia cero y de este modo aumentar los grados de libertad, sin embargo la principal desventaja de estas estrategias es que pueden llegar a necesitar elevadas corrientes de secuencia cero, lo cual no siempre es posible de obtener según los límites nominales del sistema En este trabajo se propone una extensión de la estrategia de control que utiliza secuencia cero, permitiendo trabajar con corrientes de secuencia positiva, negativa y cero dentro de un esquema colaborativo. La estrategia propuesta tiene la capacidad de compensar las oscilaciones de potencia en el DC-link manteniendo las corrientes de fase y del neutro dentro del límite nominal, y mitigar las oscilaciones de potencia activa y reactiva de la red. Para lograr esto, la estrategia es diseñada utilizando MATLAB y simulada en el software PLECS con el fin de estudiar su comportamiento, y luego validada experimentalmente usando la plataforma de control dSPACE DS1103.

El presente trabajo tiene como objetivos el ajuste de un simulador programado en MatLab Simulink para emular el comportamiento de la turbina a gas de la central térmica Nueva Renca, además del análisis y diseño de estrategias de control supervisor basadas en modelos difusos, y de un emulador neuronal del controlador predictivo difuso. La importancia actual de este estudio radica en la necesidad de hacer más eficientes los procesos de generación de electricidad, especialmente los que utilizan gas natural en la producción, dadas las perspectivas de crecimiento del precio del combustible y de las restricciones impuestas al suministro desde Argentina. El diseño de las estrategias de control supervisor requirió la modelación difusa de la turbina y la modelación neuronal de control supervisor predictivo difuso. Como modelo difuso se escogió un modelo de Takagi – Sugeno y como modelo neuronal una red perceptrón multicapa con una capa oculta. Las funciones de activación son tangente hiperbólica para las neuronas de la capa oculta y lineal para la capa de salida. Los resultados de este estudio reflejan que según criterios económicos, operativos y de esfuerzo computacional, el control por emulación es mejor que el control predictivo difuso, sin embargo, se debe realizar un trabajo previo mayor, al tener que recolectar datos para el entrenamiento de la red neuronal. Con la implementación del controlador neuronal se logró un incremento 3,027% en las utilidades con respecto a la estrategia de control regulatoria, lo que se traduce en un incremento de 1,8 millones de dólares anuales.