<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <title>DSpace Collection:</title>
  <link rel="alternate" href="https://repositorio.utn.edu.ec/handle/123456789/14496" />
  <subtitle />
  <id>https://repositorio.utn.edu.ec/handle/123456789/14496</id>
  <updated>2026-07-05T19:32:00Z</updated>
  <dc:date>2026-07-05T19:32:00Z</dc:date>
  <entry>
    <title>Análisis de confiabilidad en redes de distribución de la subestación Alpachaca de Emelnorte usando métodos probabilísticos y simulación Monte</title>
    <link rel="alternate" href="https://repositorio.utn.edu.ec/handle/123456789/19988" />
    <author>
      <name>Quito Escanta, Alfredo Sebastián</name>
    </author>
    <id>https://repositorio.utn.edu.ec/handle/123456789/19988</id>
    <updated>2026-07-03T15:37:05Z</updated>
    <published>2026-07-03T00:00:00Z</published>
    <summary type="text">Title: Análisis de confiabilidad en redes de distribución de la subestación Alpachaca de Emelnorte usando métodos probabilísticos y simulación Monte
Authors: Quito Escanta, Alfredo Sebastián
Abstract: El presente estudio analiza la confiabilidad de las redes de distribución eléctrica asociadas a la Subestación Alpachaca de EMELNORTE, mediante la aplicación de métodos probabilísticos, simulación Monte Carlo y análisis espacial. El problema principal abordado corresponde a los elevados niveles de interrupciones del servicio, especialmente en el alimentador Alpachaca 5, el cual presenta valores de indisponibilidad que afectan la continuidad del suministro eléctrico. El propósito de la investigación es evaluar el desempeño del sistema e identificar los elementos críticos que contribuyen a la ocurrencia de fallas. La metodología se basa en el análisis de datos históricos del período 2021–2024, el modelado mediante cadenas de Markov y la simulación Monte Carlo para estimar indicadores de confiabilidad. Además, se incorporó un análisis geoespacial utilizando el software ArcGIS, que permitió representar la red, los alimentadores y la ubicación aproximada de las fallas en función de sectores, parroquias y cantones. Los resultados muestran una alta correspondencia entre valores históricos y proyectados, con un error de 2.149710%. Se identificaron elementos críticos asociados a equipamiento, materiales y accesorios, caracterizados por alta frecuencia de fallas y tiempos de reparación. Asimismo, se proyectaron niveles de disponibilidad e indisponibilidad para el período 2025–2028, estimando el momento probable de ocurrencia de fallas. Desde el enfoque espacial, las fallas se concentran en zonas urbanas como Alpachaca, San Antonio e Ibarra, mientras que el alimentador Alpachaca 5 presenta la mayor incidencia en zonas rurales extensas como Urcuquí, Cahuasquí y Pablo Arenas, el modelo aplicado permite representar el comportamiento del sistema e identificar áreas y elementos críticos, apoyando la planificación y mantenimiento del servicio eléctrico.</summary>
    <dc:date>2026-07-03T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Implementación de un prototipo de descargas múltiples para caracterización de baterías LI-ION</title>
    <link rel="alternate" href="https://repositorio.utn.edu.ec/handle/123456789/19841" />
    <author>
      <name>Pozo Chiscueth, Alexis Antonio</name>
    </author>
    <id>https://repositorio.utn.edu.ec/handle/123456789/19841</id>
    <updated>2026-06-05T11:02:08Z</updated>
    <published>2026-06-02T00:00:00Z</published>
    <summary type="text">Title: Implementación de un prototipo de descargas múltiples para caracterización de baterías LI-ION
Authors: Pozo Chiscueth, Alexis Antonio
Abstract: El presente trabajo de integración curricular desarrolla el diseño e implementación de un prototipo de descargas múltiples para la caracterización simultánea de hasta tres baterías Li-ion tipo 18650. La investigación surge ante la necesidad de disponer de herramientas accesibles para evaluar el estado de las baterías en aplicaciones de almacenamiento energético y su posible reutilización. El sistema integra un microcontrolador Arduino Mega para la adquisición de datos y una interfaz gráfica en MATLAB/App Designer, permitiendo la visualización y almacenamiento en tiempo real de parámetros como voltaje, corriente y temperatura. La metodología adoptó un enfoque descriptivo–experimental, realizando pruebas de descarga controlada en un rango del 10% al 200% de la capacidad nominal. Los resultados evidencian una alta concordancia con la curva de referencia técnica, validando la precisión y confiabilidad del prototipo. Asimismo, se identificó una relación directa entre la tasa de descarga y el incremento térmico, alcanzando hasta 50 °C en condiciones de máxima exigencia, lo que posiciona al monitoreo térmico como un indicador relevante del Estado de Salud (SoH). En conjunto, el dispositivo se consolida como una herramienta de diagnóstico no invasiva, técnica y económicamente viable, que establece una base sólida para estudios futuros sobre vida útil remanente y aplicaciones de segunda vida.</summary>
    <dc:date>2026-06-02T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Análisis de la aplicación e impacto de las herramientas de inteligencia artificial en Ingeniería Eléctrica. Estudio del estado del arte</title>
    <link rel="alternate" href="https://repositorio.utn.edu.ec/handle/123456789/19801" />
    <author>
      <name>Guaman Pabon, Fernanda Abigail</name>
    </author>
    <id>https://repositorio.utn.edu.ec/handle/123456789/19801</id>
    <updated>2026-06-02T11:02:44Z</updated>
    <published>2026-05-26T00:00:00Z</published>
    <summary type="text">Title: Análisis de la aplicación e impacto de las herramientas de inteligencia artificial en Ingeniería Eléctrica. Estudio del estado del arte
Authors: Guaman Pabon, Fernanda Abigail
Abstract: Los múltiples desafíos que enfrentan los sistemas eléctricos modernos y la necesidad de mejorar la eficiencia operativa y automatización de procesos han impulsado el uso de herramientas de inteligencia artificial dentro de la ingeniería eléctrica. Sin embargo, existe una dispersión significativa de información sobre las herramientas o técnicas más utilizadas, sus aplicaciones y el impacto que genera en este campo. En este contexto, el presente trabajo de grado tiene como propósito analizar el estado del arte sobre la aplicación y contribución de las herramientas de inteligencia artificial en la ingeniería eléctrica. La metodología empleada corresponde a un análisis bibliométrico y documental basado en la recopilación, clasificación y evaluación de artículos científicos indexados en las bases de datos académicas de Scopus y Web of Science. Para el procesamiento y visualización de la información se utilizaron herramientas de análisis científico que permitieron identificar tendencias de investigación, autores relevantes, herramientas más utilizadas y áreas de aplicación dentro del área eléctrica. Los resultados evidencian que técnicas como redes neuronales, aprendizaje automático, lógica difusa y algoritmos evolutivos han sido ampliamente utilizados en aplicaciones relacionadas con detección de fallas, predicción de demanda energética, control de sistemas eléctricos, mantenimientos predictivos e integración de energías renovables, consolidándose como herramientas clave para la modernización de los sistemas eléctricos, contribuyendo a mejorar la eficiencia operativa, la automatización de procesos y la toma de decisiones en el sector energético.</summary>
    <dc:date>2026-05-26T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Evaluación experimental de la densidad de potencia en las baterías de plomo-ácido con aditivos de carbono</title>
    <link rel="alternate" href="https://repositorio.utn.edu.ec/handle/123456789/19723" />
    <author>
      <name>Carvajal Méndez, Cristhian Ismael</name>
    </author>
    <id>https://repositorio.utn.edu.ec/handle/123456789/19723</id>
    <updated>2026-05-15T11:02:24Z</updated>
    <published>2026-05-12T00:00:00Z</published>
    <summary type="text">Title: Evaluación experimental de la densidad de potencia en las baterías de plomo-ácido con aditivos de carbono
Authors: Carvajal Méndez, Cristhian Ismael
Abstract: La presente investigación evaluó experimentalmente la densidad de potencia en baterías de plomo-ácido de 12 V y 7 Ah mediante la incorporación de nanografeno como aditivo de carbono. Para el ensayo se trabajó con tres configuraciones: una batería de referencia sin modificación, una batería con nanografeno disperso en el electrolito y una batería con nanografeno aplicado en las placas negativas. La comparación se realizó a partir de los registros de voltaje, corriente y densidad de potencia obtenidos durante ciclos repetidos de carga y descarga. La metodología incluyó la preparación de las mezclas, la verificación inicial del electrolito mediante mediciones de pH y TDS, y la revisión de la dispersión del aditivo mediante espectrofotometría UV-Vis. Posteriormente, las baterías fueron evaluadas con un sistema automatizado basado en Arduino Mega 2560, sensores de corriente, módulo PZEM-017, relés y almacenamiento de datos en tarjeta SD. Además, se realizó una observación de las placas con estereomicroscopio antes y después de los ciclos, con el fin de relacionar el comportamiento eléctrico con los cambios visibles en el material activo. Los resultados mostraron que la batería modificada en las placas negativas presentó una descarga más estable, con una caída de voltaje menos pronunciada y una entrega de corriente más sostenida frente a la batería de referencia. La batería con aditivo en el electrolito presentó mejoras moderadas, aunque su respuesta fue más cercana a la configuración sin modificación. El análisis microscópico permitió observar que las placas negativas modificadas conservaron una superficie más homogénea después de los ciclos, mientras que la batería de referencia presentó mayor irregularidad y signos de desgaste superficial. En conjunto, se concluye que el nanografeno puede favorecer el desempeño de las baterías de plomo-ácido, especialmente cuando se incorpora directamente en las placas negativas.</summary>
    <dc:date>2026-05-12T00:00:00Z</dc:date>
  </entry>
</feed>

