Metodología de regresión lineal con Machine Learning para la compensación de la energía reactiva en instalaciones industriales

• Autores: Gomez Enrique, Juan Luis, Sanchez Calvay, Neyser Edgar
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/149930
• Enlace del recurso: https://hdl.handle.net/20.500.12692/149930
• Nivel de acceso: acceso abierto
• Materia: Regresión; Lineal; Compensación; Reactiva; Machine; Learning; https://purl.org/pe-repo/ocde/ford#2.03.01

En este estudio, se planteó como meta desarrollar un enfoque de regresión lineal con Machine Learning para la compensación de energía reactiva en instalaciones industriales. Se adoptó una metodología de investigación aplicada con un diseño no experimental, empleando variables cuantitativas. Para alcanzar el objetivo, se examinaron las características del suministro eléctrico mediante un analizador de redes, luego se procesó los datos recopilados en Matlab, aplicando la metodología de Machine Learning. En base a los datos recopilados, se dimensionó un banco de condensadores, obteniendo una compensación de energía reactiva de 202.50 kVAR y un factor de potencia de 0.97. Finalmente, se evaluó la viabilidad del proyecto, utilizando el beneficio obtenido y la inversión necesaria para la ejecución del proyecto. Los resultados indicaron que la propuesta de compensación de energía reactiva es altamente factible.