Desarrollo de un sistema automatizado del cálculo de la norma DGE Reintegros y Recuperos de energía eléctrica en C# aplicando SVR caso concesionaria de distribución - Cusco
Descripción del Articulo
La presente investigación tiene como objetivo principal desarrollar un sistema automatizado para el cálculo de Reintegros y Recuperos de Energía Eléctrica, conforme a la normativa de la Dirección General de Electricidad (DGE), utilizando el lenguaje de programación C# y el algoritmo de Machine Learn...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2025 |
| Institución: | Universidad Nacional de San Agustín |
| Repositorio: | UNSA-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.unsa.edu.pe:20.500.12773/21126 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12773/21126 |
| Nivel de acceso: | acceso abierto |
| Materia: | Machine Learning SVR (Support Vector Regression) Dirección General de Electricidad (DGE) https://purl.org/pe-repo/ocde/ford#2.02.01 |
| id |
UNSA_d5e5a8167e1bc0090470ccabc1b26d6b |
|---|---|
| oai_identifier_str |
oai:repositorio.unsa.edu.pe:20.500.12773/21126 |
| network_acronym_str |
UNSA |
| network_name_str |
UNSA-Institucional |
| repository_id_str |
4847 |
| spelling |
Ticona Huilca, Lucy GianninaHuillca Surco, Marco Antonio2025-10-23T16:16:23Z2025-10-23T16:16:23Z2025La presente investigación tiene como objetivo principal desarrollar un sistema automatizado para el cálculo de Reintegros y Recuperos de Energía Eléctrica, conforme a la normativa de la Dirección General de Electricidad (DGE), utilizando el lenguaje de programación C# y el algoritmo de Machine Learning SVR (Support Vector Regression). Actualmente, estos cálculos se desarrollan principalmente mediante procedimientos convencionales, lo cual representa una oportunidad de mejora en términos de precisión, eficiencia operativa y cumplimiento normativo. Esta propuesta está orientada a ser implementada en una concesionaria de distribución de energía eléctrica en la ciudad del Cusco, contribuyendo así a optimizar los procesos técnicos y regulatorios de la empresa. Se analizó el procedimiento actual, identificando aspectos susceptibles de optimización, particularmente en relación con la trazabilidad, tiempos de respuesta y exactitud en los resultados. A partir de ello, se desarrolló un sistema automatizado que integra el algoritmo SVR, permitiendo una estimación más precisa de los valores involucrados en los procesos de cálculo. La aplicación de esta técnica de aprendizaje automático ha demostrado ser efectiva para reducir la variabilidad de resultados y minimizar errores asociados al procesamiento manual. Los resultados muestran una disminución significativa en errores técnicos y económicos, junto con una mejora en la eficiencia de los cálculos y mayor confiabilidad en la gestión de reintegros y recuperos. Además, se fortaleció la capacidad de respuesta ante auditorías y supervisiones. En conclusión, la solución basada en SVR representa una herramienta técnica viable y escalable, alineada con las necesidades del sector eléctrico, que contribuye a una gestión más eficiente y precisa.application/pdfhttps://hdl.handle.net/20.500.12773/21126spaUniversidad Nacional de San Agustín de ArequipaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional de San Agustín de ArequipaRepositorio Institucional - UNSAreponame:UNSA-Institucionalinstname:Universidad Nacional de San Agustíninstacron:UNSAMachine LearningSVR (Support Vector Regression)Dirección General de Electricidad (DGE)https://purl.org/pe-repo/ocde/ford#2.02.01Desarrollo de un sistema automatizado del cálculo de la norma DGE Reintegros y Recuperos de energía eléctrica en C# aplicando SVR caso concesionaria de distribución - Cuscoinfo:eu-repo/semantics/bachelorThesisSUNEDU40472693https://orcid.org/0000-0001-8403-976X47523486711046Chirinos Apaza, Luis AdrianTicona Huilca, Lucy GianninaMercado Alania, Luis Albertohttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisIngeniería EléctricaUniversidad Nacional de San Agustín de Arequipa.Facultad de Ingeniería de Producción y ServiciosIngeniero ElectricistaORIGINALTesis.pdfapplication/pdf14584268https://repositorio.unsa.edu.pe/bitstreams/cea9637e-304b-474a-a664-95ec37664d55/download82e93dfce4fdc173b724ee9fe82201a2MD51Reporte de Similitud.pdfapplication/pdf14675566https://repositorio.unsa.edu.pe/bitstreams/096cadc2-c3dc-4784-9b44-3d2342a4798c/download7551b049dc609508419ef18aba7f4a64MD52Autorización de Publicación Digital.pdfapplication/pdf1159968https://repositorio.unsa.edu.pe/bitstreams/c1af2bc4-9999-4355-b061-d81296ab7971/download54f81a6155983224cf52e5b9a96dc55aMD5320.500.12773/21126oai:repositorio.unsa.edu.pe:20.500.12773/211262025-10-23 11:16:58.012http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttps://repositorio.unsa.edu.peRepositorio Institucional UNSAvridi.gestioninformacion@unsa.edu.pe |
| dc.title.es.fl_str_mv |
Desarrollo de un sistema automatizado del cálculo de la norma DGE Reintegros y Recuperos de energía eléctrica en C# aplicando SVR caso concesionaria de distribución - Cusco |
| title |
Desarrollo de un sistema automatizado del cálculo de la norma DGE Reintegros y Recuperos de energía eléctrica en C# aplicando SVR caso concesionaria de distribución - Cusco |
| spellingShingle |
Desarrollo de un sistema automatizado del cálculo de la norma DGE Reintegros y Recuperos de energía eléctrica en C# aplicando SVR caso concesionaria de distribución - Cusco Huillca Surco, Marco Antonio Machine Learning SVR (Support Vector Regression) Dirección General de Electricidad (DGE) https://purl.org/pe-repo/ocde/ford#2.02.01 |
| title_short |
Desarrollo de un sistema automatizado del cálculo de la norma DGE Reintegros y Recuperos de energía eléctrica en C# aplicando SVR caso concesionaria de distribución - Cusco |
| title_full |
Desarrollo de un sistema automatizado del cálculo de la norma DGE Reintegros y Recuperos de energía eléctrica en C# aplicando SVR caso concesionaria de distribución - Cusco |
| title_fullStr |
Desarrollo de un sistema automatizado del cálculo de la norma DGE Reintegros y Recuperos de energía eléctrica en C# aplicando SVR caso concesionaria de distribución - Cusco |
| title_full_unstemmed |
Desarrollo de un sistema automatizado del cálculo de la norma DGE Reintegros y Recuperos de energía eléctrica en C# aplicando SVR caso concesionaria de distribución - Cusco |
| title_sort |
Desarrollo de un sistema automatizado del cálculo de la norma DGE Reintegros y Recuperos de energía eléctrica en C# aplicando SVR caso concesionaria de distribución - Cusco |
| author |
Huillca Surco, Marco Antonio |
| author_facet |
Huillca Surco, Marco Antonio |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Ticona Huilca, Lucy Giannina |
| dc.contributor.author.fl_str_mv |
Huillca Surco, Marco Antonio |
| dc.subject.es.fl_str_mv |
Machine Learning SVR (Support Vector Regression) Dirección General de Electricidad (DGE) |
| topic |
Machine Learning SVR (Support Vector Regression) Dirección General de Electricidad (DGE) https://purl.org/pe-repo/ocde/ford#2.02.01 |
| dc.subject.ocde.none.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.02.01 |
| description |
La presente investigación tiene como objetivo principal desarrollar un sistema automatizado para el cálculo de Reintegros y Recuperos de Energía Eléctrica, conforme a la normativa de la Dirección General de Electricidad (DGE), utilizando el lenguaje de programación C# y el algoritmo de Machine Learning SVR (Support Vector Regression). Actualmente, estos cálculos se desarrollan principalmente mediante procedimientos convencionales, lo cual representa una oportunidad de mejora en términos de precisión, eficiencia operativa y cumplimiento normativo. Esta propuesta está orientada a ser implementada en una concesionaria de distribución de energía eléctrica en la ciudad del Cusco, contribuyendo así a optimizar los procesos técnicos y regulatorios de la empresa. Se analizó el procedimiento actual, identificando aspectos susceptibles de optimización, particularmente en relación con la trazabilidad, tiempos de respuesta y exactitud en los resultados. A partir de ello, se desarrolló un sistema automatizado que integra el algoritmo SVR, permitiendo una estimación más precisa de los valores involucrados en los procesos de cálculo. La aplicación de esta técnica de aprendizaje automático ha demostrado ser efectiva para reducir la variabilidad de resultados y minimizar errores asociados al procesamiento manual. Los resultados muestran una disminución significativa en errores técnicos y económicos, junto con una mejora en la eficiencia de los cálculos y mayor confiabilidad en la gestión de reintegros y recuperos. Además, se fortaleció la capacidad de respuesta ante auditorías y supervisiones. En conclusión, la solución basada en SVR representa una herramienta técnica viable y escalable, alineada con las necesidades del sector eléctrico, que contribuye a una gestión más eficiente y precisa. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-10-23T16:16:23Z |
| dc.date.available.none.fl_str_mv |
2025-10-23T16:16:23Z |
| dc.date.issued.fl_str_mv |
2025 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
bachelorThesis |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12773/21126 |
| url |
https://hdl.handle.net/20.500.12773/21126 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.es.fl_str_mv |
Universidad Nacional de San Agustín de Arequipa |
| dc.publisher.country.none.fl_str_mv |
PE |
| dc.source.es.fl_str_mv |
Universidad Nacional de San Agustín de Arequipa Repositorio Institucional - UNSA |
| dc.source.none.fl_str_mv |
reponame:UNSA-Institucional instname:Universidad Nacional de San Agustín instacron:UNSA |
| instname_str |
Universidad Nacional de San Agustín |
| instacron_str |
UNSA |
| institution |
UNSA |
| reponame_str |
UNSA-Institucional |
| collection |
UNSA-Institucional |
| bitstream.url.fl_str_mv |
https://repositorio.unsa.edu.pe/bitstreams/cea9637e-304b-474a-a664-95ec37664d55/download https://repositorio.unsa.edu.pe/bitstreams/096cadc2-c3dc-4784-9b44-3d2342a4798c/download https://repositorio.unsa.edu.pe/bitstreams/c1af2bc4-9999-4355-b061-d81296ab7971/download |
| bitstream.checksum.fl_str_mv |
82e93dfce4fdc173b724ee9fe82201a2 7551b049dc609508419ef18aba7f4a64 54f81a6155983224cf52e5b9a96dc55a |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UNSA |
| repository.mail.fl_str_mv |
vridi.gestioninformacion@unsa.edu.pe |
| _version_ |
1850325035700453376 |
| score |
13.856838 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).