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...

Descripción completa

Detalles Bibliográficos
Autor: Huillca Surco, Marco Antonio
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).