Evaluación del proceso de balance de energía utilizando redes neuronales en el alimentador QU-02 del sistema de distribución eléctrica de Cusco al año 2025

• Autores: Huayllani Calatayud, Leydi Elizabeth, Quintanilla Zeron, Jhojan Luis
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/12043
• Enlace del recurso: https://hdl.handle.net/20.500.12918/12043
• Nivel de acceso: acceso abierto
• Materia: Balance de energía; Redes neuronales artificiales; Pérdidas eléctricas; Sistema de distribución; https://purl.org/pe-repo/ocde/ford#2.02.01

La investigación, se centra en la optimización del balance de energía dentro del alimentador QU02, perteneciente al sistema de distribución eléctrica de Cusco. En el sector eléctrico, el balance de energía no es solo un registro contable, sino un pilar fundamental para la gestión técnica, operativa y económica. Una estimación precisa de las pérdidas permite a las empresas concesionarias tomar decisiones informadas sobre inversión y mantenimiento; sin embargo, el método tradicional de facturación preliminar ha demostrado ser ineficiente. Este sistema convencional arroja márgenes de error críticos que no reflejan la realidad operativa, derivando en procesos de "sinceramiento" que agotan innecesariamente el tiempo y los recursos institucionales. Para mitigar esta problemática, se propone la implementación de Redes Neuronales. Mediante un enfoque cuantitativo, se analizó una muestra del sistema de media tensión, utilizando herramientas de alta precisión, supervisión directa y bases de datos. El objetivo principal fue contrastar la eficacia del modelo de inteligencia artificial frente a las metodologías manuales o estadísticas básicas utilizadas históricamente. Los hallazgos revelaron un sinceramiento en la precisión de los datos. El método tradicional reportaba pérdidas desproporcionadas de entre 20.96% y 28.12%, mientras que el modelo de RNA ajustó estas cifras a un rango real de 2.90% a 9.09%. Esta corrección permitió identificar y recuperar 35,698.21 kWh de energía que antes se consideraba perdida o no contabilizada. En conclusión, la integración de redes neuronales garantiza una mayor confiabilidad de la información, mejora la rentabilidad, posicionando al sistema de Cusco hacia una eficiencia operativa de vanguardia.