This paper presents a process of obtaining a forecast of the demand for electricity in the Empresa Eléctrica Ambato Regional Centro Norte S.A. (EEASA) using Big Data criteria. A computational model in programming language PYTHON 3.7 was developed. Implementing an electric load projection application in which machine learning algorithms are integrated, such as Autoregressive Integrated Moving Average, Linear Regression, Support Vector Machine and the Multilayer Perceptron. Additionally, different study cases were considered as the most frequent scenarios for the generation of electric load projections such as: a week with holidays, a week with scheduled and unscheduled incidence, a week in dry season and week in rainy season, which allowed test each implemented algorithm, evaluate its results and compare them with each other by calculating the indicators of the percentage of average absolute error (PEMA) and the accuracy of the projection (EP).

Lithium-ion batteries have become a beacon in modern energy storage, powering from small electronic devices to electric vehicles (EVs) and critical medical equipment. Since their commercial introduction in the 1990s, significant advancements in materials science and engineering have enhanced battery capacity, safety, and lifespan. However, the complexity of lithium-ion battery dynamics has necessitated the development of advanced charging and control strategies to optimize performance, safety, and longevity. This work proposes a comparative analysis of three advanced control methods for lithium-ion battery charging: reinforcement learning, fuzzy logic, and classic proportional–integral–derivative (PID) control. Traditional charging methods often fail to address the complexities of battery dynamics, leading to suboptimal performance. Our study evaluates these intelligent control strategies using MATLAB-Simulink simulations to enhance charging efficiency, speed, and battery lifespan. The findings indicate that reinforcement learning offers superior adaptability, fuzzy logic provides robust handling of nonlinearity, and PID control ensures reliable performance with minimal computational resources.

Este artículo presenta los resultados de la implementación de una metodología para la estimación de los parámetros eléctricos de un generador sincrónico basada en mediciones de laboratorio y utilizando métodos de optimización no lineal, con la finalidad de mejorar la representación de la máquina sincrónica que podría ser utilizada en estudios de sistemas eléctricos de potencia. Para ello se realizaron pruebas bajo la Norma IEEE 115 en el Laboratorio de Máquinas Eléctricas de la Escuela Politécnica Nacional. Estos parámetros obtenidos constituyen el punto de partida para la herramienta de estimación de parámetros que ayudará a sintonizar la respuesta de la máquina. Luego, se aplica una perturbación eléctrica a la máquina para obtener una respuesta experimental en forma de oscilograma. La perturbación se replica en MATLAB-Simulink para obtener la respuesta simulada de la máquina en la forma de un oscilograma. La etapa final utiliza como recurso la herramienta de identificación de parámetros de MATLAB-Simulink para sintonizar los parámetros eléctricos al modelo de la máquina sincrónica. Con la aplicación de esta metodología se encuentra que la respuesta simulada del generador sincrónico mejora y reproduce adecuadamente los valores medidos.

Este artículo presenta la simulación de sistemas de puesta a tierra utilizando el método de elementos finitos FEM. La simulación se realiza con diferentes escenarios geométricos, resistividad del material, valores de corriente y lugares por donde se inyecta la corriente a la malla de puesta a tierra. El método de FEM se utiliza en tres dimensiones utilizando ANSYS como software de simulación. Para validar el modelo de simulación se utiliza un prototipo a escala real de una malla de puesta a tierra en un tanque electrolítico. Tanto la simulación como el modelo real están sujetos a las mismas condiciones. Luego se simulan 16 casos de estudio para comparar los perfiles de voltaje simulados. Todos estos resultados permiten analizar y discutir las cualidades de la configuración geométrica de la malla en diferentes escenarios. El objetivo de este proyecto es generar conocimiento aplicable para el diseño de un sistema de puesta a tierra y evaluar resultados como voltaje de paso, voltaje de contacto y GPR o aumento de potencial máximo.

Este artículo presenta la evaluación de la influencia de la altitud sobre el nivel del mar y la longitud de la cadena de aisladores en el aislamiento eléctrico de una línea de transmisión de 500 kV. Se simularon y calcularon los sobrevoltajes de tipo maniobra y de tipo atmosférico o tipo rayo mediante el método de Montecarlo para establecer la probabilidad de falla del aislamiento de una línea de transmisión de alto voltaje. Se desarrolló una rutina en MATLAB, donde se calcula y grafica la función de densidad de probabilidad del sobrevoltaje f(U) y la probabilidad de descarga del aislamiento F(U) con diferentes casos de estudio (sobrevoltajes tipo maniobra y sobrevoltajes por descargas atmosféricas) y cinco distintos escenarios para sobrevoltajes tipo rayo considerando la aleatoriedad de la naturaleza de las descargas atmosféricas. Como resultado de las simulaciones se obtienen los valores y las gráficas del riesgo de ruptura del aislamiento para cada uno de los casos de estudio.