Hybrid photovoltaic (PV) and thermoelectric generator (TEG) systems combine heat and light energy harvesting in a single module by utilizing the entire solar spectrum. This work analyzed the feasibility and performance of a hybrid photovoltaic–thermoelectric generator system with efficient thermal management by integrating heat pipe (HP), radiative cooling (RC), and heat sink (HS) systems. The proposed system effectively reduces the PV operation temperature by evacuating the residual heat used in the TEG system to generate an additional amount of electricity. The remaining heat is evacuated from the TEG’s cold side to the atmosphere using RC and HS systems. This study also analyzed the inclusion of two TEG arrays on both sides of the HP condenser section. This numerical analysis was performed using COMSOL Multiphysics 5.5 software and was validated by previous analysis. The performance was evaluated through an energy and exergy analysis of the TEG and PV systems. Enhancing the thermal management of the hybrid PV-TEG system can increase energy production by 2.4% compared to a PV system operating under the same ambient and solar radiation conditions. Furthermore, if the proposed system includes a second array of TEG modules, the energy production increases by 5.8% compared to the PV system. The exergy analysis shows that the enhancement in the thermal management of the PV operating temperature decreases the thermal exergy efficiency of the proposed system but increases the electricity exergy efficiency. Including TEG modules on both sides of the condenser section of the HP shows the system’s best thermal and electrical performance. These results may be helpful for the optimal design of realistic solar-driven hybrid systems for globally deserted locations.

El estrés hídrico representa una de las principales limitaciones para la productividad del café en regiones tropicales. Este estudio desarrolló un sistema de predicción de estrés hídrico basado en sensores IoT y algoritmos de machine learning para cultivos de café en el Centro Experimental Sacha Wiwa, Ecuador. Se implementó una red de sensores inalámbricos (Ecowitt) que monitoreó 16 variables ambientales durante 8 meses (octubre 2023 - mayo 2024), recopilando 2,920 observaciones con 82.3% de disponibilidad de datos. Se desarrolló un modelo Random Forest para clasificar el estrés hídrico en tres categorías: sin estrés (>65% humedad del suelo), estrés moderado (40-65%) y estrés severo (31°C. El sistema demostró capacidad predictiva de 2-3 días, proporcionando tiempo suficiente para implementar medidas preventivas. Los resultados validan la viabilidad de tecnologías IoT para agricultura de precisión en regiones tropicales, estableciendo bases metodológicas para sistemas de alerta temprana en cultivos de café.

La aceleración del cambio climático y sus efectos adversos en el medio ambiente generaron una creciente preocupación a nivel global. Este estudio analizó la contribución de los sistemas fotovoltaicos conectados a la red eléctrica (GCPV) en la reducción de las emisiones de CO2, destacando los beneficios económicos y ambientales asociados. La investigación se basó en datos empíricos y en una revisión exhaustiva de la literatura reciente. Los resultados mostraron que la capacidad instalada de sistemas fotovoltaicos aumentó significativamente, de 500 GW en 2019 a 1,100 GW en 2023, lo que llevó a una reducción de las emisiones de CO2 de 350 millones de toneladas a 770 millones de toneladas en el mismo período. Este crecimiento fue impulsado por la disminución de los costos de instalación y mantenimiento, así como por mejoras en la eficiencia de los módulos fotovoltaicos. A pesar de los beneficios, la integración de GCPV presentó desafíos técnicos, como la intermitencia de la generación solar y la necesidad de infraestructura adecuada. Las políticas gubernamentales y los incentivos fiscales son políticas primordiales para la adopción de esta tecnología. Sin embargo, se requirió una mayor inversión en tecnologías de almacenamiento de energía y modernización de la infraestructura de red para superar estos obstáculos.

Esta investigación analizó el impacto de la adopción de nuevas tecnologías en la eficiencia energética y la sostenibilidad del sector residencial latinoamericano. Se realizó un análisis sistemático de 27 casos de estudio implementados en cinco países, empleando un marco de evaluación multidimensional que consideró aspectos económicos, ambientales y sociales. Los resultados evidenciaron que los sistemas fotovoltaicos alcanzaron la mayor reducción en consumo energético (35%), mientras que las tecnologías de iluminación eficiente presentaron el mejor retorno de inversión (1.5 años). La adopción tecnológica mostró una concentración significativa en Ecuador y Argentina (29.6% cada uno), con un incremento del 45% en implementaciones a partir de 2021. El impacto ambiental se reflejó en una reducción promedio del 32% en emisiones de CO2, aunque con variaciones regionales significativas (±6.5%). Los niveles de satisfacción de usuarios superaron el 80%, destacando la importancia de los factores sociales en el éxito de las implementaciones. La investigación demostró que la adopción de nuevas tecnologías tuvo un impacto positivo en la eficiencia energética y sostenibilidad del sector residencial, aunque su efectividad dependió de factores contextuales y del apoyo institucional.

La transición hacia fuentes de energía renovable presenta desafíos significativos para la integración con sistemas electromecánicos tradicionales. Este estudio explora estrategias tecnológicas para superar estos retos, enfocándose en sistemas de control predictivo y el uso de otras tecnologías para gestionar la variabilidad de las fuentes renovables. La metodología incluye una revisión de literatura, análisis de tendencias tecnológicas y simulaciones computacionales utilizando OpenDSS y Matlab. Los resultados demuestran que la integración de paneles solares fotovoltaicos y sistemas de almacenamiento en baterías en microrredes urbanas por medio del análisis de una simulación de un caso, mejora notablemente la estabilidad del voltaje y reduce las pérdidas de energía. El análisis revela una adopción considerable de tecnologías como inversores inteligentes, sistemas de almacenamiento de baterías, microrredes, FACTS (Sistemas de Transmisión Flexibles en CA) y PMUs (Unidades de Medición Fasorial) entre 2019 y 2024. Estas tecnologías son esenciales para la modernización de redes eléctricas, proporcionando mayor eficiencia y resiliencia. Los avances en materiales y el diseño de máquinas eléctricas, junto con la digitalización y el uso de redes inteligentes, son clave para mejorar la integración de energías renovables.

The simple regression and artificial neural network methods are techniques used in many industrial. This work developed two models in order to predict the surface roughness in dry turning of AISI 316L stainless steel. In its implementation they were considered various cutting parameters such as cutting speed, feed, and machining time. The models obtained by both methods were compared to develop a full factorial design to increase reliability of the recorded values of roughness. The analysis can be checked by the values of coefficients of determination that the proposed models are able to predict surface roughness. The obtained results show that the neural networks techniques is more accurate than the multiple regression techniques in this study.