1. Trabajos conducentes a grados y títulos
URI permanente para esta comunidadhttps://hdl.handle.net/20.500.12640/4150
Examinar
2 resultados
Resultados de la búsqueda
Ítem Acceso Abierto Evaluación técnica y económica de un parque eólico offshore para atender la demanda eléctrica de grandes usuarios mediante acuerdos de compra de energía, pacifico norte del Perú(Universidad ESAN, 2024) Sosa Tapia, Jhonathan Alexander; Hilario Villayonga, Bernaeht Daniel; Loayza Taco, Edwin CristhianSe proyecta una participación de 7,37 % en la producción de energía eléctrica RER al 2030, se propuso una potencia instalada de 500 MW en el área “X” que cuenta con una potencia eólica disponible promedio de 5 MW a 100 de altura y una densidad de potencia promedio de 325,03 W/m2, una velocidad promedio de 7,52 m/s, el proyecto tiene un precio de 3,71 US$/TnCO2. La energía firme es de 1 312 993,85 MWh (70%) que será para atender la demanda eléctrica mediante un modelo PPA y como segunda propuesta mediante una Subasta, 562 711,65 MWh (30%) para atender la demanda en el mercado Spot. Para el PPA, el análisis económico se realizó con una rentabilidad 12 %, se obtuvo un TIRe de 8,62 % y VANe de -179,27 millones de dólares, en el análisis financiero se obtuvo un TIRf de 10,8 % y VANf de -83,57 millones de dólares, una APV de -90,1 millones de dólares. Para la Subasta RER se obtuvo un TIRe de 14 % y VANe de 116,78 millones de dólares, referente al análisis financiero se obtuvo TIRf de 20 % y VANf de 295,12 millones de dólares, una APV de 206,0 millones de dólares.Ítem Acceso Abierto Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla(Universidad ESAN, 2022) Bustinza Barrial, Alexis Alfredo; Bautista Abanto, Anghy Mabel; Alva Alfaro, Diego Alexis; Villena Sotomayor, Giovanni Mauricio; Trujillo Sabrera, Jeanpiere ManuelNexa Resources Cajamarquilla es una empresa dedicada a la extracción, tratamiento y transformación de metales. Actualmente, el precio de metales eco amigables viene en aumento debido a las restricciones en el transporte marítimo de combustibles desde Rusia, por lo que se han incrementado los costos de petróleo, gasolina y otros. Las operaciones de las empresas que dependen de energía eléctrica generada por estos combustibles ha aumentado, es en este sentido que se ha propuesto disminuir su consumo de energía eléctrica aplicando herramientas de Machine Learning para pronosticar sus puntos máximos de demanda de energía y poder dosificar su producción. En el presente estudio se aplicó una metodología basada en una estructura cuantitativa relacionando de dos a más variables con un diseño experimental, la variable dependiente y a predecir es el consumo de energía la cual dependerá de periodos de tiempo y tipo de días de la semana (festivo, laborables). Finalmente, los resultados nos ayudaron a elaborar un modelo matemático que nos ayuda a conocer el comportamiento de la demanda de energía; por lo tanto, se pueden anticipar los consumos máximos y de esta manera dosificar su uso para reducir costos y efectos secundarios en los procesos de producción.
