1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Electricidad

Título :	Diseño de topología de sistemas de distribución desde cero utilizando parámetros iniciales y ChatGPT con validación mediante OpenDSS
Autor :	Ugarte Vega, Luis Fernando, Director Jiménez Arosemena, Juan Sebastián Salavarría Tutivén, Jordy Alexander
Palabras clave :	Sistemas de Distribución Inteligencia artificial ChatGPT
Fecha de publicación :	2024
Editorial :	ESPOL.FIEC
Citación :	Jiménez Arosemena, J. S. y Salavarría Tutivén, J. A. (2024). Diseño de topología de sistemas de distribución desde cero utilizando parámetros iniciales y ChatGPT con validación mediante OpenDSS. [Proyecto Integrador]. ESPOL.FIEC .
Descripción :	Este proyecto explora la modernización de los sistemas de distribución eléctrica mediante la integración de la inteligencia artificial (IA), específicamente a través de herramientas como ChatGPT y OpenDSS. El objetivo es abordar los desafíos de falta de datos precisos en los sistemas de distribución eléctrica, utilizando la IA para generar datos sintéticos que mejoren la precisión de los análisis. En el desarrollo del proyecto, se implementaron datos sintéticos en diferentes escenarios de operación. Estos datos se integraron con OpenDSS, facilitando análisis más detallados y precisos del flujo de carga en redes eléctricas. Este enfoque permitió superar las limitaciones de los datos reales. Los resultados obtenidos demuestran la eficacia del uso de la IA en campos tradicionales como la ingeniería. Se analizaron varios casos de estudio, desde sistemas sencillos hasta redes de gran tamaño y complejidad, utilizando conversaciones con ChatGPT 4 para modelar y optimizar estos sistemas. La validación mediante OpenDSS confirmó la aplicabilidad de los modelos generados por IA, destacando mejoras significativas en la precisión y eficiencia. Por último, este trabajo destaca el potencial de la IA, especialmente de ChatGPT, en la mejora de los sistemas de distribución eléctrica. La combinación de datos sintéticos generados por IA y su validación a través de OpenDSS ofrece un camino prometedor hacia sistemas eléctricos más eficientes y fiables, a pesar de los desafíos técnicos y regulatorios que implica su implementación. Palabras Clave: ChatGPT, OpenDSS, Sistemas de Distribución, Inteligencia artificial
metadata.dc.description.abstractenglish:	This project explores the modernization of electrical distribution systems through the integration of artificial intelligence (AI), specifically through tools like ChatGPT and OpenDSS. The goal is to address the challenges of lacking accurate data in electrical distribution systems, using AI to generate synthetic data that improves the accuracy of analyses. In the development of the project, synthetic data were implemented in different operating scenarios. These data were integrated with OpenDSS, facilitating more detailed and accurate analyses of load flow in electrical networks. This approach allowed overcoming the limitations of real data. The results demonstrate the effectiveness of using AI in traditional fields such as engineering. Various case studies were analyzed, from simple systems to large and complex networks, using conversations with ChatGPT 4 to model and optimize these systems. The validation through OpenDSS confirmed the applicability of the AI-generated models, highlighting significant improvements in precision and efficiency. Lastly, this work highlights the potential of AI, especially ChatGPT, in improving electrical distribution systems. The combination of synthetic data generated by AI and its validation through OpenDSS offers a promising path towards more efficient and reliable electrical systems, despite the technical and regulatory challenges involved in their implementation. Keywords: ChatGPT, OpenDSS, Distribution Systems, Artificial intelligence
URI :	http://www.dspace.espol.edu.ec/handle/123456789/60517
metadata.dc.identifier.codigoproyectointegrador:	INGE-2378
Aparece en las colecciones:	Tesis de Electricidad

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.