A Gantt diagram was created for the "Project Photovoltaic Self-Consumption". The project involved researchers C. Roldan, J.A. Velasco and J. Pérez who were studying photovoltaic self-consumption.
This document summarizes stochastic optimization tools and techniques. It discusses how algebraic modeling languages can represent stochastic optimization problems and interface with solvers. It also outlines different classes of stochastic programming problems and commercially available solvers like DECIS. The document concludes by discussing challenges in stochastic programming and the need for more comprehensive examples.
Este documento presenta una introducción a la optimización y modelado matemático. Explica conceptos clave como función objetivo, variables, restricciones y métodos de resolución. Distingue entre métodos clásicos de optimización como programación lineal y metaheurísticas como algoritmos evolutivos. También describe las etapas del desarrollo de un modelo, incluyendo identificación del problema, formulación matemática, resolución, verificación y análisis de resultados.
Python en ciencia e ingenieria: lecciones aprendidasCAChemE
¿Python científico? Este es un resumen de experiencias por parte de alumnos de ingeniería química que empezaron con Python.
¡Python visto con los ojos de un novato!
http://CAChemE.org
Have you heard that Machine Learning is the next big thing?
Are you a dummy in terms of Machine Learning, and think that is a topic for mathematicians with black-magic skills?
If your response to both questions is ‘Yes’, we are in the same position.
Still, thanks to the Web, Python and OpenSource libraries, we can overcome this situation and do some interesting stuff with Machine Learning.
This document introduces the GAMS software and provides an outline of the course contents for learning GAMS. It begins with background information about the lecturer, including their education and publications. It then provides a brief introduction to GAMS, noting its capabilities for solving large-scale problems with concise code and model independence from solution methods. The remainder of the document outlines the necessity of GAMS and describes the model structure, sample code, and course contents which will include sets, parameters, variables, equations, models, solvers, outputs and more. Case studies will include hub location, supply chain, and DEA problems.
Java and Python are compared on various aspects such as verbosity, object orientation, and execution model.
Python is found to be more concise and readable than Java for many common tasks like file I/O and logical expressions. However, Java's static typing enables safer refactoring. Both support inheritance but Python allows multiple inheritance and "duck typing".
The execution model differs as well - in Python, code is executed as it is loaded while Java separates loading, initialization and execution. This makes features like monkey patching possible in Python.
In the end, the developer is more important than the language. While each has strengths, the presenter currently prefers Python for its pragmatism and conciseness.
Cómo hacer una búsqueda bibliográfica en bases de datos científicas (Scopus y...CAChemE
Este documento ofrece consejos sobre cómo realizar búsquedas bibliográficas en bases de datos científicas como Web of Science y Scopus. Explica las principales bases de datos, cómo realizar búsquedas efectivas utilizando operadores lógicos, analizar resultados y refinar búsquedas. También proporciona consejos adicionales como establecer alertas por correo y usar software de gestión bibliográfica.
Instalar Python 2.7 y 3 en Windows (Anaconda)CAChemE
¿Cómo instalar Python en Windows?
Diapositivas que explican cómo instalar paso a paso Python en Windows.
Nota: Están orientadas a científicos e ingenieros con poca experiencia en el entorno de windows.
This document summarizes stochastic optimization tools and techniques. It discusses how algebraic modeling languages can represent stochastic optimization problems and interface with solvers. It also outlines different classes of stochastic programming problems and commercially available solvers like DECIS. The document concludes by discussing challenges in stochastic programming and the need for more comprehensive examples.
Este documento presenta una introducción a la optimización y modelado matemático. Explica conceptos clave como función objetivo, variables, restricciones y métodos de resolución. Distingue entre métodos clásicos de optimización como programación lineal y metaheurísticas como algoritmos evolutivos. También describe las etapas del desarrollo de un modelo, incluyendo identificación del problema, formulación matemática, resolución, verificación y análisis de resultados.
Python en ciencia e ingenieria: lecciones aprendidasCAChemE
¿Python científico? Este es un resumen de experiencias por parte de alumnos de ingeniería química que empezaron con Python.
¡Python visto con los ojos de un novato!
http://CAChemE.org
Have you heard that Machine Learning is the next big thing?
Are you a dummy in terms of Machine Learning, and think that is a topic for mathematicians with black-magic skills?
If your response to both questions is ‘Yes’, we are in the same position.
Still, thanks to the Web, Python and OpenSource libraries, we can overcome this situation and do some interesting stuff with Machine Learning.
This document introduces the GAMS software and provides an outline of the course contents for learning GAMS. It begins with background information about the lecturer, including their education and publications. It then provides a brief introduction to GAMS, noting its capabilities for solving large-scale problems with concise code and model independence from solution methods. The remainder of the document outlines the necessity of GAMS and describes the model structure, sample code, and course contents which will include sets, parameters, variables, equations, models, solvers, outputs and more. Case studies will include hub location, supply chain, and DEA problems.
Java and Python are compared on various aspects such as verbosity, object orientation, and execution model.
Python is found to be more concise and readable than Java for many common tasks like file I/O and logical expressions. However, Java's static typing enables safer refactoring. Both support inheritance but Python allows multiple inheritance and "duck typing".
The execution model differs as well - in Python, code is executed as it is loaded while Java separates loading, initialization and execution. This makes features like monkey patching possible in Python.
In the end, the developer is more important than the language. While each has strengths, the presenter currently prefers Python for its pragmatism and conciseness.
Cómo hacer una búsqueda bibliográfica en bases de datos científicas (Scopus y...CAChemE
Este documento ofrece consejos sobre cómo realizar búsquedas bibliográficas en bases de datos científicas como Web of Science y Scopus. Explica las principales bases de datos, cómo realizar búsquedas efectivas utilizando operadores lógicos, analizar resultados y refinar búsquedas. También proporciona consejos adicionales como establecer alertas por correo y usar software de gestión bibliográfica.
Instalar Python 2.7 y 3 en Windows (Anaconda)CAChemE
¿Cómo instalar Python en Windows?
Diapositivas que explican cómo instalar paso a paso Python en Windows.
Nota: Están orientadas a científicos e ingenieros con poca experiencia en el entorno de windows.
Optimizacion con Python (Pyomo vs GAMS vs AMPL)CAChemE
https://www.youtube.com/watch?v=LfBGGTUdbXU
La optimización o programación matemática mediante lenguajes de modelado algebraico ---comúnmente GAMS, AMPL y AIMMS--- es utilizada en la industria para la resolución de diferentes problemas que van desde la selección óptima de equipos y recursos a la gestión logística de una empresa. Pyomo es un paquete de software de código abierto ---licenciado bajo BSD por Sandia National Laboratories, USA--- desarrollado en Python, y que soporta un conjunto diverso de capacidades de optimización para la formulación y el análisis de modelos de optimización. En particular, Pyomo permite el modelado de problemas tipo LP, QP, NP, MILP, MINLP, MISP entre otros y se comunica con los principales solvers comerciales, gratuitos y/o libres, así como la plataforma ofrecida por NEOS server. La resolución mediante métodos de optimización ---comunes en un ámbito de investigación científica--- son a menudo desconocidos en la industria o bien delegados por falta de tiempo y/o recursos. Por tanto, su resolución acaba siendo mediante métodos menos eficientes que resultan en formas de trabajo con condiciones sustancialmente mejorables. Por este motivo, en esta charla, estudiantes de ingeniería química de la Universidad de Alicante realizarán una introducción visual a conceptos de optimización, presentarán Pyomo y mostrarán la resolución de casos de estudio de diferentes industrias mediante este lenguaje de modelado algebraico desarrollado en Python.
Simulador de reactores químicos - COCO Simulator - FreeCAChemE
Quinta sesión del curso de iniciación a la simulación de procesos químicos con COCO Simulator y ChemSep
COCO Simulator
Simulación de reactores químicos con COCO (CORN+COUSCUS)
Reactor de conversión fija
Reactor de Flujo Pistón (RFP) con COCO
Producción de etilenglicol
Reactor contínuo de tanque agitado (RCTA) con COCO
Simulación de columnas de destilación multicomponente con COCO+ChemSep (alter...CAChemE
COCO Simulator en combinación con ChemSep permite la simulación de procesos químicos de forma gratuita y se presenta como alternativa a Aspen y ChemCAD. Este curso presencial mostrará su descarga e instalación así como la resolución de ejemplos de menor a mayor grado de complejidad.
Simulación de reactores químicos con octaveCAChemE
Este documento presenta una sesión sobre resolución de problemas de reactores discontinuos agitados (RDTA) usando balances de materia y energía en Octave/Matlab. Incluye tres ejemplos de llenado de tanques, uno con reacciones en serie, y dos problemas sobre RDTA isotermo y no isotermo. Explica cómo modelar y resolver estos problemas mediante ecuaciones diferenciales ordinarias y representar gráficamente los resultados.
S1 - Process product optimization using design experiments and response surfa...CAChemE
An intensive practical course mainly for PhD-students on the use of designs of experiments (DOE) and response surface methodology (RSM) for optimization problems. The course covers relevant background, nomenclature and general theory of DOE and RSM modelling for factorial and optimisation designs in addition to practical exercises in Matlab. Due to time limitations, the course concentrates on linear and quadratic models on the k≤3 design dimension. This course is an ideal starting point for every experimental engineering wanting to work effectively, extract maximal information and predict the future behaviour of their system.
Mikko Mäkelä (DSc, Tech) is a postdoctoral fellow at the Swedish University of Agricultural Sciences in Umeå, Sweden and is currently visiting the Department of Chemical Engineering at the University of Alicante. He is working in close cooperation with Paul Geladi, Professor of Chemometrics, and using DOE and RSM for process optimization mainly for the valorization of industrial wastes in laboratory and pilot scales.”
Este documento presenta dos problemas relacionados con la modelización de reactores químicos usando MATLAB-Octave. El primer problema involucra la hidrólisis de sacarosa en glucosa y fructosa usando dos reactores en serie. El segundo problema presenta las ecuaciones generales para modelizar un reactor de flujo continuo (RFP) o un reactor de mezcla completa (RCTA). Se pide calcular las longitudes de los reactores y los perfiles de concentración y temperatura para el primer problema.
Introduction to free and open source Chemical Process Simulators - (DWSIM & C...CAChemE
Learn the fundamentals of any chemical process simulator software by means of free and open source software as an alternative to Aspen, Aspen HYSYS, etc. We will be using DWSIM (open source and free) and COCO Simulator (freeware) for this course. Material is licensed under CC BY-NC-SA 3.0.
You can find more learning material for chemical engineers in http://CAChemE.org
TAGs: chemical , process , simulator , engineering , coco , dwsim , hysys , aspen , prosim , theory, software, free, open, source, flowsheet, course
Curso inciación a COCO Simulator y ChemSep - Simulación de procesos químicos ...CAChemE
COCO Simulator en combinación con ChemSep permite la simulación de procesos químicos de forma gratuita y se presenta como alternativa a Aspen y ChemCAD. Este curso presencial mostrará su descarga e instalación así como la resolución de ejemplos de menor a mayor grado de complejidad.
El uso de Python en la Ingenieria Química - Charla CompletaCAChemE
Este documento describe el uso de Python en la ingeniería química. En primer lugar, explica cómo Python puede utilizarse para resolver ecuaciones en derivadas parciales mediante paquetes como FiPy. Luego, detalla cómo Python puede utilizarse para resolver problemas de optimización como la selección de equipos y el diseño de reactores químicos mediante herramientas de programación matemática como Pyomo. Finalmente, proporciona ejemplos concretos de cómo modelar y resolver problemas típicos de logística empresarial e ingeniería de proces
Simulation of Chemical Rectors - Introduction to chemical process simulators ...CAChemE
Learn the fundamentals of any chemical process simulator software by means of free and open source software as an alternative to Aspen, Aspen HYSYS, etc. We will be using DWSIM (open source and free) and COCO Simulator (freeware) for this course. Material is licensed under CC BY-NC-SA 3.0.
You can find more learning material for chemical engineers in http://CAChemE.org
The document discusses the CONNECTIVE project, which aims to provide a technical framework and tools to foster digital transformation in rail transport and the wider transport ecosystem. It does this by developing an Interoperability Framework (IF) that enables seamless access to multimodal transport data and services in a distributed environment, and provides business intelligence tools. The IF uses semantic interoperability based on shared ontologies to allow different systems to understand each other. The IF is a key component connecting various Shift2Rail projects and transport providers. Business analytics extracted from transport data help improve services and mobility decisions. Initial results demonstrated the IF's capabilities across multiple countries and modes of transport.
Pérdidas de energía en redes de distribución en Baja Tensión – Smart GridsJose Angel Velasco
En el presente Trabajo Fin de Máster se propone una metodología de balance de carga para la obtención de pérdidas técnicas en redes de distribución en baja tensión en las que ha sido desplegada una infraestructura de telegestión (Smart Grids).
La metodología propuesta consta de tres algoritmos: flujo de cargas, cálculo de pérdidas técnicas y estimación de demanda no-telegestionada. Esta metodología es aplicable a redes de distribución en baja tensión trifásicas equilibradas.
Los tres algoritmos presentados son implementados en lenguaje de programación m de Matlab/Octave para llevar a cabo un ejemplo práctico con una red de distribución en baja tensión con consumo de tipo comercial, que incluye demanda telegestionada y no- telegestionada.
Con los datos de la topología de red, los datos proporcionados por el sistema de telegestión y las lecturas de consumo de energía de los clientes no-telegestionados, se obtienen las pérdidas técnicas producidas en la red durante un periodo de tiempo concreto.
Los resultados obtenidos son verificados mediante un estudio estadístico sobre el comportamiento de las pérdidas técnicas en redes de distribución de baja tensión.
Para ello se comienza por un estudio preliminar de los parámetros de la red de estudio que influyen en las pérdidas. Estos parámetros son modificados para comprobar cómo varían las pérdidas técnicas.
Se continua por modelar la demanda de la red de estudio mediante técnicas estocásticos, para generar un amplio conjunto de escenarios de carga y comprobar sobre la red de estudio, como las pérdidas evolucionan en cada escenario.
Se concluye el análisis estadístico mediante un análisis de la influencia de la topología de la red en las pérdidas técnicas en cualquier red de distribución de BT. Se definen los parámetros que se consideran característicos en la red de cara a las pérdidas y se realiza un análisis de sensibilidad. Tras este análisis, se emprende una simulación de Montecarlo para determinar el nivel máximo de pérdidas que se puede dar y su probabilidad asociada. Finalmente, el documento se cierra mediante una serie de conclusiones.
El documento habla sobre un master en ingeniería industrial en la Universidad Carlos III de Madrid. Se menciona una alternativa 2 para una cuestión 1 sobre fuentes de energía y se incluye una figura etiquetada como alternativa 1 para la cuestión 1.
Este documento presenta los factores clave para una bodega, incluyendo las instalaciones necesarias como oficinas, tienda, patio de carga y descarga, sala de máquinas, depósitos de fermentación, sala de barricas, línea de embotellado y laboratorio. También discute estrategias e interacciones.
Voltage magnitude varies along electrical transmission lines. As power is transmitted through lines, the voltage decreases due to losses from resistance. Line characteristics such as length, conductor size, and insulation type affect how much the voltage decreases between the source and load.
Este documento compara las simulaciones de un sistema con diferentes tiempos de muestreo. Se realizaron simulaciones con tiempos de muestreo de 0.02 segundos y 0.05 segundos y se compararon las respuestas obtenidas entre ambas simulaciones.
El documento describe los resultados de una simulación con amortiguamiento D=1 y el centro de oscilación inercial (COI) activado. La simulación encontró que el tiempo de despeje fue de 1.168 segundos y 1.167 segundos.
Se realizaron 3 ensayos con paneles solares inclinados a 30° y se resumieron los resultados en una tabla, mientras que las curvas I-V de cada panel se representaron en gráficas.
El documento presenta los planos de instalación de un sistema de energía solar térmica para agua caliente sanitaria. Incluye una perspectiva isométrica de la instalación con detalles como colectores solares, tuberías de diferentes diámetros y accesorios. El documento proporciona la información básica sobre un proyecto de fin de grado para mejorar la eficiencia energética en la edificación a través de la energía solar térmica.
The OSIRIS consortium is formed by 7 Spanish partners led by Unión Fenosa Distribución and includes research centers and industrial partners. The goal of the OSIRIS project is to optimize supervision of Spain's smart grid by maximizing functionality and data from smart meters, ensuring proper communication network monitoring, and early identification of power losses to improve quality and reduce losses. The project will analyze communication errors, define minimum smart meter monitoring needs, test new meter functionalities, and evolve energy balance and loss calculation algorithms.
Simulación de procesos de fabricación mediante elementos finitosJose Angel Velasco
En este documento se analizan los resultados obtenidos al simular procesos de fabricación mediante elementos finitos en un software comercial, en concreto en Abaqus
Optimizacion con Python (Pyomo vs GAMS vs AMPL)CAChemE
https://www.youtube.com/watch?v=LfBGGTUdbXU
La optimización o programación matemática mediante lenguajes de modelado algebraico ---comúnmente GAMS, AMPL y AIMMS--- es utilizada en la industria para la resolución de diferentes problemas que van desde la selección óptima de equipos y recursos a la gestión logística de una empresa. Pyomo es un paquete de software de código abierto ---licenciado bajo BSD por Sandia National Laboratories, USA--- desarrollado en Python, y que soporta un conjunto diverso de capacidades de optimización para la formulación y el análisis de modelos de optimización. En particular, Pyomo permite el modelado de problemas tipo LP, QP, NP, MILP, MINLP, MISP entre otros y se comunica con los principales solvers comerciales, gratuitos y/o libres, así como la plataforma ofrecida por NEOS server. La resolución mediante métodos de optimización ---comunes en un ámbito de investigación científica--- son a menudo desconocidos en la industria o bien delegados por falta de tiempo y/o recursos. Por tanto, su resolución acaba siendo mediante métodos menos eficientes que resultan en formas de trabajo con condiciones sustancialmente mejorables. Por este motivo, en esta charla, estudiantes de ingeniería química de la Universidad de Alicante realizarán una introducción visual a conceptos de optimización, presentarán Pyomo y mostrarán la resolución de casos de estudio de diferentes industrias mediante este lenguaje de modelado algebraico desarrollado en Python.
Simulador de reactores químicos - COCO Simulator - FreeCAChemE
Quinta sesión del curso de iniciación a la simulación de procesos químicos con COCO Simulator y ChemSep
COCO Simulator
Simulación de reactores químicos con COCO (CORN+COUSCUS)
Reactor de conversión fija
Reactor de Flujo Pistón (RFP) con COCO
Producción de etilenglicol
Reactor contínuo de tanque agitado (RCTA) con COCO
Simulación de columnas de destilación multicomponente con COCO+ChemSep (alter...CAChemE
COCO Simulator en combinación con ChemSep permite la simulación de procesos químicos de forma gratuita y se presenta como alternativa a Aspen y ChemCAD. Este curso presencial mostrará su descarga e instalación así como la resolución de ejemplos de menor a mayor grado de complejidad.
Simulación de reactores químicos con octaveCAChemE
Este documento presenta una sesión sobre resolución de problemas de reactores discontinuos agitados (RDTA) usando balances de materia y energía en Octave/Matlab. Incluye tres ejemplos de llenado de tanques, uno con reacciones en serie, y dos problemas sobre RDTA isotermo y no isotermo. Explica cómo modelar y resolver estos problemas mediante ecuaciones diferenciales ordinarias y representar gráficamente los resultados.
S1 - Process product optimization using design experiments and response surfa...CAChemE
An intensive practical course mainly for PhD-students on the use of designs of experiments (DOE) and response surface methodology (RSM) for optimization problems. The course covers relevant background, nomenclature and general theory of DOE and RSM modelling for factorial and optimisation designs in addition to practical exercises in Matlab. Due to time limitations, the course concentrates on linear and quadratic models on the k≤3 design dimension. This course is an ideal starting point for every experimental engineering wanting to work effectively, extract maximal information and predict the future behaviour of their system.
Mikko Mäkelä (DSc, Tech) is a postdoctoral fellow at the Swedish University of Agricultural Sciences in Umeå, Sweden and is currently visiting the Department of Chemical Engineering at the University of Alicante. He is working in close cooperation with Paul Geladi, Professor of Chemometrics, and using DOE and RSM for process optimization mainly for the valorization of industrial wastes in laboratory and pilot scales.”
Este documento presenta dos problemas relacionados con la modelización de reactores químicos usando MATLAB-Octave. El primer problema involucra la hidrólisis de sacarosa en glucosa y fructosa usando dos reactores en serie. El segundo problema presenta las ecuaciones generales para modelizar un reactor de flujo continuo (RFP) o un reactor de mezcla completa (RCTA). Se pide calcular las longitudes de los reactores y los perfiles de concentración y temperatura para el primer problema.
Introduction to free and open source Chemical Process Simulators - (DWSIM & C...CAChemE
Learn the fundamentals of any chemical process simulator software by means of free and open source software as an alternative to Aspen, Aspen HYSYS, etc. We will be using DWSIM (open source and free) and COCO Simulator (freeware) for this course. Material is licensed under CC BY-NC-SA 3.0.
You can find more learning material for chemical engineers in http://CAChemE.org
TAGs: chemical , process , simulator , engineering , coco , dwsim , hysys , aspen , prosim , theory, software, free, open, source, flowsheet, course
Curso inciación a COCO Simulator y ChemSep - Simulación de procesos químicos ...CAChemE
COCO Simulator en combinación con ChemSep permite la simulación de procesos químicos de forma gratuita y se presenta como alternativa a Aspen y ChemCAD. Este curso presencial mostrará su descarga e instalación así como la resolución de ejemplos de menor a mayor grado de complejidad.
El uso de Python en la Ingenieria Química - Charla CompletaCAChemE
Este documento describe el uso de Python en la ingeniería química. En primer lugar, explica cómo Python puede utilizarse para resolver ecuaciones en derivadas parciales mediante paquetes como FiPy. Luego, detalla cómo Python puede utilizarse para resolver problemas de optimización como la selección de equipos y el diseño de reactores químicos mediante herramientas de programación matemática como Pyomo. Finalmente, proporciona ejemplos concretos de cómo modelar y resolver problemas típicos de logística empresarial e ingeniería de proces
Simulation of Chemical Rectors - Introduction to chemical process simulators ...CAChemE
Learn the fundamentals of any chemical process simulator software by means of free and open source software as an alternative to Aspen, Aspen HYSYS, etc. We will be using DWSIM (open source and free) and COCO Simulator (freeware) for this course. Material is licensed under CC BY-NC-SA 3.0.
You can find more learning material for chemical engineers in http://CAChemE.org
The document discusses the CONNECTIVE project, which aims to provide a technical framework and tools to foster digital transformation in rail transport and the wider transport ecosystem. It does this by developing an Interoperability Framework (IF) that enables seamless access to multimodal transport data and services in a distributed environment, and provides business intelligence tools. The IF uses semantic interoperability based on shared ontologies to allow different systems to understand each other. The IF is a key component connecting various Shift2Rail projects and transport providers. Business analytics extracted from transport data help improve services and mobility decisions. Initial results demonstrated the IF's capabilities across multiple countries and modes of transport.
Pérdidas de energía en redes de distribución en Baja Tensión – Smart GridsJose Angel Velasco
En el presente Trabajo Fin de Máster se propone una metodología de balance de carga para la obtención de pérdidas técnicas en redes de distribución en baja tensión en las que ha sido desplegada una infraestructura de telegestión (Smart Grids).
La metodología propuesta consta de tres algoritmos: flujo de cargas, cálculo de pérdidas técnicas y estimación de demanda no-telegestionada. Esta metodología es aplicable a redes de distribución en baja tensión trifásicas equilibradas.
Los tres algoritmos presentados son implementados en lenguaje de programación m de Matlab/Octave para llevar a cabo un ejemplo práctico con una red de distribución en baja tensión con consumo de tipo comercial, que incluye demanda telegestionada y no- telegestionada.
Con los datos de la topología de red, los datos proporcionados por el sistema de telegestión y las lecturas de consumo de energía de los clientes no-telegestionados, se obtienen las pérdidas técnicas producidas en la red durante un periodo de tiempo concreto.
Los resultados obtenidos son verificados mediante un estudio estadístico sobre el comportamiento de las pérdidas técnicas en redes de distribución de baja tensión.
Para ello se comienza por un estudio preliminar de los parámetros de la red de estudio que influyen en las pérdidas. Estos parámetros son modificados para comprobar cómo varían las pérdidas técnicas.
Se continua por modelar la demanda de la red de estudio mediante técnicas estocásticos, para generar un amplio conjunto de escenarios de carga y comprobar sobre la red de estudio, como las pérdidas evolucionan en cada escenario.
Se concluye el análisis estadístico mediante un análisis de la influencia de la topología de la red en las pérdidas técnicas en cualquier red de distribución de BT. Se definen los parámetros que se consideran característicos en la red de cara a las pérdidas y se realiza un análisis de sensibilidad. Tras este análisis, se emprende una simulación de Montecarlo para determinar el nivel máximo de pérdidas que se puede dar y su probabilidad asociada. Finalmente, el documento se cierra mediante una serie de conclusiones.
El documento habla sobre un master en ingeniería industrial en la Universidad Carlos III de Madrid. Se menciona una alternativa 2 para una cuestión 1 sobre fuentes de energía y se incluye una figura etiquetada como alternativa 1 para la cuestión 1.
Este documento presenta los factores clave para una bodega, incluyendo las instalaciones necesarias como oficinas, tienda, patio de carga y descarga, sala de máquinas, depósitos de fermentación, sala de barricas, línea de embotellado y laboratorio. También discute estrategias e interacciones.
Voltage magnitude varies along electrical transmission lines. As power is transmitted through lines, the voltage decreases due to losses from resistance. Line characteristics such as length, conductor size, and insulation type affect how much the voltage decreases between the source and load.
Este documento compara las simulaciones de un sistema con diferentes tiempos de muestreo. Se realizaron simulaciones con tiempos de muestreo de 0.02 segundos y 0.05 segundos y se compararon las respuestas obtenidas entre ambas simulaciones.
El documento describe los resultados de una simulación con amortiguamiento D=1 y el centro de oscilación inercial (COI) activado. La simulación encontró que el tiempo de despeje fue de 1.168 segundos y 1.167 segundos.
Se realizaron 3 ensayos con paneles solares inclinados a 30° y se resumieron los resultados en una tabla, mientras que las curvas I-V de cada panel se representaron en gráficas.
El documento presenta los planos de instalación de un sistema de energía solar térmica para agua caliente sanitaria. Incluye una perspectiva isométrica de la instalación con detalles como colectores solares, tuberías de diferentes diámetros y accesorios. El documento proporciona la información básica sobre un proyecto de fin de grado para mejorar la eficiencia energética en la edificación a través de la energía solar térmica.
The OSIRIS consortium is formed by 7 Spanish partners led by Unión Fenosa Distribución and includes research centers and industrial partners. The goal of the OSIRIS project is to optimize supervision of Spain's smart grid by maximizing functionality and data from smart meters, ensuring proper communication network monitoring, and early identification of power losses to improve quality and reduce losses. The project will analyze communication errors, define minimum smart meter monitoring needs, test new meter functionalities, and evolve energy balance and loss calculation algorithms.
Simulación de procesos de fabricación mediante elementos finitosJose Angel Velasco
En este documento se analizan los resultados obtenidos al simular procesos de fabricación mediante elementos finitos en un software comercial, en concreto en Abaqus