Título Trabajo de Titulación: DESARROLLO DE MODELO DE INTELIGENCIA ARTIFICIAL EN SISTEMA DE GENERACIÓN DISTRIBUIDA A PEQUEÑA ESCALA PARA CLIENTES REGULADOS TIPO DE HOGAR EN LA REGIÓN DE LOS RÍOS.

Resumen Trabajo de Titulación:

La Ley 20.571, fue puesta en vigencia en febrero de 2012, que permite a los clientes de empresas distribuidoras de energía la autogeneración de energía eléctrica con base en energías renovables no convencionales (ERNC) en residencias, permitiendo inyectar energía al sistema por medio de la generación distribuida y que a cambio se recibe un pago por dichas inyecciones. Además, cabe destacar que, esta ley habilita sólo a tecnologías como paneles fotovoltaicos y generadores eólicos. En este contexto, se analizó las oportunidades que provee la ley, cuyos incentivos para clientes regulados tipo hogar son escasos, siendo así que existe un sólo incentivo en la actualidad. Posteriormente, se realizó un análisis técnico respecto a variables que influían en la radiación solar, como la temperatura, precipitaciones, humedad, hora, entre otros. Con estas variables fue posible determinar que la contaminación es un factor importante por considerar, además se pudo concluir que cada año los niveles de radiación van en aumento. Por otra parte, fue posible predecir mediante el uso de Deep Q-learning la irradiancia y además la cantidad generada diariamente por un panel solar. También se realizó un análisis económico, que mediante la plataforma del explorador solar se estableció un ahorro de hasta $168.000. Sin embargo, esto no pudo ser determinado por la red neuronal, ya que se consideran más variables que las estudiadas en el trabajo de titulación.

Título Trabajo de Titulación: PROPUESTA DE VALORIZACIÓN DE VIVIENDAS CONSIDERANDO MICROZONIFICACIÓN EN LA CIUDAD DE VALDIVIA MEDIANTE EL USO DE REDES NEURONALES.

Resumen Trabajo de Titulación:

Es por su importancia histórica en cuanto a terremotos en la ciudad de Valdivia y los estudios que se han realizados en torno a esta temática en el transcurso de los años, se decide la vincular al proceso de valorización de viviendas. Se detecta que es necesario elaborar una propuesta que incluya el peligro sísmico como factor relevante para determinar los precios de los inmuebles teniendo como punto de inicio la ciudad de Valdivia, con una proyección de implementar este modelo fuera de la ciudad. Este trabajo busca elaborar una propuesta de valorización considerando las variables asociadas y ya establecidas para determinar el precio de las viviendas, pero añadiendo una variable característica, el peligro sísmico. Para ellos se utilizarán técnicas de inteligencia artificial, específicamente deep learning o también conocido como redes neuronales profundas, con la cual se quiere imitar el proceso de aprendizaje del cerebro humano, llevado a procesos computacionales, neuronas artificiales y modelos internos matemáticos de aprendizaje. Los datos fueron obtenidos de distintas fuentes de información relacionada al proceso de valorar viviendas, obteniendo una cantidad considerable de variables, pasando por un proceso de aprendizaje y con la utilización del método KDD para la eliminación de éstas, hasta conseguir un número reducido para poder trabajar el modelo. También se trabajó la variable característica del modelo, el peligro sísmico, de manera tal que a través de distintos trabajos de investigación realizadas en la ciudad de Valdivia se logra obtener el valor de la variable para introducir a la propuesta de valorización. Los resultados del trabajo realizado logran identificar que el entrenamiento con 500.000 epochs para la red profunda ha proporcionado un modelo preciso teniendo un porcentaje de error en torno al 16,3% lo cual es plausible de llevar a cabo para futuros trabajos relacionados a esta temática. Estos resultados, considerando su volumen y su entrenamiento, es perfectible con el tiempo considerando nuevos antecedentes que pueden ser aportado por futuros autores. Los resultados de esta tesis logran corroborar que el peligro sísmico puede ser considerado como una variable importante para el proceso de valorización de viviendas, así como la variable más típica o utilizada. Teniendo los datos necesarios para ser trabajados se puede obtener esta propuesta de valorización, que sin lugar a duda puede ser perfectible con trabajos futuros y un trabajo más focalizado en el área. Esta propuesta no pretende reemplazar los métodos de valorización existentes, pero si un acercamiento a nuevos procesos que incluyan en la discusión y análisis una variable presente a lo largo y ancho de Chile, siendo uno de los países más sísmicos del mundo como lo mencionan diversos autores.