Análisis de datos y modelado predictivo mediante aprendizaje automático para apoyar la operación de una central fotovoltaica: caso Puerto Peñasco y aplicaciones potenciales de IA generativa

Simple item page
dc.audiencegeneralPublic
dc.contributorAlbino Padilla, Ismael
dc.contributorEscamilla Sánchez, Juan Carlos
dc.contributor.advisorEscamilla Sánchez, Juan Carlos; 0000-0001-6296-1702
dc.contributor.authorSánchez Gutiérrez, Mario
dc.date.accessioned2026-11-03T15:08:50Z
dc.date.available2026-11-03T15:08:50Z
dc.date.issued2026-03
dc.description.abstract“La creciente integración de energías renovables en los sistemas eléctricos nacionales plantea desafíos operativos que van más allá de la simple ampliación de capacidad instalada. La naturaleza intrínsecamente variable de fuentes como la solar fotovoltaica introduce incertidumbre en la planificación del despacho, dificulta el equilibrio entre oferta y demanda en tiempo real, y exige infraestructuras de monitoreo, comunicación y análisis cualitativamente superiores a las requeridas por las centrales convencionales de generación base. En este contexto, los avances sostenidos en cómputo de alto desempeño, el desarrollo de ecosistemas de software de código abierto para análisis de datos, y la proliferación de sistemas de monitoreo de alta resolución han creado las condiciones técnicas para que la inteligencia artificial y el aprendizaje automático (ML) dejen de ser herramientas experimentales y se conviertan en componentes operativos viables dentro del sector eléctrico. Esta investigación desarrolla un enfoque orientado al análisis de información operativa y al modelado predictivo, utilizando como caso de estudio la Central Fotovoltaica de Puerto Peñasco, en Sonora, México, la instalación de mayor escala en América Latina y una pieza estratégica en la integración de Baja California al Sistema Eléctrico Nacional (SEN). El objetivo no es únicamente técnico: se busca demostrar que este tipo de análisis es viable con los registros disponibles en una central real en operación, y que sus resultados tienen utilidad directa para la planeación y la toma de decisiones”.
dc.folio20260428134842-6757-T
dc.formatpdf
dc.identificator7
dc.identifier.urihttps://hdl.handle.net/20.500.12371/34527
dc.language.isospa
dc.matricula.creator224470090
dc.publisherBenemérita Universidad Autónoma de Puebla
dc.rights.accesopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject.classificationINGENIERÍA Y TECNOLOGÍA
dc.subject.lccIngeniería (General)--Matemáticas para la ingeniería--Otras herramientas matemáticas específicas para la solución de problemas de ingeniería--Inteligencia artificial
dc.subject.lccIngeniería eléctrica--Producción de energía eléctrica o potencia--Centrales eléctricas (General)--Especial--Centrales eléctricas que utilizan energía solar
dc.subject.lccsolar--Generación de energía fotovoltaica
dc.subject.lccCentrales de energía solar--México--Sonora
dc.subject.lccSistemas de energía fotovoltaica--Procesamiento de datos
dc.subject.lccInteligencia artificial--Aplicaciones industriales
dc.thesis.careerMaestría en Ingeniería
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactas
dc.thesis.degreegrantorFacultad de Ingeniería
dc.thesis.degreetoobtainMaestro (a) en ingeniería opción terminal en Sistemas Eléctricos de Potencia
dc.titleAnálisis de datos y modelado predictivo mediante aprendizaje automático para apoyar la operación de una central fotovoltaica: caso Puerto Peñasco y aplicaciones potenciales de IA generativa
dc.typeTesis de maestría
dc.type.conacytmasterThesis
dc.type.degreeMaestría
Files
Original bundle
Now showing 1 - 2 of 2
Name:
20260428134842-6757-T.pdf
Size:
1.48 MB
Format:
Adobe Portable Document Format
Download
Name:
20260428134842-6757-CARTA.pdf
Size:
1.67 MB
Format:
Adobe Portable Document Format
Collections
Tesis de Maestría