Mostrar el registro sencillo del ítem

dc.contributor.advisorDíaz González, Carlos Alirio
dc.contributor.authorMojica Cruz, Nicolas Alberto
dc.contributor.authorMéndez Calderón, Yilber Manuel
dc.coverage.spatialColombiaspa
dc.date.accessioned2021-10-01T19:28:54Z
dc.date.available2021-10-01T19:28:54Z
dc.date.issued2021
dc.identifier.urihttp://hdl.handle.net/20.500.12749/14496
dc.description.abstractLa prestación del servicio de energía eléctrica para las zonas no interconectadas de Colombia se caracteriza por ser precario en temas de calidad y confiabilidad. Por lo cual, a lo largo del tiempo se han ido planteando diversas soluciones energéticas con el fin de mejorar las condiciones del servicio. Sin embargo, el tipo de solución más común es la energía solar, sin ahondar en otros tipos de generación, en este estudio se orienta a la gasificación de biomasa debido a que la biomasa en el país representa alrededor del 17 por ciento de las fuentes disponibles para producir energía. Para poder determinar la viabilidad de implementar la gasificación fue necesario realizar una reducción de características basada en la metodología de Análisis de Componentes Principales, de la cual, con solo 3 componentes se logra abarcar un 91.03% de la varianza de los datos, con estas se emplea el algoritmo de clusterización kmedoids. Al graficar los resultados de la clusterización se logra observar una conformación de grupos (k=5) claramente diferenciados. A partir de los grupos se definieron 5 tipologías de ZNI referentes a sus características de generación y se calcularon indicadores compuestos que expresan si en una zona es o no viable la implementación del sistema de gasificación como solución energética.spa
dc.description.tableofcontentsINTRODUCCIÓN 1 1. MARCO TEORICO 4 1.1. CONTEXTO ZNI 4 1.2. PCA 5 1.3. CLUSTERING 6 1.4. POTENCIALES ENERGETICOS DE BIOMASA 8 1.5. DATA WRANGLING 9 1.6. METRICAS DE DISTANCIA 10 2. RECOLECCION Y TRATAMIENTO DE DATOS 12 2.1. FUENTES DE INFORMACIÓN 12 2.2. VARIABLES DE LA BASE DE DATOS 13 2.3. TRATAMIENTO DE LA BASE DE DATOS 15 2.4. BASES DE DATOS OBTENIDAS 18 2.5. COMPORTAMIENTO DE LAS ZONAS DURANTE 2019-2020 19 2.6. REPRESENTATIVIDAD DE LA MUESTRA 22 2.7. BASE DE DATOS DE BIOMASA 22 3. PCA 24 4. CLUSTERING 31 4.1. PARAMETROS DEL CLUSTER 31 4.2. CRITERIOS DE SELECCIÓN DE LOS PARAMETROS DE ENTRADA A LA FUNCIÓN KMEDOIDS 32 4.2.1. Número óptimo de clústeres y selección de la métrica de distancia 32 4.3. FUNCIÓN EVALCLUSTERS 33 4.4. PRESENCIA DE OUTLIERS 36 5. POTENCIAL ENERGÉTICO DE BIOMASA 39 5.1. PRONOSTICO PARA 2020 41 5.2. ASIGNACIÓN DE POTENCIAL ENERGETICO BRUTO PARA CADA ZONA 43 5.3. POTENCIAL TECNICO Y MARGENES DE BIOMASA 43 6. ANALISIS DE RESULTADOS 47 6.1. TIPOLOGIAS DE LAS CARACTERISTICAS DE LAS ZNI 47 6.2. CALCULO DE INDICADORES INDIVIDUALES 52 6.3. CALCULO DE INDICADORES COMPUESTOS 53 6.4. INTERPRETACIÓN DEL INDICADOR COMPUESTO PARA EVALUAR LA FACTIBILIDAD DEL SISTEMA DE GASIFICACIÓN DE BIOMASA 56 6.5. ANALISIS DE SENSIBILIDAD 63 6.6. FACTOR DE CORRECCIÓN DEL INDICADOR COMPUESTO 64 CONCLUSIONES 69 RECOMENDACIONES 71 BIBLIOGRAFIA 72spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleClusterización de zonas no interconectadas de Colombia orientada al uso de la gasificación de biomasa como fuente energéticaspa
dc.title.translatedClusterization of non-interconnected areas of Colombia oriented to the use of biomass gasification as an energy sourcespa
dc.degree.nameIngeniero en Energíaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.programPregrado Ingeniería en Energíaspa
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsEnergy engineeringspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsEnergyspa
dc.subject.keywordsBiomass gasificationspa
dc.subject.keywordsClusteringspa
dc.subject.keywordsComposite indicatorsspa
dc.subject.keywordsCluster analysisspa
dc.subject.keywordsCorrelationspa
dc.subject.keywordsBiomassspa
dc.subject.keywordsPower supplyspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.relation.referencesBello Vasquez, D., & Caicedo Medina, L. E. (1996). Manual para cálculo y diseño de un trapiche panelero. Tesis de pregrado, Corporación Universitaria Autonoma de Occidente, División de ingenierias, Santiago de Cali. Obtenido de https://red.uao.edu.co/bitstream/handle/10614/3473/T0001363.pdf;jsessionid=697C4225942C72F4F6932BB5B45B195A?sequence=1spa
dc.relation.referencesBello Vasquez, D., & Caicedo Medina, L. E. (1996). Manual para cálculo y diseño de un trapiche panelero. Tesis de pregrado, Corporación Universitaria Autonoma de Occidente, División de ingenierias, Santiago de Cali. Obtenido de https://red.uao.edu.co/bitstream/handle/10614/3473/T0001363.pdf;jsessionid=697C4225942C72F4F6932BB5B45B195A?sequence=1spa
dc.relation.referencesGrupo Bancolombia. (6 de Septiembre de 2018). El ABC de la producción de arroz en Colombia. Obtenido de https://www.grupobancolombia.com/wps/portal/negocios/actualizate/sostenibilidad/cultivo-arroz-en-colombiaspa
dc.relation.referencesJolliffe, I. (2002). Principal Component Analysis (Segunda ed.). New York: Springer.spa
dc.relation.referencesBocci, E., Moneti, M., Vecchione, L., Di Carlo, A., Villarini, M., & Sisinni, M. (2014). State of art of small scale biomass gasification power systems: a review of the different typologies. (Elsevier, Ed.) Energy Procedia, 45, 247-256.spa
dc.relation.referencesCentro Internacional de Agricultura Tropical (CIAT), Centro Internacional de Mejoramiento de Maíz y Trigo (CIMMYT. (2019). Maíz para Colombia visión 2030. Obtenido de https://www.fenalce.org/archivos/maiz2030.pdfspa
dc.relation.referencesCicea, C., Marinescu, C., & Pintilie, N. (2020). New Methodological Approach for Performance Assessment in the Bioenergy Field. (S. I. Mussatto, Ed.) Energies. doi:https://doi.org/10.3390/en14040901spa
dc.relation.referencesEndel, F., & Piringer, H. (2015). Data Wrangling: Making data useful again. (Elsevier, Ed.) IFAC-PapersOnLine, 48, 111-112. doi:https://doi.org/10.1016/j.ifacol.2015.05.197spa
dc.relation.referencesFINAGRO. (2021). Sección de Noticias de FINAGRO. Obtenido de Los secretos ocultos de la biomasa, gran potencial que posee Colombia: https://www.finagro.com.co/noticias/los-secretos-ocultos-de-la-biomasa-gran-potencial-que-posee-colombiaspa
dc.relation.referencesFlórez Acosta, J. H., Tobón Orozco, D., & Castillo Quintero, G. A. (2009). ¿Ha sido efectiva la promoción de soluciones energéticas en las ZNI en Colombia?: Un análisis de la estructura institucional. Cuaderno de Administración, 219-245spa
dc.relation.referencesGorgas, J., & Cardiel, N. (2011). Análisis de datos y Estadística Avanzada, PCA. Universidad Complutense de Madrid, Facultad de Ciencias Físicas, Madrid. Obtenido de http://webs.ucm.es/info/Astrof/POPIA/asignaturas/ana_dat_est/tema09_x2.pdfspa
dc.relation.referencesKaraj, S., Rehl, T., Leis, H., & Muller, J. (Enero de 2010). Analysis of biomass residues potential for electrical energy generation in Albania. Renewable and Sustainable Energy Reviews, 14, 493-499. doi:https://doi.org/10.1016/j.rser.2009.07.026spa
dc.relation.referencesKaraj, S., Rehl, T., Leis, H., & Muller, J. (Enero de 2010). Analysis of biomass residues potential for electrical energy generation in Albania. Renewable and Sustainable Energy Reviews, 14, 493-499. doi:https://doi.org/10.1016/j.rser.2009.07.026spa
dc.relation.referencesKaraj, S., Rehl, T., Leis, H., & Muller, J. (Enero de 2010). Analysis of biomass residues potential for electrical energy generation in Albania. Renewable and Sustainable Energy Reviews, 14, 493-499. doi:https://doi.org/10.1016/j.rser.2009.07.026spa
dc.relation.referencesKaraj, S., Rehl, T., Leis, H., & Muller, J. (Enero de 2010). Analysis of biomass residues potential for electrical energy generation in Albania. Renewable and Sustainable Energy Reviews, 14, 493-499. doi:https://doi.org/10.1016/j.rser.2009.07.026spa
dc.relation.referencesMinisterio de Agricultura. (2014). Banano, Evaluaciones Agropecuarias Municipales. Bógota. Obtenido de https://www.agronet.gov.co/documents/banano.pdfspa
dc.relation.referencesMinisterio de Agricultura. (2014). Caña panelera. Evaluaciones Agropecuarias Municipales. Obtenido de https://www.agronet.gov.co/Documents/Ca%C3%B1a%20Panelera.pdfspa
dc.relation.referencesMirkin, B. (2005). Clustering for Data Mining: A data recovery approach (Primera ed.). (C. a. Hall/CRC, Ed.) New York: Taylor and Francis Group. doi:https://doi.org/10.1201/9781420034912spa
dc.relation.referencesMunder, S., Karaj, S., Gummert, M., Haefele, S., & Muller, J. (2012). Improving thermal conversion properties of rice straw by briquetting. International Workshop on the innovative uses of rice straw and rice husk.spa
dc.relation.referencesMuñoz, A. J. (2003). Sistema de telemetria y control del servicio de energía eléctrica. Universidad del Cauca, Popayan. Obtenido de http://repositorio.unicauca.edu.co:8080/bitstream/handle/123456789/2112/SISTEMA%20DE%20TELEMETRIA%20Y%20TELECONTROL%20DEL%20SERVICIO%20DE%20ENERGIA%20ELECTRICA.pdf?sequence=1&isAllowed=yspa
dc.relation.referencesMurillo, T. (1999). Alternativas de uso para la gallinaza. XI Congreso Nacional Agronomo Conferencia 94 (págs. 427-436). San José: Pecuarios. Obtenido de http://www.mag.go.cr/congreso_agronomico_xi/a50-6907-III_427.pdfspa
dc.relation.referencesOpen Knowledge Foundation. (2013). Data Wrangling Handbook (Primera ed.). School Data.spa
dc.relation.referencesPeña, D. (2002). Análisis de datos multivariantes. Madrid, España. Obtenido de https://www.researchgate.net/publication/40944325_Analisis_de_Datos_Multivariantesspa
dc.relation.referencesPérez Saldarriaga, L., & Salazar Briceño, S. (2015). Elaboración de una guia ambiental para el manejo limpio en el aprovechamiento energético de la biomasa residual. Universidad de la Salle, Ingeniería Ambiental y Sanitaria, Bogotá. Obtenido de https://ciencia.lasalle.edu.co/ing_ambiental_sanitaria/546/?utm_source=ciencia.lasalle.edu.co%2Fing_ambiental_sanitaria%2F546&utm_medium=PDF&utm_campaign=PDFCoverPagesspa
dc.relation.referencesPollesch, N. L. (2016). Mathematical Approaches to Sustainability Assessment and Protocol Development for the Bioenergy Sustainability Target Assessment Resource (Bio-STAR). Bioenergy. Obtenido de https://trace.tennessee.edu/utk_graddiss/3872/spa
dc.relation.referencesRodrigo, J. A. (Junio de 2017). Análisis de Componentes Principales (Principal Component Analysis, PCA) y t-SNE. (A. 4. 4.0), Ed.) Obtenido de Ciencia de datos: https://www.cienciadedatos.net/documentos/35_principal_component_analysisspa
dc.relation.referencesRomero, D. A. (2019). Determinación del potencial energético de la biomasa residual de cultivos de banano en el Cantón Machala, El Oro, Ecuador. Tesis de pregrado, Cuenca. Obtenido de https://dspace.ups.edu.ec/bitstream/123456789/18090/1/UPS-CT008600.pdfspa
dc.relation.referencesSistema Único de Información Normativa. (18 de Diciembre de 2003). Articulo 1 de la Ley 855. Obtenido de http://www.suin-juriscol.gov.co/viewDocument.asp?id=1669722spa
dc.relation.referencesSoftware para encuestas, QuestionPro. (2020). Tamaño de muestra. (A. Aguilar, Editor) Recuperado el 15 de Mayo de 2021, de https://www.questionpro.com/es/tama%C3%B1o-de-la-muestra.htmlspa
dc.relation.referencesSuperintendencia de Servicios Públicos Domiciliarios. (Septiembre de 2020). Informe sectorial de la prestación del servicio de energía eléctrica en las ZNI de Colombia. Bogotá.spa
dc.relation.referencesTalukder, B., Hipel, K., & VanLoon, G. W. (2017). Developing Composite Indicators for Agricultural Sustainability Assessment: Effect of Normalization and Aggregation Techniques. Resources. doi:https://doi.org/10.3390/resources6040066spa
dc.relation.referencesTurton , R., Shaeiwitz, J., Bhattacharyya, D., & Whiting, W. (2018). Analysis, Synthesis, and Design of Chemical Processes (Quinta ed.). (Kindle, Ed.) International Series in the Physical and Chemical Engineering Sciences.spa
dc.relation.referencesUniversidad Distrital Francisco José de Caldas. (2020). Estado de la cobertura eléctrica y las zonas no interconectadas en la región central.spa
dc.relation.referencesUniversity of Minnesota, Department of Computer Science and Engineering. (2014). Data clustering: Algorithms and applications. (C. Charu, & K. Chandan, Edits.) Florida, United States: CRC Press.spa
dc.relation.referencesUPME, IDEAM, COLCIENCIAS, UIS. (s.f.). Atlas del Potencial Energético de la Biomasa Residual en Colombia. Obtenido de https://www1.upme.gov.co/siame/Paginas/atlas-del-potencial-energetico-de-la-biomasa.aspxspa
dc.contributor.cvlacDíaz González, Carlos Alirio [0000785806]spa
dc.contributor.googlescholarDíaz González, Carlos Alirio [es&oi=ao]spa
dc.contributor.orcidDíaz González, Carlos Alirio [0000-0001-7869-4610]spa
dc.subject.lembIngeniería en energíaspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembEnergíaspa
dc.subject.lembAnálisis clústerspa
dc.subject.lembCorrelaciónspa
dc.subject.lembBiomasaspa
dc.subject.lembAbastecimiento de energíaspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.description.abstractenglishThe provision of electric power service for non-interconnected areas of Colombia is characterized by being precarious in terms of quality and reliability. Therefore, over time, various energy solutions have been proposed in order to improve service conditions. However, the most common type of solution is solar energy, without delving into other types of generation, in this study it is oriented to the gasification of biomass because biomass in the country represents around 17 percent of the available sources to produce energy. In order to determine the viability of implementing gasification, it was necessary to carry out a reduction of characteristics based on the Principal Component Analysis methodology, of which, with only 3 components it is possible to cover 91.03% of the variance of the data. employs the kmedoids clustering algorithm. When graphing the results of the clustering, it is possible to observe a formation of clearly differentiated groups (k = 5). From the groups, 5 types of ZNI were defined referring to their generation characteristics and composite indicators were calculated that express whether or not the implementation of the gasification system as an energy solution is feasible in an area.spa
dc.subject.proposalZNIspa
dc.subject.proposalGasificación de biomasaspa
dc.subject.proposalClusterizaciónspa
dc.subject.proposalPCAspa
dc.subject.proposalKmedoidsspa
dc.subject.proposalIndicadores compuestosspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.description.learningmodalityModalidad Presencialspa


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 2.5 Colombia