000085251 001__ 85251
000085251 005__ 20191118101529.0
000085251 037__ $$aTAZ-TFG-2019-2707
000085251 041__ $$aspa
000085251 1001_ $$aSanz Alcaine, José Miguel
000085251 24200 $$aGaussian Process Regression: Study of sparse methods to estimate future voltage in communication systems
000085251 24500 $$aProcesos de regresión gaussiana: Estudio de métodos Sparse para la predicción de tensión futura en equipos de comunicaciones
000085251 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2019
000085251 500__ $$aResumen disponible también en inglés. Apoyado por Cátedra SICE
000085251 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000085251 520__ $$aEste Trabajo Fin de Grado forma parte de la línea Smart del proyecto de investigación "Battery life Extensor" (BATT-Ex), cuyos principales objetivos son proporcionar información relevante sobre la batería en sistemas de telecocomunicaciones y tomar decisiones inteligentes en base al conocimiento de su estado actual. En los últimos años las baterías han recibido mucha atención debido a las redes de comunicaciones y a la aparición de los Vehículos Híbridos (HEVs) y los Vehículos Eléctricos (EVs). Esto ha llevado a que centros de investigación como el Mitsubishi Electric Research Laboratories (MERL) en Boston o empresas como la Sociedad Ibérica de Construcciones Eléctricas (SICE) hayan querido profundizar en su investigación y colaborar en el siguiente trabajo de investigación.<br />Con el presente trabajo se pretende mejorar las técnicas de estimación futura de tensión en baterías por procesado de la señal de tensión-corriente, en instalaciones aisladas de comunicaciones. Para ello se han utilizado técnicas de Inteligencia Artificial. En particular, se ha estudiado el uso de la regresión con procesos gaussianos (GPR) como herramienta de predicción y sus diferentes variantes Sparse para reducir la complejidad computacional del algoritmo.<br />Para llevar a cabo la estimación se necesita información sobre las variables de interés. Para ello, se ha utilizado la base de datos de un sistema fotovoltaico de gran potencia ubicado en el monte del Monasterio de Sigena la cual contiene 10 años de datos recabados cada 15 minutos de parámetros como tensión, corriente o temperatura.<br />De forma más concreta, se ha evaluado el GPR en su enunciado clásico, el método FITC Sparse y una variante con múltiples expertos GPR comparando los resultados de estimación de tensión aportando el perfil de corriente o temperatura futura.<br /><br />
000085251 521__ $$aGraduado en Ingeniería de Tecnologías y Servicios de Telecomunicación
000085251 540__ $$aDerechos regulados por licencia Creative Commons
000085251 700__ $$aBernal Ruiz, Calos$$edir.
000085251 700__ $$aBono Nuez, Antonio$$edir.
000085251 7102_ $$aUniversidad de Zaragoza$$bIngeniería Electrónica y Comunicaciones$$cTecnología Electrónica
000085251 8560_ $$f718947@celes.unizar.es
000085251 8564_ $$s1912426$$uhttps://zaguan.unizar.es/record/85251/files/TAZ-TFG-2019-2707.pdf$$yMemoria (spa)
000085251 8564_ $$s85316$$uhttps://zaguan.unizar.es/record/85251/files/TAZ-TFG-2019-2707_ANE.pdf$$yAnexos (spa)
000085251 909CO $$ooai:zaguan.unizar.es:85251$$pdriver$$ptrabajos-fin-grado
000085251 950__ $$a
000085251 951__ $$adeposita:2019-11-18
000085251 980__ $$aTAZ$$bTFG$$cEINA
000085251 999__ $$a20190628210133.CREATION_DATE