Diplomado en Redes inteligentes en sistemas eléctricos

La industria eléctrica está experimentando profundos cambios, moviéndose desde una estructura jerárquica con roles y flujos de energía bien definidos hacia estructuras distribuidas. Estas nuevas estructuras incluyen actores con diversos roles y la integración de tecnologías de generación y almacenamiento que complementan el paradigma tecnológico convencional. Este cambio está dando origen al concepto de redes inteligentes, gracias al acoplamiento entre el sistema eléctrico y las tecnologías de información, comunicación y automatización. Las redes inteligentes ofrecen una serie de posibilidades de operación y nuevos modelos de negocio orientados a lograr sistemas eléctricos más sustentables, eficientes y confiables.

Entre las tecnologías que contribuyen a este desarrollo se encuentra la electromovilidad, que está impulsando el mercado de vehículos eléctricos e híbridos. Esto incluye diversos mecanismos de almacenamiento de energía a través de baterías de variadas tecnologías, el uso del hidrógeno mediante celdas de combustible y las tecnologías en cargadores e infraestructura de carga. En lo que respecta a las tecnologías más modernas de información, comunicación y automatización, destacan las técnicas de machine learning, internet de las cosas (IoT), sistemas inteligentes y control y optimización en tiempo real.

El Diplomado está compuesto por dos cursos en modalidad online-mixta que se impartirán en la Plataforma Clase Ejecutiva, y por dos cursos en modalidad online con clases en vivo que se impartirán a través de una plataforma streaming más el apoyo de un Moodle.

Empresarios, emprendedores y profesionales que se desempeñan en industrias de la energía y deseen actualizar conocimientos en técnicas de machine learning, automatización, internet of things, sistemas inteligentes, control y optimización en tiempo real.

Evaluar estrategias tecnológicas y regulatorias para la integración y optimización de redes inteligentes, recursos energéticos distribuidos y electromovilidad en sistemas eléctricos, utilizando técnicas de aprendizaje de máquinas, aprendizaje profundo, automatización, control y sistemas inteligentes.

Licenciatura en Ciencias de la Ingeniería o Título de Ingeniería Civil.

Otro grado académico o título profesional en una disciplina afín.

Se recomienda:
– Experiencia laboral de 2 años en industrias de la energía.
– Manejo del idioma inglés a nivel lectura, para poder acceder a algunos materiales de clases y bibliografía.
– Conocimientos básicos de programación.

Al final del curso podrás:
– Comprender el concepto de redes inteligentes y sus implicancias técnico-económicas en diversos segmentos de los sistemas de energía y potencia.
– Identificar las tecnologías y regulaciones que habilitan el desarrollo de recursos energéticos distribuidos.
– Identificar el potencial y los desafíos asociados al control de la demanda en redes inteligentes.
– Analizar los escenarios de evolución de recursos energéticos distribuidos en el sistema eléctrico chileno.
– Analizar los modelos de negocios, oportunidades y limitantes en el uso de recursos energéticos distribuidos y redes inteligentes.

Contenidos:
Sistemas de energía y potencia
– Introducción e historia. Generación, transmisión y distribución. Modelos de operación y planificación de sistemas eléctricos de potencia. Sistema eléctrico nacional: organización, actores, tecnologías, mercados.

Recursos energéticos distribuidos
– Introducción. Descripción de tecnologías y aspectos económicos. Arquitecturas para su integración en sistemas eléctricos. Oportunidades y desafíos en la integración. Aspectos regulatorios.

Redes inteligentes y tecnología
– Definición de redes inteligentes y arquitecturas. Tecnologías habilitantes de redes inteligentes. Infraestructura de comunicación y tecnologías de información. Esquemas de control. Oportunidades y desafíos tecnológicos.

Redes inteligentes y mercados
– Operación económica de redes inteligentes. Mercados eléctricos y redes inteligentes. Mercados eléctricos locales.

Demanda flexible en sistemas eléctricos
– Consumos eléctricos flexibles. Servicios que puede entregar la demanda. Estrategias de control de demanda: control directo, indirectos, híbridos. HEMS (home energy management system). Vehículos eléctricos como demanda flexible.

Casos de estudio
– Redes inteligentes. Recursos energéticos distribuidos. Demanda flexible. Impacto en sistema eléctrico chileno de recursos energéticos distribuidos. Nuevos modelos de negocios.

Al final del curso podrás:
– Identificar las tecnologías que hacen posible el desarrollo de la electromovilidad e impulsan este mercado.
– Evaluar el impacto de las políticas e incentivos en la penetración de la electromovilidad, principalmente en el transporte terrestre.
– Analizar los distintos tipos de vehículos eléctricos, su funcionamiento y sus ventajas según la aplicación.
– Identificar las tecnologías de almacenamiento, sus ventajas, desventajas y desarrollos.
– Analizar los modelos de negocios, oportunidades y limitantes de la infraestructura de carga.

Contenidos:
Vehículos eléctricos
– Introducción e historia. Mercado y tendencias de los vehículos eléctricos, los buses eléctricos y el transporte de carga eléctrico. Incentivos, política y reconversión (retrofit). Otras aplicaciones: industria, minería, transporte heavy-duty y transporte público.

Tren de potencia
– Conceptos básicos: torque, potencia y su relación. Tren de potencia: EV, BEV, HEV, PHEV serie y paralelo, y FCEV. Motor eléctrico: PMSM, MI y RSM. Control del motor.

Almacenamiento de energía
– Conceptos básicos: operación, energía y potencia específica, ciclos de vida, SOC, etc. Tipos de baterías: plomo acido, sal fundida, NIMH, NiCd, y Li-ion. Volantes de inercia y ultracapacitores. Celdas de combustible.

Batería de Litio ion
– Baterías de Litio: LCO, NMO, NCA, LFP, etc. Mercado de baterías, tendencia, desarrollos y desafíos. BMS (Battery Management System). Paquete de baterías, protecciones y disposición.

Celdas de combustible (Hidrógeno)
– Tipos de celda de combustible. Características eléctricas. Balance del sistema (BoS). Complemento con ultracapacitores o batería de litio. EMS (Energy Management System).

Infraestructura de carga
– Tipos de cargadores. Políticas y regulaciones en electromovilidad. Normativa SEC. Modelo de negocios. Tendencias y desarrollos. Oportunidades (V2G, V2B, V2H).

Al final del curso podrás:
– Identificar potencias y limitaciones del Aprendizaje Automático o Machine Learning (ML) y Aprendizaje Profundo o Deep Learning (DL), para la resolución de problemas en diferentes industrias.
– Utilizar diferentes modelos, aplicando técnicas para su entrenamiento, evaluación, comparación, y refinamiento de desempeño en diferentes industrias.
– Proponer un plan estratégico de desarrollo de tecnología basada en ciencia de datos, alineado con la estrategia corporativa.
– Utilizar modelos de redes neuronales profundas en contextos de Visión Computacional, detectando objetos e interpretando contenido de imágenes.
– Resolver problemáticas en textos no-estructurados de diferentes tipos y orígenes utilizando modelos de Procesamiento de Lenguaje Natural.

Contenidos:
Introducción, conceptos, gestión de datos
– Metodología de desarrollo de modelos (CRISP-DM, KDD, otros). Preprocesamiento de datos.

Evaluación y selección de modelos
– Workflow de evaluación. Hold out, Cross Validation, refinamiento de hiper-parámetros. Métricas de evaluación. Accuracy, Precision, Recall, RMSE.

Modelos de aprendizaje automático supervisado
– Modelos de regresión numérica. Regresión lineal y no-lineal. Modelos de clasificación, capacidades y características, así como ejemplos de aplicación. Entre los modelos: árbol de decisión, Random Forest, KNN, Naive Bayes, SVM, redes neuronales.

Modelos de aprendizaje no-supervisados
– K-Means, DBSCAN, HDBSCAN.

Modelos de aprendizaje profundo
– Introducción y conceptos esenciales: ejemplos de aplicaciones en visión computacional y en procesamiento de lenguaje natural con modelos pre-entrenados (ej: YOLO). Análisis y reducción dimensional. Principal Component Analysis. Características de las redes neuronales y conceptos básicos (álgebra lineal, funciones de mapeo). Diferentes topologías de redes profundas: FFN, convolucional, recurrente. Aplicación en contextos de información no-estructurada: procesamiento de video (visión computacional), procesamiento de texto natural (NLP y NLU), Word Embedding, redes neuronales convolucionales, Transformers. Modelos no-supervisados profundos: Autoencoders, Generative Adversarial Networks, Restricted Boltzmann Machines. Mención y uso práctico de transformers.

Al final del curso podrás:
– Distinguir los alcances, las potencialidades y los componentes de los sistemas de automatización en su aplicación a sistemas eléctricos.
– Determinar alcances y potencialidades de IoT en el contexto de la industria 4.0, los componentes y modelos de referencia de la arquitectura IoT y estándares de dispositivos comerciales disponibles.
– Identificar las arquitecturas y los componentes de un sistema inteligente, incluyendo sistemas expertos, sistemas expertos difusos y redes neuronales, en aplicaciones a gestión de activos físicos y automatización y control de sistemas eléctricos.
– Reconocer los conceptos básicos de Model Predictive Control (MPC), los modelos que se utilizan para MPC, la función objetivo y la metodología de cálculo de la ley de control en su aplicación a sistemas eléctricos, así como los productos comerciales existentes.
– Distinguir los conceptos básicos, los diferentes componentes y las potencialidades de las tecnologías de simulación de sistemas y de los gemelos digitales, sus ámbitos de aplicación, los beneficios que generan y reconocer las plataformas y productos comerciales para su desarrollo orientado a sistemas eléctricos.
– Reconocer aplicaciones de automatización y control de sistemas eléctricos, basadas en las tecnologías expuestas previamente.

Contenidos:
– Sistemas de automatización y aplicaciones en sistemas eléctricos.
– Internet de las cosas: arquitecturas, componentes, potencialidades y aplicaciones en sistemas eléctricos.
– Sistemas inteligentes: arquitecturas, componentes, potencialidades y aplicaciones en gestión de activos físicos de sistemas eléctricos.
– Control predictivo: historia, modelos dinámicos, función objetivo, restricciones, cálculo de la ley de control, productos comerciales y potencialidades en control de sistemas eléctricos.
– Gemelos digitales: conceptos básicos, componentes y potencialidades de las tecnologías de simulación de sistemas dinámicos y de los gemelos digitales, plataformas y productos comerciales.
– Control de sistemas eléctricos. presentación de cuatro aplicaciones de automatización y control de sistemas eléctricos, basadas en las tecnologías anteriormente descritas.