Search

El Learning Dashboard és un software implementat en el departament ESSI que mostra el valor de certes mètriques i indicadors relacionats amb el treball dels estudiants durant el desenvolupament en equip de projectes de software. Algunes d'aquestes mètriques i indicadors es basen en l'anàlisi de dades recollides de l'eina Taiga per a la gestió de projectes software. L'objectiu d'aquest TFG és incorporar aquestes mètriques i indicadors directament a Taiga enlloc de tenir-les externes.

En aquest treball es desenvolupa de zero un algorisme genètic capaç de generar i optimitzar estructures de barres. Es vol valorar si aquests tipus d’algorisme són factibles a l’hora de trobar solucions a problemes d’estructures de barres sota càrregues estàtiques, i les seves condicions d’operació òptimes. Així doncs, partint d’una introducció teòrica s’han construït totes les eines necessàries per tal de dur a terme aquesta tasca. Per al modelatge i càlcul del comportament de les estructures es fa servir el mètode dels elements finits, implementat amb funcions creades manualment. Fent ús d’un model d’elements finits concret, s’ha creat un programa solucionador d’estructures de barres en dues dimensions i s’ha comprovat el seu correcte funcionament. A partir del format de dades utilitzat en el solucionador, s’han dissenyat dues funcions que permeten generar estructures de barres de forma aleatòria. Amb tots aquestes eines s’ha dissenyat un algorisme genètic capaç d’optimitzar poblacions d’estructures de barres donades unes condicions de contorn determinades. Aquesta optimització es pot dur a terme seguint criteris de rigidesa o criteris de mínima deformació de la peça. L’algorisme parteix d’una població de diverses estructures generades de forma aleatòria, i fa ús de mecanismes inspirats en la biologia per tal de millorar la població de solucions fins arribar a una d’òptima. Aquests mecanismes consisteixen essencialment en la selecció i l’encreuament de les dades dels millors individus, o la introducció d’una mutació aleatòria. Finalment, per tal de valorar l’algorisme dissenyat s’ha dut a terme un estudi de sensibilitat i s’ha discutit el seu comportament

[ES] Este trabajo expone los problemas y la incidencia que ha causado la sequía en España los últimos años. Se puede observar el gran impacto que ha tenido en la agricultura según las diferentes regiones del país y el tipo de cultivo que se practica. Se muestran hechos históricos, imágenes que enseñan el estado actual de precipitaciones o escorrentía y como la situación empeora con los años. Por eso, también se pueden observar las medidas para intentar minimizar esta catástrofe natural, que está potenciada por el ser humano.

Hierarchical schemes are widely used for the design of inverter-based AC microgrids control strategies. To ensure a reliable operation, hierarchical control must consider together all the functionalities that allow the regulation of key variables and guarantee a safe transition between operation modes. Conventionally, in the literature are proposed three-layer schemes which present relevant drawbacks: they include limited functionalities and they use droop method for the primary layer which, despite its decentralized nature, suffers from issues that have motivated the development of alternative strategies. Considering this, the contribution of this paper is twofold. First, a droop-free hierarchical control strategy that satisfy a proper operation of AC microgrids is proposed. Control objectives such as power-sharing, frequency regulation, optimal power dispatch, and voltage regulation are considered. Second, a closed-loop small-signal model, which facilitates the control parameters design and fills a gap in the literature is presented. Differences between the proposal and previous controls are discussed. Selected tests are carried out in a laboratory microgrid under different conditions, including normal operation and the response to failures in the central controller and to communication impairments. The experimental results show a good performance of the proposal even in adverse conditions.