2020
DOI: 10.18273/revuin.v19n1-2020015
|View full text |Cite
|
Sign up to set email alerts
|

Diseño y simulación de un sistema pico-hydro para la generación de energía eléctrica en zonas rurales, mediante un software de mecánica de fluidos computacional

Abstract: En este artículo se presenta un procedimiento para el diseño de todos los componentes de un sistema pico-hydro, a partir de una turbina hidráulica tipo hélice de acuerdo a las condiciones específicas del potencial del agua para un sitio estimado de operación basado en un análisis teórico y técnico. Para este fin, las principales características del rodete se determinan por medio de correlaciones estadísticas de diferentes autores que han estudiado turbinas instaladas alrededor del mundo, y d… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1

Citation Types

0
0
0
1

Year Published

2023
2023
2023
2023

Publication Types

Select...
2

Relationship

0
2

Authors

Journals

citations
Cited by 2 publications
(1 citation statement)
references
References 5 publications
0
0
0
1
Order By: Relevance
“…Estos son los principales puntos de comparación entre estos dos métodos (Sahagún, 2018, p. 119). La unidad GRU controla el flujo de información como la unidad LSTM, pero sin tener que utilizar una unidad de memoria, simplemente expone el contenido oculto completo sin ningún control mientras que las GRU son relativamente nuevas y, según la experiencia, su rendimiento es similar al de las LSTM, pero computacionalmente más eficientes (como se señaló, tienen una estructura menos compleja) (Aguilar & Paredes, 2018;Illidge et al, 2020). Una vez que se han analizado las variables del modelo, los datos se dividen en tres grupos: entrenamiento, prueba y validación.…”
Section: Introductionunclassified
“…Estos son los principales puntos de comparación entre estos dos métodos (Sahagún, 2018, p. 119). La unidad GRU controla el flujo de información como la unidad LSTM, pero sin tener que utilizar una unidad de memoria, simplemente expone el contenido oculto completo sin ningún control mientras que las GRU son relativamente nuevas y, según la experiencia, su rendimiento es similar al de las LSTM, pero computacionalmente más eficientes (como se señaló, tienen una estructura menos compleja) (Aguilar & Paredes, 2018;Illidge et al, 2020). Una vez que se han analizado las variables del modelo, los datos se dividen en tres grupos: entrenamiento, prueba y validación.…”
Section: Introductionunclassified