Intelligent management of distributed energy resources (DER)

Curso

Intelligent management of distributed energy resources (DER)

Departamento de Ingeniería Eléctrica y Electrónica
Inicio / Programas / Intelligent management of distributed energy resources (DER)

Intelligent management of distributed energy resources (DER)

Este curso será dictado una parte en inglés

Tarifas:

Con créditos académicos: 

*El valor del curso es de $4.024.000 si te encuentras en Colombia 

*El valor del curso es de USD 1.118 si te encuentras en el exterior

Para realizar el pago ingresa aquí

Sin créditos académicos:

*El valor del curso es de $ si te encuentras en Colombia 

*El valor del curso es de USD si te encuentras en el exterior

Para realizar el pago ingresa aquí

Conoce como realizar tu pago aquí

Nota: Si estás interesado en inscribir un grupo de 3 o más personas, deja tus datos en el formulario y un asesor se contactará contigo. 

Horario: Módulo 1: Del 21 de junio al 12 de julio de 2021: Lunes, miércoles, y viernes 6:00 p.m. a 7:30 p.m. 

Módulo 2: Del 12 de julio a 16 de julio de 2021: lunes a viernes de 8:00 a.m. a 12:00 mm

*Los horarios y modalidad (virtual o semipresencial) de los cursos están sujetos a modificaciones de acuerdo a las disposiciones del Gobierno Nacional y Distrital para el manejo del COVID 19. Las fechas y horarios de las sesiones podrán ser consultados en mibanner.uniandes.edu.co

Este curso presenta diferentes herramientas de procesamiento inteligente basadas en machine learning y optimización para la gestión e implementación de sistemas de generación de energía fotovoltaicas y de hidrógeno.

Requisitos:  Estudiante de maestría, profesional o último año de pregrado.

El curso se divide en dos módulos, para más información de cada uno: 
Módulo 1: Aplicaciones de machine learning en sistemas fotovoltaicos 
Módulo 2: Data-driven optimization for distributed energy resources

Este es un programa compuesto por los siguientes cursos que podrás tomar en conjunto o por separado.

¡Inscribe el programa completo!

Aplicaciones de machine learning en sistemas fotovoltaicos

Aplicaciones de machine learning en sistemas fotovoltaicos

Inicio:

21 de junio de 2021

Modalidad Virtual
Data-driven optimization for distributed energy resources

Data-driven optimization for distributed energy resources

Inicio:

12 de julio de 2021

Modalidad Virtual

Este curso hace parte del portafolio de materias de pregrado y posgrado de la Universidad  abiertas a todo público.

Al participar en este curso podrás vivir la experiencia Uniandina, acceder a contenidos de calidad, tomar  clases con estudiantes regulares, acceder al sistema de bibliotecas de Uniandes y participar en las actividades culturales que esta Universidad te ofrece.

Profesores

Ivan D. Serna
B.S. (2008), M.Sc. (2011) and Ph.D. (2019) degree in Electrical Engineering from Universidad Industrial de Santander. Since 2014 He has been a lecturer of Electricity Power Markets courses in Universidad Industrial de Santander (undergraduate), Universidad de Santander (postgraduate) and Universidad Tecnológica y Pedagógica de Colombia (postgraduate). Additionally, He was the Academic Coordinator of the Master Program on Renewable Energy Resources at UDES from 2016 to 2020. Meanwhile, he also got involved in: (1) The formulation, defense, and approval (by the Colombian Education Ministry) of the doctoral program on renewable energy resources at UDES; (2) The successful execution of The CRUX project, an Erasmus+ project financed by the European Union (http://www.thecruxproject.eu/). Furthermore, He also supported the information gathering and further editing of the final document of the Colombian Presidency initiative called "Misión de Sabios: Foco Energía". Currently, He is developing a reliability analysis and automatic reconfiguration software for improving the continuity indexes of Santander's electrical network operator (ESSA S.A. E.S.P.). Besides, He is currently working with GISEL research group on: Coordinated electricity and natural gas optimal dispatch, Renewable Power-to-Gas technology integration to power markets, and innovative market mechanism to value power system flexibility.

Nilson Henao: received his B.S. degree in Electronics Engineering from the Universidad de los Llanos, Villavicencio, Colombia, in 2010, his M.Sc. degree in 2013 and his PhD degree in 2018 in Electrical Engineering from the University of Quebec at Trois-Rivieres (UQTR), QC, Canada. His research interests are related to machine learning methods for power system applications like residential load optimization, load monitoring and diagnosis, and plug-in electric vehicles.

Juan Carlos Oviedo: He is an Engineer and PhD in electrical engineering from the Universidad Industrial de Santander. During his doctoral studies, he completed two research internships at the Université du Québec à Trois-Rivières, at the Hydrogen Research Institute (Canada) and one at the Université de Technologie Belfort-Montbéliard at La Fédération de Recherche FCLAB (France), as well as collaboration with the Ontario Tech University (Canada). His PhD thesis contributed to the sustainable energy topic of the Misión de Sabios organized by the Government of Colombia. He is currently working as an industry research scientist at the Laboratoire des technologies de l'énergie (LTE) of Hydro-Quebec. His research interests lie in the integration of distributed energy resources, optimal sizing and operation of autonomous microgrids, transactive energy markets, and machine learning applications for smart grids.

Luis Felipe Giraldo Trujillo: PhD en Ingeniería Eléctrica de la Universidad Estatal de Ohio, Estados Unidos. Actualmente es profesor asistente del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes. Sus líneas de investigación están orientadas al desarrollo de proyectos donde la tecnología y desarrollo social van de la mano. Se ha destacado por dictar de forma sencilla y clara conceptos teóricos relacionados con Machine Learning. Para más información ver http://wwwprof.uniandes.edu.co/~lf.giraldo404/.

Michael Bressan: Es doctor ingeniero en eléctrica, electrónica e informática industrial aplicada en la gestión de energías renovables. Obtuvo su PhD en la Universidad de Perpiñán (Francia) en junio de 2014. Sus investigaciones consistieron en desarrollar una herramienta de supervisión y de detección de fallas para un sistema fotovoltaico. Desarrolló diferentes algoritmos de modelización y de detección de fallas, en particular, alrededor de la problemática de las sombras y de la suciedad visible para optimizar la producción fotovoltaica. Profesor visitante del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes, inició un proyecto interno "KIOSOL" que consiste en desarrollar e integrar un kiosco solar fotovoltaico inteligente para la gestión de energía eléctrica en zona urbana y rural. Eso permitiría responder a la problemática de producción y de utilización de la energía en una microrred urbana o rural poco electrificada.

Gabriel Esteban Narváez: Magíster en Ingeniería Electrónica de la Universidad de Los Andes. Actualmente está cursando estudios de doctorado en la Universidad de Los Andes financiado por la Fundación Ceiba. Sus líneas de investigación están enfocadas en la gestión de energías renovables, particularmente sistemas fotovoltaicos, por medio de la aplicación de técnicas de Machine Learning. Además, está interesado en promover proyectos de energías renovables en Colombia, especialmente en las zonas no interconectadas.

Condiciones

Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.

La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.