https://hdl.handle.net/20.500.12412/2432 Thu, 22 Oct 2026 00:04:42 GMT 2026-10-22T00:04:42Z https://hdl.handle.net/20.500.12412/7423 Desarrollo de la Ingeniería Front-End (FEED) para una planta de producción de hidrógeno verde hibridada con tecnología solar fotovoltaica Muñoz Marchena, Juan José El proyecto de “Desarrollo de la Ingeniería Front-End (FEED) para una planta de producción de hidrógeno verde hibridada con tecnología solar fotovoltaica” tiene como objetivo diseñar y desarrollar una planta de producción de hidrógeno verde que combine la tecnología solar fotovoltaica con la producción de hidrógeno mediante electrólisis de agua. La ubicación se plantea en la provincia de Sevilla cuya elección de dicha localización se debe al alto recurso de irradiación solar y la disponibilidad de suelo apto para instalaciones fotovoltaicas. La instalación considerada está formada por una planta fotovoltaica de 23 MWp y un sistema de electrólisis de 20 MW. La planta fotovoltaica presenta una generación anual aproximada de 38,26 GWh, donde el sistema de electrólisis es alimentado por esta energía y por la importación de energía eléctrica de la red. La metodología que se va a aplicar se basa en la recopilación de información técnica y normativa, el desarrollo de balances de materia y energía, el dimensionamiento de los equipos principales (como la planta fotovoltaica y el sistema de producción de hidrógeno) y la elaboración de la documentación característica de una ingeniería FEED. De igual manera, se realiza un análisis preliminar de la viabilidad económica donde se estima la inversión y los costes de operación y mantenimiento y el estudio de diferentes estrategias de funcionamiento. Se estudian dos escenarios: El primero prioriza la producción de hidrógeno durante 24 h, alcanzando una producción anual estimada de 3.101 t H2/año y un coste nivelado del hidrógeno de 7,51 €/kg. El segundo caso plantea un análisis de sensibilidad, de tal manera que se variará el precio de venta del hidrógeno, coste de la electricidad importada de red, el CAPEX y la tasa de descuento y cómo afectan a la rentabilidad del escenario base. Según las hipótesis económicas adoptadas, el primer escenario tiene un comportamiento técnico-económico desfavorable, ya que el precio de venta considerado de 6 €/kg H2 es insuficiente para alcanzar la rentabilidad económica. Como resultado, se obtiene un diseño básico y conceptual con un grado de desarrollo propio de una ingeniería FEED de una planta capaz de producir hidrógeno verde a partir de energía eléctrica de la red y energía solar fotovoltaica, adaptadas a las condiciones de Sevilla, generando un primer paso para la ingeniería de detalle y la ejecución del proyecto. Thu, 01 Jan 2026 00:00:00 GMT https://hdl.handle.net/20.500.12412/7423 2026-01-01T00:00:00Z https://hdl.handle.net/20.500.12412/7356 Gemelo digital basado en redes neuronales y elementos finitos para la optimización de sistemas almacenamiento de energía térmica basados en cemento con aditivos De los Santos González, Miguel El objetivo del siguiente documento es el estudio de la viabilidad de gemelos digitales para sistemas de almacenamiento térmico basados en cemento. Para mejorar estos sistemas, han de utilizarse aditivos que puedanmejorar las propiedades térmicas y físicas del cemento. Adicionalmente, se pretende conocer la respuesta termomecánica del sistema en diversas condiciones para poder replicar y predecir el comportamiento con un modelo subrogado de bajo coste computacional. La metodología comienza con una revisión del estado del arte de las tecnologías de almacenamiento existentes y utilizarla para comprender el sistema que se desea implantar. Una vez conocido, se desarrolla un modelo de elementos finitos (FEM) que se ajuste al comportamiento real del equipo y evalua cuál es el efecto de los aditivos en el sistema final. Esemodelado será el que se utilice para entrenar una red neuronal que pueda predecir el comportamiento. A continuación, se especifican los requisitos para la implantación del sistema completo. Se consideran las posibles implantaciones y los componentes auxiliares necesarios para su adecuado funcionamiento. Por último, se realiza una evaluación de la viabilidad económica del sistema. La evaluación cuantifica los costes de capital y operación (CAPEX y OPEX) para posteriormente obtener el coste nivelado de la energía almacenada (LCOS). Comparar ese LCOS con el coste de la energía (LCOE) en el mercado actual y con el ahorro en huella de carbono serán los principales indicadores de la viabilidad, además de los habituales como son VAN, TIR o Payback. Wed, 01 Jul 2026 00:00:00 GMT https://hdl.handle.net/20.500.12412/7356 2026-07-01T00:00:00Z https://hdl.handle.net/20.500.12412/7355 Redes neuronales y transformer físicamente informados. Revisión, reproducción y estudio de ablación de parámetros Revuelto de Miguel, Pablo Las redes neuronales informadas por la física (PINN) resuelven ecuaciones en derivadas parciales imponiendo la ecuación en la propia función de pérdida, sin necesidad de malla. Su formulación estándar, sin embargo, arrastra modos de fallo bien documentados (sesgo espectral, desequilibrio de la pérdida y fallos de propagación temporal) que han motivado arquitecturas específicas para mitigarlos.Una de las más recientes es PINNsFormer, que reemplaza el perceptrón multicapa por un Transformer que opera sobre una pseudo-secuencia temporal construida alrededor de cada punto de colocación. El origen de este trabajo está en un intento de aplicar PINNsFormer a un problema real de elasticidad, la resolución del campo de desplazamientos bidimensional de una viga empotrada. Las dificultades encontradas en esa tarea llevaron a retroceder un paso y revisar las bases, es decir, comprobar hasta qué punto los resultados publicados de la propia arquitectura se sostienen antes de exigirle problemas nuevos. Con ese fin, este trabajo somete a PINNsFormer a un examen independiente sobre los cuatro problemas de referencia empleados en el artículo que la propone (convección, reacción, onda y Navier–Stokes), con dos objetivos: reproducir las cifras publicadas y estudiar mediante una ablación de parámetros qué componentes de la arquitectura explican su comportamiento. Todos los experimentos se ejecutan a través de un único punto de entrada determinista, de modo que una misma configuración produce el mismo resultado con independencia de la máquina. La reproducción muestra que las cifras del artículo original se recuperan solo bajo condiciones de entrenamiento muy concretas, y que factores ajenos a la arquitectura, como la precisión aritmética con la que se entrena o el valor de un paso temporal auxiliar, alteran los resultados en mayor medida que los cambios de modelo. El estudio de ablación, con sesenta y nueve ejecuciones en precisión doble, indica que la maquinaria de atención no explica el acierto de la arquitectura, que su capacidad interna está sobredimensionada y que el paso temporal es su único modo de fallo propio. Sobre estos problemas, la precisión numérica y el protocolo de entrenamiento explican una parte mayor de las diferencias publicadas que la propia arquitectura. Wed, 01 Jul 2026 00:00:00 GMT https://hdl.handle.net/20.500.12412/7355 2026-07-01T00:00:00Z https://hdl.handle.net/20.500.12412/7354 Asistente Docente IA Integrado en Moodle Peña Marín, Adolfo Este Trabajo Fin de Máster tiene como objetivo diseñar, implementar y evaluar un asistente docente basado en generación aumentada por recuperación (RAG), integrado en Moodle y orientado a responder preguntas a partir de los materiales reales de una asignatura. El trabajo parte de tres requisitos: que las respuestas puedan rastrearse hasta sus fuentes, que el sistema se abstenga cuando no disponga de evidencia suficiente y que el tratamiento de la información permanezca bajo control institucional mediante una ejecución local o self-hosted. La solución separa la ingesta documental, la consulta y la interfaz de usuario. Moodle actúa como fuente de los recursos docentes; su interfaz REST permite recuperar los documentos; FastAPI expone el servicio de consulta; y los bloques Moodle en PHP funcionan como capa de interacción. El motor RAG se implementa en Python, combina recuperación léxica y densa, almacena las representaciones en ChromaDB y genera las respuestas con un modelo local servido mediante Ollama. La evaluación se realiza sobre el corpus real de un curso de posgrado y analiza de forma diferenciada la recuperación, la generación, la citación, la abstención y el coste operativo. Los resultados muestran que la recuperación híbrida ofrece un equilibrio adecuado entre cobertura semántica y coincidencia léxica, aunque BM25 mantiene ventajas en algunas métricas de ordenación. El mecanismo de abstención permite rechazar consultas sin evidencia suficiente y la mayoría de las respuestas generadas incorpora fuentes y citas. No obstante, la comprobación realizada es estructural, no semántica, y detecta duplicaciones frecuentes. Asimismo, el reordenamiento avanzado no justifica su coste en la configuración evaluada y la generación concentra la mayor parte de la latencia. El resultado es un prototipo funcional y modular para el entorno estudiado. Su arquitectura puede servir como base para otros cursos, pero los parámetros, el rendimiento y la utilidad educativa deben recalibrarse y validarse con nuevos corpus, varios anotadores y usuarios reales. Wed, 01 Jul 2026 00:00:00 GMT https://hdl.handle.net/20.500.12412/7354 2026-07-01T00:00:00Z