<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
<title>Tesis</title>
<link href="http://hdl.handle.net/10498/6087" rel="alternate"/>
<subtitle/>
<id>http://hdl.handle.net/10498/6087</id>
<updated>2026-11-19T12:20:11Z</updated>
<dc:date>2026-11-19T12:20:11Z</dc:date>
<entry>
<title>Improvement of Urban Public Transportation Systems in Sustainable Smart Cities</title>
<link href="http://hdl.handle.net/10498/40575" rel="alternate"/>
<author>
<name>Peña Morales, David</name>
</author>
<id>http://hdl.handle.net/10498/40575</id>
<updated>2026-11-06T05:05:19Z</updated>
<published>2026-01-01T00:00:00Z</published>
<summary type="text">Improvement of Urban Public Transportation Systems in Sustainable Smart Cities
Peña Morales, David
La transición hacia ciudades inteligentes y sostenibles exige sistemas de transporte capaces de&#13;
responder a la creciente demanda de movilidad urbana, al tiempo que reducen el impacto ambiental y mejoran la eficiencia operativa. El transporte público y la recolección de residuos sólidos&#13;
figuran entre los servicios municipales de mayor intensidad energética y, por su dependencia de&#13;
combustibles fósiles, constituyen fuentes críticas de emisiones de gases de efecto invernadero.&#13;
Aunque la electrificación de flotas representa una alternativa prometedora, su implementación&#13;
introduce desafíos complejos en la gestión energética, la programación de vehículos y la planificación de rutas, lo que exige metodologías avanzadas de optimización que integren restricciones&#13;
operativas reales y objetivos de sostenibilidad.&#13;
Esta tesis propone un marco metodológico basado en inteligencia computacional para optimizar&#13;
sistemas de transporte eléctrico en múltiples niveles de decisión. Se abordan tres problemas&#13;
complementarios: (i) el problema de programación de horarios con múltiples tipos de vehículos&#13;
(Multi-Vehicle Type Timetabling Problem, MVTTP), centrado en la asignación de flotas y el&#13;
diseño de horarios en el transporte público; (ii) la optimización de perfiles de velocidad para&#13;
autobuses eléctricos autónomos; y (iii) el ruteo óptimo de camiones eléctricos para la recolección&#13;
de residuos sólidos. Cada escenario se modela bajo condiciones operativas realistas y se resuelve&#13;
mediante técnicas evolutivas e híbridas adaptadas a sus particularidades.&#13;
Para el MVTTP, se desarrolla una formulación multiobjetivo novedosa resuelta mediante los&#13;
algoritmos NSGA-II y MOCell, con representaciones y operadores especializados que equilibran la&#13;
distribución de vehículos y la calidad del servicio. Para los autobuses autónomos, se propone una&#13;
metodología en dos etapas que combina redes neuronales artificiales y algoritmos genéticos para&#13;
generar perfiles de velocidad energéticamente eficientes, incorporando la topografía, las condiciones temporales y las restricciones del vehículo. Para la recolección de residuos, se formula un&#13;
modelo de ruteo que integra dinámicas complejas, como limitaciones de batería, procesos de compactación, descarga y frenado regenerativo, y se resuelve mediante un algoritmo genético híbrido&#13;
con búsqueda local.&#13;
La validación del marco propuesto se lleva a cabo con conjuntos de datos reales, y los resultados&#13;
evidencian mejoras significativas en eficiencia operativa, consumo energético y desempeño ambiental. En particular, los perfiles de velocidad optimizados incrementan la autonomía vehicular hasta&#13;
en un 31,8 %, lo que permite realizar viajes adicionales. En conjunto, esta investigación demuestra&#13;
que la inteligencia computacional ofrece soluciones eficaces y viables para los desafíos de la electromovilidad urbana, aportando modelos, algoritmos y herramientas analíticas que contribuyen&#13;
al avance de los sistemas inteligentes de transporte.; The transition toward sustainable smart cities requires transportation systems that can meet&#13;
growing mobility and urban service demands while reducing environmental impacts and improving&#13;
operational efficiency. Public transportation and solid waste collection are among the most energyintensive urban services and contribute significantly to greenhouse gas emissions due to their&#13;
dependence on fossil-fuel-powered fleets. The adoption of electric vehicles offers a promising&#13;
pathway toward sustainable urban mobility; however, it introduces new challenges related to&#13;
energy management, fleet scheduling, and routing. Addressing these challenges requires advanced&#13;
optimization methodologies that integrate real-world operational constraints with sustainability&#13;
objectives.&#13;
This thesis proposes a computational intelligence framework to optimize electric transportation&#13;
systems across multiple decision levels. Three complementary optimization problems are investigated: (i) the Multiple Vehicle-Type Timetabling Problem (MVTTP) for fleet scheduling and&#13;
timetable design in public transportation systems, (ii) speed-profile optimization for autonomous&#13;
battery-electric buses, and (iii) routing optimization for battery-electric refuse collection trucks.&#13;
These problems are formulated using realistic operational models and solved through tailored&#13;
evolutionary and hybrid optimization techniques.&#13;
For the MVTTP, a novel multi-objective formulation is developed to simultaneously optimize&#13;
vehicle distribution and quality of service. The proposed approach employs specialized representations and operators within NSGA-II and MOCell algorithms. For autonomous battery-electric&#13;
buses, a two-stage methodology combining Artificial Neural Networks and Genetic Algorithms is&#13;
introduced to generate energy-efficient speed profiles that account for route topography, traveltime conditions, and vehicle constraints. For electric waste collection, a realistic routing formulation incorporating battery limitations, payload constraints, regenerative braking, waste compaction, and disposal operations is addressed using a hybrid Genetic Algorithm enhanced with a&#13;
problem-specific local search operator.&#13;
The proposed methodologies are evaluated using real-world datasets. Experimental results&#13;
demonstrate significant improvements in operational efficiency, energy consumption, fleet utilization, and environmental performance. In particular, optimized speed profiles increase vehicle range&#13;
by up to 31.8% and enable additional service trips. At the same time, the proposed scheduling&#13;
and routing approaches produce high-quality solutions that reduce resource usage without compromising operational requirements.&#13;
Overall, this thesis demonstrates that computational intelligence offers an effective and practical framework for addressing the complex optimization challenges in electric transportation systems. The proposed models, benchmark datasets, algorithms, and experimental analyses advance&#13;
intelligent transportation systems and support the development of sustainable smart cities by reducing energy consumption, lowering emissions, and improving the efficiency of urban services.
</summary>
<dc:date>2026-01-01T00:00:00Z</dc:date>
</entry>
<entry>
<title>Optimal control for on-load tap-changers and inverters in photovoltaic plants applying teaching learning based optimization</title>
<link href="http://hdl.handle.net/10498/40573" rel="alternate"/>
<author>
<name>Silva Quiñonez, Rolando Arturo</name>
</author>
<id>http://hdl.handle.net/10498/40573</id>
<updated>2026-11-06T05:10:04Z</updated>
<published>2026-01-01T00:00:00Z</published>
<summary type="text">Optimal control for on-load tap-changers and inverters in photovoltaic plants applying teaching learning based optimization
Silva Quiñonez, Rolando Arturo
The increasing penetration of photovoltaic (PV) generation into modern power&#13;
systems requires advanced supervisory control strategies capable of ensuring voltage&#13;
stability, efficient reactive power management, and reliable grid integration. Conventional&#13;
Energy Management Systems (EMS) and inverter control strategies often neglect the&#13;
coordinated operation of On-Load Tap-Changers (OLTCs), mechanical aging effects, and&#13;
inverter operating constraints, resulting in suboptimal performance under dynamic&#13;
operating conditions.&#13;
This doctoral research develops and experimentally validates an optimized EMS&#13;
based on an enhanced Teaching–Learning-Based Optimization (TLBO) algorithm for the&#13;
coordinated real-time control of PV inverters and OLTC transformers. The proposed&#13;
framework integrates electrical, mechanical, and economic objectives within a unified&#13;
optimization process to improve voltage regulation, reactive power support, and equipment&#13;
lifetime while minimizing operating costs.&#13;
A high-fidelity model of a dual 100 kWp photovoltaic installation coupled to a 300&#13;
kVA OLTC transformer was developed in MATLAB/Simulink. The EMS simultaneously&#13;
optimizes inverter active and reactive power references together with OLTC tap positions&#13;
while considering PQ capability curves, voltage deadband, mechanical latency, switching&#13;
costs, and thermal constraints. The proposed optimized TLBO incorporates adaptive&#13;
learning mechanisms, feasibility correction, and early stopping criteria to accelerate&#13;
convergence while guaranteeing feasible operating solutions. Its performance was&#13;
benchmarked against Monte Carlo, nonlinear fmincon, and conventional TLBO algorithms.&#13;
Simulation results demonstrate that the proposed algorithm converges within 3–6&#13;
ms, compared with approximately 0.3–0.4 s for conventional optimization methods, while&#13;
maintaining 100% feasibility under all operating constraints. The optimized TLBO reduces&#13;
the objective function by 17–25% relative to the conventional TLBO, limits OLTC&#13;
operations to fewer than 20 tap changes per day, improves reactive power sharing between&#13;
PV units, and enhances voltage regulation at the point of common coupling. Hardware-in-the-Loop validation using OPAL-RT, dSPACE MicroLabBox, and&#13;
Yokogawa instrumentation confirmed the real-time applicability of the proposed EMS, with&#13;
measurement deviations below 2% and implementation costs below 0.1% of plant CAPEX.&#13;
The proposed methodology contributes a novel supervisory control architecture&#13;
integrating adaptive TLBO optimization with coordinated OLTC–inverter operation. The&#13;
results demonstrate improved operational efficiency, reduced mechanical stress, enhanced&#13;
grid support capability, and a scalable solution suitable for future hybrid renewable energy&#13;
systems.; La creciente penetración de la generación fotovoltaica (FV) en los sistemas&#13;
eléctricos modernos exige estrategias avanzadas de control supervisado que garanticen la&#13;
estabilidad de tensión, una gestión eficiente de la potencia reactiva y una integración fiable&#13;
a la red. Los Sistemas de Gestión de Energía (EMS) convencionales y las estrategias&#13;
tradicionales de control de inversores suelen ignorar la coordinación con los&#13;
transformadores equipados con cambiadores de tomas bajo carga (OLTC), así como los&#13;
efectos del envejecimiento mecánico y las restricciones operativas de los inversores, dando&#13;
lugar a un desempeño subóptimo bajo condiciones dinámicas.&#13;
Esta tesis doctoral desarrolla y valida experimentalmente un EMS optimizado&#13;
basado en un algoritmo Teaching–Learning-Based Optimization (TLBO) mejorado para el&#13;
control coordinado en tiempo real de inversores fotovoltaicos y transformadores OLTC. El&#13;
marco propuesto integra objetivos eléctricos, mecánicos y económicos dentro de un único&#13;
proceso de optimización para mejorar la regulación de tensión, el soporte de potencia&#13;
reactiva, la vida útil de los equipos y la eficiencia operativa.&#13;
Se desarrolló un modelo de alta fidelidad de una instalación fotovoltaica de dos&#13;
plantas de 100 kWp acopladas a un transformador OLTC de 300 kVA utilizando&#13;
MATLAB/Simulink. El EMS optimiza simultáneamente las referencias de potencia activa&#13;
y reactiva de los inversores y las posiciones del OLTC, considerando las curvas de capacidad&#13;
P–Q, la banda muerta de tensión, la latencia mecánica, los costos de conmutación y las&#13;
restricciones térmicas. El algoritmo TLBO optimizado incorpora mecanismos adaptativos&#13;
de aprendizaje, corrección de factibilidad y criterios de parada anticipada que aceleran la&#13;
convergencia garantizando soluciones siempre factibles. Su desempeño fue comparado con&#13;
los métodos Monte Carlo, fmincon y TLBO convencional.&#13;
Los resultados muestran tiempos de convergencia entre 3 y 6 ms, frente a&#13;
aproximadamente 0,3–0,4 s de los métodos convencionales, manteniendo el 100 % de&#13;
factibilidad. Asimismo, el TLBO optimizado reduce entre un 17 % y un 25 % el valor de la&#13;
función objetivo, limita los cambios de toma del OLTC a menos de 20 por día, mejora el&#13;
reparto de potencia reactiva y optimiza la regulación de tensión en el punto de acoplamiento&#13;
común. La validación Hardware-in-the-Loop realizada con OPAL-RT, dSPACE&#13;
MicroLabBox y equipos Yokogawa confirmó la viabilidad de implementación en tiempo&#13;
real, con desviaciones inferiores al 2 % y un costo inferior al 0,1 % del CAPEX de la planta.&#13;
La metodología propuesta constituye una contribución original al integrar un&#13;
algoritmo TLBO adaptativo con el control coordinado OLTC–inversor, proporcionando una&#13;
arquitectura de control escalable, robusta y adecuada para futuras aplicaciones en sistemas&#13;
híbridos de energía renovable y redes eléctricas inteligentes.
</summary>
<dc:date>2026-01-01T00:00:00Z</dc:date>
</entry>
<entry>
<title>Propuesta de un sistema de indicadores para la evaluación de las plataformas OTT de medios de comunicación públicos</title>
<link href="http://hdl.handle.net/10498/40571" rel="alternate"/>
<author>
<name>Tarín López, Iván</name>
</author>
<id>http://hdl.handle.net/10498/40571</id>
<updated>2026-11-06T05:00:41Z</updated>
<published>2026-01-01T00:00:00Z</published>
<summary type="text">Propuesta de un sistema de indicadores para la evaluación de las plataformas OTT de medios de comunicación públicos
Tarín López, Iván
La presente tesis doctoral se justifica ante la necesidad de adaptar los medios de&#13;
comunicación públicos al nuevo ecosistema digital, caracterizado por la hegemonía de las&#13;
plataformas OTT (Over The Top) privadas y los nuevos hábitos de consumo. La investigación&#13;
aborda el rol de éstos ante la necesaria garantía de servicio público, la defensa de la diversidad&#13;
cultural, el pluralismo y la información veraz frente a la lógica comercial mercantilista. El&#13;
objetivo principal es proponer un sistema de indicadores válido para la evaluación de las&#13;
plataformas OTT de medios públicos, tomando como caso de estudio RTVE Play. Como&#13;
objetivos secundarios, se busca sintetizar los modelos de indicadores existentes, validar la&#13;
nueva propuesta y aplicarla al caso práctico.&#13;
Las principales cuestiones que aborda el marco teórico se agrupan en cinco variables:&#13;
la normativa y gobernanza en el entorno digital; la calidad del contenido de servicio público&#13;
frente a la producción algorítmica; la transformación de la audiencia lineal a una social e&#13;
interactiva; el impacto de la tecnología OTT y el Big data; y los modelos de financiación.&#13;
La metodología aplicada combina la revisión bibliográfica y el análisis de sistemas de&#13;
indicadores previos (UNESCO, IRSCOM, SOSCOM) con la validación del modelo propuesto&#13;
mediante el método Delphi, realizado en dos fases con un panel de cinco expertos académicos&#13;
y profesionales, y la comparativa con un sistema de Inteligencia Artificial, Gemini 2.5 PRO.&#13;
Como producto resultante, la investigación desarrolla un sistema de 70 indicadores agrupados&#13;
en las cinco dimensiones mencionadas. El modelo asigna un peso específico a cada área,&#13;
priorizando el contenido y la audiencia por su centralidad en la misión pública. Se presenta&#13;
como una herramienta robusta y adaptable para medir la calidad y el cumplimiento del servicio&#13;
público en el entorno digital y abierta a una mejora continuada.; This doctoral thesis is justified by the need to adapt public service media to the new&#13;
digital ecosystem, which is characterized by the hegemony of private OTT (Over-the-Top)&#13;
platforms and new consumption habits. The research addresses the role of these media in the&#13;
necessary safeguarding of public service, the defense of cultural diversity, pluralism, and&#13;
truthful information in the face of a commercial, market-driven logic. The main goal is to&#13;
propose a valid system of indicators for the evaluation of public service media's OTT platforms,&#13;
using RTVE Play as a case study. Secondary objectives include synthesizing existing indicator&#13;
models, validating the new proposal, and applying it to the practical case.&#13;
The main issues addressed in the theoretical framework are grouped into five issues:&#13;
regulation and governance in the digital environment; the quality of public service content&#13;
versus algorithmic production; the transformation from a linear to a social and interactive&#13;
audience; the impact of OTT technology and big data; and funding models.&#13;
The applied methodology combines a literature review and an analysis of previous&#13;
indicator systems (UNESCO, IRSCOM, SOSCOM) with the validation of the proposed model&#13;
using the Delphi method, which was conducted in two phases with a panel of five academic&#13;
and professional experts. As the resulting product, the research develops a system of 70&#13;
indicators grouped into the five mentioned dimensions. The model assigns a specific weight to&#13;
each area, prioritizing content and audience due to their centrality to the public service mission.&#13;
It is presented as a robust and adaptable tool for measuring the quality and fulfillment of public&#13;
service in the digital environment.
</summary>
<dc:date>2026-01-01T00:00:00Z</dc:date>
</entry>
<entry>
<title>Curvas Personalizadas de Percentiles de I ndice de Masa Corporal Fetal: Rentabilidad en el Diagno stico del Estado Nutricional Neonatal</title>
<link href="http://hdl.handle.net/10498/40567" rel="alternate"/>
<author>
<name>Fuentes Morales, Rocío</name>
</author>
<id>http://hdl.handle.net/10498/40567</id>
<updated>2026-11-06T05:01:23Z</updated>
<published>2026-01-01T00:00:00Z</published>
<summary type="text">Curvas Personalizadas de Percentiles de I ndice de Masa Corporal Fetal: Rentabilidad en el Diagno stico del Estado Nutricional Neonatal
Fuentes Morales, Rocío
La valoración del crecimiento fetal constituye uno de los pilares del seguimiento obstétrico, ya que permite identificar situaciones que pueden asociarse a una mayor morbimortalidad perinatal. Habitualmente, esta valoración se realiza mediante la estimación ecográfica del peso fetal y su posterior comparación con curvas de referencia poblacionales. Sin embargo, el peso de forma aislada no siempre refleja adecuadamente el estado nutricional del feto ni permite diferenciar con precisión aquellos casos en los que existe una verdadera alteración del crecimiento.&#13;
El objetivo de esta tesis fue desarrollar y evaluar un nuevo modelo de curvas personalizadas de percentiles de índice de masa corporal (IMC) fetal y analizar su utilidad para identificar alteraciones del estado nutricional neonatal. Para ello, se realizó un estudio retrospectivo, observacional y analítico a partir de los datos de recién nacidos de madres atendidas en el Hospital Universitario de Puerto Real entre los años 2011 y 2021. Tras aplicar los criterios establecidos, se incluyeron finalmente 9.499 gestaciones. A partir de variables maternas como el peso, la talla, la edad y la paridad, junto con el sexo fetal, se elaboró un modelo predictivo de talla fetal. La combinación de esta talla personalizada con el peso fetal estimado permitió calcular el IMC fetal y desarrollar sus correspondientes curvas de percentiles.&#13;
Posteriormente, se estudió la capacidad del nuevo modelo para detectar alteraciones del estado nutricional y se compararon sus resultados con los obtenidos mediante curvas basadas en el peso fetal y con los estándares INTERGROWTH-21st y GROW. Las curvas personalizadas de IMC mostraron un mejor rendimiento diagnóstico tanto para la malnutrición como para la sobrenutrición neonatal. El área bajo la curva ROC alcanzó un valor de 0,95 en ambos casos. En la detección de malnutrición, la sensibilidad fue de 0,83, frente a 0,31 para GROW y 0,30 para INTERGROWTH-21st. Del mismo modo, las razones de probabilidades diagnósticas obtenidas con el nuevo modelo fueron superiores a las observadas con los métodos de comparación.&#13;
Estos resultados muestran que la valoración conjunta del peso y de una estimación personalizada de la talla fetal aporta información adicional sobre el estado nutricional. Por tanto, las curvas personalizadas de percentiles de IMC fetal podrían ser una herramienta útil para mejorar la identificación prenatal de los fetos con malnutrición o sobrenutrición. Además, al construirse a partir de variables disponibles de forma habitual durante el seguimiento obstétrico, su aplicación en la práctica clínica sería factible. No obstante, será necesario validar el modelo en otras poblaciones antes de generalizar su utilización.; Introduction&#13;
The adequate assessment of fetal growth throughout gestation is a top priority in Obstetrics, aiming to reduce&#13;
adverse perinatal outcomes. Birth weight is a key risk marker for postnatal health. Traditionally, fetal growth is&#13;
assessed by comparing the estimated fetal weight (EFW) against population percentile curves. However,&#13;
current methods based solely on EFW have limited predictive capacity in diagnosing fetal and neonatal&#13;
nutritional status alterations. These population curves often fail to account for individual physiological&#13;
variation, potentially leading to the misclassification of healthy fetuses. To improve the detection and&#13;
diagnosis of nutritional status abnormalities, this thesis developed and evaluated an optimized model. The&#13;
central hypothesis is that a customized fetal Body Mass Index (BMI) percentile curve, which integrates both&#13;
estimated weight and customized estimated length, better classifies alterations in fetal and neonatal nutritional&#13;
status (undernutrition and overnutrition) than curves based exclusively on fetal weight percentiles. The main&#13;
objective was to evaluate the diagnostic capacity of this new customized fetal BMI curve model in assessing&#13;
neonatal malnutrition and overnutrition.&#13;
Materials and Methods&#13;
A retrospective, observational, and analytical study was conducted to evaluate a diagnostic test. The&#13;
reference population comprised neonates born to mothers cared for at the Hospital Universitario de Puerto&#13;
Real (HUPR) between January 2011 and December 2021. Inclusion criteria specified single gestations&#13;
between 32 and 42 weeks. The final study population included 9,499 pregnancies after applying exclusion&#13;
criteria and filtering out incomplete data. A customized fetal BMI percentile curve was developed by&#13;
constructing a predictive model for fetal length at 40 weeks of gestation, utilizing maternal variables (weight,&#13;
height, age, parity) and fetal sex. The expected fetal BMI was estimated by combining the estimated fetal&#13;
weight and the customized fetal length values. Diagnostic efficacy was evaluated and compared against&#13;
customized fetal weight percentile curves and population curves (INTERGROWTH-21st, or IG21st, and&#13;
GROW). Key metrics included Sensitivity (S), Specificity (E), Diagnostic Odds Ratio (DOR), and the Area&#13;
Under the Receiver Operating Characteristics Curve (AUC-ROC).&#13;
Results&#13;
The customized fetal BMI curve model demonstrated superior and significantly greater diagnostic capacity for&#13;
detecting both neonatal malnutrition (SGA) and overnutrition (LGA) compared to the weight-based models&#13;
analyzed. For detecting malnutrition, the customized IMC curve achieved an AUC-ROC of 0.95 and a DOR of&#13;
49.41. These values significantly surpassed those of IG21st (AUC: 0.80, DOR: 7.84) and GROW (AUC: 0.79,&#13;
DOR: 6.96). The sensitivity for malnutrition was 0.83 for the new model, compared to 0.31 for GROW and&#13;
0.30 for IG21st. Similarly, for diagnosing overnutrition, the BMI curve maintained an AUC-ROC of 0.95 and a&#13;
DOR of 55.29, substantially outperforming GROW (DOR: 6.68) and IG21st (DOR: 5.16). This enhanced&#13;
performance is partly explained by the fact that the coefficient of variation for fetal BMI is almost three times&#13;
smaller than that of weight, yielding more consistent and tailored percentiles.&#13;
Conclusions&#13;
The optimization of the mathematical model using fetal BMI (by relating customized estimated length and&#13;
estimated fetal weight via ultrasound) allows for a more precise evaluation of fetal growth alterations&#13;
compared to models based solely on weight. The customized fetal BMI curve exhibited a greater diagnostic&#13;
capability for detecting both neonatal malnutrition and overnutrition, demonstrating superior performance&#13;
against traditional curves and international standards (IG21st). These findings suggest that incorporating fetal&#13;
BMI as a complementary parameter can improve the early detection of nutritional abnormalities and optimize&#13;
perinatal management. Since the model is based on variables routinely recorded in clinical practice,&#13;
implementation in any center is feasible. Nonetheless, these findings must be corroborated through new&#13;
external validation studies in different populations.
</summary>
<dc:date>2026-01-01T00:00:00Z</dc:date>
</entry>
</feed>
