Modelo de clasificación automática para identificar fallas en unidades de transformación del sistema eléctrico ecuatoriano

Simple item page
dc.contributor.advisorBonilla Venegas, Félix Vladimir
dc.contributor.authorMolina Bautista, Carlos Augusto
dc.date.accessioned10/05/2024 16:08
dc.date.available10/05/2024 16:08
dc.date.issued2024
dc.description.abstractEste estudio propone el uso de técnicas de aprendizaje automático para automatizar la metodología DGA en la clasificación de fallas en unidades de transformación del sistema eléctrico ecuatoriano.Se analizó un conjunto de datos compuesto por 1099 registros de concentraciones de gases, abarcando un período de 2014 a 2023. Luego de aplicar la metodología CRISPDM para el entendimiento del negocio y de los datos, se empleó varios algoritmos de aprendizaje automático, en donde resalta el modelo entrenado en base a bosques aleatorios, como candidato potencial para clasificar y predecir el estado operativo de las unidades de transformación.Finalmente, este estudio propone a empresas del sector eléctrico ecuatoriano, tanto públicas como privadas, automatizar los procedimientos de Análisis de Gases Disueltos en Aceite Aislante, que permitan mejorar las estrategias de mantenimiento y operación, reduciendo tiempos de análisis e interpretación, y mejorando la confiabilidad y eficiencia del sistema eléctrico ecuatoriano.
dc.id.advisor1710300045
dc.id.author1717709172
dc.identifier.urihttps://repositorio.puce.edu.ec/handle/123456789/43283
dc.language.isoes
dc.publisherPUCE - Quito
dc.subjectAprendizaje supervisado (Aprendizaje automático)
dc.subjectMinería de datos
dc.subjectBosques aleatorios
dc.subjectMáquina de vectores de soporte
dc.subjectSector eléctrico
dc.subjectLocalización de fallas eléctricas
dc.titleModelo de clasificación automática para identificar fallas en unidades de transformación del sistema eléctrico ecuatoriano
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Trabajo de Titulación - Maestría / Molina Bautista Carlos Augusto
Size:
2.17 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Tesis - Maestría en Sistemas de Información mención en Data Science