Bonilla Venegas, Félix VladimirMolina Bautista, Carlos Augusto10/05/202410/05/20242024https://repositorio.puce.edu.ec/handle/123456789/43283Este 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.esAprendizaje supervisado (Aprendizaje automático)Minería de datosBosques aleatoriosMáquina de vectores de soporteSector eléctricoLocalización de fallas eléctricas