Aplicación de herramientas de machine LEARNING para la predicción de interrupciones en sistemas de distribución eléctrica en El Salvador
Esta tesis desarrolla un modelo para la predicción de fallas en transformadores de distribución, utilizando información de calidad de servicio regulada por la SIGET. El trabajo se centra en la zona central del país, donde las condiciones ambientales y operativas influyen directamente en el deterioro...
Gardado en:
| Autores principales: | , |
|---|---|
| Outros autores: | |
| Formato: | Tesis |
| Idioma: | Spanish / Castilian |
| Publicado: |
Universidad de El Salvador, Facultad de Ingeniería y Arquitectura
2025
|
| Materias: | |
| Acceso en liña: | https://hdl.handle.net/20.500.14492/32423 |
| Etiquetas: |
Sen Etiquetas, Sexa o primeiro en etiquetar este rexistro!
|
| Sumario: | Esta tesis desarrolla un modelo para la predicción de fallas en transformadores de distribución, utilizando información de calidad de servicio regulada por la SIGET. El trabajo se centra en la zona central del país, donde las condiciones ambientales y operativas influyen directamente en el deterioro de los equipos. El análisis histórico evidencia un aumento de fallas por degradación y envejecimiento, y una reducción de eventos por causas externas, lo que resalta la importancia de los factores internos en el desempeño de los transformadores. Con base en datos operativos y de protecciones, se aplicaron técnicas de aprendizaje automático que combinan modelos supervisados y no supervisados para estimar la probabilidad de falla y detectar comportamientos anómalos. Los resultados obtenidos permiten priorizar el mantenimiento preventivo y optimizar la gestión de activos eléctricos, contribuyendo a mejorar la confiabilidad y continuidad del servicio eléctrico. |
|---|