Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/10710
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorEdgar Alejandro Rivas Araizaes_ES
dc.creatorAlma Eliza Guerrero Sánchezes_ES
dc.date.accessioned2024-06-07T19:09:25Z-
dc.date.available2024-06-07T19:09:25Z-
dc.date.issued2024-01-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/10710-
dc.descriptionLa tesis presente se centra en el desarrollo de un enfoque basado en redes neuronales profundas para la clasificación y análisis de diversas perturbaciones eléctricas en sistemas de energía. En el contexto de los sistemas eléctricos, las perturbaciones son eventos anormales o transitorios que pueden afectar el flujo de energía y causar problemas en la calidad de la energía suministrada. Identificar y clasificar estas perturbaciones de manera precisa y eficiente es esencial para garantizar el funcionamiento confiable y seguro del sistema. El estudio comienza con una revisión exhaustiva de las técnicas de clasificación de perturbaciones eléctricas existentes, destacando sus ventajas y limitaciones. Se destaca que las redes neuronales profundas, una rama del aprendizaje automático, han demostrado un gran potencial en la clasificación de datos complejos y no lineales. A continuación, se propone una arquitectura de red neuronal profunda adaptada específicamente para la clasificación de perturbaciones eléctricas. Se utilizan diferentes tipos de capas neuronales, como convolucionales y recurrentes, para capturar las características relevantes de las perturbaciones en los datos de entrada. El conjunto de datos utilizado para el entrenamiento y evaluación del modelo se compone de múltiples registros de perturbaciones eléctricas obtenidos de mediciones reales en sistemas de energía. Se aplican técnicas de preprocesamiento y aumento de datos para mejorar la robustez y generalización del modelo. Una vez que la red neuronal profunda está entrenada, se realiza una evaluación exhaustiva de su rendimiento en términos de precisión de clasificación, sensibilidad y especificidad. Se comparan los resultados con otras técnicas de clasificación existentes para demostrar la eficacia y superioridad del enfoque propuesto. Además de la clasificación, se lleva a cabo un análisis detallado de las perturbaciones eléctricas identificadas. Se exploran técnicas de interpretación de modelos y visualización de datos para comprender mejor los factores subyacentes que contribuyen a cada tipo de perturbación. En resumen, esta tesis presenta un enfoque basado en redes neuronales profundas para la clasificación y análisis de múltiples perturbaciones eléctricas en sistemas de energía. Los resultados obtenidos demuestran la efectividad de este enfoque en términos de precisión de clasificación y capacidad de análisis. El estudio contribuye al campo de la monitorización y diagnóstico de sistemas eléctricos, brindando una herramienta poderosa para identificar y comprender las perturbaciones eléctricas y tomar acciones correctivas adecuadas para mantener la calidad y confiabilidad del suministro eléctrico.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (84 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherFacultad de Ingenieriaes_ES
dc.relation.requiresSies_ES
dc.rightsopenAccesses_ES
dc.subjectIngeniería y tecnologíaes_ES
dc.subjectInteligencia artificiales_ES
dc.subjectRedes neuronales profundases_ES
dc.subjectPerturbaciones eléctricases_ES
dc.subjectmicro redes eléctricases_ES
dc.subjectCalidad de energíaes_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleSistema colaborativo de clasificación y análisis de múltiples perturbaciones eléctricas en una micro red con un sistema neuronal de aprendizaje profundo.es_ES
dc.typeTesis de doctoradoes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificadorhttps://orcid.org/0000-0002-9487-7326es_ES
dc.contributor.identificadorhttps://orcid.org/0000-0002-9487-7326es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameDoctorado en Ingenieríaes_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelDoctoradoes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator281705es_ES
dc.folioIGDCC-281705es_ES
Aparece en: Doctorado en Ingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
IGDCC-281705 (PDF-A).pdfTesis Doctorado2.21 MBAdobe PDFPortada
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.