Título :	Sistema colaborativo de clasificación y análisis de múltiples perturbaciones eléctricas en una micro red con un sistema neuronal de aprendizaje profundo.
Autor(es):	Alma Eliza Guerrero Sánchez
Palabras clave:	Ingeniería y tecnología Inteligencia artificial Redes neuronales profundas Perturbaciones eléctricas micro redes eléctricas Calidad de energía
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	ene-2024
Editorial :	Facultad de Ingenieria
Páginas:	1 recurso en línea (84 páginas)
Folio RI:	IGDCC-281705
Facultad:	Facultad de Ingeniería
Programa académico:	Doctorado en Ingeniería
Resumen:	La 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.
URI:	https://ri-ng.uaq.mx/handle/123456789/10710
Aparece en:	Doctorado en Ingeniería

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