Metodologías de aprendizaje profundo para mejorar la detección e identificación de perturbaciones de la calidad de la energía.

Artvin Darién González Abreu

Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/8974

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Roque Alfredo Osornio Rios	es_ES
dc.creator	Artvin Darién González Abreu	es_ES
dc.date	2023-07-01	-
dc.date.accessioned	2023-08-10T19:56:18Z	-
dc.date.available	2023-08-10T19:56:18Z	-
dc.date.issued	2023-07-01	-
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/8974	-
dc.description	El uso eficaz de la energía eléctrica es una cuestión importante en los tiempos actuales, donde se han desarrollado nuevas tecnologías que involucren una optimización de recursos para aprovechar correctamente la generación de la energía. Debido a la propia generación y naturaleza eléctrica de las cargas, la red eléctrica puede sufrir diversos fenómenos considerados disturbios eléctricos, que son una alteración de la forma de onda establecida a la cual los equipos y dispositivos eléctricos están diseñados para funcionar correctamente. A pesar de que ya existen normas y estándares donde estos fenómenos están definidos y caracterizados, no reflejan la realidad actual de los ambientes eléctricos, los cuales pueden llevar a fenómenos eléctricos no antes vistos o combinaciones de varios disturbios presentados de manera simultánea. La detección e identificación de disturbios y de condiciones anómalas de la calidad de la energía es la cuestión fundamental de este trabajo de investigación. Mediante la implementación de técnicas de aprendizaje profundo, se llevan a cabo distintas metodologías para mejorar la detección e identificación tanto de los disturbios eléctricos como de condiciones que no estén consideradas en la norma, adicionando el enfoque de detección de novedad para fenómenos eléctricos que no están considerados en los estándares actuales y aquellos que pueden no llegar a haberse presentado con anterioridad. El uso de aprendizaje profundo se justifica debido a la alta gestión de datos que estas técnicas permiten, llevando así una mejora y un espectro de aquello que no está dado dentro de lo establecido como conocido en la detección e identificación en la calidad de la energía.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Ingeniería	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Ingeniería y Tecnología	es_ES
dc.subject	Ciencias Tecnológicas	es_ES
dc.subject	Tecnología Electrónica	es_ES
dc.title	Metodologías de aprendizaje profundo para mejorar la detección e identificación de perturbaciones de la calidad de la energía.	es_ES
dc.type	Tesis de doctorado	es_ES
dc.creator.tid	ORCID	es_ES
dc.creator.identificador	https://orcid.org/0000-0002-8436-0972	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Doctorado en Mecatrónica	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Doctorado	es_ES
Aparece en:	Doctorado en Mecatrónica

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
IGDCC-222929.pdf		2.21 MB	Adobe PDF	Visualizar/Abrir

Mostrar el registro sencillo del ítem