Buscar


Mostrar el registro sencillo del ítem

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


Ficheros en el ítem

Thumbnail
Nombre: IGDCC-222929.pdf
Tamaño: 2.155Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem