Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/14587Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | Grijalva, Felipe, dir. | - |
| dc.contributor.author | Yugcha Guevara, Fausto Gonzalo | - |
| dc.date.accessioned | 2025-09-30T18:27:55Z | - |
| dc.date.available | 2025-09-30T18:27:55Z | - |
| dc.date.issued | 2024-12-02 | - |
| dc.identifier.citation | Tesis (Magíster en Inteligencia Artificial), Universidad San Francisco de Quito, Colegio de Posgrados; Quito, Ecuador, 2024 | es_ES |
| dc.identifier.uri | http://repositorio.usfq.edu.ec/handle/23000/14587 | - |
| dc.description | Electrical faults in power transmission systems can significantly affect grid reliability and operational safety. This study addresses the need for an accurate fault detection and classification by developing a novel machine learning approach using Convolutional Recurrent Neural Networks (CRNN). A dataset is built from real fault events oscillography recordings in the COMTRADE format (Common Format for Transients Data Exchange) collected from Ecuador’s Power Grid. Previous studies have relied on simulated data, while this research provides a more realistic representation of the behavior of electrical systems using actual fault event data... | es_ES |
| dc.description.abstract | Las fallas eléctricas en los sistemas de transmisión de energía pueden afectar significativamente la confiabilidad de la red y la seguridad operativa del sistema. Este estudio aborda la necesidad de una detección y clasificación de fallas precisa mediante un enfoque novedoso de aprendizaje automático que utiliza redes neuronales convolucionales recurrentes (CRNN). Se ha construido un dataset a partir de registros oscilográficos de eventos de falla reales en el formato COMTRADE (Common Format for Transients Data Exchange) recopilados de la red eléctrica del Ecuador. Estudios anteriores se han basado en datos simulados, mientras que esta investigación proporciona una representación más realista del comportamiento de sistemas eléctricos utilizando datos de fallas reales... | es_ES |
| dc.format.extent | 20 h. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.publisher | Quito | es_ES |
| dc.rights | openAccess | es_ES |
| dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Ecuador | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ | * |
| dc.subject | Inteligencia artificial - Aplicaciones - Tesis y disertaciones académicas | es_ES |
| dc.subject.other | Computación | es_ES |
| dc.subject.other | Ciencias | es_ES |
| dc.title | Detección y Clasificación de Cortocircuitos en Sistemas de Potencia utilizando Redes Neuronales Convolucionales Recurrentes | es_ES |
| dc.type | masterThesis | es_ES |
| Aparece en las colecciones: | Tesis - Maestría en Inteligencia Artificial | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 338526.pdf | Texto completo | 2.53 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
