• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería Eléctrica
    • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/4878
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorDaza Jaimes, Edgar Mauricio.-
    dc.date.accessioned2022-11-29T22:12:36Z-
    dc.date.available2021-10-08-
    dc.date.available2022-11-29T22:12:36Z-
    dc.date.issued2022-
    dc.identifier.citationDaza Jaimes, E. M. (2021). Métodos avanzados para la clasificación de eventos de calidad de la energía [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/4878es_CO
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/4878-
    dc.descriptionEste informe presenta el diseño de una guía conceptual de los métodos avanzados para la clasificación de eventos de calidad de la energía, debido al extenso campo de estudio, se llevó a cabo la investigación de diferentes fuentes bibliográficas con el objetivo de llegar a determinar las metodologías avanzadas para la clasificación de los eventos de calidad de la energía, además ya establecido cuales son los métodos existentes procedemos a seleccionar los que tengan un buen prospecto y relevancia científica para establecer las metodologías avanzadas para la clasificación de eventos de calidad de la energía, luego de tener claridad de estos pasos se produjo con el desarrollo de un algoritmo para llevar a cabo un procedimiento lógico de las metodologías avanzadas ya empleadas para la clasificación de eventos de calidad de la energía.es_CO
    dc.description.abstractEl autor no proporciona la información sobre este ítem.es_CO
    dc.format.extent80es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.language.isoeses_CO
    dc.publisherUniversidad de Pamplona- Facultad de Ingenierías y Arquitectura.es_CO
    dc.subjectEl autor no proporciona la información sobre este ítem.es_CO
    dc.titleMétodos avanzados para la clasificación de eventos de calidad de la energía.es_CO
    dc.typehttp://purl.org/coar/resource_type/c_7a1fes_CO
    dc.date.accepted2021-07-08-
    dc.relation.referencesJ. Susukh, S. Premrudeepreechacharn, and T. Kasirawat, “Power quality problem classification using support vector machine,” 2009 6th Int. Conf. Electr. Eng. Comput. Telecommun. Inf. Technol. ECTI-CON 2009, vol. 1, pp. 58–61, 2009, doi: 10.1109/ECTICON.2009.5136965.es_CO
    dc.relation.referencesS. Elphick, V. Gosbell, V. Smith, S. Perera, P. Ciufo, and G. Drury, “Methods for Harmonic Analysis and Reporting in Future Grid Applications,” IEEE Trans. Power Deliv., vol. 32, no. 2, pp. 989–995, 2017, doi: 10.1109/TPWRD.2016.2586963.es_CO
    dc.relation.referencesA. H. Abdulwahid, “Advanced Control Method for Improving Power Quality of Microgrid Based on SVPWM Technology,” 2019 4th Int. Conf. Power Renew. Energy, ICPRE 2019, pp. 70–74, 2019, doi: 10.1109/ICPRE48497.2019.9034859.es_CO
    dc.relation.referencesS. Fahé, J. Lobry, and B. A. Mpanda-Mabwe, “Power quality improvement for DG by advanced control methods,” Proc. Inaug. IEEE PES 2005 Conf. Expo. Africa, vol. 2005, no. July 2005, pp. 132–137, 2005, doi: 10.1109/pesafr.2005.1611800.es_CO
    dc.relation.referencesS. Bangia, P. R. Sharma, and M. Garg, “Comparison of artificial intelligence techniques for the enhancement of power quality,” Proc. 2013 Int. Conf. Power, Energy Control. ICPEC 2013, pp. 537–541, 2013, doi: 10.1109/ICPEC.2013.6527715.es_CO
    dc.relation.referencesO. H. Dqgud, J. P. Ux, W. Sdshu, R. Wudqvirup, and Z. Wudqvirupv, “0Rghuq 0Dwkhpdwlfdo 0Hwkrgv $ Qg & Rpsxwhul ] Hg 7Rrov 2I $ Uwlilfldo, Qwhooljhqfh ) Ru 6Roylqj 3Ureohpv,” pp. 3–8.es_CO
    dc.relation.referencesF. Arama, B. Mazari, A. Dahbi, K. Roummani, and M. Hamouda, “Artificial Intelligence control applied in wind energy conversion system,” Proc. 2014 Int. Renew. Sustain. Energy Conf. IRSEC 2014, no. 4, pp. 831–835, 2014, doi: 10.1109/IRSEC.2014.7059814es_CO
    dc.relation.referencesI. G. Math H. Bollen, «Signal Processing of Power Quality Disturbances. Origin of Power Quality Events», 2006.es_CO
    dc.relation.referencesI. S. Association, Ieee Standard 1159 - 1995. 1995.es_CO
    dc.relation.referencesU. Profesional, A. López Mateos, y A. S. M. J. L. T. Villagran, «Factores que afectan la calidad de la energía y su solución».es_CO
    dc.relation.referencesF. de I. C. S. J. del R. MARCO a. Rodriguez Guerrero (Centro Nacional de Metrología), Rene Carranza Lopez Padilla, (CA Mecatronica, «A novel methodology for modeling waveforms for power quality»es_CO
    dc.relation.referencesM. Dolores y B. Talavera, «Contribuciones a la Calidad de la Señal Eléctrica basadas en Wavelets e Inteligencia Artificial Tesis Doctoral», 2016.es_CO
    dc.relation.referencesF. Hussain, «A Novel Method for Analysis of Power Quality Transient Disturbances», pp. 265-268, 2017.es_CO
    dc.relation.referencesIEEE Power and Energy Society, IEEE Recommended Practice for Monitoring 80 Electric Power Quality, vol. 2019. 2009.es_CO
    dc.relation.referencesF. D. E. Ingeniería, «Índice», 2011.es_CO
    dc.relation.referencesM. Angel y S. Cortés, «Instituto Tecnológico de Puebla Calidad de la Energía Eléctrica», 2009.es_CO
    dc.relation.referencesI. G. Math H. Bollen, «Signal Processing of Power Quality Disturbances. Origin of Power Quality Events», 2006.es_CO
    dc.relation.referencesF. Gil Montoya, P. Asociado, y B. Predoctoral, «Power Quality Research Techniquez: Advantages and Disadvantages», vol. 79, pp. 66-74, 2012.es_CO
    dc.relation.referencesH. Imtiaz y T. F. Sanam, «Frequency domain feature extraction for power quality disturbance classification», 2013 Int. Conf. Informatics, Electron. Vision, ICIEV 2013, pp. 0-4, 2013es_CO
    dc.relation.referencesS. Roy y S. Nath, «Classification of Power Quality Disturbances Using Features of Signals», Int. J. Sci. Res. Publ., vol. 2, n.o 11, pp. 18-21, 2012es_CO
    dc.relation.referencesD. Marcelo De Yong, «Detección, clasificación y localización de eventos de calidad de energía utilizando técnicas avanzadas de procesamiento de señales e inteligencia artificial.», 2016es_CO
    dc.relation.referencesM. Janani, S. Shipra, S. Karthikeyan, S. Muralidharan, y B. Sathyabama, «Research Article Classification of Power Disturbances Using Mltinivel Support Vector Machine», 2013es_CO
    dc.relation.referencesF. Sebastian y P. Mier, «Escuela politécnica nacional», 2018.es_CO
    dc.relation.referencesO. P. Mahela, A. G. Shaik, y N. Gupta, «A critical review of detection and classification of power quality events», Renew. Sustain. Energy Rev., vol. 41, pp. 495-505, 2015.es_CO
    dc.relation.referencesM. H. J. Bollen and I. Y. H. Gu, Signal Processing of Power Quality Disturbances. 2005.es_CO
    dc.relation.referencesY. H. Cai, “The comparative study of different Bayesian classifier models,” 2010 Int. Conf. Mach. Learn. Cybern. ICMLC 2010, vol. 1, no. July, pp. 309– 313, 2010, doi: 10.1109/ICMLC.2010.5581047.es_CO
    dc.relation.referencesZ. Hao and X. Yang, “NESTING SUPPORT VECTOR MACHINTE FOR MUTI- CLASSIFICATION,” no. August, pp. 18–21, 2005.es_CO
    dc.relation.referencesL. D. E. S. Inteligentes, “CLASIFICADORES BAYESIANOS,” 2003.es_CO
    dc.relation.referencesJ. C. Iván. “Lógica difusa” Sistemas de información gerencial, 2015.es_CO
    dc.relation.references“Algoritmos genéticos”, inteligencia artificial, [Online]. https://www.ecured.cu/Algoritmos_Gen%C3%A9ticos, 1895.es_CO
    dc.relation.referencesA. Francisco and J. Florido, “Librería para Algoritmos Genéticos Basados en Nichos.”es_CO
    dc.relation.references“Las ventajas y desventajas de los algoritmos de aprendizaje automático”, inteligencia artificial Lectura 282, [Online]. https://programmerclick.com/article/79771840437/. 2018es_CO
    dc.relation.references“Ventajas y desventajas de los algoritmos de uso común para el 81 aprendizaje automático”, programador clic, [Online]. https://programmerclick.com/article/17081270805/.es_CO
    dc.relation.referencesSupport vector machines (svm), las ventajas del Support Vector Machines, https://unipython.com/support-vector-machines. 2019es_CO
    dc.relation.referencesM. R. Lozano, “DECISIONES.” clasificadores bayesianos.es_CO
    dc.relation.referencesD. M. De Yong, “de eventos de calidad de energía,” 2016es_CO
    dc.relation.referencesE. V. A. GUICHAY, “Universidad de cuenca maestría en sistemas eléctricos de potencia,” pp. 123–131, 2012es_CO
    dc.relation.referencesM. Dolores and B. Talavera, “Contribuciones a la Calidad de la Señal Eléctrica basadas en Wavelets e Inteligencia Artificial Tesis Doctoral,” 2016.es_CO
    dc.relation.referencesD. Giral, “Implementation of algorithms based on support vector machine (SVM) for electric systems topic review,” Tecnura, vol. 20, no. 48, pp. 149– 170, 2016, doi: 10.14483/udistrital.jour.tecnura.2016. 2.a11.es_CO
    dc.relation.referencesQ. M. N. Ubaldo, “Redes Neuronales Artificiales, Metodología de Desarrollo y Aplicaciones,” pp. 1–9, 2021, [Online]. Available: https://www.monografias.com/trabajos95/redes-neuronales-artificiales- metodologia-desarrollo-y-aplicaciones/redes-neuronales-artificiales- metodologia-desarrollo-y-aplicaciones.shtml.es_CO
    dc.relation.referencesA. G. efren Vinicio, “Universidad de cuenca maestría en sistemas eléctricos de potencia,” 2013, [Online]. Available: https://scielo.conicyt.cl/pdf/ingeniare/v25n1/0718-3305-ingeniare-25-01 00070.pdf.es_CO
    dc.relation.referencesM. Olajide, “Power Quality Events Classification on Real-Time Voltage Waveform Using Short Time Fourier Transform and Bayes Classifier,” vol. 8, no. 2, pp. 82–90, 2018, doi: 10.30845/ijast. v8n2p10es_CO
    dc.relation.referencesG. X. C. S. y P. A. D. LÓPEZ, Aplicación de una red neuronal a un sistema eléctrico de distribución mediante el análisis de comportamiento de su carga en bajo voltaje. Cuenca - Ecuador, 2019es_CO
    dc.relation.referencesO. Issn, “Capacidad predictiva de las Máquinas de Soporte Vectorial. Una aplicación en la planificación financiera.,” Rev. Cuba. Ciencias Informáticas, vol. 13, no. 3, pp. 59–75, 2019es_CO
    dc.relation.referencesS. Diciembre Sanahuja, “Sistemas de Control con Lógica Difusa: Métodos de Mamdani y de Takagi-Sugeno-Kang (TSK),” UniversitatJaume, p. 73, 2017, [Online]. Available: http://repositori.uji.es/xmlui/handle/10234/173788es_CO
    dc.relation.referencesV. García, D. Gualdrón, C. Antonio, and O. Plata, “Detección e identificación de eventos de la calidad de la energía eléctrica utilizando la transformada wavelet discreta y redes neuronales,” 2006, [Online]. Available: https://www.redalyc.org/pdf/5537/553756894008.pdfes_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Ingeniería Eléctrica

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Daza_2021_TG.pdfDaza_2021_TG1,92 MBAdobe PDFVisualizar/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.