ESTUDIO DE FACTIBILIDAD PARA LA DETECCIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN EN BT/MT DE QUEVEDO EN EL ALIMENTADOR 2/3 DE LA CIUDADELA EL GUAYACÁN APLICANDO REDES NEURONALES

dc.contributor.advisorGUNSHA MORALES, ALFONSO JAVIER
dc.contributor.authorLOOR MOSQUERA, JAIR STEEVEN
dc.date.accessioned2025-11-27T18:31:38Z
dc.date.available2025-11-27T18:31:38Z
dc.date.issued2025
dc.descriptionThis study explores the use of neural networks to quickly locate faults in electrical distribution systems. It analyzes the importance of effective methods to minimize restoration times in the event of failures
dc.description.abstractEste estudio explora el uso de redes neuronales para localizar rápidamente fallas en sistemas de distribución eléctrica. Se analiza la importancia de métodos efectivos que minimicen los tiempos de reposición ante averías. Se simula un modelo de líneas de distribución en Google Colab/Python, extrayendo datos de voltaje y corriente en condiciones normales y de falla
dc.format.extent205p.
dc.identifier.citationLoor Mosquera, Jair Steeven(2025).“Estudio de factibilidad para la detección de fallas en redes de distribución en bt/mt de quevedo en el alimentador 2/3 de la ciudadela el guayacán aplicando redes neuronales”.Quevedo.UTEQ.205p.
dc.identifier.other4500106
dc.identifier.urihttps://repositorio.uteq.edu.ec/handle/43000/8890
dc.language.isospa
dc.publisherQuevedo:UTEQ
dc.rightsopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/
dc.subjectRedes neuronales, detección de fallas, distribución eléctrica, inteligencia artificial, confiabilidad del suministro
dc.titleESTUDIO DE FACTIBILIDAD PARA LA DETECCIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN EN BT/MT DE QUEVEDO EN EL ALIMENTADOR 2/3 DE LA CIUDADELA EL GUAYACÁN APLICANDO REDES NEURONALES
dc.typebachelorThesis

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
T-UTEQ-106.pdf
Size:
5.22 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: