Laura Isabel Alvarez Quiñones, Carlos Arturo Lozano Moncada, Diego Alberto Bravo Montenegro
{"title":"基于机器学习的配电变压器预测性维护方法","authors":"Laura Isabel Alvarez Quiñones, Carlos Arturo Lozano Moncada, Diego Alberto Bravo Montenegro","doi":"10.14483/23448393.17742","DOIUrl":null,"url":null,"abstract":"Contexto: En este artículo describimos una metodología que se ha establecido para programar el mantenimiento predictivo de transformadores de distribución en el Departamento del Cauca (Colombia) mediante aprendizaje automático.\nMétodo: La metodología propuesta se basa en un modelo predictivo de clasificación que encuentra el número mínimo de transformadores de distribución propensos a fallar. Para verificar esto, el modelo fue implementado y probado con datos reales en el Departamento del Cauca (Colombia).\nResultados: Es posible lograr una solución efectiva para programar el mantenimiento predictivo de los transformadores de distribución mediante el uso de aprendizaje automático.\nConclusiones: El modelo propuesto es una herramienta eficaz para los problemas de programación del mantenimiento preventivo de los transformadores de distribución.","PeriodicalId":41509,"journal":{"name":"Ingenieria","volume":" ","pages":""},"PeriodicalIF":0.4000,"publicationDate":"2022-08-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":"{\"title\":\"Metodología para el mantenimiento predictivo de transformadores de distribución basada en aprendizaje automático\",\"authors\":\"Laura Isabel Alvarez Quiñones, Carlos Arturo Lozano Moncada, Diego Alberto Bravo Montenegro\",\"doi\":\"10.14483/23448393.17742\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Contexto: En este artículo describimos una metodología que se ha establecido para programar el mantenimiento predictivo de transformadores de distribución en el Departamento del Cauca (Colombia) mediante aprendizaje automático.\\nMétodo: La metodología propuesta se basa en un modelo predictivo de clasificación que encuentra el número mínimo de transformadores de distribución propensos a fallar. Para verificar esto, el modelo fue implementado y probado con datos reales en el Departamento del Cauca (Colombia).\\nResultados: Es posible lograr una solución efectiva para programar el mantenimiento predictivo de los transformadores de distribución mediante el uso de aprendizaje automático.\\nConclusiones: El modelo propuesto es una herramienta eficaz para los problemas de programación del mantenimiento preventivo de los transformadores de distribución.\",\"PeriodicalId\":41509,\"journal\":{\"name\":\"Ingenieria\",\"volume\":\" \",\"pages\":\"\"},\"PeriodicalIF\":0.4000,\"publicationDate\":\"2022-08-12\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"1\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Ingenieria\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.14483/23448393.17742\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"ENGINEERING, MULTIDISCIPLINARY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ingenieria","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14483/23448393.17742","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ENGINEERING, MULTIDISCIPLINARY","Score":null,"Total":0}
Metodología para el mantenimiento predictivo de transformadores de distribución basada en aprendizaje automático
Contexto: En este artículo describimos una metodología que se ha establecido para programar el mantenimiento predictivo de transformadores de distribución en el Departamento del Cauca (Colombia) mediante aprendizaje automático.
Método: La metodología propuesta se basa en un modelo predictivo de clasificación que encuentra el número mínimo de transformadores de distribución propensos a fallar. Para verificar esto, el modelo fue implementado y probado con datos reales en el Departamento del Cauca (Colombia).
Resultados: Es posible lograr una solución efectiva para programar el mantenimiento predictivo de los transformadores de distribución mediante el uso de aprendizaje automático.
Conclusiones: El modelo propuesto es una herramienta eficaz para los problemas de programación del mantenimiento preventivo de los transformadores de distribución.