Mostrar el registro sencillo del ítem

dc.rights.licenseabiertoes_ES
dc.contributor.advisorRetamoso, Alonso de Jesús
dc.contributor.authorMendoza Mora, Tulio Santiago
dc.contributor.otherCortés Torres, José David
dc.coverage.spatialMundiales_ES
dc.date.accessioned2025-07-11T22:49:48Z
dc.date.available2025-07-11T22:49:48Z
dc.identifier.citationMendoza Mora, T. S., & Cortés Torres, J. D. (2025). Estudio comparativo de técnicas de inteligencia artificial para la detección de fallas en sistemas fotovoltaicos (Monografía de análisis, Tecnología en Electricidad Industrial). Unidades Tecnológicas de Santander, Facultad de Ciencias Naturales e Ingenierías.es_ES
dc.identifier.urihttp://repositorio.uts.edu.co:8080/xmlui/handle/123456789/20624
dc.descriptionIngeniería Eléctrica, Sistemas Fotovoltaicos, Inteligencia Artificiales_ES
dc.description.abstractEl crecimiento en la demanda de energía y la necesidad de mitigar el cambio climático han impulsado la adopción de fuentes renovables, destacándose la energía solar fotovoltaica como una alternativa limpia, accesible y sostenible. Sin embargo, para garantizar su efectividad, es necesario contar con mecanismos que aseguren su funcionamiento continuo y eficiente. En este contexto, la inteligencia artificial (IA) se presenta como una herramienta innovadora para mejorar la operación, administración y mantenimiento de los sistemas fotovoltaicos. Esta investigación tiene como objetivo principal evaluar las técnicas de inteligencia artificial aplicadas a la detección de fallas en sistemas fotovoltaicos, considerando como criterios sus ventajas, limitaciones, métricas de desempeño y métodos reportados en la literatura científica. Para ello, se emplea una metodología de análisis descriptivo, basada en el estudio cualitativo de fuentes documentales. Los resultados obtenidos evidencian que la implementación de técnicas de inteligencia artificial contribuye significativamente a la detección temprana de fallas, lo cual permite realizar mantenimientos preventivos, evitar interrupciones en el suministro energético y mejorar la eficiencia y confiabilidad de los sistemas. Herramientas como las redes neuronales y la visión artificial destacan por su capacidad para identificar anomalías con alta precisión. Asimismo, la correcta selección de variables y la calidad de los datos son factores clave que determinan el éxito de estas técnicas. En conclusión, la inteligencia artificial se consolida como una tecnología esencial para la detección y gestión de fallas en sistemas fotovoltaicos. Su aplicación adecuada, con datos fiables y modelos bien entrenados, optimiza la eficiencia, confiabilidad y rentabilidad de estos sistemas, favoreciendo la transición hacia fuentes de energía más sostenibles y resilientes ante los desafíos actuales del sector energéticoes_ES
dc.description.sponsorshipN/Aes_ES
dc.description.tableofcontentsRESUMEN EJECUTIVO ........................................................................................ 10 INTRODUCCIÓN ................................................................................................... 12 1. DESCRIPCIÓN DEL TRABAJO DE INVESTIGACIÓN ............................... 14 1.1. PLANTEAMIENTO DEL PROBLEMA ......................................................... 14 1.2. JUSTIFICACIÓN .......................................................................................... 16 1.3. OBJETIVOS ................................................................................................. 18 1.3.1. OBJETIVO GENERAL ............................................................................... 18 1.3.2. OBJETIVOS ESPECÍFICOS ..................................................................... 18 2. MARCO REFERENCIAL.............................................................................. 19 2.1. MARCO TEÓRICO ....................................................................................... 19 2.1.1. ENERGÍA FOTOVOLTAICA .............................................................................. 19 2.1.2. INTELIGENCIA ARTIFICIAL (IA) ....................................................................... 22 2.1.3. MODELOS DE OPTIMIZACIÓN PARA SISTEMAS FOTOVOLTAICOS ....................... 34 2.1.4. AVANCES RECIENTES EN INTELIGENCIA ARTIFICIAL APLICADA A LA ENERGÍA..... 36 2.2. MARCO LEGAL ........................................................................................... 38 2.3. MARCO CONCEPTUAL .............................................................................. 41 2.4. MARCO AMBIENTAL .................................................................................. 43 3. DISEÑO DE LA INVESTIGACIÓN ............................................................... 45 3.1. TIPO DE INVESTIGACIÓN .......................................................................... 45 3.2. ENFOQUE METODOLÓGICO ..................................................................... 46 3.3. MÉTODO DE INVESTIGACIÓN ................................................................... 47 3.4. TÉCNICAS DE LA INVESTIGACIÓN ........................................................... 47 3.5 PROCEDIMIENTO ....................................................................................... 48 4. DESARROLLO DEL TRABAJO DE GRADO .............................................. 50 4.1. FASE 1: RECOPILACIÓN DE ESTUDIOS, ARTÍCULOS Y DOCUMENTOS CIENTÍFICOS QUE ABORDEN LAS TÉCNICAS DE IA UTILIZADAS EN LA DETECCIÓN DE FALLAS EN SISTEMAS FOTOVOLTAICOS INCLUYENDO CASOS DE ESTUDIO Y APLICACIONES PRÁCTICAS. ........... 50 4.2. FASE 2: DETERMINACIÓN DE LAS PRINCIPALES FALLAS TÍPICAS EN LOS SISTEMAS FOTOVOLTAICOS Y QUE PUEDAN SER ANALIZADAS MEDIANTE TÉCNICAS DE INTELIGENCIA ARTIFICIAL ............................................................................................................... 51 4.3. FASE 3: EJECUCIÓN DE UN ANÁLISIS COMPARATIVO DE LAS DISTINTAS TÉCNICAS DE IA UTILIZADAS PARA LA DETECCIÓN DE FALLAS EN SISTEMAS FOTOVOLTAICOS, EVALUANDO SUS VENTAJAS, DESVENTAJAS, PRECISIÓN Y APLICACIONES ESPECÍFICAS EN EL ÁMBITO DE LOS SISTEMAS FOTOVOLTAICOS. ................................................................................ 51 5. RESULTADOS ............................................................................................. 53 5.1. RECOPILACIÓN DE ESTUDIOS, ARTÍCULOS Y DOCUMENTOS CIENTÍFICOS QUE ABORDEN LAS TÉCNICAS DE IA UTILIZADAS EN LA DETECCIÓN DE FALLAS EN SISTEMAS FOTOVOLTAICOS INCLUYENDO CASOS DE ESTUDIO Y APLICACIONES PRÁCTICAS. ........... 53 5.2. DETERMINACIÓN DE LAS PRINCIPALES FALLAS TÍPICAS EN LOS SISTEMAS FOTOVOLTAICOS Y QUE PUEDAN SER ANALIZADAS MEDIANTE TÉCNICAS DE INTELIGENCIA ARTIFICIAL ............................................................................................................... 57 5.3. EJECUCIÓN DE UN ANÁLISIS COMPARATIVO DE LAS DISTINTAS TÉCNICAS DE IA UTILIZADAS PARA LA DETECCIÓN DE FALLAS EN SISTEMAS FOTOVOLTAICOS, EVALUANDO SUS VENTAJAS, DESVENTAJAS, PRECISIÓN Y APLICACIONES ESPECÍFICAS EN EL ÁMBITO DE LOS SISTEMAS FOTOVOLTAICOS. ................................................................................ 58 6. CONCLUSIONES ......................................................................................... 65 7. RECOMENDACIONES ................................................................................ 67 8. REFERENCIAS BIBLIOGRÁFICAS ............................................................ 69es_ES
dc.language.isoeses_ES
dc.subjectDetección de Fallases_ES
dc.subjectInteligencia Artificiales_ES
dc.subjectSistemas Fotovoltaicoses_ES
dc.titleEstudio Comparativo de Técnicas de Inteligencia Artificial para la Detección de Fallas en Sistemas Fotovoltaicoses_ES
dc.typeThesises_ES
dc.date.emitido2025-07-11
dc.dependenciafcnies_ES
dc.proceso.procesoutsinvestigaciones_ES
dc.type.modalidadmonografiaes_ES
dc.format.formatopdfes_ES
dc.titulogTecnólogo en Electricidad Industriales_ES
dc.educationleveltecnologoes_ES
dc.contibutor.evaluatorevaluadores_ES
dc.date.aprobacion2025-06-20
dc.description.programaacademicoTecnología en Electricidad Industriales_ES
dc.dependencia.regionbucaramangaes_ES


Ficheros en el ítem

Thumbnail
Thumbnail

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

Mostrar el registro sencillo del ítem