Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)Jiménez Manjarrés, YuliethDelgado Blanco, Laura MarcelaTorres Pabón, Paula Angélica2025-03-192025-03-192025-02-162025-02-16https://noesis.uis.edu.co/handle/20.500.14071/45334Actualmente, las empresas de distribución de energía enfrentan pérdidas no técnicas derivadas de fraudes cometidos por usuarios en las redes eléctricas, manipulación de los medidores y/o errores administrativos en las lecturas de consumo. Estas pérdidas representan un impacto significativo para las empresas, ya que la energía consumida no se factura y, además, pueden comprometer el suministro normal del fluido eléctrico. La implementación de nuevas tecnologías al proceso de medición permite a las empresas ajustar correctamente sus políticas y estrategias para optimizar sus operaciones. En este sentido, considerando la gran cantidad de datos generados con la implementación de la Infraestructura de Medición Avanzada (AMI) en el sistema eléctrico, en esta monografía se revisan las estrategias de análisis de datos con el fin de mejorar los indicadores de pérdidas en el sector eléctrico y beneficiar a la Electrificadora de Santander. Como resultado de la revisión bibliográfica de los métodos y su aplicación para disminuir pérdidas, se ha observado que al integrar dos metodologías (supervisadas y no supervisadas) se obtienen mayores rendimientos en la detección de anomalías. Por tanto, se propone implementar las técnicas de Clustering y Máquinas de soporte vectorial (SVM), funcionando la primera como entrenador de la SVM y la segunda como método para la detección de pérdidas.application/pdfspainfo:eu-repo/semantics/openAccessMedición inteligenteInfraestructura de medición avanzadaPérdidas no técnicasBig dataEstrategiasAnálisis de datosMétodos supervisadosMétodos no supervisadosUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - EspecializaciónUniversidad Industrial de Santanderhttps://noesis.uis.edu.coSmart MeteringAdvanced Metering InfrastructureNon-Technical LossesBig DataStrategiesData AnalysisSupervised MethodsUnsupervised Methodshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)