Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Blanco Solano, JairoPlazas Lucena, Nicolás Andrés2022-04-072022-04-072022-04-012022-04-01https://noesis.uis.edu.co/handle/20.500.14071/9785Las fallas en sistemas eléctricos provocan cortes en el suministro de energía. Esto genera pérdidas económicas significativas en varios sectores de la sociedad, por lo que es de gran interés agilizar los procesos de restauración del servicio de energía eléctrica, en caso de fallas de carácter permanente. En el escenario practico existen varios planteamientos de localización de fallas que tiene un nivel de desempeño satisfactorio. Sin embargo, las mejores técnicas requieren de infraestructura de medición avanzada, lo cual es una limitante para muchas redes de distribución de energía eléctrica en el mercado colombiano, especialmente para las redes rurales. Por otro lado, con el avance de la computación, muchas técnicas basadas en el aprendizaje de máquinas han cobrado relevancia, y pueden ser alternativas con buen grado de desempeño, adaptadas a la infraestructura de medición existente. En el presente trabajo de grado se implementa una metodología de localización de zonas de falla en los sistemas de prueba IEEE 34 nodos e IEEE 123 nodos, a través de redes neuronales artificiales, considerando solo las medidas de tensión y corriente trifásica en la subestación.application/pdfspainfo:eu-repo/semantics/openAccesssistemas de distribución de energía eléctricalocalización de fallasredes neuronales artificialesUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coelectrical power distribution systemsfault locationartificial neural networkshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)