Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Ordóñez Plata, GabrielBlanco Solano, JairoManrique Barbery, Andres FelipeMonroy Pedraza, Luis Fabian2023-04-0620232023-04-0620192019https://noesis.uis.edu.co/handle/20.500.14071/13406En este trabajo se presenta una metodología para resolver el problema de estimación del índice SARFI90 en un sistema de distribución a partir de las tensiones registradas en un número limitado de nodos monitorizados, aplicando cuatro técnicas de minería de datos: redes neuronales, máquina de soporte vectorial, vecinos cercanos, árboles de decisión en Matlab 2019ª. Las técnicas propuestas son implementadas en el sistema de distribución IEEE 123 Node Test Feeder donde se revisa el desempeño de cada técnica a través del error de estimación. Las técnicas son validadas considerando dos escenarios probabilísticos de un conjunto de fallas simuladas, los resultados demuestran la relevancia de las técnicas en la estimación del índice SARFI90. *application/pdfspainfo:eu-repo/semantics/openAccessMinería De DatosAprendizaje SupervisadoCalidad De La PotenciaFallas De RedHundimientos De TensiónVariaciones De Tensión De Corta Duración.Estimación de los parámetros de calidad de las variaciones de tension de corta duración en sistemas de distribución aplicando técnicas de minería de datosUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coData MiningSupervised LearningPower QualityNetwork FailuresVoltage SubsidenceShort-Term Voltage Variations.Estimation of the quality parameters of short-term voltage variations in distribution systems applying data mining techniques*http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)