Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Duarte Gualdron, Cesar AntonioOrdonez Plata, GabrielVega García Valdomiro2024-03-0320072024-03-0320072007https://noesis.uis.edu.co/handle/20.500.14071/20306En este trabajo se estudia la Transformada Wavelet Discreta (TWD) en la detección e identificación de perturbaciones de la calidad de la energía eléctrica. La función Wavelet Biortogonal 3.9 es utilizada para la detección, dadas sus características de respuesta en frecuencia y localización en tiempo. Se proponen tres estrategias para la obtención de patrones que permiten la identificación de perturbaciones utilizando la función Bior3.7 y el valor RMS. Se estudian perturbaciones de baja frecuencia como armónicos y flicker y de alta frecuencia como transitorios. Cuatro familias Wavelet fueron estudiadas y la Biortogonal tuvo excelente desempeño. Los patrones son clasificados automáticamente utilizando máquinas de soporte vectorial (MSV) con la función de base radial como kernel, dado su desempeño y porque sólo requiere dos parámetros (de formay de penalización). Las técnicas de validación cruzada y búsqueda en malla fueron utilizadas. La MSV presenta un buen desempeño al clasificar a pesar de la similitud de algunos patrones. Inicialmente se presentan los objetivos de esta investigación. En el Capítulo 2, se presentan los conceptos matemáticos de la TWD y algunas perturbaciones de la calidad, de acuerdo con la normatividad colombiana. En el Capítulo 3, la estrategia de detección utilizando la convolución entre el filtro de descomposiicón pasa-altas y las perturbaciones es presentada. En el capítulo 4, se proponen tres estrategias para obtener patrones basados en la TWD y el valor RMS. En el Capítulo 5, el clasificador MSV es presentado. Finalmente, en los capítulos 6 y 7 se presentan la herramienta computacional y las conclusiones de este trabajo, respectivamente.application/pdfspahttp://creativecommons.org/licenses/by/4.0/MonitorizaciónPerturbacionesDescriptoresDetecciónIdentificaciónclasificacióntransformada waveletmáquinas de soporte vectorialvalor rmscalidad de laUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coMonitoringDisturbancesPatternsDetectionIdentificationclassificationwavelet transformsupport vector machinesRMS valuepowerinfo:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)