Modelos predictivos de clasificación para el diagnóstico de disponibilidad en plantas térmicas de generación de energía eléctrica de Colombia

Las plantas térmicas en Colombia son esenciales para la confiabilidad del sistema eléctrico, especialmente en periodos de alta demanda o baja hidrología, pero predecir fallas e indisponibilidades sigue siendo un desafío crítico. El mantenimiento predictivo, basado en análisis exploratorios de datos y modelos clasificatorios de machine learning, permite anticipar problemas al identificar patrones y correlaciones en datos operacionales, facilitando la planificación de mantenimientos preventivos y reduciendo costos operativos y tiempos de inactividad. Estas herramientas optimizan recursos, mejoran la sostenibilidad ambiental y fortalecen la eficiencia operativa, garantizando un suministro continuo y confiable. Aunque los modelos muestran alta precisión, enfrentan retos como el desbalance de clases y la complejidad de los datos, pero su implementación posiciona a estas tecnologías como esenciales para una gestión más eficiente y resiliente de las plantas térmicas, contribuyendo al desarrollo sostenible del sector energético en Colombia.

Grantor dc:publisher

Universidad EAN

Year dc:date

2025

Author dc:creator

• Marín Vanegas, Juan Pablo

Contributors dc:contributor

• García García, Diego Armando

• Inteligencia artificial
• Análisis de datos
• Innovaciones tecnológicas
• Ingeniería sostenible
• Energía térmica solar
• Modelo predictivo de clasificación

Statement dc:rights

• info:eu-repo/semantics/openAccess
• Abierto (Texto Completo)
• Atribución-NoComercial-SinDerivadas 2.5 Colombia

Licence

• http://creativecommons.org/licenses/by-nc-nd/2.5/co/

Language dc:language

spa

Identifier

instname:Universidad Ean
reponame:Repositorio Institucional Biblioteca Digital Minerva
repourl:https://repository.ean.edu.co/

OAI identifier oai:identifier

oai:null:10882/14505