Mantenimiento Predictivo en Redes Eléctricas Inteligentes (Smart Grids) utilizando Machine Learning
DOI:
https://doi.org/10.23857/dc.v10i3.3946Palabras clave:
Smart Grids, Mantenimiento predictivo, Machine Learning, Detección de fallos, Eficiencia energéticaResumen
Este estudio examinó la aplicación del mantenimiento predictivo en redes eléctricas inteligentes (Smart Grids) utilizando Machine Learning (ML). Se analizaron diversas técnicas de ML, incluyendo redes neuronales artificiales, árboles de decisión y máquinas de soporte vectorial, para predecir y detectar fallos en tiempo real en las redes eléctricas. La investigación reveló que la implementación de estos sistemas redujo significativamente las tasas de falla, con algunos casos mostrando disminuciones de hasta un 70%. Se observó una optimización en la vida útil de los activos y una reducción sustancial en los costos de mantenimiento. El análisis de datos en tiempo real permitió la detección temprana de anomalías, transformando el enfoque reactivo tradicional en una estrategia proactiva. Se identificaron desafíos clave, incluyendo la calidad de los datos, la interpretabilidad de los modelos y la integración con sistemas existentes. El estudio concluyó que el mantenimiento predictivo basado en ML ofreció un potencial significativo para mejorar la eficiencia, confiabilidad y sostenibilidad de las Smart Grids, sentando las bases para futuras innovaciones en la gestión energética.
Citas
B. M. Kavya, N. Sharmila, K. B. Naveen, S. Mallikarjunaswamy, K. S. Manu y S. Manjunatha, «Una red inteligente basada en aprendizaje automático para la gestión de la energía en el hogar mediante un sistema de computación en el borde de la nube,» IEEE Xplore, vol. 8, nº https://ieeexplore.ieee.org/document/10419952, p. 19, 2023.
A. R. &. K. N. Babu, Smart Grids: Fundamentals and Technologies in Electricity Networks. Springer., 2019.
R. Chakraborty, A. Samanta, K. Agrawal y A. Dutta, «Hacia una red más inteligente: la política y su evaluación de impacto a través de un estudio de caso.,» Mantener la energía. Redes de redes, vol. 100436, nº https://scholar.google.com/scholar_lookup?title=Towards+smarter+grid:+Policy+and+its+impact+assessment+through+a+case+study.+Sustain+Energy&author=Chakraborty,+R.&author=Samanta,+A.&author=Agrawal,+K.M.&author=Dutta,+A.&publication_year=2021&journal=Grids, p. 26, 2021.
F. &. X. J. Wang, "Predictive Maintenance in Smart Grid: A Machine Learning Approach.", IEEE Access, 7, 102585-102597., 2022.
M. Ghorbanian, S. Dolatabadi y P. Siano, «Big Data Issues in Smart Grids: A Survey.,» Sistema IEEE, nº https://scholar.google.com/scholar_lookup?title=Big+Data+Issues+in+Smart+Grids:+A+Survey&author=Ghorbanian,+M.&author=Dolatabadi,+S.H.&author=Siano,+P.&publication_year=2019&journal=IEEE+Syst.+J.&volume=13&pages=4158%E2%80%934168&doi=10.1109/JSYST.2019.29, p. 13, 2019.
K. Zame, C. Brehm, A. Nitica, C. Ricardo y G. Schweitzer, «Red inteligente y almacenamiento de energía,» Renovar. Sostener, nº https://scholar.google.com/scholar_lookup?title=Smart+grid+and+energy+storage:+Policy+recommendations&author=Zame,+K.K.&author=Brehm,+C.A.&author=Nitica,+A.T.&author=Richard,+C.L.&author=Schweitzer,+G.D.&publication_year=2018&journal=Renew.+Sustain.+Energ, p. 19, 2018.
J. &. B. L. Smith, Intelligent Systems for Industrial Automation., Springer., 2020.
M. &. R. P. García, Artificial Intelligence in Energy Management., Wiley., 2019.
A. &. L. F. Pérez, Machine Learning Applications in Electrical Engineering., IEEE, 2018.
R. Hernández, Redes Eléctricas Inteligentes y su Gestión con Inteligencia Artificial., Revista Iberoamericana de Automática e Informática Industrial, 18(2), 145-158., 2021.
C. &. G. J. Martínez, Técnicas de Inteligencia Artificial en Mantenimiento Predictivo., Journal of Electrical Systems and Information Technology, 9(4), 278-291., 2022.
V. K. Ponnusamy, «Una revisión exhaustiva de los aspectos sostenibles del análisis de big data para la red inteligente,» MDPI, vol. 13, nº https://www.mdpi.com/2071-1050/13/23/13322, p. 23, 2021.
F. Puhe y C. Rehtanz, «Una estrategia adaptativa de identificación de subredes para futuras redes inteligentes de media tensión basada en el aprendizaje automático,» IEEE PES, vol. 1, nº https://ieeexplore.ieee.org/document/9960520, p. 5, 2022.
R. &. Z. Z. Fan, "Application of Machine Learning Algorithms for Fault Detection in Smart Grid: A Review.", IEEE Transactions on Neural Networks and Learning Systems, 29(11), 4938-4953, 2019.
B. &. H. Z. Yang, "Data-Driven Predictive Maintenance for Smart Grids Using Machine Learning.", IEEE Transactions on Industry Applications, 53(4), 3554-3562., 2021.
[16] L. &. D. R. Xu, "Machine Learning for Predictive Maintenance in Smart Grid: A Survey.", Journal of Machine Learning Research, 21(75), 1-38., 2020.
N. &. H. J. Hastings, "Enhancing Smart Grid Reliability Through Predictive Maintenance Using Machine Learning.", Electric Power Systems Research, 160, 303-312, 2020.
H. &. Q. T. Lin, Machine Learning Techniques for Predictive Maintenance in Smart Grid: Current Trends and Future Directions.", IEEE Transactions on Emerging Topics in Computing, 7(3), 463-475., 2019.
A. A. N. Zeki Murat Ç?nar, «Machine Learning en Mantenimiento Predictivo hacia la Fabricación Inteligente Sostenible en la Industria 4.0,» MDPI, nº https://www.mdpi.com/2071-1050/12/19/8211, p. 19, 2020.
A. Ghosh, «Una revisión exhaustiva de los aspectos sostenibles del análisis de big data para la red inteligente,» MDPI, vol. 12, nº https://www.mdpi.com/2071-1050/13/23/13322, p. 23, 2021.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Jonathan Javier Ramos Dorado, Johnatan Israel Corrales Bonilla, William Paul Pazuña Naranjo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Authors retain copyright and guarantee the Journal the right to be the first publication of the work. These are covered by a Creative Commons (CC BY-NC-ND 4.0) license that allows others to share the work with an acknowledgment of the work authorship and the initial publication in this journal.
