Publicación:
Identificación de anomalías en el aislamiento de líneas de transmisión a partir de imágenes

Vista sencilla de ítem
dc.contributor.advisorMartínez Vargas, Juan David
dc.contributor.advisorValencia Díaz, Edison
dc.contributor.authorSánchez Echeverri, Daniel Alonso
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.emaildasancheze@eafit.edu.co
dc.date.accessioned2024-08-06T21:05:31Z
dc.date.available2024-08-06T21:05:31Z
dc.date.issued2024
dc.descriptionEn la actualidad, el mantenimiento de las líneas de transmisión de energía eléctrica se basa en tareas de inspección que requieren largos recorridos por terrenos complejos para determinar la condición de esta infraestructura. Los avances tecnológicos en vehículos aéreos no tripulados, también conocidos como drones, han permitido que algunas tareas de inspección se realicen de manera remota, capturando fotografías de la infraestructura. Posteriormente, se analizan estas imágenes para identificar el estado físico de los activos. Sin embargo, el procesamiento y visualización constituyen un procedimiento manual que demanda horas de revisión para identificar los problemas. En este contexto, el presente trabajo propone el uso de algoritmos de visión artificial, con el fin de identificar los elementos de la red que presentan anomalías, afectando el normal funcionamiento del sistema de transmisión de energía eléctrica. Con esta estrategia, se espera mejorar la eficiencia en la identificación de problemas en la infraestructura de energía eléctrica, reduciendo el tiempo y los costos asociados a la revisión manual de las imágenes obtenidas por los drones. El conjunto de datos ha sido obtenido de una empresa del sector de energía eléctrica en Colombia. En este documento, por razones de protección de datos y ética empresarial, la empresa ha sido anonimizada y renombrada como Empresa de Energía EE.
dc.description.abstractCurrently, the maintenance of electric power transmission lines is based on inspection tasks that require long journeys over complex terrain to determine the condition of this infrastructure. Technological advances in unmanned aerial vehicles, also known as drones, have allowed some inspection tasks to be performed remotely, capturing photographs of the infrastructure. These images are then analyzed to identify the physical condition of the assets. However, processing and visualization is a manual procedure that requires hours of review to identify problems. In this context, the present work proposes the use of artificial vision algorithms, in order to identify the elements of the network that present anomalies, affecting the normal operation of the electric power transmission system. With this strategy, it is expected to improve the efficiency in the identification of problems in the electric power infrastructure, reducing the time and costs associated with the manual review of the images obtained by the drones. The dataset has been obtained from a company in the electric power sector in Colombia. In this paper, for reasons of data protection and business ethics, the company has been anonymized and renamed as Empresa de Energía EE.
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Ciencias de Datos y Analíticaspa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad EAFIT
dc.identifier.reponamereponame:Repositorio Institucional Universidad EAFIT
dc.identifier.repourlrepourl:https://repository.eafit.edu.co
dc.identifier.urihttps://hdl.handle.net/10784/34277
dc.language.isospa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentÁrea Computación y Analíticaspa
dc.publisher.facultyEscuela de Ciencias Aplicadas e Ingenieríaspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAcceso abierto
dc.rights.localspa
dc.subjectEnergía
dc.subjectImágenes
dc.subjectTransmisión de energía
dc.subjectVisión artificial
dc.subjectDrones
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.subject.lembSISTEMAS DE ENERGÍA ELÉCTRICA
dc.subject.lembALMACENAMIENTO DE ENERGÍA
dc.titleIdentificación de anomalías en el aislamiento de líneas de transmisión a partir de imágenes
dc.typeinfo:eu-repo/semantics/masterThesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.localTesis de Maestríaspa
dc.type.localInformespa
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dspace.entity.typePublication

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
DanielAlonso_SanchezEcheverri_2024.pdf
Tamaño:
6.1 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
393.61 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
110.33 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)