Publicación: Modelos predictivos de clasificación para el diagnóstico de disponibilidad en plantas térmicas de generación de energía eléctrica de Colombia
Portada
PDF 
FLIP 
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Director
Fecha
Resumen en español
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.
Resumen en inglés
Thermal power plants in Colombia are essential for the reliability of the electrical system, especially during periods of high demand or low hydrology. However, predicting failures and unavailability remains a critical challenge. Predictive maintenance, based on exploratory data analysis and machine learning classification models, enables problem anticipation by identifying patterns and correlations in operational data, facilitating preventive maintenance planning and reducing operational costs and downtime. These tools optimize resources, enhance environmental sustainability, and strengthen operational efficiency, ensuring continuous and reliable supply. Although the models demonstrate high accuracy, they face challenges such as class imbalance and data complexity. Nonetheless, their implementation positions these technologies as essential for more efficient and resilient thermal plant management, contributing to the sustainable development of the energy sector in Colombia.
