Power Predict: Modelo de predicción para fallas en transformadores

Abstract

En Colombia, las fallas e interrupciones en la distribución eléctrica son un desafío creciente, principalmente debido al envejecimiento de la infraestructura y la alta demanda energética. Este estudio tiene como objetivo diseñar un modelo predictivo para anticipar fallos en los transformadores de redes de distribución eléctrica de media tensión en Yopal, Casanare, utilizando datos históricos de mantenimiento y fallas. La metodología se basa en la analítica predictiva, implementando técnicas de machine learning como regresión logística, árboles de decisión y redes neuronales para identificar patrones que permitan predecir fallos y optimizar las intervenciones de mantenimiento. El modelo se desarrolla con el propósito de mejorar la eficiencia operativa de las empresas distribuidoras de energía, reduciendo costos asociados a reparaciones imprevistas y aumentando la calidad del servicio. Se recopilan datos sobre fallas, mantenimientos previos y factores externos como condiciones ambientales para diseñar el modelo predictivo. Los resultados esperados incluyen la reducción de interrupciones en el suministro eléctrico y una optimización de los recursos disponibles para el mantenimiento preventivo. El proyecto se llevará a cabo en un periodo total de 52 semanas, con fases de análisis de datos, diseño y validación del modelo, y entrega de recomendaciones finales. En conclusión, la implementación de este modelo predictivo permitirá a las empresas anticiparse a problemas potenciales, mejorando la confiabilidad del servicio eléctrico, reduciendo costos y contribuyendo al desarrollo económico y social de la región.