HYBRID APPROACH FOR AN OPTIMAL ADJUSTEMENT OF A KNOWLEDGE-BASED REGRESSION TECHNIQUE FOR LOCATING FAULTS IN POWER DISTRIBUTION SYSTEMS

• Main Authors: EVER CORREA-TAPASCO, JUAN MORA-FLÓREZ, SANDRA PÉREZ-LONDOÑO
• Format: Article
• Language: English
• Published: Universidad Nacional de Colombia 2011-01-01
• Series: Dyna
• Online Access: http://www.redalyc.org/articulo.oa?id=49621159004

Este artículo está orientado al desarrollo de un método híbrido que combina una técnica de regresión como las máquinas de soporte vectorial y una técnica de optimización como el algoritmo genético de Chu-Beasley, para resolver el problema de localización de fallas. La estrategia propuesta consiste en la utilización del algoritmo genético para la selección adecuada de los mejores parámetros de configuración de la máquina de soporte vectorial. Como resultado de la aplicación de esta estrategia se obtiene una herramienta adecuada para relacionar un conjunto de entradas con una única salida en una tarea clásica de regresión, la cual es utilizada para determinar la distancia a la falla en sistemas de distribución, a partir de las medidas de tensión y de corriente en un terminal de la línea. La estrategia propuesta se prueba preliminarmente utilizando dos funciones sencillas en Â1 y Â2, donde los resultados son altamente satisfactorios. Luego, se realiza la selección de los parámetros adecuados de calibración de la SVM y como resultados para cuatro diferentes localizadores propuestos, se obtiene un error promedio en validación cruzada de 5,75 %. Estos resultados muestran el desempeño adecuado de la metodología propuesta, la cual combina las máquinas de soporte vectorial con el algoritmo genético, en un potente localizador de fallas aplicado a los sistemas de distribución de energía eléctrica.