Estrategia basada en algoritmos genéticos para el ajuste óptimo de una máquina de soporte vectorial utilizada para localización de fallas en sistemas de distribución de energía eléctrica
Palabras clave:
algoritmos genéticos, clasificación, localización de fallas, máquinas de soporte vectorial y sistemas de distribución de energía eléctricaResumen
En este artículo se presenta la selección de los parámetros de un localizador de fallas basado en máquinas de soporte vectorial, utilizando una estrategia híbrida de bajo costo computacional fundamentada en el algoritmo genético de Chu Beasley. El localizador propuesto se prueba en el sistema de distribución IEEE de 34 nodos, donde los resultados muestran errores de validación cruzada promedio para las mejores alternativas de 0,3%, considerando los casos analizados con una base de datos de 2.180 registros de fallas monofásicas, bifásicas, bifásicas a tierra y trifásicas. La base de datos de prueba se obtiene mediante simulación con ATP y Matlab.
Descargas
Citas
IEEE Std 37.114. IEEE Guide for Determining Fault Location on AC Transmission and Distribution Lines. Power System Relaying Committee. 2004. pp. 1-36.
T. Short. Electric Power Distribution Handbook. CRC press. New York. Vol. 1. 2003. pp. 8-30.
J. Mora, G. Carrillo, B. Barrera. “Fault Location in Power Distribution Systems Using a Learning Algorithm for Multivariable Data Analysis”. IEEE Transaction on Power Delivery.Vol. 22. 2007. pp. 1715-1721.
J. Mora-Flórez, J. Meléndez, G. Carrillo-Caicedo, “Comparison of impedance based fault location methods for power distribution systems,” Electric Power Systems Research. Vol. 78. 2008. pp. 657-666.
K. Srinivasan, A. St-Jacques. “A new fault location algorithm for radial transmission lines with loads”. IEEE Transactions on Power Delivery. Vol. 4. 1989. pp. 1676-1682.
A. Girgis, C. Fallon, D. Lubkeman. “A fault location technique for rural distribution feeders” IEEE Transactions on Industry and Applications. Vol. 26. 1993. pp. 1170-1175.
A. Mescal, A. Al-Shaher, S. Manar. “Fault location in multi-ring distribution network using artificial neural network”. Electric Power Systems Research. Vol 64. 2003. pp. 87-92.
D. Thukaram, H. Khincha H. Vijaynarasimha “Artificial Neural Network and Support Vector Machine Approach for Locating Faults in Radial Distribution Systems”. IEEE Transactions on Power Delivery.Vol. 20. 2005. pp. 71 721.
G. Morales, J. Mora, S. Pérez. “Learning-based strategy for reducing the multiple estimation problem of fault zone location in radial power Systems” IET Generation, Transmission and Distribution. Vol. 3. 2009. pp. 346-356.
C. Burges. A tutorial on Support Vector Machines for Pattern Recognition. http://www.kernel-machines. org/. Consultada el 15 de septiembre de 2008.
S. Bernhard, S. Alex. Learning with Kernels Support Vector Machines, Regularization, Optimization and Beyond. Ed. MIT Press. Cambridge. 2002. pp. 24-69.
A. Eiben, J. Smith. Introduction to Evolutionary Computing (Natural Computing Series). Ed. Springer Verlag. Heidelberg. 2003. pp. 37-69.
S. Sivanandam, S. Deepa. Introduction to Genetic Algorithms. Springer Verlag. Heidelberg. 2003. pp. 19-78.
P. Anderson. Analysis of faulted power systems. Ed. The Iowa State University Press. NewYork. 1995. pp. 56-127.
J. Mora. “Localización de Fallas en Sistemas de Distribución de Energía Eléctrica usando Métodos Basados en el Modelo y Métodos Basados en el Conocimiento”. Tesis Doctoral. University of Girona. España. 2006. pp. 81-86.
IEEE Distribution System Analysis Subcommittee. Radial Test Feeders. IEEE Standards Board. (http:// www.ewh.ieee.org/soc/pes/dsacom/testfeeders.html). 1993. Consultada el 08 de mayo de 2009.
J. Dagenhart. “The 40-Ground-Fault Phenomenon”. IEEE Transactions on Industry Applications. Vol. 36. 2000. pp. 30-32.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Revista Facultad de Ingeniería
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter