Ubicación única de fallas en sistemas de distribución por medio de zonas con SVM

Autores/as

  • Germán Morales-España Universidad Industrial de Santander
  • Hermann Raúl Vargas-Torres Universidad Industrial de Santander
  • René Barrera-Cárdenas Universidad Industrial de Santander

DOI:

https://doi.org/10.17533/udea.redin.17765

Palabras clave:

Descriptores, inteligencia artificial, localización de fallas, múltiple estimación, sistemas de distribución, SVM, zonas.

Resumen

Este artículo presenta una nueva metodología para localizar fallas en sistemas de distribución por medio de una técnica de inteligencia artificial -Máquinas de Soporte Vectorial- (SVM). El método de localización de la falla se basa en la división del sistema eléctrico en zonas, acotando cada vez más la región donde ésta se encuentra. La ventaja sobre los métodos clásicos de distancia consiste en una única estimación del sitio de falla para sistemas ramificados. Un ejemplo de aplicación con el modelo de un sistema real muestra que la metodología propuesta es altamente efectiva para resolver el problema, donde se consideran variaciones de carga de ±40 % de la carga nominal.

|Resumen
= 121 veces | PDF
= 37 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Germán Morales-España, Universidad Industrial de Santander

Grupo de Investigación en Sistemas de Energía Eléctrica (GISEL), Escuela de Ingenierías Eléctrica Electrónica y Telecomunicaciones

Hermann Raúl Vargas-Torres, Universidad Industrial de Santander

Grupo de Investigación en Sistemas de Energía Eléctrica (GISEL), Escuela de Ingenierías Eléctrica Electrónica y Telecomunicaciones

Citas

G. Morales, H. Vargas, J. Mora. “Impedance based method to fault location in power distribution, considering tapped loads and heavy unbalanced systems”. Proc. XII encuentro regional Iberoamericano del CIGRÉ. Foz de Iguazú, Brasil. 2007.

J. Zhu, D. Lubkeman, A. Girgis. “Automated fault location and diagnosis on electric power distribution feefers”. IEEE Transactions on Power Delivery. Vol. 12. 1997. pp. 801-809. DOI: https://doi.org/10.1109/61.584379

R. Aggarwal, Y. Aslan, A. Johns. “New concept in fault location for overhead distribution systems usings superimposed components”. IEE Proc.-Gener. Trans. Distrib. Vol. 144. 1997. pp. 309-304. DOI: https://doi.org/10.1049/ip-gtd:19971137

D. Novosel, D. Hart, Y. Hu, J. Myllymaki. “System for locating faults and estimating fault resistence in distribution networks with tapped loads”. US Patent number 5,839,093. 1998.

R. Das. Determining the Locations of Faults in Distribution Systems. Saskatoon. Canada: Doctoral Thesis, University of Saskatchewan. 1998.

J. Mora. Localización de faltas en sistemas de distribución de energía eléctrica usando métodos basados en el modelo y métodos basados en el conocimiento. Girona, España: Tesis doctoral, Universidad de Girona. 2006.

G. Morales, H. Vargas, J. Mora. “Método de localización de fallas en sistemas de distribución basado en gráficas de reactancia”. Revista Scientia et Técnica. Vol. 34. 2007. pp. 49-54.

IEEE Guide for Determining Fault Location on AC Transmission and Distribution Lines. IEEE Std 37.114. Power System Relaying Committee 2004.

G. Morales, J. Mora, G. Carrillo. “Evaluación comparativa de tres métodos de clasificación aplicados al problema de la localización de fallas de cortocircuito en sistemas de distribución de energía eléctrica” Revista Scientia et Técnica. Vol. 35. 2007. pp. 19-24.

C. Burges. “A tutorial on support vector machines for pattern recognition”. Data Mining And Knowledge Discovery. Vol. 2. 1998. pp. 121-167. DOI: https://doi.org/10.1023/A:1009715923555

R. Henao, F. Ojeda, M. Orozco, G. Castellanos. “Identificación de estados funcionales en bioseñales empleando SVM”. Proc. II Congreso Internacional de Inteligencia Computacional. Medellín 2003.

B. Schölkopf, A. Smola. Learning with Kernels Support Vector Machines, Regularization, Optimization and Beyond. The MIT Press. Cambridge. 2002.

V. Vapnik. The nature of statistical learning theory. Springer Verlag. New York. 1995. pp. 17-55 DOI: https://doi.org/10.1007/978-1-4757-2440-0

G. Morales, A. Gómez. Estudio e implementación de una herramienta basada en Máquinas de Soporte Vectorial aplicada a la localización de fallas en sistemas de distribución. Bucaramanga, Colombia: Tesis de grado, Universidad Industrial de Santander, 2005. [Online]. Available: http://tangara.uis.edu.co/biblioweb/pags/cat/popup/derautor.jsp?parametros=118738. Consultada en mayo de 2007.

G. Morales, J. Mora, S. Pérez. “Análisis del desempeño de un localizador de fallas basado en svm ante la variación de carga en el sistema de distribución” Revista Scientia et Técnica. Vol. 32. 2006. pp. 7-12.

C. W. Hsu, C. C. Chang, C. J. Lin. A practical guide to support vector classification. Department of Computer Science, National Taiwan University, Tech. Rep., 2003. [Online]. Available: http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf Consultada en mayo de 2007.

Descargas

Publicado

2013-12-03

Cómo citar

Morales-España, G. ., Vargas-Torres, H. R., & Barrera-Cárdenas, R. (2013). Ubicación única de fallas en sistemas de distribución por medio de zonas con SVM. Revista Facultad De Ingeniería Universidad De Antioquia, (47), 187–196. https://doi.org/10.17533/udea.redin.17765