Estudio e implementacion de una herramienta basada en maquinas de soporte vectorial aplicada a la localizacion de fallas en sistemas de distribucion

Abstract

Este trabajo de grado propone un método para estimar la zona más probable de falla en sistemasde distribución con ayuda de inteligencia artificial. Se estudia una técnica de inteligencia artificialpara clasificación llamada máquinas de soporte vectorial (SVM), esta técnica se aplica al problema de la localización de fallas en sistemas de distribución. Para estimar la ubicación de la zona fallada es necesario conocer la topología del sistema de distribución que se va a analizar. Se divide el circuito en zonas, se simula el sistema en estado defalla variando la ubicación, tipo y resistencias de falla, adquiriendo así las señales de tensión en lacabecera del circuito. Teniendo una base de datos de posibles fallas, se extraen descriptores de losvalores eficaces de las señales de tensión de fase, línea y secuencia cero. Se entrena la SVM con elfin de obtener los parámetros adecuados que proporcionen una clasificación satisfactoria tanto deltipo como la zona de falla. Para estimar un porcentaje de rendimiento de las SVM, se realiza unaprueba con datos desconocidos. Se realizó una prueba con un circuito de distribución, donde se obtienen resultados satisfactoriosutilizando únicamente las señales de tensión. No se ve comprometida la precisión con valores de resistencias de falla altos (alrededor de 40£2).