Localización de Fallas en Sistemas de Distribución de Energía Eléctrica a partir de la Estimación del Perfil de Tensión de Falla utilizando Máquinas de Soporte Vectorial

Galeano Suárez, Daniel Camilo

Publicación:
Localización de Fallas en Sistemas de Distribución de Energía Eléctrica a partir de la Estimación del Perfil de Tensión de Falla utilizando Máquinas de Soporte Vectorial

dc.contributor.advisor	Duarte Gualdrón, César Antonio
dc.contributor.advisor	Blanco Solano, Jairo
dc.contributor.author	Galeano Suárez, Daniel Camilo
dc.contributor.evaluator	Vargas Torres, Hermann Raúl
dc.contributor.evaluator	Petit Suárez, Johan Farith
dc.date.accessioned	2022-09-24T01:48:34Z
dc.date.available	2022-09-24T01:48:34Z
dc.date.created	2022-09-12
dc.date.embargoEnd	2027-09-12
dc.date.issued	2022-09-12
dc.description.abstract	Este trabajo de investigación propone una metodología de localización de fallas en sistemas de distribución basada en la estimación del perfil de tensión de falla a partir del entrenamiento de máquinas de soporte vectorial para regresión. El entrenamiento de las SVR se realiza a través de datos de simulación que se extraen del software de sistemas eléctricos OpenDSS. Los perfiles de tensión estimados son la entrada a un algoritmo de localización que a través de regresiones lineales y el concepto de cambio de pendiente estima el punto de falla. El rendimiento de la metodología de localización se evalúa realizando diversos análisis de sensibilidad empleando la clase Python FL-SVR. Los resultados demuestran la veracidad de la hipótesis inicial de esta investigación y la alta exactitud con la que se revuelve el problema.
dc.description.abstractenglish	This research work proposes a fault location methodology for distribution systems based on the estimation of the fault voltage profile from training of support vector regression machines. The training of SVR is performed through simulation data computed by the OpenDSS power system software. The voltage profiles are the input to a localization algorithm that through linear regressions and the concept of slope change estimates the fault location point. The performance of the localization methodology is evaluated by performing various sensitivity analyses using the Python FL-SVR class. The results demonstrate the veracity of the initial hypothesis of this research and the high accuracy with which the problem is solved.
dc.description.degreelevel	Maestría
dc.description.degreename	Magíster en Ingeniería Eléctrica
dc.description.orcid	https://orcid.org/0000-0001-7563-855X
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/11787
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Maestría en Ingeniería Eléctrica
dc.publisher.school	Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Sistemas de distribución
dc.subject	Localización de fallas
dc.subject	Perfil de tensión
dc.subject	SVR
dc.subject	Cambio de pendiente
dc.subject.keyword	Distributions systems
dc.subject.keyword	Fault location
dc.subject.keyword	Voltage profile
dc.subject.keyword	SVR
dc.subject.keyword	Slope change
dc.title	Localización de Fallas en Sistemas de Distribución de Energía Eléctrica a partir de la Estimación del Perfil de Tensión de Falla utilizando Máquinas de Soporte Vectorial
dc.title.english	Fault Location in Power Distribution Systems from Fault Voltage Profile Estimation Using Support Vector Machines
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type	Publication