Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Duarte Gualdrón, César AntonioBlanco Solano, JairoGaleano Suárez, Daniel Camilo2022-09-242022-09-242022-09-122022-09-12https://noesis.uis.edu.co/handle/20.500.14071/11787Este 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.application/pdfspainfo:eu-repo/semantics/openAccessSistemas de distribuciónLocalización de fallasPerfil de tensiónSVRCambio de pendienteUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestríaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coDistributions systemsFault locationVoltage profileSVRSlope changehttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)