Enfoque lineal para determinar los parámetros óptimos de un localizador de fallas basado en msv

En este artículo se discuten los procesos de ajuste de las máquinas de soporte vectorial (SVM), los cuales normalmente se ob-tienen partir de un proceso de prueba exhaustivo de varios valores de los parámetros de configuración. Posteriormente, su de-sempeño se evalúa utilizando técnicas tales como l...

Full description

Autores:
Pérez Hernández, Lucas Paul
Mora Flórez, Juan José
Bedoya Cebayos, Juan
Tipo de recurso:
Article of journal
Fecha de publicación:
2009
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/29144
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/29144
http://bdigital.unal.edu.co/19192/
http://bdigital.unal.edu.co/19192/2/
Palabra clave:
euclidean distance norm
linear programming
fault location
support vector machine
norma de la distancia euclidiana
programación lineal
localización de fallas
máquinas de soporte vectorial
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:En este artículo se discuten los procesos de ajuste de las máquinas de soporte vectorial (SVM), los cuales normalmente se ob-tienen partir de un proceso de prueba exhaustivo de varios valores de los parámetros de configuración. Posteriormente, su de-sempeño se evalúa utilizando técnicas tales como la validación cruzada. El enfoque aquí presentado se fundamenta en la redefi-nición de la función objetivo de segundo orden de una máquina de soporte vectorial clásica utilizando una aproximación lineal. Como principales resultados obtenidos al resolver el nuevo problema de optimización lineal, se obtienen mejores parámetros de configuración utilizando una metodología de bajo costo computacional. La aproximación propuesta se aplica a un problema de clasificación típico de la localización de fallas en sistemas de distribución de energía eléctrica, donde los resultados son compa-rados con aquellos obtenidos usando la metodología clásica. Se presenta un mejoramiento en los resultados logrados en el error promedio de estimación de la localización de la zona en falla del 80%, y una reducción del tiempo computacional del 56% del requerido para alcanzar los mejores resultados con las alternativas clásicas.