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

Abstract

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.

The setting up process for support vector machines (SVM) is discussed in this paper. Such settings are normally obtained from exhaustive testing of SVM, settled on by using several configuration parameter values and evaluating performance by using techniques such as cross validation. The linear approach presented in this paper is based on redefining the classical SVM se-cond-order objective function. Better setting parameters were obtained by using low computational cost methodology for resol-ving new linear optimisation. The proposed approach was applied to a typical classification problem regarding fault location in power distribution systems; the results so obtained were compared to those obtained using classical methodology. An 80% im-provement was achieved in mean error when estimating fault location and 56% reduction in the computing time needed for ob-taining the best results when using classical approaches.