Evaluación comparativa de tres métodos de clasificación aplicados al problema de la localización de fallas de cortocircuito en sistemas de distribución de energía eléctrica.

In this paper, the performance of Support Vector Machines (SVM), Learning Algorithm for Multivariable Data Analysis (LAMDA), and Finite Mixtures (MF), three classification techniques from the soft computing field tested and compared in an application on power distribution systems. In this case the proposed techniques are used to solve the fault location problem. The power distribution system is then subdivided in several zones and by applying each technique one of these is identified as the faulted zone. As results, values of the precision indexes higher than 90% are obtained in case of the application of SVM.En este artículo se analiza y compara el desempeño de las Máquinas de Soporte Vectorial (SVM), el Algoritmo de Aprendizaje para Análisis de Datos Multivariable (LAMDA) y las Mezclas Finitas (MF), técnicas del campo de la computación suave, aplicadas al problema de la localización de fallas en sistemas de distribución. Metodológicamente, el sistema de distribución es subdividido en varias zonas, y mediante la aplicación de cada una de las técnicas propuestas, se identifica la zona en falla. Como resultado, se obtienen los índices de precisión para cada técnica, alcanzando valores superiores a 90% en el caso de las SVM