Scientia et Technica Ao XII, No 30, Mayo de 2006 UTP.

ISSN 0122-1701 59

MTODO HBRIDO BASADO EN LA ESTRUCTURA DE AGENTES PARA

LOCALIZACIN DE FALLAS EN SISTEMAS DE DISTRIBUCIN DE ENERGA
ELCTRICA
RESUMEN JUAN JOS MORA FLREZ
Los mtodos basados en el modelo (MBM), utilizados para localizacin de fallas Ingeniero Electricista, Ph.D.(c)
en sistemas de distribucin estiman la distancia de la falla a partir del Profesor auxiliar,
fundamental de tensin y corriente, medidos en un extremo de la lnea. Como Universidad tecnolgica de Pereira
desventajas generales, estos mtodos requieren de un buen modelo del sistema y jjmora@ohm.utp.edu.co
adems tienen el problema de la mltiple estimacin de la localizacin de la
falla. SANDRA MILENA PREZ
En este artculo se presenta una discusin terica de la conformacin de sistemas LONDOO
hbridos a partir de los diferentes tipos de conocimiento de los cuales se dispone Ingeniera Electricista, MSc
al abordar cualquier problema real, y de la combinacin de tcnicas del campo Profesor asistente
de la inteligencia artificial o mtodos basados en el conocimiento (MBC). A Universidad Tecnolgica de Pereira
partir de la fundamentacin terica bsica, y del anlisis de ventajas y saperez@utp.edu.co
desventajas de cada tcnica, se presenta una propuesta para abordar el problema
de la localizacin de fallas en sistemas de distribucin de energa, como Grupo de Planeamiento de
alternativa hbrida basada en los MBM y MBC. Sistemas Elctricos GPE

JUAN CARLOS RODRGUEZ

PALABRAS CLAVES: Localizacin de fallas, sistemas hbridos, sistemas de
SUREZ
distribucin
Ingeniero Electricista, MSc (c)
jcrodrig@uis.edu.co
ABSTRACT
Model Based Methods (MBM), used for fault location methods in power Universidad Industrial de
distribution systems estimate the fault distance based on the fundamental Santander.
component of single end voltages and currents. As general disadvantages there Grupo de Investigacin en
are two; first, these methods require of a good system model; and second, these Sistemas Elctricos - GISEL
methods do not avoid the multiple fault location estimation problem.
In this paper, a theoretical discussion about the development of hybrid systems
starting from both, different types of knowledge related to a real problem, and
the combination of artificial intelligent techniques or Knowledge Based Methods
(KBM) is presented. Starting from the theoretical basis, and performing the
analysis of disadvantages and advantages of each analyzed technique, a
proposal to consider the fault location problem in power distribution systems, as
a useful hybrid alternative to take advantage of both, MBM and KBM is
proposed.

KEYWORDS: Fault location, hybrid systems, distribution power systems.

1. INTRODUCCIN

Como consecuencia del aumento en el consumo de medidas en la subestacin de distribucin, para la

electricidad, los sistemas elctricos de potencia han
crecido en nmero y longitud de las lneas de transmisin
y distribucin. En caso de fallas, la restauracin del
servicio puede ser considerablemente ms rpida si puede
estimar el sitio donde sta ocurri [1] [2].
En aos recientes, resuelto el problema de localizacin de
fallas paralelas en lneas de transmisin, la investigacin
se orienta a la localizacin de fallas en sistemas de
distribucin, el cual es mucho ms complicado debido a
su gran complejidad por la presencia de conductores no
homogneos, cargas laterales y desbalance de carga.
Adicionalmente, en estos sistemas solo se cuenta con las
Fecha de Recepcin: 26 Enero de 2006
Fecha de Aceptacin: 18 Abril de 2006
localizacin de la falla y algunas veces, un modelo del
sistema.
De otra parte, muchas tcnicas y aplicaciones en el
campo de la computacin suave y la inteligencia artificial
(AI), han sido desarrolladas en las ltimas dcadas. Cada
tcnica pretende aprovechar sus ventajas para la solucin
de los problemas reales, generalmente complejos. Sin
embargo, la mayora de investigaciones han demostrado
que con la unin de algunas tcnicas, se obtiene una
mejor respuesta a la necesidad planteada por algn
problema especfico. Una primera definicin de un
sistema hbrido es aquel que integra dos o ms tcnicas
diferentes [3].
60
En este artculo se presenta una aproximacin que utiliza
tanto las medidas tomadas en la subestacin, el modelo
del sistema y mtodos de computacin suave, mediante
una aproximacin hbrida para la localizacin de fallas en
sistemas de distribucin.
Como contenido, en la seccin 2 se presenta una
descripcin general de los mtodos clsicos de
localizacin de fallas; la presentacin terica de los
diferentes tipos de conocimiento y de las formas de
representacin y aprovechamiento se realiza en la seccin
3; la seccin 4 presenta la fundamentacin de los
sistemas hbridos como alternativa para unir tcnicas
complementarias, buscando el mejor aprovechamiento de
la informacin y la solucin ms adecuada a un problema
particular. En la seccin 5 se presenta la instanciacin
particular al problema de localizacin de fallas, mientras
que en la seccin 6 se presentan los resultados de las
pruebas realizadas. Finalmente, en la seccin 7 se
presentan las conclusiones del trabajo.
2. MTODOS GENERALES DE
LOCALIZACIN DE FALLAS
Los mtodos usados para la localizacin de fallas en
sistemas de distribucin, que usan medidas en un
terminal de lnea, se clasifican en dos grupos: los
mtodos basados en el conocimiento (MBC) y los
mtodos basados en el modelo (MBM) [1].
Los MBC tienen una base de conocimientos con
informacin de los elementos de proteccin, estado de
interruptores, registros de llamadas de los clientes
afectados por las fallas, y finalmente, informacin
proveniente del procesamiento de los registros de tensin
y corriente medidos en la subestacin.
Los MBM usan el valor de la componente fundamental
de las seales de tensin y corriente medidas en la
subestacin y el modelo del sistema de potencia, para
calcular la impedancia aparente vista desde la
subestacin hasta el sitio de falla [2].
Los mtodos ms documentados para los sistemas de
distribucin son los MBM, debido a que su
implementacin y operacin no es tan costosa como los
basados en el conocimiento. Sin embargo, su alta
dependencia de un buen modelo y la mltiple estimacin
de la posible localizacin de la falla (estiman una
distancia elctrica desde la subestacin hasta el sitio de
falla), son sus grandes desventajas. As mismo, las
desventajas de los MBC son su costo, debido a la gran
cantidad de informacin que utilizan, y tambin que su
precisin no es tan alta como la de los basados en el
modelo.
Debido a lo anterior, en los ltimos estudios relacionados
con el problema de localizacin de fallas, reconocen la
importancia de desarrollar tcnicas hbridas para contar
con las ventajas de los dos mtodos, atenuando las
desventajas individuales [2] [3]. .
Scientia et Technica Ao XII, No 30, Mayo de 2006. UTP
3. TEORA BSICA DEL CONOCIMIENTO
La mayora de las actividades realizadas a diario se
fundamentan en la explotacin de gran cantidad de
informacin, hechos, experiencias y conocimientos. En
consecuencia, una parte importante de las labores de
investigacin y desarrollo de esta teora consiste en la
concepcin de formalismos que permiten el desarrollo de
los MBC, y especficamente el estudio de las distintas
maneras de definir y crear sus bases [4].
La conversin de conocimiento en un formato particular
es denominada representacin de conocimientos. Una
vez que el conocimiento haya sido adecuadamente
representado, puede utilizarse por un MBC, que con el
empleo de herramientas de anlisis, tratamiento y
manipulacin automtica pueden inducir o deducir
nuevos conocimientos.
3.1. Clasificacin del conocimiento
Numerosos estudios sobre el anlisis de la informacin y
su tratamiento como conocimiento lo clasifica en dos
grandes grupos: conocimiento emprico y conocimiento
terico [4]
3.1.1. Conocimientos tericos
Modelan el saber acerca de un tema a travs de una teora
correspondiente con el problema planteado. Son tratados
que se desarrollan a partir del anlisis de los
conocimientos bsicos y representan una generalizacin
de lo emprico.
3.1.2. Conocimientos empricos
Son experimentales, ya que representan el conjunto de
casos prcticos observados sobre un tema (conjunto de
ejemplos). Son conocimientos puros que no se han
tratado, analizado o modificado; representan los
resultados de experiencias o los ejemplos de casos
prcticos sin transformaciones.
En general, los conocimientos de que se dispone sobre un
problema son de tipo emprico y terico, y forman
conjuntos que se intersectan o se complementan. En la
mayora de casos, los conocimientos disponibles sobre un
problema en particular, no son totalmente correctos ni
completos; por esta razn la informacin disponible debe
explotarse de la mejor forma posible.
3.2. Representacin del conocimiento con mtodos
simblicos
Los mtodos simblicos permiten la representacin del
conocimiento terico. Esta representacin permite que un
algoritmo sea capaz de operar sobre ella, y a la vez
generar una representacin simblica como solucin [4].
Scientia et Technica Ao XII, No 30, Mayo de 2006. UTP
Entre los principales mtodos simblicos se encuentran
los rboles de decisin, sistemas expertos, lgica difusa,
sistemas basados en casos y los sistemas de base en
primeros principios o basados en el modelo (MBM).
3.3. Representacin del conocimiento con mtodos
conexionistas
Caracterizan la representacin y la adquisicin del
conocimiento emprico [5]. Entre los ms importantes
estn las redes neuronales, que es el mtodo conexionista
ms popularizado.
Tambin se encuentran algoritmos de tipo estadstico
como el Algoritmo de Aprendizaje para el Anlisis de
Datos Multivariables (LAMDA, por su nombre en
ingls). ste es un algoritmo de clasificacin
multivariable que combina la capacidad de
generalizacin de la lgica difusa y la capacidad de
interpolacin de los conectores de lgica hbrida. Puede
realizar aprendizaje supervisado y no supervisado,
modela indistinguibilidades, y es de fcil
implementacin [1][6].
Otro tipo de mtodo conexionista ms avanzado son las
Mquinas de Soporte Vectorial (SVM) [7]. Debido a su
utilizacin en este artculo, stas se describen brevemente
a continuacin.
Las SVM son un algoritmo de estimacin (learning
machine) basado en procedimientos de estimacin de
parmetros a partir de un conjunto de datos
(Trainning), el clculo del valor de la funcin
(Testing), y la evaluacin de la precisin
(Performance) [8].
Asumiendo que existen dos estados que se quieren
separar (operacin=1 o falla=-1), la idea principal es
obtener dos hiperplanos paralelos a una distancia de
margen que separe los estados de falla de los estados de
operacin, tal como se presenta en la figura 1. La
condicin bsica es que no existan puntos entre H1 y H2,
y que la distancia entre H1 y H2 (el margen) sea mxima
Margen
H 1 = w x + b = 1
H = wx + b = 0
H 2 = w x + b = 1
Figura 1. Hiperplanos de decisin generados por una SVM
lineal
Las cantidades w y b son los parmetros que controlan la
funcin y se denominan vector de pesos y bias [8]. Este
es un problema de programacin cuadrtica, convexo, en
61
un conjunto convexo (w, b). Al determinar el mximo
margen (hiperplanos que maximizan el margen), slo los
puntos que se encuentren ms cercanos a los hiperplanos
tendrn valores de wi positivos. Estos puntos constituyen
los Vectores de Soporte (VS), o sea, los elementos
crticos del conjunto de datos. Todos los dems puntos
tendrn wi= 0. Esto significa que si se repite el proceso
de entrenamiento conservando slo los VS, se obtendrn
los mismos hiperplanos.
Los problemas con un conjunto pequeo de datos pueden
ser resueltos con cualquier paquete de optimizacin que
resuelva programas de optimizacin cuadrtica con
restricciones lineales. Para problemas con muchos datos,
se han desarrollado tcnicas especiales [8].
Si la superficie que separa las dos clases no es lineal, se
puede transformar el conjunto de datos en un nuevo
espacio dimensional, tal que los puntos sean separables
linealmente. La figura 2 muestra tal transformacin [8].
(.)
Figura 2. Una regin de separacin no lineal transformada en
una lineal
Este nuevo espacio se define en trminos de un vector en
el espacio original y una funcin de transformacin ().
No es necesario especificar la transformacin (), que la
funcin kernel es equivalente al producto escalar en
algn otro espacio.
4. INTEGRACIN DEL CONOCIMIENTO EN
LOS SISTEMAS HBRIDOS
La mayora de investigaciones han demostrado que se
obtienen mejores respuestas ante un problema especfico,
mediante la unin de algunas de estas tcnicas en lo que
se conoce como sistemas hbridos. Uno de los aspectos
ms importantes en el diseo de un sistema hbrido es la
complementacin de los dos tipos de conocimiento
(terico y emprico), de los que normalmente se dispone
cuando se aborda un problema [4].
Existen varias combinaciones entre mtodos; la
utilizacin de este tipo de sistemas puede tener muchas
ventajas, entre ellas [5]:
La integracin de dos tcnicas complementarias
permite que una supla las deficiencias de la otra, de
forma que pueda obtenerse un mejor desempeo
El uso de diferentes tcnicas de representacin del
conocimiento amplia la capacidad del sistema para
recibir nueva informacin. Un solo mtodo aumenta las
restricciones, dificultando la solucin del problema.
62
Algunos sistemas complejos que no pueden ser
tratados empleando una sola tcnica. Deben dividirse en
subproblemas para su solucin, y luego tratarlos como un
todo para obtener una solucin global ptima.
El procesamiento en paralelo de la informacin de
diferentes mdulos permite un sistema con mayor
desempeo, ms robusto y con tolerancia a fallos.
4.1. Formas de integracin
Existen cuatro formas de integracin de tcnicas
claramente definidas: a) de componente simple, b)
fusin-base, c) jerrquicos y d) hbridos.
4.1.1. Sistemas de componente simple.
Emplean una sola tcnica y buscan la forma de adaptarla
para obtener la mejor solucin al problema propuesto.
4.1.2. Sistemas basados en fusin.
Incluyen sistemas que combinan diferentes tcnicas en un
modelo nico de computacin. Las ventajas de cada
tcnica empleada son aprovechadas para realizar un
mapeo desde un espacio de entrada hacia uno de salida.
4.1.3. Sistemas jerrquicos.
Se conforman de varios mdulos y el sistema se disea
de tal forma que cada funcin es ejecutada por la tcnica
que brinde mejores resultados para el subproblema
particular, en una estructura como la presentada en la
figura 3. Su correcto funcionamiento depende de la
operacin de las partes que lo conforman; as, un posible
error en una de las partes tiende a propagarse afectando el
desempeo general. El sistema no tiene lazos de
realimentacin o de atenuacin de errores y cada tcnica
trabaja de manera aislada
Figura 3. Esquema del sistema jerrquico
4.1.4. Sistemas hbridos.
Tienen una arquitectura en la cual interaccionan todas o
algunas de las tcnicas empleadas como la presentada en
la figura 4. La interaccin permite explotar la integracin
de tcnicas y su mutualidad. De esta forma se aprovechan
las ventajas de diferentes tcnicas para la solucin de
tareas especficas.
Figura 4. Esquema del sistema hbrido
Scientia et Technica Ao XII, No 30, Mayo de 2006. UTP
4.2. Propuesta de arquitectura hbrida modular a
partir del paradigma de agentes
La propuesta de arquitectura hbrida se fundamenta en la
estructura propia de los agentes inteligentes, por
considerar que estos son elementos que combinan
diferentes tcnicas que interactan entre s y con el medio
externo, tal como se presenta en la figura 5 [9].
Los agentes tienen una arquitectura basada en la
interaccin de varios mdulos con un sistema de
realimentacin que permite su mejor desempeo interno,
as como la medicin y adaptacin de las acciones de
acuerdo con el efecto de ellas sobre el medio.
Medidas de accin externas
Medidas
Crtico Sensores
de Accin
A
M
Adaptacin
Elemento de Elemento de B
conocimiento ejecucin
I
Conocimiento
E
Exploracin N
Generador de T
Problema
Efectores
E
Agente
Figura 5. Arquitectura funcional de un agente.
Las partes que interactan en la arquitectura son:
Ambiente. En l se encuentra el proceso por
controlar, el espacio de decisin por analizar o el
problema de aprendizaje por resolver. Entra en contacto
con el agente a travs de los sensores; asimismo, los
efectores se constituyen en el medio de accin del agente.
Elemento de desempeo. Tiene el conocimiento
necesario para controlar los efectores y, por tanto, las
diferentes acciones sobre el ambiente.
Elemento de aprendizaje. Actualiza el conocimiento
representado en el elemento de desempeo para
optimizar las acciones del agente. Tiene acceso a los
estados del ambiente, a las acciones anteriores y a una
seal de refuerzo inmediato de las acciones, que indica la
idoneidad de la ltima accin sobre el medio. Despus de
recibir la informacin, el elemento de desempeo se
adapta para que las futuras acciones sean ms pertinentes.
Crtico. Se encarga de transformar una seal externa
de refuerzo en una interna. El problema general es que la
seal externa es muy leve o puede indicar algn tipo de
fallo complejo, y debe traducirse en una seal de refuerzo
til como elemento de aprendizaje, con el propsito de
resolver el problema en forma adecuada. La seal de
refuerzo indica cundo una accin es o no adecuada.
Generador del problema. Su funcin es contribuir a
la exploracin del espacio del problema. En forma
abstracta, propone diferentes acciones que pueden
permitir descubrir nuevas y mejores soluciones. En
Scientia et Technica Ao XII, No 30, Mayo de 2006. UTP
muchos de los sistemas existentes esto se logra mediante
la adicin de ruido a la accin de salida; si el sistema an
se desempea bien puede decidirse que no se necesita
una nueva solucin; en caso contrario es necesario buscar
mejores alternativas para la solucin del problema.
5. PROPUESTA DE ARQUITECTURA HBRIDA
DE UNA SISTEMA DE LOCALIZACIN DE
FALLAS
La estructura del sistema hbrido de localizacin de fallas
en sistemas de distribucin, se fundamenta en la
propuesta general basada en agentes, tal como se presenta
en la figura 6.
Distancia real
Vs. Obtenida Sensores
V, I
Procesamiento
Mtodo Basado
en el Medidas Procesadas de la seal
Conocimiento
(SVM)
Mtodo Basado
Tipo de falla en el Modelo
(Ratan Das)
Zona de falla
Elemento de
Decisin
Ruido en la
seal de entrada
Localizacin
Figura 6. Sistema hbrido basado en MBC y MBC para
localizacin de fallas
En este caso de instanciacin, el crtico es solo un
elemento de validacin que determina la distancia real a
la cual ocurri la falla, y la distancia estimada. Esta
herramienta solo debe actuar en el periodo de
entrenamiento, con el fin de incluir en la base de
aprendizaje solo los ejemplos que conducen a resultados
aceptables dentro de un margen de tolerancia.
El elemento de aprendizaje est constituido por los
mtodos basados en el conocimiento (MBC) y tiene
como entradas las seales preprocesadas en forma de
descriptores y la seal de refuerzo del aprendizaje
definida por el crtico. El elemento de conocimiento del
sistema hbrido de localizacin de fallas son las
Mquinas de Soporte Vectorial [8]. stas mediante el
reconocimiento de caractersticas de las seales de
tensin, determinan la zona de ocurrencia de la falla.
El elemento de ejecucin est conformado
principalmente por el mtodo basado en el modelo
(MBM). Como MBM se implement el algoritmo de
localizacin de fallas de Ratan Das [11], el cual basado
en las medidas de tensin y corriente, encuentra el tipo de
falla y la distancia probable al punto de ocurrencia del
evento.
Las otras partes que conforman el elemento de ejecucin
son el elemento de decisin y el de procesamiento de la
seal; mediante una estrategia de resolucin de conflictos
63
(simple interseccin o ajuste de pesos), el elemento de
decisin obtiene la salida; el elemento generador de
problema es el ruido que puede tener la seal introducida
por los sensores, o que se desprende del procesamiento
de la seal por la prdida de informacin significativa.
Dado que no se efecta ninguna accin sobre el sistema
no existe un elemento actuador propiamente dicho1.
Bsicamente los sensores son los transformadores de
tensin y de corriente, as como los registradores de
eventos existentes en las subestaciones.
6. PRUEBAS Y RESULTADOS
El sistema de distribucin seleccionado para las pruebas
de la arquitectura propuesta es el modelo de sistema de
25kV utilizado en [11]. Adems, este circuito ha sido
utilizado para pruebas de distintos mtodos de
localizacin de fallas, como los encontrados en [2] y [7].
El diagrama unifilar de este sistema se presenta en la
SISTEMA figura 7.
DE
POTENCIA
Figura 7. Diagrama unifilar del modelo del sistema de pruebas
El circuito se dividi en 6 zonas, para ubicar el punto ms
probable de localizacin de falla. Bsicamente se busca
discriminar la seccin donde se encuentra la falla. Las
zonas en que se dividi el circuito son:
Zona 1: barras 1, 2, 3, 4
Zona 2: barras 5, 6, 7, 12.
Zona 3: barras 8, 9, 10, 11.
Zona 4: barras 13, 14.
Zona 5: barras 15, 16, 17.
Zona 6: barras 18, 19, 20, 21.
Se realizaron pruebas para 816 fallas, incluyendo todos
los nodos y los distintos tipos de fallas (monofsicas,
bifsicas, bifsicas a tierra y trifsicas). La resistencia de
falla oscil entre 0,05 y 25. Para la obtencin de los
datos, el sistema se implemento en el Arternative
Transient Program ATP [12].
El nmero de aciertos en la localizacin fue de 768
eventos. Las fallas mal localizadas corresponden a
1
Desarrollos posteriores podrn considerar alguna alternativa de
accin al respecto, dado que el trabajo futuro ser aplicado al
desarrollo de elementos de proteccin para lneas de distribucin
 64 Scientia et Technica Ao XII, No 30, Mayo de 2006. UTP

eventos en los cuales el mtodo de localizacin de Ratan 8. BIBLIOGRAFA

Das no converge a una respuesta o estima la distancia con
grandes errores. Sin embargo, para este tipo de
[1] Mora. J. Voltage Sag Characterization and
circunstancias, el sistema hibrido siempre determinar
Classification for Diagnosis in Electric Power
una zona probable de falla.
Quality Domain, Master Thesis. University of
Algunos resultados de las pruebas realizadas se presentan Girona, Espaa. 2003.
en la Tabla 1. Los resultados corresponden a fallas en las
[2] Mora J., Muoz S., Carrillo G. Tcnicas
cuales el MBM presenta varios puntos probables de
algortmicas de localizacin de fallas como
ocurrencia del evento. El sistema hibrido encuentra una
alternativa para reducir el efecto de las salidas en
nica ubicacin del punto de falla. La distancia estimada
sistemas de potencia - Una revisin. III
corresponde al porcentaje de la longitud de la seccin
Internacional Simposium of Power Quality. IEEE
fallada.
Branch - Colombia, Bogot, Nov. 2005.
[3] Mora J., Melndez J., Carrillo G. Una
Nmero Zona Arquitectura Genrica para el Desarrollo de
Distancia Sistemas Hbridos. Propuesta de localizador de
de dada Porcentaje de
Seccin estimada fallas para mejorar los ndices de calidad. III
Tipo de falla posibles por reduccin de
en falla por el Internacional Simposium of Power Quality. IEEE
secciones el incertidumbre
MBM Branch - Colombia, Bogot, Noviembre 2005.
en falla MBC
[4] Santos F. Un Systme Hybride Neuro-
10 Monofsica Symbolique pour lApprentissage Automatique
2.0154 2 3 50%
11 Fase A Constructif. Tesis Doctoral. Laboratoire
Monofsica LEIBNIZ / INPG, Grenoble Frana. 1998.
813 1.8254 2 4 50%
Fase B [5] Invancic F. Modeling Anlisis of Hybrid
Systems. Tesis doctoral. University of
15 Monofsica
0.3905 3 5 66,6% Pennsilvania. 2003.
16 Fase B
[6] Waissman J. Construction dun Modele
18 Monofsica Comportemental pour la Supervision de Procedes:
2.6059 3 6 66,6%
20 Fase C Application a une Station de Traitement des
Tabla 1. Resultados modelo hbrido de localizacin de fallas
Eaux, Thse, Institut National Polytechnique de
basado en arquitectura de agentes. Toulouse. France. 2000.
[7] Rodrguez J., Mora J., Vargas H., Ordoez G.,
Carrillo G. Localizacin de Fallas en Sistemas de
7. CONCLUSIONES
Distribucin Mediante Mquinas de Soporte
En este artculo se analizan las fuentes de informacin Vectorial. III Internacional Simposium of Power
disponibles cuando se aborda un problema, y Quality. IEEE Branch - Colombia, Bogot,
transformacin en conocimiento del tipo emprico y Noviembre 2005.
terico. Cada tipo de conocimiento se representa y utiliza [8] Cristianini, N. Shave-Taylor, J. An introduction
con tcnicas especficas, de tal forma que a partir de un to Support Vector Machines, Cambridge
anlisis se determinan las ventajas y desventajas de cada University Press. 2000.
representacin, obtenindose como conclusin la [9] Russell S., Norvig P. Artificial Intelligence: A
importancia de desarrollar tcnicas hbridas para Modern Approach. (Second Edition) Prentice
aprovechar la informacin completa del problema. Hall. 2002.
La estructura hbrida presentada a partir del anlisis, [10] Van Lith P. Hybrid Fuzzy-First Principles
permite la solucin de problemas mediante la integracin Modeling. Doctoral these. University of Twente.
del conocimiento terico y emprico, y por tanto se Holand. 2002.
particulariza para uno de los problemas no resueltos del
[11] Das, R. Determining the Locations of Faults in
sector elctrico, la localizacin de fallas en sistemas de
Distribution Systems. Tesis doctoral, University
distribucin.
of Saskatchewan. Saskatoon, Canada. 1998.
La estructura propuesta para el algoritmo hbrido, est
[12] Leuven EMTP Center (LEC), Alternative
fundamentada en un anlisis terico detallado y por lo
Transients Program, ATP, Rule Book, 1987.
tanto es una base fuerte para su posterior implementacin
y prueba, en el mbito del problema del sector elctrico
aqu esbozado. Los resultados obtenidos hasta el
momento reducen la incertidumbre de la ubicacin del
punto de falla.