In CFE Distribución, there are a large number of COMTRADE (Common format for TRAnsient Data Exchange for power systems) files that contain the dynamics of faults that have occurred in the electric distribution system, which are not labeled. This thesis proposes a methodology for labeling and classifying a set of fault events that occurred in electric transmission lines. To do this, some data preprocessing methods, the k-Means clustering algorithm, and machine learning algorithms for classification are used. The proposed labeling method involves processing a set of COMTRADE format files containing voltage and current measurements recorded during a fault event and integrating the current measurements as a data set, using techniques to improve data quality such as characterization, selection, and normalization of data, evaluated with iVAT (Improved Visual Assessment for Tendency). Subsequently, the resulting sets have been grouped into 7 clusters using the k- Means algorithm in order to identify similarities in the data set that allow for labeling associated with a type of single-phase, two-phase or three-phase fault. This was achieved by comparing, using a confusion matrix, with an empirical labeling of the faults. Then, to determine the labels of the grounded two-phase and three-phase faults, the value of the zero-sequence component was used. To validate the quality of the clustering achieved by k-Means, several classifications algorithms are applied, which were trained with the training set of each stage.
En CFE Distribución existen una gran cantidad de archivos COMTRADE (COMmon format for TRAnsient Data Exchange for power systems) que contienen la dinámica de las fallas ocurridas en el sistema de distribución eléctrica, las cuales no se encuentran etiquetados. La presente tesis propone una metodología para etiquetar y clasificar un conjunto de eventos de fallas ocurridas en líneas de transmisión eléctrica. Para esto, se utilizan algunos métodos de preprocesamiento de datos, el algoritmo de agrupamiento k-Medias y algoritmos de aprendizaje de máquina para la clasificación. La propuesta para el etiquetamiento consiste en procesar un conjunto de archivos de formato COMTRADE que contienen mediciones del voltaje y corriente registrados durante un evento de falla e integrar las mediciones de corriente como un conjunto de datos, utilizando técnicas para mejorar la calidad de los datos como es la caracterización, la selección y la normalización de los datos, evaluadas con iVAT (Improved Visual Assessment for Tendency). Posteriormente, los conjuntos resultantes han sido agrupados en 7 grupos, usando el algoritmo de k-Medias, con la finalidad de identificar semejanzas en el conjunto de datos que permita realizar un etiquetado que esté asociado con un tipo de falla monofásica, bifásica o trifásica. Lo cual se ha logrado haciendo una comparación, mediante una matriz de confusión, con un etiquetado empírico de las fallas. Luego, para determinar las etiquetas de los tipos de fallas bifásicas aterrizadas y trifásicas aterrizadas, se ha usado el valor de la componente de secuencia cero. Para validar la calidad del agrupamiento logrado por k-Means, se aplican varios algoritmos de clasificación, los cuales fueron entrenados con el conjunto de entrenamiento de cada etapa. Una vez entrenados, se procedió a evaluar la precisión con el conjunto de prueba correspondiente a cada una de las etapas.
