Artículo Académico / Academic Article
Recibido: 21-04-2024, Aprobado tras revisión: 13-06-2024
Forma sugerida de citación: Molina, C.; Bonilla, V. (2024). “Aplicación de la metodología CRISP-DM en el análisis de gases
disueltos en aceite dieléctrico de transformadores eléctricos del sector eléctrico ecuatoriano”. Revista Técnica “energía”. No. 21,
Issue I, Pp. 12-21
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
Doi: https://doi.org/10.37116/revistaenergia.v21.n1.2024.635
© 2024 Operador Nacional de Electricidad, CENACE
Esta publicación está bajo una licencia internacional Creative Commons Reconocimiento –
No Comercial 4.0
Application of CRISP-DM Methodology in the Analysis of Dissolved Gases in
Dielectric oil of Electrical Transformers in the Ecuadorian Electrical Sector
Aplicación de la Metodología CRISP-DM en el Análisis de Gases Disueltos en
Aceite Dieléctrico de Transformadores Eléctricos del Sector Eléctrico
Ecuatoriano
C.A. Molina1
0009-0009-2655-0813
F.V. Bonilla2
0000-0001-6542-9666
1Ponticifia Universidad Católica del Ecuador, Quito, Ecuador
E-mail: camolinab@puce.edu.ec
2Universidad Internacional del Ecuador, Quito, Ecuador
E-mail: febonillave@uide.edu.ec
Abstract
This study addresses the application of the Cross-
Industry Standard Process for Data Mining (CRISP-
DM) methodology in the analysis of dissolved gases in
oil of power transformers, being this a critical
component in electrical systems. The adoption of this
six-phase structured method allowed a comprehensive
evaluation of the condition of the transformer units of
the Ecuadorian electrical system based on the analysis
of investment and expansion data of the sector, as well
as the study of 1 099 DGA (Dissolved Gas Analysis)
profiles obtained from a population of 153 transformers
located in the different regions of continental Ecuador.
The findings described in this work have the potential
to significantly improve investment and maintenance
strategies and policies. In addition, the adoption of
automation techniques in the DGA classification
process is proposed, using supervised learning models
to enhance the reliability and efficiency of the public
energy service. The results suggest that this approach
not only improves the diagnosis within the maintenance
activities, but also provides a solid basis to draw a
roadmap towards a predictive asset management,
resulting in a substantial improvement of the reliability
of the national power system.
Resumen
Este estudio aborda la aplicación de la metodología
Cross-Industry Standard Process for Data Mining
(CRISP-DM) en el análisis de los gases disueltos en
aceite de transformadores de potencia, siendo este un
componente crítico en los sistemas eléctricos. La
adopción de este método estructurado de seis fases
permitió evaluar de forma integral la condición de las
unidades de transformación del sistema eléctrico
ecuatoriano a partir del análisis de datos de inversión y
expansión del sector, así como del estudio de 1 099
perfiles DGA (Dissolved Gas Analysis) obtenidos de
una población de 153 transformadores ubicados en las
distintas regiones de Ecuador continental. Los hallazgos
descritos en este trabajo tienen el potencial de mejorar
significativamente las estrategias y políticas de
inversión y mantenimiento. Además, se propone la
adopción de técnicas de automatización en el proceso de
clasificación DGA, utilizando modelos de aprendizaje
supervisado para potenciar la confiabilidad y eficiencia
del servicio público de energía. Los resultados sugieren
que este enfoque no solo mejora el diagnóstico dentro
de las actividades de mantenimiento, sino que también
proporciona una base sólida para trazar una hoja de ruta
hacia una gestión predictiva de los activos, lo que se
traduce en una mejora sustancial de la confiabilidad del
sistema eléctrico nacional.
Index terms— Machine Learning, Random Forest,
CRISM-DM, Data Science, EDA, ETL, DGA, PCA,
Overfitting, Transformer.
Palabras clave— Aprendizaje de Máquina, Bosques
Aleatorios, CRISM-DM, Ciencia de Datos, EDA, ETL,
DGA, PCA, Sobreajuste, Transformador.
12
Edición No. 21, Issue I, Julio 2024
1. INTRODUCCIÓN
En el período 2014 – 2023, los sistemas eléctricos de
potencia de Ecuador se han caracterizado por una notable
expansión, y con ello, la necesidad de incrementar su
capacidad de potencia de transformación en
subestaciones eléctricas y patios de elevación [1], [2].
Con esta expansión también se observó la introducción
de unidades de transformación provenientes de
fabricantes poco conocidos en la infraestructura del
sistema eléctrico ecuatoriano, en comparación con
equipos previamente establecidos, suscitando la
necesidad de realizar un análisis más profundo que
permitan verificar la calidad de manufactura y de los
materiales empleados durante su construcción. Frente a
esta situación y considerando la velocidad, volumen,
variedad, veracidad y valor de los datos obtenidos a partir
de la concentración de gases disueltos en el aceite
aislante para el diagnóstico de transformadores
eléctricos, son cada vez más crecientes los estudios que
apuntan a la adopción de tecnologías computacionales
como el Machine Learning para dar solución al
procesamiento de información. En este marco, varios
investigadores han demostrado de manera efectiva la
precisión y eficacia de modelos de clasificación
automática para la detección de la condición de
transformadores eléctricos, empleando algoritmos de
aprendizaje supervisado [3] - [7].
Con base en el estado del arte en relación con la
aplicación de técnicas de Machine Learning para el
diagnóstico en transformadores eléctricos, en [3] se
propone el uso del algoritmo de bosques aleatorios
(Random Forest) como alternativa al análisis de gases
disueltos (DGA). Este modelo previamente entrenado y
validado a partir de 128 muestras de aceite, es capaz de
clasificar cuatro categorías de diagnóstico distintas: con
un 100% para el diagnóstico de descarga de alta energía,
un 77% para descarga de baja energía, un 60% para
estado normal y un 97% para el estado de
sobrecalentamiento. En [4], se implementa una estrategia
de preprocesamiento basada en la técnica de bootstrap
con el propósito de mitigar el desequilibrio intrínseco de
las clases en el conjunto de datos, facilitando así una
evaluación más equilibrada de los modelos predictivos.
Posteriormente, se procede con la aplicación de
algoritmos de programación genética para identificar y
extraer las características más significativas. En la fase
final de este estudio, fueron entrenados y evaluados tres
distintos modelos de clasificación: Redes Neuronales
Artificiales (ANN), Máquinas de Vectores de Soporte
(SVM) y Vecinos más Cercanos (KNN). Por otro lado,
los estudios propuestos en [5], [6], que se distinguen por
alcanzar elevados índices de precisión en la detección y
clasificación de diagnósticos en transformadores
eléctricos, acusan sus resultados a la capacidad de los
algoritmos SVM para procesar datos dinámicos y no
lineales, dada la habilidad que tienen estos modelos para
ser entrenados utilizando hiperplanos de separación de
gran margen.
Sin embargo, a pesar de los progresos significativos
en la incorporación de técnicas de aprendizaje
automático para la evaluación del estado operativo de
transformadores eléctricos, se identifican limitaciones
críticas en la literatura, tales como la carencia de una
metodología investigativa específicamente delineada
para el análisis sistemático de datos, el sobreajuste de los
modelos, así como, la insuficiencia y la heterogeneidad
de los datos disponibles para el modelamiento y
validación. Este conjunto de condiciones resalta la
necesidad de un enfoque más estructurado y riguroso en
la investigación, que no solo aborde la diversificación y
representación de los datos para mejorar las métricas de
los modelos, sino que también establezca un marco
metodológico claro y específico para la exploración y
análisis de datos en el dominio de la ingeniería eléctrica
en el sector.
En este contexto, en el estado del arte en torno a la
ciencia de datos señala que la implementación de técnicas
de aprendizaje automático, sin la adhesión de
metodologías estructuradas como CRISP-DM (acrónimo
de Cross-Industry Standard Process for Data Mining),
restringe significativamente la eficacia del Machine
Learning en ofrecer análisis detallados y soluciones
dedicadas [8] - [12]. Bajo este enfoque, es posible no solo
mejorar la precisión y relevancia de los modelos de
clasificación, sino también facilitar el desarrollo de
estrategias innovadoras que puedan contribuir a la mejora
de procesos clave, como la automatización del
diagnóstico y planificación de tareas de mantenimiento.
Este estudio propone una metodología alineada con
los principios y avances de la cuarta revolución
industrial, aplicado al DGA, que se fundamenta en la
implementación de las seis etapas especificadas por la
metodología CRISP-DM, cuyo enfoque se centra en la
extracción de conocimientos significativos relacionados
con variables diagnósticas pertinentes a uno de los
componentes más críticos y de mayor valor económico
dentro de los sistemas eléctricos de potencia. Con esta
orientación no solo se aspira a mejorar la confiabilidad y
la vida útil de los transformadores eléctricos mediante un
mantenimiento predictivo más efectivo, sino también a
optimizar los recursos y la gestión de activos dentro de la
infraestructura eléctrica ecuatoriana, promoviendo así
una mayor eficiencia y sostenibilidad en el sector. En el
contexto de la actual situación energética en Ecuador,
este estudio propone estrategias orientadas a reformular
los criterios de adquisición de infraestructura eléctrica,
encaminadas a mejorar la rentabilidad a largo plazo de
las inversiones. Finalmente, este trabajo plantea la
adopción de sistemas de automatización en actividades
de diagnóstico, con el objeto de mejorar los tiempos de
respuesta en el análisis de resultados, acciones que
apuestan a mejorar las estrategias de mantenimiento y la
confiabilidad del servicio público de energía eléctrica.
13
Molina et al. / Aplicación de la metodología CRISP-DM en el análisis de gases en aceite dieléctrico de transformadores
La Sección 2 presenta la importancia de la aplicación
de la metodología CRISP-DM en el análisis de gases
disueltos. En la Sección 3 se detalla la aplicación de la
metodología propuesta para el análisis de la condición de
las unidades de transformación de potencia del sistema
eléctrico ecuatoriano. La Sección 4 discute los resultados
obtenidos. Finalmente, las conclusiones y
recomendaciones se presentan en la Sección 5.
2. ANÁLISIS DE GASES DISUELTOS DGA Y LA
METODOLOGÍA CRISP-DM
En la década de 1960, se encontró que la presencia de
hidrógeno en aceites dieléctricos bajo estrés indicaba
fallos en transformadores (ver Tabla 1), originando el
método DGA, ahora un enfoque confiable y económico
para identificar varias anomalías [13]. Avances
científicos y tecnológicos han refinado este método,
permitiendo clasificar las fallas en siete categorías
esenciales [14].
Tabla 1: Clasificación de fallas en transformadores
ETIQUETA
PD
T1
T2
T3
DT
D1
D2
Para la determinación de categorías de fallos en
transformadores eléctricos, las guías técnicas de
mantenimiento estándar recurren a los criterios de
validación establecidos en las publicaciones y guías
establecidas para el efecto en [13] - [15]. Estos criterios,
sumado con la experiencia adquirida en el diagnóstico
DGA, han sido sintetizados en la Fig. 1.
El procedimiento indicado en la Fig. 1 comienza con
el establecimiento de límites de valoración obtenidos de
las referencias bibliográficas [15] - [17]. Se calculan la
producción y las tasas de cambio de la generación de
gases en el fluido aislante del transformador. A
continuación, las mediciones se categorizan en un Estado
DGA que varía entre 1 y 3, proporcionando una escala
que determina el nivel de atención requerida. Finalmente,
esta categorización permite clasificar la condición del
equipo, así como emitir diagnósticos y planes de
mantenimiento específicos. Este proceso tradicional no
solo valida y aprueba los resultados, sino que también
establece la necesidad de adoptar la metodología CRISP-
DM.
En este contexto, la metodología CRISP-DM,
constituye un marco de trabajo estructurado y
ampliamente validado, diseñado para la ejecución de
proyectos de minería de datos, aprendizaje automático e
inteligencia de negocios. CRISP-DM facilita la
extracción de conocimientos relevantes y la
identificación de patrones no evidentes en conjuntos de
datos variados, contribuyendo así la toma de decisiones
informadas y la generación de valor estratégico [9], [12].
Figura 1: Proceso tradicional de clasificación DGA para
transformadores eléctricos
Figura 2: Fases de la metodología CRISP-DM
En el marco de CRISP-DM (ver Fig. 2), como se
describe en [18], el ciclo de vida del proyecto abarca seis
fases interrelacionadas que se siguen de manera
secuencial. Las flechas representan las trayectorias más
comunes entre estas etapas, indicando que el flujo del
proyecto puede ser iterativo y permite movimientos
flexibles entre las fases según sea requerido para el ajuste
del análisis.
La aplicación de la metodología CRISP-DM al
proceso tradicional de clasificación de la condición en
transformadores eléctricos, permite un enfoque de
gestión avanzada y estructurada al proceso DGA,
favoreciendo así la toma de decisiones basadas en el
análisis de los datos, lo que constituye en una
oportunidad para el establecimiento de estrategias de
mantenimiento a nivel gerencial a corto, mediano y largo
plazo.
14
Edición No. 21, Issue I, Julio 2024
3. APLICACIÓN DE LA METODOLOGÍA CRISP-
DM EN EL ANÁLISIS DE LA CONDICIÓN DE
UNIDADES DE TRANSFORMACIÓN DEL
SECTOR ELÉCTRICO ECUATORIANO
La aplicación de la metodología CRISP-DM
comprende 6 fases, las cuales se aplican en los siguientes
numerales:
3.1. Fase de comprensión del negocio
Para la explicación de esta fase, se utilizan los datos
de la Estadística Anual y Multianual del Sector Eléctrico
Ecuatoriano, debido a su valor estratégico para describir
la situación actual y definir los objetivos de la minería de
datos. En este contexto, en 2023, se identificó que la
infraestructura del Sistema Nacional de Transmisión
(SNT) en Ecuador estaba compuesta por 91
transformadores, distribuidos en 56 subestaciones fijas y
4 subestaciones móviles, con una capacidad de
transformación máxima de 15 855,55 MVA; lo que
representa un incremento del 81,86% respecto al 2014
[2].
Asimismo, durante el mismo período de análisis, la
infraestructura de subtransmisión eléctrica de las
empresas distribuidoras experimentó un crecimiento
significativo, registrando 374 subestaciones con una
capacidad combinada de transformación de 8 796,92
MVA, lo que representa un aumento del 53,46% en su
capacidad máxima. las empresas generadoras y
autogeneradoras también mostraron una importante
evolución en cuanto a su capacidad de transformación de
potencia. Las empresas generadoras reportaron un
incremento del 73,87% en su capacidad máxima,
mientras que las autogeneradoras experimentaron un
aumento del 31,33%. Este crecimiento, que refleja una
evolución histórica del sector energético ecuatoriano,
resalta la relevancia e interés que tiene el estudio
profundo del estado de las unidades de transformación
existentes en el sector [2].
Otro indicador que refleja esta expansión de la
capacidad de transformación en toda la cadena de valor
del sistema eléctrico ecuatoriano es el nivel de inversión
registrado entre 2009 y 2018 (ver Fig. 3). Esta asignación
de recursos económicos contribuyó significativamente a
la consecución de la soberanía energética ecuatoriana,
permitiendo alcanzar una cobertura del servicio eléctrico
del 97,05% para el 2018. No obstante, con estas cifras,
resulta esencial evaluar el estado actual de esta
infraestructura para determinar la efectividad y
sostenibilidad a largo plazo de las estrategias de inversión
implementadas, lo que permitirá evaluar la necesidad de
ajustar dichas estrategias para lograr futuros objetivos en
el ámbito energético [1].
Figura 3: Inversión anual por etapa funcional en el sector
eléctrico ecuatoriano
En este contexto, surge la necesidad de realizar una
evaluación sistemática del estado de los transformadores
instalados en el sistema eléctrico ecuatoriano, empleando
técnicas DGA, como herramienta primaria de
diagnóstico, con lo cual, se vislumbra una oportunidad
significativa para el descubrimiento de conocimiento a
partir de patrones y características relevantes. Este
enfoque no solo facilita la selección precisa de una
técnica de aprendizaje automático, sino que también
enriquecerá el proceso de toma de decisiones con insights
valiosos para la planificación estratégica y la gestión
óptima de activos tanto para empresas públicas y
privadas del sector eléctrico.
3.2. Fase de entendimiento de los datos
La fase de entendimiento de los datos dentro del
modelo CRISP-DM, esencial por su profundidad
analítica, se orienta a generar un diagnóstico del estado
actual de las unidades de transformación en el sistema
eléctrico ecuatoriano. Este análisis toma como referencia
1 099 registros de cromatografía de gases de aceite
dieléctrico obtenidas de una población de 153 individuos
ubicados en las distintas regiones de Ecuador continental
(costa, sierra y oriente), incorporando a este estudio
características significativas como el tipo y nivel de
cargabilidad registrada en los transformadores del
sistema eléctrico ecuatoriano, así como, las estrategias y
políticas de mantenimiento. Este enfoque permite una
comprensión holística de los factores que influyen en su
rendimiento y longevidad.
Este análisis empieza por identificar la distribución de
la variable objetivo en términos porcentuales.
Figura 4: Condición operativa de la población de transformadores
eléctricos bajo estudio
15
Molina et al. / Aplicación de la metodología CRISP-DM en el análisis de gases en aceite dieléctrico de transformadores
Este primer análisis revela que: el 73,50% de las
unidades han sido clasificadas como Unidad Normal –
UN, lo cual indica un funcionamiento correcto y valida
la efectividad de las prácticas de operación y
mantenimiento actuales. Sin embargo, existe un 26,50%
de las muestras que presentan distintos grados de
problemas operativos que requieren atención. Por otro
lado, el patrón identificado en la Fig. 4, resalta un
desequilibrio en la clase objetivo, el cual, requiere de
tratamiento previo al proceso de entrenamiento de los
modelos de clasificación automática.
En la Tabla 2, se muestran los patrones, tendencias y
características estadísticas principales de las variables de
interés.
Tabla 2: Resumen de los estadísticos principales
Variable
Min
Max
Media
Mediana
Std
Skew
Kurtosis
AGE
0,079
49,079
23,89
27,02
13,11
-0,196
-1,37
O2/N2
0
0,488
0,133
0,115
0,103
0,890
0,64
H2
0
3 673
10,94
0
112,34
31,59
1 028,95
CH4
0
1 037
28,019
12
50,65
8,96
151,28
C2H6
0
592
42,740
6
90,19
3,19
11,01
C2H4
0
1 068
6,924
1
45
18,82
397,09
C2H2
0
200
0,343
0
6,19
30,81
987,51
CO
0
1 821
298,36
200
272,14
1,63
3,24
CO2
29
27 237
1 951,35
1 550
1 917.85
4,85
41
O2
0
45 533
5 424,09
2 939
5 905,71
2,07
6,31
N2
1 980
133 852
44 290,19
40 700
26 718.14
0,654
-0,100
El EDA (acrónimo de: Exploratory Data Analysis),
revela una amplia dispersión en los valores mínimos y
máximos que se ve reflejado en los rangos de las
variables, lo cual señala la necesidad de aplicar técnicas
de escalamiento. Asimismo, la variabilidad en las
concentraciones de gases combustibles es consistente con
el perfil operativo de transformadores eléctricos, donde
una baja producción de gases es una característica de
condiciones normales en su operación. La asimetría
(sesgo) y la curtosis (medida de colas pesadas) en la
distribución de datos, apuntan a que, si bien los valores
altos son indicadores de eventos de fallo, caracterizados
por la liberación de energía y la gasificación activa, estos
constituyen anomalías poco frecuentes en el
comportamiento general de los equipos.
Al analizar la variable AGE, se observa una
dispersión en las edades de los transformadores que varía
desde aproximadamente un mes hasta casi 50 años. La
media es superior a la mediana, lo cual indica una
distribución con una tendencia hacia unidades más
jóvenes, como se muestra en la Fig. 5.
Figura 5: Análisis de densidades de la edad de los equipos
La gráfica ilustra una distribución bimodal en las
edades de los transformadores eléctricos, reflejando dos
subconjuntos distintos dentro de la población bajo
estudio. Este patrón bimodal corresponde a periodos
específicos de adquisición y puesta en marcha de nuevos
equipos, en coherencia con las etapas de inversión y
modernización de la infraestructura eléctrica durante los
años 2008 a 2023, identificada previamente en la fase de
comprensión del negocio. La presencia de dos modas en
la distribución indica la coexistencia de transformadores
de mayor longevidad y los más recientemente
incorporados al sistema eléctrico ecuatoriano.
Frente a este análisis, la primera moda coincide con
una mayor incidencia de condiciones adversas,
identificadas como PD, D+T, T2 y T3, en equipos más
nuevos. Esta tendencia marca una potencial problemática
en la esperanza de vida de unidades recién integradas,
considerando que, la segunda moda observada en la Fig.
5, alberga la mayor concentración de transformadores
eléctricos en estado de condición normal, lo cual subraya
su robustez y confiabilidad técnica del equipamiento y
tecnología utilizada hasta antes del año 2008.
Una explicación a esta situación es la incorporación
de equipos en el sistema eléctrico ecuatoriano sin una
evaluación técnica previa y rigurosa del desempeño
histórico de las marcas o fabricantes, de conformidad con
estándares nacionales e internacionales. A esta
problemática se suma la experiencia limitada del
personal encargado de las adquisiciones en la definición
de especificaciones técnicas más detalladas y robustas, lo
que contribuye a la selección de equipos con una aparente
predisposición a obsolescencia programada. Este
hallazgo, incide directamente en la expectativa de vida
operativa de transformadores eléctricos, la cual se estima
en 25 años, vista únicamente en términos de la
despolimerización del papel aislante, producto de los
efectos del pirólisis [19]. Este análisis conduce a una
investigación de las relaciones entre las variables en
estudio. Para este propósito se utilizó un mapa de calor
para las variables predictoras, una técnica estadística
esencial que proporciona una representación visual de las
correlaciones de Pearson, facilitando la identificación de
colinealidades.
16
Edición No. 21, Issue I, Julio 2024
Figura 6: Análisis de correlación
La Fig. 6, muestra notables correlaciones entre
metano (𝐶𝐻4) y etano (𝐶2𝐻6), así como entre metano
(𝐶𝐻4) y etileno (𝐶2𝐻4). Estos vínculos entre gases son de
particular interés, pues permiten identificar fallas
térmicas T1 y T2 respectivamente. Si bien, desde la
perspectiva de la ciencia de datos, la presencia de fuertes
correlaciones recalca la necesidad de considerar la
interdependencia entre variables al construir modelos
analíticos, desde el campo de la ingeniería de
mantenimiento, la presencia combinada de estos gases ha
sido reconocida como un indicador esencial para la
identificación y clasificación de anomalías térmicas en
transformadores eléctricos [14] - [16].
La fase del entendimiento de los datos culmina con la
aplicación de la técnica de Análisis de Componentes
Principales (PCA), el cual confirma las correlaciones
previamente identificadas entre metano y etano, así como
entre metano y etileno. Por otro lado, contrariamente a
las suposiciones empíricas más comunes sobre el
diagnóstico de transformadores, este análisis revela una
correlación menos pronunciada entre la producción de
gases y la antigüedad del equipo. Esto implica que, si
bien la edad del transformador juega un rol en la
generación de gases con el tiempo, hay otros factores más
influyentes, como son fallas del tipo eléctrico o térmico,
que son factores clave en los procesos de gasificación.
Figura 7: Análisis de correlación utilizando PCA
Finalmente, el gráfico PCA (Fig. 7) denota una
marcada relación entre acetileno (𝐶2𝐻2) y el nitrógeno
(𝑁2). Este vínculo inesperado es una observación que
requiere una exploración más detallada en
investigaciones futuras para esclarecer su naturaleza y
significado.
3.3. Fases de preparación de los datos y
modelamiento analítico
Partiendo del conocimiento de los datos, la fase de
preparación de datos consistió en la aplicación de un
proceso ETL (acrónimo de: Extract, Transform, Load),
cuyas fases se describen a continuación:
a) Depuración de registros duplicados,
b) Escalamiento de las variables predictoras,
c) Identificación y manejo adecuado de valores
atípicos (outliers),
d) Transformación de variables categóricas y,
e) Selección de las variables predictoras
relevantes.
Figura 8: Inspección de los datos preparados para el
modelamiento analítico
Este proceso implicó la reducción de 9 registros
duplicados (0,82% de la totalidad de la información) y
cuyo tratamiento de outliers permitió mejorar el sesgo
como resultado de la reducción significativa de valores
extremos, mejorando así la calidad de los datos para
análisis posteriores (ver Fig.8). Para este tratamiento se
aplicó un método por el cual los valores que excedían tres
desviaciones estándar de la mediana fueron sustituidos
por la propia mediana. Esta técnica se basa en el principio
de que, en una distribución normal, se espera que el
99,7% de los datos se encuentre dentro de tres
desviaciones estándar de la media, lo cual resultó ser un
enfoque adecuado para este estudio. Además, la
aplicación de este método se justificó por las siguientes
razones:
a) Los valores atípicos se determinaron como
manifestaciones legítimas de variabilidad en
las condiciones de los datos, y no como
errores de muestreo.
b) La mediana, por su resistencia a los valores
extremos en comparación con la media,
ofrece una medida más confiable del centro
de la distribución de datos.
17
Molina et al. / Aplicación de la metodología CRISP-DM en el análisis de gases en aceite dieléctrico de transformadores
c) Aunque inicialmente se empleó la técnica
convencional basada en el rango
intercuartílico (IQR) para identificar valores
atípicos, este método no resultó ser el más
apropiado para este estudio en particular, ya
que redujo la precisión de los modelos
analíticos.
Una vez preparados los datos, se definieron las
características predictoras esenciales para el modelado
analítico (ver Tabla 3).
Tabla 3: Variables para el entrenamiento de modelos analíticos
ATRIBUTO
DESCRIPCIÓN DEL PREDICTOR
𝐴𝐺𝐸
Edad del Equipo
𝑂2/𝑁2
Relación oxígeno – nitrógeno
𝐻2
Hidrógeno
𝐶𝐻4
Metano
𝐶2𝐻6
Etano
𝐶2𝐻4
Etileno
𝐶2𝐻2
Acetileno
𝐶𝑂2
Dióxido de Carbono
𝐶𝑂𝑁𝐷𝐼𝑇𝐼𝑂𝑁_𝐶𝑂𝐷𝐸
Clase Objetivo (Etiqueta)
Previo al proceso de modelado analítico, se adoptaron
estrategias esenciales enfocadas en la precisión, equidad
y generalización, cuya necesidad emerge a partir del
proceso de entendimiento de los datos:
a) Se seleccionaron algoritmos de clasificación
supervisada especialmente dedicados por su
tolerancia a los efectos del desbalance de clases y
cualquier sesgo aún presente en la distribución de
las variables predictoras.
b) Se equilibró la clase de interés utilizando técnicas
avanzadas de generación de datos sintéticos
mediante la técnica Synthetic Minority Over-
sampling Technique (SMOTE).
c) Se dividieron los datos, destinando el 70% para
entrenamiento y el 30% restante para evaluación,
siendo esta una cantidad significativa para una
validación precisa, previniendo así los efectos del
overfitting.
d) El afinamiento de los hiperparámetros se llevó a
cabo a través de la aplicación de la técnica de
búsqueda en cuadrícula (Grid Search), utilizando
validación cruzada con cinco pliegues, lo que
permitió, además de reducir el riesgo de
sobreajuste, mejorar la generalización de los
modelos al evaluar su rendimiento con distintas
particiones de los datos.
3.4. Fase de evaluación de los modelos de
clasificación
Esta sección está dedicada a la validación de los
modelos de clasificación automática previamente
entrenados. Para esta evaluación, se utilizó métricas de
precisión (accuracy), sensibilidad (recall) y puntuación
F1 (F1-Score) (ver Tabla 4).
Tabla 4: Evaluación de los modelos de aprendizaje automático
MODELO
ACCURACY
RECALL
F1-SCORE
Árbol de Decisión
81,34%
81.35%
82,19%
Bosques Aleatorios
91,13%
91,13%
91,12%
SVM
85,93%
85,93%
85,91%
KNN
71,87%
71,87%
77,07%
El modelo de clasificación entrenado a partir del
algoritmo de bosques aleatorios obtuvo una precisión,
sensibilidad y puntuación F1 superiores al 91%, lo que lo
convierte en una propuesta sólida para la detección de
fallas en los transformadores eléctricos dentro del
contexto energético ecuatoriano.
Otra evidencia positiva en torno a los resultados
obtenidos se muestra en la curva característica operativa
del receptor (ROC) ilustrada en la Fig. 9. Con un área
bajo la curva (AUC) de 0,97, se destaca la notable
capacidad del modelo de bosques aleatorios para
diferenciar entre las distintas categorías operativas de las
muestras DGA de los transformadores eléctricos
analizados en este estudio. Un AUC cercano a 1 indica
que el modelo es altamente sensible, con una elevada
probabilidad de detectar correctamente las clases. Al
mismo tiempo, el modelo demuestra una alta
especificidad, como lo evidencia una baja tasa de falsos
positivos, validando las métricas obtenidas en la Tabla 5.
Figura 9: Curva ROC y AUC del modelo Bosques Aleatorios
Finalmente, en la Tabla 6 se presenta la matriz de
confusión para el modelo de bosques aleatorios,
destacándose por su competencia al identificar
correctamente la condición operativa normal (UN) en
227 instancias; sin embargo, la precisión al clasificar
ciertas condiciones de falla varía. Estas diferencias en la
precisión de la identificación de categorías operativas de
transformadores eléctricos pueden estar vinculadas a una
representación insuficiente de datos en el conjunto de
entrenamiento para las clases D+T, D1 y D2, más que a
una deficiencia intrínseca del modelo. Sin embargo, a
pesar de estos retos, el modelo ha probado su eficacia al
reconocer estados operativos normales, lo que se refleja
en el valor de AUC en la curva ROC, demostrando una
excelente capacidad de discriminación general antes que
específica.
18
Edición No. 21, Issue I, Julio 2024
Tabla 5: Matriz de confusión del modelo de bosques aleatorios
D+T
D1
D2
PD
T1
T2
T3
UN
D+T
1
0
0
0
0
1
0
0
D1
0
1
1
0
0
0
0
0
D2
0
0
1
0
0
0
0
1
PD
0
0
0
14
0
0
0
2
T1
0
0
0
0
43
0
0
8
T2
0
0
0
0
1
6
0
1
T3
0
0
0
0
1
0
5
0
UN
1
0
0
4
7
0
1
227
3.5. Implementación
La Fig. 10 presenta un proceso automatizado de
clasificación DGA para transformadores eléctricos
diseñado para mejorar y optimizar las actividades de
mantenimiento. Este sistema ha demostrado ser capaz de
reducir significativamente el tiempo necesario para el
procedimiento de clasificación tradicional, alcanzando
una eficiencia incrementada de hasta un 92% con el
volumen de datos manejados en este estudio. La ventaja
principal de esta metodología no reside solo en la
celeridad del proceso, sino en evolución funcional del
especialista de mantenimiento, quien se convierte en un
en un supervisor de la clasificación DGA. Este cambio
permite que los especialistas aprovechen el tiempo
ahorrado en el desarrollo estrategias de mantenimiento
más enfocadas y personalizadas para cada unidad de
transformación eléctrica que requiera atención.
Figura 10: Propuesta de automatización del proceso de
clasificación DGA para transformadores eléctricos
La comparación entre el proceso tradicional de
clasificación DGA y la metodología automatizada
propuesta revela diferencias fundamentales en la
operatividad y la asignación de responsabilidades. En el
enfoque convencional, detallado en la Fig. 1, el proceso
es más lineal y manual, requiriendo una serie de pasos
que van desde el cálculo de la producción de gas hasta la
emisión de un diagnóstico. Contrariamente, la Fig. 10
muestra un sistema automatizado que integra y procesa
datos con mínima intervención humana, dejando al
especialista de mantenimiento un papel de supervisión y
análisis crítico. Esta optimización del flujo de trabajo
facilita una asignación estratégica de recursos, donde los
especialistas dedican sus esfuerzos al planeamiento de
protocolos de mantenimiento y a la gestión del activo, en
lugar de ocuparse de tareas de cálculo y clasificación que
pueden ser ejecutadas por sistemas automatizados.
4. DISCUSIÓN Y RESULTADOS
La aplicación de la metodología CRISP-DM, no solo
culminó en la generación de un modelo de clasificación
para la detección de fallas en los transformadores
eléctricos con una precisión, sensibilidad y puntuación
F1 superiores al 91%, sino que también permitió obtener
insights valiosos sobre la condición operativa de estos
equipos. Se develó que, aunque el 73,5% de las muestras
se encuentran en estado normal, un significativo 26,5%
requiere atención. Estos datos son esenciales para
comprender la salud global del parque de
transformadores y orientar estrategias de inversión y
programas de mantenimiento, con el objetivo de reducir
los costos de energía adicional debido a contingencias
que podrían provocar restricciones de carga o salidas no
programadas de estos equipos.
Un hallazgo importante encontrado en las fases de
comprensión del negocio y entendimiento de datos es la
identificación de subpoblaciones en la variable de edad.
Se descubrió que las unidades de transformación
recientemente integradas a la infraestructura eléctrica
ecuatoriana muestran una mayor incidencia de
condiciones: PD, D+T, T2 y T3. La aparente
predisposición de los equipos más nuevos hacia una
obsolescencia prematura señala la necesidad de revisar
las estrategias y políticas de adquisición para mitigar este
riesgo, garantizando una mayor durabilidad y
confiabilidad de los activos adquiridos.
El uso de PCA en la fase de entendimiento de los
datos reveló una correlación inesperada entre el acetileno
(𝐶2𝐻2) y el nitrógeno (𝑁2). Este vínculo sugiere la
posibilidad de procesos subyacentes no convencionales o
no completamente entendidos, que requieren una
investigación más profunda. Comprender esta
correlación desde la perspectiva química de las fallas en
transformadores eléctricos podría aportar nuevas
perspectivas en el diagnóstico y la comprensión de estos
eventos, cambiando potencialmente el enfoque del
mantenimiento y la evaluación de estos equipos.
Por otro lado, los resultados mostrados en la Tabla 5
indican que, mientras las referencias bibliográficas de
19
Molina et al. / Aplicación de la metodología CRISP-DM en el análisis de gases en aceite dieléctrico de transformadores
[5], [6], [20], tienden a favorecer el algoritmo SVM para
tareas de automatización del diagnóstico de la condición
de transformadores eléctricos basado en el análisis de
gases disueltos en aceite; el modelo de bosques aleatorios
muestra un mejor desempeño para la diversidad de datos
recopilados en este estudio. Este modelo destaca por su
eficacia en un enfoque basado en reglas y el paradigma
de la sabiduría de las masas, frente a otras metodologías
de aprendizaje supervisado, que no podrían ser
generalizadas efectivamente dadas las características y
condiciones operativas específicas del sector eléctrico
ecuatoriano. El modelo entrenado con el algoritmo de
bosques aleatorios no solo ofrece una mayor exactitud en
la clasificación, sino que también demuestra un balance
óptimo entre la precisión y la detección de clases
positivas, un aspecto esencial en escenarios donde los
errores de predicción pueden tener consecuencias
críticas.
En contraste con los resultados obtenidos en [3], la
implementación del modelo CRISP-DM, en conjunción
con una muestra más amplia y diversa de datos DGA de
transformadores eléctricos, ha permitido expandir los
cuatro estados de diagnóstico a las siete categorías
esenciales. Esta mejora en la metodología también ha
reducido el sobreajuste y ha mejorado el rendimiento del
modelo de clasificación automática, demostrando la
importancia de un enfoque holístico en la ciencia de datos
aplicada al diagnóstico de los transformadores eléctricos.
Como resultado final de este estudio, se propone la
implementación de un proceso automatizado de
clasificación DGA para transformadores eléctricos,
facilitando la optimización de estrategias de
mantenimiento y mejorando la confiabilidad del servicio
público de energía eléctrica.
5. CONCLUSIONES Y RECOMENDACIONES
En este trabajo presenta la aplicación de la
metodología CRISP-DM al tradicional análisis de gases
disueltos en transformadores eléctricos del sector
eléctrico ecuatoriano. Esta metodología, que abarcó
desde la comprensión del negocio hasta la
implementación de un modelo de machine learning para
automatizar la clasificación DGA, representa un avance
significativo para el sector energético.
Desde la perspectiva de la ciencia de datos, los
resultados obtenidos permitirán a los agentes públicos y
privados en generación, transmisión y distribución de
energía eléctrica reformular políticas de mantenimiento,
abordando problemáticas que van desde la mejora en la
metodología de adquisición hasta el desarrollo y
aplicación de estrategias innovadoras en los procesos de
diagnóstico y planificación de tareas de mantenimiento.
REFERENCIAS BIBLIOGRÁFICAS
[1] Ministerio de Energía y Recursos Naturales no
Renovables del Ecuador, “Plan Maestro de
Electricidad”.
[2] Agencia de Regulación y Control de Energía y
Recursos Naturales No Renovables, “Estadística
Anual y Multianual 2023 DEL SECTOR
ELÉCTRICO ECUATORIANO”, Quito.
[3] A. Freire, J. Astudillo, C. Quinatoa, y F. Arias,
“Interpretación de Gases Disueltos en Aceite
Dieléctrico Mediante Bosques Aleatorios Para la
Detección de Anomalías en Transformadores de
Potencia”, Revista Técnica “energía”, vol. 19, no 2,
pp. 90–98, ene. 2023, doi: 10.37116/revistaenergia.
v19.n2.2023.544.
[4] W. H. Tang y Q. H. Wu, “Condition Monitoring and
Assessment of Power Transformers Using
Computational Intelligence”, Power Systems, vol.
58, 2011, doi: 10.1007/978-0-85729-052-6.
[5] X. Z. Wang, M. Z. Lu, y J. B. Huo, “Fault diagnosis
of power transformer based on large margin learning
classifier”, en Proceedings of the 2006 International
Conference on Machine Learning and Cybernetics,
2006, pp. 2886–2891. doi:
10.1109/ICMLC.2006.259075.
[6] T. Liu y Z. Wang, “Design of power transformer
fault diagnosis model based on support vector
machine”, en 2009 International Symposium on
Intelligent Ubiquitous Computing and Education,
IUCE 2009, 2009, pp. 137–140. doi:
10.1109/IUCE.2009.59.
[7] R. J. Fiallos, “Dissolved gas content forecasting in
power transformers based on Least Square Support
Vector Machine (LSSVM)”, Latin American Journal
of Computing, vol. IV, no 3, pp. 55–60, 2017.
[8] A. K. Oktavius, S. R. Manalu, Sasmoko, Y.
Indrianti, y J. V. Moniaga, “Artificial Intelligence in
Entrepreneurial Mindfulness Using CRISP-DM
Method”, en Proceedings of the 2022 IEEE 7th
International Conference on Information
Technology and Digital Applications, ICITDA
2022, Institute of Electrical and Electronics
Engineers Inc., 2022. doi:
10.1109/ICITDA55840.2022.9971384.
[9] Institute of Electrical and Electronics Engineers. y
Institute of Electrical and Electronics Engineers.
Columbia Section., Incorporation of both Pre-
conceptual Schemas and Goal Diagrams in CRISP-
DM, 2011.
[10] M. T. Hayat Suhendar y Y. Widyani, “Machine
Learning Application Development Guidelines
Using CRISP-DM and Scrum Concept”, en
Proceedings of 2023 IEEE International Conference
on Data and Software Engineering, ICoDSE 2023,
20
Edición No. 21, Issue I, Julio 2024
Institute of Electrical and Electronics Engineers Inc.,
2023, pp. 168–173. doi:
10.1109/ICoDSE59534.2023.10291438.
[11] S. Maataoui, G. Bencheikh, y G. Bencheikh,
“Predictive Maintenance in the Industrial Sector: A
CRISP-DM Approach for Developing Accurate
Machine Failure Prediction Models”, en 2023 5th
International Conference on Advances in
Computational Tools for Engineering Applications,
ACTEA 2023, Institute of Electrical and Electronics
Engineers Inc., 2023, pp. 223–227. doi:
10.1109/ACTEA58025.2023.10193983.
[12] J. Salcedo y K. (Consultant) McCormick, IBM SPSS
modeler essentials: effective techniques for building
powerful data mining and predictive analytics
solutions. Packt Publishing, 2017.
[13] M. Duval, “Dissolved gas analysis: It can save your
transformer”, IEEE Electrical Insulation Magazine,
vol. 5, no 6, pp. 22–27, nov. 1989, doi:
10.1109/57.44605.
[14] JWG D1/A2.47, “Advances in DGA interpretation”,
CIGRE Technical Brochure 771, no July, p. 15,
2013, doi: 10.1002/bapi.201390039.
[15] IEEE Std C57.104, IEEE Guide for the
Interpretation of Gases Generated in Oil-Immersed
Transformers,2019-06-13, vol. 2019. 2019.
[16] INTERNATIONAL ELECTROTECHNICAL y
COMMISSION, “Mineral oil-filled electrical
equipment in service - Guidance on the
interpretation of dissolved and free gases analysis”,
IEC 60599, vol. 4, 2022.
[17] C. W. G. D1.01/A2.11, “Recent developments on the
interpretation of dissolved gas analysis in
transformers”, CIGRE Brochure 296, vol. 296, no
June, pp. 1–33, 2006.
[18] IBM, “IBM SPSS Modeler CRISP-DM Guide”. [En
línea]. Disponible en:
https://www.ibm.com/docs/en/spss-
modeler/18.0.0?topic=spss-modeler-crisp-dm-guide
[19] T. Committee of the IEEE Power y E. Society,
“IEEE Guide for Loading Mineral-Oil-Immersed
Transformers and Step-Voltage Regulators
Sponsored by the Transformers Committee”, 2012.
[20] L. V. Ganyun, C. Haozhong, Z. Haibao, y D. Lixin,
“Fault diagnosis of power transformer based on
multi-layer SVM classifier”, Electric Power Systems
Research, vol. 74, no 1, pp. 1–7, abr. 2005, doi:
10.1016/J.EPSR.2004.07.008.
Carlos Augusto Molina. - Nació
en Quito en 1986. En 2024 recibió
su título de Magister en Ciencias de
la Información con mención en
Data Science por la Pontificia
Universidad Católica del Ecuador.
Desde 2004 cuenta con experiencia
en diagnóstico y mantenimiento de
equipamiento de alto voltaje. Su campo de investigación
está orientado al análisis de datos aplicado al
mantenimiento centrado en la confiabilidad.
Félix Vladimir Bonilla. - Nació en
Quito en 1978. En 2018 recibió su
título de PhD en Ciencias en la
Universidad Federal del Sur de
Rusia. Se desempeño como decano
de la Escuela de Ciencias de la
Tierra, Energía y Ambiente de la
Universidad de Investigación de
Tecnología Yachay. Actualmente es profesor de la
Escuela de Mecatrónica de la UIDE y del programa de
Maestría en Ciencias de la Información de la PUCE. Su
campo de investigación es la aplicación del aprendizaje
automático y aprendizaje profundo en el análisis de
señales.
21