A correta localização das fontes causadoras de afundamentos de tensão não é uma tarefa
simples, devido à curta duração destes eventos e também por sua rápida propagação nas
redes de distribuição de energia elétrica. Neste sentido, este trabalho tem como objetivo
investigar a aplicabilidade de um algoritmo não supervisionado de agrupamento de dados
desenvolvido a partir de ferramentas computacionais baseadas na área de algoritmo de
clusterização. O algoritmo de clusterização será responsável por analisar os dados do
sinal de tensão advindos de diferentes nós de medição e separar esses dados em clusters,
onde um deles corresponderá aos medidores localizados próximos da região de ocorrência do distúrbio. Para tanto foram escolhidos 5 (cinco) algoritmos de clusterização para realização da análise de comparação, são eles: K-Means Clustering, Mean-Shift Clustering, DensityBased Spatial Clustering of Applications with Noise (DBSCAN), Fuzzy C-means
(FCM) e Agglomerative Hierarchical Clustering. Com os resultados projetados inicialmente com o algoritmo K-Means Clustering foi possível vericar situações em que a quantidade de
clusters (k) difere dependendo da localização e dos valores das características da origem
do distúrbio, o que pressupõe uma análise com um algoritmo de clusterização que indica
um número de k dinamicamente. Os resultados mostram que o processo proposto neste
trabalho é promissor para a sua concepção adequada para ser empregado no contexto de
smart grids, visando apoiar a decisão do corpo técnico para que ações corretivas venham a ser estabelecidas de forma assertiva