Fapesp

A FAPESP e os Objetivos de Desenvolvimento Sustentável


Tecnologia ajuda a reduzir o tempo de reparo em caso de falhas na rede elétrica


Tecnologia ajuda a reduzir o tempo de reparo em caso de falhas na rede elétrica

Pesquisadores da USP desenvolveram um sistema que usa inteligência artificial para otimizar serviços de manutenção. Software já é utilizado pela Companhia Paranaense de Energia (foto: divulgação)

Publicado em 20/09/2022

Agência FAPESP – Para reduzir o prazo de interrupção e do reparo da rede de energia elétrica nas cidades, em casos de tempestades ou falha técnica, pesquisadores da Escola de Engenharia de São Carlos da Universidade de São Paulo (EESC-USP) desenvolveram um sistema que usa inteligência artificial para otimizar os serviços de manutenção da rede afetada.

O software auxilia os operadores das distribuidoras de energia na tomada de decisão mais rápida para o reparo, diminuindo os impactos socioeconômicos e as multas para as concessionárias. Parte da tecnologia, capaz de diminuir em até 20% o tempo para execução dos reparos, já é utilizada pela Companhia Paranaense de Energia (Copel).

Por meio do desenvolvimento de alguns algoritmos – códigos de computador que executam determinada tarefa –, os pesquisadores propuseram um software que leva em conta diferentes informações para indicar a forma mais eficiente de resolver o problema.

Durante a avaliação, o sistema considera as condições meteorológicas das localidades, a posição de origem das equipes de manutenção, o estado e o nível de congestionamento das estradas e vias utilizadas para locomoção, identificando possíveis obstruções, além do histórico de reparos e problemas ocorridos anteriormente. A tecnologia, que levou cerca de cinco anos para ser desenvolvida, utiliza também um sistema da Agência Espacial Norte-Americana (Nasa) para ajudar nas estimativas das condições climáticas.

O trabalho foi publicado pelo Instituto internacional “IEEE”, com sede nos Estados Unidos, durante a 2022 IEEE International Systems Conference (SysCon).

“Não existia um algoritmo capaz de reunir todos esses dados, interpretá-los e transformá-los em uma informação útil, traduzida e em tempo real para o operador. Muitas vezes, o profissional precisa tomar uma decisão rápida, mas, com tantas variáveis, ele não consegue interpretá-las no tempo necessário e acaba seguindo uma estratégia-padrão, que pode não ser a mais eficaz para resolver um determinado problema. Por isso é importante ter diferentes fontes de informação para agilizar o conserto e até prever uma possível falha para que, caso ela realmente aconteça, a energia retorne o mais rápido possível”, afirma Henrique de Oliveira Caetano, doutorando do Programa de Pós-Graduação em Engenharia Elétrica da EESC e bolsista da FAPESP.

Histórico em jogo

Falhas no sistema de distribuição de energia elétrica podem ocorrer por vários motivos, entre eles, fatores operacionais, falhas de equipamentos ou problemas externos, como ataques cibernéticos e eventos atmosféricos extremos. Conhecer o histórico dessas ocorrências pode ajudar a agilizar os reparos feitos pelas equipes técnicas.

“O sistema consegue avaliar as regiões mais suscetíveis a alagamentos, os equipamentos ou locais que mais apresentam falhas e quais são os problemas mais recorrentes. Com esses dados, sabendo com antecedência que haverá uma tempestade, por exemplo, podemos até mesmo deslocar equipes para posições estratégicas antes que uma falha ocorra, otimizando ainda mais a manutenção e reduzindo o valor das multas para a concessionária”, explica Matheus Fogliatto, doutorando em engenharia elétrica da EESC e um dos autores da pesquisa.

Quanto às rotas traçadas pelo novo software para guiar as equipes de manutenção até os locais onde os problemas ocorreram, os algoritmos foram customizados com o objetivo de deixar as pessoas o menor tempo possível sem energia. Por isso, os códigos definem o melhor trajeto com base nos reparos necessários para a solução das falhas, diferenciando-se dos aplicativos convencionais de GPS.

“Basicamente, os aplicativos de mapas atuais traçam rotas considerando apenas dois pontos, o de origem e o do destino final, indicando o caminho mais rápido para uma simples locomoção. No entanto, o cenário é diferente no caso do conserto de uma rede elétrica porque, muitas vezes, as inspeções precisam ser feitas em mais de um ponto, em diferentes localidades. Isso é exatamente o que nossos algoritmos consideram na hora de calcular as rotas. Talvez seja preciso parar em algum ponto específico para reparos adicionais”, explica Luiz Desuó Neto, doutorando em engenharia elétrica da EESC e coautor do artigo.

Decisões mais ágeis

Para o professor do Departamento de Engenharia Elétrica e de Computação (SEL) da EESC Carlos Maciel, que orienta os doutorandos envolvidos no trabalho, um dos destaques do estudo é a capacidade do software de unir e realizar a fusão de diferentes fontes de informação, proporcionando decisões mais ágeis e precisas por parte dos operadores.

“Do ponto de vista do cliente, é menos tempo sem energia, enquanto para as concessionárias serão multas bem menores a pagar. Os sistemas de distribuição de energia elétrica vão falhar, isso é algo inevitável, por mais que a tecnologia dos equipamentos esteja evoluindo nos últimos anos. Então, nós temos que desenvolver estratégias para melhorar e acelerar a recuperação das redes”, afirma o docente, que coordena o Laboratório de Processamento de Sinais (LPS) do SEL, onde o estudo foi desenvolvido.

Maciel é um dos pesquisadores principais do INCT 2014: Instituto Nacional de Ciência e Tecnologia para Sistemas Autônomos Cooperativos Aplicados em Segurança e Meio Ambiente, financiado pela FAPESP e pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), e recebeu uma Bolsa de Pesquisa no Exterior da Fundação, entre 2018 e 2019, na Universidade de Stuttgart, na Alemanha.

O estudo A Multilevel Crews Patrolling Framework for Distribution System Recovering está disponível em: ieeexplore.ieee.org/document/9773815.

* Com informações da Assessoria de Imprensa da EESC.
 

Fonte: https://agencia.fapesp.br/39632