REGISTRO DOI: 10.69849/revistaft/ni10202511301431
Thiago Correa Pimenta
Lucas Ronconi de Lima
Prof. Esp. Leandro Valkinir Kester
Orientador(a): Prof (a) Mestre Autran Dias de Almeida Germiniani
RESUMO
A modernização dos métodos de operação e manutenção das redes elétricas de transmissão por meio da utilização de sistemas inteligentes representa uma transformação no setor energético, especialmente na região amazônica, onde os desafios logísticos, uma vasta extensão territorial e as condições climáticas adversárias dificultam a manutenção e inspeção das infraestruturas das redes elétricas. A implementação de tecnologias autônomas, como drones e robôs equipados com Inteligência Artificial (IA) e Machine Learning, surge como uma solução inovadora para melhorar a identificação de falhas, reduzir perdas elétricas melhorando assim a eficiência operacional do SIN(Sistema Interligado Nacional).
Este estudo avalia a previsão técnica e financeira da implementação dessas tecnologias na inspeção automatizada de redes de transmissão de energia. A análise foca no impacto da automação na redução de custos, na melhoria da segurança operacional e no aumento da confiabilidade da quantidade de energia na região. Com o processamento inteligente de imagens capturadas por drones e robôs, espera-se tornar a manutenções mais ágeis, precisas e eficientes, contribuindo para o avanço da gestão energética.
INTRODUÇÃO
A modernização das redes de transmissão elétrica por meio de tecnologias inteligentes e inteligência artificial (IA) está revolucionando o mercado de trabalho e o setor eletroenergético. Na região amazônica, onde os desafios incluem extensas áreas de difícil acesso, condições climáticas e infraestrutura limitada, soluções adaptativas e progressivas são essenciais para garantir uma oferta de energia, confiável e segura.
A utilização de máquinas autônomas, equipados com sistemas de visão computacional e aprendizado de máquina surge como uma alternativa promissora para mantenabilidade das redes elétricas. Essas tecnologias permitem a coleta de dados que quando processados possibilitam a identificação precisa e em tempo real de falhas estruturais, superaquecimento, corrosão e outros problemas operacionais. Além de reduzir custos e minimizar a exposição das equipes de manutenção a riscos elétricos, queimaduras, explosões e uma série de outros perigos, o monitoramento exclusivo melhora a eficiência da manutenção trabalhando com mais manutenções preditivas e preventiva do que corretivas, aumentando a segurança do sistema, confiabilidade dos equipamentos e continuidade do negócio.
A importância do monitoramento inteligente
A detecção e o diagnóstico precoce de falhas os possíveis pontos de vulnerabilidade, são fundamentais para evitar interrupções no fornecimento de energia, reduzir perdas ou fugas e melhorar o desempenho da rede. Tradicionalmente, a inspeção dessas infraestruturas depende de deslocamento de equipes e uma logística arrojada de equipamentos e sensores manuais, métodos que podem ser custosos, demorados e sujeitos a condições bem especificas convergindo ainda com limitantes operacionais.
Com o uso de Inteligência Artificial, drones e robôs podem processar grandes volumes de imagens e dados de forma autônoma e precisa, identificando padrões e anomalias que poderiam passar eventualmente despercebidos em análises manuais. Essa abordagem possibilita um planejamento de manutenção mais estratégico, reduzindo falhas inesperadas e otimizando recursos financeiros.
Técnicas Tradicionais vs. Inspeção Automatizada com IA
Os métodos tradicionais de inspeção exigem deslocamento de equipes técnicas, o que pode ser inviável em áreas remotas como a Amazônia. Já a abordagem baseada em drones e robôs independentes permite a inspeção aérea e terrestre em tempo real, com maior abrangência e precisão. A combinação dessas tecnologias com IA não apenas melhora a eficiência, mas também reduz custos e aumenta a segurança do setor.
Este estudo busca avaliar as diretrizes técnicas e financeiras da implementação dessas tecnologias no monitoramento independente de redes de transmissão elétrica, analisando os benefícios operacionais, a redução de custos e os impactos na confiabilidade do sistema elétrico na Amazônia.
Técnicas Tradicionais:
1. Inspeção Visual: Envolve a verificação manual de componentes e sistemas elétricos por técnicos especializados. É um método demorado e sujeito a erros humanos.
2. Testes de Continuidade e Isolamento: Utiliza equipamentos como multímetros e megômetros para verificar a continuidade dos circuitos e a resistência de isolamento. Esses testes são eficazes, mas podem não detectar falhas intermitentes.
3. Análise de Vibração: Utilizada para monitorar a condição de motores e geradores. A análise de vibração pode identificar problemas mecânicos, mas pode ser limitada na detecção de falhas elétricas específicas.
4. Termografia: Utiliza câmeras infravermelhas para detectar pontos quentes em sistemas elétricos, indicando possíveis falhas. Embora eficaz, requer equipamentos caros e operadores treinados.
5. Monitoramento de Gás SF6: O Hexafluoreto de enxofre é um importante gás dielétrico amplamente utilizado devido a suas excelentes propriedades de isolação. Em contrapartida ele é um dos mais danosos ao efeito estufa o que torna o monitoramento de grande relevância para o sistema.
Técnicas Baseadas em Inteligência Artificial:
1. Redes Neurais Artificiais (RNA): Utilizadas para identificar padrões complexos em dados de sensores (quais) e prever falhas antes que ocorram. As RNAs podem aprender com dados históricos e melhorar continuamente sua precisão.
2. Aprendizado de Máquina (ML): Algoritmos de ML podem analisar grandes volumes de dados e identificar anomalias que indicam falhas. Esses algoritmos são capazes de se adaptar a diferentes tipos de sistemas elétricos e condições operacionais.
3. Análise de Dados em Tempo Real: Utiliza IA para processar dados de sensores em tempo real e fornecer alertas imediatos sobre possíveis falhas. Isso permite uma resposta rápida e eficaz a problemas emergentes.
4. Manutenção Preditiva: Combina IA com dados históricos e em tempo real para prever quando e onde uma falha pode ocorrer, permitindo a manutenção preventiva antes que o problema se agrave.
As técnicas baseadas em IA oferecem vantagens significativas em termos de precisão, eficiência e capacidade de prever falhas antes que elas causem interrupções. No entanto, a implementação dessas tecnologias requer investimentos em infraestrutura e treinamento especializado.
JUSTIFICATIVA
O avanço das tecnologias de Inteligência Artificial (IA) e automação possibilitou inovações significativas no setor elétrico, especialmente no monitoramento e diagnóstico de falhas em sistemas de transmissão e distribuição de energia. Este estudo analisa e propõe a necessidade urgente de atualização dos processos de manutenção, falhas operacionais, aumentando a segurança e melhoramento na eficiência das redes elétricas, especialmente em desafios de regiões como a Amazônia.
As falhas elétricas podem resultar em grandes prejuízos financeiros, além de comprometer a segurança dos sistemas e das pessoas e afetar a confiabilidade da disponibilidade de energia. Os métodos tradicionais, como inspeções visuais e testes manuais, mostram-se ineficientes e demorados, além de apresentarem altos custos operacionais e grande margem de erro, especialmente em áreas de difícil acesso.
A aplicação de inteligência artificial e tecnologias autônomas pode reduzir significativamente esses impactos, melhorando processos de manutenção e diminuindo a necessidade de deslocamento humano que está diretamente atrelado a poluições, emissões de gases contaminantes e intervenção direta com meio ambiente. Além disso, a detecção precoce de falhas evita desperdícios de energia e reduz o risco de incêndios florestais, que podem ser causados por problemas na rede elétrica.
Portanto, este estudo se justifica pela necessidade de modernizar a gestão de redes elétricas de transmissão na região amazônica, garantindo não apenas eficiência operacional, mas também uma abordagem sustentável e de baixo impacto ambiental.
OBJETIVOS
O objetivo deste projeto é (estudar a viabilidade) implementar a gestão inteligente de redes elétricas de transmissão na região amazônica. Visa aumentar a eficiência na distribuição de energia elétrica, reduzindo perdas e otimizando o consumo, através do uso de tecnologias avançadas de monitoramento e controle. Além disso, busca aumentar a resiliência das redes elétricas contra falhas e interrupções causadas por eventos climáticos adversos, proporcionando um fornecimento de energia mais estável e confiável para os consumidores.
O projeto (estudo) também tem como objetivo é minimizar os custos operacionais através da automação e do monitoramento contínuo das redes, permitindo a detecção precoce de falhas e a realização de manutenção preventiva.
Além disso, pretende incentivar a inclusão digital e o desenvolvimento tecnológico na região amazônica, criando novas oportunidades de emprego e melhorando a qualidade de vida das comunidades locais. Por fim, o projeto busca implementar tecnologias que aumentem a segurança das operações e protejam a infraestrutura contra riscos de falhas elétricas e outros eventos críticos.
Objetivos Específicos
1. Listar, os impactos ambientais na inspeção de redes elétricas, minimizando o uso de veículos movidos a combustíveis fósseis e mitigando riscos de incêndios florestais causados por falhas na transmissão de energia.
2. Analisar, a eficiência energética do sistema elétrico na Amazônia, por meio da implementação de tecnologias inteligentes que reduzam perdas de energia e otimizem a distribuição e transmissão.
3. Formular, soluções de monitoramento preditivo, utilizando drones, robôs autônomos e inteligência artificial para identificar falhas antes que elas causem interrupções no fornecimento de energia.
4. Justificar os custos operacionais da manutenção da rede de transmissão, reduzindo a necessidade de deslocamento humano para inspeções e minimizando gastos com reparos emergenciais.
5. Integrar fontes de energia renovável na infraestrutura de monitoramento, garantindo que os sistemas de drones e sensores funcionem com o mínimo impacto ambiental.
6. Identificar o aumento da confiabilidade e a segurança do sistema elétrico, reduzindo o tempo de resposta a falhas e garantindo um fornecimento de energia mais estável e contínuo para consumidores da região amazônica.
7. Reafirmar a necessidade de inovação e a sustentabilidade no setor elétrico, incentivando o desenvolvimento e a adoção de tecnologias autônomas para modernizar a gestão das redes de transmissão.
8. Ilustrar conhecimento científico e técnico sobre a aplicação de inteligência artificial e automação na manutenção de redes elétricas, contribuindo para pesquisas futuras e aprimoramento das práticas na área.
FUNDAMENTAÇÃO TEÓRICA
FUNDAMENTO TEÓRICA
A demanda crescente por eficiência e confiabilidade no setor elétrico impulsiona o desenvolvimento de novas tecnologias voltadas para o monitoramento e manutenção de redes de transmissão de energia. Dentre essas inovações, destacam-se os drones e robôs independentes instalados com Inteligência Artificial (IA), que possibilitam a inspeção automatizada da infraestrutura elétrica, redução de custos operacionais e aumento da precisão na detecção e previsão de falhas (SOUZA et al., 2021).
1. Redes de Transmissão de Energia e os Desafios na Amazônia
As redes de transmissão têm a função essencial de transportar energia elétrica das usinas até os centros consumidores. No entanto, a região amazônica exige desafios geográficos, climáticos e logísticos, dificultando a manutenção das infraestruturas (SILVA; ALMEIDA, 2020). Fatores como longas distâncias, difícil acesso, paisagens densas e ambientais adversas elevam os custos operacionais e tornam os métodos tradicionais de inspeção menos eficazes.
2. Técnicas Tradicionais de Monitoramento e Suas Limitações
Historicamente, o setor elétrico tem utilizado métodos convencionais para inspeção e manutenção da rede, incluindo:
Inspeção visual manual: realizada por equipes de campo, sendo demorada, custosa e sujeita a erros humanos (COSTA et al., 2019).
Termografia infravermelha: detecta superaquecimentos em componentes elétricos, mas exige equipamentos caros e mão de obra especializada (SANTOS; MELO, 2018).
Análise de vibração e testes elétricos: usada para identificar falhas mecânicas e elétricas, porém requer desligamento parcial do sistema, afetando a operação (MORAES; FERREIRA, 2020).
Embora essas técnicas sejam bastante empregadas, apresentam limitações na detecção antecipada de falhas, o que pode resultar em interrupções não programadas e altos custos com manutenção corretiva (BARBOSA et al., 2022).
3. Aplicação de Drones e Robôs Autônomos no Monitoramento de Redes
A implementação de drones e robôs independentes na inspeção de redes elétricas representa uma solução eficiente e segura, reduzindo riscos operacionais e melhorando a periodicidade e qualidade das análises (SILVA; ROCHA, 2021).
Drones equipados com câmeras térmicas e sensores LiDAR(Light Detection and Ranging) possibilitam a varredura detalhada da infraestrutura elétrica, identificando fissuras, corrosão, falhas estruturais e superaquecimentos sem a necessidade de deslocamento manual de técnicos (PEREIRA; OLIVEIRA, 2021). Já robôs terrestres e escadas rolantes podem ser empregados para inspeções em locais de difícil acesso, proporcionando monitoramento contínuo sem comprometer a segurança dos trabalhadores (MARTINS et al., 2022).
A automação dessas inspeções minimiza o risco de acidentes e aumenta a frequência da coleta de dados, permitindo uma resposta mais rápida e eficiente a possíveis falhas (NASCIMENTO; FREITAS, 2023).
4. Inteligência Artificial e Aprendizado de Máquina na Detecção de Falhas
A Inteligência Artificial (IA) e o aprendizado de máquina (Machine Learning) vêm sendo
METODOLOGIA
Para desenvolver o tema da gestão inteligente de redes elétricas de transmissão (smart grids) na região amazônica, a metodologia começa com uma revisão da literatura, incluindo pesquisas sobre o estado da arte das smart grids e a análise de casos de implementação em outras regiões. Isso é seguido por uma análise do contexto da região amazônica, levantando dados sobre as características geográficas, climáticas e demográficas que impactam a infraestrutura elétrica e identificando os principais desafios enfrentados pela rede elétrica na Amazônia. Em seguida, são definidos os objetivos do projeto, tanto gerais quanto específicos, como melhorar a eficiência energética e reduzir o tempo de inatividade. O desenvolvimento do modelo de smart grid envolve a seleção das tecnologias e ferramentas mais adequadas para a implementação, como sensores, medidores inteligentes e sistemas de comunicação, além do planejamento da integração de fontes de energia renovável.
A implementação piloto é realizada em locais específicos na região amazônica, onde as tecnologias selecionadas são instaladas e configuradas. O desempenho das redes inteligentes é monitorado em tempo real, coletando dados sobre eficiência, confiabilidade e qualidade do fornecimento de energia. Esses dados são analisados para avaliar se os objetivos do projeto foram alcançados, identificando pontos fortes e áreas de melhoria. A manutenção preventiva é implementada para garantir o funcionamento contínuo das redes sendo de distribuição ou transmissão, com ajustes e atualizações das tecnologias utilizadas com base nos resultados obtidos e nas inovações tecnológicas emergentes.
Por fim, os resultados obtidos serão documentados e compartilhados com comunidades científicas e agentes do setor energético, promovendo a adoção de soluções mais sustentáveis para o monitoramento de redes de transmissão e distribuição de anergia elétrica.
Métodos
Para o desenvolvimento deste estudo, serão empregadas abordagens quantitativas e experimentais, com a implementação e avaliação de algoritmos de inteligência artificial (IA) para detecção e monitoramento de falhas elétricas.
A metodologia deste estudo segue uma abordagem estruturada para avaliar a supervisão técnica e financeira da implementação de drones e robôs independentes instalados com Inteligência Artificial (IA) no monitoramento de redes de transmissão de energia elétrica na região amazônica. Para isso, o estudo será desenvolvido em quatro etapas principais: revisão bibliográfica e análise contextual, definição dos objetivos do projeto, desenvolvimento do modelo tecnológico e implementação piloto com coleta de dados.
Inicialmente, será realizada uma revisão da literatura científica e técnica sobre redes inteligentes, inteligência artificial aplicada ao setor elétrico e monitoramento independente de redes de transmissão. Esta pesquisa abrangerá artigos científicos, normas regulatórias e estudos de caso de implementações semelhantes em outras regiões. Em paralelo, será realizada uma análise do contexto da região amazônica, levantando dados sobre as características geográficas, climáticas e demográficas que impactam a infraestrutura elétrica. Aspectos como a vasta extensão territorial, áreas de difícil acesso, condições ambientais extremas e limitações logísticas serão considerados para compreender os desafios operacionais e definir as soluções tecnológicas mais adequadas.
Com base nas informações coletadas, serão definidos os objetivos gerais e específicos do projeto. Entre eles, destacam-se a avaliação da eficiência de drones e robôs autônomos na inspeção da rede elétrica, a redução de custos operacionais e do tempo de inatividade por meio da automação da inspeção, além do aprimoramento da precisão na detecção de falhas com o uso de IA e aprendizado de máquina.
Na etapa seguinte, será desenvolvido um modelo tecnológico para inspeção automatizada da rede elétrica. Serão selecionados drones equipados com sensores LiDAR (Light Detection and Ranging) e câmeras térmicas para captura de imagens, além de robôs terrestres e escadas rolantes para inspeção em estruturas verticais e componentes de difícil acesso. A análise das imagens capturadas será realizada por plataformas de IA e aprendizado de máquina, permitindo a identificação automática de anomalias e falhas. Também será planejada a integração desses dispositivos aos sistemas de monitoramento das redes de energia, garantindo a interoperabilidade e eficiência operacional.
Por fim, será realizada uma implementação piloto em estratégias locais da Amazônia. As tecnologias serão implantadas e ajustadas para coleta de dados sobre precisão na detecção de falhas, tempo de resposta, eficiência operacional de drones e robôs, bem como impacto na redução de custos e otimização da manutenção. Os resultados serão analisados para avaliar o desempenho do modelo proposto e identificar melhorias possíveis para futuras expansões da tecnologia. Toda a documentação gerada será consolidada em relatórios técnicos e artigos científicos, permitindo a disseminação das boas práticas e a replicação da solução em outras regiões.
1. Método de Coleta de Dados
Os dados necessários para a construção do modelo serão obtidos a partir de três fontes principais:
- Bases de dado de falhas elétricas, disponíveis em repositórios acadêmicos e institucionais.
- Coleta de dados meteriologicos, Muitas plataformas oferecem APIs gratuitas e pagas para acessar dados meteorológicos em tempo real e históricos. Exemplos incluem OpenWeatherMap, Weatherstack, e a API do NOAA.
- Simulação computacional em softwares como MATLAB/Simulink ou Python (NumPy, Pandas, SciPy) para geração de dados sintéticos.
- Medições experimentais, caso haja acesso a sensores e equipamentos para aquisição de dados reais.
2. Método de Pré-processamento dos Dados
Antes da aplicação dos algoritmos de IA, os dados passarão por:
- Tratamento de dados ausentes e remoção de ruídos.
- Normalização e padronização das variáveis para otimizar o desempenho do modelo.
- Seleção de características (feature selection) para eliminar variáveis irrelevantes.
3. Método de h do Modelo de IA
A análise será realizada utilizando algoritmos de aprendizado de máquina, que serão comparados para determinar o mais eficiente na detecção de falhas elétricas. Os modelos considerados incluem:
- Redes Neurais Artificiais (ANN) – Para aprendizado de padrões complexos.
- Support Vector Machine (SVM) – Para classificação de falhas elétricas.
- Random Forest – Para análise de características e detecção de anomalias.
Os algoritmos serão implementados em Python, utilizando bibliotecas como TensorFlow, Scikit-Learn e Keras.
4. Método de Treinamento e Validação do Modelo
- Os dados serão divididos em 70% para treinamento e 30% para teste.
- Serão aplicadas técnicas de validação cruzada para garantir a robustez do modelo.
- O desempenho será medido por métricas como:
- Acurácia (%)
- Precisão e Recall
- Matriz de Confusão
- Taxa de Falsos Positivos e Falsos Negativos
5. Método de Análise dos Resultados
Após a implementação e testes, os resultados serão analisados considerando:
- Comparação entre IA e métodos tradicionais de monitoramento de falhas.
- Interpretação dos padrões identificados pelos algoritmos e sua aplicação prática.
Figura 1 – Fluxograma da metodologia de análise de dados.
- Limitações do modelo e sugestões para melhorias.
TÉCNICAS TRADICIONAIS VS. TÉCNICAS BASEADAS EM INTELIGÊNCIA ARTIFICIAL
Os métodos tradicionais de inspeção de redes elétricas frequentemente envolvem deslocamento humano e uso intensivo de veículos terrestres e aéreos movidos a combustíveis fósseis. Além de onerosos e demorados, esses métodos geram impactos ambientais significativos.
Já as técnicas baseadas em inteligência artificial e automação permitem uma abordagem sustentável, reduzindo emissões de carbono, consumo de recursos e degradação ambiental.
Principais diferenças:
A implementação dessas novas tecnologias possibilita um modelo de manutenção preditiva sustentável, onde as falhas são identificadas antes de ocorrerem, reduzindo desperdícios de energia e prevenindo danos ambientais.
CONCLUSÃO
A utilização de drones e robôs autônomos para inspeção de redes elétricas na Amazônia apresenta uma alternativa sustentável e eficiente para a manutenção da infraestrutura energética. Além de otimizar custos e reduzir falhas, essa abordagem minimiza impactos ambientais, diminuindo a necessidade de deslocamentos humanos e o uso de combustíveis fósseis.
O estudo demonstrou que a adoção da inteligência artificial e automação permite a detecção precoce de falhas, prevenindo interrupções no fornecimento de energia e reduzindo o risco de incêndios florestais. Dessa forma, a integração dessas tecnologias nas redes de transmissão pode contribuir significativamente para um setor elétrico mais sustentável, eficiente e resiliente.
Portanto, este projeto reforça a importância da inovação tecnológica como ferramenta para o desenvolvimento sustentável do setor elétrico, garantindo benefícios tanto para o meio ambiente quanto para a sociedade.
REFERÊNCIAS
- Mas afinal, o que é Smart Grid e como funciona na prática?
- https://sienge.com.br/blog/smart
- INTELIGÊNCIA ARTIFICIAL NO SETOR ELÉTRICO – Briskcom
- https://www.briskcom.com.br/blog/inteligencia-artificial-no-setoreletrico/#read-more
- MODERNIZAÇÃO DA DISTRIBUIÇÃO DE ENERGIA NO AMAZONAS: A REVOLUÇÃO DAS SMART GRIDS – ISSN 1678-0817 Qualis B2
- https://revistaft.com.br/modernizacao-da-distribuicao-de-energia-noamazonas-a-revolucao-das-smart-grids/
- (PDF) Análise Comparativa de Técnicas de Inteligência Artificial no Diagnóstico de Falhas em Transformadores de Potência