Busca avançada
Ano de início
Entree

Especificação funcional, testes e controle de qualidade de solução para Identificação e Mitigação de Problemas em Base de Dados Técnicos de Concessionárias de Distribuição Utilizando Técnicas Avançadas de Machine Learning

Processo: 23/15729-8
Modalidade de apoio:Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
Vigência (Início): 01 de dezembro de 2023
Vigência (Término): 31 de agosto de 2024
Área do conhecimento:Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
Pesquisador responsável:Felipe Ribeiro Miranda
Beneficiário:João Carlos Martins de Carvalho
CNAE: Distribuição de energia elétrica
Serviços de engenharia
Pesquisa e desenvolvimento experimental em ciências físicas e naturais
Vinculado ao auxílio:23/06655-0 - Sistema para identificação e mitigação de problemas em base de dados técnicos de concessionárias de distribuição utilizando técnicas avançadas de machine learning, AP.PIPE
Assunto(s):Inteligência artificial   Aprendizado computacional   Distribuição de energia elétrica
Palavra(s)-Chave do Pesquisador:Base de dados técnicos | Cálculo elétrico | Inteligência Artificial | machine learning | Recursos Energéticos Distribuídos | Distribuição de Energia Elétrica

Resumo

Diversos setores da economia vêm passando por intenso processo de transformação digital, suportado pela série de tecnologias inovadoras desenvolvidas nas últimas décadas. Todos esses processos e tecnologias possuem um fato em comum: a dependência de dados consistentes sobre os quais possam ser desenvolvidas aplicações disruptivas. Distribuição de energia elétrica representa serviço essencial de primeira necessidade, demandando esforços constantes por aumento de eficiência que possa ser transformado em oferta de energia com custos reduzidos, viabilizando cada vez mais o acesso à toda a população. A gestão do sistema de distribuição depende de uma série de cálculos elétricos e demais algoritmos responsáveis por simular o comportamento do sistema, subsidiando uma série de tomadas de decisões por investimentos e ações a serem efetivados visando a garantia do fornecimento de energia com a qualidade esperada. A partir dessas funcionalidades é que se aufere, por exemplo, as perdas técnicas e não técnicas do sistema, as sobrecargas atuais e futuras, níveis de tensão de fornecimento entre outros indicadores fundamentais para a gestão do serviço. O próprio órgão regulador dispende esforços para cálculo de alguns desses indicadores para fim de remuneração regulatória (p. ex. índices de perdas). Esses cálculos são intensivos em dados, demandando as informações elétricas, topológicas e de mercado. Dada a dimensão e complexidade dos sistemas de distribuição e o ainda recente uso de tecnologias avançadas e intensivas em dados, as bases cadastrais das empresas concessionárias de distribuição ainda apresentam relativa precariedade, inserindo relevantes incertezas nos processos de cálculo e, assim, reduzindo a eficiência dos esforços de melhoria do serviço de distribuição. Há atualmente produtos e esforços sendo empregados no sentido de mitigar problemas cadastrais que melhorem os cálculos, porém são restritos à definição de regras pré-estabelecidas que levam em consideração aspectos topológicos (descontinuidade de trechos de rede próximos etc.). O presente projeto visa construir solução inovadora que, a partir de conjunto de base de dados de múltiplas naturezas (cadastro técnico, medições operacionais, mercado, processos comerciais entre outros), empregue soluções avançadas de Inteligência Artificial (Machine Learning, Deep Learning) com o objetivo de identificar e corrigir problemas cadastrais não observáveis com facilidade nem corrigíveis com uma regra pré-definida a partir da topologia, mas que impactem de forma significativa os processos de simulação do comportamento do sistema para os diversos fins afetos a sua gestão.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)