Aplicação de Técnicas de Análise de Dados em Avaliação da Operação do SIN

• Processo: 25/10042-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 31 de julho de 2026
• Área de conhecimento: Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
• Pesquisador responsável: Daniel Dotta
• Beneficiário: Bruno Christopher Aira Soria
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 21/11380-5 - CPTEn - Centro Paulista de Estudos da Transição Energética, AP.CCD
• Assunto(s): Análise de dados Big data
• Palavra(s)-Chave do Pesquisador: Análise de Dados | big data | Inteligência Artificial (IA) | SIN (Sistema Interligado Nacional) | Sistemas Elétricos de Potência (SEP) | Transição para redes digitais e consumo inteligente.

Resumo

Na última década técnicas de análise de dados e inteligência artificial (IA) tornaram-se uma importante área de pesquisa em, praticamente, todos os campos do conhecimento: engenharia, ciência, educação, medicina, negócios, finanças, direito, entre outros. Além disso, constatou-se um aumento na busca, utilização e desenvolvimentos de ferramentas baseadas em inteligência artificial. Esse aumento no uso de técnicas de IA foi possível devido a quantidade crescente de dados disponíveis, conectividade onipresente, computação de alto desempenho e vários algoritmos à disposição, adicionando um novo nível de eficiência e sofisticação às tecnologias. A inteligência artificial é dividida em diversas subáreas, de acordo com o tipo de aplicação. Entre as subáreas, destaca-se o aprendizado de máquina que propõe a automação do processo de aprendizado por máquinas. Este aprendizado se dá com algoritmos que modificam parâmetros de um modelo de decisão da máquina, para incrementar a precisão das decisões. O aprendizado de máquina, por sua vez, é subdividido em dois grandes grupos: supervisionado e não-supervisionado, se diferenciando pela participação do fator humano no processo de aprendizado. Um campo de aplicação fértil para IA em geral e aprendizado de máquina em especial são Sistemas Elétricos de Potência (SEP) modernos. A disponibilização de dados de operação premite a observação de fenômenos do sistema de forma mais ampla e detalhada. Contudo, a disseminação destes novos sistemas trouxe consigo massas de dados de ordens de grandeza superior às previamente disponíveis. Este contexto, conhecido como big data, é observado em diversos sistemas modernos e traz consigo um novo obstáculo, a análise e processamento dessa enorme massa de dados. Como todo sistema complexo, SEP são operados por especialistas treinados ao longo de anos para desenvolvimento de habilidades necessárias à tomada de decisão e identificação e classificação de eventos e fenômenos. Não obstante a grande carga de trabalho de alta complexidade desempenhada por esses especialistas, soma-se a introdução de geração baseadas em inversores com dinâmica ainda em estágio de maturação e de comportamento ainda não completamente conhecido, com estratégias de planejamento e operação também em desenvolvimento, demandando carga adicional de trabalho de operadores. O desenvolvimento de técnicas e ferramentas computacionais capazes de processar a massiva quantidade de dados e extrair informações necessárias para operadores é, portanto, um campo ideal para aplicação de IA. Em particular Aprendizado de Máquina, onde grandes massas de dados tendem a incrementar a precisão dos algoritmos e a modelagem dos sistemas é secundária para o desenvolvimento das ferramentas. (AU)