• 18 de agosto de 2020
• Blog

8 Aplicações de Inteligência Artificial no Setor de Energia

A Inteligência Artificial (IA) vem sendo apontada como uma das tecnologias que devem criar inovações disruptivas em vários setores, possibilitando a automação não apenas de processos simples e repetitivos, mas, também, de atividades até então executadas com eficiência apenas por seres humanos.

Soluções baseadas em IA têm sido aplicadas com sucesso em vários setores, auxiliando no diagnóstico e prevenção de doenças, na previsão de falhas de equipamentos na indústria, na previsão de fenômenos meteorológicos que podem afetar a agricultura, na otimização de rotas para o setor de logística, no atendimento e interação com consumidores através de interfaces de voz etc.

Nos próximos anos, a IA irá impulsionar ainda mais a transformação digital já iniciada em vários setores, trazendo maior eficiência para operações e processos, criando novos modelos de negócios e novas formas das pessoas se relacionarem com produtos e serviços. O setor de Utilities, em particular o segmento de energia elétrica, também fará parte dessa transformação e poderá se beneficiar dela para superar os novos desafios do setor conhecidos como 3Ds (Distribuição, Descarbonização e Digitalização).

Distribuição: a popularização dos painéis solares possibilitou a geração de energia de forma distribuída e não mais centralizada em grandes usinas. O consumidor passou a poder produzir sua própria energia elétrica, não ficando mais totalmente dependente de sua concessionária de distribuição. Se, por um lado, a geração distribuída pode ajudar o sistema elétrico a atender à crescente demanda por energia, por outro lado, essa demanda traz novos desafios à gestão e operação do sistema, que se torna mais dinâmico e complexo com a entrada dessas fontes de energia intermitentes;

Descarbonização: os impactos do aquecimento global e a necessidade de redução das emissões de carbono devem impulsionar a entrada dos veículos elétricos no mercado que, apesar de ainda incipiente no Brasil, já caminha a passos largos em alguns países. A maior demanda por energia elétrica e a mobilidade dessas cargas também aumentarão a complexidade da gestão e operação do sistema elétrico;

Digitalização: a conectividade e a digitalização modificaram profundamente nossos hábitos, mudando a forma como nos relacionamos com produtos e serviços e exigindo que o setor de energia se adapte para atender à demanda de consumidores mais empoderados e exigentes. Além disso, a nova geração de equipamentos e soluções para indústria passou a ser conectada, gerando uma infinidade de dados sobre a operação. Entretanto, é necessária a adoção de tecnologias que de fato possam extrair conhecimento desses dados, produzindo resultados práticos que possam gerar valor real para as empresas e seus clientes.

A seguir, apresentamos algumas aplicações de IA para o setor de energia elétrica que podem e já vem sendo aplicadas pelas empresas para melhorar sua eficiência e superar os desafios acima apresentados.

1.  Detecção de perdas não técnicas

Em tempos em que se fala muito sobre sustentabilidade e uso eficiente de recursos, as perdas de energia elétrica no Brasil ainda representam um grande desperdício que afeta tanto as concessionárias quanto os consumidores.

De acordo com a ABRADEE (Associação Brasileira de Distribuidoras de Energia Elétrica), o total de energia elétrica gerada no país no ano de 2016 foi de 327 TWh, com uma receita bruta de 216 bilhões de reais. Nesse mesmo ano, as perdas globais de energia atingiram 13.9%, ou seja, em torno de 45.4 TWh de energia não chegaram a ser comercializados, representando um prejuízo bilionário para o setor.

Parte dessas perdas (em torno de 7.8%) ocorreram devido a fatores técnicos, como a dissipação de energia na forma de calor (chamada de Efeito Joule), que ocorre pela própria passagem da corrente elétrica pelos fios que levam a energia desde a fonte geradora até os consumidores. Entretanto, outra parte dessas perdas (aproximadamente 6.1%), chamada de perdas não técnicas ou perdas comerciais, estavam relacionadas a furtos e fraudes no consumo de energia (popularmente conhecidos no Brasil como “gatos”).

Parte dessas perdas relacionadas a furtos e fraudes podem ser detectadas aplicando técnicas de Inteligência Artificial semelhantes às utilizadas por outros setores, como a identificação de fraudes de cartões de crédito. Nessas soluções, algoritmos de aprendizado de máquinas são treinados com os dados históricos de consumo, gerando um modelo que pode ser posteriormente aplicado à identificação de anomalias.

No caso do setor de energia, os dados de consumo podem incluir, por exemplo, o histórico de consumo de energia elétrica mensal (em KWh). Os algoritmos de aprendizado de máquina são treinados com os dados históricos, traçando uma espécie de perfil de consumo dos usuários. Os algoritmos podem, posteriormente, identificar anomalias, isso é, alterações nesse perfil de consumo que, potencialmente, possam indicar irregularidades.

Além do consumo mensal de energia, outras informações podem ser utilizadas para trazer maior acurácia ao algoritmo, como o tipo de ligação, tipo de fase, grupo de faturamento, grupo de tensão, classe de consumo, bairro, coordenadas georreferenciadas etc.

A Energisa, uma das maiores distribuidoras de energia elétrica do país, é uma das concessionárias que está usando tecnologias de Inteligência Artificial na detecção de irregularidades. Segundo a concessionária, nos quatro anos seguintes à implantação do projeto, a empresa apurou uma redução de 3,2% nas perdas não técnicas, energia suficiente para atender a 2,4 milhões de consumidores residenciais durante um mês. Em comparação com o ano anterior ao projeto, houve um aumento de 370% na quantidade de energia recuperada.

2.  Desagregação do consumo de energia

A conta de energia normalmente traz a quantidade de energia consumida pela unidade consumidora no período de um mês, entretanto, a conta não indica de que forma a energia foi gasta. O melhor entendimento da forma como a energia é consumida é um elemento fundamental para que os consumidores possam adotar medidas eficientes para a economia de energia.

O uso mais eficiente da energia elétrica traz benefícios diretos para o consumidor (através da redução de sua conta mensal), mas também é importante para as concessionárias, reduzindo o investimento necessário na ampliação da infraestrutura de geração para atender à crescente demanda por energia elétrica.

Técnicas de Inteligência Artificial têm sido utilizadas para permitir a desagregação da energia consumida numa instalação, identificando a participação de cada carga no consumo geral de uma residência, comércio ou indústria.

A técnica de desagregação de energia se baseia no uso de um algoritmo treinado para identificar as alterações que um determinado equipamento (como um ar-condicionado) provoca no sinal elétrico de uma instalação (como uma residência). Equipamentos diferentes provocam alterações diferentes no sinal elétrico, de modo que cada equipamento tem um padrão de assinatura que é identificado pelo algoritmo.

Essa técnica é chamada de NILM (Non Intrusive Load Monitoring), Monitoramento de Carga Não Intrusivo, já que não exige nenhum tipo de alteração na instalação elétrica interna da unidade consumidora. A figura abaixo ilustra como os diferentes equipamentos poderiam ser identificados a partir da análise do sinal elétrico de uma residência.

Disaggregation Survey Paper, Stanford

A identificação da assinatura elétrica dos equipamentos pode ser feita diretamente a partir da medição central da unidade consumidora, entretanto, é necessário que as medições sejam feitas com alta granularidade — isso é, em intervalos de tempo bem curtos, para que os algoritmos possam inferir o comportamento de cada equipamento.

A implementação das redes inteligentes (ou smart grids), que utilizam medidores elétricos conectados capazes de realizar a medição de consumo de forma remota e em tempo real, pode permitir que as concessionárias implementem soluções de desagregação de energia em suas redes.

Além de trazer maior engajamento dos consumidores residenciais aos programas de eficiência energética das concessionárias, promovendo o consumo mais consciente de energia elétrica, o conhecimento mais detalhado do perfil de consumo dos usuários pode ainda gerar outras oportunidades de negócios para as distribuidoras e empresas do setor.

3.  Previsão de geração de energia renovável

Fontes de energia renováveis, como a eólica e a solar, tem se destacado como alternativas para atender à crescente demanda por energia de forma limpa e sustentável. Entretanto, apesar de representarem uma grande oportunidade, a natureza intermitente dessas fontes de energia também traz desafios para o setor. Técnicas de IA têm sido aplicadas para mitigar esses desafios e agregar ainda mais valor a essas fontes de energia.

Recentemente, a Google — através da DeepMind, uma subsidiária da empresa que atua com Inteligência Artificial — anunciou que está utilizando técnicas de aprendizado de máquina para prever a capacidade de geração de energia dos parques eólicos da empresa situados na região central dos Estados Unidos.

Dados históricos das turbinas eólicas e previsões do tempo foram utilizados pela DeepMind para treinar uma rede neural capaz de prever a potência gerada ao longo do dia pelas turbinas da usina com antecedência de 36h. Com base nessas previsões, é possível fazer o planejamento do uso dessa energia com um dia de antecedência, o que torna essa energia mais valiosa para a rede.

O NCAR (National Center of Atmospheric Research ou Centro Nacional de Pesquisa Atmosférica) do Colorado, nos Estados Unidos, também vem trabalhando com o uso de Inteligência Artificial para a previsão de energia eólica gerada por parques eólicos do estado. A confiabilidade da utilização da energia dos parques eólicos permitiu que as operadoras da região pudessem aumentar a parcela de energia renovável em sua operação, sem afetar a estabilidade e a confiabilidade do grid.

Em especial, para o Brasil, que tem um enorme potencial para a geração de energia eólica e solar, iniciativas como essas podem agregar enorme valor ao setor de elétrico, impulsionando ainda mais o uso dessas fontes de energia.

4.  Gestão de recursos de energia distribuídos

A geração de energia distribuída, realizada através de painéis solares ou geradores eólicos, reduz o controle das concessionárias sobre a infraestrutura do sistema elétrico, já que esses equipamentos estão distribuídos no sistema e sua geração de energia tem natureza intermitente, isso é, dependente das condições ambientais (como sol e vento).

Nesse cenário, cleantechs (empresas, geralmente startups, focadas em tecnologias limpas e sustentáveis) como a Embala e OpusOne Solutions estão desenvolvendo sistemas de software chamados de Sistemas de Gerenciamento de Recursos de Energia Distribuídos (do inglês, Distributed Energy Resource Management Systems ou DERMS) para explorar os recursos de geração e armazenamento de forma mais otimizada possível, garantindo o balanço entre oferta e demanda de energia e trazendo maior estabilidade ao grid.

Esses sistemas utilizam tecnologias de IoT para monitorar os recursos de energia da rede em tempo real e técnicas de IA para analisar como a capacidade dos ativos de DER (Distributed Energy Resources  ou Recusos de Energia Distribuídos) e seus parâmetros de controle evoluem com o tempo, de modo a prever a capacidade disponível. A modelagem do comportamento da rede pode, então, ser utilizada para o controle automático e otimizado dos ativos de DERs.

5.  Atendimento ao consumidor

A transformação digital modificou profundamente a forma como as empresas se relacionam com seus clientes. Nessa nova era, a experiência do consumidor se tornou um elemento central dos negócios. Nesse contexto, técnicas de IA têm sido utilizadas para criar novos canais de atendimento ao consumidor através de interfaces baseadas na comunicação escrita ou falada.

Processamento de Linguagem Natural (ou NLP, Natural Language Processing) é a área da Inteligência Artificial relacionada ao processamento da linguagem humana, que permite que máquinas possam extrair informações de textos ou até mesmo interpretar falas.

NLP tem sido utilizada por empresas de vários setores, inclusive o setor de energia, para extrair tendências importantes do feedback dos clientes. As empresas analisam dados de e-mails, pesquisas, conversas no call center e até mesmo comentários em redes sociais para identificar possíveis causas de insatisfação dos clientes e implementar melhorias em seus processos e serviços para melhor atendê-los.

Mais recentemente, NLP tem sido aplicada nos serviços de atendimento ao consumidor, permitindo a interação direta através de texto (nesse caso eles são frequentemente chamados de “chatbots”). Assistentes virtuais pessoais (como a Alexa, da Amazon) também permitem a criação de novos canais de atendimento baseados em comandos de voz.

A CEMIG está desenvolvendo um projeto de P&D para melhorar a comunicação e o relacionamento com seus clientes, aplicando técnicas de IA, BigData e Chatbots. A solução aplica IA para decodificar mensagens enviadas pelos clientes e criar uma resposta personalizada com base no perfil e no histórico de relacionamento do usuário. O sistema poderá, ainda, iniciar proativamente uma interação motivada por eventos específicos.

Essas novas ferramentas baseadas em linguagem natural podem ajudar as empresas do setor a melhorar a satisfação dos consumidores com seus serviços, além de melhorar a eficiência e reduzir os custos relacionados aos processos de atendimento ao consumidor.

6.  Recarga inteligente de veículos elétricos

Sistemas de Recarga Inteligente (ou Smart Charging) podem otimizar a utilização da infraestrutura de recarga pública e privada, além de minimizar o impacto dos veículos elétricos na operação do sistema elétrico. Os sistemas de Smart Charging são capazes de gerenciar as sessões de recarga, equilibrando de forma inteligente a demanda dos veículos com a disponibilidade de pontos de recarga e a capacidade de abastecimento do sistema elétrico.

Algoritmos de Inteligência Artificial são utilizados para gerar estratégias de recarga que levem em consideração as necessidades dos motoristas, assim como as limitações do Grid e da instalação elétrica dos eletropostos. Os sistemas podem levar em consideração as características específicas dos veículos (como a capacidade e o nível atual de sua bateria), as necessidades dos motoristas (sua localização geográfica e preferências de recarga, por exemplo) e a infraestrutura de recarga pública e privada disponível (incluindo fatores como proximidade e preço).

Os sistemas podem planejar as sessões de recarga, controlando não só a alocação de veículos aos pontos de recarga, mas também a potência que será utilizada de forma dinâmica durante a sessão de carregamento. O sistema pode aumentar ou reduzir a potência de carregamento conforme a capacidade instantânea da rede (ou da instalação local), evitando, assim, picos e sobrecargas no sistema elétrico.

Smart charging pode, também, implementar um conceito conhecido como V2G (Vehicle to Grid ou Veículo a Rede), no qual o banco de baterias de um veículo elétrico pode ser utilizado como uma unidade de armazenamento para a rede elétrica. Nesse conceito, um sistema de recarga inteligente prioriza a recarga das baterias em períodos de excesso de geração de energia (por exemplo em períodos em que há grande geração de fontes solares) e, posteriormente, utiliza parte da energia armazenada para alimentar a rede elétrica em períodos de excesso de demanda.

O V2G vem sendo estudado como uma alternativa para aumentar a inserção de fontes de energia renováveis intermitentes, sem comprometer a estabilidade do grid. Do ponto de vista dos operadores do sistema elétrico, essa integração com a rede pode auxiliar no gerenciamento da oferta e demanda de energia, evitando picos e sobrecargas da rede.

7.  Segurança cibernética no setor de energia

O Global Risk Report de 2019 apontou os ataques cibernéticos como um dos principais riscos para os próximos anos, indicando, ainda, uma tendência no aumento de ataques voltados a setores de infraestrutura crítica, como o de energia elétrica. Esse aumento no risco de ataques no setor de energia está relacionado à crescente adoção de tecnologias digitais, como Internet das Coisas (do inglês, Internet of Things ou IoT), que adicionam vulnerabilidades aos sistemas, aumentando sua exposição a ataques.

O primeiro ciberataque a provocar apagão na rede elétrica que se tem notícia aconteceu na Ucrânia, em dezembro de 2015. Os hackers conseguiram comprometer os sistemas de três empresas de distribuição de energia e interromper o fornecimento de eletricidade aos consumidores finais por várias horas. De lá pra cá, outros ataques e tentativas de invasão foram identificados em diferentes países ao redor do mundo.

No Brasil, ainda não há casos confirmados de ciberataques que tenham causado suspensão no fornecimento de energia, ainda que haja boatos de que apagões ocorridos em 2005 e 2007 tenham sido causados por ataques cibernéticos. Entretanto, as concessionárias do setor de energia devem estar atentas a esse risco e considerar o investimento em segurança da informação como uma de suas prioridades.

Políticas de segurança devem ser adotadas pelas empresas, visando garantir a segurança não apenas de sua operação como dos dados de seus clientes. Técnicas de Inteligência Artificial, como a detecção de anomalias, podem ajudar na detecção de eventuais invasões, de modo que medidas possam ser tomadas para evitar maiores danos.

8.  Manutenção preditiva e previsão de falhas

A utilização de IA na manutenção preditiva e previsão de falhas de equipamentos já vem sendo aplicada com sucesso em vários setores. No setor de energia elétrica, em que a manutenção ininterrupta do fornecimento de energia é uma das principais prioridades para as concessionárias, essas soluções podem ser particularmente importantes.

Nas soluções de manutenção preditiva, sensores da Internet das Coisas (IoT) e algoritmos de aprendizado de máquina são utilizados para monitorar continuamente os equipamentos da rede. Os algoritmos identificam desvios na operação dos equipamentos, possibilitando ações de manutenção que garantam a operação eficiente dos equipamentos ou até mesmo a previsão de falhas. O sistema pode ainda auxiliar no diagnóstico das falhas e permite também a emissão de alertas para mitigar paradas de equipamentos.

Aplicações baseadas em visão computacional também têm sido utilizadas para realizar a inspeção de equipamentos e redes de transmissão e distribuição. Através de câmeras instaladas em veículos (ou drones), são coletadas imagens da rede elétrica que são analisadas por redes neurais capazes de identificar problemas como, por exemplo, rompimento de cabos ou simplesmente galhos de árvores atingindo a rede elétrica.

Essas soluções permitem que as concessionárias melhorem sua eficiência, antecipando a manutenção de seus equipamentos ou identificando e corrigindo rapidamente um problema que possa causar danos ou interrupções no fornecimento de energia elétrica.

Conclusão

A Inteligência Artificial já está sendo aplicada no setor de energia elétrica, permitindo melhor eficiência operacional, redução de custos de processos, melhoria no entendimento e na interação com os consumidores, melhor gestão e otimização dos recursos energéticos da rede, além da identificação e controle de fraudes e prevenção de ataques cibernéticos. A rápida evolução das soluções de IA deve trazer resultados ainda mais promissores nos próximos anos, para esses e outros casos de uso.

O Venturus atua com desenvolvimento de soluções baseadas em Inteligência Artificial, aprendizado de máquina e big data para vários setores. O instituto está trabalhando na criação de um Data Lab, um laboratório que irá aliar competência técnica e infraestrutura de ponta para atender à crescente demanda por projetos relacionados à análise de dados. Para saber mais sobre esse e outros projetos do instituto visite nosso site ou entre em contato conosco .