Mineração de dados para gestão de ativos de redes de distribuição de energia elétrica: um caso do Nordeste Brasileiro
Carregando...
Data
2022-06-28
Autores
Orientador
Muniz Júnior, Jorge ![](assets/repositorio/images/logo-unesp.png)
![](assets/repositorio/images/logo-unesp.png)
Fernandes Filho, Guilherme Eugênio Filippo ![](assets/repositorio/images/logo-unesp.png)
![](assets/repositorio/images/logo-unesp.png)
Coorientador
Pós-graduação
Engenharia de Produção - FEG
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Dissertação de mestrado
Direito de acesso
Acesso aberto![Acesso Aberto](assets/repositorio/images/logo_acesso_aberto_simples.png)
![Acesso Aberto](assets/repositorio/images/logo_acesso_aberto_simples.png)
Resumo
Resumo (português)
As transformações tecnológicas ora em curso estão mudando significativamente o modo de gerenciamento das empresas. Vários setores da cadeia produtiva estão sendo afetados pela chamada “Quarta Revolução Industrial”. Tecnologias que utilizam “dados” como seu motor principal (inteligência artificial, internet das coisas, machine learning, data mining e big data) estão sendo introduzidas como ferramentas para solucionar problemas antes mesmo deles acontecerem. No setor de distribuição de energia elétrica brasileiro não é diferente. As redes elétricas estão sendo modernizadas e adaptadas a essa nova realidade. A utilização da mineração de dados pode ser a chave para vencer os desafios regulatórios e financeiros que atingem o setor. Porém, grandes investimentos serão necessários e, se não forem alocados de forma eficiente, não trarão os resultados esperados pelos clientes e acionistas. No Brasil, as concessionárias estão lutando para encontrar um equilíbrio entre o aumento do custo de manutenção de seus ativos e orçamentos reduzidos para garantir a confiabilidade do sistema elétrico, bem como o atendimento aos indicadores de continuidade estabelecidos pela Agência Nacional de Energia Elétrica (ANEEL). Por muitas vezes, as limitações orçamentárias adiam as manutenções necessárias, que resulta em baixo desempenho do sistema e altos custos de operação da rede elétrica, aliados a multas por transgressão dos indicadores. O trabalho apresenta uma proposta para vencer esses desafios através da utilização combinada de técnicas de regressão linear múltipla e aplicação de séries temporais a fim de alocar, de forma otimizada, os recursos de CAPEX (despesas de capital) e OPEX (despesas operacionais) disponíveis para atender as exigências dos clientes, acionistas e órgãos reguladores. Uma nova abordagem para análise das faltas de energia, utilizando mineração de dados por meio da estatística descritiva e análises diagnósticas, preditivas e prescritivas dos dados foi proposta. Para essa finalidade, uma nova visão foi mostrada, trazendo quatro enfoques fundamentais: impactos no volume de ocorrências ocasionados por atuação das proteções dos equipamentos, perspectiva geoespacial dos alimentadores, tipos de causas das ocorrências e efeitos das variações climáticas.
Resumo (inglês)
The technological transformations currently underway are significantly changing the way companies are managed. Several sectors of the production chain are being affected by the socalled "Fourth Industrial Revolution". Technologies that use "data" as their main engine (Artificial Intelligence, Internet of Things, Machine Learning, Data Mining, and Big Data) are being introduced as tools to solve problems before they even happen. In the Brazilian power distribution sector it is no different. Electricity grids are being modernized and adapted to this new reality. The use of data mining may be the key to overcoming the regulatory and financial challenges that affect the sector. However, large investments will be required and, if not allocated efficiently, will not bring the results expected by customers and shareholders. In Brazil, utilities are struggling to find a balance between the increased cost of maintaining their assets and reduced budgets to ensure the reliability of the electrical system, as well as meeting the continuity indicators established by ANEEL (Agência Nacional de Energia Elétrica). Budgetary limitations often postpone the necessary maintenance, which results in low system performance and high costs of operating the power grid, combined with fines for transgression of the indicators. This paper presents a proposal to overcome these challenges through the combined use of Multiple Linear Regression and Time Series techniques to optimally allocate available CAPEX (capital expenditures) and OPEX (operating expenses) resources to meet the demands of customers, shareholders, and regulators. A new approach to outage analysis using data mining through descriptive statistics and diagnostic, predictive, and prescriptive analyses of the data has been proposed. For this purpose, a new vision was shown, bringing four fundamental approaches: Impacts on the volume of occurrences caused by the performance of equipment protections, geospatial perspective of feeders, types of causes of occurrences and effects of climatic variations
Descrição
Palavras-chave
Gestão de ativos , Manutenção preditiva , Internet das coisas , Data mining , Big data , Machine learning , Redes inteligentes , Confiabilidade , Asset management , Predictive maintenance , Internet of things , Intelligent networks , Reliability , Energia elétrica - Distribuição , Redes inteligentes de energia
Idioma
Português