A E-Redes é responsável pela gestão de 84 mil quilómetros de rede elétrica de distribuição em Portugal Continental, enfrenta o desafio de manter a infraestrutura segura. Um repto complicado se levarmos em conta que desta extensão - equivalente a aproximadamente nove vezes a distância entre Lisboa e Pequim -, 80% é rede aérea e cerca de 40% atravessa áreas florestais.

Em resposta a estas complexidades, nomeadamente o facto de esta rede requerer manutenção constante para garantir distâncias seguras entre a vegetação e as linhas, nasceu o projeto Analytics4Vegetation, vencedor do Prémio Nacional de Inovação na categoria de Inteligência Artificial e Machine Learning. "A E-Redes tem a responsabilidade de realizar a manutenção e garantir a conservação das linhas elétricas. Para tal, são efetuadas inspeções regulares e metódicas à infraestrutura onde são medidas as distâncias entre a vegetação e as linhas. Sempre que tais inspeções detetam situações de incumprimento, a E-Redes tem a obrigação legal de se substituir aos proprietários na garantia da manutenção das distâncias de segurança", explicou ao Jornal de Negócios Maria Nela Menezes, gestora de projeto Analytics4Vegetation. Uma das principais motivações inerentes ao desenvolvimento desta solução terá sido precisamente promover uma maior eficácia e eficiência na deteção e tratamento das situações de incumprimento. "Com esta iniciativa, procuramos diminuir o risco que a vegetação representa na exploração em segurança das linhas aéreas de distribuição de energia, procurando garantir simultaneamente uma utilização eficiente dos meios físicos e financeiros de que a empresa dispõe para endereçar estas situações".

Eficiência e sustentabilidade

No seu conceito, o projeto Analytics4Vegetation contribui para a eficiência e sustentabilidade da gestão da rede de distribuição assegurada pela E-Redes a vários níveis. Por um lado, contribui para garantir a segurança da infraestrutura elétrica, pois ao identificar as intervenções necessárias com maior precisão reduz o risco de contacto entre a rede e a vegetação circundante, mantendo a integridade das áreas florestais. Por outro lado, a gestão florestal está no centro desta inovação, uma vez que "através dela é garantido um plano de poda e abate assertivo e rigoroso", garante Maria Nela Menezes, asseverando que as áreas abrangidas "abrigam ecossistemas importantes e a sua segurança é um fator-chave para evitar a perda de biodiversidade".

Por último, a otimização das operações permite, no entender da empresa, importantes ganhos "em termos de redução ou mesmo eliminação de emissões de CO2" associadas às deslocações ao terreno e aos equipamentos e veículos utilizados, "uma vez que o plano de intervenções é otimizado e adaptado em função dos dados disponíveis processados pelos modelos do projeto".

Para atingir os objetivos a que se propõe, a solução utiliza Inteligência Artificial, implementando modelos de previsão do crescimento das diversas espécies de vegetação na proximidade das linhas. Ao utilizar dados históricos de diversas fontes, sejam internas ou externas, em tempo real, esses modelos consideram diversas variáveis como espécies de árvores, solo, altitude, meteorologia -temperatura, vento, precipitação e irradiação -, salinidade, rede elétrica, tipo de vegetação, ângulo de proximidade e inspeções Laser/LiDAR (deteção remota para determinação de distâncias críticas). Com base nessas variáveis, "os modelos permitem projetar, com grande precisão, o crescimento das várias espécies que se desenvolvem nas imediações das linhas, permitindo que haja intervenção naquelas que as colocam ou venham a colocar no futuro próximo, em risco".

Para Maria Nela Menezes, esta abordagem permite uma eficiência muito maior na gestão da vegetação, mobilizando recursos de forma mais eficiente e evitando o abate desnecessário de espécies que não representem risco para a operação da rede. "É uma forma de utilização de tecnologia de ponta (inteligência artificial e machine learning) para que, de forma eficiente, possamos compatibilizar a operação de uma rede extensa e complexa com os desafios inerentes ao meio ambiente em que as redes estão instaladas e são operadas, nomeadamente num contexto de alterações climáticas".

Para a responsável pelo projeto, esta análise de dados aumenta assim a precisão do cumprimento das normas de segurança em relação às distâncias entre as linhas elétricas e a vegetação, reduzindo os riscos de segurança nas linhas ao mesmo tempo que permite intervenções mais precisas nas florestas, além de garantir o corte de vegetação nos momentos mais adequados.

Adaptação às necessidades

Coordenado pela E-Redes, o projeto contou com uma equipa multidisciplinar, envolvendo diferentes unidades organizativas do grupo EDP com competências das áreas de vegetação, manutenção de rede, sistemas informáticos, digital, dados e analítica, inovação e de laboratórios, nomeadamente a E-Redes, Digital Global Unit, Labelec e EDP Inovação, e com um parceiro externo para expandir as competências de datascience necessárias à ambição do projeto. "O feedback tem sido constantemente considerado como um input fundamental para o projeto, pois eles acompanharam o processo de conceção, desenvolvimento, otimização e testes da solução, desde a sua génese, num processo de desenvolvimento interativo e incremental centrado nas necessidades dos utilizadores", esclareceu Maria Nela Menezes, adiantando que "desde a entrada em produção e exploração da aplicação, os utilizadores encararam esta solução, que usa tecnologia de ponta, como algo que é adaptado às suas necessidades, permitindo uma otimização do tempo, deixando de lado tarefas rotineiras que passam agora a ser automatizadas, permitindo alcançar resultados com maior precisão e menos falhas".

O que tornou o Analytics4Vegetation digno do Prémio Nacional de Inovação?

Maria Nela Menezes acredita que o Analytics4Vegetation foi destacado porque "é uma solução de precisão e eficácia inéditas, num trabalho colaborativo onde juntámos a inteligência das pessoas, dos dados e da tecnologia". A responsável destacou neste âmbito a cocriação e implementação em Scrum Agile, sendo que o projeto teve sessões de design thinking para identificação dos desafios e definição das várias frentes de atuação, "garantindo uma abordagem holística ao problema e uma catalisação e concretização das melhores ideias e soluções apresentadas por todos".

Como resultado, foram aplicados, parametrizados e otimizados modelos de precisão na previsão do crescimento da vegetação com aprendizagem, baseada na informação histórica e também modelos de previsão de proximidade entre a vegetação e as linhas elétricas. "Otimizámos e automatizámos igualmente processos complexos, com tratamento automático de dados de LiDAR, digitalização das operações no terreno com atribuição automática das intervenções aos prestadores de serviço, retroalimentação de dados para o modelo após a execução das ordens de trabalho, e modelo automático de auditorias que valida a boa execução dos trabalhos após dois anos".

Através duma equipa ágil e multidisciplinar, com pessoas das mais diversas áreas da empresa (negócio, IT, equipa de Dados, laboratórios de engenharia e Inovação) e também parceiros externos, conseguimos cocriar uma solução diferenciadora e inovadora.