Inovar com visão computacional e IA no setor energético

O setor energético impulsiona a vida como a conhecemos, fornecendo eletricidade para as nossas casas, energia para as indústrias e a base para a conectividade digital. É o fio invisível que mantém a sociedade em funcionamento todos os dias.

Enquanto o mundo enfrenta preocupações ambientais relacionadas com o consumo de combustíveis fósseis e procura alcançar emissões líquidas zero de carbono, o foco voltou-se para soluções de energia sustentável. No entanto, embora seja importante desenvolver novas fontes de energia, também há um trabalho significativo a ser realizado para melhorar os sistemas energéticos atuais e torná-los mais eficientes, fiáveis e ecológicos.

Os métodos tradicionais de geração de eletricidade e as operações energéticas estão gradualmente a ser integrados com tecnologias avançadas, como a inteligência artificial (AI). Mais especificamente, a visão computacional — o uso de AI para interpretar e analisar dados visuais — desempenha um papel fundamental na resolução dos desafios do setor elétrico.

A visão computacional está a mudar a forma como os sistemas de energia elétrica são monitorizados, mantidos e otimizados. Vamos analisar mais de perto como esta tecnologia está a ser aplicada no setor energético.

Compreender o setor elétrico#

Antes de analisarmos as aplicações da visão computacional no setor elétrico, é importante compreender por que motivo essas aplicações são relevantes e quem afetam.

A produção de eletricidade é uma parte essencial do setor energético e envolve quatro etapas principais: geração, transmissão, distribuição e consumo. O processo começa com a geração de eletricidade em centrais elétricas, que podem utilizar recursos como combustíveis fósseis, energia nuclear ou fontes renováveis, como a energia eólica, solar e hidroelétrica. Em seguida, a eletricidade gerada é transmitida por longas distâncias através de linhas de alta tensão. Quando chega às subestações de alta tensão, é distribuída através de subestações e depois fornecida a residências, empresas e indústrias por meio de linhas de tensão mais baixa.

Fig. 1. Uma linha de transmissão elétrica.

Estes são os principais intervenientes no sistema de produção de eletricidade:

• Empresas de serviços públicos: são as empresas que produzem eletricidade em centrais elétricas e a transmitem aos consumidores. São responsáveis pela manutenção da infraestrutura e por garantir um fornecimento consistente.

• Operadores da rede: gerem a rede elétrica e monitorizam o equilíbrio entre a oferta e a procura de eletricidade. Estas entidades também supervisionam a estabilidade da rede, evitam interrupções e integram fontes de energia renovável.

• Entidades reguladoras: os organismos reguladores, sobretudo o governo, fazem cumprir políticas e regras aplicáveis aos operadores da rede. Garantem a conformidade com as normas de segurança, ambientais e económicas, além de protegerem os interesses dos consumidores.

• Utilizadores finais: são os consumidores, como agregados familiares, indústrias e empresas, que utilizam eletricidade.

Principais desafios do setor elétrico#

O setor elétrico enfrenta diariamente várias preocupações importantes. Muitos sistemas elétricos dependem de infraestruturas envelhecidas que não foram concebidas para lidar com as exigências energéticas atuais, o que resulta em ineficiências e num maior risco de falhas, como avarias nas linhas elétricas. A manutenção é frequentemente reativa em vez de proativa, o que pode provocar períodos de inatividade dispendiosos e problemas inesperados. Além disso, os sistemas de rede obsoletos têm dificuldade em adaptar-se de forma eficiente às mudanças nas necessidades energéticas. Resolver estas questões é essencial para criar um sistema energético estável e fiável no futuro.

O papel da visão computacional no setor elétrico#

A visão computacional é um subcampo da AI que ajuda as máquinas a ver e compreender informações visuais do mundo à sua volta, de forma semelhante aos seres humanos. Um modelo de visão computacional pode ser treinado para identificar objetos e padrões em imagens e vídeos e tomar decisões informadas.

No setor elétrico, modelos de IA visual como o Ultralytics YOLO11 podem ser utilizados para verificar danos em linhas de tensão, inspecionar componentes delicados de transformadores, monitorizar circuitos em tempo real e operar em locais perigosos, como zonas de alta tensão e áreas remotas.

Aplicações da visão computacional no setor elétrico#

As inovações em visão computacional podem ser úteis para vários fins no setor elétrico, incluindo inspeção, monitorização e gestão. Vamos analisar mais de perto alguns casos de utilização em tempo real de modelos de visão computacional no setor energético.

Inspeções com drones#

Drones com IA e visão computacional, equipados com câmaras de alta resolução, podem inspecionar linhas elétricas, torres de transmissão, parques solares e outras infraestruturas elétricas. Normalmente, o processo envolve drones controlados por humanos ou autónomos que captam imagens e vídeos de linhas elétricas numa área específica, posteriormente analisados por modelos de visão computacional.

Modelos como o Ultralytics YOLO11, que suportam técnicas como deteção de objetos e segmentação de instâncias, podem ser utilizados para identificar vários problemas. Estes incluem fissuras, corrosão, avanço da vegetação, interferência humana junto às linhas elétricas e danos em equipamentos. Esta abordagem baseada em AI acelera o processo de inspeção. Também melhora a segurança ao reduzir a necessidade de trabalhadores humanos realizarem tarefas perigosas, como subir a torres ou trabalhar em zonas de alta tensão.

Um excelente exemplo disso é Jiaozuo, uma cidade na China, onde os drones estão a ser utilizados para melhorar a segurança das linhas de transmissão da rede elétrica estatal. Drones controlados por humanos patrulham as linhas de transmissão para identificar possíveis danos. Com recurso a drones, foram inspecionadas 114 linhas elétricas e dois danos ocultos foram identificados e resolvidos de forma eficiente.

Fig. 2. Trabalhadores a inspecionar uma linha elétrica com drones.

Monitorização de subestações#

Os sistemas de vigilância integrados com visão computacional podem monitorizar centrais elétricas para detetar anomalias, como sobreaquecimento de transformadores, disjuntores, fugas de óleo e falhas de equipamentos. Se analisar o funcionamento interno desses sistemas, normalmente encontrará um modelo de visão computacional treinado à medida.

Por exemplo, ao treinar um modelo YOLO11 personalizado com um conjunto de dados diversificado de imagens que captam várias anomalias em equipamentos, como as listadas acima, podemos criar um sistema robusto para a deteção automatizada de anomalias. O modelo YOLO11 treinado pode ser utilizado para reconhecer padrões específicos e desvios das condições normais de funcionamento. Ao utilizar inovações como o YOLO11, podemos melhorar a eficiência operacional nas centrais elétricas, eliminar acidentes de trabalho e tornar o local de trabalho mais seguro.

Atualmente, estamos a assistir a um aumento deste tipo de inovações de ponta. Por exemplo, um cão robótico com tecnologia de AI chamado Sparky foi utilizado para explorar a inspeção de subestações orientada por AI no Connecticut. O Sparky está integrado com visão computacional e AI para ler e monitorizar manómetros de tensão, registar imagens térmicas e detetar danos nos equipamentos. Está equipado com uma câmara de alta resolução com zoom de 30x, uma câmara de infravermelhos e um sensor acústico para ler assinaturas sonoras.

Fig. 3. Sparky, o robô, a inspecionar uma central elétrica.

Vigilância de redes inteligentes#

Os modelos de visão computacional também podem ser utilizados em sistemas de redes inteligentes para monitorizar o fluxo de energia, identificar estrangulamentos e detetar potenciais vulnerabilidades. Combinados com outras tecnologias de AI, como sensores da Internet das Coisas (IoT) e análise de dados, os sistemas de visão computacional podem melhorar a vigilância da rede.

Em particular, quando associados a tecnologia de imagiologia por infravermelhos, os modelos de visão computacional podem captar assinaturas térmicas. A imagiologia por infravermelhos é uma técnica que capta imagens de objetos com base na sua emissão de calor. Utiliza câmaras térmicas que operam no espetro infravermelho para detetar variações de temperatura invisíveis a olho nu. Esta tecnologia é útil para identificar pontos quentes, que podem indicar sobreaquecimento, fricção ou falhas elétricas nos equipamentos.

No setor elétrico, a imagiologia por infravermelhos é especialmente valiosa para detetar problemas como o sobreaquecimento de transformadores, disjuntores e linhas elétricas. Uma câmara de infravermelhos com capacidades de visão computacional pode monitorizar postes elétricos em tempo real e procurar aumentos súbitos de temperatura. Se uma câmara detetar alterações anormais de temperatura, pode alertar uma equipa de manutenção. A equipa pode então investigar o problema e tomar as medidas necessárias, evitando possíveis interrupções e riscos de segurança.

Fig. 4. Utilização da visão computacional para detetar aumentos de temperatura em postes elétricos.

Vantagens e desvantagens da visão computacional no setor energético#

O setor elétrico pode beneficiar de várias formas com a utilização de aplicações de visão computacional. Eis alguns exemplos:

• Poupança de custos: a implementação de soluções baseadas em visão pode reduzir os custos laborais, sobretudo os associados a tarefas como inspeções em linha, que são demoradas e perigosas.
• Tomada de decisões baseada em dados: os conhecimentos obtidos a partir de modelos de visão podem ser combinados com dados históricos para tomar decisões informadas.
• Escalabilidade: os modelos de visão computacional são flexíveis e podem ser implementados em qualquer escala. Podem ser facilmente ampliados de uma área pequena para uma maior, ou reduzidos de uma área grande para uma menor, sem exigir alterações significativas.

Por outro lado, a implementação de sistemas de visão computacional tem algumas limitações. Algumas destas preocupações são apresentadas abaixo:

• Custo inicial elevado: a implementação de sistemas de visão computacional, incluindo drones, câmaras e infraestrutura de AI, pode ser dispendiosa. Para indústrias de pequena escala, investir uma grande quantia numa nova tecnologia pode representar um desafio significativo.
• Privacidade e segurança dos dados: os sistemas de AI visual envolvem frequentemente a recolha e o processamento de dados sensíveis, o que suscita preocupações relacionadas com a privacidade e a segurança.
• Limitações ambientais: a qualidade dos dados visuais nas inspeções de visão computacional pode ser afetada por fatores como iluminação, condições meteorológicas e calibração da câmara. Condições meteorológicas adversas, como nevoeiro, chuva ou neve, podem tornar estas inspeções menos eficazes, sobretudo no exterior.

O futuro da energia#

A visão computacional é uma ferramenta fiável para enfrentar os complexos desafios do setor elétrico. Ao automatizar inspeções visuais, analisar grandes quantidades de dados e permitir a monitorização em tempo real, as soluções baseadas em AI podem desempenhar um papel essencial na resposta às exigências energéticas atuais.

Por exemplo, a visão computacional pode ajudar a reduzir o risco de erro humano em tarefas que vão desde a identificação de problemas em linhas elétricas até à previsão de falhas em equipamentos. À medida que a adoção de AI aumenta e o setor energético evolui, estas tecnologias desempenharão um papel fundamental no desenvolvimento da energia verde e na criação de sistemas de rede elétrica mais ecológicos.

Junta-te à nossa comunidade e consulta o nosso repositório no GitHub para saberes mais sobre AI. Também podes conhecer outras aplicações interessantes de AI em setores como a agricultura e os cuidados de saúde.