A Inteligência Artificial vem revolucionando a indústria nos últimos anos e resolvendo problemas, que antes eram onerosos em tempo e dinheiro, de maneira muito mais eficaz. Problemas de visão computacional, processamento de linguagem natural e diversas outras aplicações só são possíveis graças aos avanços nessa área.
Com a expansão e modernização dos Sistemas Elétricos de Potência, aumentam também o número de variáveis envolvidas no processo de otimização. Entretanto, este aumento de variáveis reflete diretamente na redução das relações lineares entre elas. Dessa forma, torna-se muito difícil o processamento por parte dos algoritmos tradicionais.
Desenvolvida para imitar a inteligência humana, a Inteligência Artificial engloba diversas áreas, sendo as mais comuns atualmente Machine Learning e Deep Learning. Alguns exemplos de aplicações no setor elétrico são o uso de sistemas experts, que contém informações de um domínio específico, métodos de machine learning, que encontram padrões e fazem inferências sem instruções específicas, algoritmos de deep learning, capaz de encontrar padrões abstratos imperceptíveis pelos humanos, e sistemas de controle com Lógica Fuzzy.
Métodos como a Lógica Fuzzy já são conhecidos pelo setor elétrico. A lógica Fuzzy tem como objetivo modelar o modo aproximado de raciocínio, tentando imitar a habilidade humana de tomar decisões racionais em um ambiente de incertezas. Atualmente, a Lógica Fuzzy está disseminada entre as mais variadas aplicações, desde produtos de consumo até sistemas de suporte à decisão e também está presente nos sistemas híbridos. Os sistemas híbridos usam da combinação de duas ou mais técnicas de modelagem, como alinhar Lógica Fuzzy a Redes Neurais.
Algoritmos Genéticos são outro método que encontramos em aplicações em sistemas de potência, como na minimização de perdas elétricas e também na parte de minimização de investimentos no planejamento de sistemas de distribuição, por exemplo. Fazendo parte dos Algoritmos Evolutivos e fortemente influenciados pela natureza, os Algoritmos Genéticos são algoritmos baseados em busca e otimização que tem como inspiração a seleção natural e genética. Esses algoritmos começaram a popularizar-se nos últimos anos devido às diversas vantagens que apresentam sobre outros métodos de optimização. Além de conseguir otimizar funções contínuas e discretas, esse algoritmo também se destaca pelo paralelismo e eficiência quando comparado com métodos tradicionais. Além disso, os algoritmos genéticos não entregam apenas uma solução, mas uma lista delas, sempre melhorando a resposta ao longo do tempo.
Apesar disso, a revolução nas aplicações de Inteligência Artificial ocorreu recentemente junto com o avanço no poder computacional e o Big Data. Métodos de Deep Learning, como as Redes Neurais, se tornaram viáveis e promoveram a solução de diversos problemas nas mais diversas áreas. As Redes Neurais Artificiais (RNA) são um dos principais pilares do Deep Learning. Inspiradas no cérebro humano, as RNA levam esse nome pois tem conexões e motivações biológicas. Assim como no cérebro humano, onde unidade mais básica de processamento é o neurônio, as RNA possuem um elemento que processa impulsos, ou entradas, e que também é chamado de neurônio ou nó. Caso queria rever esses conceitos veja ,nosso post sobre redes neurais,,.
Nesse texto vamos falar de dois problemas presentes no setor de Utilities: perdas não-técnicas e previsão de consumo e demandas. Além disso, mostramos como as Redes Neurais podem ser utilizadas para resolvê-los.
Previsão de consumo e demanda no setor industrial:
O consumo energético continua crescendo cada vez mais com o passar do tempo, e consequentemente surgem problemas globais, como o efeito estufa. Além disso, técnicas de machine learning vem ganhando espaço no setor de inteligência artificial com o objetivo de encontrar padrões que permitam o consumidor utilizar a energia de maneira mais correta e com menos custos no fim do mês.
Assim, empresas começam a mobilizar-se para desenvolver algoritmos que são aplicáveis ao setor energético, especialmente para monitorar o consumo de uma unidade consumidora (UC) e tornar esses infinitos dados utilizáveis em um sistema de previsão de consumo de energia através de redes neurais ou regressões lineares.
Pensando nisso, a Fox IoT desenvolveu o serviço Ceos AI, o qual é um sistema de duas funcionalidades diferentes: a primeira delas é o de monitoramento e previsão de consumo energético, que é responsável por aplicar os dados produzidos por nossos medidores de energia e gerar previsões futuras para o cliente. Baseado no histórico de consumo dos últimos meses, conforme mostra a Figura 4, aplica-se os dados de maneira inteligente ao desenvolvimento de um modelo computacional, o qual identifica tendências e padrões através da sazonalidade da UC e permite prever o consumo energético futuro.
A Figura mostra o resultado da aplicação mensal, a qual permite que o cliente visualize em reais o gasto para a próxima semana. Acreditamos que uma tradução de energia em custo permite ao usuário estimar suas economias na conta de energia e tomar decisões baseadas nisso. E você, já pensou em economizar no próximo mês?
A segunda funcionalidade a qual o Ceos AI é responsável leva em conta a demanda de energia de um setor industrial. Há determinados consumidores que além de pagar pelo custo de energia consumida, eles devem pagar pela demanda contratada, isso significa que a concessionária é obrigada a entregar uma potência mínima para o consumidor, ou seja, ele paga pela necessidade de uma demanda de uso fixo. Caso ultrapasse por esse valor, ele paga uma multa. Pensando nisso, nosso serviço permite ao usuário uma previsão da demanda energética em até 1 hora, possibilitando a redução da demanda e consequentemente reduzindo o número de multas por infringir a norma.
Por fim, a inteligência artificial é um ramo amplo e que possui diversas aplicações no setor energético. Entre esses desafios, a Fox IoT busca cada vez mais integrar ao serviço monitoramento de energia, com o objetivo de nossos clientes criarem um consumo consciente e um maior controle sobre os custos da conta de energia elétrica.
Publicado por: Matheus Jacques e João Brum
