Inteligência Artificial e Machine Learning para eliminar “gatos” na rede

Uma nova solução para um antigo desafio: identificar fraudes em redes elétricas; como a digitalização está vencendo as perdas não técnicas

A identificação de fraudes tem sido um dos grandes desafios na gestão de redes elétricas. Denominadas perdas não técnicas e popularmente conhecidas como “gatos”, essas fraudes geram enorme prejuízos para o setor. Um exemplo dessa realidade era a significativa perda de 40% da energia distribuída no estado do Amazonas até recentemente. No entanto, esse problema já pode ser abordado por meio da tecnologia.

Segundo a Associação Brasileira dos Distribuidores de Energia (Abradee), as ligações clandestinas são a quarta maior causa de mortes no Brasil relacionadas à energia elétrica. Portanto, as fraudes na rede elétrica representam muito mais do que prejuízos financeiros.

O primeiro ponto para o combate às fraudes é identificar onde elas ocorrem. Atualmente, medidores inteligentes já estão disponíveis no Brasil para essa tarefa, incorporando os conceitos de Inteligência Artificial e Machine Learning. A Amazonas Energia é uma das empresas que já se beneficiam da solução. Em 2019, a concessionária inaugurou seu Centro de Inteligência da Medição (CIM), em Manaus.

A base do CIM são ferramentas tecnológicas digitais que possibilitam a análise e a identificação de irregularidades na medição. A leitura dos dados obtidos pelos medidores permite ao sistema gerar algoritmos que criam uma lista de parâmetros de possíveis fraudes. O novo sistema automatizou a sinalização de fraudes, à medida que qualquer alteração dispara um alarme. “Com isso, os processos de detecção, que antes eram feitos manualmente, agora são disparados de forma automática”, comenta Sergio Jacobsen, diretor da Smart Infrastructure da Siemens, parceira da Amazonas Energia no processo.

A partir dessa identificação, a atuação das equipes de campo tornou-se muito mais assertiva, possibilitando a abordagem direta nos pontos em que as perdas não técnicas são registradas. Com a nova tecnologia, a concessionária tem a oportunidade de aperfeiçoar a qualidade de sua gestão, reduzindo perdas e melhorando seu fornecimento.

O uso de Inteligência Artificial e Machine Learning proporciona maior segurança à rede e mais agilidade em processos como interrupção de fornecimento e religação. A plataforma desenvolvida pela Siemens pode ser customizada para qualquer tipo de operação, não apenas concessionárias, mas também grandes consumidores de energia, como indústrias, centros comerciais, universidades, entre outros.

O exemplo da CPFL Energia

Outro projeto executado em 2020, da CPFL Energia, reforça a eficiência das soluções digitais no combate às perdas. O novo sistema da concessionária paulista também automatiza a análise das informações geradas pelo consumo de energia para potencializar a detecção de variações na rede e identificar com mais agilidade possíveis fraudes.

Também baseado em ferramentas de Inteligência Artificial (IA) e Machine Learning, o processo da CPFL agora faz a leitura de dados dos medidores, gerando algoritmos que formam uma lista de parâmetros de possíveis fraudes. “Esse algoritmo vai aprendendo quais informações e dados são fraudes e a identificação passa a ser mais assertiva. Há muitas análises que são difíceis de fazer no processo manual e, com essa solução, o combate aos chamados gatos fica muito mais rápido e robusto, gerando muitos ganhos para o cliente”, afirma Mario Henrique Sanchez, desenvolvedor de negócios da área de Digital Grids da Siemens.

Entre as variações de rede que podem sinalizar a ocorrência de fraudes estão a falta de energia no medidor, porém sem interrupção no fornecimento; corrente de energia, mas sem tensão na rede; além de medidor que parou de funcionar e retomou as atividades sem qualquer inspeção. Todas elas são interpretadas pela solução inteligente desenvolvida pela Siemens para auxiliar no combate às fraudes.

Com a experiência acumulada em projetos como os da Amazonas Energia e da CPFL Energia, o sistema já abrange mais de 80 algoritmos, que interpretam diferentes variações da rede como eventuais fraudes. A tendência é que a solução se aprimore com a inclusão de novas identificações conforme a leitura dos dados vai aumentando com o tempo.

(Nota da Redação: Conteúdo patrocinado produzido pela empresa)