Caraterização Ambiental da Rede de Transmissão Portuguesa a partir de Dados de Inspeção de Linhas

Transcrição

1 C3-03 F. Azevedo, Universidade Nova de Lisboa J. Gomes Mota, Albatroz Engenharia L. Campos Pinto & J. Casaca, REN Portugal Caraterização Ambiental da Rede de Transmissão Portuguesa a partir de Dados de Inspeção de Linhas XIV ERIAC

2 Francisco Azevedo Licenciatura em Engenharia Informática, Universidade Nova de Lisboa, 1987/1992. Curso de Tecnologias Aeroespaciais, INETI, 1994/95. Consultor na TAP Air Portugal: Geração automática de horários, Doutoramento em Inteligência Artificial, tratamento de restrições, UNL, Pós-graduação em Gestão Empresarial, INDEG/ISCTE, 2002/03. Professor Auxiliar na FCT/UNL desde Colaboração com Albatroz Engenharia desde 2009.

3 Estrutura Introdução Rede e envolvente ambiental em Portugal Inspeções Metodologia ITOMS Métricas ITOMS Identificação de Ninhos de Cegonhas Índices de Risco Caso Prático Conclusões

4 Rede Nacional de Transporte de Eletricidade (RNT) e Envolvente Concessionária e gestora: REN, Redes Energéticas Nacionais Portugal continental (ap km 2 ) 71 subestações e postos de corte e seccionamento 7527km de circuitos em linha aéreas 400, 220, e 150kV Diversidade de espécies vegetais e animais Distribuição demográfica irregular Tipo de urbanização bastante disperso Ênfase no controlo da vegetação

5 Inspeções Tecnologia LiDAR (Light Detection and Ranging) com laser, desde 2007 Deteção automática de distâncias de objetos à linha Uso combinado de GPS Integração em SIG Validação manual com video e GoogleEarth

6 ITOMS International Transmission Operation & Maintenance Study Benchmark internacional, desde 1994 Empresa americana UMS Group Periodicidade bianual Caraterização da linha Índices (para cada linha) em classes qualitativas Urbanização Ritmo de crescimento da vegetação Densidade de vegetação Último estudo: 29 empresas, de 5 continentes REN participa desde 1997

7 Métricas ITOMS Para cada linha: Índice de urbanização (%rural, %urbano) Índice de crescimento das árvores (%rápido, %lento) Vegetação dominante (fronteira em 76,2 cm/ano) Densidade da vegetação 4 percentagens globais: Índice rural, de crescimento rápido Índice rural, de crescimento lento Índice urbano, de crescimento rápido Índice urbano, de crescimento lento

8 Métricas ITOMS, pela Albatroz Por vão (média de ap. 500m) (linha média tem cerca de 50km) 3 níveis de urbanização (rural, urbano, misto) 7 classes de crescimento: rasteiro lento lento/médio médio médio/rápido rápido excecional 0,5m 1m Densidade da vegetação (%) tem em consideração 3 zonas distintas de Portugal Transformação ponderada para as 4 percentagens globais (rural/urbano-lento/rápido)

9 Cegonhas Aves (e excrementos): outro fator de risco para a exploração REN montou em vários postes, estruturas para nidificação Atualmente: inspeções dedicadas Objetivo: identificação automática, a partir do vídeo

10 Cegonhas: Estudos Preliminares Vídeos de baixa resolução 1 tipo de poste Filtros de imagem em MATLAB Grande variedade de imagens Dificuldade de identificação de: poste, ninhos, e plataformas Exemplo de resultados em 9 imagens duma torre com 1 ninho e 3 plataformas: #1 #2 #3 #4 #5 #6 #7 #8 #9 Ninhos Plataformas Poder-se-ia obter o resultado correto com uma análise global?

11 Índices de Risco 5 causas ambientais de risco: Vegetação (e estado da faixa em geral) Aves (nos apoios) Poluição (isoladores) Descargas atmosféricas Incêndios florestais Probabilidade de falha Índice de risco para cada linha

12 Caso Prático Comparação de dados ITOMS em 2 exercícios sucessivos 2006: processos tradicionais 2008: tecnologia LiDAR ITOMS 2008 ITOMS 2006 Indice Rural - Crescimento rápido Indice Rural - Crescimento lento Indice Urbano - Crescimento rápido 0% 25% 50% 75% 100% Indice Urbano - Crescimento lento

13 Conclusões Tecnologia LiDAR em inspeções aéreas permitiu Caraterizar com maior exatidão faixa de servidão das linhas Reduzir custos Abrir novas hipóteses de ganhos: E.g. Identificação automática de ninhos Base de dados geo-referenciada desenvolvida relacionando informação da RNT, circuitos, linhas, ativos, inspeções, dados históricos,... Inclusão de novos dados ambientais (poluição, descargas, incêndios) Modelo de risco mais informado permite: redução de custos (e impacto ambiental) melhoria de qualidade de serviço