Metodologia de inteligência de dados para predição de nível de poluição dos isoladores de uma rede de distribuição de energia / Data intelligence methodology for predicting the pollution level of insulators in a power distribution network

Abstract

RESUMOOs isoladores nas linhas de transmissão e nas subestações de energia elétrica desempenham um papel fundamental na confiabilidade e na preservação das redes de distribuição de energia. As concessionárias elétricas enfrentam problemas recorrentes com interrupções não programadas no fornecimento de energia, principalmente em regiões litorâneas como a ilha de São Luís no Maranhão, nas quais os isoladores estão expostos à deposição de poluições advindas de diferentes fontes e próximos a locais com tendência para receber poluição com alto teor de salinidade. Para manter a integridade do funcionamento do sistema de energia elétrica, esses isoladores precisam ser lavados regularmente. Objetivando inferir o nível de poluição sobre a superfície dos isoladores e orientar ações otimizadas de lavagem, desenvolvemos uma metodologia baseada em algoritmos de regressão Random Forest (RF) e eXtreme Gradiente Boosting (XGBoost), tendo como entrada variáveis meteorológicas, a distância do mar e os eventos de lavagem dos isoladores. Os modelos experimentais de RF e XGBoost foram treinados e testados a partir dos resultados obtidos de um Simulador de nível de poluição. Verificou-se que os modelos de regressão de poluição propostos são eficientes para a implementação operacional de predição da poluição sobre a superfície dos isoladores, com vistas à priorização do processo de lavagem.