Metodologia para predição do momento ideal de poda em regiões arbóareas

Abstract

Em média, 70% dos cortes de energia elétrica no Brasil são ocasionados por conflitos entre paisagens arbóreas e a rede elétrica, esta casualidade custa todos os anos milhões para o setor elétrico, além de gerar um descontentamento dos consumidores. Além disso, estudos apontam que podas em demasia e desnecessárias geram um alto impacto ambiental e social. Desta forma, mitigamos tais prejuízos financeiros e ambientais, o presente trabalho tem como objetivo o desenvolvimento de uma metodologia para prever o momento ideal de poder. A metodologia conta com a obtenção de uma fórmula de crescimento da espécie escolhida para a simulação e aferição, através de um tempo de campo que inspirou o crescimento da espécie e desenvolveu uma fórmula de crescimento. O time de campo foi composto e gerenciado pela UniSATC em parceria com a CEEE-D (Companhia Estatual de Distribuição de Energia Elétrica do Rio Grande do Sul), eles também participaram do projeto fornecido e validando informações. Após a obtenção dos dados, foram tratados usando a linguagem Python, para normalização e para redução de erros. Os testes foram realizados em um cenário simulado. A aferição dos resultados também foi feita em cenário simulado, através dos algoritmos de erro médio absoluto (MAE), erro médio quadrático (MSE) e erro quadrático médio (RMSE). Com a metodologia desenvolvida foi possível identificar qual tamanho limite de crescimento para determinada arborização e em quantos meses ela precisaria de uma poda preventiva, com base em seu crescimento e limite de altura de acordo a rede elétrica próxima e de potencial conflito. Ao adotar essa metodologia, esperamos que as ocorrências de quedas de energia e o impacto negativo do excesso de energia possam ser significativamente reduzidos, contribuindo para um sistema de distribuição elétrica mais sustentável e confiável.

Abstract: On average, 70% of electricity shutdowns in Brazil are caused by conflicts between tree vegetation and the electricity grid. This incident costs the electricity sector millions every year, in addition to generating consumer discontent. Furthermore, studies show that excessive and unnecessary pruning generates a high environmental and social impact. Therefore, aiming to mitigate such financial and environmental losses, the present work aims to develop a methodology for predicting the ideal time for pruning. The methodology relies on obtaining a growth formula for the species chosen for simulation and measurement, through a field team that observed the growth of the species and developed a growth formula. The field team was composed and managed by UniSATC in partnership with CEEE-D (Rio Grande do Sul State Electricity Distribution Company), they also actively participated in the project by providing and validating information. After obtaining the data, it was processed using the Python language, for normalization and error reduction. Tests were carried out in a simulated scenario. The results were also measured in a simulated scenario, using the mean absolute error (MAE), mean squared error (MSE) and mean squared error (RMSE) algorithms. With the methodology developed, it was possible to identify the growth limit size for a given afforestation and in how many months it would need preventive pruning, based on its growth and height limit according to the nearby electrical network and potential conflict. By adopting this methodology, it is expected that the occurrences of power outages and the negative impact of excessive pruning can be significantly reduced, contributing to a more sustainable and reliable electrical distribution system.