A meteorologia, como qualquer ciência que tenta prever o futuro, enfrenta grandes incertezas. No setor energético, as quedas de energia causadas por tempestades representam um enorme desafio. Entretanto, um algoritmo de Machine Learning está revolucionando essa realidade ao prever com precisão se uma tempestade provocará falta de energia. Saiba mais no artigo a seguir, do Engenharia 360!

O desafio das tempestades no setor energético

Normalmente, no setor energético, é preciso estimar o número
de funcionários de plantão quando uma tempestade vai ocorrer. Afinal, ninguém
gosta de ficar sem energia (tem gente que surta) e há locais onde ela não pode
faltar, visto que o prejuízo é imenso (hospitais, supermercados, etc.).

O problema é conseguir prever qual o tamanho da tempestade para estimar o número de funcionários, já que ela pode mudar a qualquer momento. Se o número de funcionários é subestimado e a tempestade é devastadora, há um prejuízo enorme para a companhia energética. Por outro lado, se o número de funcionários é superestimado e a tempestade é fraca, o prejuízo é no número de horas pagas pelo serviço não utilizado.

A solução inovadora para prever quedas de energia

Com o algoritmo que usa Machine Learning, os pesquisadores conseguiram encontrar padrões em dados existentes que permitem fazer previsões para novas tempestades. O primeiro passo foi ensinar ao computador como categorizar as tempestades alimentando-o com dados de falta de energia. Os dados foram fornecidos por algumas companhias energéticas da Finlândia, onde a pesquisa foi desenvolvida.

As tempestades foram classificadas em quatro classes:

• Classe 0: nenhuma queda de energia;
• Classe 1: até 10% dos transformadores afetados;
• Classe 2: até 50% dos transformadores afetados;
• Classe 3: mais de 50% dos transformadores afetados.

Como o algoritmo de Machine Learning funciona

O primeiro passo foi alimentar o algoritmo com dados reais de falta de energia e tempestades. Ao identificar padrões em dados anteriores, o sistema aprendeu a prever o impacto das novas tempestades. Os resultados têm sido promissores, especialmente nas tempestades mais severas (classes 0 e 3). O algoritmo já consegue prever com precisão quando uma tempestade causará danos graves ou não terá impacto significativo.

Agora, os pesquisadores estão trabalhando para melhorar a precisão nas classes intermediárias (1 e 2), alimentando o modelo com mais dados.

O próximo passo para prever tempestades além do verão

O próximo desafio é aprimorar o modelo para que ele também seja eficaz durante o inverno. Na Finlândia, tempestades de inverno têm características diferentes das de verão, exigindo ajustes no modelo de Machine Learning. Com mais dados e ajustes nos métodos, o algoritmo poderá se adaptar às diversas condições climáticas, ampliando ainda mais sua precisão.

Fontes: Science Daily.

Imagens: Todos os Créditos reservados aos respectivos proprietários (sem direitos autorais pretendidos). Caso eventualmente você se considere titular de direitos sobre algumas das imagens em questão, por favor entre em contato com contato@engenharia360.com para que possa ser atribuído o respectivo crédito ou providenciada a sua remoção, conforme o caso.

Larissa Fereguetti

Cientista e Engenheira de Saúde Pública, com mestrado, também doutorado em Modelagem Matemática e Computacional; com conhecimento em Sistemas Complexos, Redes e Epidemiologia; fascinada por tecnologia.