XXII Seminário Nacional de Distribuição de Energia Elétrica

SENDI 2016 - 07 a 10 de novembro

Curitiba - PR - Brasil

Vernei Gialluca Carlos Camargo

Genera Inovação, Pesquisa e Desenvolvimento

AES Eletropaulo Metropolitana - Eletr. de São Paulo S.A.

vernei@generatech.com.br carlos.camargo@AES.com

Sistema de Otimização e Gestão de Podas de Árvores Ambientalmente Correta para Minimização das

Interrupções de Energia Elétrica

Palavras-chave

Dic fic dmic

Poda de árvores

Programação inteira binária

Qualidade de energia

Redes neurais

Sensoriamento remoto

Resumo

Grande parte das distribuidoras de energia apresenta cerca de 70% de suas interrupções advindas de causa

“árvores”, isoladamente ou associadas à ventos e chuvas e ainda com ou sem queda de galho e/ou árvores. Isto

contribui de forma inexorável e significativa para a queda dos indicadores DIC, FIC e DMIC, resultando em

elevados custos associados como as compensações além dos custos de operação e manutenção. Por outro

lado, existe uma carência de estrutura de informações e soluções para melhor organizar o plano de poda das

árvores de forma efetiva, mínima e ambientalmente correta. A captura e associação das árvores via imagens de

satélite com a rede elétrica (rede e chaves), a valoração da taxa de crescimento de cada espécie como variável

dinâmica do problema e por fim uma sistema que reduz os custos associados, através da otimização do plano

de poda, definem a estratégia da solução desenvolvida neste projeto.

1. Introdução

O presente trabalho apresenta os métodos utilizados e resultados do P&D “Sistema de Priorização e Gestão de Poda de Árvores

Ambientalmente Correta para Minimização das Interrupções de Energia Elétrica” para a AES Eletropaulo – código Aneel PD-0390-

1072/2013 – tendo como entidade executora a Genera Inovação, Pesquisa e Desenvolvimento.

1/12

Aproximadamente 50% à 70% das falhas na rede com desligamentos são causadas pelo convívio árvore x rede elétrica.  Tais

ocorrências são percebidas pelo acionamento dos dispositivos de proteção existentes no sistema. Isto trás para a empresa um

pesado custo, afetando diretamente sua eficiência operacional. Assim surgem questões desconhecidas como: localização

geográfica das árvores; de que forma as árvores estão associadas a uma dado circuito ou a uma chave; quais delas devem ser

minimamente podadas (podar estritamente o necessário para o melhor convívio da espécie arbórea com a rede elétrica); quanto

cresce ao ano uma dada espécie; qual o risco de queda de árvore ou de galhos; qual o melhor plano de poda que minimize a

soma dos custos associados a uma interrupção; entre outras. Sem tais respostas fica intangível a solução do problema. Em outras

palavras, as respostas a estas questões norteiam a modelagem da solução e do problema a ser resolvido neste projeto.

Com isso, surgem os objetivos do projeto que são: Reduzir os índices de DIC, FIC e DMIC e consequente redução dos custos de

compensação; Reduzir os custos de operação e manutenção através da redução dos desligamentos e do número de podas; Criar

uma base de conhecimento na empresa para utilização no período pós-P&D.

Pontos complexos e desafios: a) o longo tempo entre as campanhas de poda, cerca de um ano, traz dificuldades para avaliar os

impactos positivos da nova metodologia; b) a grande quantidade de dados para modelar a solução, entre elas, o cadastro de

clientes, dados das ocorrências por chave em todo o ano, a hierarquia da rede, os indicadores de qualidade por chave ao longo do

ano, entre outras; c) quando da classificação das imagens de satélite, surgem várias árvores contíguas (sem espaçamento entre

elas) onde o modelo acaba interpretando como maciços arbóreos. Uma técnica de identificação e individualização de árvores

através de redes neurais foi desenvolvida para a correta separação das plantas nestes maciços.

Como metodologia empregada no projeto, utilizou-se a seguinte estratégia de desenvolvimento:

a) Desenvolvimento de um método para classificação das árvores contidas nas imagens de satélite de 4 bandas através da

camada infravermelho mais próxima, capturando a posição geográfica de cada árvore, o comprimento e área de sua copa, para

todas as árvores dentro de um buffer de 2,5 metros no entorno do circuito primário de distribuição.

b) Desenvolvimento de um método que percorre a hierarquia da rede e lê o sentido de digitalização dos circuitos no GIS (Sistema

de Informações Geográficas) para associar automaticamente cada árvore aos elementos de rede (trechos de circuito e chaves).

c) Levantamento amostral de campo para a caracterização florística da área de concessão da Eletropaulo. Daqui foram retirada as

espécies predominante existentes bem como a caraterização dos maciços arbóreos.

d) Medição da taxa de crescimento das espécies, transformando-se em elemento fundamental na formatação do plano de poda no

instante T=t0+t, onde:  t0=instante da poda e t=tempo percorrido até a data da construção do plano de poda.

e) Por fim, após integrada a base de dados comercial, operação e engenharia, procede-se o desenvolvimento de uma

metodologia utilizando programação binária e inteira para otimizar o pano de poda, através da minimização das principais variáveis

de custos envolvidas numa interrupção de energia. Tal estratégia está detalhada nas etapas do desenvolvimento do projeto

descritas a seguir. 

2. Desenvolvimento

2.1 Metodologia e suas etapas

2.1.1 Escolha da área piloto

A área considerada no projeto para desenvolvimento piloto foi de 100 km2 tendo como centro o bairro Alto da Boa Vista

– Município de São Paulo

2.1.2 Captura das árvores próximas ao circuito primário

A localização das árvores que encontram-se no entorno do circuito aéreo foi retirada utilizando imagem de satélite de

2/12

acordo com a figura 1.

Figura 1 - Imagem de satélite com o circuito e  vegetação

Trata-se de uma imagem georeferenciada do satélite Word View2 formada por 4 bandas de frequência (R, G, B e IR)

com resolução espacial de 50 cm, com cobertura de nuvem de até 2% e data de coleta entre Junho á Outubro de 2014.

Na figura 1 pode-se ver o vetor do circuito primário em amarelo, um buffer de +/- 2,5m no entorno do circuito, em verde,

representando a região de interesse da vegetação para o sistema de distribuição e as árvores na íntegra em vermelho.

Observa-se que ao classificar os pixels da imagem na sua banda de infravermelho (com cores invertidas)  o vermelho

passa a representar exatamente a vegetação de forma precisa, onde quanto mais vermelho os pixels, maior o grau de

fotossíntese das espécies arbóreas ou, mais vigorosas elas são. Tal teoria pode ser retirada em [1]. Como a

classificação considera áreas fechadas como polígonos de vegetação, surgem inexoravelmente maciços arbóreos

representando áreas com árvores contíguas. Lembrando do fato que a cidade de São Paulo tem bairros intensamente

arborizados, onde são geradas grandes áreas de maciços (resultado não esperado no início do projeto). Como a

empresa considera todo seu planejamento de custos de poda por árvore, foi necessário desenvolver um algoritmo mais

sofisticado que separasse as árvores dos maciços baseado em reconhecimento de padrões de imagem. A figura 2,

mostra um maciço arbóreo em verde retirado do processo de classificação.

Figura 2 - Ilustração em detalhe de um maciço arbóreo 

2.1.3 Modelo para individualização, contagem e reconhecimento das árvores dos maciços

Para realizar o reconhecimento e contagem das árvores, utilizou-se uma abordagem baseada no algoritmo de janela

deslizante ou “moving window”. O classificador de janela deslizante é utilizado para reconhecer classes distintas nas

imagens que podem ocorrer em diversos pontos e em diversos tamanhos. Para isso uma janela deslizante vai

percorrendo a imagem, exatamente sobre o circuito primário, da esquerda para a direita e de cima para baixo, varrendo

toda a imagem e classificando cada janela por meio de um classificador. O algoritmo não varre a imagem toda, mas

apenas os locais que fazem intersecção com a rede aérea, reduzindo muito a quantidade de processamento necessária,

3/12

o que é crucial, posto que a região de interesse e a imagem de satélite são muito grandes. O algoritmo desenvolvido em

dois módulos é representado pelas figuras 3 e 4.

Figura 3 - Módulo 1 do algoritmo de contagem e reconhecimento das árvores.

Neste módulo, percorre-se toda a rede com um passo de 7 metros, retornando um vetor de ponto de coordenadas (x,y).  No final

deste módulo, todo a rede elétrica é marcada com tais pontos. No módulo 2, representado na figura 4, definido um buffer de

tamanho Z e, a partir do ponto obtido na etapa anterior, os pixels da imagem de satélite serão lidos ao redor do ponto até

preencher o buffer, retornando assim uma janela quadrada de N x N pixels, gerando um banco de dados de recortes da imagem.

  

Figura 4 - Módulo 2 do algoritmo de contagem e reconhecimento das árvores.

De acordo com a figura 5, pode-se visualizar os pontos gerados pelo módulo 1 e a janela deslizante gerada pelo módulo

2.

4/12

Figura 5 - Pontos e janela deslizante gerados

Esta janela é percorrida em todos os circuitos primários de forma automática. Cada janela capturada no módulo 2 será

avaliada através de um modelo de reconhecimento de padrões de imagem utilizando Redes Neurais. Utilizou-se o

algoritmo “back-propagation”, onde os dados rotulados de treinamento são fornecidos, e o resultado da saída da rede

neural é comparado ao resultado esperado. O erro então é calculado pela soma dos quadrados das diferenças. A partir

disso, os erros inerentes a cada neurônio podem ser calculados do final para o começo da rede dependendo do peso de

suas sinapses (quanto maior o peso, maior a “reponsabilidade” do neurônio pelo erro e maior o ajuste realizado). Este

algoritmo encontra-se na íntegra em [2].

Treinamento do Modelo e Resultados do Classificador da Rede Neural:

As amostras de treinamento foram obtidas a partir da amostragem aleatória contendo 1.000 pontos e classificadas visualmente

pela posição em que se encontrava em relação à imagem, podendo ser: ponto fora da copa, ponto na extremidade da copa e um

ponto interno à copa. Utilizando o procedimento aqui descrito, foi possível identificar os pontos de possível contato da rede aérea

com copas de árvores utilizando valores de passo de 7 m e buffer de 1,5 m ao redor do ponto, ou seja, recortes de 9 x 9 pixels.

Outros valores de buffer até 28 x 28 foram utilizados sem mudanças significativas no processo de treinamento e classificação. No

entanto com maior ou menor velocidade de processamento do classificador devido ao número de valores de entrada. Observa-se

pela figura 6 a efetiva capacidade de individualização das árvores próximas da rede.  Através da figura 6 pode-se observar o

processo de geração das árvores, representada por um ponto conectado ao circuito elétrico, que é de fato o que necessita-se na

gestão da poda de árvores.

Figura 6 - Resultado – Contagem e Separação das árvores 

O grau de acurácia do modelo, comparando-se a contagem e individualização das árvores pelo algoritmo, com uma

contagem real no Google StreetView, foi de 97% nos maciços arbóreos e de 100% em árvores isoladas. Ambos os

módulos foram programado na linguagem Python 2.7 [3]. 

2.1.4 Associação da árvore ao segmento de rede e a chave de proteção mais próxima

Não basta ter as árvores georeferenciadas e individualizadas, mas também é necessária sua associação com o sistema

elétrico, respeitando a hierarquia da rede. Em outras palavras, saber para um trecho de rede e para uma chave, quais

são as árvores a jusante e a montante. Tarefa essa não trivial e que foi resolvida através de um algoritmo que percorre

toda rede elétrica e utiliza a direção da digitalização do vetor de rede para mapear o sentido do fluxo de energia. Com

isso foi reorganizado todos esses sentidos e assim atribuído a cada árvore o ID (um código único) do trecho de rede e o

ID da chave automática de proteção mais próxima. A Figura 7 apresenta o resultado da reorganização dos trechos para

a correta associação árvore x rede.

5/12

Figura 7 - Identificação de pontos a jusante ou a montante na rede

Com esse problema resolvido, podem ser mensurados indicadores importantes como concentração de árvores por

trecho de rede e chaves, somatória de áreas de biomassa de copas por km de rede e por chave.  Através destes

indicadores pode-se estruturar melhor uma campanha de poda e correlacionar tais indicadores com índices de falha na

rede.

2.1.5 Valoração da taxa de crescimento das espécies arbóreas

A taxa de crescimento das espécies é o elemento dinâmico no tempo, através do qual será valorada a distância da

árvore à rede após sua poda, e selecionadas as árvores que estarão próximas (tocando) a rede novamente, auxiliando

efetivamente a formulação de um novo plano de poda. Conhecer essa informação, significa podar apenas as árvores

mais próximas à rede, resultando num plano de poda mínimo (conservando a saúde e a estrutura da planta) além de

minimizar os custos da poda. Nos trópicos, os estudos de crescimento ainda são limitados, muitas vezes porque as

árvores nem sempre apresentam anéis de crescimento visíveis e contínuos [4].  Para as florestas urbanas, o

crescimento das árvores e da floresta como um todo pode ser obtido por meio de medições e remedições em parcelas

permanentes. Razão pela qual decidiu-se pela medição em campo. Através de levantamento amostral de campo foram

levantadas as espécies predominantes existentes na área de concessão, onde constatou-se que apenas 6 tipos de

espécies totalizam aproximadamente 88% das árvores.  Foram utilizadas 72 árvores de 6 espécies para o estudo de

crescimento. Para cada espécie foram necessárias pelo menos 6 repetições para cada classe de diâmetro DAP

(Diâmetro do troco a Altura do Peito). Isso é necessário para separar o crescimento em espécies mais jovens (abaixo de

60 cm de DAP) e espécies maduras (acima de 60 cm de DAP). Com isso, teve-se 12 árvores para cada uma das 6

espécies o que perfaz 72 indivíduos arbóreos. Tais indivíduos foram encontrados dentro do universo de árvores que

foram recém-podadas, fornecida pela área de manutenção da empresa.   Informações de localidade, medidas

dendrométricas e mensuração do comprimento dos brotos emitidos foram fotografados e registrados em todos os

exemplares das 6 espécies avaliadas, pois o projeto pode correlacionar e comprovar a relação da brotação x canteiro da

árvore x DAP com o crescimento da espécie em condições urbanas e não nativas, algo ainda não mensurado em

trabalhos existentes ressaltando-se aqui um ponto de inovação do projeto. Foi realizada a confirmação e registro em

campo das podas das árvores efetivamente realizadas. As árvores foram medidas mês a mês para definição da

velocidade de crescimento para cada indivíduo. Como resultado final do estudo da velocidade de crescimento, chegou-

se na tabela I. 

Tabela 1 - Resultados – Taxa de crescimento das espécies predominantes 

6/12

Desta forma, sabendo-se a data da poda e a distância mínima requerida por norma, após a poda, saber-se-á, aplicando-se a taxa

de crescimento da respectiva espécie, quando a árvore estará tocando novamente a rede. Então um modelo matemático de

otimização poderá ser desenvolvido para se saber quais as árvores que deverão sofrer poda para se obter uma função custo que

seja mínima.

2.1.6 Criação da base de dados necessária para o sistema

Ponto de fundamental importância para a exequibilidade da metodologia é a disponibilidade de dados. Assim, foi pensada e

definida uma base de dados possível e presente em qualquer distribuidora, a qual está representada na figura 8.

 

Figura 8 - Base de dados necessária

Tal base de dados pode ser visualizada dentro de um contexto geo-elétrico através do diagrama abaixo.

7/12

Figura 9 - Dados necessários a execução da modelagem

Observa-se que são necessárias informações de operação como DIC, FIC, DMIC, tipos de interrupção, conjunto Aneel, chaves,

circuitos, disjuntores, entre outras. Comercial como Eusd, código do consumidor, consumo, etc. Da Engenharia e GIS como

vetores com o desenho georeferenciado do sistema elétrico de distribuição, hierarquia da rede, entre outros. Ressalta-se, como

ilustrado pelas setas da figura, que toda árvore está associada a um conjunto Aneel, a uma chave e a um circuito, oque

possibilitará representar a associação árvore x rede elétrica no modelo de otimização do plano de poda.

2.1.7 Desenvolvimento do algoritmo de otimização do plano de poda utilizando programação linear inteira binária

Nota: Toda árvore que num dado instante de tempo "t" estiver próxima da rede, será considerada uma AEP (árvore elegível a

poda).

a) Objetivo do algoritmo

Quando uma árvore toca a rede, acarretando a operação (abertura) de um dispositivo de proteção (chaves, disjuntores e

seccionalizadoras) é caraterizado na concessionária um desligamento por causa “árvore”, o qual acarreta os seguintes efeitos

prejudiciais tanto para e empresa quanto para seus consumidores:

· Piora dos níveis de duração de interrupção (DEC/DIC/DMIC)

· Piora dos níveis de frequência de interrupção (FEC/FIC)

· Aumento do montante de compensações em R$ para os consumidores afetados com limites fora da meta Aneel.

· Aumento considerável do custo de operação com a utilização das equipes de linha viva e morta.

· Aumento do custo de poda com o aumento da necessidade de poda, que considerando a falta de uma inteligência de dados

como a desenvolvida no presente projeto, aumenta também a possibilidade de podas mais invasivas, com maior danos as árvores.

Cada um destes itens tem um pesado custo associado, o qual deve ser representado e cada qual somado numa função objetivo

que deverá ser minimizada. Resolver (minimiza-la) essa equação significa calcular todos os valores de "x" , que é uma variável

binária (representando: 1=poda, 0=não poda), de forma que o custo total “C” seja minimizado. Assim, a equação soma todos os

custos para todos os meses do ano (t=1 até 12 no primeiro somatório), para todos os conjuntos Aneel (i=1 até NC no segundo

somatório) e para todos os equipamentos (j=1 até NE no terceiro somatório). Equipamentos aqui são todos aqueles que desligam

o circuito (abrem) de forma automática na ocorrência de um contato da árvore com a rede.  Considerando que se conheça a

relação de árvores, através de sua taxa de crescimento, que estão próxima da rede (as AEP’s), pode-se determinar quais árvores

devem ser podadas, agrupadas por chaves, de forma que seja minimizada uma função objetivo de custos (equação 1), sem

penalizar as restrições para todo o sistema elétrico (equações 2,3 e 4). Os limites de duração e frequência de interrupção DICp e

FICp são estabelecidos pelas ANEEL para cada “conjunto Aneel”. Já os valores de DICe e FICe são calculados para cada

consumidor. Quando DICe>DICp e/ou FICe>FICp haverá multas a serem pagas, ou melhor, valores a serem compensados na

conta de luz dos consumidores (crédito em R$ na conta).

8/12

b) Formulação matemática 

(*) Todo o calculo é baseado na metodologia descrita no Módulo 8 do Prodist - Qualidade da Energia (Procedimento 

ANEEL da distribuição) [5].

Observa-se que o custo total a ser minimizado na equação 1 é a soma dos custos de operação (Cii) + Custo da poda (Cpoda) +

Custo das compensações (Ccomp) por DIC e FIC. As interrupções futuras “phi”, são calculadas projetando estatisticamente as

interrupções de cada chave, por causa "arvore", tomando como base o histórico de interrupções registradas no passado.

As equações (2), (3) e (4) são as restrições da função objetivo e que devem ser matematicamente respeitadas. De (2) vem que o

custo da poda tem que ser no máximo igual ao orçamento disponível para todo plano de poda. De (3) vem que uma árvore no

mesmo equipamento e no mesmo conjunto pode ser podada apenas uma vez nos 12 meses. Pois o ciclo de poda é anual. Essa

restrição pode ser retirada caso a empresa prefira deixar livre essa relação temporal da poda.

Em (5), define-se o custo das compensações futuras onde é escolhido o máximo valor entre as compensações futuras calculadas

para DIC e para FIC. Em (6) são calculada as compensações em R$ futuras do indicador FIC. Em (7) é calculado, para um

determinado FICe (esperado) o valor da compensação a ser paga, de acordo com o Prodist8. As equações (8) e (9) são calculadas

para o indicador DIC da mesma forma como foram feitos os cálculos para o FIC nas equações (5) e (6). 

onde:

todos os custos, orçamentos e compensações em R$;

t = índice de meses;

i =índice de conjuntos Aneel;

j =índice de chaves (equipamentos) dentro do conjunto;

NC = número total de conjuntos;

NE = número total de equipamentos do conjunto i;

Cesp = orçamento para custeio do plano de poda;

Cii = custo individual de uma interrupção = U$ 100,00;

Cpoda = custo da poda;

AEP = quantidade de árvores elegíveis a poda;

x = variável binária, a ser resolvida pelo algoritmo, que expressa se uma arvore deverá ser poda (x=1) ou não (x=0);

Ccomp = custo das compensações pagas aos consumidores;

Cfic = custos das compensações pagas por violação do indicador FIC;

Cdic = custos das compensações pagas por violação do indicador DIC;;

Valor dic = valor da compensação em caso de violação do limite do DIC;

Valor fic = valor da compensação em caso de violação do limite do FIC;

DICe = duração de interrupção por unidade consumidora, esperada no período considerado, expressa em horas e centésimos de

9/12

horas;

DICp = limite de continuidade estabelecido no período considerado para o indicador de duração de interrupção por unidade

consumidora, expresso em horas e centésimos de horas;

FICe = frequência de interrupções por unidade consumidora, esperada no período considerado, expressa em número de

interrupções;

FICp = limite de continuidade estabelecido no período considerado para o indicador de frequência de interrupção por unidade

consumidora, expresso em número de interrupções e centésimos de números de interrupções;;

EUSDmedia = média aritmética dos encargos de uso do sistema de distribuição correspondentes aos meses do período de

apuração do indicador;

Kei = coeficiente de majoração, de acordo com o Prodist8;

Cc = quantidade de clientes conectados à uma determinada chave e conjunto Aneel.

2.2 Resultados do projeto de pesquisa

Para calcular os ganhos do modelo de otimização do plano de poda, decidiu-se aplicar o modelo aos dados de 2013, como se o

ano atual fosse 2012 e o planejamento para 2013 estivesse em andamento. Com isso, parâmetros como phi (interrupções futuras)

e AEP são conhecidos para o período, uma vez que já foram verificados na prática. Isso simula a situação de funcionamento ideal

do modelo, quando o cadastro de árvores estiver completo e os parâmetros phi e AEP sejam facilmente obtidos com base na taxa

de crescimento.

a) Dados considerados

- Local do teste: Regionais Sul e Oeste da AES Eletropaulo;

- Quantidade de equipamentos de proteção (disjuntores, chaves e seccionalizadoras) = 12.190;

- Quantidade de consumidores = 25% do total de consumidores da empresa;

- Total de árvores podadas em 2012 = 82.810;

- Total de interrupções por causa árvore registradas em 2012 = 4.865

- Custo operacional das interrupções causa árvore em 2012 (U$ 100,00/interrupção, U$1,0 = R$ 2,80) = R$ 1.362.390,00;

- Custos das compensações DIC e FIC em 2012 = R$ 120.326,60;

- Custo total do plano de poda em 2012 = R$ 1.294.169,00;

- Custo médio de poda unitário por árvore = R$ 15,63;

- Custo total devido o convívio árvores x rede em 2012 = R$ 120.326,00 + R$ 1.362.200,00 + R$ 1.294.169,00 = 2.776.695

- Foram considerados todos os dados de cada consumidor e agrupados por chave, como conjunto Aneel,  EUSD, quantidade de

consumidor, DIC e FIC limitantes por conjunto, DIC e FIC realizados em 2012 e quantidade de interrupções realizadas por chave

em 2012; custo unitário da poda dependendo da região onde está localizada a chave;

- Os valores de "phi" (interrupções futuras) para 2013, foram calculados considerando um projeção estatística, para cada chave,

das interrupções de 3 anos de histórico. Tal aproximação foi feita, pois não conhecia-se nestas regionais as datas de podas

realizadas afim de se poder aplicar as taxas de crescimento das árvores.

Considerou-se em 2012 o modelo atual que a empresa executa para priorizar sua poda que é baseado numa relevância de

quantidade de ocorrência e quantidade de clientes afetados por circuito, e não por equipamentos (chaves).

b) Aplicação do modelo de otimização

Uso do modelo de otimização, o qual é aplicado por equipamento, resultou nos seguintes resultados, referente ao ano de 2013:

10/12

- Total de árvores podadas, necessárias para minimizar a função custo da equação 1 = 13.097;

- Total de interrupções por causa árvore, otimizado pelo modelo = 2.062

- Custo operacional das interrupções causa árvore (U$ 100,00/interrupção, U$1,0 = R$ 2,80) = R$ 577.590,00;

- Custos das compensações DIC e FIC = R$ 29.014,90

- Custo total do plano de poda = R$ 204.706,00;

- Custo médio de poda unitário por árvore = R$ 15,63;

- Custo total devido o convívio árvores x rede = R$ 811.311,00

Reumindo os valores numa tabela, tem-se:

Tabela 2  Cálculo do ganho com a aplicação do modelo de otimização

O modelo se mostrou efetivo na capacidade de buscar a melhor solução devido a alta complexidade das informações, a grande

diversidade de dados e a enorme possibilidade de caminhos para melhor resolução do problema.

Outros tópicos que foram desenvolvidos e que fazem parte do projeto, totalmente integrados ás metodologias aqui descritas,  e

que não foi possível registrá-los por falta de espaço são: i) Metodologia para avaliação do Risco de Queda de árvores e galhos,

fundamental para prevenção de grande quantidade de interrupções de energia; O Manual Brasileiro de Arborização do Setor

Elétrico com material de alta relevância das árvores para que os eletricistas, engenheiros florestais, técnicos engenheiros elétricos

procedam suas tarefas com maior conhecimento das espécies arbóreas; iii.) O GSPODA, um sistema computacional que

contempla toda gestão cadastral das árvores, o módulo de otimização e um módulo de mapa, possibilitando várias análises geo-

espacias dos dados como uma ferramenta poderosa de tomada de decisão.

3. Conclusões

Das motivações:

O motivador para o desenvolvimento deste projeto não foi só apenas pela necessidade da AES Eletropaulo em melhorar seu

processo de gestão de poda de árvores, mas também pela pesquisa feita pela equipe do projeto nas demais concessionárias,

constatando a carência que a grande maioria das empresas tem nesta área. A multidisciplinariedade do projeto trouxe um grande

desafio a ser vencido, pelas diferentes áreas de conhecimento envolvidas como as técnicas de interpretação de imagens e de

sensoriamento remoto, os algoritmos matemáticos de reconhecimento de padrão gráficos, a biologia das plantas e um modelo

matemático inteiro para otimização do plano de poda.Considerando que a quantidade de interrupções existentes no sistema de

distribuição elétrico nacional advém, em grande parte, do convívio rede x árvores e, que num país tropical como o Brasil, tal

característica vai sempre existir, podemos ressaltar a importância do projeto bem como a internalização de sua solução na

empresa. 

 Dos ganhos econômicos:

A utilização da metodologia propicia a construção de um plano de poda mais eficiente economicamente, pois reduz os

principais custos produzidos numa interrupção de energia os quais afetam pontos nevrálgicos a respeito da eficiência de

uma distribuidora tendo como efeito os seguintes: melhora dos indicadores de qualidade dos serviços, resultando na

redução das compensações de DIF, DMIC e FIC;  redução do custo de deslocamentos de equipes de emergência;

11/12

redução do uso de equipes de podas com linha viva e morta e menor utilização engenheiros na captura/tratamento de

informações, como redução de custos administrativos. 

Considerando que para o caso analisado das regionais Sul e Oeste a utilização da metodologia trouxe um ganho de quase R$ 2

milhões apenas considerando as interrupções por causa árvore, o que representaria aproximadamente R$ 8 milhões para toda a

empresa, valores anda maiores seriam registrados se fosse considerado um cenário mais realista levando em conta todos os tipos

de ocorrência, onde a tolerância das compensações DIC e FIC seriam ainda mais sensível ás interrupções de causa árvore. 

Mais importante ainda, cabe ressaltar que tais melhorias serão sentidas por grande parte dos consumidores da

concessionária através da melhora dos indicadores de qualidade.

Da originalidade/ineditismo:

Todas essas metodologias integradas, como aqui descritas no item 2.1, conferem a este projeto um produto totalmente inovador

no mercado e de alta relevância, devido seus efeitos benéficos nos pontos de vista econômico, do meio ambiente e da qualidade

do fornecimento aos consumidores de energia.  

Da aplicabilidade:

A metodologia proposta neste projeto, por tratar de informações comuns nas concessionárias, a grande maioria

pertencente a processos conhecidos e sólidos nas empresas, pode ser aplicada em qualquer concessionária do setor

elétrico. A gestão de ativo ambiental tão importante para uma cidade, poderia ser também utilizadas pelas secretarias de

Parque e Jardins dos municípios da área de concessão, possibilitando uma gestão colaborativa das árvores. Saber os

novos pontos de plantio e remoção dentro de uma mesma base de dados. Ressalta-se que pelo fato de serem utilizadas

imagens de satélite é totalmente possível o projeto abranger todas as árvores da área de concessão da empresa,

selecionando toda a vegetação, seja aquela próxima a rede (para os processos de engenharia/operação/manutenção),

como as demais para a gestão da área coorporativa de meio ambiente da concessionária. A mesma metodologia

também poderá ser aplicada as demais empresas de serviços públicos como Telecom, TV a Cabo, Água e Gás (as duas

últimas pelas preocupações com as raízes)

4. Referências bibliográficas

[1]     FLORENZANO, T.G. Imagens de satélite para estudos ambientais. São Paulo: Oficina de Textos, 2002. 97 p.

[2]     HAMAMURA C.; GIALLUCA V,; CAMARGO C. Algorithm for Recognizing Trees along Power Grid Using

Multispectral Imagery - ICRSG 2015 : 17th International Conference on Remote Sensing and Geoinformation – Turkey

07/2015

[3]     SCHAUL, T.; BAYER, J.; WIERSTRA, D.; SUN, Y.; FELDER, M.; SEHNKE, F.; RÜCKSTIES, T.; SCHMIDHUBER,

J. PyBrain. Journal of Machine Learning Research, [S.l.] 2010.

[4]     ENCINAS, J. I.; SILVA, G.F. da; PINTO, J.R.R. IDADE E CRESCIMENTO DAS ÁRVORES. v.7, n.1. Brasília,

dezembro de 2005.

[5]     ANEEL, 2013, Procedimentos de Distribuição de Energia Elétrica no Sistema Elétrico Nacional (PRODIST), Módulo

8

_________________________________________

12/12