XVI ERIAC

DECIMOSEXTO ENCUENTRO
REGIONAL IBEROAMERICANO DE CIGR
Puerto Iguaz, Argentina

17 al 21 de mayo de 2015

B2-21

Comit de Estudio B2 - Lneas Areas

VISUALIZAO MULTI-CAMADA E CORRELAO ESPACIOTEMPORAL

PARA GESTO DE ATIVOS BASEADA EM RISCO

F. AZEVEDO*
Universidade Nova de Lisboa
Portugal
J. CASACA
REN
Portugal

J. GOMES-MOTA
Albatroz Engenharia
Portugal

S. CORDEIRO
Albatroz Engenharia
Portugal

L. CAMPOS PINTO
REN
Portugal

Resumo Na sequncia do trabalho de identificao dos fatores ambientais de impacto na fiabilidade e

tempo de vida restante das linhas eltricas de transmisso [1-6], os autores apresentam uma ferramenta de
visualizao que permite combinar dados de incidentes de rede com distribuies espaciotemporais de
fatores de risco, possibilitando clculos de ndices de risco espaciotemporais (ou outras heursticas
equivalentes) associados aos circuitos eltricos. Esta ferramenta uma parte integrante do projeto
designado por Grid Intelligence & Optimisation, resultante duma colaborao nacional entre 3 entidades
distintas: 1) um Departamento de Informtica universitrio; 2) o operador nacional de rede eltrica
(transmisso); e 3) uma empresa privada de I&D trabalhando em processamento de sinal.
A ferramenta evidencia a correlao entre as causas observadas no terreno ou nos registos do
despacho, os indicadores de risco que se pretende modelem os fatores de risco e os fenmenos e descries
de ativos que caracterizam a rede de transmisso e o ecossistema em que ela opera.
So apresentados casos prticos para fatores ambientais como fogos florestais, cegonhas e outra
avifauna, lavagem de isoladores, coberto florestal e ocupao do solo, taxas de crescimento de vegetao,
cadastro agrcola, descargas atmosfricas.
Porm, correlao no implica causalidade e preciso validar as possveis relaes entre causas e
consequncias, sendo que muitos dos dados correlacionados traduzem realidades fsicas ou fenmenos
dependentes (fogos florestais dependem da temperatura, lavagens de isoladores dependem do tipo de
isoladores e da poluio existente, cegonhas dependem das bacias hidrogrficas e da ocupao do solo,
etc.).
O artigo inicia-se com a introduo aos diversos fatores a considerar para fiabilidade e tempo de vida
restante das linhas e aos modelos que esto por trs da criao dos ndices de risco. Segue-se uma
descrio das ferramentas de correlao e da relao com a infraestrutura de bases de dados de
referenciao espaciotemporal que a infraestrutura que se liga ao sistema de informao geogrfica e ao
sistema de gesto de ativos. Depois apresenta-se a interface com o utilizador e as formas de visualizao
dos dados guardados.
A discusso da ferramenta ilustrada com a descrio de exemplos do terreno, comeando pelas
correlaes evidentes e fceis de interpretar (e que inspiram a passagem da correlao causalidade) at
aos casos em que h correlaes mltiplas de fenmenos aparentemente independentes e que requerem uma
melhor anlise para reduzir o espao de ambiguidade e eventualmente encontrar outros fenmenos que
sejam causas primordiais ou diferentes daquelas que j esto representadas na base de dados.
Termina-se com uma discusso das limitaes encontradas sobretudo no reporte e modelao
espaciotemporal dos dados - e com propostas de extenso a outras redes e outras causas de anlise e com
* fmaa@fct.unl.pt

referncia ao impacto que esta metodologia teve na interpretao por parte da REN dos fatores que afetam
a fiabilidade e o tempo de vida restante da sua rede de linhas areas.
Palavras chave: Gesto de Ativos Baseada em Risco Causas Ambientais Sistemas de Informao
Geogrfica Correlao Causalidade ndice de Risco Fiabilidade Indicadores de Qualidade de
Energia Visualizao Interface Homem-Mquina
1

INTRODUO

Globalmente, recaem cada vez mais presses sobre os operadores de rede (por parte das diferentes partes
interessadas: clientes, acionistas, governos, ambientalistas e sociedade em geral) no sentido dum
fornecimento de energia com qualidade duma forma racional, responsvel e, simultaneamente, eficiente,
consumindo o mnimo de recursos. O operador nacional da rede de transmisso de Energia em Portugal
continental tem feito um esforo crescente nos ltimos anos para melhorar a qualidade de servio, e otimizar
o ciclo de inspeo e manuteno das suas linhas. Havendo sempre espao para melhorias a diferentes nveis,
os resultados tm sido notrios, tendo-se mesmo alcanado o resultado histrico de 0 (zero) segundos de
Tempo de Interrupo Equivalente em 2012. Contriburam para isso diversos fatores como:
a expanso da rede (resultante de um forte investimento do operador desde 2008));
o aumento da fiabilidade dos equipamentos;
aes de melhoria e instalao de dispositivos/equipamentos preventivos de incidentes por diferentes
causas;
registo sistematizado de dados ambientais e de incidentes (estes, desde 2001), para alm dos ativos,
permitindo planeamentos mais informados;
inspees areas recorrendo a tecnologia LiDAR desde 2007, proporcionando eficientemente dados
fiveis e extremamente valiosos para anlises posteriores.
Foi neste contexto que o operador iniciou em 2011 o projeto LIONS (Lines Inspection Optimisation System),
em parceria precisamente com a empresa responsvel pela tecnologia e tratamento de dados das inspees
areas, contando o projeto tambm com colaborao universitria na rea de informtica (sistemas de
informao e inteligncia artificial) via a mesma empresa privada de Investigao e Desenvolvimento. Neste
projeto pretende-se dotar a rede e o seu operador de um conjunto de ferramentas informticas, utilitrias e
inteligentes, seja no escritrio ou no terreno, para apoio na operao e tomada de deciso ao longo de todo o
ciclo de vida da manuteno de linhas: inspeo registo e interpretao de dados e anomalias anlise
de risco planeamento e execuo de manuteno atualizao de dados planeamento de novas
inspees.
Para tal, numa primeira fase, comeou-se por desenvolver uma arquitetura e implementar um sistema com
registo centralizado de dados (agregando ativos e sua organizao lgica, nomeadamente a rede, dados
ambientais, incidentes, e inspees, com as respetivas anomalias detetadas, juntamente com dados de
explorao e manuteno) numa base de dados geo- e temporalmente referenciados. Uma vez desenvolvidas
as aplicaes para atualizao dos diferentes dados, avanou-se ento para tarefas de mais alto nvel, com
anlise sobre os dados. Em particular, prioritrio para o operador foi a incluso de mtodos automticos de
clculo de risco de cada linha, tanto a curto prazo (e.g. uma hora), considerando o ms e o perodo do dia,
como a mdio prazo (um ano). O risco calculado baseado em modelos desenvolvidos internamente
considerando tanto a probabilidade de falha (cujos modelos foram sendo melhorados e estendidos para os
diferentes fatores de risco ao longo desta fase do projeto), como a severidade (medida das consequncias da
falha). De facto, o risco dado pela multiplicao destes 2 fatores (severidade e probabilidade de falha). Este
desenvolvimento permitiu obter uma tabela completa de classificao em termos de risco a diferentes prazos
para todas as linhas da rede a qualquer momento, facilitando de sobremaneira o processo de deciso tanto na
operao imediata como no planeamento (inspeo, manuteno, gesto de ativos, e mesmo
alteraes/expanso de rede).
Para alm destas facilidades sempre conveniente para o utilizador dispor duma interface grfica agradvel e
funcional para visualizao mais fcil e intuitiva dos diferentes dados e das suas relaes. Neste sentido, foi
adicionalmente desenvolvida tal aplicao direcionada para anlise e gesto da rede baseada no risco. A
interface permite a visualizao espacial (no mapa de Portugal) de circuitos/linhas da rede, incidentes de
diferentes tipos, e fatores ambientais de risco. Cada qual um sinal para anlise (espacialmente podem ser
2

dados como pontos, linhas ou reas, graduadas por nvel de gravidade/frequncia atravs duma escala de
cores), estando tambm disponvel a sua visualizao em sries temporais ao longo dos anos, ou por meses,
dias, ou perodo do dia. Com tais sinais ento possvel e est disponvel automaticamente um grfico com
valores indicativos das correlaes temporais (para o intervalo de tempo considerado) e espaciais entre cada
par de sinais selecionados. Isto possibilita uma anlise extra da rede e seu ambiente, permitindo a pesquisa de
possveis relaes de causalidade e perceo intuitiva do estado geral da rede ou de algum seu aspeto em
particular. A visualizao est disponvel por camadas, podendo-se selecionar ou desseleccionar um sinal,
semelhana de ferramentas SIG, mas com possibilidades de anlise que vo bastante alm destas.
Este artigo apresenta e discute as possibilidades desta ferramenta, que designaremos por LIONS-Visual,
estando organizado da seguinte forma: na seco seguinte (2) apresentamos os diferentes dados de suporte
considerados, como os fatores de risco contemplados, e os incidentes registados. Na seco 3 descrevemos
brevemente os modelos de risco usados e a infraestrutura que os suporta. De seguida, na seco 4,
descrevemos ento mais em pormenor o LIONS-Visual, incluindo pequenos exemplos. Finalmente,
conclumos e discutimos direes futuras na seco 5.
2

FATORES DE RISCO, INCIDENTES, E DADOS DE SUPORTE

A rede de transmisso, nomeadamente as linhas areas, esto sujeitas a diversos fatores de risco associados
s suas caractersticas prprias e sua envolvente. Ocasionalmente, por diferentes causas, ocorrem falhas
(incidentes) na transmisso efetuada por essas linhas. O operador nacional regista desde 2001 todos os
incidentes na sua rede num sistema denominado GestInc (Gesto de Incidentes). So a guardados, para cada
incidente, a sua data e hora, os circuitos afetados, e a sua causa, entre outros dados. sempre atribuda uma
causa duma lista de mais de 60 possveis (incluindo desconhecida). Tais causas pertencem a grupos como
causas por ao ambiental ou atmosfrica, ao de terceiros, origem interna, razes de servio, entre outras.
Os principais motivos de preocupao do operador em Portugal, por causarem mais falhas (ver Fig. 1),
prendem-se com as causas cegonhas (e outra avifauna, que devido proximidade da linha ou a dejetos
sobre os isoladores provocam a falha), descargas (atmosfricas, sobre a linha ou na sua proximidade),
nevoeiro (associado poluio, diminui a capacidade de isolamento), incndios (sob as linhas), e
vegetao1 (na proximidade dos cabos de fase), pondo todas as outras causas como um fator de risco
parte.

Fig. 1. Distribuio das causas dos incidentes na rede nos ltimos 5 anos
Para alm dos dados de incidentes, conveniente ter dados relativos aos prprios fatores de risco,
precisamente para avaliar o risco para as linhas a eles sujeitos. H realmente tais dados disponveis (por
relao direta ou no), embora em formas bastante heterogneas a vrios nveis (quantidade,
representatividade temporal e espacial, tipo de informao, preciso), conforme explicamos de seguida.
2.1 Cegonhas
Para dados relativos a cegonhas, temos como indicadores o nmero de ninhos em cada apoio, fruto de
contagens efetuadas em inspees dedicadas2. Esto registadas e disponveis no LIONS as mais recentes
contagens (inclusive discriminadas por 3 diferentes zonas de gravidade) em cada apoio.

Na verdade, as falhas atribudas a vegetao reduziram-se drasticamente, muito graas manuteno dirigida pelos
dados mais fiveis obtidos com a tecnologa LiDAR usada nas inspees areas
2
No mbito do projeto LIONS est j desenvolvida uma aplicao para no futuro possibilitar tal contagem de ninhos de
forma automtica em inspees regulares, recorrendo ao vdeo associado.
3

2.2 Descargas
Os dados relativos a descargas atmosfricas na Pennsula Ibrica esto disponveis para o operador desde
2003, via Instituto Portugus do Mar e da Atmosfera (IPMA), graas a um sistema de sensores da empresa
Meteorage. Cada descarga detetada (incluindo entre nuvens) registada com data, hora, intensidade,
localizao (dada por um ponto representando o centro duma elipse, cujos eixos, excentricidade, e orientao
so dados), e respetivo mtodo de localizao e preciso associada (atravs duma medida de chi-quadrado.
Verifica-se que em muitos casos h de facto pouca preciso na localizao. Note-se que mesmo limitandonos a descargas ao solo na regio portuguesa com preciso aceitvel, j se est a trabalhar na ordem dos
milhes de registos.
2.3 Nevoeiro
Em termos de nevoeiro+poluio, os dados que se conseguiram obter diretamente de sensores de poluio
no foram considerados teis devido sua pouca disperso geogrfica (estando essencialmente concentrados
em Lisboa e Porto) no sendo muito relevantes para as linhas em Portugal. Trabalhamos aqui antes com
dados de manuteno, nomeadamente datas e localizaes (municpio) onde ocorreu lavagem de isoladores,
como indicadores de zonas de poluio.
2.4 Incndios
Para incndios, temos disponveis (tambm via IPMA) dados dirios de ndice de risco (Fire Weather Index
FWI) numa escala de 5 valores, para cada concelho, desde 2009. Igualmente disponvel e bastante
relevante para o risco so os dados de Gesto de Combustvel efetuada (data, rea, concelho).
2.5 Vegetao
Os dados de base relativos a vegetao provm das inspees areas com LiDAR, nomeadamente as
distncias detetadas. Com essas distncias ao longo dos anos podem-se calcular taxas de crescimento ao
nvel de cada vo (tendo tambm em ateno as aes de manuteno entretanto realizadas). De grande valor
tambm a informao que se pode obter com a Carta de Ocupao do Solo 2007 (tambm disponvel no
LIONS), indicando espcies de vegetao no vo.
3

MODELOS DE RISCO, E INFRAESTRUTURA DE BASE

Para cada fator de risco foi desenvolvido um modelo especfico de clculo da probabilidade de falha de cada
linha [5, 6] com base nos dados ambientais disponveis e no histrico de falhas. A probabilidade de falha
global de cada linha/circuito ento calculada considerando os fatores de risco como causas independentes.
Obtemos um ndice de risco para cada linha multiplicando a probabilidade de falha pela severidade
(custo/consequncias da falha, calculado com um modelo desenvolvido pelo operador).
Pode-se assim comparar quantitativamente as linhas da rede de forma objetiva para uma gesto baseada no
risco. Tal permite um planeamento de inspees e manuteno duma forma mais racional e eficiente, tendo
em vista a minimizao de recursos e/ou a melhoria da qualidade de servio.
Todos os dados esto centralizados numa base de dados PostgreSQL [7], tendo-se carregado previamente
doutras fontes os dados do sistema de gesto de ativos (SAP), dados ambientais e de manuteno, e dados de
incidentes (do GestInc). Os clculos relativos ao risco esto disponveis atravs de vistas, sendo que h
ferramentas para a devida atualizao dos dados de suporte. Esta base de dados (LIONS) est disponvel para
outras aplicaes, nomeadamente para anlise e clculos extra sobre os dados, bem como para visualizao
dos mesmos, como discutiremos nas seces seguintes com o exemplo do LIONS-Visual.
4

ANLISE, PROCESSAMENTO, E VISUALIZAO DE DADOS

No LIONS-Visual, cada sinal (de circuito, fator de risco, ou incidentes por causa) que se carregue da base de
dados para visualizao passvel de ser analisado em correlao (temporal e/ou espacial) com outro. Assim,
esta aplicao apresenta 3 zonas distintas (ver Fig. 2): 1) o mapa com a localizao geogrfica dos sinais em
4

Portugal; 2) a sua distribuio temporal (por anos, meses, dias, ou perodos do dia); e 3) um grfico com
valores indicativos das correlaes temporal e espacial para todos os pares de sinais selecionados.

Fig. 2. Janela de interface do LIONS-Visual com 2 circuitos e um fator de risco selecionados

As caracterizaes espaciais e temporais dos vrios sinais dependem do seu tipo, conforme a TABELA I
(onde ND = No Disponvel), com discriminao dos fatores de risco (FR), devido s suas especificidades.
TABELA I. CARACTERIZAO ESPACIOTEMPORAL
Sinal

Espao

Tempo

Circuito

Traado dado pelos apoios

Incidentes do circuito

Incidentes

Linhas (pesadas pelos seus incidentes)

Incidentes pela causa selecionada

FR: descargas

Mapa de calor

Descargas registadas

FR: cegonhas

Apoios (com ninhos) e seu mapa de calor

ND

FR: incndios

Municpios (FWI)

Agregaes dirias dos FWI

FR: nevoeiro+poluio

Municpios (com lavagens de isoladores)

ND

FR: vegetao

Linhas (com inspees e anomalias)

Probabilidade de Falha (futura)

Um circuito assim dado geograficamente pelos seus apoios, razo pela qual aparece com um traado grosso
no mapa da Fig. 2, pois os apoios tm um smbolo grfico prprio, como se pode ver na Fig. 3-(a), num
pormenor dum zoom sobre uma linha (a aplicao permite fazer zoom no mapa e nos grficos). Para esta
linha (circuito), estava tambm a opo soil selecionada, o que corresponde a visualizar a ocupao do solo
na sua faixa. Notam-se aqui os polgonos correspondentes a diferentes ocupaes do solo (e.g. terrenos
urbanos, lagos, vegetao de diferentes espcies, etc). A cor de cada polgono indica uma medida de
perigosidade para a linha, variando do branco / amarelo claro (0) ao vermelho (10), conforme a escala
indicada na parte direita do mapa da Fig. 2, com cores quentes.
5

Fig. 3(a). Ocupao do solo na faixa

Fig. 3(b). Mapa da rede

H um conjunto de cdigos de cores a ter em ateno nesta ferramenta. Por um lado, cada sinal tem de estar
associado a uma cor distinta (aqui usamos cores frias: azuis, verdes, roxos), para se poder diferenci-los no
grfico de distribuio temporal, e visualizar as suas correlaes (por um par de cores, num crculo do
grfico de correlaes). Por outro lado, cada sinal pode tambm ter uma intensidade associada, que ter
interesse visualizar no mapa. Este , por exemplo, o caso das descargas da Fig. 2, visualizada atravs dum
mapa de calor usando a mesma escala de intensidade. Para os grficos, o sinal neste exemplo identificado
com a cor verde, conforme a legenda. No mapa os circuitos aparecem com a cor dada aos seus apoios; a
linha em si tem simplesmente a cor identificativa do seu nvel de tenso, conforme prtica do operador (Fig.
3-(b), tambm uma janela do LIONS-Visual), e.g. vermelho para 400kV, como era o caso na Fig.3-(a).
No caso de carregamento dum sinal correspondente a incidentes devidos a uma dada causa, espacialmente
representado pelos circuitos com tais incidentes, estes so visualizados no mapa com a cor correspondente
sua intensidade. Na prtica so visualizados traados correspondentes aos circuitos com tais incidentes, com
cores a variar entre o branco e o vermelho. Estes traados aparecem aqui duma forma um pouco mais difusa,
pois o sinal tambm tratado como um mapa de calor (com base nos circuitos que passam em cada apoio)
para melhores clculos de correlao espacial.
Na Fig. 4 vemos o caso de incidentes, devido a cegonhas, selecionado juntamente com os fatores de risco
cegonhas e nevoeiro+poluio (este com base em municpios com lavagens). Para o fator de risco
cegonhas, temos tanto o mapa de calor como os apoios com ninhos que lhe deram origem. aqui natural
que mal se vejam no mapa os incidentes devido a cegonhas, pois esto precisamente na zona onde mais est
presente tal fator de risco (alis como patente no resultado para a sua correlao espacial) no entanto,
ainda se veem uns finos traos claros saindo de tais zonas. Estes sinais so apresentados em camadas
semitransparentes, pelo que h alguma visualizao das sobreposies espaciais. Porm, tal nem sempre
claro e torna-se essencial a possibilidade de selecionar e desseleccionar sinais individuais, o que possvel
no LIONS-Visual com simples cliques nas respetivas caixas de seleo. Note-se tambm, ainda nesta Fig. 4,
a visualizao da distribuio destes incidentes ao longo das horas do dia, onde evidente a sua maior
concentrao pela alvorada. H assim, com esta aplicao, vrias possibilidades de interessantes anlises da
rede relativamente ao risco. Para estes sinais em concreto no h valores de correlao temporal, pois para
estes fatores de risco no esto atualmente registados valores histricos (apesar de haver datas de lavagens
para o fator fog, apenas est a ser considerado o valor atual como o total de lavagens nos ltimos 4 anos).

Fig. 4. Anlise e visualizao de 2 fatores de risco e de incidentes devidos a cegonhas

4.1 Correlao de Sinais
Para a correlao espacial, o que calculado um indicador entre 0 e 1 com base nas diferentes
representaes espaciais envolvidas. Para a correlao temporal usamos a clssica correlao de Pearson
para os intervalos temporais selecionados. assim possvel fazer uma anlise de correlaes temporais ao
longo das horas do dia (sempre que haja dados com esse detalhe), por exemplo, ou dos meses do ano, ou ao
longo dos anos. Note-se que para 6 sinais selecionados (este , alis, o mximo atual permitido por esta
ferramenta devido visualizao de contrastes), h C 26 =15 possveis pares de sinais, o que poder ser difcil
de visualizar no grfico de correlaes. Acresce que nem todos os pares sero de facto interessantes para
anlise de correlao. Assim, o LIONS-Visual d tambm a possibilidade de escolha de quais os tipos de
pares de interesse para tal anlise e visualizao. As opes clicveis Inter e Intra (visveis esquerda, em
baixo, na janela das figuras 2 e 4) permitem isto mesmo. Normalmente querer-se- ver correlaes entre um
(ou mais) tipo(s) de sinal e outros (Inter), em detrimento de correlaes entre sinais do mesmo tipo (Intra;
e.g. entre 2 ou mais circuitos).
De facto, correlacionando fatores de risco com incidentes, verifica-se, por exemplo, como seria de esperar,
uma alta correlao () entre as descargas como fator de risco e os incidentes registados como devidos a
descargas. Em particular, numa anlise temporal aos (4) perodos do dia (0-6h, 6-12h, 12-18h, e 18-24h),
temos mesmo =0,999, indicando uma clarssima tendncia duma relao direta entre os 2: quanto mais
(menos) descargas, mais (menos) incidentes teremos. A mesma tendncia se verifica numa anlise mais fina
ao nvel das 24 horas do dia (=0,9), e mesmo ao nvel dos 12 meses (=0,814), no sendo to significativa
se fizermos a anlise para os 31 dias do ms ou para os anos, casos em que h mais variao nas descargas.
O que no seria tanto de esperar e curioso assinalar, que o mesmo fator de risco tambm apresenta uma
alta correlao temporal com os incidentes por incndio, ao nvel das horas (=0,923) e perodos do dia
(=0,986). Tal poder dever-se s caractersticas topolgicas e de vegetao do terreno, que atrairo
descargas e incndios numa relao de certa forma semelhante.
Por vezes, tambm se torna interessante procurar correlaes entre sinais do mesmo tipo. Por exemplo, entre
os fatores de risco descargas e incndios nota-se tambm um alto ndice de correlao espacial (0,9), que
parece confirmar a anlise feita no ltimo exemplo do pargrafo anterior. Isto significa que as descargas e os
incndios tm tendncia a concentrar-se nos mesmos espaos. Relativamente aos incidentes tambm se
notam claras correlaes temporais numa anlise aos perodos do dia. De facto temos valores acima de 0,96
para os pares <descargas, incndios> e <cegonhas, nevoeiro+poluio>, e valores entre -0,94 e -0,79
7

(indicando uma relao inversa: quando h mais dum, h menos do outro) para os pares de causas
<cegonhas, incndios>, <descargas, nevoeiro+poluio>, <incndios, nevoeiro+poluio>, e <descargas,
cegonhas>. Apesar de interessante, no se tiram destes casos relaes de causa-efeito: muitas tm a ver
simplesmente com as condies meteorolgicas do perodo do dia, que nuns casos incrementam uns riscos,
noutros diminuem.
5

CONCLUSES

Neste artigo apresentmos a ferramenta LIONS-Visual. Trata-se duma interface informtica grfica para
visualizao e anlise de sinais correspondentes a circuitos de transmisso de energia, fatores ambientais de
risco, e incidentes registados. Os dados de suporte esto presentes numa base de dados referenciados
temporal e geograficamente, desenvolvida essencialmente para gesto baseada no risco duma rede nacional,
no mbito de um projeto de I&D.
Os sinais selecionados so visualizados em camadas no mapa geogrfico, semelhana de ferramentas SIG.
Adicionalmente so tambm visualizadas as respetivas sries temporais em escalas que variam desde as 24
horas do dia at aos anos de registo. Com tais sinais, disponibilizam-se ainda indicadores de correlao
espacial e temporal entre eles. Nesta ferramenta integrada, com ligao direta base de dados, que
regularmente atualizada, possvel fazer diferentes anlises rede em termos de risco, duma forma prtica e
intuitiva.
Apesar de algumas limitaes naturais, como o facto das medidas de correlao serem apenas um possvel
indicador (por exemplo, tal medida apenas permite verificar correlaes lineares; outras mais complexas
tero de ser avaliadas com outros clculos), a aplicao atual j facilita bastante a vida do utilizador e gestor
da rede, proporcionando uma viso geral e bastante abrangente da rede, e facilitando a tomada de deciso,
graas a dados concretos, reais, objetivos e quantitativos da rede e do seu ambiente ao longo do tempo e do
espao.
Pretende-se continuar a dotar esta ferramenta de funcionalidades extra para uma ainda melhor gesto da rede,
estando j em curso nova fase de desenvolvimento, no sentido de a dotar de maiores capacidades de
visualizao de dados e suas estatsticas, incluindo os clculos automticos de risco j implementados e
capacidade de produo de relatrios.
6

REFERNCIAS

[1]

J. Gomes-Mota, M. Ramos, and A. Matos-Andr, Geographical Information Tools for Overhead Lines
Preventive Maintenance, in Session 42 of CIGR (Study Committee B2), Paris, France, Aug. 2008.
F. Azevedo, J. Gomes-Mota, L. Campos Pinto, J. Casaca, Caracterizao Ambiental da rede de
transmisso portuguesa a partir de dados de inspeco de linhas, in XIV ERIAC (Study Committee C3),
Ciudad del Este, Paraguai, xiveriac.cigre.org.py, May 2011.
J. Gomes-Mota, F. Azevedo, L. Campos Pinto, J. Casaca, Long term assessment of critical factors
affecting the reliability of transmission grids, in 12th IAEE European Energy Conference,
iaee.org, iaeeu2021.it, Venice, Italy, Sept. 2012.
F. Azevedo, J. Gomes-Mota, L. Campos Pinto, N. Machado, S.A.B. de Almeida de Graaff, OHL
Assessment and Risk Evaluation Based on Environmental and Inspection Data, in 2012 CIGR
Canada Conference, cigre-canada.org, cigre.ca, Montral, Canada, Sept. 2012.
N. Pinho da Silva, J. Casaca, F. Azevedo, J. Gomes-Mota, L. Campos-Pinto, Risk based maintenance
and lifetime management of overhead lines, in CIGRE Belgium 2014 Conference on Innovation for
Secure and Efficient Transmission Grids, Brussels, Belgium, Mar. 2014.
N. Pinho da Silva, J. Casaca, L. Campos-Pinto, F. Azevedo, J. Gomes-Mota, Predictive Modelling of
Overhead Lines Reliability and Lifetime, in Session 45 of CIGR (Study Committee C1),
www.cigre2014.org, Paris, France, Aug. 2014.
F. Azevedo, J. Gomes-Mota, A Time and Space Framework for Overhead Grid Maintenance
Optimisation, Modern Energy Review, Vol. 2 Nmero 1, pp. 95-99, ISSN 2041-9570, 2010.

[2]

[3]

[4]

[5]

[6]

[7]