Resumo

Título do Artigo

Localização de Perdas Não-Técnicas através de Imagens de Satélite e Aprendizagem Profunda
Abrir Arquivo

Palavras Chave

Perdas Não Técnicas; Aprendizagem Profunda; Detecção de Objetos; YOLO; Sensoriamento Remoto
Non-technical losses; Deep Learning; Object Detection; YOLO; Remote sensing

Área

Inovação

Tema

Temas Emergentes em Inovação

Autores

Nome
1 - Matheus Mello Jacques
Universidade Federal de Santa Maria - UFSM - Engenharia Elétrica
2 - João Paulo Sales Brum
3 - Daniel Pinheiro Bernardon
4 - Rodrigo Marques de Figueiredo
5 - Lucas Melo de Chiara

Reumo

A identificação de perdas é um dos principais desafios enfrentados hoje pelas empresas de serviços públicos de energia. O fator de perdas no Brasil era de aproximadamente 14% em 2018, onde 6,6% são perdas não técnicas totalizando um custo de quase R$ 5 bilhões por ano. Este trabalho propõe a localização dos furtos na rede elétrica utilizando imagens de satélite. Para este fim, são utilizados modelos de Deep Learning para identificar edifícios e depois comparar sua localização com os dados da rede elétrica. Por outro lado, a identificação de pequenos objetos em imagens de satélite também é um problema, uma vez que as aplicações tradicionais de visão por computador devido a downsampling, o que leva a uma perda significativa de informação representada em alguns pixels, tais como casas . Assim, este trabalho visa identificar residências que estão longe da rede de distribuição e que podem caracterizar possíveis roubos de energia. Este artigo explora e aplica o algoritmo You Only Look Once (YOLO), que é um dos mais famosos algoritmos de detecção de objetos. Aplicando um modelo de Aprendizagem Profunda, foi possível detectar construções e cruzar com dados da rede elétrica para identificar possíveis casos.
Loss identification is one of the main challenges facing by Energy Utilities Companies today. The loss factor in Brazil was approximately 14% in 2018, where 6.6% are non-technical losses totaling a cost of almost R$ 5 billion per year. This work proposes the location of thefts in the electrical network using satellite images. For this purpose, Deep Learning models are used to identify buildings and then compare their location with data from the electrical grid. On the other hand, the identification of small objects in satellite images is also a problem, since traditional computer vision applications due to downsampling, which leads to a significant loss of information represented in a few pixels, such as homes . Thus, this work aims at identifying residences that are far from the distribution network and that can characterize possible thefts of energy. This article explores and applies the You Only Look Once (YOLO) algorithm, which is one of the most famous object detection algorithms. By applying a Deep Learning model, it was possible to detect constructions and cross with data from the electric grid to identify possible cases.