Simulação computacional via ATPDraw das alternativas para expansão da capacidade de transmissão de energia elétrica na região de Jaíba e Janaúba em Minas Gerais/ Computational simulation via ATPDraw of alternatives for expanding electricity transmission capacity in the Jaíba and Janaúba region in Minas Gerais

A inserção de fontes de energia alternativas renováveis na matriz elétrica do país se torna cada vez mais presente, tornando-se necessário implantar e potencializar sistemas capazes de explorar todo o potencial elétrico das regiões onde se faz mais presente o uso deste potencial, seja ele eólico, solar ou hídrico. Todavia, para que os sistemas implantados sejam capazes de escoar o máximo de potencial elétrico de uma região, é necessário um período de análises e estudos específicos, com a utilização de critérios também específicos para cada tipo de região utilizada como referência. No caso da região norte do estado de Minas Gerais, ao observar a conexão entre os municípios de Jaíba e Janaúba, nota-se que a subestação Janaúba 3 apresenta problemas para escoamento de potencial elétrico devido a ultrapassagem dos limites de carregamento com a atual quantidade de autotransformadores presentes nesta subestação. A adição do 3° e 4° bancos de autotransformadores nesta subestação foi a solução encontrada para resolver o problema do escoamento. Sendo que, esta solução teve sua eficácia comprovada por meio de simulações realizadas pela Empresa de Pesquisa Energética (EPE) utilizando o programa computacional Anarede, que requer a aquisição de uma licença para uso. No presente trabalho foram replicadas as mesmas simulações, porém utilizando-se o software livre ATPDraw, apresentando resultados plenamente satisfatórios em suas análises, comprovando a eficácia de sua utilização se comparando com os resultados obtidos pelo software Anarede.

Deep Learning for Component Fault Detection in Electricity Transmission Lines.

Fault identification is one of the most significant bottlenecks faced by electricity transmission and distribution utilities in developing countries to deliver efficient services to the customers and ensure proper asset audit and management for network optimization and load forecasting. This is due to data scarcity, asset inaccessibility and insecurity, ground-surveys complexity, untimeliness, and general human cost. In view of this, we exploited the use of oblique UAV imagery with a high spatial resolution and a fine-tuned and deep Convolutional Neural Networks (CNNs) to monitor four major Electric power transmission network (EPTN) components. This study explored the capability of the Single Shot Multibox Detector (SSD), a one-stage object detection model on the electric transmission power line imagery to localize, detect and classify faults. The fault considered in this study include the broken insulator plate, missing insulator plate, missing knob, and rusty clamp. Our adapted neural network is a CNN based on a multiscale layer feature pyramid network (FPN) using aerial image patches and ground truth to localise and detect faults via a one-phase procedure. The SSD Rest50 architecture variation performed the best with a mean Average Precision (mAP) of 89.61%. All the developed SSD based models achieve a high precision rate and low recall rate in detecting the faulty components, thus achieving acceptable balance levels of F1-score and representation. Finally, comparable to other works in literature within this same domain, deep-learning will boost timeliness of EPTN inspection and their component fault mapping in the long - run if these deep learning architectures are widely understood, adequate training samples exist to represent multiple fault characteristics; and the effects of augmenting available datasets, balancing intra-class heterogeneity, and small-scale datasets are clearly understood.

Long-distance electricity transmission will increase

Significance Large sources of renewable energy such as hydro, wind and solar are often remote from demand centres and can suffer curtailment or delayed investment as a result of grid congestion or a lack of market access. Impacts Subsea cabling for power and communications is set to grow at a compound annual growth of 7% to 2027, led by offshore wind transmission. Investment support for large interconnectors focused on renewable energy transmission may boost renewables deployment in project nations. Rising cabling demand may create supply chain bottlenecks since few firms are able to produce and lay high-voltage subsea cables. The technical standards, trading rules and governance of regional super-grids crossing borders will become increasingly politicised.