Transformação Digital

Fazemos uma grande aposta na sensorização dos nossos ativos e nos dados disponíveis, na captura do valor desta informação para melhorar a experiência dos nossos stakeholders e na eficiência da gestão dos ativos e das operações. A disponibilização de uma plataforma de dados consistentes e segura, bem como de novas ferramentas intuitivas para melhor acesso e exploração da informação e novos modelos analíticos avançados para suporte à decisão. 

Usamos várias técnicas de analítica avançada para encontrar soluções para problemas complexos e volumes de dados impossíveis de processar à escala humana — Data Mining, Process Mining, Redes Neuronais, Inteligência Artificial, entre outros. 

A nossa posição central no setor elétrico e a informação que as redes inteligentes hoje viabilizam, permitem ainda definir um repositório de informação relevante para que qualquer entidade possa explorar a nossa plataforma — ver área 'Open Data' para os datasets disponíveis.  

Como fazemos?

• O aumento do risco de incêndio torna cada vez mais complexa a gestão da vegetação e o seu impacto na continuidade de serviços essenciais. Criámos modelos analíticos que combinam capacidades de Machine Learning e Computer Vision para analisar proximidades de vegetação às linhas, prever o crescimento da vegetação e determinar necessidades de intervenção, instruindo idas ao terreno e operações de corte com base nos graus de severidade das situações.

• As alterações climáticas induzem eventos extremos cada vez mais frequentes, com impactos significativos na rede elétrica. Portugal é afetado particularmente dada a sua grande extensão de rede aérea mais exposta a estes fenómenos. Para isso criámos modelos de Machine Learning para previsão de incidentes na rede, clientes afetados e grau de severidade por zona geográfica. Estes melhoraram os nossos planos de alocação de meios e a informação disponibilizada aos vários stakeholders. O projeto PREDICTIVE GRID venceu os prémios de BEST FUTURE OF INTELLIGENCE PROJECT e BEST ENERGY & UTILITIES PROJECT no Portugal Digital Awards 2020.

• A E-REDES gere um total de 230.979 km de rede, com ativos críticos dispersos pelo território. Os nossos planos de investimento e manutenção dos Ativos de Rede têm por base informação resultante de uma combinação de capacidades de inteligência artificial tais como Big Data, NLP, Computer Vision e Machine Learning para prolongar o seu tempo de vida útil e minimizar o impacto ambiental.

• Cerca de 69% dos nossos ativos de Alta e Média Tensão já são geridos com base em modelos analíticos.

• Modelos de Machine Learning calculam a probabilidade de falha nos ativos críticos (por exemplo, a probabilidade de um disjuntor falhar na próxima manobra).

• Algoritmos de Big Data que calculam o índice de saúde e de risco dos ativos críticos e tempo de vida restante com base na metodologia Common Network Asset Indices Methodology (CNAIM).

• Modelos de Natural Language Processing (NLP) analisam comentários escritos pelos Prestadores de Serviço em ordens de avarias, inferindo daí os ativos mais afetados, os elementos avariados e a sua localização exata.

• Modelos de Computer Vision analisam milhares de fotografias recolhidas no terreno de modo para identificarem automaticamente as anomalias nos ativos inspecionados.