Graice Suite – Soluções de software baseadas em IA para redes de distribuição elétrica

O objetivo deste módulo é criar um modelo de rede CIM (Common Information Model) consistente e capaz de cálculo de fluxo de carga. São realizadas várias verificações e, quando possível, são feitas correções e complementos. Isto inclui a verificação das relações lógicas da topologia de rede, a verificação dos parâmetros dos elementos de rede e a convergência do cálculo de fluxo de carga.

A gestão de dados de medição trata da integração de dados de medição de várias fontes de dados e da preparação e avaliação dos dados de medição para processamento posterior em planeamento e operação de rede. Quando necessário e possível, os dados de medição são corrigidos e complementados. Na avaliação dos dados de medição, são considerados os erros de medição da cadeia de medição. As análises dos dados de medição incluem a avaliação das mensagens de estado dos dispositivos de medição, a verificação das tensões em relação às faixas de tensão definidas, a verificação do cumprimento dos limites de corrente e potência nominais, entre outros.

Para a monitorização do estado da rede com tecnologia de medição mínima, a colocação ideal da tecnologia de medição na rede é um passo importante. A gridhound combina abordagens de engenharia com algoritmos de IA para gerar a colocação ideal de tecnologia de medição considerando a tecnologia existente e quaisquer limitações.

A monitorização de rede é uma solução para determinar todos os parâmetros operacionais elétricos (tensão, corrente, potência) dos equipamentos elétricos de rede (linhas, barramentos, transformadores, consumidores, geradores) numa área de rede (parcial) de uma rede de distribuição nos níveis de média e baixa tensão. A solução da gridhound utiliza algoritmos de IA que reduzem a necessidade de tecnologia de medição ao mínimo, proporcionando resultados pelo menos comparáveis aos métodos clássicos (estimação de estado WLS).

A gridhound desenvolveu métodos de IA que podem prever a potência de instalações individuais de energia renovável (FV, eólica) bem como de estações de rede locais inteiras. O método de previsão é treinado com dados mestres históricos, medições de potência e dados meteorológicos e pode então prever valores de potência com dados mestres e meteorológicos atuais. Isto funciona mesmo em diferentes áreas de rede. As previsões podem ser geradas tanto a curto como a longo prazo e são significativamente influenciadas pela qualidade da previsão meteorológica.

Com base na monitorização de rede em tempo real e na previsão de potência para instalações de energia renovável e estações de rede locais, a gridhound desenvolveu métodos de IA que podem prever a carga de áreas de rede inteiras. Estes facilitam medidas de redespacho e planeamento de ligação à rede, p.ex., para instalações de energia renovável, estações de carregamento e bombas de calor.

Com o sistema de gestão energética desenvolvido pela gridhound, geradores e consumidores flexíveis podem ser controlados tanto para serviços de rede como otimizados para autoconsumo. A base é a monitorização de rede e as previsões de rede e potência da gridhound. Os casos de uso de serviços de rede incluem, p.ex., a prevenção e resolução de congestionamentos e desvios de tensão na rede de distribuição. A otimização de autoconsumo inclui casos de uso como redução de picos, deslocamento de carga/geração, otimização de autoconsumo, etc.

A gridhound desenvolveu uma plataforma de simulação que combina todos os outros módulos Graice e permite simular vários cenários. Isto permite gerar dados necessários para o planeamento e implementar medidas necessárias para a transição energética.