Experimentos de mineração de dados aplicados a sistemas scada de usinas hidrelétricas

O atual modelo do setor elétrico brasileiro permite igualdade de condições a todos os agentes e reduz o papel do Estado no setor. Esse modelo obriga as empresas do setor a melhorarem cada vez mais a qualidade de seu produto e, como requisito para este objetivo, devem fazer uso mais efetivo da enorme quantidade de dados operacionais que são armazenados em bancos de dados, provenientes da operação dos seus sistemas elétricos e que tem nas Usinas Hidrelétricas (UHE) a sua principal fonte de geração de energia. Uma das principais ferramentas para gerenciamento dessas usinas são os sistemas de Supervisão, Controle e Aquisição de Dados (Supervisory Control And Data Acquisition - SCADA). Assim, a imensa quantidade de dados acumulados nos bancos de dados pelos sistemas SCADA, muito provavelmente contendo informações relevantes, deve ser tratada para descobrir relações e padrões e assim ajudar na compreensão de muitos aspectos operacionais importantes e avaliar o desempenho dos sistemas elétricos de potência. O processo de Descoberta de Conhecimento em Banco de Dados (Knowledge Discovery in Database - KDD) é o processo de identificar, em grandes conjuntos de dados, padrões que sejam válidos, novos, úteis e compreensíveis, para melhorar o entendimento de um problema ou um procedimento de tomada de decisão. A Mineração de Dados (ou Data Mining) é o passo dentro do KDD que permite extrair informações úteis em grandes bases de dados. Neste cenário, o presente trabalho se propõe a realizar experimentos de mineração de dados nos dados gerados por sistemas SCADA em UHE, a fim de produzir informações relevantes para auxiliar no planejamento, operação, manutenção e segurança das hidrelétricas e na implantação da cultura da mineração de dados aplicada a estas usinas.

ABSTRACT: The current model of the Brazilian electric sector allows equal terms to all actors and reduces the role of the State in this sector. This model forces the electrical utilities to improve the quality of their products and, as a prerequisite for this purpose, they should make more effective use of the enormous amount of operational data that are stored in databases, acquired from the operation of their electrical systems which use the hydroelectric power plants as their main source of energy generation. One of the main tools for managing the operation of these plants are the Supervisory Control and Data Acquisition systems (SCADA). Thus, the large amount of data stored in databases by SCADA systems, certainly containing relevant information, should be treated to discover relationships and patterns that would help in the understanding of many important operational aspects as well as in the evaluation of operational performance of the electric power systems. The process of Knowledge Discovery in Database (KDD) is the process of identification of patterns in large data sets, that are valid, new, and useful to improve the understanding of a problem or a decision-making procedure. Data Mining is the step within KDD that extracts useful information from large databases. In this scenario, the present study objective is to perform data mining experiments on data generated by power plants SCADA systems, to produce relevant information to assist in planning, operation, maintenance and security of hydro power plants and also contribute to the implementation of the culture of using data mining techniques applied to these plants.