Sistema de Informação de Apoio à Detecção de Perdas de Energia Eléctrica – O Caso da Electra

A realidade mundial é preocupante no que diz respeito ao aumento de ocorrências de perdas e fraudes em redes de distribuição de energia eléctrica. Em Cabo Verde, mas precisamente na Cidade da Praia a realidade é ainda mais preocupante devido ao número de ocorrências e a gravidade dos mesmos. Propõe-se um trabalho de investigação sobre perdas e fraudes de energia eléctrica baseado na análise dos dados relativos aos registos dos clientes na Base de Dados da Electra (Cabo Verde), com o intuito de nortear as tomadas de decisões de gestão estratégica no que diz respeito às políticas de controlo e prevenção de perdas e fraudes de energia eléctrica. O trabalho baseia-se na recolha e selecção de dados a organizar numa Data Warehouse para depois aplicar as tecnologias OLAP para a identificação de perdas nos Postos de Transformação e zonas geográficas da Cidade da Praia em Cabo Verde e posteriormente identificar possíveis fraudes de energia eléctrica nos clientes finais utilizando Data Mining. Os resultados principais consistiram na identificação de situações de perdas de energia eléctrica nos Postos de Transformação, a identificação de áreas críticas seleccionadas para inspecção dos seus clientes finais e a detecção de padrões de anomalias associadas ao perfil dos clientes.

Micobiota associada a folhas de bananeira em Cabo Verde

A bananeira tem um elevado valor social e económico para Cabo Verde, desempenhando um papel fundamental na dieta alimentar das populações. Nos últimos anos a produtividade da cultura tem vindo a decair e de entre as causas responsáveis pelo declínio dos bananais incluem-se micoses. Com a finalidade de determinar o possível envolvimento de fungos nas doenças foliares fez-se o levantamento da micobiota associada a necroses foliares. Material foliar com lesões de diversos tipos foi recolhido em bananais de 10 localidades da Ilha de Santiago e observado ou colocado em câmara húmida sobre meio gelosado. As estruturas de fungos detectadas sobre as folhas foram montadas em lactofenol e utilizadas para identificação até ao nível da espécie, dos fungos registados, utilizando para o efeito critérios clássicos em sistemática micológica. Foram identificados 48 táxones, sendo 44 fungos mitospóricos e 4 fungos ascomicetas. Muitos dos fungos identificados não são considerados fitopatogénicos na bananeira, estando referidos como endófitos ou saprófitas na cultura. Os principais fungos patogénicos identificados foram Cladosporium musae, Colletotrichum gloeosporiodes, C. musae, Cordana musae, Deightoniella torulosa, Lasiodiplodia theobromae e Ramichloridium musae. A maioria das espécies apresentou larga distribuição nas zonas de produção amostradas.

Sistema de Informação de Apoio à Detecção de Perdas de Energia Eléctrica – O Caso da Electra

A realidade mundial é preocupante no que diz respeito ao aumento de ocorrências de perdas e fraudes em redes de distribuição de energia eléctrica. Em Cabo Verde, mas precisamente na Cidade da Praia a realidade é ainda mais preocupante devido ao número de ocorrências e a gravidade dos mesmos. Propõe-se um trabalho de investigação sobre perdas e fraudes de energia eléctrica baseado na análise dos dados relativos aos registos dos clientes na Base de Dados da Electra (Cabo Verde), com o intuito de nortear as tomadas de decisões de gestão estratégica no que diz respeito às políticas de controlo e prevenção de perdas e fraudes de energia eléctrica. O trabalho baseia-se na recolha e selecção de dados a organizar numa Data Warehouse para depois aplicar as tecnologias OLAP para a identificação de perdas nos Postos de Transformação e zonas geográficas da Cidade da Praia em Cabo Verde e posteriormente identificar possíveis fraudes de energia eléctrica nos clientes finais utilizando Data Mining. Os resultados principais consistiram na identificação de situações de perdas de energia eléctrica nos Postos de Transformação, a identificação de áreas críticas seleccionadas para inspecção dos seus clientes finais e a detecção de padrões de anomalias associadas ao perfil dos clientes.