Banca de QUALIFICAÇÃO: ÁLISSON DE OLIVEIRA ALVES

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : ÁLISSON DE OLIVEIRA ALVES
DATA : 27/07/2026
HORA: 09:00
LOCAL: Videoconferência na plataforma Google Meet
TÍTULO:

Integração de sensoriamento remoto, aprendizado profundo e BDGD para priorização de áreas suscetíveis a perdas não técnicas em redes de distribuição de energia elétrica

PALAVRAS-CHAVES:

Perdas não técnicas; Sensoriamento remoto; BDGD; Deep learning; Segmentação semântica; Redes de distribuição; Geoprocessamento.

PÁGINAS: 185
RESUMO:

Esta pesquisa investiga a integração entre sensoriamento remoto, aprendizado profundo e dados georreferenciados da infraestrutura elétrica para apoiar a identificação de áreas suscetíveis a perdas não técnicas em redes de distribuição. O problema é tratado como uma tarefa de priorização territorial, e não como classificação automática de fraude. A metodologia combina dados operacionais da distribuidora, registros de denúncias procedentes, Base de Dados Geográfica da Distribuidora (BDGD), camada de Pontos Notáveis (PONNOT) e imagens orbitais multirresolução. O pipeline proposto contempla a aquisição e preparação das bases, segmentação semântica da ocupação urbana, modelagem da cobertura elétrica formal, geração de sombras cadastrais e estruturação de alertas georreferenciados para apoio à inspeção em campo.

 

A área de estudo concentra-se no estado de Minas Gerais, com aprofundamento no município de Sabará e na área atendida pela subestação SBAU, selecionada pela convergência entre criticidade energética, disponibilidade cadastral e ocorrência de denúncias procedentes. Para a detecção da ocupação urbana, foram utilizadas imagens de alta resolução associadas ao Open Buildings e imagens Landsat 8 associadas à classe de áreas urbanizadas do MapBiomas. Arquiteturas de segmentação semântica das famílias LinkNet e D-LinkNet foram avaliadas para produzir máscaras binárias de ocupação. Em paralelo, a infraestrutura formal foi modelada a partir da BDGD/PONNOT por meio de filtragem de ativos, geração de áreas de influência, fechamento morfológico e rasterização. A diferença espacial entre ocupação detectada e cobertura elétrica cadastrada originou a camada de sombra cadastral, interpretada como indício territorial de suscetibilidade, e não como confirmação direta de irregularidade.

 

Os resultados preliminares demonstram a viabilidade técnica da integração entre imagens orbitais, modelos de segmentação e infraestrutura elétrica georreferenciada para reduzir a área de busca operacional. A abordagem permitiu comparar expansão urbana e evolução da rede, identificar regiões com possível sub-representação cadastral e organizar alertas associados a municípios, alimentadores e recortes espaciais prioritários. A validação operacional comparativa, incluindo taxa de acerto em campo, custo por inspeção, energia recuperada e retorno financeiro, permanece como etapa posterior, dependente de campanha controlada de fiscalização. A contribuição da pesquisa reside na construção de um pipeline geoespacial reprodutível para transformar evidências dispersas em alvos de inspeção mais precisos no contexto do setor elétrico.

MEMBROS DA BANCA:
Presidente - 1242315 - PABLO JAVIER ALSINA
Interno - 2885532 - IVANOVITCH MEDEIROS DANTAS DA SILVA
Externo à Instituição - ANDOUGLAS GONÇALVES DA SILVA JÚNIOR - IFRN
Externa à Instituição - MARIA DE FATIMA ALVES DE MATOS - ISI-ER
Externo à Instituição - RAUL BENITES PARADEDA - UERN