XIV ERIAC

CARACTERIZAO AMBIENTAL DA REDE DE TRANSMISSO PORTUGUESA

A PARTIR DE DADOS DE INSPECO DE LINHAS

F. AZEVEDO*
CENTRIA, FCT, Universidade Nova de Lisboa
Portugal
L. CAMPOS PINTO
REN Redes Energticas Nacionais
Portugal

J. GOMES-MOTA
Albatroz Engenharia
Portugal
J. CASACA
REN Redes Energticas Nacionais
Portugal

Resumo Para comparar a eficincia da explorao com empresas congneres, a REN, concessionria
da Rede Nacional de Transporte (RNT) portuguesa recorre ao ITOMS, uma metodologia que exige a
caracterizao ambiental dos terrenos atravessados pelas linhas elctricas. No passado, a REN usara
mtodos indicirios de caracterizao ambiental mas, para a campanha de 2008 e 2009, a REN decidiu
fazer uma caracterizao exaustiva da RNT, vo a vo, merc das novas tecnologias de inspeco de linhas
que incluem medio de distncias e caracterizao tridimensional da faixa de servido das linhas.
Foram calculados ndices de urbanizao e de crescimento da vegetao por processamento automtico dos
dados tridimensionais recolhidos com LiDAR, seguidos de reviso por superviso humana apoiada nas
inspeces de vdeo e em sistemas de informao geogrfica. Os modelos de crescimento foram validados
por uma anlise comparativa de inspeces em anos sucessivos (2008-09). Em 2010 tambm inicimos
estudos para incluir o efeito das aves, em especial das cegonhas que nidificam nos apoios das linhas, na
caracterizao ambiental das faixas da RNT que, combinada com outros elementos de manuteno da
vegetao e de explorao da rede, permite criar modelos de risco para optimizao da explorao da RNT.
Palavras chave: REN ITOMS Crescimento de Vegetao ndice de Risco LiDAR - Cegonhas
1

INTRODUO

1.1 A RNT e a envolvente do meio ambiental em Portugal

As instalaes da Rede Nacional de Transporte de Electricidade (RNT) em Portugal continental, das quais a
REN Rede Elctrica Nacional, S.A. concessionria e gestora, compreendem 71 subestaes e postos de
corte e seccionamento e 7.527km de circuito de linhas areas de 400, 220 e a 150kV.
A riqueza e diversidade de espcies vegetais e animais existentes em Portugal, assim como uma distribuio
demogrfica irregular, a par de um tipo de urbanizao bastante dispersa, condicionam a gesto da infraestrutura elctrica portuguesa, em particular no que se refere s linhas areas.
Estes factores so tidos em conta pela REN desde a fase de planeamento e construo de uma instalao at
sua colocao em servio. No caso das linhas areas a REN pe particular nfase no controlo da vegetao
existente na faixa de linhas e zonas adjacentes. A partir de Novembro de 2007 foi introduzida a tecnologia
LiDAR para a medio de distncias e caracterizao tridimensional da faixa de servido das linhas [1][2].
1.2 O Benchmarking Internacional ITOMS
* fa@albatroz-eng.com

O ITOMS (International Transmission Operation & Maintenance Study) [3] constitui um exercicio de
benchmarking internacional conduzido pela empresa americana UMS Group, com periodicidade bianual em
que a REN participa desde 1997. Este exerccio incide sobretudo num estudo de comparao sobre prticas e
resultados tcnico-econmicos em matria de operao local e manuteno das redes de transporte de
electricidade, com o objectivo de identificar os melhores desempenhos e propor prticas inovadoras no seio
do sector elctrico. O ltimo estudo envolveu um universo de 27 empresas congneres dos 5 continentes.
Na ausncia de uma definio precisa de caracterizao da linha, as empresas envolvidas definiram um
conjunto de mtricas quantitativas que so depois mapeadas em classes qualitativas aceites pela metodologia
do ITOMS. Assim, foi criado um ndice de urbanizao com trs nveis: rural, misto e urbano; um ndice de
ritmo de crescimento das rvores com seis nveis de crescimento: lento, lento a mdio, mdio, mdio a
rpido, rpido, rpido excepcional, alm de uma classe com a vegetao rasteira. Foram criadas ainda
mtricas auxiliares para determinar a densidade de arborizao na faixa, para dividir a faixa em zonas de
diferente criticidade e dividir o pas em diversas regies com afinidades edafo-climticas.
O clculo da eficincia da manuteno no ITOMS baseia-se na fraco de faixa arborizada. Naturalmente,
esta depende das espcies que crescem na rea, e Portugal, sendo um pas relativamente pequeno, apresenta
variaes significativas abordadas na introduo de [1]. Acresce que segundo a espcie de rvores que cresce
na vizinhana da faixa, assim a manuteno permite que ela cresa nas vrias zonas sob a linha ou a corta
cerce de forma regular. No tendo sido ainda possvel fazer a identificao automtica das espcies arbreas
de uma forma fivel, foram criados mtodos indirectos para aferir o grau de preenchimento e o efeito das
prticas de manuteno na densidade arbrea na faixa.
At ao exerccio de 2006, os mtodos usados para a caracterizao da faixa baseavam-se em processos
tradicionais, obtidos atravs das inspeces efectuadas no terreno. No ltimo exerccio de benchmarking
(2008) j foi fornecida a informao obtida com base na tecnologia LiDAR.
1.3 Os dados de inspeco usados no estudo
Este estudo baseou-se nos dados originalmente adquiridos para controlo de vegetao na faixa das linhas.
Neste mtodo usa-se medidas de distncia tiradas com LiDAR, combinadas com medidas de GPS, com uma
densidade varivel entre 10 e 20 pontos por metro quadrado, a uma distncia do solo entre 30m a 90m e uma
distncia da linha entre 20m e 70m. Neste processo, foram adquiridas as coordenadas das linhas e dos postes,
que foram includos em Sistemas de Informao Geogrfica. A caracterizao do coberto vegetal foi feita
por algoritmos de processamento automtico, sendo os resultados posterioremente validados e corrigidos por
um operador, baseando-se em imagens de vdeo capturadas sincronamente com o LiDAR e o GPS e
ortofotos de sistemas de informao geogrfica, dos quais se destaca o GoogleEarth.
1.4 Classificao da faixa das linhas
Sob cada linha da RNT existe uma faixa de terreno com a largura mnima de 45m e a largura mxima de
62m [4] na qual a REN pode intervir (Fig. 1-(a)). Esta faixa divide-se em cinco zonas com um eixo de
simetria definido pelos condutores: a zona central corresponde superfcie compreendida sob a projeco
vertical dos condutores, esta zona tem uma largura tpica de 12m a 24m, consoante a tenso de construo e
o arranjo geomtrico dos circuitos; duas zonas intermdias, uma esquerda e outra direita, compreendidas
entre a zona central e o limite de 22,5m de cada lado do eixo (a largura destas zonas varia entre 16,5m e
10,5m); finalmente h duas zonas laterais externas, uma esquerda e outra direita, com 8,5m de largura.
Na zona central deve evitar-se a construo e quaisquer actividades humanas de permanncia prolongada.
Nas faixas intermdias j so aceites construes de pequeno porte e actividades prolongadas, evitando-se
contudo todos os corpos que possam cair lateralmente sobre a linha. Finalmente, as zonas laterais destinamse a proteger as infra-estruturas em locais sujeitos a maior vento, declives ou quaisquer factores de risco
acrescido. Nestas faixas j comum encontrar vegetao, cuja caracterizao necessria para a aplicao
da metodologia ITOMS.

Fig. 1(a). Faixa de servido

Fig. 1(b). Portugal em 3 regies

1.5 Tipos de vegetao e regies edafo-climticas

O territrio de Portugal Continental foi dividido em trs regies: litoral, montanha e plancie (verde, amarelo
e branco, resp., na Fig. 1- (b)). A regio do litoral caracteriza-se por temperaturas amenas, elevada
pluviosidade, sendo dominada por um coberto vegetal denso de florestas de pinho e eucalipto, que so
espcies de crescimento mdio ou rpido. Nas montanhas, as temperaturas so mais extremas, a pluviosidade
inferior e as florestas so menos densas com presena de pinheiro, vrias espcies do gnero Quercus e
oliveiras, e so espcies de crescimento mdio ou lento. Na zona das plancies, as temperaturas de vero so
mais altas, a pluviosidade a menor de todas e o coberto vegetal esparso, raramente formando floresta;
predominam os sobreiros, as azinheiras e as oliveiras que so espcies de crescimento lento.
Por razes de simplicidade numrica, cada linha foi caracterizada como pertencendo apenas a uma regio.
Quando uma linha atravessa mais do que uma regio, escolheu-se aquela que abrange a maior extenso da
linha. H muitas outras espcies florestais que surgem quase sempre de forma pontual sem caracterizar o
coberto vegetal; porm, podem ter impacto na fiabilidade da explorao de linhas elctricas como no caso do
salgueiro e o choupo, espcies flexveis de crescimento rpido presentes junto s linhas de gua [5].
2

MTRICAS

As mtricas solicitadas para o ITOMS so o ndice de urbanizao de cada linha e o ndice de crescimento da
espcie dominante em cada linha. Porm, atendendo variao destas mtricas observada ao longo de cada
linha, optou-se por calcular os ndices para cada vo. Com este mtodo, o comprimento da clula de anlise
passou da extenso mdia das linhas, cerca de 48km, para a extenso mdia dos vos (532m), ou seja houve
um aumento de 90 vezes na resoluo, tornando a anlise muito mais rica e mais prxima da experincia
quotidiana da REN. Por enquanto, parece no se justificar uma anlise ainda mais fina. Note-se que embora a
unidade de medida seja o vo, a distncia entre postes (o comprimento do vo) uma varivel considerada
no clculo de grandezas ponderadas.
O ndice de urbanizao foi calculado automaticamente a partir dos seguintes critrios: quando as
construes afectam menos de 1% do comprimento do vo, este classificado como rural; quando as
construes afectam mais de 5% do comprimento do vo, este classificado como urbano; entre os dois
limiares classificado como misto. Foi implementada uma verso mais sofisticada deste critrio que inclua
o volume ocupado pelos edifcios mas as diferenas observadas foram insignificantes na maioria dos casos.
O ndice de crescimento das rvores foi calculado automaticamente a partir da anlise dos dados LiDAR.
O critrio ITOMS define como rvores de crescimento lento aquelas que crescem menos de 0,762m por ano
e de crescimento rpido aquelas que crescem acima deste limiar. Na dificuldade de caracterizar todas as
espcies nestes dois limiares, foi criado um terceiro limiar, designado de crescimento mdio. Assim, so
consideradas de crescimento lento as espcies com crescimento esperado at 0,5m/ano, de crescimento
rpido as espcies com crescimento esperado superior a 1m/ano, e de crescimento mdio as demais.
Foi ainda criada a categoria vegetao rasteira para os casos em que a vegetao se limita a plantas
arvenses, arbustos (videira, por exemplo) ou rvores de pequeno porte que no pem em perigo a explorao
da RNT (a maioria das fruteiras, por exemplo) e que so ignoradas para estes estudos.
A noo de vegetao dominante essencial para compreender a classificao. Imagine-se um pequeno
curso de gua atravessado por uma linha da RNT, beira do qual crescem salgueiros. Se o resto do vo tiver
oliveiras, por exemplo, teremos uma vegetao dominante de crescimento lento; porm, se o resto do vo
tiver uma plantao de milho, a vegetao dominante ser de crescimento rpido pois apenas os salgueiros
so relevantes para o clculo dos ndices de vegetao.
A densidade da vegetao outra varivel fundamental. Imagine-se um vo que atravessa uma floresta
densa de pinheiros bravos. A densidade de ocupao da faixa excede facilmente os 50%. Porm, se a mesma
3

linha sobrevoar uma zona de montado, a vegetao cobre no mximo 20% da superfcie do terreno com
valores tpicos prximos de 10%. Logo, a densidade de ocupao ao longo de um vo deve incluir a extenso
de cada vo efectivamente ocupada com a vegetao e tambm a densidade especfica de cada espcie.
Assim, uma linha que atravesse um montado de sobreiros, poder ter densidades de vegetao prximas de
100% embora uma observao de imagem por satlite revele que apenas 15% a 20% da superfcie esteja
efectivamente coberta por rvores.
Como o formato ITOMS apenas aceita dois nveis de crescimento e como o crescimento mdio foi definido
quase simetricamente (0,5m a 1m) a partir do limiar do ITOMS (0,76m), optou-se por dividir os vos
caracterizados com vegetao dominante de crescimento mdio em duas partes iguais: metade de
crescimento lento e metade de crescimento rpido. Foi ainda realizada uma converso para o nvel de
ocupao de coberto vegetal de cada regio: litoral, montanha e plancie.
3

IDENTIFICAO DE NINHOS DE CEGONHAS EM INSPECES AMBIENTAIS

As aves, e em especial as cegonhas (e seus excrementos), so um factor de risco relevante para as linhas da
RNT. Devido a isso, a REN j montou em vrios postes estruturas prprias para nidificao das cegonhas
(ver Fig. 2-(a)) em locais onde, partida, no haver riscos para a explorao da RNT. No entanto,
continuam a surgir ninhos fora dessas estruturas, quer porque os suportes de nidificao esto ocupados quer
porque as aves preferiram os outros locais. Em ambos os casos, a boa coexistncia entre as linhas e as
cegonhas, retratada na iniciativa o condoninho da RENata (static.publico.clix.pt/cegonhasnaweb/), requer
uma monitorizao regular da populao de cegonhas e dos seus locais de nidificao para minimizar as
consequncias nefastas para a rede elctrica (falhas de energia e perdas de qualidade de servio) e para as
cegonhas (leses nas asas ou morte por electrocusso). Esta monitorizao abrange uma fraco significativa
da RNT (entre 20 a 25% da rede) e pode ser feita apenas por anotao em texto ou com recurso a cmaras de
vdeo montadas em helicptero ou a fotografias digitais de alta resoluo (como na Fig. 2-(a)). Nesta
inspeco, dita de ninhos, regista-se para cada poste de Muito Alta Tenso (MAT): a) quantos ninhos h;
b) se tm suporte ou no; c) se esto ocupados ou no.
Actualmente, tal contagem feita visualmente por um operador numa inspeco dedicada. Idealmente, devia
ser feita de modo automtico a partir das imagens vdeo produzidas durante uma inspeco area regular s
linhas (evitando as inspeces de ninhos), com benefcios econmicos e ambientais.
Nesse sentido, a Albatroz iniciou estudos para o desenvolvimento duma ferramenta capaz de identificar
ninhos de cegonhas e plataformas de suporte em postes MAT a partir duma sequncia vdeo sobre uma linha
elctrica area. Estas linhas so apoiadas em postes de diferentes modelos (e.g. Fig. 2), ao longo de Portugal
continental, atravessando os mais variados tipos de terreno e de ocupao humana.

Fig. 2(a). Plataforma e ninho

Fig. 2(b). Torre

Fig. 2(c). Imagem de vdeo com ninhos

As inspeces regulares so efectuadas por um helicptero voando a cerca de 70 km/h a aproximadamente

40 metros acima das linhas. O vdeo da gerado contm 25 imagens coloridas (de 704x576 pixels) por
segundo (a Fig. 2-(c) mostra um detalhe duma tal imagem).
3.1 Implementao
4

A nossa primeira implementao baseou-se no modelo de torres apresentado na Fig. 2-(c) por ser o mais
comum em Portugal e o nico para o qual tnhamos amostras de vdeo na altura.
Para a identificao automtica de ninhos, comemos por tentar faz-lo a partir duma s imagem parada
extrada dum vdeo. Para tal, aplicmos diferentes tcnicas de processamento de imagem para: 1) localizar a
torre; e 2) identificar ninhos na sua estrutura.
A resoluo desta tarefa para as nossas amostras revelou-se longe de trivial, devido variedade de a) tipos de
fundo; b) ngulos e distncia de viso; e c) cores, brilho, e nitidez da imagem. Estes factores assumem
especial importncia, uma vez que as torres no possuem uma superfcie simples, sendo antes compostas
como que por um conjunto de tubos ligados, constituindo uma estrutura fina face s suas dimenses,
formando grandes espaos vazios.
Assim, recorrendo ao MATLAB (www.mathworks.com), primeiramente removido algum rudo por
filtragem dos pontos, que no sistema de cores HSV (Hue,Saturation,Value) no tenham uma saturao baixa
e um valor alto (correspondendo aos intervalos possveis para os pontos pertencentes a torres nas nossas
imagens). Depois a imagem convertida para nveis de cinzento, aumentando-se a sua nitidez e realando as
arestas, atravs dos filtros de imagem sharpen e edges. Procura-se ento o topo da torre principal na imagem
(poder ser visvel mais do que uma torre, ou nenhuma), assumindo que ter um troo horizontal e (pelo
menos) duas linhas verticais que o intersectam simetricamente segundo um ngulo conhecido.
Sem entrar em detalhes, por falta de espao, usamos a Transformada de Hough [6] para extrair as linhas
horizontais e verticais e, com base nas suas interseces, ngulos, posies, e quantidade, restinge-se o
espao de procura de ninhos rea identificada como o topo da torre. Essa rea ainda dividida em seces
(os braos, a parte horizontal central, as partes verticais, e as de interseco) e, a partir da imagem original,
nessa localizao so aplicados novos filtros em cada seco para deteco de regies, que com base nas
suas caractersticas (forma, tamanho, orientao) so eventualmente classificadas como ninhos ou
plataformas (ou simples parte da torre). Esta classificao depende tambm das caractersticas de cada
seco, da essa diviso.
importante no repetir este procedimento para cada imagem da sequncia vdeo, pois torna-se
computacionalmente muito pesado. H tambm que ter cuidado para no contabilizar mais do que uma vez
os dados relativos a uma mesma torre. Para uma sequncia de imagens referentes mesma torre, h tambm
que escolher uma (ou um subconjunto) para da decidir que ninhos h nessa torre. Este processo de escolha
no foi ainda implementado. Temos assim apenas resultados relativos a processamento de imagens
individuais. Adicionalmente, deveria ser verificado, para cada ninho, se est ocupado ou no. No entanto, tal
no se mostrou vivel perante a qualidade das imagens de vdeo.
3.2 Resultados
Os resultados neste momento ainda so escassos e bastante preliminares, sendo melhores na parte de
deteco de torres, porventura mais fcil e para a qual maior tempo foi dedicado at agora, nesta fase. Cada
torre duma sequncia vdeo , habitualmente, correctamente identificada, e raramente detectada uma torre
numa imagem, se esta a no tiver. No entanto, ainda possvel ocorrer a identificao duma torre inexistente,
bem como no identificar uma torre efectivamente presente (em certas condies de visibilidade e ngulo de
viso). Para uma s imagem, com uma torre detectada, o processo de deteco de ninhos e plataformas ainda
est longe do ideal, e restrito a uma zona limitada da torre, podendo tambm facilmente obter tanto falsos
positivos como falsos negativos. Na Tabela I apresentamos o resultado da identificao automtica em 9
imagens diferentes (tiradas da sequncia vdeo com intervalos de 10 imagens) duma torre que, na realidade,
tem 1 ninho e 3 plataformas (verificado por inspeco visual humana dessas mesmas imagens).
TABELA I. IDENTIFICAO AUTOMTICA DE NINHOS E PLATAFORMAS

ninhos
plataformas

#1
0
1

#2
1
1

#3
1
1

#4
1
1

#5
1
2

#6
1
2

#7
2
2

#8
1
1

#9
0
0

Eventualmente, a partir deste conjunto de dados, analisados globalmente, poder-se-ia chegar aos valores
correctos (1 e 3). Para tal, seria necessrio concluir que o ninho extra em #7 se deveu a um erro (no tem
suporte nas outras amostras), e que de todas as plataformas identificadas ao longo das imagens haveria de
facto 3, por anlise das suas localizaes. apenas uma hiptese, havendo ainda muito trabalho por fazer.
5

A CLASSIFICAO AMBIENTAL NO CLCULO DOS NDICES DE RISCO

Com o aumento de consumo, a REN Elctrica ir sendo chamada a aumentar a intensidade de uso dos
activos da RNT. Para que se possam reduzir com segurana as folgas em uso, necessrio um conhecimento
actual do estado dos activos e um modelo de risco fundamentado, verificado e melhorado ao longo do tempo
para cada activo, incluindo a sua relao com a envolvente. O empenho permanente da REN na minimizao
de avarias tem levado a que os componentes e acessrios dos circuitos de linha e apoios no sejam as
principais causas de incidentes ou sadas imprevistas de linhas. Estas resultam, pelo contrrio, de fenmenos
relacionados com o meio em torno das linhas da RNT. A principal fonte ambiental de interferncia na
explorao da RNT a vegetao circundante, em especial as rvores de grande porte. Note-se que nesta
definio de ambiente tambm se incluem as cegonhas e fenmenos naturais, como as trovoadas, bem como
fenmenos de ndole humana como as construes, a poluio ou os incndios.
Registando numa base de dados as caractersticas ambientais da faixa ao longo de cada linha, vo a vo, em
termos de vegetao (vegetao dominante, e determinao de risco), cegonhas (determinado pelos ninhos
identificados), urbanizao, risco de incndio, poluio e ndice cerunico, os riscos (de quebra de servio)
podem ser determinados a partir desses dados.
A REN apontou as cinco causas ambientais que so os principais focos de ateno: o controlo da vegetao e
do estado da faixa em geral; as aves que pousam e nidificam nos apoios; a poluio que se deposita nos
equipamentos, com destaque para os isoladores; as descargas atmosfricas e os incndios florestais. O estado
de ocupao da faixa, a caracterizao e controlo do crescimento da vegetao, viro dos dados ITOMS,
juntamente com registos histricos. O caso das aves que nidificam nos apoios foi tratado na seco anterior.
Outros trs factores (poluio, descargas e incndios) representam uma rea que muito nova para os
envolvidos e na qual h ainda muitas dvidas nas pistas de I&D a seguir. Para j, procurar-se- apenas fazer
a introduo de dados no sistema de representao de activos.
Com base em todos estes dados ao nvel de cada vo, juntamente com as caractersticas da linha e da zona, e
dos registos histricos, pretende-se determinar a probabilidade de falha nesse vo (com a consequente sada
de servio da linha) ao longo do tempo (na hiptese de ausncia de manuteno), e da inferir a probabilidade
de falha da linha no seu todo (agregando todos os seus vos). As falhas consideradas so devidas
proximidade de obstculos ou outros factores ambientais, conforme j discutido.
Aqui procura-se tirar partido duma infraestrutura informtica de representao de activos, com todos estes
dados ambientais e registos histricos, para explorar anlises complexas e ricas de correlao de dados.
Diferentemente das abordagens tpicas dos sistemas de informao geogrfica, trata-se de sobrepor camadas
com diferente informao, principalmente destinada ao processamento numrico automtico intenso.
A anlise linha a linha pode ser inspirada na metodologia CBRM [7][8] introduzida pela empresa EA
Technology. Um dos nossos objectivos ser generalizar as abordagens estatsticas, quer CBRM quer outras
que entretanto se usem, optimizao de sub-redes ou at de toda a RNT. A ttulo de exemplo, pode-se
sugerir a anlise sistemtica histrica de anomalias para deteco de padres comuns de falha e a, partir da,
inferir as suas causas (cf. [5] pg. 7).
Tendo a distribuio temporal da probabilidade de falha (naturalmente varia com o tempo, devido ao
crescimento da vegetao, e a variaes sazonais), pode ser calculado um ndice de risco numrico simples
para cada linha. O ndice de risco uma funo que combina a probabilidade de falha, valor/prejuzo das
ocorrncias e tempo de exposio.
A probabilidade de falha (por exemplo, durante o 1 ano) calculada a partir de dados experimentais ou por
modelos indutivos. Para o clculo da probabilidade de falha ao nvel de cada vo, dever ser desenvolvido
um modelo matemtico de complexidade crescente: inicialmente considerar-se- apenas o estado da
vegetao, acrescentando-se depois outras variveis e registos histricos. O modelo ser validado e refinado
com base tambm em registos histricos, aplicando-se o clculo a estados passados e verificando
globalmente a preciso das previses para as falhas que tenham ocorrido (ou no), sempre que aplicvel.
O valor/prejuzo das ocorrncias calculado a partir do custo de acidentes pessoais, e prejuzos sobre a
propriedade de terceiros, energia no fornecida, penalidades relacionadas com o Tempo de Interrupo
Equivalente e clientes especiais. O tempo de exposio calculado a partir de dados prticos de explorao
ou inspeco ou de fontes terceiras (e.g., nmero de dias de chuva, nmero de horas de operao das linhas).

CASOS PRTICOS

5.1 Descrio geral dos ndices

A Fig. 3 apresenta os resultados da metodologia proposta para classificao de uma linha elctrica de 220kV
na Regio Montanhas. Cada clula colorida representa um vo.
Na primeira linha verifica-se que a linha elctrica atravessa zonas marcadamente rurais (verde) e no final
atravessa zonas mistas (anil) terminando numa zona urbana (azul). Trata-se de uma central beira do rio
Douro, onde existe uma pequena cidade.
A segunda linha representa o ritmo de crescimento; usa uma palete de cores que comea a verde
(crescimento lento) e termina em vermelho escuro (crescimento rpido). A linha elctrica atravessa zonas de
vegetao dominante de crescimento lento ou mdio com vos localizados de crescimento rpido. Estes
coincidem normalmente com cursos de gua ou com povoaes onde se plantam espcies exticas para
satisfazer os cidados (parques de lazer, rvores decorativas, etc.).
A terceira linha representa a densidade de vegetao e segue um gradiente de cores semelhante ao anterior:
verde corresponde a baixa densidade e vermelho densidade mxima. Nota-se que a maior parte da linha
tem uma ocupao elevada para o padro Montanhas. As excepes correspondem transposio de zonas
de altitude em que o solo s apresenta vegetao rasteira e algumas zonas mistas ou urbanas em que a
vegetao se resume a jardins e hortas com vegetao arbustiva ou de pequeno porte.

Fig. 3. ndices de urbanizao, de crescimento e densidade da vegetao duma linha em regio montanhosa
5.2 Validao dos modelos de taxa de crescimento
Os autores procuraro tirar partido de futuros levantamentos para fins de ITOMS, por exemplo para
validarem os modelos de crescimento da vegetao. Para tal, pode usar-se um mtodo exaustivo designado
por Digital Surface Model em que se compara as superfcies de copa da vegetao em dois levantamentos
consecutivos ou, tirando partido do facto destes dados serem adquiridos para manuteno da vegetao das
linhas, usar um mtodo por amostragem, medindo apenas as taxas de variao de distncia vegetao
referidas nos relatrios de inspeco de anos diferentes. Esta soluo numericamente mais leve e responde
directamente s necessidades de explorao das linhas.
6

CONCLUSES E TRABALHO FUTURO

de realar que os trabalhos se basearam em dados adquiridos em inspeces de linhas destinadas

manuteno da rede elctrica o que, se por um lado condiciona os parmetros de aquisio, por outro reduz
os custos econmicos e ambientais do processo ao dispensar novos trabalhos no campo. Este princpio de
reutilizao de dados ao longo do tempo, do espao, e para vrias finalidades, tem sido seguido pelos autores
e empresas com eles envolvidas com ganhos importantes na reduo da pegada ambiental da inspeco e
melhoria da eficincia econmica e na profundidade do conhecimento do estado das infraestruturas [1].
6.1 Concluses
Atravs da introduo da tecnologia LiDAR foi possivel obter em 2008, de forma precisa, a caracterizao
da zona arborizada, com base no crescimento das espcies no corredor das linhas. Na Fig. 4 mostra-se a
comparao com os resultados obtidos em 2006 (com processos tradicionais).

Fig. 4. Comparao entre caracterizao da faixa efectuada para o ITOMS 2006 e 2008, tendo em conta os
indices de urbanizao e de crescimento da vegetao
No que respeita ao benchmarking ITOMS, com a introduo desta nova tecnologia, a REN passou a usufruir
de informao com uma maior exactido e rigor do que possua anteriormente, autenticando assim o
processo comparativo em que assenta o benchmarking.
Por outro lado, este mtodo permite REN optimizar os seus processos de polticas de inspeces, dando
assim um passo em frente na busca por medidas que visem a reduo do impacto da vegetao nas linhas de
transporte de energa elctrica, nomeadamente na adopo de prticas de corte selectivo da vegetao, sendo
alvo de interveno apenas as rvores e os ramos que se encontrem na zona de proximidade crtica da linha.
Desta forma so obtidos resultados mais eficazes (maior fiabilidade) e mais eficientes (menor custo).
6.2 Pistas de investigao
Uma das maiores incertezas na caracterizao do coberto vegetal reside na classificao entre crescimento
lento, mdio e rpido. Os mtodos utilizados em 2008/09 baseiam-se primordialmente na identificao da
espcie, ignorando a possibilidade de uma mesma espcie apresentar diferentes ritmos de crescimento em
diferentes ambientes. Como a recolha de dados sensoriais feita a intervalos regulares, dever ser possvel
aferir o crescimento real das populaes de cada espcie em cada local e a sua variao em funo do clima
anual, o que produzir resultados mais fiveis e interessantes at para estudos de silvicultura.
A descrio ambiental das faixas de servido criada para o ITOMS, combinada com outros elementos de
manuteno da vegetao e de explorao da rede permitir criar modelos de risco para optimizao da
explorao da RNT. Estas ferramentas, que podem usar-se apenas com as variveis de vegetao ou
combinar descritores do estado elctrico dos activos sero posteriormente usadas para dirigir os recursos
de manuteno de forma ptima, para calcular os pontos da rede que constrangem a capacidade de
transmisso de energia e para calcular os graus de robustez da linha [9].
Neste modelo, so consideradas cinco principais causas ambientais (em sentido lato) como factores de risco:
1. o controlo da vegetao e do estado da faixa em geral;
2. as aves que pousam e nidificam nos apoios;
3. a poluio que se deposita nos equipamentos (com destaque para os isoladores);
4. as descargas atmosfricas (trovoadas, dadas por ndice cerunico);
5. os incndios florestais
A informao referente a (1), com vegetao dominante e ritmo de crescimento, para cada vo, vir dos
dados ITOMS, juntamente com registos histricos. Para (2), procuramos caracterizar a populao de
cegonhas nas linhas, atravs da identificao automtica de ninhos nos apoios, por processamento duma
sequncia de vdeo, proveniente duma inspeco area regular. Aqui h que continuar a investigao nos
trabalhos preliminares j efectuados, para obteno de resultados suficientemente fiveis e eficientes. Para os
pontos 3, 4, e 5, haver muitas possibilidades de investigao, mas comearemos apenas por introduzir dados
disponveis.
Ainda para o controlo da vegetao, h tambm mais trablho e investigao a fazer para refinar a
identificao de espcies, e a automatizao do clculo dos ndices. A modelao do risco de explorao de
rede ser mais desenvolvida, bem como a determinao do efeito das cegonhas, o que permitir por sua vez
desenvolver ferramentas de optimizao a vrios nveis para a explorao da rede de transporte de energia
elctrica.
7

REFERNCIAS

[1] J. Gomes-Mota, A. Vale, A. Matos-Andr, M. I. Ribeiro, Taking Accurate Measurements of High

Voltage Installations with Laser Range Scanners and GPS, CE B2 CIGR, Paris, Agosto 2006.
[2] J. Gomes-Mota, Integrated, Flexible and Real Time Inspection of Overhead Lines, Power Industry
International, Vol. 2 Nmero 1, pp. 67-69, ISSN: 1754-6141, Touch Briefings Ltd. 2010.
[3] ITOMS, http://www.umsgroup.com/ums_static/itoms.asp, ltimo acesso: Out.2010.
[4] Regulamento de Segurana de Linhas Elctricas de Alta Tenso, Lei 1/1992, 18.Jan.
[5] J. Gomes-Mota, Miguel Ramos, A. Matos-Andr, Geographical Information Tools for Overhead Lines
Preventive Maintenance, CE B2 CIGR, Paris, Agosto 2008.
8

[6] Duda, R. O. and P. E. Hart, "Use of the Hough Transformation to Detect Lines and Curves in Pictures,"
Comm. ACM, Vol. 15, pp. 1115, Jan. 1972
[7] David Hughes, Control Based Risk Management (CBRM) - Enabling Asset Condition Information to
be central to Corporate Decision Making, CIRED2005, Turim, Jun. 2005.
[8] Graham Earp, Condition Based Risk Assessment of Electricity Towers using High Resolution Images
from a Helicopter, CIRED2005- 18th International Conf. on Electricity Distribution, Turim, Jun. 2005.
[9] F. Azevedo, J. Gomes-Mota, A Time and Space Framework for Overhead Grid Maintenance
Optimisation, Modern Energy Review, Vol. 2 Nmero 1, pp. 95-99, ISSN 2041-9570, 2010.