Visualização Eficiente de Dados Os sistemas de energia elétrica são dotados de uma grande variedade de ferramentas computacionais que utilizam sofisticados algoritmos para gerar números que contém informações importantes para o controle, operação e projeto, em um processo genericamente conhecido como análise de sistemas de energia. Estas ferramentas são aplicadas de três formas: Controle, onde os resultados são automaticamente aplicados à operação em tempo real do sistema energético. Operação, onde os operadores humanos olham os resultados e tomam decisões baseados na sua interpretação, geralmente sob pressão de tempo. É aqui que se enquadra o objeto de nosso estudo, o pré-despacho de energia elétrica. Projeto, onde engenheiros humanos olham os resultados e tomam decisões de projeto ou geram idéias de projeto baseados em sua interpretação. Um aspecto interessante destas ferramentas é que, para que sejam úteis, seus resultados precisam ser comunicados às pessoas. No caso da operação e do projeto, as pessoas utilizam os resultados diretamente. Isso quer dizer que uma ferramenta computacional, não importa o quão precisa, rápida, robusta ou compacta que seja, não será útil a não ser que as pessoas possam compreender seus resultados. Isso talvez seja um argumento óbvio, mas é freqüentemente subestimado no projeto das ferramentas computacionais e especialmente em sua implementação. Os dados produzidos pelas ferramentas computacionais de sistemas de energia contêm diversos impedimentos para a compreensão humana. Os dados não consistem de abstrações de alto nível, do tipo que as pessoas utilizam no processo mental de solução de problemas e de tomada de decisões. Ao contrário, os dados consistem quase que exclusivamente de números. Sua organização, isto é, a relação de um valor para outro, é como em uma rede. E, finalmente, estes dados existem em enorme quantidade. Estes três atributos contribuem juntos para tornar a comunicação de resultados a conexão mais fraca no processo de análise de um sistema de energia elétrica. Processo Mental Atual de Análise de Sistemas de Energia Elétrica Utilizar estes tipos de informações requer que as pessoas executem um processo complexo e que consome muito tempo (figura acima). Elas olham para a saída numérica da ferramenta analítica de simulação e utilizam suas habilidades de reconhecimento de padrão visual para ler os números e suas identificações. À medida em que lêem mais e mais números, elas devem reconhecer os itens que constituem os dados essenciais ao pré-despacho e construir internamente um modelo mental do sistema elétrico para organizar as informações. Simultaneamente à construção deste modelo, os engenheiros e operadores devem correlacionar este modelo mental do sistema com os dados geo-espaciais e temporais. E à medida que este modelo se torna mais completo, eles analisam o modelo, identificando os possíveis pontos problemáticos, para extrair, com base em experiência e intuição, a informação de alto nível que precisam para tomar decisões, ou seja, uma nova configuração de despacho elétrico. Esta informação de alto nível é geralmente verbalizada na forma de um padrão de alguma forma, como por exemplo, "sobrecarga de potência ativa na porção sudeste do sistema", ou "geração abaixo do nível esperado no sul", combinado com um subconjunto de valores individuais de importância. Todo este processo pode ocorrer várias vezes, uma vez que a determinação da configuração de pré-despacho de um sistema elétrico é um processo cíclico, e também para diferentes instantes de tempo, uma vez que os dados variam temporalmente. Se a quantidade de dados é pequena, compreendê-los é relativamente fácil. Resultados para um sistema de transmissão de energia elétrica com nove barramentos apresentados na forma numérica são fáceis de se compreender. Mas à medida que a quantidade de dados aumenta, obter um insight a partir destes dados e sua organização se torna muito lento e difícil, fazendo com que o uso de ferramentas computacionais também acompanhe esta lentidão e dificuldade. Compondo a dificuldade de compreensão também está a dificuldade de se observar a totalidade dos dados de uma só vez. O problema da compreensão de dados esteve presente desde o começo da análise de sistemas energéticos, mas se tornou crescentemente significante com o aumento da capacidade dos computadores. Quando a computação era cara, aproximações eram feitas para reduzir o tamanho da tarefa computacional. Isso tinha o efeito colateral de se reduzir o volume dos resultados, tornando-os de mais fácil compreensão. À medida que os computadores foram se tornando mais rápidos e baratos, a tendência tem sido em direção a modelos mais exatos e portanto maiores e mais elaborados, e a análises mais completas. O resultado é uma maior quantidade de números, que requer um esforço maior para a compreensão. O problema da sobrecarga de dados tem sido reconhecido há vários anos, e várias técnicas foram utilizadas ou propostas para lidar com ele. Entre elas podem ser citados os logs de fluxos de energia nas linhas de transmissão, que são formatados e organizados das mais diversas formas, na tentativa de comunicar o máximo de organização dos dados possível. Outra técnica para identificar valores importantes e chamar a atenção dos operadores é na forma de alarmes. Um método recente para lidar com a sobrecarga de dados é o uso de sistemas computacionais especialistas para desenvolver interpretações de alto nível e selecionar os valores importantes. Estes sistemas, no entanto, necessariamente ocultam muitos detalhes dos resultados numéricos. Cada um destes métodos é, geralmente, uma sofisticação sobre a forma explícita de apresentação de dados numéricos, que mesmo trabalhando juntas, não são soluções satisfatórias. As informações ainda se apresentam muito volumosas, e também não são a informação de alto nível desejada. Até mesmo quando informações de alto nível são geradas, os usuários geralmente querem ver dados detalhados de certas partes do sistema para confirmar suas conclusões. (continua...)

Próxima >>