Identificação da relação de conexão transformador-consumidor e detecção de perdas utilizando medição inteligente: estudo de caso na Celesc Distribuição

Abstract

A Infraestrutura de Medição Avançada (AMI) é a base de uma rede de distribuição de energia elétrica mais moderna e eficiente, possibilitando através de uma estrutura de softwares e hardwares o acesso a dados de consumo e de qualidade de energia em tempo real. A disponibilidade dessas informações, vindas de medidores inteligentes, amplia significativamente o potencial de monitoramento, planejamento e operação do sistema elétrico, além de permitir novas aplicações voltadas à eficiência energética e à redução de perdas. Entretanto, para que todo o potencial da AMI seja plenamente explorado, é essencial que os dados cadastrais e a topologia da rede de distribuição estejam corretamente identificados. Inconsistências nessas informações podem comprometer análises técnicas, estudos de fluxo de potência e até a detecção de perdas comerciais, reduzindo a confiabilidade dos resultados obtidos a partir dos medidores inteligentes. Nesse contexto, este trabalho propõe e aplica uma metodologia para identificação da relação de conexão transformador-consumidor em redes de baixa tensão, utilizando dados de tensão registrados por medidores inteligentes em quatro circuitos secundários distintos da Celesc Distribuição. A metodologia envolve etapas de pré-processamento das medições através do algoritmo de Análise dos Componentes Principais (PCA) e do cálculo da correlação entre sinais, tendo seus resultados comparados com inspeções de campo para validação da abordagem. Com a topologia validada, foi desenvolvido um balanço energético para a obtenção das perdas totais. Em seguida, realizou-se a modelagem elétrica dos circuitos no software OpenDSS para o cálculo das perdas técnicas utilizando dados de medições reais, com o objetivo de obter as perdas comerciais. Os resultados demonstraram que a utilização dos dados de medição inteligente permite aprimorar significativamente o banco de dados da distribuidora, além de evidenciar o potencial da integração entre medição inteligente e simulação elétrica para a detecção de perdas não técnicas. Dessa forma, o estudo contribui para o avanço das aplicações práticas de AMI no setor elétrico, reforçando seu papel como instrumento de melhoria da qualidade cadastral, eficiência operacional e combate a perdas nas redes de distribuição.

The Advanced Metering Infrastructure (AMI) forms the foundation of a more modern and efficient electric power distribution network, enabling real-time access to consumption and power quality data through an integrated structure of software and hardware. The availability of this information, obtained from smart meters, significantly enhances the potential for monitoring, planning, and operating electrical systems, while also enabling new applications aimed at improving energy efficiency and reducing losses. However, to fully exploit the potential of AMI, it is essential that the distribution network topology and customer connection data are correctly identified. Inconsistencies in these records can compromise technical analyses, power flow studies, and even the detection of non-technical losses, thereby reducing the reliability of results obtained from smart meter data. In this context, this study proposes and applies a methodology for identifying transformer-user connection relationships in low-voltage networks using voltage measurements recorded by smart meters in four distinct secondary circuits of Celesc Distribuição. The methodology includes preprocessing of measurements using the Principal Component Analysis (PCA) algorithm and the calculation of signal correlation, with the results compared to field inspections to validate the proposed approach. Once the topology was validated, an energy balance was developed to determine the total losses. Subsequently, electrical modeling of the circuits was carried out in the OpenDSS software to calculate technical losses based on real measurement data, allowing for the estimation of commercial losses. The results demonstrated that the use of smart metering data can significantly improve the utility’s database accuracy and highlight the potential of integrating smart metering and electrical simulation for non-technical loss detection. Thus, this study contributes to advancing the practical applications of AMI in the electric power sector, reinforcing its role as a tool for improving data quality, operational efficiency, and loss mitigation in distribution networks.