A Cemig, em parceria com os Institutos Senai de Inovação em Energias Renováveis e de Sistemas Embarcados, desenvolveu uma ferramenta que utiliza inteligência artificial (IA) e modelagem matemática para mapear e prever riscos de erosão do solo próximos a torres de transmissão de energia. O projeto, regulado pela Aneel no âmbito de Pesquisa, Desenvolvimento e Inovação (PDI), busca aprimorar a gestão de ativos e reduzir custos de manutenção preventiva.

A tecnologia integra a Equação Universal de Perdas do Solo (USLE) com técnicas de visão computacional baseadas em redes neurais convolucionais (Mask R-CNN), aplicadas sobre imagens de satélite de alta resolução. A combinação permite detectar erosões já existentes e identificar áreas mais suscetíveis, contribuindo para a tomada de decisões sobre obras e investimentos em infraestrutura elétrica.

Em Minas Gerais, a Cemig opera cerca de 5 mil km de linhas de transmissão, essenciais para o Sistema Interligado Nacional (SIN). Essas estruturas estão sujeitas à erosão e outros impactos ambientais que comprometem a estabilidade das torres e o fornecimento de energia.

O modelo USLE foi usado para gerar mapas de suscetibilidade à erosão em todo o estado, considerando relevo, topografia, precipitação, uso e cobertura do solo. Já o algoritmo Mask R-CNN foi treinado com imagens de satélite PlanetScope para reconhecer automaticamente áreas afetadas. Segundo a Cemig, o cruzamento desses dados aumentou a precisão do monitoramento e a capacidade de resposta preventiva.

De acordo com o engenheiro de transmissão, Carlos do Nascimento, antecipar riscos é essencial para evitar falhas e interrupções no fornecimento. Intervenções preventivas custam até 70% menos do que reparos emergenciais após rompimentos de estruturas.

O estudo produziu um mapa de risco com resolução de 30 metros, indicando que 27,4% do território mineiro apresenta risco leve e 9,2% risco alto de erosão, enquanto 2,24% foram classificadas como áreas de risco muito alto. As informações orientam ações de mitigação e manutenção em regiões estratégicas.

A iniciativa demonstra a aplicação de IA na manutenção preditiva de linhas de transmissão e reforça o potencial de uso da tecnologia na infraestrutura crítica do setor elétrico brasileiro.