Análise de Dados e Energia Solar – uma parceria de sucesso

PRODUÇÃO ENERGÉTICA NO MUNDO

Cerca de 80% da energia mundial é proveniente de petróleo, carvão mineral e gás natural. Não é segredo que todas elas são fontes energéticas não-renováveis, nem os impactos ambientais e das mudanças climáticos que elas provocam. Dessa forma, encontrar outras fontes de energia é mais do que necessário, é urgente.

O BRASIL E SUAS POSSIBILIDADES

O cenário brasileiro é único. Aqui a porcentagem de produção se inverte: segundo a Agência Nacional de Energia Elétrica (ANEEL), cerca de 80% da eletricidade produzida no país provém de fontes renováveis, predominantemente de hidrelétricas.

Infelizmente, a energia fotovoltaica ainda possui uma contribuição muito pequena: apenas 0.02% do total, mas o aumento da participação pode ampliar a matriz e trará muitos benefícios ao país, incluindo a segurança energética do Brasil.

O contexto brasileiro, com pequena participação no total e o grande potencial produtivo brasileiro, apresenta um clima favorável à energia solar. Outros fatores como o fácil ajuste ao sistema de eletricidade já existente, além da comparação entre os custos e o espaço físico necessário para a construção de hidrelétricas ou fazendas eólicas reforça as vantagens da energia solar.

MAS ONDE ENTRAM OS DADOS NESSA HISTÓRIA?

Com análise de dados é possível identificar possíveis locais com viabilidade técnica e financeira para suportar a instalação de um sistema fotovoltaico. Quer ver?

Considerando uma construção qualquer, primeiramente é preciso verificar o potencial de geração solar de seu telhado, uma capacidade que varia de acordo com a forma que o telhado foi construído e principalmente com a sua localidade.

O segundo passo dessa avaliação é verificar se a quantidade máxima de energia produzida pelo sistema ideal ali instalado é capaz de atender o consumo da residência ou negócio. Outro ponto importante é cálculo do potencial, que inclui um cruzamento com bases de consumo de energia, possibilitando também avaliar economia ao longo dos anos e o retorno financeiro do investimento.

Por fim, o último passo é verificar a viabilidade financeira e de crédito para um potencial empréstimo, de forma que a instalação possa ser feita com linhas de financiamento específicas.

Assim, o desafio analítico e tecnológico consiste em obter com precisão toda essa análise para qualquer construção dentro do Brasil em questão de segundos.

NOSSO DATASET – O CAMINHO PARA A SOLUÇÃO

Os resultados abaixo referem-se à análise feita para toda a cidade de Barueri, na região da Grande São Paulo. Para calcular o potencial fotovoltaico de todas as construções de uma só vez, necessitamos de acesso a cada telhado e a diversos dados do mesmo – no mínimo: área e orientação solar.
Atualmente, imagens de satélite disponíveis gratuitamente online permitem acesso a qualquer lugar do planeta, formando um bom ponto de início para o projeto. Utilizamos assim uma das APIs do Google Maps (Static Maps) para baixar imagens de satélite que cobrissem inteiramente a cidade de Barueri. Calculamos valores de latitude, longitude, tamanho da imagem e zoom ideais de forma a dividir a cidade em 9888 regiões, levando em conta a conversão não-trivial (devido à esfericidade da Terra) entre coordenadas geográficas e coordenadas em pixels nas imagens.

IDENTIFICAÇÃO DE TELHADOS

SEGMENTAÇÃO POR REDES NEURAIS

Depois da coleta do dataset, o próximo passo foi desenvolver um algoritmo para encontrar os telhados automaticamente. Após uma análise da literatura, decidimos utilizar uma rede neural para segmentação semântica, em que o modelo tenta prever se cada pixel da imagem pertence ou não a um telhado. A arquitetura da rede neural que implementamos, chamada U-Net ,é muito utilizada em segmentação de imagens médicas, por exemplo, para encontrar o núcleo de uma célula. A entrada da rede é uma imagem de satélite e a saída é outra imagem do mesmo tamanho, que chamamos de máscara, em que cada pixel contém a probabilidade de sua coordenada pertencer a um telhado.

Para treinar essa rede neural, é necessário um dataset de imagens com marcações de telhados feitas por humanos. A ideia é que a rede aprenda com esses exemplos e seja capaz de segmentar imagens novas. Encontramos um dataset chamado SpaceNet que contém marcações de telhados de algumas cidades do mundo, entre elas do Rio de Janeiro. Utilizando as imagens e marcações do Rio como conjunto de treino, nossa rede foi capaz de segmentar os telhados das imagens extraídas de Barueri.
A máscara que sai da rede neural ainda não é o que buscamos, pois cada pixel contém uma probabilidade. Para convertê-la em polígonos com contornos definidos, é necessária uma etapa de pós-processamento.

DEFINIÇÃO DOS POLÍGONOS

Após obter as máscaras, nós realizamos um pós processamento para melhorar os contornos obtidos, utilizamos uma estratégia de region-growing por meio do algoritmo watershed.
Em linhas gerais, o algoritmo recebe imagens em tons de cinza ou gradientes e as trata como superfícies topográficas, gradativamente “inundando” as regiões mais baixas até que toda a imagem seja preenchida. Assim se infere “divisores de águas” e cada bacia formada acaba se tornando um segmento.

Expandindo as máscaras e extraindo o centroide de cada polígono, pudemos extrair sementes para o algoritmo re-segmentar a imagem e refinar a extração dos telhados.

MÉTRICAS DE EFICIÊNCIA

Para analisar a eficiência da nossa segmentação e estimar a melhora trazida pelo watershed, nos utilizamos da métrica Jaccard. Esse índice, também conhecido como intersecção sobre a união, é uma medida da similaridade e diversidade entre dois conjuntos. Ao compararmos a marcação de telhados inferidos pelo nosso algoritmo com telhados marcados manualmente, nós podemos determinar o coeficiente de similaridade de Jaccard das nossas análises.

FATORES IDEAIS PARA O CÁLCULO

Uma vez inferidas localidade, área e orientação de cada um dos telhados, já é possível fazer uma estimativa otimista de seus potenciais fotovoltaicos. Para realizar o cálculo, essas são as três características mais relevantes: a localidade está diretamente relacionada ao nível de irradiação solar que aquele local recebe; a orientação define por quanto tempo de luz solar o telhado estará exposto durante o dia (idealmente os telhados estariam orientados para o Norte se localizada no hemisfério Sul e vice-versa), assim como a inclinação do telhado (que deve ser praticamente a inclinação da latitude do local). Além desses, fatores ambientais como a temperatura ambiente podem diminuir a eficiência das placas fotovoltaicas, de forma que quanto mais se afaste dos 25ºC ideais, tanto para frio como para calor, menor é a geração de energia.

FERRAMENTA DE MERCADO

Existem atualmente diversos softwares e plataformas que se dispõem a calcular o potencial fotovoltaico de telhados em diversos níveis de precisão. Em particular, nesse projeto, fizemos uso de uma ferramenta de mercado que utiliza dados de irradiação solar da base da colaboração mundial Solar and Wind Energy Resource Assessment (SWERA), que leva em conta os dados disponíveis e retorna a média de irradiação por mês, além da energia gerada em KWh e a economia esperada em energia elétrica. Como facilidade, além de sua interface online, disponibiliza também uma API, tornando fácil automatizar os cálculos e incluir no projeto Sunny.

COMO A NOSSA API FOI CONSTRUÍDA E DISPONIBILIZADA

Uma vez que a base de polígonos está salva, para que o front-end do projeto consiga acesso a todos os telhados dentro de um slice de Barueri (definido pelo usuário segundo preferências de zoom e visualização), trabalhamos na construção de uma API que recebe como dados de entrada dois pontos em coordenadas geográficas, definindo um retângulo, e retorna os polígonos referentes a telhados que estão naquela região.
Para construir a API utilizamos a linguagem Python e o framework Flask, de forma que a aplicação do Sunny possa requisitar os polígonos através de chamadas HTTP a um endereço disponibilizado para tanto. Ao receber as requisições, o serviço web acessa a base de dados disponível e retorna as informações no formato JSON, onde cada objeto é um polígono constituído por uma série de pontos em latitude e longitude que definem seu contorno.

CONCLUSÃO

Uma forma de aprimorar as estimativas de potencial fotovoltaico de cada telhado é considerar elementos que podem causar sombreamento, como outras residências, prédios e árvores. Estes são fatores que devem ser considerados nas novas versões do Sunny, assim como a extração da inclinação de cada uma das anáguas dos telhados. Há oportunidades de melhoria também na parte de segmentação de telhados, tanto no aprimoramento da rede neural utilizada quanto no pós-processamento dos dados. Em escala, pequenas melhorias podem gerar grande impacto na usabilidade do produto, além de serem ótimas oportunidades de se aprofundar em temas de Data Science e processamento digital de imagens.
Todas as informações aqui mostradas (com diversos níveis de precisão) podem ser facilmente relacionadas a bases de consumo de energia dos estabelecimentos e residências e de risco de crédito de seus proprietários, disponíveis na Serasa Experian, de forma a gerar leads para a instalação de sistemas de captura de energia solar.