BUSCADOR
HOME > PROYECTOS DE INVESTIGACIÓN > SPVloT (Control forestal de fuegos)

SPVloT (Control forestal de fuegos)

SPVloT

Seguimiento inteligente y predicción del crecimiento de la vegetación alrededor de torres eléctricas mediante tecnologías láser avanzadas e Inteligencia artificial con energía de la nube

Fuente de financiación:
Generalitat de Catalunya
Entidad financiadora:
Tipología del proyecto:
Proyecto Individual
Periodo:
13/07/2020 a 13/04/2021
Financiación:
20.000 €
Estado del proyecto:
FINALIZADO

Convocatòria dels ajuts d’Indústria del Coneixement per a l’any 2019 (Llavor i Producte),  susceptibles der ser cofinançats pel Fons Europeu de Desenvolupament Regional (FEDER). Modalitat A. Ajuts Llavor per a projectes innovadors amb potencial d’incorporació al sector productiu.

 

 

La transmissió d’energia elèctrica depèn molt de l’ús de torres elèctriques per transportar l’energia des de les estacions productores fins a l’usuari final. El creixement incontrolat de la vegetació al voltant de les torres elèctriques és un risc important d’incendis o d’altres accidents elèctrics relacionats amb la natura que poden provocar interrupcions de l’energia i danys greus relacionats amb la natura amb grans costos econòmics i ambientals. Actualment, el seguiment d’aquesta vegetació s’aconsegueix mitjançant tècniques costoses com ara la visualització de satèl·lits, drons o helicòpters. Aquestes tècniques són extremadament costoses i requereixen grans quantitats de processament de dades computacionals o fins i tot anàlisi humana per determinar on es necessita retallar la vegetació. A part dels elevats costos econòmics i que requereixen molt de temps, aquestes tècniques no proporcionen dades fiables i en temps real de l’estat de la vegetació al voltant de cada torre. Com que la vegetació present al voltant d’aquestes torres no és homogènia, la velocitat de manteniment no és uniforme i els horaris de manteniment actuals són extremadament inexactes i ineficients. Per tant, és necessari controlar el creixement de la vegetació en temps real al voltant d’aquestes torres per tal d’evitar talls d’energia elèctrica, així com per desenvolupar noves eines predictives per reduir el risc d’incendi i desastres relacionats amb la natura.

 

Proposem desenvolupar i validar un sistema de control de baix rendiment, baix consum i baix consum mitjançant tecnologies de control làser que quantifiquin rutinàriament el creixement de la vegetació. A més, aquest dispositiu realitzarà anàlisi i postprocessament de dades in situ, reduint així la necessitat de costoses anàlisis computacionals externes. S’enviaran i s’emmagatzemaran petits paquets de dades que contenen informació sobre el creixement de la vegetació al voltant de cada torre en una plataforma de núvols, de manera que es pugui accedir a les dades segons sigui necessari. Com que aquests sensors recopilaran dades de forma rutinària, desenvoluparem algoritmes avançats d’aprenentatge automàtic (ML) per predir el creixement de la vegetació per tal d’optimitzar el calendari de manteniment de la vegetació i reduir els costos associats al control i prevenció d’incendis.

 

Aquest producte serà un dispositiu de vigilància i predicció de la vegetació nou i de baix cost, baix manteniment i autònom al voltant de torres elèctriques mitjançant sensors làser sense contacte. A més, la nostra tecnologia no només reduirà el cost associat actual de mesurar el creixement de la vegetació al voltant de cada torre, sinó que també evitarà que els incendis provoquin menys talls d’electricitat i talls als usuaris finals.

INVESTIGADOR PRINCIPAL

Dr. Marco A. Pérez Martínez

Responsable Grupo GAM - Profesor Titular
+34932672000
VER MÁS

COLABORADORES

NOTICIAS RELACIONADAS

Tesis Doctoral

Diagnóstico de estructuras mediante visión artificial

05/02/2024
El Dr. Ricard Lado defendió su tesis doctoral en IQS, en la que ha desarrollado modelos de visión artificial basados en la amplificación de movimiento de vídeo (VMM) mediante deep learning, para mejorar los sistemas de detección de degradación de estructuras.
LEER NOTICIA

GRUPO DE INVESTIGACIÓN RELACIONADO

GAM

Applied Mechanics and Advanced Manufacturing

School of Engineering

Applied Mechanics and Advanced Manufacturing

Su actividad se centra en el desarrollo de investigación científico-técnica orientada a la resolución de problemas relacionados con la fabricación avanzada, el desarrollo, caracterización y uso eficiente de materiales de grado ingenieril, y la optimización del comportamiento estructural.