IDENTIFICACIÓN DE ZONAS DE RIESGO ELÉCTRICO POTENCIAL EN REDES DE MEDIA TENSIÓN EN EL PERÚ EMPLEANDO ALGORITMOS DE VISIÓN POR COMPUTADORA Y APRENDIZAJE AUTOMÁTICO EN NUBES DE PUNTOS LIDAR 3D

Abstract

En el Perú existe un riesgo poco difundido en la opinión pública que constituye una amenaza grave para la seguridad pública, especialmente en zonas urbanas. Este riesgo se refiere al incumplimiento de las distancias mínimas de seguridad (DMS) cerca de las redes de media tensión de tipo aéreo, lo que representa un riesgo eléctrico potencial y permanente si no se ejecutan acciones correctivas. Estos incidentes afectan a las personas con interrupciones del servicio, accidentes causados por elementos electrificados en espacios públicos, así como incendios por cortocircuitos. Además, afectan a las empresas eléctricas con pérdidas económicas por horas no facturadas, daños a su infraestructura, compensaciones a clientes y multas. La presencia de elementos cercanos a estas redes, como edificaciones, estructuras metálicas, árboles o cables de comunicaciones, obedece a una problemática compleja en nuestro país que involucra factores económicos, sociales, fiscalización ineficiente, planificación urbana nula o negligente, informalidad, cultura limitada sobre prevención de riesgos e incluso factores políticos o judiciales irregulares. Este proyecto se enfoca en la problemática dentro del marco del proceso de supervisión de OSINERGMIN a las empresas eléctricas donde se estipulan inspecciones en campo en las que se realizan tareas manuales que podrían optimizarse empleando tecnología y ciencia de datos. Para tal fin, se propone automatizar la identificación de zonas de riesgo eléctrico potencial empleando tecnología LiDAR móvil y aplicando algoritmos de visión por computadora y aprendizaje automático, se diseñará un modelo para identificar el cableado de media tensión y los objetos más cercanos. Los resultados se pueden complementar con fotografías y geolocalización de cada escena, lo que proporcionará evidencias más precisas y confiables.

In Peru, there is a little-known risk in public opinion that poses a serious threat to public safety, particularly in urban areas. This risk refers to non-compliance with minimum safety distances (MSD) in proximity to overhead medium voltage grids, which represents a potential and enduring electrical risk if corrective actions are not implemented. These incidents affect individuals through service interruptions, accidents resulting from electrified elements in public spaces, and fires due to short circuits. Furthermore, they affect electricity companies with economic losses due to unbilled hours, damage to their infrastructure, payments for customer compensations and monetary penalties. The presence of elements close to these networks, such as buildings, metallic structures, trees or communications cables, is due to a complex problem in our country, implicating economic and social factors, inefficient supervision, negligent or no urban planning, informality, limited culture about risk prevention and even political or judicial factors. This project focuses on the problem within the framework of the OSINERGMIN supervisory process of electrical companies where on-site inspections are stipulated in which manual tasks are carried out that could be optimized using technology and data science. To this end, it is proposed to automatize the identification of potential electrical risk zones using mobile LiDAR technology and applying computer vision and machine learning algorithms, a model will be designed to identify medium voltage wiring and the closest objects. The outcomes may be complemented with photographs and geolocation of each scene, which will provide more precise and reliable evidences.