Inferência virtual de pressão em ponto crítico utilizando turbina redutora de pressão e aprendizado de máquina para garantia do abastecimento e apoio à redução de perdas

O monitoramento da pressão em pontos críticos é essencial para a universalização do abastecimento. Integrado ao controle ativo, permite operar com menores pressões excedentes e reduzir perdas reais. Contudo, essa operação esbarra em obstáculos tecnológicos: a dificuldade de acesso à rede elétrica e a dependência de dataloggers a bateria, que exigem grandes intervalos de transmissão. Este trabalho apresenta e valida uma solução inovadora: a combinação de uma turbina redutora de pressão (TRP) com um modelo de aprendizado de máquina para inferência virtual da pressão no ponto crítico. A TRP, instalada estrategicamente, mede variáveis hidráulicas continuamente, enquanto um datalogger monitora o ponto crítico. A campanha de 13/05/2026 a 05/06/2026 gerou 2.856 leituras pareadas. O modelo de regressão, treinado e operado em aprendizado contínuo, passou a estimar a pressão instantânea no ponto crítico apenas com dados da TRP, restringindo o datalogger a validações pontuais. A validação confirmou alta precisão: erro médio absoluto de 0,162 mca, raiz do erro quadrático médio de 0,252 mca e R² de 0,9942. Os resultados comprovam que a solução garante o abastecimento nos trechos vulneráveis e apoia a redução de perdas ao viabilizar operações com menores pressões excedentes.