Precisamos manter um equilíbrio exato entre a quantidade de energia que entra na rede e a quantidade que sai a cada instante. Mas, do lado da demanda, temos alguma incerteza. As empresas de energia não pedem aos clientes que registrem previamente a quantidade de energia que vão usar, então é preciso fazer algumas estimativas e previsões.

Em relação à oferta, geralmente há alguma variação nos custos e na disponibilidade de combustível, à qual os gestores da rede precisam estar atentos. Isso se tornou um problema ainda maior devido à integração de energia proveniente de fontes renováveis variáveis no tempo, como a solar e a eólica, onde a incerteza climática pode ter um grande impacto na quantidade de energia disponível. Além disso, dependendo do fluxo de energia na rede, há perdas por dissipação de calor nas linhas de transmissão. Então, como operador da rede, como garantir que tudo isso funcione o tempo todo? É aí que entra a otimização.

Uma das maneiras pelas quais a IA pode ser útil é usar uma combinação de dados históricos e em tempo real para fazer previsões mais precisas sobre quanta energia renovável estará disponível em determinado momento. Isso poderia levar a uma rede elétrica mais limpa, permitindo-nos gerenciar e utilizar melhor esses recursos.

A IA também pode ajudar a resolver os complexos problemas de otimização que os operadores de redes elétricas precisam solucionar para equilibrar a oferta e a demanda de forma a reduzir custos. Esses problemas de otimização são usados para determinar quais geradores devem produzir energia, quanta energia devem produzir e quando devem produzi-la, bem como quando as baterias devem ser carregadas e descarregadas e se podemos aproveitar a flexibilidade nas cargas de energia. Esses problemas de otimização são tão computacionalmente dispendiosos que os operadores usam aproximações para resolvê-los em um tempo viável. Mas essas aproximações geralmente estão erradas e, quando integramos mais energia renovável à rede, elas se tornam ainda mais imprecisas. A IA pode ajudar fornecendo aproximações mais precisas de forma mais rápida, que podem ser implementadas em tempo real para auxiliar os operadores da rede a gerenciá-la de forma responsiva e proativa.

A IA também pode ser útil no planejamento das redes elétricas de próxima geração. O planejamento de redes elétricas exige o uso de enormes modelos de simulação, portanto, a IA pode desempenhar um papel importante na execução mais eficiente desses modelos. A tecnologia também pode auxiliar na manutenção preditiva, detectando onde é provável que ocorram comportamentos anômalos na rede, reduzindo as ineficiências decorrentes de interrupções. De forma mais ampla, a IA também pode ser aplicada para acelerar a experimentação com o objetivo de criar baterias melhores, o que permitiria a integração de mais energia proveniente de fontes renováveis ??à rede.

Um ponto importante a lembrar é que IA se refere a um conjunto heterogêneo de tecnologias. Existem diferentes tipos e tamanhos de modelos utilizados, bem como diferentes maneiras de utilizá-los. Se você estiver usando um modelo treinado com uma quantidade menor de dados e um número reduzido de parâmetros, ele consumirá muito menos energia do que um modelo grande e de propósito geral.

No contexto do setor energético, existem muitos casos em que, ao utilizar esses modelos de IA específicos para as aplicações a que se destinam, a relação custo-benefício se mostra vantajosa. Nesses casos, as aplicações proporcionam benefícios do ponto de vista da sustentabilidade, como a incorporação de mais energias renováveis na rede elétrica e o apoio a estratégias de descarbonização.

De modo geral, é importante refletir se os tipos de investimento que estamos fazendo em IA realmente correspondem aos benefícios que desejamos obter dela. Em um nível social, acredito que a resposta para essa pergunta, neste momento, seja "não". Há muito desenvolvimento e expansão de um subconjunto específico de tecnologias de IA, e essas não são as tecnologias que trarão os maiores benefícios para aplicações em energia e clima. Não estou dizendo que essas tecnologias sejam inúteis, mas elas consomem muitos recursos e, ao mesmo tempo, não são responsáveis pela maior parte dos benefícios que poderiam ser sentidos no setor de energia.

Estou entusiasmado em desenvolver algoritmos de IA que respeitem as limitações físicas da rede elétrica, para que possamos implementá-los de forma confiável. Este é um problema complexo. Se um modelo de lógica de longo prazo (LLM) apresentar uma informação ligeiramente incorreta, nós, humanos, geralmente conseguimos corrigir isso mentalmente. Mas se cometermos um erro da mesma magnitude ao otimizar uma rede elétrica, isso pode causar um apagão em larga escala. Precisamos construir modelos de forma diferente, e isso também nos oferece a oportunidade de aproveitar nosso conhecimento sobre o funcionamento físico da rede elétrica.

De forma mais ampla, acredito ser fundamental que nós, da comunidade técnica, concentremos nossos esforços em promover um sistema mais democratizado de desenvolvimento e implementação de IA, e que isso seja feito de uma maneira alinhada às necessidades das aplicações práticas.