As chuvas intensas e estiagens, as ondas de calor, os raios e queimadas podem interferir nageração de energia ou impactar drasticamente as redes de transmissão e distribuição de energia elétrica. Nos últimos meses, os eventos climáticos extremos vêm impactando a vida de milhares de pessoas. Em novembro de 2023, 3,7 milhões de pessoas ficaram sem luz após uma forte tempestade que atingiu o estado de São Paulo. Cerca de 2 milhões permaneceram sem energia elétrica mesmo 24 horas após o temporal. De acordo com levantamento da Secretaria Nacional de Proteção e Defesa Civil, só em 2022, o país teve um prejuízo de mais de R$ 68 bilhões com desastres naturais.
De acordo com a ISA CTEEP, de janeiro a dezembro de 2020, foram registradas mais de 130 ocorrências com queimadas nas proximidades das linhas da empresa, com cidades do interior deSão Paulo sendo as mais impactadas. Em Minas Gerais, a Cemig registrou 110 ocorrências no sistema elétrico provocadas por queimadas entre janeiro e julho de 2023. No Rio de Janeiro, também em 2023, as queimadas deixaram mais de 23 mil pessoas sem energia
Com os recordes de superaquecimento do planeta, essas situações devem se tornar ainda mais comuns. De acordo com o Serviço de Mudanças Climáticas Copernicus (C3S), agência europeia do clima, o primeiro mês de 2024 foi o janeiro mais quente já registrado na Terra. No ano passado, pela primeira vez o mundo viu um período de 12 meses com a temperatura média mais de 1,5° Celsius acima da do período pré-industrial, que é utilizado como marco do início doaquecimento global.
As ondas de calor e o clima extremo, que podem se tornar cada vez mais comuns, trazem consigo inúmeros prejuízos, especialmente em áreas críticas, como hospitais e estradas. A situação do Brasil é especialmente delicada quando se pensa que somos bastante dependentes da energiaproveniente das hidrelétricas e estamos investindo em fontes intermitentes como solar e eólica. A dependência de fontes associadas a oscilações da natureza podem tornar o sistema energéticovulnerável a variações climáticas.
Dentro deste cenário, a garantia de maior estabilidade e resiliência para os usuários fi nais,depende de uma gestão efi ciente dos recursos de geração e suas redes de transmissão edistribuição, assim como a realização de planos emergenciais, previsão meteorológica eficiente efortalecimento da infraestrutura de energia das cidades.
Pensando nisso, a Inteligência Artificial tem sido vista como uma ferramenta importante paratornar as previsões mais acuradas, realizar melhorias no sistema e possibilitar a mitigação deriscos e ação rápida em caso de desastres. Um exemplo deste tipo de aplicação está no uso detécnicas de deep learning, com as quais é possível inclusive mapear árvores que necessitam de poda, evitando os prejuízos na fiação elétrica em dias de temporal.
Os modelos de previsão de eventos extremos têm utilizado os algoritmos de machine learning,como redes neurais, para analisar em tempo real extensos conjuntos de dados, que incluem desdepadrões climáticos até informações geoespaciais e históricas. Esses sistemas de alerta utilizam técnicas avançadas para o processamento e análise de indicativos de desastres, com a incorporação de dados provenientes de diversos dispositivos: sensores, estações meteorológicase sistemas de monitoramento de rios ou reservatórios. Quando detectados os sinais de perigo iminente, os algoritmos de IA processam essas informações de forma ágil, e acionam alertas de suporte aos tomadores de decisão.
Presentes em diversas disciplinas científicas, os conceitos de nowcasting e forecastingdesempenham papéis importantes em sistemas preditivos na área de meteorologia. A distinção entre esses dois conceitos está especialmente no espaço de tempo de cada previsão e nosmétodos utilizados para sua realização.
O forecasting se concentra nas previsões de longo prazo, com a utilização de equações matemáticas que simulam a atmosfera e antecipam as mudanças nos padrões. No cálculo, são incluídos os padrões climáticos mundiais, as variações sazonais e o estado dos oceanos. Contando com o suporte da Inteligência Artifi cial, que colabora com modelos matemáticos, é possível termais assertividade na previsão de grandes tempestades. Técnicas como Physics-Informed Neural Networks (PINN) contribuem para o treinamento destes modelos mais específicos.
Já o nowcasting está relacionado à previsão do tempo para intervalos mais curtos, como algumas horas ou um dia. Eventos extremos podem ocorrer de maneira súbita, “fugindo dos radares” das previsões convencionais. Assim, as técnicas de machine learning podem entram em cena para analisar padrões atmosféricos locais. Essa abordagem permite uma resposta mais ágil afenômenos imprevisíveis, como chuvas inesperadas e em alto volume, que podem afetar o fornecimento de energia em toda a cidade.
A integração de sensores nas redes elétricas, oferecendo uma abordagem de Smart Grid, somando-se com ferramentas de forecasting e nowcasting, assim como a utilização de sistemas de georreferenciamento e imagens por satélite, podem direcionar o foco para eventos em regiões geográficas mais específicas (esse talvez possa melhorar, mas pegar a abordagem deuso de visão computacional para detecção de queimadas ou mesmo georreferenciamento paraindicar localização de ativos, mas é sugestão).
Com as técnicas avançadas de Processamento de Linguagem Natural (NLP) e dos Large Language Models (LLMs) na concepção de assistentes virtuais pode facilitar o acesso e a análisede diversas informações de forma ágil e fluida para os operadores das redes de transmissão e distribuição. Com sistemas mais automatizados, capazes de conduzir análises e correlações em tempo real ou ao longo do tempo, é possível elevar a precisão dos resultados e ter redução no tempo de tomada de decisão.
É claro que a IA não substitui a análise humana, mas pode fornecer recomendações de forma praticamente instantânea, otimizando a decisão informada em questão de segundos,potencializando a análise de um especialista e dos operadores de sistemas da rede elétrica. Comessas ferramentas mais rápidas, precisas e analíticas, o investimento passará a ser em manter a congruência entre as partes interessadas na prevenção dos prejuízos. Os pesquisadores, quebuscam previsão de alta precisão em curto espaço de tempo, empresas do setor de energia,concessionárias e governos, que estabelecem as políticas para tomada de decisão, bombeiros edefesa civil, que trabalham na ponta, teriam de ter acesso concomitante aos dados, para que, emsintonia, tomem as melhores e mais humanas decisões.
Notícia original extraída do portal Carnal Energia: https://www.canalenergia.com.br/artigos/53273327/inteligencia-artificial-pode-contribuir-para-evitar-apagoes-no-setor-de-energia