Os sistemas de predição, com a inteligência artificial, da produção de energias renováveis são constantemente aperfeiçoados, facilitando sua integração na rede elétrica global.

No dia 26 de fevereiro de 2019, o Google anunciava uma nova façanha realizada pelo DeepMind, seu programa de inteligência artificial (IA). Não se trata de mais uma vitória frente a um campeão de xadrez ou de Go, mas de uma aplicação bem mais prosaica: a predição da produção de um parque eólico. O parque em questão, com capacidade de 700 megawatts, está localizado no centro dos Estados Unidos onde estão baseados os data centers do Google.

Utilizando os dados históricos das turbinas e uma rede de neurônios artificiais configurados para as previsões do tempo, o DeepMind pôde prever a produção de energia eólica com 36 horas de antecedência. Com base nessas previsões, o parque otimizou seus compromissos de entrega fornecendo uma quantidade precisa de energia elétrica em uma hora marcada.

Graças a este sistema de machine learning, a filial do Google aumentou o valor da sua energia eólica de aproximadamente 20% em relação ao cenário de base, que não previa nenhum compromisso de entrega para a rede em data marcada.

O desafio da valorização

Se o evento merece ser destacado é porque “por conta do caráter intermitente das energias renováveis, é fundamental poder prever a produção dos megawatts-horas para valorizá-los”, explica Antoine de Broves, Technical & Innovation manager da Omexom, a marca dedicada à transição energética da VINCI Energies.

Por conta do caráter intermitente das energias renováveis, é fundamental poder prever a produção dos megawatts-horas para valorizá-los

No mercado da energia elétrica, os blocos de energia são negociados para uma escala de tempo de um ano, um trimestre, uma semana ou de um dia para o outro, ou até para o mesmo dia (mercado “intraday”). Neste contexto, geralmente, quanto mais cedo for negociada uma entrega, mais alta será sua valorização.

“A potência dos sistemas informáticos e sua capacidade de análise são primordiais para as energias eólica, fotovoltaica ou hidráulica a fio d’água, todas dependentes das condições meteorológicas”, acrescenta o gerente.

O desafio é ainda maior quando se sabe que uma venda de megawatt-hora não honrada está sujeita a sanções: na França, por exemplo, a Comissão de Regulação da Energia (CRE) aplica penalidades financeiras por intermédio da RTE, a administradora da rede pública de transmissão de energia elétrica, encarregada de zelar pelo equilíbrio entre fluxos de entrada e de saída.

Modelos informáticos cada vez mais sofisticados

O exemplo do DeepMind mostra que os modelos que permitem transformar previsões meteorológicas em previsões de produção continuam a se aperfeiçoar graças à capacidade de aprendizagem da IA.

Estes sistemas de previsão das variações de produção a curto prazo se baseiam no processamento de dados de imagens de satélites, que analisam nuvens, depressões, massas de ar, etc. Também são alimentados por outras fontes, como estações avançadas equipadas com anemômetros que detectam antecipadamente as variações de vento, ou com câmeras Fish Eye que analisam o movimento das nuvens para antecipar um eventual blecaute, recorrendo a fontes complementares de produção.

Mas a Omexom vai mais longe: “A este conjunto de previsões que integramos nas instalações gerenciadas para nossos clientes, com o apoio de fornecedores de serviços especializados, acrescentamos mais um serviço: o armazenamento de energia, que permitirá suprir a produção que falta ou conservar o eventual excedente”, indica Antoine de Broves, que cita os exemplos de um parque fotovoltaico na Martinica e de uma estufa agrícola fotovoltaica na Córsega.

Em suma, a inteligência artificial permite tornar as energias renováveis mais previsíveis, logo, mais valorizáveis. Mas os benefícios da predição otimizada pela IA não são somente financeiros para os produtores de energia. Ao suprimir parte do caráter aleatório das energias renováveis, ela reforça a segurança de abastecimento de todo o sistema elétrico e confirma a viabilidade dessas novas fontes de energia, facilitando de fato sua integração no mix energético.

16/01/2020