As concessionárias de energia elétrica estão fazendo um curso sobre machine learning para criar redes mais inteligentes para os desafios futuros.
A mega tempestade do inverno de 2021 no Texas deixou milhões sem energia. Falhas na rede nos últimos dois verões provocaram incêndios florestais devastadores em meio à seca recorde da Califórnia.
“Os eventos climáticos extremos de 2021 destacaram os riscos que as mudanças climáticas estão apresentando e a importância de investir em redes elétricas mais resilientes”, informa um relatório de maio de 2021 da Agência Internacional de Energia, um grupo com membros de mais de 30 países. O relatório demonstrou a necessidade de uma rede de carbono líquido zero até 2050, alimentada por centenas mais de gigawatts em fontes renováveis.
O objetivo exige uma transformação. A rede de 100 anos de ontem, um sistema unidirecional de algumas grandes usinas para muitos usuários, precisa se transformar em uma rede bidirecional, flexível e distribuída conectada a lares e edifícios com painéis solares, baterias e veículos elétricos.
Com as mudanças futuras, especialistas dizem que a rede precisa expandir os sistemas de controle autônomos que coletam dados em cada nó e usá-los para responder em tempo real.
Um Ingrediente Essencial
“A AI desempenhará um papel crucial na manutenção da estabilidade de uma rede elétrica que está se tornando cada vez mais complexa com um grande número de fontes de geração variável de baixa capacidade, como vento e energia solar entrando em atividade e a energia bidirecional fluindo para dentro e fora das casas”, disse Jeremy Renshaw, gerente sênior de programas do Instituto de Pesquisa de Energia Elétrica (EPRI – Electric Power Research Institute), uma organização independente sem fins lucrativos americana que colabora com mais de 450 empresas em 45 países em pesquisa e desenvolvimento energético.
“A AI pode apoiar os operadores de rede já em seus limites, automatizando tarefas repetitivas ou demoradas”, disse Renshaw, que gerencia a iniciativa de AI da EPRI.
Rick Perez, diretor na Deloitte Consulting LLP há mais de 16 anos trabalhando com concessionárias de energia e análise de dados, concorda.
“A futura rede de energia será distribuída e alimentada por milhares de fontes de energia intermitentes, incluindo parques eólicos e várias tecnologias de armazenamento. Gerenciá-la requer métodos avançados de AI e computação de alto desempenho”, afirmou.
Projetos Reais, Resultados Reais
As obras já estão em andamento em usinas e subestações, em linhas de distribuição e dentro de lares e empresas.
“Algumas das maiores concessionárias de energia dos EUA estão dando os primeiros passos na criação de uma plataforma de engenharia de dados e em uma prática de computação no edge, usando matrizes de sensores e análise em tempo real”, disse Perez.
Por exemplo, uma concessionária em uma grande cidade dos EUA recentemente ganhou força com AI em GPUs NVIDIA, determinando em menos de 30 minutos as melhores rotas de caminhões durante uma tempestade. Esforços anteriores em sistemas baseados em CPU levaram até 36 horas, o que é tempo demais para serem úteis.
Para mostrar às concessionárias o que é possível, a Deloitte executa tarefas em sistemas NVIDIA DGX A100 no seu Centro de Computação de AI. Uma das tarefas combina dados do estado da rede elétrica com dados das condições climáticas locais para identificar, a tempo de enviar para uma equipe de reparo, linhas de distribuição cobertas com gelo e em perigo de falha.
“Como é um sistema aberto, poderíamos usar nossa equipe de TI existente e, com o suporte da NVIDIA, fazer um trabalho no nível da supercomputação para nossos clientes”, disse Perez.
Criando Modelos de AI, Conjuntos de Dados
Na EPRI, Renshaw relata o progresso em várias frentes.
Por exemplo, mais de 300 empresas participaram do desafio L2RPN para criar modelos de AI com aprendizagem por reforço. Alguns são capazes de controlar até cinco tarefas ao mesmo tempo para evitar uma queda de energia.
“Queremos automatizar 80% das tarefas mundanas para os operadores, para que eles possam fazer um trabalho melhor com foco nos 20% dos desafios mais complexos”, disse Renshaw.
Um relatório de 2021 sobre como a AI pode lidar com as mudanças climáticas, mencionou como um importante caso de uso o trabalho do L2RPN, que está se expandindo este ano para incluir modelos mais complexos.
Separadamente, o EPRI está selecionando 10 conjuntos de dados anônimos que as concessionárias podem usar para treinar modelos de AI para suas tarefas mais importantes. Um deles é um banco de dados que já conta com 150 mil imagens feitas por drones de equipamentos que estão envelhecendo em linhas elétricas.
A EPRI também coordena uma incubadora de startups onde as concessionárias podem colaborar com startups de AI como a Noteworthy AI, membro do programa NVIDIA Inception, para trabalhar em projetos inovadores. Para manter os dados compartilhados privados, é possível usar o NVIDIA FLARE, um software para treinar modelos de AI.
Usinas Recebem Digital Twins
Tanto a EPRI quanto a Deloitte estão ajudando a criar digital twins industriais para otimizar as operações e o treinamento em usinas. Por exemplo, uma usina em um estado do sul dos EUA está atuando como uma instalação de demonstração em um projeto da EPRI que gerou muito interesse.
Separadamente, a Deloitte planeja usar o NVIDIA Omniverse Enterprise para desenvolver um digital twin fisicamente preciso de uma usina nuclear para cenários de treinamento de trabalhadores.
“Os reguladores estão fornecendo várias concessões para a construção de digital twins de usinas para aumentar a segurança e reduzir os altos custos de desligamento dos sistemas para testes”, disse Perez.
Medidores Realmente Inteligentes Este Ano
Da mesma forma, tanto a EPRI quanto a Deloitte estão ajudando a definir a próxima geração de medidores inteligentes.
“Chamamos os sistemas atuais de medidores inteligentes, mas na realidade, eles enviam talvez um ponto de dados a cada 15 minutos, o que é muito devagar para os padrões atuais”, disse Renshaw.
Por outro lado, os chips e medidores de rede inteligente definidos por software em desenvolvimento pela Utilidata, membro do NVIDIA Inception, um programa gratuito para startups de ponta e a Anuranet usam a plataforma de AI no edge de última geração do NVIDIA Jetson para processar mais de 30.000 pontos de dados por segundo. Eles buscam insights que economizem energia e custos, ao mesmo tempo que aumentam a resiliência da rede.
“Se conseguirmos obter dados de subsegundos, isso abrirá uma série de oportunidades. Identificamos 81 casos de uso de dados da próxima geração de medidores inteligentes”, disse ele.
Com a AI usando dados de um desses novos medidores, seria possível ter previsto que seu sistema doméstico HVAC precisava de reparo antes que ele falhasse no ano passado, o que lhe custou mais de US$1.000.
Um Ponto de Inflexão
Além disso, o EPRI tem programas piloto em dois edifícios de escritórios usando AI para reduzir o desperdício de energia em até 30%. E também está iniciando uma colaboração sobre como a machine learning poderia aumentar a cibersegurança, uma preocupação crescente após o ataque de ransomware ao pipeline de energia do ano passado.
A lista de tarefas continua crescendo. A boa notícia, disse Perez, é que um financiamento significativo está a caminho para criar uma rede mais inteligente, mais limpa e mais segura com iniciativas do mundo todo, incluindo o Infrastructure Investment and Jobs Act dos EUA (Ato Por Infraestrutura, Investimento e Empregos).
“Estamos em um ponto de inflexão, e simplesmente não há um plano viável para o futuro da rede sem a AI e a computação de alto desempenho”, disse ele.
Assista a uma palestra no GTC (pode ser assistida On Demand com uma inscrição) para ver como as concessionárias podem usar a AI no edge e a computação de alto desempenho para modernizar as operações de redes elétricas. E saiba mais sobre o trabalho da NVIDIA com as concessionárias e sobre o NVIDIA Inception.