Exploring near-optimal energy systems with stakeholders: a novel approach for participatory modelling

Este artigo apresenta uma metodologia inovadora de modelagem participativa baseada em resultados quase ótimos que permite envolver partes interessadas na exploração de um contínuo de designs de sistemas energéticos, facilitando a compreensão de suas prioridades e compensações, como demonstrado no caso de Longyearbyen.

O essencial

Imagine que você precisa organizar uma festa para 126 pessoas em uma cidadezinha muito remota, no Ártico, onde faz muito frio e não há como ligar a energia elétrica da cidade vizinha. O desafio é enorme: como alimentar todos, aquecer as casas e manter a luz acesa, sem gastar uma fortuna e sem poluir o ambiente?

Normalmente, os especialistas em energia (os "cozinheiros" do sistema) dizem: "A melhor solução é a mais barata". Eles calculam matematicamente o menu perfeito de custo zero. Mas, na vida real, as pessoas não querem apenas o mais barato; elas querem algo que seja seguro, bonito, que não polua e que não dependa apenas do tempo (já que o sol pode não brilhar e o vento pode não soprar).

É aqui que entra este estudo, feito na cidade de Longyearbyen, na Noruega. Os pesquisadores criaram uma ferramenta inovadora para entender o que os moradores realmente pensam.

A Analogia do "Menu de Jantar Infinito"

Pense no planejamento de energia como um menu de jantar.

• O Modelo Tradicional: O chef diz: "O prato mais barato é apenas batata frita. Coma isso."
• O Problema: As pessoas querem salada, carne, sobremesa e vinho. Mas se elas pedirem tudo, a conta fica cara demais.
• A Solução do Estudo: Os pesquisadores criaram um "Menu de Jantar Infinito" (o espaço quase ótimo). Eles não ofereceram apenas um prato. Eles mostraram que existem 56.050 combinações diferentes de pratos que são todas viáveis e funcionais.

Algumas combinações são um pouco mais caras, mas têm mais carne (energia renovável). Outras são mais baratas, mas dependem mais de importações (combustíveis de fora).

A Ferramenta Interativa: O "Controle Remoto da Cidade"

Os pesquisadores construíram um aplicativo (uma interface interativa) que funcionava como um controle remoto gigante para a cidade.

• Na tela, havia 5 botões deslizantes (como os de volume ou brilho da TV) que representavam as tecnologias: Energia Eólica, Solar, Combustíveis Verdes Importados, Armazenamento de Calor e Hidrogênio.
• O morador podia arrastar esses botões para criar o seu "menu perfeito".
• O Truque Mágico: O sistema não deixava a pessoa escolher algo impossível. Se o morador tentava colocar muita energia solar e pouca bateria, o sistema avisava: "Ops, isso não funciona, a cidade fica no escuro à noite". O sistema só permitia combinações que realmente funcionariam.

O Que Aconteceu na Festa?

Os pesquisadores convidaram 126 moradores de Longyearbyen para brincar com esse controle remoto. O resultado foi fascinante:

1. Ninguém escolheu o "Prato Mais Barato": Quando os moradores puderam escolher, eles quase nunca aceitaram a solução mais barata (que usava muito diesel). Eles estavam dispostos a pagar um "extra" (até 91% mais caro em alguns casos!) para ter mais segurança, menos poluição e menos dependência do clima.
2. O Dilema da Realidade: Quando perguntados diretamente: "Quanto você está disposto a pagar a mais?", eles diziam: "Ah, talvez 15% a mais". Mas quando estavam na frente do controle remoto, escolhendo o sistema ideal, eles acabavam escolhendo opções muito mais caras.
   • Analogia: É como quando estamos no supermercado e dizemos "vou comprar só o básico". Mas, ao ver as opções de qualidade, acabamos pegando o orgânico e o especial, mesmo sabendo que vai custar mais.
3. Aprendizado Mútuo: Os moradores perceberam que não dá para ter tudo de graça. Eles tiveram que fazer escolhas difíceis: "Se eu quero menos poluição, preciso aceitar um sistema mais complexo". Isso os fez sentir-se mais informados e parte da solução.

Por Que Isso é Importante?

Este estudo mostra que, para a transição energética funcionar, não basta os cientistas fazerem as contas no papel. É preciso ouvir as pessoas.

• Legitimidade: Quando as pessoas participam da escolha, elas confiam mais no resultado.
• Realismo: As pessoas não querem apenas o "ideal teórico" (o mais barato); elas querem o "ideal prático" (seguro e justo).
• Transparência: A ferramenta mostrou que não existe solução mágica. Tudo tem um custo e uma troca.

Conclusão

Em resumo, os pesquisadores de Longyearbyen não apenas calcularam a melhor energia; eles deram um controle remoto para os moradores e deixaram que eles desenhassem o futuro da cidade. O resultado foi que as pessoas escolheram um futuro mais verde e seguro, mesmo que isso custe um pouco mais, mas elas entenderam o porquê de cada escolha.

É como se, em vez de um chefe de cozinha impor o menu, ele tivesse deixado os convidados montarem seus próprios pratos, garantindo que todos comiam bem e ninguém ficava com fome ou doente. Isso é o futuro da energia: planejamento participativo, onde a matemática encontra a vontade das pessoas.

Resumo técnico

Título: Explorando sistemas energéticos quase ótimos com partes interessadas: uma abordagem inovadora para modelagem participativa

1. O Problema

A transição para sistemas energéticos sustentáveis enfrenta desafios significativos que vão além da tecnologia, incluindo barreiras de aceitação social e viabilidade política. Embora a participação de stakeholders (partes interessadas) no planejamento energético aumente a legitimidade e a eficácia da mitigação climática, as abordagens atuais de modelagem participativa apresentam lacunas:

• Opacidade: As opções e cenários em modelos tradicionais são frequentemente opacos para os participantes.
• Viés Normativo: A apresentação de resultados baseada em poucos cenários pré-selecionados pode restringir a diversidade de opções, refletindo preconceitos dos pesquisadores.
• Simplificação Excessiva: Ferramentas interativas existentes (como portfólios tecnológicos ou simulações simplificadas) falham em capturar a complexidade das interações do sistema (ex: intermitência de renováveis, armazenamento, transmissão) e o equilíbrio real entre oferta e demanda.
• Foco no Custo Ótimo: A maioria dos modelos foca estritamente na otimização de custos, ignorando soluções "quase ótimas" que podem ser socialmente mais aceitáveis e robustas, mesmo que ligeiramente mais caras.

2. Metodologia

O estudo propõe um novo framework que integra Modelagem para Geração de Alternativas (MGA - Modelling-to-Generate-Alternatives) com uma interface interativa para envolvimento de stakeholders. O estudo de caso foi realizado em Longyearbyen, Svalbard, uma comunidade remota no Ártico que enfrenta aquecimento acelerado e está em transição do carvão para outras fontes.

Componentes Técnicos:

• Modelo de Otimização (PyPSA-LYB): Utilizou-se um modelo de otimização de sistemas energéticos (baseado em PyPSA) para Longyearbyen, cobrindo eletricidade, calor, transporte e indústria. O modelo inclui geradores a diesel (atuais), eólica, solar, hidrogênio, armazenamento térmico e importação de combustíveis verdes.
• Geração de Espaço Quase Ótimo: Em vez de buscar apenas a solução de custo mínimo, o modelo gerou 56.050 configurações de sistemas viáveis que são "quase ótimas" (custando até 125% a mais que o ótimo, mas oferecendo melhor desempenho em outras métricas).
• Interface Interativa:
  • Desenvolvida para permitir que os participantes ajustem cinco dimensões principais (sliders): investimento em energia eólica, solar, importação de combustíveis verdes, armazenamento de calor e infraestrutura de hidrogênio.
  • Restrição de Viabilidade: O sistema impede dinamicamente que os usuários selecionem configurações inviáveis (que não atendem à demanda ou falham em critérios técnicos), limitando a escolha ao poliedro convexo do espaço quase ótimo.
  • Interpolação de Métricas: Para fornecer feedback em tempo real, o sistema interpola linearmente métricas (como preço da eletricidade, emissões de CO2, vulnerabilidade e impacto visual) entre as soluções pré-computadas.
• Coleta de Dados: 126 residentes de Longyearbyen interagiram individualmente com a interface em espaços públicos, selecionando suas configurações preferidas e respondendo a questionários sobre prioridades.

3. Principais Contribuições

• Framework Participativo Inovador: É a primeira aplicação conhecida onde stakeholders interagem diretamente com um vasto espaço de soluções quase ótimas geradas por modelos de alta resolução temporal, permitindo a exploração de trade-offs complexos.
• Abordagem "Human-in-the-Loop": O método permite que os participantes definam suas próprias métricas e prioridades, navegando por um continuum de designs viáveis, em vez de apenas escolher entre cenários rígidos pré-definidos.
• Ferramenta de Visualização de Trade-offs: Demonstra como equilibrar objetivos conflitantes (ex: emissões vs. custo vs. vulnerabilidade) de forma tangível, mantendo a integridade técnica do sistema energético.
• Validação em Contexto Real: Aplicação bem-sucedida em uma comunidade real (Longyearbyen), servindo como um protótipo para outras comunidades árticas dependentes de combustíveis fósseis.

4. Resultados

• Desvio do Ótimo de Custo: Os participantes consistentemente desviaram da solução de custo mínimo. A mediana do "slack" (custo adicional aceito) foi de 91% acima do ótimo, indicando uma forte disposição para aceitar custos mais altos em troca de outros benefícios.
• Preferências por Tecnologias Específicas:
  • Houve uma preferência significativa por energia solar e armazenamento de hidrogênio, tecnologias que foram "derrotadas" no cenário de custo ótimo, mas escolhidas pelos participantes.
  • Investimentos em eólica e importação de combustíveis verdes foram mais próximos do ótimo de custo.
• Prioridades Múltiplas: A maioria dos participantes (57%) priorizou três ou mais métricas simultaneamente. As prioridades mais citadas foram: Emissões (69%), Vulnerabilidade (49,2%) e Preço da Eletricidade (47%).
• Discrepância entre Preferências Declaradas e Reveladas:
  • Quando perguntados diretamente, os participantes aceitaram um aumento de custo médio de apenas 15-26%.
  • No entanto, ao interagir com a ferramenta, eles escolheram sistemas com 91% de aumento de custo. Isso sugere que, sem a visualização tangível das compensações, os participantes subestimam o custo real de atingir múltiplas prioridades simultaneamente.
• Aprendizado e Engajamento: Os participantes relataram sentir-se melhor informados e compreenderam melhor a complexidade das decisões energéticas, embora alguns tenham sugerido tecnologias não incluídas no modelo (como retorno ao carvão ou energia nuclear).

5. Significado e Implicações

• Legitimidade Social: O estudo demonstra que envolver stakeholders na exploração de soluções quase ótimas aumenta a legitimidade das decisões de transição energética, pois os cidadãos podem visualizar e compreender os compromissos necessários.
• Superação do Viés de Custo: A pesquisa mostra que focar apenas no custo ótimo pode levar a soluções tecnicamente eficientes, mas socialmente rejeitadas. Soluções ligeiramente mais caras podem oferecer maior segurança, menor impacto visual ou menores emissões, alinhando-se melhor com os valores da comunidade.
• Ferramenta de Políticas Públicas: O framework oferece uma maneira prática para formuladores de políticas entenderem as prioridades da população e comunicarem a complexidade das transições energéticas, facilitando a negociação de trade-offs difíceis.
• Escalabilidade: Embora testado em Longyearbyen, a metodologia e a ferramenta são adaptáveis para outras comunidades, especialmente aquelas isoladas ou em transição energética crítica, promovendo uma abordagem mais inclusiva e informada para o planejamento energético.

Em suma, o artigo valida que a modelagem participativa baseada em espaços quase ótimos é uma ferramenta poderosa para navegar na complexidade das transições energéticas, transformando a tomada de decisão de um processo técnico fechado em um diálogo social aberto e informado.