Carbon-aware Market Participation for Building Energy Management Systems

Este artigo propõe um sistema de gerenciamento de energia predial em tempo real, baseado em otimização e previsão com Transformer, que integra sinais de intensidade de carbono variáveis no tempo para reduzir as emissões em 22,5% com um aumento de custo de apenas 1,7% nos mercados de energia.

O essencial

Imagine que a sua casa é como um chef de cozinha muito esperto, mas que só tem uma coisa na cabeça: economizar dinheiro.

Até agora, esse "chef" (o sistema de gestão de energia do seu prédio) olhava apenas para o preço da conta de luz. Se a energia estava barata às 3 da manhã, ele ligava tudo. Se estava cara ao meio-dia, ele desligava. O problema é que, às vezes, a energia é barata, mas vem de usinas sujas que poluem muito o ar (como queimar carvão). O sistema antigo não se importava com a "sujeira" que estava sendo criada, apenas com o preço.

Este artigo apresenta uma nova versão desse chef: o Sistema de Gestão de Energia Consciente de Carbono (CAEMS).

Aqui está a explicação simples, usando analogias do dia a dia:

1. O Novo Chef Tem Dois Olhos: Preço e Poluição

O novo sistema não olha apenas para o preço da energia. Ele tem um "segundo olho" que vê o nível de poluição (carbono) daquela energia naquele momento exato.

• A Analogia: Pense em escolher um táxi. O sistema antigo escolhia o táxi mais barato, mesmo que fosse um carro velho e fumarento. O novo sistema diz: "Vou pegar o táxi mais barato, mas se houver um táxi elétrico limpo por um preço quase igual, eu escolho o elétrico para não poluir".

2. O "Cofre" e o "Relógio" (Baterias e Flexibilidade)

O sistema controla três coisas principais:

1. Comprar da rede: Quando ligar a luz.
2. A Bateria (o Cofre): Guardar energia quando está "limpa" e barata para usar depois.
3. A Flexibilidade (o Relógio): Adiar tarefas. Por exemplo, em vez de ligar a máquina de lavar roupa agora (que pode estar usando energia suja), ele espera até daqui a 2 horas, quando a energia estiver mais limpa.

3. A Bola de Cristal Imperfeita (Previsão com IA)

O maior desafio é que ninguém tem uma bola de cristal perfeita. O sistema precisa decidir o que fazer agora, mas o preço e a poluição de amanhã ainda são incertos.

• A Solução: Os autores usaram uma Inteligência Artificial chamada Transformer (a mesma tecnologia por trás de chatbots modernos).
• A Analogia: Imagine que você está dirigindo de noite. Você não vê tudo à frente, mas o seu carro (a IA) analisa a estrada, o clima e o histórico de acidentes para prever onde haverá curvas ou neblina nos próximos 10 minutos. O sistema faz o mesmo: ele "adivinha" o preço e a poluição das próximas horas com muita precisão para tomar a melhor decisão agora.

4. O Jogo de Tabuleiro (Mercado de Energia)

O sistema joga em dois tabuleiros ao mesmo tempo:

• O Tabuleiro de Amanhã (Dia anterior): Onde você faz planos gerais.
• O Tabuleiro de Agora (Tempo real): Onde você ajusta os planos se algo mudar.
  O sistema ajusta a estratégia a cada hora, como um jogador de xadrez que reage aos movimentos do oponente em tempo real, garantindo que você não gaste dinheiro à toa nem polua sem necessidade.

5. O Resultado: Pouco Custo, Grande Ganho

Os autores testaram isso com dados reais de uma grande rede elétrica nos EUA (PJM). O resultado foi surpreendente:

• O Cenário: Eles aumentaram um "imposto" simbólico na poluição (dizendo: "poluir custa $30 por tonelada").
• O Resultado: A poluição caiu 22,5% (uma redução enorme!), enquanto o custo da energia para o consumidor subiu apenas 1,7% (menos de 2 centavos a cada dólar).

Resumo em uma frase

Este trabalho cria um "cérebro" para os prédios que sabe exatamente quando usar a energia para economizar dinheiro e quando usar para salvar o planeta, usando inteligência artificial para prever o futuro e baterias para guardar o melhor momento.

É como ter um assistente pessoal que diz: "Não ligue o ar-condicionado agora, a energia está suja e cara. Espere 30 minutos, quando o vento soprar e a energia ficar limpa e barata. Assim, você economiza e o mundo agradece."

Resumo técnico

Título: Participação de Mercado Consciente de Carbono para Sistemas de Gerenciamento de Energia de Edifícios

1. Problema e Motivação

A descarbonização rápida e profunda dos sistemas de energia elétrica é crucial para combater as mudanças climáticas. No entanto, os Sistemas de Gerenciamento de Energia (EMS) convencionais focam predominantemente na eficiência econômica e na estabilidade operacional, frequentemente negligenciando o impacto ambiental das decisões operacionais.

• Limitação Atual: A maioria das abordagens existentes trata componentes individuais (como resposta à demanda ou otimização de fluxo de potência) de forma isolada ou utiliza otimização multiobjetivo que não integra sinais de carbono em tempo real de forma unificada.
• O Desafio: Existe uma lacuna na criação de um sistema unificado capaz de co-otimizar a importação da rede, o armazenamento de energia e a demanda flexível em um único framework, considerando simultaneamente custos e emissões de carbono, tanto nos mercados Day-Ahead (DA) quanto Real-Time (RT), sem assumir uma previsão perfeita do futuro.

2. Metodologia Proposta

Os autores propõem um Sistema de Gerenciamento de Energia Consciente de Carbono (CAEMS) em nível de edifício. A abordagem combina modelagem de otimização determinística com controle preditivo baseado em aprendizado de máquina.

• Formulação Matemática (MILP):

  • O problema é formulado como um Programa Linear Inteiro Misto (MILP) de horizonte finito.
  • Objetivo: Minimizar a soma do custo energético e do custo de carbono (calculado como preço do carbono $\times$ intensidade de carbono marginal).
  • Variáveis de Decisão: Importação líquida da rede, operação do sistema de armazenamento de energia (ESS) e deslocamento de demanda flexível.
  • Restrições: Equilíbrio de energia do edifício, dinâmica de carga/descarga da bateria (SoC), limites de potência e restrições de mercado (DA e RT).
  • O modelo trata o cronograma Day-Ahead como uma base fixa e otimiza as decisões em tempo real ao redor dessa base.

• Controle Preditivo (MPC) e Previsão:

  • Para superar a suposição irrealista de "previsão perfeita" (perfect foresight), o sistema utiliza um framework de Controle Preditivo (MPC).
  • Em cada intervalo de controle, o sistema re-otimiza o horizonte com base em dados observados e previsões atualizadas.
  • Forecaster (Previsionista): Utiliza uma arquitetura baseada em Transformers (Deep Learning) para prever conjuntamente os preços da eletricidade (DA e RT) e a intensidade de carbono marginal. O Transformer é escolhido por sua capacidade de capturar dependências temporais de longo alcance sem recursão.

3. Principais Contribuições

1. Framework Unificado: Propõe um framework de otimização unificado que co-otimiza a importação da rede, armazenamento e demanda flexível sob objetivos de redução de custo e carbono.
2. Modelo MILP Integrado: Desenvolve um modelo de otimização que permite o controle coordenado entre os mercados Day-Ahead e Real-Time, integrando diretamente sinais de intensidade de carbono variáveis no tempo na função objetivo.
3. Extensão MPC com IA: Introduz um módulo de previsão baseado em Transformers para prever preços e carbono, habilitando uma extensão MPC que opera robustamente sob incerteza, sem depender de conhecimento futuro perfeito.

4. Resultados das Simulações

O sistema foi validado utilizando dados reais do mercado elétrico PJM (EUA) ao longo de um período de 10 dias.

• Cenários Testados: Comparação entre uma operação sem gerenciamento (baseline), despacho focado apenas em custo (preço de carbono = $0/t) e despacho consciente de carbono (com preços de carbono de$10, $20 e$30/t).
• Desempenho do Modelo de Previsão: O modelo Transformer superou outros algoritmos (como LSTM, XGBoost, ARIMA) na previsão de preços e intensidade de carbono, apresentando o menor Erro Quadrático Médio (RMSE = 0,0462).
• Impacto Econômico e Ambiental:
  • Com um preço de carbono de $30/tonelada, o sistema alcançou uma redução de 22,5% nas emissões (de 20,4 para 15,8 toneladas/dia).
  • O aumento no custo energético foi modesto, de apenas 1,7% (de $653 para$664/dia).
  • O despacho consciente de carbono alterou estrategicamente o cronograma de importação, evitando picos de emissão no início da manhã e picos de preço ao meio-dia, algo que o despacho focado apenas em custo não conseguiu fazer.

5. Significado e Conclusão

O trabalho demonstra que a participação no mercado consciente de carbono é tecnicamente viável e economicamente sustentável.

• Viabilidade: Mostra que é possível obter reduções significativas de emissões com um custo marginal mínimo, tornando a transição energética mais acessível para consumidores e operadores de rede.
• Política e Mercado: Sugere que a integração de sinais de carbono nos processos de despacho e liquidação pode levar a uma rede mais limpa, confiável e alinhada com mandatos de descarbonização.
• Escalabilidade: O modelo MILP proposto é extensível para mecanismos de política mais complexos, como limites de emissão (cap-and-trade) e créditos de compensação.

Em resumo, o CAEMS transforma sinais de mercado em decisões de controle acionáveis, integrando a consciência ambiental no ciclo de participação rotineira no mercado, oferecendo um caminho prático para a descarbonização do sistema elétrico através da flexibilidade da demanda.