AI-Enabled Digital Twins and Power System Asset Management for Long-Term Grid Investment Planning

Imagine a rede elétrica não como uma teia estática de fios e postes, mas como uma cidade viva, que respira e nunca dorme. Esta cidade é alimentada por uma mistura de maquinário antigo e barulhento com fontes de energia novas e imprevisíveis, como o vento e o sol. Durante muito tempo, as pessoas encarregadas desta cidade trataram o seu equipamento como um carro: esperavam que uma peça quebrasse para então consertá-la, ou trocavam o óleo seguindo um calendário rigoroso, independentemente de o motor realmente precisar dele. Mas, à medida que a cidade cresce e o clima se torna mais errático, essa velha forma de pensar está a tornar-se perigosa. Para manter as luzes acesas, os engenheiros estão a recorrer aos "gémeos digitais". Pense num gémeo digital como um fantasma perfeito e invisível de um objeto do mundo real. Se tiver um transformador real numa subestação, o seu gémeo digital é uma cópia virtual que vive num computador, recebendo constantemente atualizações de sensores para saber exatamente quão quente, quão cansado ou quão estressado ele está neste exato momento. Quando combina estas cópias fantasmagóricas com a "inteligência artificial" (IA) — que atua como um detetive superinteligente capaz de identificar padrões que os humanos ignoram — obtém um sistema que não se limita a esperar que as coisas se quebrem; ele prevê o futuro. Esta é a grande questão: podemos usar estes fantasmas impulsionados por IA para planear como construir e reparar a nossa rede elétrica para os próximos 20 anos, especialmente quando queremos operar quase inteiramente com o vento e o sol?

Este artigo apresenta uma nova ideia chamada OptimTwin, um framework concebido para responder a essa questão. O investigador, Daniel Mitch e Sunil Macao, da Universidade de Michigan, propõem que deixemos de tratar a gestão de ativos (reparar e substituir equipamentos) e o planeamento de investimento a longo prazo (decidir onde gastar biliões de dólares) como dois trabalhos separados. Em vez disso, sugerem fundi-los num ciclo contínuo. No seu sistema, o gémeo digital observa constantemente a saúde da rede física. A IA analisa estes dados para prever quando um equipamento poderá falhar ou quanto custará mantê-lo em funcionamento. Em seguida, um processo estruturado chamado DMAIC (que é apenas uma forma sofisticada de dizer "Definir, Medir, Analisar, Melhorar e Controlar") pega nessas previsões e transforma-as em planos concretos para o futuro.

A equipa testou esta ideia utilizando uma simulação computacional de uma grande rede elétrica (especificamente, um sistema de referência conhecido como o sistema IEEE/NREL 118-bus). Eles não se limitaram a olhar para como consertar as coisas; perguntaram: "Se utilizarmos esta abordagem inteligente, impulsionada por IA, conseguiremos lidar com uma rede alimentada em 97% por energia renovável variável (como o vento e o sol) sem que as luzes se apaguem?". A simulação sugeriu que, sim, é possível. Ao utilizar o OptimTwin para tomar decisões mais inteligentes sobre quando reparar, substituir ou reciclar equipamentos antigos, o sistema poderia teoricamente suportar uma penetração de energia renovável variável de 97% mantendo a flexibilidade da rede.

Além disso, o estudo analisou o lado financeiro. Nos seus cenários simulados, esta abordagem resultou num retorno sobre o investimento (ROI) de 9,8%. Esta é uma descoberta crucial porque sugere que ser inteligente na manutenção não é apenas bom para a fiabilidade; também é bom para o bolso. O investigador também observou que, ao usar a IA para prever problemas antes que aconteçam, as empresas de serviços públicos podem ver os custos de geração caírem entre 30-50% e os custos de ciclo de vida dos ativos modernizados caírem entre 15-25%. Eles chegaram até a sugerir que o tempo de inatividade não planeado (momentos em que a energia falha inesperadamente) poderia ser reduzido em até 40%.

No entanto, é importante manter o sentido de perspetiva. O artigo é cuidadoso ao afirmar que estes números impressionantes provêm de uma simulação computacional e de um estudo de caso específico, e não de uma rede elétrica real que já funciona desta forma há anos. O autor descreve o OptimTwin como um "framework de investigação promissor" em vez de um produto acabado e pronto a usar para todas as empresas de serviços públicos. Eles reconhecem que as redes do mundo real são desordenadas, com equipamentos antigos que carecem de sensores, riscos de cibersegurança e regulamentações complexas que um modelo computacional ainda não consegue capturar totalmente. O artigo argumenta que, embora o conceito funcione maravilhosamente no laboratório, o próximo passo é provar que funciona no mundo real com dados reais.

Em suma, este artigo sugere que, ao dar à nossa rede elétrica um "gémeo digital" e deixar a IA atuar como o seu cérebro, podemos planear um futuro onde quase toda a nossa energia venha do vento e do sol. Propõe uma mudança de reparar as coisas quando elas se quebram para prever o futuro e planear os nossos investimentos de acordo. Embora os números pareçam excelentes na simulação — mostrando uma rede renovável de 97% e um ROI de 9,8% — o autor lembra-nos que isto é um plano para o futuro, não uma varinha mágica que podemos agitar hoje. O verdadeiro desafio reside em levar esta ideia inteligente do ecrã do computador e fazê-la funcionar na realidade complexa, ruidosa e imprevisível das nossas cidades elétricas reais.