A rede elétrica é uma daquelas infraestruturas que só notamos quando falha. Mas, na décima aula da disciplina Automação e Sociedade, no meu mestrado na USP, percebi que ela está passando por uma revolução silenciosa: deixando de ser um sistema rígido e centralizado para se tornar inteligente, digital e descentralizado. Fichei dois artigos sobre essa transformação — um sobre a tecnologia de previsão que a viabiliza, outro sobre os desafios concretos de implantá-la no Brasil.
Prevendo o consumo com inteligência artificial
O primeiro fichamento foi do artigo de Gumz, Fettermann, Frazzon e Kück (2022), "Using Industry 4.0's Big Data and IoT to Perform Feature-Based and Past Data-Based Energy Consumption Predictions", publicado na Sustainability (Qualis A3).
O objetivo dos autores é identificar os melhores métodos para prever o consumo de energia a partir de dados de smart meters (medidores inteligentes). Eles usaram o framework CRISP-DM em ambiente Python, com dados reais do projeto GEM HOUSE — registros de centenas de residências alemãs monitoradas por três anos. Compararam algoritmos em dois cenários: previsão baseada nas características das residências e previsão baseada em dados históricos de consumo.
Os resultados são tecnicamente claros. Para previsões baseadas em características residenciais, o Random Forest teve o melhor desempenho. Para previsões baseadas em séries históricas, as redes neurais LSTM foram as mais precisas, seguidas pelo Random Forest. E um ponto que considero importante: técnicas estatísticas tradicionais, como Moving Average e ARIMA, ficaram atrás dos métodos de machine learning e deep learning. A avaliação foi feita com as métricas sMAPE e RMSE.
A conclusão dos autores é que a combinação de IoT, Big Data e Inteligência Artificial é fundamental para o gerenciamento inteligente da demanda energética. Os smart meters funcionam como sensores de coleta de dados que permitem melhor planejamento da infraestrutura e maior integração de fontes renováveis. Os próprios autores reconhecem que a base alemã limita a generalização e sugerem incorporar variáveis econômicas e meteorológicas no futuro.
O caso brasileiro: oportunidades e entraves
O segundo fichamento foi do artigo de Dranka e Ferreira (2020), "Towards a smart grid power system in Brazil: Challenges and opportunities", publicado na Energy Policy (Qualis A1, com um robusto fator de impacto 9.2). Se o primeiro artigo é sobre o "como" técnico, este é sobre o "onde" e o "quem decide".
O estudo é qualitativo e exploratório, baseado em pesquisa documental e revisão sistemática de leis, regulamentações e relatórios do setor elétrico brasileiro. E o diagnóstico é, ao mesmo tempo, otimista e cauteloso.
O lado otimista: o Brasil tem condições favoráveis para avançar em smart grids justamente pela elevada participação de renováveis em sua matriz. A geração distribuída — sobretudo solar fotovoltaica — tende a crescer muito, impulsionada por resoluções da ANEEL. O gerenciamento pelo lado da demanda tem grande potencial para reduzir investimentos em expansão da geração e transmissão.
O lado cauteloso é onde o artigo fica mais interessante. A implantação de medidores inteligentes ainda é limitada no país, por causa dos altos custos, da falta de incentivos e da baixa conscientização dos consumidores. Há também a redução da capacidade de regularização dos reservatórios hidrelétricos, o que aumenta a necessidade de flexibilidade e de armazenamento de energia. E talvez o ponto mais sensível: a atual estrutura de compensação de energia da geração distribuída pode transferir custos para os consumidores que não possuem geração própria — um dos grandes debates regulatórios brasileiros.
Quando a tecnologia encontra a realidade
Ler os dois em sequência foi esclarecedor. Gumz et al. mostram o que é tecnicamente possível: prever consumo com altíssima precisão usando IA. Dranka e Ferreira mostram o que é institucionalmente viável: uma transição que esbarra em custos, regulação e comportamento dos consumidores. A tecnologia da previsão energética é madura; a sua adoção em larga escala, no Brasil, ainda depende de decisões políticas e econômicas.
Uma reflexão sobre energia e sociedade
Por que isso importa para Automação e Sociedade? Porque a smart grid não é apenas uma atualização técnica da rede — é uma redistribuição de papéis. O consumidor que instala painéis solares deixa de ser apenas consumidor e vira prossumidor, alguém que também produz energia. Isso desafia o modelo de negócio tradicional das distribuidoras e exige novos arranjos regulatórios.
Há, aqui, uma questão de justiça energética que me parece central. Se a geração distribuída transfere custos para quem não pode investir em painéis solares, corremos o risco de criar uma rede em que os mais abastados se beneficiam enquanto os mais vulneráveis arcam com a conta. A modernização tecnológica, se mal regulada, pode aprofundar desigualdades em vez de reduzi-las.
Também me chama atenção a dimensão dos dados. Smart meters coletam informações detalhadas sobre os hábitos das residências — quando acordamos, quando saímos, quando usamos cada eletrodoméstico. A eficiência energética que a IA proporciona vem acompanhada de uma necessidade urgente de governança e proteção de dados, ponto que o próprio fichamento de Gumz et al. levanta.
O que levo desses dois artigos é que o futuro da energia no Brasil será decidido na interseção entre tecnologia, regulação e equidade. A inteligência artificial já sabe prever o consumo; o desafio é construir um sistema elétrico inteligente que seja, ao mesmo tempo, sustentável, seguro e socialmente justo.