Modelo de IA prevê uso de energia de 2 000 registos em segundos

2 000 registos horários de energia e emissões alimentaram um modelo que foi treinado e executado em apenas alguns segundos. Yongting Liu e os seus colegas utilizaram registos provenientes de contadores inteligentes, sistemas de gestão de edifícios e redes industriais para criar um sistema de IA que prevê o consumo de energia e ajuda os operadores a planear antecipadamente a produção de eletricidade e a formação de emissões.

No seu núcleo, o sistema combina uma rede generativa adversarial baseada em transformer, ou GAN — uma configuração de aprendizagem automática na qual duas redes neuronais trabalham uma contra a outra para produzir dados realistas — com otimização estatística bayesiana. A GAN aprende padrões complexos do consumo de energia; o método bayesiano otimiza o sistema para obter o melhor desempenho.

Esta combinação visa problemas com os quais os modelos preditivos convencionais podem ter dificuldades: padrões de consumo não lineares, picos e quebras súbitas e vários fatores externos a atuar em simultâneo. Antes dos testes, os investigadores removeram referências a dados em falta e eliminaram valores atípicos para normalizar os dados de entrada. As previsões resultantes corresponderam de perto aos dados energéticos observados.

Em termos concretos, o modelo poderia proporcionar aos gestores de energia um espaço de ensaio rápido. Poderiam gerar cenários para testar medidas de alteração da procura, explorar formas de integrar a produção renovável e identificar ineficiências antes da produção efetiva de eletricidade e da formação de emissões. A abordagem poderia ser aplicada em instalações industriais com produção interna de eletricidade e em sistemas energéticos mais amplos.

O resultado continua a ser um teste de um modelo em fase de investigação, não uma redução de emissões medida num sistema elétrico em produção. O estudo utilizou 2 000 registos preparados e refere que o treino e a execução demoraram apenas alguns segundos; não descreve uma implementação em produção. O seu valor prático, por enquanto, reside na rapidez com que os operadores poderiam analisar possíveis decisões antes de as pôr em prática.