AI otimiza sistemas de armazenamento de baterias fotovoltaicas
São Paulo — InkDesign News —
Pesquisadores da Universidade de Tsukuba utilizaram técnicas de machine learning para otimizar a operação de sistemas de geração de energia solar e armazenamento em bateria, reduzindo significativamente as penalidades de desequilíbrio no mercado elétrico.
Contexto da pesquisa
A geração de energia solar é altamente dependente das condições climáticas. Quando a geração não corresponde à produção planejada, o mercado de eletricidade impõe multas, conhecidas como “penalidades de desequilíbrio”. A crescente adoção de recursos de energia renovável distribuídos demanda estratégias de gestão de energia mais inteligentes e adaptativas do que as atualmente disponíveis.
Método proposto
Os pesquisadores desenvolveram um método que utiliza aprendizado por reforço profundo (deep reinforcement learning) para otimizar a operação dos sistemas de energia solar e armazenamento de bateria, garantindo conformidade com as regras do mercado. Este método é projetado para lidar com problemas de incerteza, considerando mudanças climáticas súbitas e dinâmicas complexas do mercado.
“O método pode lidar com problemas envolvendo incertezas”
(“The method… can handle problems involving uncertainty.”)— Yuki Osone, Pesquisador, Universidade de Tsukuba
Resultados e impacto
Nos resultados de simulações com dados de mercado reais, o método demonstrou uma redução das penalidades de desequilíbrio em cerca de 47% em comparação com métodos convencionais e 26% em comparação com outros modelos de aprendizado por reforço profundo. Além disso, manteve lucros estáveis durante as quatro estações do ano.
Este avanço pode contribuir para a criação de um mecanismo que melhora a lucratividade, evita multas e proporciona um fornecimento estável de energia renovável ao mercado. A pesquisa também pode servir de base para um sistema que trate fontes de energia residenciais agregadas — incluindo baterias de armazenamento e veículos elétricos — como uma nova fonte de energia, beneficiando a sociedade com preços de eletricidade estabilizados e redução do risco de apagões.
Fonte: (TechXplore – Machine Learning & AI)
