Modelos de machine learning aceleram transição para energia limpa
São Paulo — InkDesign News — Pesquisadores da Universidade de Sharjah estão explorando como gêmeos digitais, suportados por machine learning, podem revolucionar a gestão e otimização de sistemas de energia renovável, contribuindo para a transição global de combustíveis fósseis para fontes limpas.
Contexto da pesquisa
A crescente necessidade de mitigar as emissões de carbono e combater as mudanças climáticas tem levado à adoção de tecnologias inovadoras no setor energético. O conceito de gêmeo digital refere-se a uma replicação digital de um sistema físico, permitindo simulações precisas e análises em tempo real. Conforme os pesquisadores, essas tecnologias têm o potencial de transformar o gerenciamento de energia em plataformas sustentáveis.
Método proposto
O estudo utilizou técnicas avançadas de text mining, incluindo inteligência artificial e processamento de linguagem natural, para analisar a literatura existente sobre a aplicação de gêmeos digitais em sistemas de energia renovável. As abordagens de machine learning foram fundamentais para organizar grandes volumes de dados e descobrir padrões estruturados.
Resultados e impacto
Os resultados indicam que a aplicação de gêmeos digitais pode melhorar a eficiência em várias fontes de energia. Por exemplo, em energia eólica, os gêmeos digitais podem prever parâmetros desconhecidos e corrigir medições imprecisas, melhorando a confiabilidade do sistema. Em energia solar, “eles ajudam a identificar fatores-chave que influenciam a eficiência e o poder de saída” (They help identify key factors that influence efficiency and output power) — Concetta Semeraro, Pesquisadora, Universidade de Sharjah.
No entanto, os autores também identificaram limitações em cada fonte de energia, como desafios na modelagem precisa em sistemas de energia solar e eólica e problemas na coleta de dados de qualidade em sistemas geotérmicos. Para garantir a eficácia e a aplicação prática, foram propostas diretrizes e um roteiro de pesquisa que visam aprimorar a precisão dos modelos de gêmeos digitais.
As implicações desses estudos são vastas, pois a adoção de tecnologias de gêmeos digitais pode facilitar a transição para um futuro energético mais sustentável. As próximas etapas incluem a melhoria das técnicas de coleta de dados e a expansão das capacidades de modelagem.
Fonte: (TechXplore – Machine Learning & AI)
