Inteligência Artificial criada pela USP e Unicamp será capaz de antecipar as vazões na Represa de Sobradinho e evitar crises hídricas no futuro
.
.
Por Catarina Werneck e Laura Leite
.
A Represa de Sobradinho, localizada no rio São Francisco, na Bahia, é uma das maiores do Brasil e da América Latina. Seu papel é estratégico na geração de energia, no abastecimento hídrico e na manutenção de ecossistemas e atividades econômicas no Nordeste do país. Por essa razão, o desenvolvimento de uma Inteligência Artificial (IA) capaz de calcular a entrada e a saída de água no local, mesmo diante de suas inúmeras variáveis, representa um feito inédito e de grande relevância.
Preocupados com os níveis do reservatório, cientistas da Unicamp (Universidade Estadual de Campinas) e da USP (Universidade de São Paulo) uniram esforços com o objetivo de criar uma solução que previsse a vazão mensal e evitasse possíveis complicações. Para isso, utilizaram a técnica LSM fuzzy, um modelo que monitora variações complexas (LSM) e interpreta os dados com maior flexibilidade e adaptabilidade (fuzzy). A principal vantagem desse sistema reside não apenas em sua maior precisão, mas também na possibilidade de compreender com clareza como as decisões são tomadas, o que facilita a interpretação dos resultados por outros profissionais da área.
A pesquisa, intitulada “Adaptive Fuzzy Level Set Streamflow Modeling and Forecasting”, foi desenvolvida por Rosângela Ballini (Instituto de Economia da Unicamp), Fernando Gomide (Faculdade de Engenharia Elétrica e de Computação da Unicamp) e Leandro Maciel (Faculdade de Economia, Administração, Contabilidade e Atuária da USP). O modelo pode ser aplicado a diferentes contextos de previsão ambiental, como cheias, secas e alterações climáticas.
De acordo com Rosângela, o modelo de inteligência artificial adotado apresenta diversas vantagens em relação aos métodos tradicionais utilizados no setor elétrico, como o PARMA, que se baseia em padrões históricos de vazão. Um dos diferenciais do modelo fuzzy está na sua capacidade de adaptação a mudanças inesperadas, como secas severas ou enchentes repentinas. Nesses casos, o modelo ajusta automaticamente seus parâmetros, criando ou adaptando regras preexistentes. Já o modelo PARMA requer reprogramação manual, o que compromete a agilidade da resposta e pode afetar decisões operacionais.
Outro aspecto positivo destacado pela pesquisadora é a transparência das informações geradas. Ao contrário de sistemas mais opacos, os modelos fuzzy possibilitam compreender como a previsão foi formulada, o que facilita decisões importantes, como a definição da vazão a ser liberada, o planejamento do uso da energia hidrelétrica, a gestão de cenários de escassez ou excesso de água, a formulação de ações ambientais e a prestação de contas a órgãos reguladores como ANA, Chesf e CBHSF.
O desenvolvimento do software enfrentou diversos desafios, pois os dados da represa são não estacionários, variando significativamente ao longo do tempo. Além disso, são altamente sazonais, afetados pelo clima e pelo calendário, e muitas vezes incompletos ou imprecisos em função das limitações dos sensores disponíveis na região.
A pesquisadora elenca os fatores determinantes para a escolha do modelo fuzzy: “As séries de vazões são não estacionárias e apresentam comportamentos sazonais, como cheias e secas, o que dificulta a previsão com métodos tradicionais. O modelo LSM é eficiente para capturar essas variações complexas. Além disso, sua estrutura permite interpretar com clareza as regras e os resultados, o que facilita o entendimento dos especialistas.”
.
O modelo em prática
Como a previsão das vazões de uma represa é fortemente influenciada por variáveis sazonais, como o clima, os modelos fuzzy são data-driven, ou seja, aprendem com os próprios dados. Isso significa que, ao enfrentar uma cheia atípica ou uma alteração abrupta no regime de chuvas, o sistema é capaz de ajustar seus parâmetros automaticamente, conforme novos dados são incorporados.
A partir dessas lógicas, cria-se o sistema neuro-fuzzy, que funciona de maneira análoga a um cérebro humano: aprende com as condições climáticas da represa, constrói uma solução e ainda é capaz de explicar o motivo da decisão adotada.
Esse tipo de tecnologia vem sendo amplamente empregado na resolução de problemas complexos, como a previsão de enchentes, o controle de sistemas industriais e até o diagnóstico médico. O diferencial está em sua capacidade não apenas de prever, mas de justificar suas conclusões de forma compreensível para o ser humano.
.
Papel da IA
Questionada sobre a incorporação da IA a sistemas de apoio à decisão para operadores de usinas hidrelétricas, Rosângela afirma: “O sistema fuzzy pode ser integrado a sistemas de apoio à decisão, de modo a converter dados técnicos complexos em orientações simples e compreensíveis.” Em termos práticos, a lógica fuzzyfunciona com regras semelhantes às do cotidiano: “se o reservatório está cheio, então a vazão do rio está alta, portanto turbine muita água”.
Regras como essa são geradas por um sistema inteligente que aprende com decisões anteriores, formuladas por modelos matemáticos ou por operadores experientes. Dessa forma, os operadores não precisam dominar fórmulas complicadas. Eles recebem orientações claras, baseadas em situações reais, como “Se o nível do reservatório está médio e a vazão do rio é baixa, turbine pouca água” ou “Se estamos entrando no período seco, armazene água no reservatório”. Assim, a IA auxilia o operador a tomar decisões que respeitam a natureza dinâmica dos rios e reservatórios de maneira mais intuitiva.
Embora o modelo fuzzy adaptativo já demonstre bons resultados, sua evolução pode se dar pela integração com redes neurais profundas do tipo LSTM, amplamente utilizadas na previsão de séries temporais. Rosângela comenta: “Sim, é possível combinar modelos fuzzy com técnicas de deep learning, unindo a capacidade de aprendizado dessas redes com a habilidade do fuzzy de lidar com incertezas. Essa abordagem é promissora e pode ser aplicada a diversas áreas, como reconhecimento de voz, linguagem natural, controle, diagnósticos médicos e gestão de energia inteligente.”
.
Sobradinho
Atualmente, não há colaboração ativa com empresas do setor elétrico para a implementação prática do modelo desenvolvido. Mesmo assim, outras versões de sistemas fuzzy adaptativos já foram aplicadas com sucesso em diversos reservatórios, apresentando desempenho superior a métodos tradicionais.
Questionada sobre as vantagens da adoção dessas metodologias como ferramenta operacional em planejamento energético, Rosângela afirma:
“O desenvolvimento de plataformas amigáveis que implementem essas metodologias poderia ampliar a difusão do conhecimento e consolidar seu uso na tomada de decisões, tanto no setor elétrico quanto em outras áreas.”
.
Políticas públicas
A colaboração entre as áreas de Engenharia e Economia pode transformar modelos computacionais em ferramentas eficazes para a gestão pública no contexto das mudanças climáticas:
“O uso de modelagem computacional vem crescendo em várias áreas do conhecimento. Nas ciências exatas e tecnológicas, permite criar sistemas de previsão e simulação baseados em inteligência artificial, amplamente utilizados na identificação de padrões e previsão de séries temporais em setores como o elétrico, médico, econômico e financeiro.”
Rosângela conclui: “na Ciência Econômica, os modelos computacionais ganham importância estratégica ao oferecer instrumentos que avaliam os impactos sociais e financeiros de fenômenos complexos, como as mudanças climáticas. Eles também permitem que os gestores públicos planejem com mais eficiência o uso dos recursos, tornando as políticas públicas mais eficazes e baseadas em evidências.”
Diante das exigências impostas pela crise climática, que demanda soluções integradas e orientadas por dados, estudos como este evidenciam o potencial da ciência brasileira para contribuir com políticas públicas sustentáveis e mais bem fundamentadas.
.
Edição: Nicole Heinrich
Orientação: Artur Araujo
.
