A PSR está usando inteligência artificial para reduzir o trabalho operacional de estudos e ampliar o número de hipóteses e cenários que podem ser testados, tanto nas análises de consultoria quanto nas ferramentas analíticas desenvolvidas pela empresa.

Na consultoria, a tecnologia vem sendo aplicada para organizar e cruzar grandes volumes de dados e apoiar estudos como os de curtailment e autoprodução. Nas ferramentas, agentes de IA já conseguem acessar bases, alterar premissas, executar modelos e consultar resultados a partir de comandos em linguagem natural, enquanto a validação técnica permanece sob responsabilidade dos especialistas.

As aplicações foram apresentadas durante o AI Day, evento promovido pela PSR para discutir fundamentos, usos e perspectivas da inteligência artificial e mostrar ferramentas que a empresa vem desenvolvendo ou incorporando à sua rotina.

Ferramentas analíticas

Uma das frentes desenvolvidas pela PSR é a incorporação de agentes de inteligência artificial aos seus modelos computacionais. Diferentemente de um sistema usado apenas para responder perguntas, esses agentes podem escolher e acionar ferramentas para executar uma sequência de tarefas solicitada pelo usuário.

A interação pode ser feita em linguagem natural, ou seja, por meio de comandos escritos da mesma forma que uma pessoa faria uma solicitação, sem a necessidade de utilizar uma linguagem de programação.

Para que o agente consiga acessar dados e executar ações nos modelos, a PSR utiliza o Model Context Protocol (MCP), um protocolo que funciona como uma ponte entre o modelo de inteligência artificial e as ferramentas disponíveis. A partir de uma solicitação do usuário, o agente identifica qual ferramenta precisa utilizar e a aciona por meio dessa conexão.

Essas ferramentas, por sua vez, podem acessar os modelos da PSR por meio de APIs, sigla em inglês para interfaces de programação de aplicações. Uma API é um conjunto de regras que permite que diferentes sistemas se comuniquem e que um software acione funções disponibilizadas por outro.

Um dos exemplos citados pela empresa é o PSR Factory, uma API desenvolvida em Python, linguagem de programação, que permite manipular informações e interagir com os modelos da consultoria.

Em uma demonstração, o usuário solicitou que o agente executasse um caso do SDDP, calculasse resultados e produzisse gráficos. Depois, pediu que a ferramenta copiasse o caso, aumentasse a demanda em 3%, executasse uma nova simulação e comparasse os resultados.

O SDDP é um modelo de despacho estocástico desenvolvido pela PSR para simular e otimizar a operação de sistemas elétricos sob incerteza. A ferramenta representa usinas, redes de transmissão, combustíveis e outras características do sistema e é utilizada em estudos de curto, médio e longo prazos.

Nesse processo, o agente identificou as ferramentas necessárias, alterou os dados, executou as rodadas e produziu os gráficos solicitados, sem que o usuário precisasse modificar diretamente os arquivos do modelo.

Segundo Raphael Sampaio, head de Pesquisa e Desenvolvimento da PSR, esse tipo de agente pode testar diferentes hipóteses e fazer sucessivas rodadas do modelo de forma automática, mas a análise final continua sob responsabilidade dos especialistas.

“Se ele tiver que fazer 100 rodadas, ele vai fazer 100 rodadas. Mas, no final do dia, a responsabilidade é nossa”, afirmou.

De acordo com os especialistas da PSR, a análise ainda parte do usuário, mas as ferramentas ajudam a simplificar a execução.

A empresa também desenvolveu uma estrutura chamada harness para organizar a atuação desses agentes dentro de alguns de seus modelos. O harness é a camada de software que define, por exemplo, quais informações e ferramentas estarão disponíveis para a inteligência artificial, quais ações ela pode executar, regras de segurança e como o sistema deve reagir a erros durante uma tarefa.

Nos modelos de pesquisa e desenvolvimento apresentados no evento, essa estrutura permite que o agente altere dados, execute o modelo, analise os resultados e decida quais passos seguintes são necessários para concluir o estudo.

“Você pode, com linguagem natural, fazer qualquer modificação que você quiser no seu caso. Você pode, obviamente, fazer perguntas, mas você pode fazer qualquer estudo que você quiser”, afirmou Sampaio.

Segundo a PSR, o harness já foi testado, entre outros casos, no Foresight, modelo de projeção de demanda desenvolvido pela empresa, e em uma ferramenta criada para analisar rotas de descarbonização da indústria do aço.

Em uma das demonstrações, o agente recebeu a tarefa de montar um caso de projeção de demanda para a área de concessão de uma distribuidora do Nordeste. Para isso, buscou informações necessárias em bases de dados, organizou as premissas e executou o modelo. Depois, recebeu uma nova solicitação para testar como diferentes níveis de expansão da micro e minigeração distribuída (MMGD) afetariam o consumo projetado.

A PSR afirmou que a construção dessa estrutura envolveu cerca de um ano de trabalho na organização das APIs, dos MCPs e das bases de dados necessárias para permitir que os agentes acessassem as informações e executassem as tarefas.

O ganho está em reduzir o trabalho operacional necessário para montar e refazer estudos, permitindo testar mais hipóteses e cenários. Assim, uma tarefa que antes levaria quase um dia foi concluída pelo agente em cerca de dez minutos, incluindo a busca de dados e a montagem do caso.

Bases integradas

Outra parte dessa infraestrutura é um lake house desenvolvido pela PSR para reunir em um mesmo ambiente informações de diferentes bases do setor elétrico.

No caso da empresa, a estrutura consolida dados de fontes como Agência Nacional de Energia Elétrica (Aneel), Câmara de Comercialização de Energia Elétrica (CCEE) e Operador Nacional do Sistema Elétrico (ONS), que podem apresentar informações em formatos ou estruturas diferentes.

“Você entra na base da Aneel, eles estão de um jeito, você entra na base da CCEE, eles estão de outro, você entra na base do ONS, está de outro jeito”, afirmou Mateus Cavaliere, head de Planejamento e Inteligência de Mercado da PSR.

O lake house associa os registros referentes a um mesmo ativo. Assim, uma usina pode ser identificada nos cadastros da Aneel, nas informações da CCEE, nos dados do ONS e na representação utilizada nos modelos da própria PSR.

A solução surgiu inicialmente de uma necessidade interna de manter diferentes áreas da empresa trabalhando com uma mesma referência de dados e já está sendo comercializada para alguns clientes, segundo Cavaliere.

O acesso às informações também pode ser feito por meio do MCP. Dessa forma, o usuário pode pedir, em linguagem natural, por exemplo, a relação de usinas de determinado portfólio, suas tecnologias e capacidades ou o histórico de geração de um empreendimento, sem acessar separadamente cada fonte.

Segundo Cavaliere, a base integrada também pode apoiar análises de desempenho. A partir dos dados disponíveis, é possível verificar se uma geração abaixo do esperado está relacionada ao desempenho da própria usina ou a cortes impostos pelo sistema e, neste último caso, se a restrição afeta apenas aquele empreendimento ou outros parques da mesma região.

Curtailment

Outra das aplicações apresentadas pela PSR envolve estudos sobre cortes de geração. Nesse caso, a inteligência artificial é utilizada para auxiliar na leitura dos resultados de grandes simulações eletroenergéticas. O exemplo mostrado no evento envolvia cerca de 5,5 mil usinas e 18 mil circuitos, representados hora a hora e em diferentes cenários.

A ferramenta lê os resultados produzidos pelo SDDP e gera visualizações da rede que permitem acompanhar os fluxos de energia, localizar áreas com restrições e identificar circuitos mais carregados.

A partir dessas informações, os especialistas podem investigar por que determinada usina apresenta um percentual de corte, quais condições provocam a restrição e se o problema está concentrado naquele empreendimento ou alcança outros projetos da mesma região.

A ferramenta também pode apoiar a avaliação de reforços de transmissão que poderiam ampliar a capacidade de escoamento da geração.

“É uma ferramenta que a gente acabou colocando aqui também de pé e que a gente tem usado bastante lá nos nossos estudos de corte e de vertimento”, afirmou Cavaliere. Segundo ele, a visualização permite uma inspeção mais rápida dos resultados das simulações e ajuda a direcionar a análise para os principais gargalos do sistema.

Autoprodução

Mais um caso apresentado envolveu um cliente proprietário de uma usina fotovoltaica que queria identificar consumidores com potencial para uma operação de autoprodução.

A PSR utilizou inteligência artificial para organizar e cruzar dados horários de consumo, histórico e localização da geração, regras aplicáveis aos encargos e projeções da própria consultoria.

O estudo avaliou 176 consumidores e buscou identificar aqueles que poderiam obter maior benefício com a estrutura, considerando a potencial redução de encargos, o tamanho das cargas e sua capacidade de absorver a energia da usina.

A inteligência artificial foi utilizada na categorização dos consumidores e na consolidação do volume de dados. A seleção final, porém, também exigiu avaliações que não foram delegadas ao modelo, como a qualidade das contrapartes, seus balanços e históricos de pagamento.

“Não dá para você 100% confiar de só jogar os dados e pedir para fazer uma análise. Muitas vezes você precisa também agregar, adicionar outros elementos”, afirmou Cavaliere.

Novas aplicações em estudo

A PSR também trabalha no uso de agentes para ajudar a diagnosticar problemas em modelos de otimização. Hoje, quando uma simulação apresenta uma inviabilidade ou um resultado inesperado, um especialista precisa investigar dados e restrições para localizar a origem do problema.

A empresa desenvolveu internamente uma ferramenta capaz de acessar essas informações e auxiliar na identificação da causa. A aplicação ainda é utilizada principalmente no suporte, e a PSR estuda como incorporá-la às ferramentas disponibilizadas aos clientes. Uma etapa posterior, ainda em desenvolvimento, envolve agentes especializados em diferentes tipos de problema e fluxos capazes de executar tarefas automaticamente a partir de eventos ou rotinas previamente definidas.

(A jornalista viajou a convite da PSR)