O Prémio REN 2023 foi atribuído aos melhores projectos académicos inseridos na área de energia, incluindo uma tese de mestrado do aluno Nuno Mendes da Universidade de Coimbra que explora uma nova abordagem para prever o consumo líquido de energia em comunidades de edifícios. A cerimónia de entrega de prémios aconteceu ontem, em Lisboa.
Desde 1995 que o Prémio REN, promovido pela REN – Redes Energéticas Nacionais, distingue os trabalhos de investigação desenvolvidos em universidades portuguesas. Nesta edição, foi a dissertação intitulada Federated Learning para a Previsão do Consumo Líquido de Energia em Comunidades de Edifícios, da autoria do aluno Nuno Mendes, da Faculdade de Ciências e Tecnologia da Universidade de Coimbra (FCTUC), que convenceu o júri na categoria de “melhores teses de mestrado”.
Esta tese académica, realizada no âmbito de um mestrado em Engenharia Electrotécnica e de Computadores, dedica-se à previsão de energia líquida em comunidades de energia através do método de federated learning. Este método de inteligência artificial cria uma rede de dispositivos que recolhem dados e fazem a partilha e comunicação apenas com um dispositivo central e não entre si. Isto facilita a criação e o treino de um modelo ou algoritmo alimentado pelos vários elementos, em que estes últimos mantém a sua privacidade e o dispositivo central agrega e transmite à rede as actualizações do modelo.
É uma “nova abordagem”, refere Nuno Mendes, num comunicado da Universidade de Coimbra. “A estrutura implementada [que tem por base este sistema de federated learning] prevê a integração de entidades terceiras como fornecedores de dados e dois sistemas de previsão (um para o consumo e outro para a geração), ambos geridos pelo mesmo servidor, permitindo assegurar a previsão do consumo líquido de energia eléctrica, de forma independente, em cada um dos edifícios pertencentes à comunidade de energia”, explica.
Segundo o aluno da FCTUC, esta inclusão das informações privadas dos edifícios, como aquelas recolhidas, em grandes quantidades, por sistemas de automação, permite melhorar as previsões que “convencionalmente (…) usam dados históricos do consumo de energia líquida nos edifícios”. “Dos resultados obtidos foi possível observar que os sistemas de previsão atingiram um elevado nível de precisão”, sublinha.
Além do elevado nível de precisão, a abordagem explorada nesta tese académica demonstrou também a capacidade de “atingir um elevado nível de adaptabilidade, por exemplo, a variações sazonais, à entrada e saída de edifícios da comunidade ou mesmo a novas comunidades constituídas por outros edifícios”, o que poderá ser importante para as futuras comunidades de energia, acrescenta.
Este trabalho de mestrado vencedor foi ainda desenvolvido no contexto do projecto ML@GridEdge, uma iniciativa que juntou o Instituto de Sistemas e Robótica e a Universidade de Texas em torno do desenvolvimento de um novo modelo de distributed machine learning para prever as necessidades energéticas temporais em futuras comunidades conectadas.
Este trabalho foi premiado com 25 mil euros e teve a orientação do professor Pedro Moura e do investigador Jérôme Mendes, os dois da FCTUC.
A cerimónia de entrega do Prémio REN 2023 aconteceu ontem no Salão Nobre do Hotel Ritz, em Lisboa. Além da tese deste aluno, foram distinguidas mais duas teses de mestrado, uma tese de doutoramento, e duas menções honrosas. Entre esses trabalhos, destaca-se uma tese de mestrado que propõe uma bomba de calor magneto-calórica, que evita o uso de fluidos frigorigéneos poluentes, como alternativa às bombas de calor convencionais, e o trabalho de doutoramento que incide sobre a incorporação de novas funções de transformadores inteligentes em micro-redes híbridas.
Foram ainda atribuídas duas medalhas de mérito científico a investigações feitas em países africanos de língua portuguesa, como parte de uma iniciativa conjunta da REN, do Centro Ciência LP e da Fundação para a Ciência e Tecnologia.
Fotografia de destaque: © Universidade de Coimbra
