REEnergia: Plataforma inteligente de gestão energética baseada em dados reais e inteligência artificial – O Setor El�

Resumo

A digitalização das instalações elétricas ampliou significativamente a disponibilidade de dados de consumo, demanda, qualidade da energia, geração fotovoltaica, contratos e indicadores ambientais. Entretanto, essas informações frequentemente permanecem distribuídas em sistemas independentes, o que dificulta sua utilização estratégica. A REEnergia é uma plataforma inteligente de gestão energética em desenvolvimento pela Fortress Engenharia, concebida para integrar dados reais de diferentes fontes, aplicar técnicas de inteligência artificial, aprendizado de máquina e séries temporais e transformar informações operacionais em indicadores, previsões, diagnósticos e apoio à tomada de decisão. A solução está sendo validada em ambiente piloto real no Clube de Engenharia de Goiás, em Goiânia, reunindo unidade consumidora do Grupo A, geração fotovoltaica, memória de massa da concessionária, medições de qualidade da energia e indicadores de sustentabilidade.

1. O desafio: muitos dados, pouca integração

Organizações públicas e privadas geram grandes volumes de informações relacionadas ao desempenho energético. Dados provenientes da memória de massa da concessionária, analisadores de qualidade da energia, inversores fotovoltaicos, faturas, contratos e sistemas corporativos costumam ser analisados de forma independente. O resultado é uma visão fragmentada da instalação, com elevado esforço para consolidar informações e produzir diagnósticos confiáveis.

Essa fragmentação limita a identificação de desperdícios, perdas energéticas, baixo fator de potência, distorções harmônicas, oportunidades de otimização operacional e condições críticas de funcionamento. Em muitos casos, a tomada de decisão ocorre de forma reativa, depois que o problema já se manifestou. A proposta da REEnergia parte de uma premissa simples: o problema não é necessariamente a falta de dados, mas a ausência de integração entre eles.

2. A proposta da REEnergia

A REEnergia foi concebida como uma plataforma modular de monitoramento, análise e apoio à decisão. Sua arquitetura reúne dados da memória de massa da concessionária, sistemas fotovoltaicos, analisadores de qualidade da energia, faturas e contratos, informações do Mercado Livre de Energia, indicadores ambientais e outros sistemas corporativos.

Sobre essa base integrada podem ser aplicados algoritmos de inteligência artificial, modelos estatísticos e técnicas de aprendizado de máquina para previsão da demanda e do consumo, identificação de padrões, apoio ao diagnóstico de condições críticas, acompanhamento da geração fotovoltaica, análise da qualidade da energia, monitoramento de indicadores de desempenho energético e geração de relatórios, alertas e painéis gerenciais.

A estrutura é alinhada aos princípios de monitoramento, medição, análise e melhoria contínua da ABNT NBR ISO 50001:2018, utilizada como referência metodológica de gestão energética. A plataforma não representa certificação ISO da empresa ou da instalação.

3. Arquitetura e integração inteligente

FONTES DE DADOS  →  INTEGRAÇÃO E TRATAMENTO  →  INTELIGÊNCIA ANALÍTICA  →  RESULTADOS

Figura conceitual adaptada do Documento Executivo de Inovação Tecnológica da REEnergia (2026).

4. Metodologia

1. Aquisição: Coleta de dados da concessionária, geração fotovoltaica, qualidade da energia, Mercado Livre, indicadores ambientais e sistemas corporativos.

2. Integração: Limpeza, organização, padronização, sincronização temporal e formação de uma base integrada.

3. Inteligência: Aplicação de inteligência artificial, aprendizado de máquina, séries temporais e modelos estatísticos para identificação de padrões e previsão.

4. Indicadores: Geração de KPIs, dashboards, relatórios e alertas para acompanhamento técnico e gerencial.

5. Decisão: Uso das informações para eficiência energética, sustentabilidade, qualidade da energia e planejamento operacional.

5. Validação em ambiente real

O Clube de Engenharia de Goiás (CENG), localizado em Goiânia, foi selecionado como ambiente piloto para validação da REEnergia. A instalação reúne características relevantes para um cenário real de gestão energética: unidade consumidora do Grupo A, sistema fotovoltaico, dados de memória de massa da concessionária, medições de qualidade da energia e indicadores de sustentabilidade.

Nesse ambiente, a proposta permite validar a integração das bases, a previsão da demanda elétrica, o monitoramento energético e a geração de indicadores para apoio à tomada de decisão. O caso piloto também possibilita avaliar, em uma mesma estrutura, variáveis técnicas, econômicas, operacionais e ambientais.

6. Resultados e ganhos da abordagem integrada

A validação demonstrou a capacidade de consolidar diferentes bases de dados e transformar informações operacionais em indicadores de gestão. Também permitiu implementar modelos de previsão da demanda, monitorar aspectos da qualidade da energia e gerar indicadores ambientais e de desempenho.

7. Potencial de aplicação

A arquitetura modular e escalável da REEnergia permite sua adaptação a diferentes perfis de consumidores. Entre os segmentos previstos estão hospitais, universidades, indústrias, condomínios e edifícios, shopping centers, supermercados e instituições públicas. As aplicações incluem monitoramento energético, qualidade da energia, previsão de demanda, redução de custos operacionais, acompanhamento de indicadores de sustentabilidade e suporte à gestão da energia.

As próximas etapas contemplam a ampliação da validação para novos ambientes consumidores, o desenvolvimento de módulos web, a integração com sistemas de monitoramento em tempo real e a incorporação de novos algoritmos de inteligência artificial.

8. Considerações finais

A REEnergia propõe transformar dados energéticos dispersos em informações integradas, preditivas e estratégicas. Ao reunir dados reais, inteligência artificial, indicadores de sustentabilidade e princípios de gestão energética em um único ambiente, a plataforma busca ampliar a capacidade de monitoramento, diagnóstico e apoio à decisão.

O ambiente piloto evidencia a viabilidade técnica da abordagem e oferece uma base concreta para a evolução da solução. O objetivo é avançar de análises isoladas para uma gestão energética contínua, estruturada e orientada por dados, contribuindo para eficiência energética, confiabilidade operacional, redução de custos e sustentabilidade.

Referências

AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA. Procedimentos de Distribuição de Energia Elétrica no Sistema Elétrico Nacional – PRODIST – Módulo 8. 2024.

AHMAD, T.; ZHANG, D.; YAN, B. A review on renewable energy and machine learning. Energy Reports, v. 6, p. 2811-2822, 2020.

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. ABNT NBR ISO 50001:2018 – Sistemas de gestão da energia – Requisitos com orientações para uso. Rio de Janeiro, 2018.

BREIMAN, L. Random forests. Machine Learning, v. 45, n. 1, p. 5-32, 2001.

GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep Learning. MIT Press, 2016.

GÉRON, A. Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow. 3. ed. O’Reilly Media, 2025.

IEEE. IEEE Std 519-2014: Recommended Practice and Requirements for Harmonic Control in Electric Power Systems. 2014.

INTERNATIONAL ENERGY AGENCY. Energy Efficiency 2024. 2024.

INTERNATIONAL RENEWABLE ENERGY AGENCY. Renewable Capacity Statistics 2024. 2024.

ORGANIZAÇÃO DAS NAÇÕES UNIDAS. Transforming our World: The 2030 Agenda for Sustainable Development. 2015.

TALWARIYA, P.; KUMAR, A. Artificial intelligence techniques for energy forecasting: A review. Energy Informatics, 2023.