Principais pontos
Google DeepMind apresentou o WeatherNext 3, um modelo de previsão meteorológica com IA para operadores de infraestrutura energética
O modelo atualiza dados de hora em hora e prevê velocidade do vento a alturas de até 100 metros, nível típico das pás de turbinas
Também projeta níveis de radiação solar para estimar a geração de energia de painéis fotovoltaicos
O WeatherNext 3 mira operadores de rede que precisam equilibrar oferta e procura à medida que cresce a capacidade renovável
A DeepMind posiciona a ferramenta como um contributo direto para acelerar a adoção de energia limpa
Google DeepMind lançou o WeatherNext 3, um modelo de previsão do tempo desenvolvido para parques eólicos, produtores solares e operadores de redes de eletricidade.
Segundo a empresa, o modelo é atualizado a cada hora e projeta as condições que mais influenciam a produção de energia renovável.
A DeepMind detalhou a ferramenta em 14 de setembro numa publicação na X e divulgou mais informações técnicas no seu blog.
O que o WeatherNext 3 mede
O WeatherNext 3 gera dois fluxos principais de previsão. O primeiro cobre velocidade e direção do vento a alturas até 100 metros, alinhadas com a zona de operação das pás na maioria dos parques eólicos onshore modernos.
O segundo fluxo projeta nebulosidade e radiação solar incidente. Operadores de rede usam esses dados para estimar quanta eletricidade os painéis solares irão produzir nas horas seguintes.
Ambos os fluxos são atualizados com cadência horária. A DeepMind sublinha que essa frequência é crítica porque as condições meteorológicas que afetam a produção podem mudar dentro de um único período de negociação nos mercados de energia.
A empresa enquadra o produto como infraestrutura para a transição energética. Ao dar aviso prévio sobre alterações no tempo, permite alinhar a oferta de energia limpa com a procura dos consumidores e ajuda a estabilizar redes elétricas quando a geração renovável é volátil.
Leia também: Bitget diz que negociações não cripto já são 40% ao ultrapassar foco exclusivo em ativos digitais
Por que o equilíbrio da rede exige melhores previsões
Historicamente, redes elétricas dependeram de geração “despachável”, ou seja, centrais que podem ser ligadas ou moduladas sob demanda. Centrais a carvão, gás e nucleares enquadram-se nessa categoria.
Eólica e solar não oferecem essa flexibilidade: a produção depende de condições fora do controlo dos operadores. Uma rede com elevada participação de renováveis precisa antecipar as oscilações de geração, em vez de simplesmente reagir a elas.
Erros de previsão acumulam-se em toda a rede. Um parque eólico que superestima a sua produção pode deixar o operador do sistema em falta no pico de consumo. Subestimar a geração desperdiça capacidade e obriga a acionar reservas mais caras.
Modelos de previsão com IA em resolução horária atacam diretamente essa lacuna. Maior precisão na janela de uma a doze horas dá aos operadores tempo para programar a utilização de baterias, acionar resposta da procura ou contratar capacidade de backup com menor custo.
A DeepMind trabalha em modelagem meteorológica há vários anos. Pesquisas anteriores resultaram no GraphCast, um modelo global de previsão do tempo que superou, em vários indicadores, as referências do Centro Europeu de Previsão do Tempo de Médio Prazo.
O WeatherNext 3 aplica essa base tecnológica a casos de uso específicos do setor de energia.
O ângulo da infraestrutura de IA para leitores cripto
A implementação de modelos de IA nesta escala cruza-se com a narrativa de computação descentralizada que vem ganhando tração nos mercados de cripto. Redes como Bittensor (TAO) e Render (RNDR) constroem a sua tese de valor em torno da crescente procura por infraestrutura distribuída de IA.
Um produto de previsão meteorológica em produção, desenvolvido por um dos principais laboratórios de IA do mundo, ilustra a dimensão real das necessidades computacionais que redes descentralizadas pretendem atender. Hoje, a DeepMind opera o WeatherNext 3 sobre infraestrutura proprietária. Resta saber se alternativas abertas ou distribuídas conseguirão igualar esse desempenho, questão em aberto para o setor.
Elon Musk afirmou na segunda-feira que data centers de IA já contribuem para preços de eletricidade mais baixos aos consumidores. Essa visão corre em paralelo com a narrativa da DeepMind, segundo a qual previsões mais precisas reduzem o custo de gerir a oferta renovável.
Leia também: Grok 5 surge como alvo de AGI de Musk enquanto se intensificam alertas sobre riscos da IA
O que vem a seguir
A DeepMind ainda não revelou quais operadores de rede ou empresas de energia já utilizam ativamente o WeatherNext 3. Parcerias comerciais nesse segmento geralmente envolvem utilities, produtores independentes de energia e mesas de negociação de eletricidade.
O grau de precisão do modelo em horizontes de previsão mais longos, acima de seis horas, será decisivo para sua utilidade em ofertas para o mercado de energia do dia seguinte — onde se liquida o maior volume de contratos e onde erros de previsão são mais onerosos.
Modelos concorrentes de previsão com IA, de startups como a Tomorrow.io, e serviços já disponíveis de agências meteorológicas nacionais disputam o mesmo nicho. A entrada da DeepMind eleva a fasquia competitiva para a qualidade das previsões em todo o setor.
Leia a seguir: Hackers da Revolut começam a publicar ficheiros de clientes e exigem 10.000 Bitcoin
