Inteligência Artificial para a Transição Energética

1. Fundamentos da Transição Energética

a. Aquecimento global e mudanças climáticas;
b. Projeções e impactos das mudanças climáticas;
c. Mitigação e adaptação às mudanças climáticas;
d. Papel da transição energética na mitigação das mudanças climáticas: fontes renováveis e economia da energia;
e. Energias renováveis;
f. Previsão de IA para apoiar análises preditivas em mudanças climáticas;

2. Introdução à IA;

3. IA nas Empresas e apoio à decisão;

4. Principais tendências impulsionando o potencial da IA para acelerar a transição energética;

5. Introdução à Linguagem Python: estruturas de dados, condicionais e de repetição; pacotes populares para análise de dados;

6. Principais Fontes de Energia Renovável, seus desafios econômicos e o papel da IA.

1. Hidrogênio

a. A economia do hidrogênio;

b. Hidrogênio: rotas de produção;

c. Hidrogênio Verde;

d. Métodos de produção de hidrogênio, armazenamento e logística;

e. Hidrogênio no setor automotivo.

2. Metaheurísticas de otimização

a. Otimização de Planejamento;

b. Colônia de Formigas;

c. Modelos de Deep Learning para processamento de texto (Modelos Recorrentes baseados em Gates e Transformers) e imagens (Convolucionais e Vision Transformers);

3. Principais desafios da Economia de Hidrogênio

4. Inteligência Artificial e Tomada de Decisão

5. Aplicações de IA no Setor Automotivo

a. Redes neurais artificiais (RNAs) para otimização de sistemas de armazenamento de hidrogênio e transporte.

6. IA na Otimização de Sistemas de Hidrogênio

a. Otimização da programação do armazenamento de hidrogênio para atender à demanda de energia e à eficiência de custos.

b. IA para otimizar a relação de potência entre célula de combustível e eletrolisador em sistemas de armazenamento de hidrogênio.

7. Diagnóstico e Manutenção de Sistemas de Hidrogênio com IA

a. Diagnóstico de falha em equipamentos de sistema de gerenciamento de energia de hidrogênio usando redes neurais

b. Previsão de variações de temperatura em trocadores de calor de hidrogênio por redes neurais

1. Energia Solar

a. Recurso solar;

b. Panorama da energia fotovoltaica;

c. Sistemas fotovoltaicos;

d. Estimativa simplificada de produção de energia;

e. Energia Eólica onshore e offshore;

f. Energia Hidrelétrica;

g. Aspectos econômicos das energias renováveis;

h. Potencial de fontes renováveis (solar, eólica) em diferentes áreas do Brasil.

2. Inteligência Artificial

a. Machine Learning,;

b. Regressão linear e não linear;

c. Árvores de Decisão;

d. Support Vector Machine (SVM);

e. Modelos de comitê (Random Forest);

f. Classificação, Regressão e Previsão de séries temporais.

3. IA na Energia Solar

4. Meteorologia e Previsão de Energia Solar por IA;

a. Predição por IA da produção de energia solar no tempo para aumento da eficiência e a confiabilidade da energia;

b. Otimização da Localização de parques solares;

5. Otimização da Operação e Manutenção de Sistemas Solares;

6. Análise de Dados e Integração de Sistemas;

a. Análise Preditiva e Previsão da produção de energia solar;

7. Simulação e Modelagem de Sistemas Solares;

8. Estudos de Caso e Projetos.

1. Eólica Onshore e Offshore

a. Onshore;

b. Introdução;

c. Meteorologia Básica;

d. Simulação numérica de escoamentos para cálculo de produção energética de parques eólicos;

e. Cálculo de produção energética P50 e P90 de parques eólicos;

f. Aerogeradores;

g. Aerodinâmica;

h. Tratamento de dados anemométricos;

i. Medição de dados anemométricos;

j. Offshore;

k. Histórico;

l. Tecnologias;

m. Regulamentação no Brasil.

2. Inteligência Artificial

a. Algoritmos Genéticos;

b. Redes Neurais de Aprendizado Profundo;

c. Técnicas de regressão e classificação para tratamento e previsão de dados,

d. Modelos supervisionados e não supervisionados;

e. Manutenção Preditiva com IA;

f. Modelos de previsão de curto e longo prazo;

g. Simulação e Otimização Baseada em IA.

3. Previsibilidade climática para otimização da operação e manutenção de parques eólicos

4. Previsão da operação de aerogeradores;

5. Manutenção preditiva por IA;

6. Predição por IA da produção de energia eólica.

Tecnologias Inteligentes Viabilizando Produtos de Baixo Carbono

1. Adaptação da indústria de transformação de fontes fósseis

a. Biocombustíveis e Biorrefino;

b. Gasolina verde, diesel renovável, SAF, bunker sustentável;

c. Adaptações da infraestrutura atual do refino;

d. Emissões da Indústria de O&G e dos Combustíveis renováveis – Inventários Escopo 1,2 e 3;

e. Mitigação de emissões na indústria do petróleo.

2. Enxame de Abelhas, Particle Swarm Optimization (PSO), Proxy models e IA para Digital Twin

3. Biocombustíveis e Biorrefino;

4. Adaptações na Infraestrutura de Refino;

5. Aplicações de IA para emissões;

a. Monitoramento de emissões com uso de Inteligência;

b. Artificial Digital Twin de processos industriais de refino por IA para aumento de eficiência energética e mitigação de emissões de gases de efeito estufa;

c. Modelos preditivos simplificados da qualidade dos biocombustíveis com base em dados de matéria-prima e condições de processo;

d. Modelos simplificados de formulação combustíveis misturas fósseis e renováveis e renováveis puros com predição de desempenho e emissões;

e. Automação da coleta e análise de dados de emissões de diferentes fontes, gerando inventários detalhados para os Escopos 1, 2 e 3.

6. Análise de Matérias-Primas e Otimização com IA

7. Aplicações de IA na Produção de Biocombustíveis

a. Modelos simplificados para análises de ciclo de vida de combustíveis fósseis e renováveis.

8. Desafios e Tendências Futuras.

1. A indústria do Petróleo na Transição Energética

a. Projeções de consumo de energias fósseis;

b. O gás natural como combustível de transição;

c. Biometano como vetor de descarbonização da indústria de gás;

d. Outros gases de baixo carbono;

i. Mistura de hidrogênio na rede;

ii. Gás natural sintético;

e. Gás natural, e novas fronteiras exploratórias brasileiras (Margem Equatorial): seu papel na sobrevida da indústria do Petróleo;

f. Ações da Indústria do Petróleo para o NET Zero – 2050;

g. Sequestro de Carbono e Sequestro Geológico de Carbono (CCS);

h. Mercados de Carbono. Monetização do Sequestro de Carbono;

i. CCS: Fontes geradoras, sítios de armazenamento, logística da cadeia e projetos industriais;

j. Fundamentos físicos do sequestro geológico de carbono;

k. Mitigação de riscos no sequestro geológico de carbono;

l. Potenciais aplicações de Inteligência Artificial no estudo de CCS;

2. Sistema de monitoramento automático por inteligência artificial (PLN) em bases de patentes, artigos científicos com geração semanal de dashboards

a. Estimativa do potencial de armazenamento de CO2 por;

b. Previsão das propriedades físicas do reservatório; modelagem geomecânica;

c. Rastreamento da migração de pluma e monitoramento de vazamento de CO2;

d. Análise de segurança e fatores de risco, probabilidade de sucesso e fatores influenciadores para a tomada de decisão do projeto;

e. Processamento de linguagem natural para a descoberta de conhecimento a partir de relatórios;

f. Visão computacional para monitorar instalações e processos através de imagens e vídeos;

3. Potenciais aplicações de Inteligência Artificial no estudo setor de gás e biometano;

a. Modelos de IA para gestão de contratos de comercialização de gás;

b. Modelos IA para gestão do transporte de gás natural;

c. Modelos IA para otimização logística do transporte de gás e biometano por caminhão.

4. Modelos de IA

a. Pré-processamento de texto;

b. Representação de texto por frequência;

c. Representação por contexto (Word Embeddings);

d. Introdução ao processamento de linguagem natural;

e. AI Search Vector em dados estruturados e não estruturados, Modelos embedding;

f. Representações de contexto;

g. Case Chatbot;

h. Latent Dirichlet Allocation – LDA;

i. Processamento de Linguagem Natural usando Deep Learning;

j. Modelos para dados sequenciais: LSTM e GRU.

k. Algoritmos Genéticos.

l. Uso de Deep Learning para criação de modelos substitutos (surrogate

models).

5. Soluções por IA dos principais desafios do Gás Natural;

6. Inovação por IA para Sequestro Geológico de Carbono (CCS).

1. Aplicações de Inteligência Artificial (IA) no Monitoramento de Emissões;

2. Gêmeos Digitais Simplificados para Eficiência Energética e Redução de CO2;

3. Automação da Coleta e Análise de Dados de Emissões:

a. Exploração de tecnologias para coleta em tempo real, integração com plataformas de análise e ferramentas de visualização.

4. Desafios para IA nas Emissões da Indústria e Combustíveis Renováveis – Inventários de Emissões (Escopo 1, 2 e 3)

a. Conceitos fundamentais relacionados aos gases de efeito estufa (GEE), abordando o CO2 equivalente, o CO2 biogênico, e a elaboração de inventários de emissões de GEE.

5. Estratégias de Mitigação de Emissões na Indústria do Petróleo e Renováveis baseadas em IA

a. Apresentação de tecnologias como CCS, otimização energética e integração de energias renováveis.

6. Modelos de Reinforcement Learning, Processamento de Linguagem Natural e Previsão de Séries Temporais com machine learning clássico, deep learning e modelos estatísticos.

1. Introdução aos Recursos Energéticos Distribuídos (REDs) – Fontes renováveis de energia, Sistemas de armazenamento de energia elétrica, Programas de Resposta de Demanda e Veículos elétricos

2. Panorama global e nacional de políticas de incentivo aos Recursos Energéticos Distribuídos;

3. Impacto das regulamentações na integração dos REDs nos sistemas elétricos;

4. Avaliação da viabilidade econômica dos REDs nos sistemas elétricos;

5. Desafios técnicos e econômicos associados aos serviços ancilares em redes elétricas com REDs;

6. Algoritmos de otimização de fluxo de potência, despacho de energia e gestão de armazenamento de energia envolvendo REDs;

7. Desafios técnicos, econômicos e regulatórios na integração de REDs em larga escala;

8. Atividades práticas de análise de dados e integração de REDs em redes de Distribuição utilizando Python e OpenDSS;

9. Introdução às Usinas Virtuais, Redes Elétricas Inteligentes e Microrredes de energia elétrica;

10.Visão sobre novas tecnologias e seu potencial impacto na rede elétrica;

11. Reflexão sobre os aspectos éticos e o impacto social da transição para energias renováveis;

12.Modelos Multimodais, CLIP (OpenAI), Segment Anything (Meta), Grounded SAM, Stable Diffusion, DINO (Meta), Knowledge Distillation, Modelos Generativos;

13.Visão sobre Novas Tecnologias e seu Potencial Impacto nos Sistemas de Distribuição de Energia Elétrica;

14.Introdução aos Recursos Energéticos Distribuídos (REDs);

15.IA Generativa e modelos LLM na gestão da informação relacionada a aspectos éticos e o impacto social da transição para energias Renováveis;

16.Impacto das Regulamentações na Integração dos REDs nos Sistemas Elétricos;

17.Avaliação da Viabilidade Econômica dos REDs nos Sistemas Elétricos;

18.Desafios Técnicos para Simulação de Cenários de Penetração de REDs nas Redes de Distribuição de Energia Elétrica;

19.Previsão de Demanda e Geração de Energia em Redes de Distribuição de Energia Elétrica;

20.Desafios Técnicos e Econômicos Associados aos Serviços Ancilares em Redes Elétricas com REDs;

21.Otimização do Despacho de Energia Envolvendo REDs;

22.Desafios Técnicos na Integração de REDs em Larga Escala nos Sistemas de Distribuição;

23.Análise de Dados para Aplicações em Larga Escala dos REDs;

24.Introdução às Usinas Virtuais de Energia, Redes Elétricas Inteligentes e Microrredes;

25.Atividades Práticas com Integração de REDs em Redes de Distribuição.

1. Incentivos e coordenação na política de redução de emissões;

2. Mercados voluntários e compulsórios de carbono;

3. Cap-and-trade versus carbon-tax;

4. Modelagem da incerteza do preço do carbono e do preço da energia;

5. Aspectos econômicos do hidrogênio verde e da energia renovável;

6. Análise econômica de projetos de mitigação e de adaptação climática;

7. Hubs de carbono, projetos de CCUS e de geoengenharia;

8. Taxa de desconto de projetos ambientais; e

9. Financiamento da transição energética e os títulos verdes;

10.Modelos de processamento de texto e imagens com arquiteturas Transformer, Vision Transformer e Convolucional;

11. Modelos híbridos. Metaheurísticas de otimização. Zero-shot learning;

12.Principais questões da Economia das Mudanças Climáticas com IA e Teoria dos Jogos;

13.Análise econômica de projetos de redução de emissões e de transição energética com IA e Opções Reais;

14.Mercados voluntários de carbono com IA, blockchain e criptoativos;

15.Aplicações de Inteligência Artificial na economia de mudanças climáticas;

16.Aplicações de Inteligência Artificial em Análise de Portfólio e Planejamento Empresarial e Governamental.