Reduzir a quantidade de carbono liberada pela produção de energia costuma exigir decisões complexas. É preciso prever quanto será consumido, equilibrar diferentes fontes e, ao mesmo tempo, respeitar limites ambientais. Agora, uma nova abordagem digital sugere que inteligência artificial, otimização matemática e blockchain podem trabalhar juntas para diminuir o custo dessa transição.
Em um estudo publicado em 2026, pesquisadores desenvolveram uma estrutura capaz de antecipar a demanda energética, organizar a operação do sistema e registrar as emissões de maneira rastreável. Em determinado cenário analisado, a estratégia reduziu em cerca de 12% o custo marginal da redução de carbono.
Uma espécie de cérebro digital para a rede de energia
O sistema foi projetado para lidar com redes energéticas nas quais diferentes necessidades precisam ser coordenadas. Ele considera fatores como consumo histórico, preços da eletricidade, condições climáticas e atividade industrial para estimar a demanda diária.
Para fazer essas previsões, os pesquisadores utilizaram o XGBoost, um algoritmo de aprendizado de máquina capaz de identificar relações complexas em grandes conjuntos de dados.
As previsões alimentam, então, um modelo chamado programação linear inteira mista, ou MILP. Na prática, essa ferramenta funciona como um mecanismo de decisão: ela procura combinações que atendam à demanda energética respeitando determinadas restrições.
Siga o canal do Fala Ciência no WhatsApp para receber nossos conteúdos em primeira mão!
Entrar no Canal do WhatsAppEntre elas estão:
- equilíbrio entre oferta e consumo;
- limites de emissão de carbono;
- disponibilidade dos recursos;
- custos associados à operação.
Assim, o sistema não apenas prevê o que poderá acontecer, mas também calcula como organizar os recursos diante dessas condições.
Blockchain entra para deixar as emissões rastreáveis
Há ainda uma terceira peça nessa arquitetura tecnológica. Os pesquisadores incorporaram blockchain para registrar informações relacionadas às emissões.
Apesar de a tecnologia ser muito conhecida por sua utilização em criptomoedas, sua função básica é permitir o armazenamento compartilhado e rastreável de informações em um registro digital.
Nesse caso, o objetivo é criar uma espécie de histórico verificável das emissões. Isso pode facilitar a identificação da origem dos dados e da responsabilidade de diferentes participantes de uma rede energética.
Consequentemente, previsão, planejamento e acompanhamento das emissões passam a fazer parte de uma mesma estrutura digital.
Leia mais:
Um corte de 12% apareceu em um cenário específico
O resultado mais chamativo surgiu quando os pesquisadores limitaram a cota de carbono a 50% das emissões de referência do sistema. Nessa condição, o custo marginal necessário para reduzir emissões caiu aproximadamente 12%.
Esse indicador representa quanto custa, adicionalmente, evitar mais uma unidade de emissão. Portanto, a redução observada não significa que o sistema eliminou 12% das emissões, mas que o custo associado a novas reduções ficou menor naquele cenário analisado.
A pesquisa foi publicada no International Journal of Environment and Pollution em 2026. O estudo é de Wenjuan Liu, primeira autora, em parceria com Wenbo Ma, e tem o título Marginal emission reduction costs of regional energy system transformation enabled by digital economy from the perspective of supply chain.
Ainda assim, os resultados representam uma modelagem de um sistema energético, e não uma demonstração de que todas as redes reais obteriam exatamente a mesma economia. Aplicações práticas dependeriam da qualidade dos dados, das características de cada região e da infraestrutura disponível.
Mesmo assim, a proposta mostra como ferramentas digitais podem ser integradas para enfrentar um dos desafios da transição energética: reduzir emissões sem tornar cada nova etapa de descarbonização excessivamente cara.
