fechados por mês
eventos do CanalEnergia
mantenha-se informado
sobre o setor de energia.
Novo estudo da Juniper Research descobriu que a economia de custos das implantações de redes inteligentes excederá US$ 125 bilhões globalmente em 2027; aumentando de pouco mais de US$ 33 bilhões em 2022. O crescimento de 279% será impulsionado pelo aumento dos preços da energia, com as tecnologias de redes inteligentes desempenhando um papel crítico no aumento da eficiência da rede e na otimização do gerenciamento de recursos. O relatório de mercado Smart Grid identificou as habilidades de análise baseadas em inteligência artificial como cruciais para maximizar os benefícios de novas fontes de energia renováveis, equilibrando ativamente a carga e otimizando a transmissão de energia.
A pesquisa identificou as implantações de redes inteligentes como a chave para a descarbonização da produção de eletricidade. As redes inteligentes permitirão que fontes de energia que produzem eletricidade com base em elementos externos, como energia solar e eólica, atendam aos requisitos de energia de maneira mais eficaz, equilibrando ativamente a carga e prevendo picos de demanda e produção.
O coautor da pesquisa, Nick Maynard, explicou ainda que ao alavancar a inteligência artificial, as redes de eletricidade podem garantir que picos de demanda sejam previstos e mitigados. Os fornecedores de redes inteligentes devem se concentrar em aprimorar seus modelos para prever com mais precisão os padrões de uso para maximizar esses benefícios.
A pesquisa prevê que as implantações de redes inteligentes resultarão em uma redução de quase 700 milhões de milhões de toneladas métricas nas emissões de CO2 equivalente globalmente em 2027; caindo de 214 milhões em 2022. O relatório prevê que isso será fundamental para atender às rigorosas metas de mudança climática, juntamente com a atualização das capacidades de geração para apresentar mais fontes renováveis, incluindo eólica e solar.
A pesquisa recomenda ainda que os fornecedores de redes inteligentes desenvolvam mecanismos de ingestão de dados que possam analisar e interpretar dados estruturados e não estruturados de fontes diferentes, incluindo medidores inteligentes, dados de rede e previsões meteorológicas, para maximizar as reduções de emissões.
