Redes de energia inspiradas em sinapses: uma abordagem neuromórfica para proteção de microrredes sem links de comunicação

Por que proteger pequenas redes elétricas é importante

À medida que bairros instalam painéis solares, baterias e geradores locais, eles passam a depender cada vez mais de pequenas redes elétricas chamadas microrredes. Esses sistemas podem manter as luzes acesas durante tempestades e reduzir a carga nas grandes usinas, mas também são mais difíceis de proteger contra faltas elétricas e ataques cibernéticos. Este artigo explora uma nova forma de proteger microrredes emprestando ideias de como células cerebrais se comunicam, permitindo que cada unidade de energia tome decisões ultrarrápidas próprias sem depender de links de comunicação frágeis.

Limites das ferramentas de proteção atuais

Dispositivos de proteção tradicionais esperam correntes de falta muito altas e uma topologia de rede relativamente estável. Em microrredes modernas, inversores limitam a corrente por segurança e eficiência, e linhas são frequentemente reconfiguradas conforme painéis solares ou baterias se conectam e desconectam. Isso torna difícil distinguir uma falta perigosa de uma mudança normal no consumo de energia. Esquemas mais recentes tentam resolver isso com comunicação de alta velocidade, sensores sincronizados ou lógica complexa, mas isso introduz atrasos, riscos de perda de dados e vulnerabilidades cibernéticas. Outras abordagens, como métodos de onda viajante, funcionam bem em linhas de transmissão longas, mas têm dificuldade em microrredes de baixa tensão e malhas compactas, onde os sinais são mais fracos e as reflexões atrapalham.

Emprestando ideias do cérebro

Os autores propõem uma estratégia diferente inspirada em neurônios biológicos. No projeto deles, cada recurso energético distribuído em uma microrrede comporta-se como uma célula neural simples chamada neurônio do tipo leaky integrate-and-fire. Cada unidade monitora sua tensão, corrente e potência locais, e combina suas variações em um único índice de perturbação. Quando esse índice é pequeno, o neurônio virtual permanece basicamente inativo. À medida que a perturbação cresce, o intervalo entre seus “picos” elétricos diminui. Faltas mais fortes ou mais próximas fazem o neurônio disparar mais cedo, assim como uma célula nervosa dispara mais rapidamente em resposta a um estímulo forte. Um limiar adaptativo embutido ajusta-se às condições de operação para que mudanças rotineiras de carga não causem disparos desnecessários.

Deixar o primeiro pico decidir

Em vez de enviar medições detalhadas a um cérebro central, todas as unidades simplesmente observam os picos. A regra de proteção é direta: o dispositivo cujo neurônio dispara primeiro é assumido como o mais próximo da falta e desarma seu disjuntor local. Essa regra Primeiro-A-Disparar reflete como sistemas de onda viajante usam o sinal que chega primeiro para localizar um problema, mas aqui funciona sem GPS, comunicação de larga escala ou sensores de alta frequência especializados. Como cada unidade age apenas com base em suas próprias medições e temporização, o esquema é inerentemente descentralizado e muito menos exposto a falhas de comunicação ou ataques cibernéticos.

Como a nova proteção se comporta na prática

A equipe testou a abordagem em modelos computacionais detalhados de microrredes em anel e em malha, e então em hardware em tempo real. Eles simularam faltas fase-terra, faltas fase-fase, faltas trifásicas e grandes variações de carga ao longo de muitos comprimentos de linha e resistências de falta. O sistema tipicamente detectou e isolou faltas em 10 a 58 milissegundos, muito mais rápido que relés convencionais de microrrede, que frequentemente levam de 200 a 450 milissegundos, e até mais rápido que sistemas de onda viajante relatados em cerca de 60 milissegundos. Faltas mais fortes e em linhas mais curtas produziram consistentemente picos mais precoces e disparos de disjuntor mais rápidos, reproduzindo naturalmente o comportamento "falta mais forte, ação mais rápida" das curvas de proteção clássicas. Ao mesmo tempo, o limiar adaptativo manteve os neurônios inativos mesmo durante fortes variações de carga, resultando em precisão de detecção acima de 98% e seletividade espacial acima de 97% em mais de 300 casos de falta simulados.

Por que essa abordagem pode escalar com redes futuras

Como cada unidade de energia precisa apenas de medições locais e de um modelo de pulso de baixo custo computacional, o método é eficiente em energia e fácil de escalar. Em operação normal, quase não se produzem picos, e o processamento ocorre apenas em eventos raros de falta. Novas unidades solares ou baterias podem entrar na microrrede sem reprogramar um controlador central, pois simplesmente atuam como novos neurônios que obedecem à mesma regra Primeiro-A-Disparar. Os autores apontam alguns desafios restantes, como faltas de resistência muito alta que geram perturbações fracas e redes muito congestionadas onde muitas unidades veem condições similares, mas argumentam que isso pode ser tratado com ajuste fino e filtragem adicional.

O que isso significa para usuários de energia no dia a dia

Para quem não é especialista, a mensagem principal é que os autores demonstraram como microrredes podem se proteger pensando mais como um cérebro do que como uma máquina tradicional. Cada inversor solar ou unidade de bateria escuta atentamente seu ambiente local, dispara picos apenas quando algo realmente incomum acontece e permite que o primeiro respondente isole o problema quase instantaneamente. Essa estratégia neuromórfica oferece proteção rápida e seletiva sem depender de redes de comunicação vulneráveis, oferecendo um caminho para sistemas de energia locais mais seguros, resilientes e flexíveis à medida que as energias renováveis se espalham.

Citação: Prabhakar, S., Panigrahi, B.K., Blaabjerg, F. et al. Synapse-inspired energy networks: a neuromorphic approach to microgrid protection without communication links. Commun Eng 5, 90 (2026). https://doi.org/10.1038/s44172-026-00643-2

Palavras-chave: proteção de microrrede, energia neuromórfica, redes neurais de pulso, recursos energéticos distribuídos, detecção de falta