Categoria: artigos

Resumo

Em 13 de agosto de 2026, a inspetora de planejamento Helen Heward negou licença a um sistema de armazenamento de 150 MW em Axminster, na Inglaterra, apesar de o desenvolvedor ter cumprido integralmente as diretrizes aplicáveis de segurança contra incêndio e ter empregado equipamento de fabricante de primeira linha. A decisão não apontou descumprimento de norma alguma: apontou que a evidência apresentada não permitia confiar que os controles seriam eficazes. Conformidade normativa é uma lista verificada; argumento de segurança é a demonstração de que o comportamento do sistema permanece dentro de limites conhecidos quando algo falha.

Este artigo sustenta que essa distinção define o gargalo real dos projetos brasileiros de armazenamento contratados a partir dos Leilões de Reserva de Capacidade de dezembro de 2026 — para os quais a EPE cadastrou 6.091 projetos somando 296,8 GW — e que a capacidade de sustentar tal argumento é propriedade da arquitetura de controle, não do equipamento.

Três proposições organizam a análise. Fisicamente, a alocação de uma função de controle é determinada pela constante de tempo do fenômeno que ela governa, e não pela sofisticação do algoritmo que a implementa. Economicamente, a otimização de mercado já é serviço maduro e remoto; o que a computação de borda produz de insubstituível é o envelope operacional derivado do estado físico do ativo. Normativamente, a autoridade de atuação precisa residir em componente cuja corretude seja demonstrável independentemente do que o modelo de aprendizado aprendeu.

O argumento apoia-se em quatro investigações forenses de ocorrências documentadas — Victorian Big Battery, McMicken, Moss Landing e Hornsdale —, no marco regulatório aprovado em junho de 2026 (Resoluções Normativas ANEEL nº 1.161 e nº 1.162, Portaria Normativa MME nº 136 e a nota técnica conjunta ONS/EPE), e em achados publicados de um ativo de 30 MW/60 MWh em operação comercial no sistema de transmissão de São Paulo, no qual a restrição ao empilhamento de serviços foi identificada em ajustes de proteção e algoritmos de controle, e não em potência ou energia nominal. O texto propõe uma arquitetura de referência em quatro camadas — Instrumentação, Percepção, Decisão e Blindagem —, traduz o argumento em oito itens de especificação técnica e declara explicitamente o que não demonstra.

Palavras-chave: sistemas de armazenamento de energia em baterias; BESS; argumento de segurança; segurança funcional; arquitetura de controle; inversores formadores de rede; computação de borda; especificação técnica; LRCAP 2026.

Abstract

On 13 August 2026, planning inspector Helen Heward refused permission for a 150 MW battery storage system in Axminster, England, even though the developer had fully complied with the applicable fire safety guidance and used equipment from a leading manufacturer. The decision identified no breach of any standard; it found insufficient robust evidence that the proposed controls would be effective. Regulatory compliance is a checked list; a safety argument is the demonstration that system behaviour remains within known limits when something fails.

This paper argues that the distinction defines the binding constraint on Brazilian storage projects contracted from the December 2026 Capacity Reserve Auctions onward — for which the national energy research agency registered 6,091 projects totalling 296.8 GW — and that the capacity to sustain such an argument is a property of the control architecture rather than of the equipment.

Three propositions organise the analysis. Physically, the allocation of a control function is determined by the time constant of the phenomenon it governs, not by the sophistication of the algorithm implementing it. Economically, market optimisation is already a mature, remotely delivered commercial service; what edge computation produces that cannot be sourced elsewhere is the operating envelope derived from the asset’s physical state. Normatively, actuation authority must reside in a component whose correctness is demonstrable independently of what the learning model has learned.

The argument draws on four forensic investigations of documented incidents — Victorian Big Battery, McMicken, Moss Landing and Hornsdale — on the Brazilian regulatory framework approved in June 2026, and on published findings from an operating 30 MW/60 MWh transmission-connected asset in São Paulo, where the constraint on additional service stacking was identified in protection settings and control algorithms rather than in rated power or energy. The paper proposes a four-layer reference architecture — Instrumentation, Perception, Decision and Shielding — anchored in ISO/IEC TR 5469:2024, IEC 61508, IEC 62933-5-2:2025 and IEC 62443, translates the argument into eight technical specification items, and states explicitly what it does not demonstrate.

Index terms: battery energy storage systems; BESS; safety case; functional safety; control architecture; grid-forming inverters; edge computing; hardware-in-the-loop validation; technical specification.

---

O que aconteceu em Axminster, e por que isso importa no Brasil

A Empresa de Pesquisa Energética cadastrou 6.091 projetos de armazenamento em baterias, somando 296,8 GW, para os dois Leilões de Reserva de Capacidade marcados para 2 e 4 de dezembro de 2026. É o maior volume de participação já registrado em um certame do setor elétrico brasileiro, para contratar uma fração disso. Não falta capital nem projeto. O que vai separar os empreendimentos que operam dos que não passam da outorga, do financiamento ou do seguro é outra coisa.

Em 13 de agosto de 2026, a inspetora de planejamento Helen Heward indeferiu, em decisão de dezessete páginas, o recurso da Clearstone Energy para um sistema de armazenamento de 150 MW em Axminster, na Inglaterra. O desenvolvedor havia seguido à risca a orientação do Conselho Nacional de Chefes de Bombeiros e empregava tecnologia de fabricante reconhecido. A inspetora não apontou descumprimento de norma. Apontou que a evidência apresentada não permitia confiar que as medidas de segurança contra incêndio e de controle de poluição seriam eficazes — e, como a evidência de controle de poluição estava condicionada à de segurança contra incêndio, a insuficiência da primeira arrastou a segunda.

Conformidade normativa é uma lista verificada. Argumento de segurança é a demonstração de que o comportamento do sistema permanece dentro de limites conhecidos quando algo falha. São coisas diferentes, e apenas a segunda sustenta licença, financiamento e apólice.

O que mudou na regulação brasileira do armazenamento em 2026

A ANEEL aprovou em 2 de junho de 2026 as Resoluções Normativas nº 1.161 e nº 1.162, publicadas no Diário Oficial da União em 24 de junho. O Ministério de Minas e Energia publicou a Portaria Normativa nº 136, que estabelece as diretrizes do primeiro Leilão de Reserva de Capacidade destinado exclusivamente a sistemas de armazenamento em baterias, com início de suprimento em 1º de agosto de 2028.

A REN nº 1.161/2026 define requisitos e procedimentos de outorga para sistemas de armazenamento autônomos, cria o Despacho de Registro do Requerimento de Outorga e fixa prazo limite de 54 meses para entrada em operação comercial.

A REN nº 1.162/2026 disciplina o faturamento de centrais com armazenamento colocalizado e de sistemas autônomos, com cobrança cumulativa sobre a parcela de consumo e a de injeção, e inclui os sistemas de armazenamento no regime de fiscalização e penalidades da agência.

Esse último ponto costuma ser lido como detalhe administrativo. Não é. Ao tornar o armazenador agente regulado sujeito a penalidades, a norma converte erro de controle em passivo regulatório. Um controlador que descarrega fora da janela contratada, que não entrega a disponibilidade comprometida ou que viola limites de conexão deixa de produzir apenas prejuízo e passa a produzir exposição a sanção — e, por consequência, a exigir rastreabilidade da decisão.

Por que a nota técnica ONS/EPE torna a formação de rede uma restrição de arquitetura

Do lado técnico, a nota técnica conjunta NT-ONS DPL 0111/2025 — EPE-DEE-NT-095-2025, em sua revisão de maio de 2026, fixa a tecnologia formadora de rede (grid-forming) como padrão operacional para conexão à rede básica. Ela detalha exigências de comportamento de fonte de tensão com autonomia, resposta dinâmica de potência ativa e reativa, passividade e amortecimento de oscilações sistêmicas, correntes de sequência negativa e capacidade de sobrecorrente transitória.

Diferentemente do inversor grid-following, que sincroniza com uma referência externa, o formador de rede impõe tensão e frequência e precisa responder em frações de ciclo durante perturbações severas. Nenhuma arquitetura dependente de ida e volta a um centro remoto atende a esse requisito. É a primeira restrição arquitetural imposta pela norma, não pela preferência do projetista. Requisitos equivalentes aparecem em padrões internacionais de interconexão de recursos baseados em inversores, como a IEEE Std 2800-2022.

Quatro acidentes que mostram onde a segurança realmente falha

A objeção previsível a uma proposta de arquitetura é a ausência de validação empírica. A resposta é que, em engenharia de segurança, a fonte primária de evidência não é o protótipo: é a investigação forense de ocorrências. Aviação e indústria de processo construíram seus regimes de segurança exatamente assim.

Victorian Big Battery, Austrália, 2021 — a proteção que podia ser desligada

Em 30 de julho de 2021, durante o comissionamento, um vazamento no sistema de refrigeração de um Megapack causou curto-circuito que evoluiu para disparada térmica, destruindo duas unidades. A conclusão do regulador Energy Safe Victoria é quase literal: a ausência de sistemas de monitoramento e proteção que estariam disponíveis caso a unidade não tivesse sido comutada para modo de serviço off-line permitiu que a falha inicial passasse despercebida. A unidade operou treze horas antes da comutação, que desligou o monitoramento e impediu o disparo de alarmes.

A capacidade de detecção existia. A autoridade de atuação havia sido removida por seleção de modo. Uma função de segurança que pode ser desligada por comutação não é uma função de segurança — é um recurso.

O relatório técnico complementar acrescentou um segundo achado relevante: o ensaio de queima UL 9540A contempla ventos de até cerca de 12 mph, enquanto no dia do evento a região registrou rajadas de até 35 mph. É uma lacuna entre o envelope de ensaio e o envelope operacional real.

McMicken, Arizona, 2019 — duas horas de orçamento

Em 19 de abril de 2019, na instalação McMicken da Arizona Public Service, uma falha interna em uma única célula — identificada no par de células 7, módulo 2, rack 15 — iniciou disparada térmica em cascata. Transcorreram aproximadamente duas horas entre o primeiro relato de suspeita de incêndio, às 17h48, e a explosão, por volta das 20h04. Os detectores de fumaça operaram; o desprendimento de gases das células em cascata criou atmosfera inflamável dentro do contêiner, e a deflagração ocorreu com a abertura da porta, ferindo bombeiros.

Essas duas horas são o orçamento de tempo da arquitetura: o intervalo em que percepção multimodal e autoridade determinística mudariam o desfecho. A mesma concessionária já havia sofrido, em 2012, incidente cuja causa raiz apurada foi lógica defeituosa de controle.

Moss Landing, Califórnia, 2021 — o erro simétrico

Em setembro de 2021, a investigação da própria operadora concluiu que o sistema de supressão a água foi armado em resposta a baixos níveis de fumaça e, por falha de acoplamentos em mangueiras e tubulações, aspergiu água sobre os racks. A água danificou as baterias e provocou superaquecimento, gerando mais fumaça, o que liberou mais água e danificou baterias adicionais.

Uma malha de realimentação positiva entre detector e atuador: o sistema de segurança produziu o incidente que existia para prevenir.

Hornsdale, Austrália, 2017 — o caso positivo

Em 14 de dezembro de 2017, antes mesmo de a unidade de Loy Yang A concluir o desligamento, o Hornsdale Power Reserve já havia injetado 7,3 MW para conter a queda de frequência abaixo de 49,80 Hz. Os dados do operador australiano mostram resposta quatro segundos à frente do gerador então contratado para prestar serviços de controle de frequência. A resposta real foi da ordem de milissegundos — rápida demais para o registro capturar.

Evento	Modo de falha	Camada endereçada
Victorian Big Battery, 2021	Proteção removida por comutação de modo; falha não detectada por 13 h	Blindagem — autoridade não comutável
McMicken, 2019	Falha em célula única; ~2 h até a explosão; gás acumulado sem ação	Percepção — precursor multimodal
Moss Landing, 2021	Falso positivo do supressor gerou o dano; realimentação positiva	Percepção — ponto de operação
Hornsdale, 2017	Resposta local em milissegundos, à frente do contratado	Decisão — alocação por constante de tempo

O que os dados de sinistralidade e a carga dos data centers dizem em 2026

A casuística não é história antiga. Em 22 de julho de 2026, um sistema de armazenamento de 1,5 MW alojado em quatro contêineres incendiou-se no leste da Alemanha, com evacuação e resfriamento prolongado.

Do lado da subscrição, levantamento da seguradora QBE junto a 49 corpos de bombeiros britânicos apurou 212 incêndios ligados a sistemas fotovoltaicos em 2025, alta de 133% sobre os 91 de 2022, enquanto o número de instalações cresceu 52%. A propagação para além da instalação de origem subiu de 33 casos em 2022 para 88 em 2025. Pesquisa separada da mesma seguradora apurou um incêndio de bateria de lítio a cada cinco horas no país em 2025, com contenção exigindo até dez vezes mais água que um incêndio convencional.

Esse dado importa por uma razão específica: a sinistralidade cresce mais rápido que a base instalada. A taxa de falha por unidade está subindo, não caindo, à medida que o parque envelhece e a instalação se populariza. Nenhum modelo atuarial baseado em conformidade de produto captura essa dinâmica.

Do lado da carga, a natureza da perturbação mudou. Data centers de inteligência artificial exigem sistemas capazes de atravessar interrupções sem degradação momentânea de qualidade de energia, e implantam bancos cada vez maiores em alta densidade, frequentemente junto a prédios que abrigam infraestrutura computacional insubstituível. Clusters de treinamento não consomem energia gradualmente: quando centenas de megawatts de unidades de processamento entram em operação simultaneamente, criam cargas de pulso que oscilam a demanda do site em milissegundos, e geradores não rampeiam rápido o bastante para responder. Ensaios convencionais de vida útil não capturam esses padrões de ciclagem.

Há ainda um sinal que delimita a fronteira do argumento. A otimização econômica de armazenamento por inteligência artificial já é produto comercial maduro: operadores independentes gerenciam mais de um gigawatt de baterias em múltiplos mercados europeus, atuando em reserva primária, secundária e terciária, controle de tensão, intradiário e spot. Nada disso toca a malha rápida. A camada de decisão econômica está resolvida e é remota; a camada de restrição operacional não está.

O caso brasileiro: quase quatro anos de operação, nenhuma casuística de falha

O Brasil tem histórico de operação de armazenamento em rede, e ele antecede o marco regulatório de 2026. A operação comercial do primeiro sistema em larga escala do sistema de transmissão brasileiro começou em 28 de novembro de 2022, na subestação de Registro, em São Paulo, com o primeiro corte de pico executado em 31 de dezembro daquele ano, às 19h21.

O que o país não tem é casuística de falha. Não há relatório brasileiro de investigação de ocorrência em sistema de armazenamento em rede comparável aos citados acima. A diferença não é tecnicalidade: histórico de operação bem-sucedida e histórico forense produzem conhecimentos distintos, e apenas o segundo informa o projeto da camada de segurança. Uma frota que nunca falhou não demonstrou que não falhará — demonstrou que ainda não encontrou a combinação de condições que a faz falhar.

Há uma segunda descontinuidade, de regime operacional, e ela é mais importante. Registro é um ativo único, de propósito determinado, despachado sazonalmente, pertencente à transmissão e operado de forma neutra quanto a arbitragem. O parque contratado nos leilões de dezembro será múltiplo, multisserviço, exposto a mercado, submetido a requisito de formação de rede e ciclado continuamente. Vale lembrar que o modo de falha do Victorian Big Battery ocorreu durante o comissionamento — precisamente na transição entre regimes operacionais, quando as proteções estavam configuradas para um estado que já não correspondia ao uso.

O achado mais importante veio desse mesmo ativo

Trata-se de um sistema de 30 MW/60 MWh em tecnologia LFP, com taxa de descarga de 0,5 C, autorizado em caráter excepcional pela Resolução Autorizativa ANEEL nº 10.892/2021 e instalado como reforço de infraestrutura em substituição a uma nova linha de transmissão que atravessaria área de preservação ambiental. Como opera em poucos dias do ano, um estudo publicado avaliou quatro aplicações adicionais para a capacidade ociosa: flexibilidade operativa sob contingências, operação ilhada, apoio à restauração do sistema e ampliação da capacidade de hospedagem de renováveis.

A conclusão que interessa é explícita no estudo: para várias das aplicações propostas, seria necessário atualizar a instalação em ajustes de proteção e algoritmos de controle, além de outras atualizações auxiliares de software e hardware. O ativo físico está construído e ocioso na maior parte do ano; o que limita o empilhamento de serviços não é potência nem energia, é a camada de controle.

O mesmo estudo produz um segundo achado, sobre o valor do envelope. Nas simulações dinâmicas de restauração, a resposta primária de frequência limitada a uma rampa de 2,6 MW/s elevou o nadir de frequência em 3,1 mHz; com rampas mais elevadas, observou-se comportamento oscilatório capaz de comprometer a estabilidade do sistema. Mais rápido não é melhor. Existe um limite superior de agressividade de resposta imposto pela estabilidade, e determinar onde ele está, para cada ponto de conexão, é exatamente a função da camada que chamo de envelope. Um controlador que otimize desempenho sem essa restrição encontra a instabilidade antes de encontrar o ótimo.

O contexto sistêmico reforça a urgência: o operador nacional projeta perda de 33% da inércia do Sistema Interligado Nacional até 2030.

O Brasil passa de dezenas de megawatts, em um único ativo de propósito determinado, para gigawatts em regime multisserviço, no intervalo de dois anos, sem base própria de incidentes. A escolha não é entre aprender com acidentes ou não aprender: é entre aprender com os acidentes alheios, antes, ou com os próprios, depois.

Onde cada função de controle deve morar: a hierarquia de constantes de tempo

A discussão sobre inteligência na borda costuma ser conduzida como escolha ideológica entre nuvem e local. É, na verdade, consequência da física. O critério de alocação de uma função de controle é a constante de tempo do fenômeno que ela governa.

Fenômeno	Ordem de grandeza	Alocação
Proteção de célula e malha de corrente do PCS	µs a centenas de µs	Hardware / firmware dedicado
Resposta de formação de rede a perturbação	Sub-ciclo (< 16,7 ms em 60 Hz)	Controlador local determinístico
Carga de pulso de cluster computacional	Milissegundos	Controlador local determinístico
Aquisição e estimação de estado por célula	1 a 10 s	Controlador embarcado
Controle térmico e balanceamento de módulos	Segundos a minutos	Controlador embarcado
Otimização de despacho e arbitragem	Minutos a horas	Serviço remoto de mercado
Requalificação de modelos e análise de frota	Dias a meses	Nuvem

A tabela desfaz duas simplificações opostas. A primeira é a de que tudo deve ir para a nuvem: as quatro primeiras linhas são incompatíveis com latência de rede de longa distância e com sua variabilidade. A segunda é a de que tudo deve ficar na borda: otimização de mercado e comparação entre ativos de uma frota beneficiam-se de agregação centralizada, e é exatamente onde a oferta comercial já opera bem.

Há também um dimensionamento de volume. Operadores de grande porte relatam necessidade de leitura de estado de carga e de saúde por célula em intervalos de 1 a 10 segundos, ou mais frequentes durante ciclos, em instalações com milhares de contêineres. Transportar esse volume bruto para fora da planta é oneroso, lento e desnecessário: o que precisa trafegar é inferência, não amostra.

Camada de percepção: por que a temperatura é um indicador atrasado

A estimação de estado de carga em células de fosfato de ferro-lítio, química dominante no armazenamento estacionário, é dificultada por patamar plano de tensão de circuito aberto, forte dependência térmica e deriva de parâmetros por envelhecimento. Estimadores puramente empíricos degradam sob perfis operacionais não estacionários.

A literatura converge para arquiteturas híbridas em que a rede neural não substitui o filtro, mas o alimenta. Uma formulação representativa acopla um Transformer leve a um filtro de Kalman de segunda ordem ciente de envelhecimento: a rede gera parâmetros variantes no tempo do circuito equivalente, estatísticas de ruído e termos de viés, enquanto o filtro permanece como único estimador de estado. A escolha preserva interpretabilidade e propagação de incerteza. Na estimação de saúde, redes informadas por física incorporam restrições de degradação eletroquímica na função de perda, tipicamente ancoradas na cinética de crescimento da camada de interface sólido-eletrólito.

A viabilidade embarcada está demonstrada: modelos quantizados em inteiros de 8 bits operando com latência da ordem de 2 ms e ocupação de aproximadamente 1,2 kB de RAM e 11 kB de flash em microcontroladores Cortex-M0+.

Sobre disparada térmica, o ponto crítico de projeto é que a decomposição do eletrólito líquido comercial inicia-se por volta de 150 °C, mas a temperatura é indicador atrasado: emissão de gases, variação de pressão, deformação e assinatura acústica frequentemente precedem a elevação térmica detectável. Isso sugere fusão multimodal em vez de limiar térmico isolado. Detectar o precursor, não o evento.

E o ponto de operação da detecção é decisão de engenharia de segurança, não hiperparâmetro. Falso negativo é incêndio em ativo de alto valor, com risco à vida e perda de licença. Falso positivo é desligamento desnecessário, indisponibilidade e penalidade — e, como demonstra Moss Landing, pode ser o próprio dano. Um fornecedor que apresenta acurácia agregada de detecção sem declarar taxa de falsos negativos na região de operação, latência de detecção e comportamento sob falha de sensor não entregou a informação que importa.

Camada de decisão: onde a otimização econômica realmente mora

O controle preditivo baseado em modelo é a formulação natural para despacho de armazenamento, porque trata explicitamente restrições e horizonte. Mas há uma objeção procedente do lado da operação: o LFP vem cumprindo ou superando os cronogramas de degradação cíclica, e o quadro agregado de perda de capacidade no longo prazo é mais relevante para operadores e financiadores do que a degradação marginal de comportamentos que não se repetem. Em projetos de dez a vinte anos, a determinação decisiva é se a ampliação ou substituição do bloco de corrente contínua ocorrerá uma, duas ou três vezes.

A objeção delimita o argumento. A penalização de degradação no controlador embarcado não se justifica pela captura de centavos de vida útil por ciclo. Justifica-se como restrição operacional e térmica — impedir taxa C excessiva para o estado de saúde corrente, impedir operação fora da janela segura, impedir que o desequilíbrio entre unidades se agrave. É função de envelope, não de otimização fina.

A pressão por receita marginal é real: o preço de pico no mercado texano caiu de US$ 4.853/MWh em 2024 para US$ 345/MWh em 2026. Mas isso é competência de plataforma de negociação, opera em escala intradiária e já é oferecida comercialmente em escala de gigawatts. Sob a REN nº 1.162/2026, a função de custo precisa internalizar a modalidade tarifária, a contratação de demanda, os horários de operação e a relação com CCEE, ONS ou distribuidora — mas isso é problema de localização de plataforma, não de arquitetura embarcada.

O que a borda produz de insubstituível é outra coisa: o envelope dentro do qual qualquer otimizador, local ou remoto, pode operar. Restrições vivas derivadas do estado físico — desequilíbrio entre racks e entre contêineres, gradiente térmico, taxa C admissível por estado de saúde corrente, precursores de falha, envelope de conexão. Sem esse envelope, o otimizador remoto opera sobre uma abstração que envelhece entre uma atualização e outra.

Camada de blindagem: por que um controlador probabilístico não sustenta o argumento

Controladores baseados em aprendizado por reforço não oferecem, por si, garantias de segurança, e essa limitação é o principal obstáculo à adoção em infraestrutura crítica. A objeção não é conservadorismo: uma política aprendida oferece, no melhor caso, garantia probabilística sobre a distribuição de treinamento, enquanto a operação exige conformidade certificável a restrições rígidas, inclusive sob perturbações raras.

A resposta consolidada é a blindagem em tempo de execução: uma política de alto nível propõe ações; um escudo determinístico filtra ações inseguras por simulação direta rápida, impondo a segurança como invariante de execução, independente da qualidade da política. Formulações alternativas verificam ações por camada construída sobre análise de alcançabilidade retroativa baseada em conjuntos, com restrição temporal que codifica explicitamente a contingência de ilhamento, ou empregam funções barreira de controle.

O denominador comum é a assimetria de autoridade: o componente aprendido propõe, o componente verificado dispõe.

De onde vem o conjunto de restrições

Enumerar limites por intuição de engenharia cobre os óbvios e omite justamente os que causam acidentes — ações de controle individualmente válidas e perigosas em combinação, ou corretas em um estado do sistema e inseguras em outro.

A análise de processo baseada em teoria de sistemas (STPA) foi proposta especificamente para armazenamento em rede com essa finalidade, tratando falhas de sistema de gerenciamento de baterias, gases inflamáveis, arco elétrico, incêndio e explosão como problema de controle inadequado, e não de falha de componente isolado. O método produz o inventário de ações de controle inseguras — comandar quando não se deve, deixar de comandar quando se deve, comandar cedo ou tarde demais, comandar por duração inadequada. Esse inventário é precisamente a especificação da camada de blindagem. O achado brasileiro de comportamento oscilatório sob rampa excessiva é um exemplo de ação de controle insegura por duração e magnitude, não por natureza.

A ancoragem normativa

Esse padrão arquitetural não é invenção do setor elétrico. A ISO/IEC TR 5469:2024 trata das propriedades, fatores de risco e métodos relacionados ao uso de inteligência artificial dentro de funções relacionadas à segurança, e ao uso de funções não baseadas em IA para assegurar equipamentos controlados por IA. Entre os padrões arquiteturais descritos está o de função de retaguarda segura, ainda que subótima, projetada com técnicas não baseadas em IA. A blindagem descrita acima é a instanciação desse padrão no domínio do armazenamento.

O encadeamento normativo completo combina, no mínimo:

• IEC 61508 — ciclo de vida de segurança funcional e determinação do nível de integridade (SIL);
• IEC 62933-5-2:2025 — requisitos de segurança do sistema eletroquímico integrado à rede;
• série IEC 62443 — cibersegurança de automação e controle;
• IEC TR 63069 — coordenação entre segurança funcional e cibersegurança.

A revisão em curso da IEC 61508 incorpora ameaças de cibersegurança à análise de segurança e referencia expressamente a ISO/IEC TR 5469 — sinal de que a convergência entre os três vocabulários deixou de ser tema acadêmico.

A relevância para o modelo de negócio é concreta, e Axminster a demonstra pela negativa. Segurador, financiador e autoridade licenciadora avaliam risco a partir de demonstração, não de declaração. Uma arquitetura que mapeia cada componente de IA a um padrão da TR 5469 e cada função de segurança a um nível de integridade da IEC 61508 produz evidência auditável; uma que apresenta apenas certificados de produto e métricas de desempenho de modelo, não.

A regra de projeto

Nenhum componente baseado em aprendizado detém autoridade de escrita direta sobre atuadores. A função de segurança permanece em lógica determinística verificável, executada em hardware segregado do hardware de inferência, com o conjunto de restrições gravado independentemente do modelo, e sem modo de operação capaz de desabilitá-la. A IA opera dentro do envelope; ela não define o envelope.

A regra tem custo: o desempenho fica limitado pelo conservadorismo do escudo. É custo que vale pagar, porque converte um sistema não demonstrável em demonstrável, e porque o conservadorismo pode ser relaxado gradualmente à medida que a evidência operacional se acumula. O inverso não é verdadeiro.

O envelope computacional: por que a média de latência não serve

A execução de modelos dentro de um contêiner de armazenamento ocorre sob restrições de tamanho, peso e potência inexistentes em nuvem. O invólucro é fechado, o ambiente é quente, empoeirado e sujeito a vibração, e a dissipação compete com a refrigeração do próprio banco. O estrangulamento térmico do processador reduz a frequência de relógio, degradando a taxa de inferência exatamente nas condições operacionais mais críticas.

Dois limites clássicos voltam a ser dominantes. O silício escuro impõe que parcela dos transistores permaneça inativa para não ultrapassar a potência de projeto térmico. E o gargalo de banda de memória — a muralha de memória descrita há três décadas — é o fator limitante real para inferência de modelos baseados em atenção em plataformas embarcadas, mais do que a capacidade aritmética.

Há uma restrição menos discutida e mais determinante em controle: o que importa não é a latência média de inferência, mas o tempo de execução no pior caso. Um estimador cuja inferência ocasionalmente leva o triplo do tempo típico não é um estimador lento — é um estimador que quebra a malha de forma intermitente e difícil de diagnosticar. Projeto embarcado para controle exige limite superior demonstrável, o que empurra as escolhas para modelos de topologia fixa, quantizados, sem alocação dinâmica de memória e sem caminhos de execução dependentes de dado. O critério de aceitação é conformidade ao envelope temporal, não acurácia isolada.

Validação: por que o ensaio em laço fechado é exigência, não concessão

O treinamento por tentativa e erro em banco real é inaceitável: expõe ativo de alto valor a degradação induzida e risco de segurança, e os eventos que mais importam — falha de célula, falha de sensor, perda de refrigeração, transição para ilhamento — são raros por construção.

A alternativa praticável tem três estágios:

1. Gêmeo digital eletrotérmico acoplado a modelo de degradação, calibrado com dados de bancada, no qual as políticas são treinadas e submetidas a cenários extremos.
2. Ensaio hardware-in-the-loop, no qual o controlador embarcado real — com seu firmware, seu escalonador e seu envelope térmico — opera contra planta simulada em tempo real. É neste estágio que problemas de tempo de execução no pior caso aparecem, e não antes.
3. Comissionamento em modo supervisório, com o controlador emitindo recomendações registradas mas sem autoridade de atuação, até que a evidência acumulada justifique o fechamento da malha.

Convém desfazer uma objeção recorrente, segundo a qual apoiar-se em simulação e em ensaio HIL seria concessão diante da ausência de dados de campo. No regime brasileiro vigente, a relação é inversa: a validação C-HIL é o procedimento que o próprio operador nacional exige antes da conexão. A nota técnica ONS/EPE, em sua revisão de maio de 2026, contempla modelos em ANATEM e PSCAD, validação C-HIL, requisitos de operação em modo formador e seguidor de rede, controle de tensão e frequência, black start e ensaios de comissionamento. O mesmo desenho consolida-se internacionalmente: o operador australiano estabeleceu para 2026 um plano de ensaio pré-comissionamento para sistemas com formação de rede, incluindo procedimento padronizado de HIL para validar a funcionalidade antes da conexão à rede.

A transferência do simulado para o real depende de randomização de domínio: variação sistemática, durante o treinamento, de dispersão de capacidade e resistência interna entre células, ruído e viés de sensores, temperatura ambiente e características de acionamento. O objetivo não é o modelo mais preciso no simulador nominal, e sim a política mais robusta à diferença entre simulador e planta.

A arquitetura de referência em quatro camadas

A proposta consolida-se em quatro camadas verticais, atravessadas por um ciclo horizontal de governança de modelos.

1. Instrumentação. Aquisição por célula e por módulo de tensão, corrente, temperatura, pressão e deformação; instrumentação do sistema de conversão de potência e do circuito de refrigeração; interfaces industriais heterogêneas normalizadas em ponto único.
2. Percepção. Estimação embarcada de estado de carga e de saúde por estimador híbrido rede-filtro; detecção multimodal de precursores de falha térmica; caracterização de desequilíbrio intra e inter-contêiner; previsão local de carga líquida e geração colocalizada.
3. Decisão. Composição do envelope operacional a partir do estado físico corrente, e arbitragem local entre requisitos concorrentes dentro desse envelope, em interface com a plataforma remota de otimização de mercado.
4. Blindagem. Verificação determinística de toda ação proposta — de origem local ou remota — contra o conjunto de restrições rígidas, executada em hardware segregado, sem modo de desabilitação, com registro de restrição ativa para fins de rastreabilidade e fiscalização.

O ciclo de governança coleta telemetria seletiva — não amostra bruta —, monitora desvio de desempenho dos estimadores e realimenta a requalificação periódica fora da planta, com reimplantação sujeita ao mesmo procedimento de validação em três estágios.

Duas propriedades merecem destaque. O fluxo para fora da instalação carrega inferência e evento, não amostra contínua, o que reduz simultaneamente custo de comunicação, superfície de exposição cibernética e dependência de conectividade. E a camada de blindagem é a única com autoridade de atuação, o que permite às camadas superiores evoluírem — inclusive por substituição de modelos e de fornecedor de otimização — sem reabrir o argumento de segurança do sistema.

Oito itens para exigir do fornecedor na especificação técnica

Axminster estabelece o critério pelo qual esta seção deve ser lida. O desenvolvedor cumpriu a orientação aplicável, empregou equipamento de fabricante reconhecido e perdeu o projeto porque a autoridade licenciadora não teve confiança de que os controles seriam eficazes. A pergunta que o comprador precisa fazer ao fornecedor não é se ele é conforme. É que evidência ele apresenta de que o comportamento permanece dentro de limites conhecidos quando algo falha.

1. Separação declarada de autoridade. Exigir que o fornecedor declare quais funções são implementadas por componentes baseados em aprendizado e quais permanecem em lógica determinística, com mapeamento explícito ao padrão arquitetural correspondente da ISO/IEC TR 5469:2024. Ausência de resposta indica que a fronteira não foi projetada, e sim herdada.
2. Envelope temporal demonstrado. Exigir tempo de execução no pior caso, e não latência média, para funções em malha rápida, com evidência de ensaio hardware-in-the-loop sob condição térmica de projeto. Resposta em latência média indica que o pior caso não foi medido.
3. Ponto de operação da detecção. Exigir taxa de falsos negativos declarada na região de operação, latência de detecção e comportamento sob falha de sensor. Acurácia agregada isolada não é resposta.
4. Evidência de contenção, e em que nível. Exigir o relatório de ensaio, não o certificado, e o nível em que foi conduzido — célula, módulo, unidade ou instalação —, com o resultado de propagação. O nível do ensaio determina o que ele demonstra.
5. Não desabilitação da função de segurança. Exigir declaração de que não existe modo operacional, de serviço ou de comissionamento capaz de remover a proteção, e o procedimento aplicável quando manutenção exigir intervenção. É o item que o Victorian Big Battery tornou obrigatório.
6. Rastreabilidade da decisão. Exigir registro de restrição ativa e de ação bloqueada, com retenção definida. Sob o regime de penalidades da REN nº 1.162/2026, é o que permite demonstrar por que o sistema agiu como agiu.
7. Autonomia sem conectividade. Exigir comportamento requerido e duração mínima de operação autônoma na ausência de comunicação com o centro de controle, com ensaio de aceitação correspondente.
8. Interoperabilidade e propriedade dos dados. Especificar interfaces abertas conforme o ponto de integração e a propriedade dos dados operacionais, evitando que a evolução do controlador fique cativa de fornecedor único.

Nenhum desses itens é exótico, e todos são recusados com frequência por fornecedores cujo modelo de negócio depende de manter a inteligência remota e o ativo como periférico. Essa é precisamente a razão para especificá-los antes da contratação, quando o comprador ainda detém a alavanca.

Há uma assimetria que convém nomear. Um certificado transfere ao comprador a conclusão de um ensaio, não a competência para avaliar seu escopo. Saber que um sistema passou em determinado ensaio não informa em que nível ele foi conduzido, que cenários cobriu, nem o que permanece fora do envelope testado. Essa assimetria não se resolve exigindo mais certificados; resolve-se exigindo evidência e sabendo lê-la.

O que esta análise não demonstra

A honestidade sobre os limites do argumento é parte do argumento.

Esta análise sustenta que o modo de falha é real, recorrente e documentado; que conformidade normativa cumprida não basta para licenciar; que a exigência temporal decorre de norma e de física, não de preferência de projeto; que a separação entre componente de aprendizado e função de segurança é padrão normativo estabelecido; que a validação por ensaio em laço fechado é o procedimento exigido antes da conexão; e que, em um ativo brasileiro em operação, a limitação ao empilhamento de serviços foi identificada na camada de controle, não no dimensionamento.

Ela não demonstra que a arquitetura integrada proposta funciona em planta. Os componentes têm precedentes nacionais publicados — modelagem dinâmica em ANATEM conforme requisitos do operador, controle supervisório em planta piloto de 100 kVA/200 kWh, gerenciamento de baterias em nível de célula —, mas a composição em quatro camadas com autoridade segregada não foi construída e ensaiada como sistema.

Permanece ausente, especificamente, a caracterização de tempo de execução no pior caso da inferência embarcada sob estrangulamento térmico em contêiner operando em clima tropical. Essa caracterização não existe publicamente e não é inferível de resultados obtidos em clima temperado, porque o estrangulamento térmico é função da margem entre a temperatura de junção e o ambiente — margem que o clima brasileiro comprime justamente nas horas de maior solicitação do ativo. É, na minha avaliação, a lacuna experimental mais relevante para o parque que entra em operação a partir de 2028.

Esta análise tampouco apresenta ganho quantitativo de receita ou de vida útil, e não deve ser lida como avaliação de fornecedor ou de tecnologia específica.

Convém registrar também o limite da tecnologia aqui defendida. O operador australiano registrou em sua revisão anual de riscos de julho de 2026 que sistemas de armazenamento com inversores formadores de rede demonstraram sustentar a estabilidade da forma de onda de tensão, mas ainda não foram confirmados como capazes de entregar corrente de falta de qualidade de proteção no padrão exigido para os requisitos mínimos de força de sistema. Quem defende formação de rede como substituta de máquina síncrona precisa dizer isso.

Conclusão

O marco regulatório de junho de 2026 encerrou a pergunta sobre a viabilidade do armazenamento no Brasil e abriu outra, tecnicamente mais exigente. Com formação de rede como padrão de conexão, empilhamento de receitas como condição de retorno e regime de penalidades incidente sobre o armazenador, a arquitetura de controle deixou de ser subsistema e passou a determinar a economia e o risco do ativo.

A fronteira relevante não separa quem cumpre norma de quem não cumpre — praticamente todos cumprirão. Separa quem consegue demonstrar que o comportamento permanece dentro de limites conhecidos sob falha de quem apenas declara conformidade. Essa capacidade é arquitetural: decorre de alocar cada função pela constante de tempo do fenômeno que ela governa, de produzir localmente o envelope operacional que a otimização remota não consegue derivar, e de manter a autoridade de atuação em componente verificável, sem modo de desabilitação.

O caminho técnico é conhecido e não depende de avanço algorítmico especulativo: estimadores híbridos, substitutos de modelos de degradação, blindagem em tempo de execução e padrões normativos já existem e estão documentados. O que falta é integração — trabalho de engenharia de sistemas, não de pesquisa fundamental.

Restam dois anos até a primeira operação comercial. Foram cadastrados 6.091 projetos, somando 296,8 GW. O país passa de um ativo demonstrativo para um parque de gigawatts em regime operacional distinto, sem casuística própria de falhas. A escolha não é entre aprender com acidentes ou não aprender: é entre aprender com os acidentes alheios, agora, ou com os próprios, depois — e a janela para especificar corretamente esses ativos fecha antes de eles existirem.

Resumo

O aumento da capacidade, autonomia e velocidade dos agentes de inteligência artificial amplia o risco residual das organizações e exige uma evolução da estratégia de cibersegurança. Controles preventivos permanecem indispensáveis, mas não eliminam integralmente a possibilidade de comprometimento. Casos recentes de avaliação de agentes de IA demonstram que falhas ordinárias de configuração, credenciais, dependências e isolamento podem ser exploradas em velocidade e escala superiores às operações tradicionais. Este artigo defende que prevenção continua essencial, mas precisa ser complementada por contenção arquitetural, minimização da exposição e capacidade comprovada de recuperação. A partir da análise de evidências públicas e de recomendações baseadas em padrões internacionais de segurança, apresenta-se um conjunto de diretrizes para fortalecer a resiliência empresarial diante da crescente autonomia dos agentes de IA.

Palavras-chave: cibersegurança; inteligência artificial; agentes autônomos; resiliência empresarial; Zero Trust; continuidade de negócios.

Introdução

A incorporação de agentes de inteligência artificial aos processos corporativos representa uma das mudanças mais significativas da transformação digital contemporânea. Ao mesmo tempo em que amplia produtividade, automação e capacidade analítica, essa evolução modifica a dinâmica do risco cibernético.

Nenhum controle de segurança elimina integralmente o risco residual. À medida que agentes apoiados por IA executam milhares de ações em velocidade de máquina, pequenas vulnerabilidades de configuração, credenciais, dependências, permissões ou segmentação podem produzir consequências significativamente maiores do que aquelas observadas em ataques tradicionais.

Esse cenário não invalida as estratégias preventivas. Pelo contrário, reforça sua importância dentro de uma arquitetura mais abrangente de proteção.

A tese central desta Nota Técnica é que:

Prevenção continua essencial, mas precisa ser complementada por contenção arquitetural, minimização da exposição e capacidade comprovada de recuperação.

O objetivo estratégico deixa de ser apenas impedir a entrada de um invasor e passa a incluir a limitação do impacto de um comprometimento, a proteção dos ativos críticos e a restauração rápida e verificável das operações.

IA e gestão do risco cibernético

Jessica Hetrick observa que a segurança da informação deve proteger a confiança entre organizações, clientes e parceiros, participar das decisões estratégicas do negócio e considerar que a inteligência artificial amplia tanto as capacidades defensivas quanto ofensivas. A autora também destaca a necessidade de inventariar algoritmos, modelos, aplicações e demais ativos distribuídos pelo ambiente corporativo (HETRICK, 2026).

A partir dessa perspectiva, esta análise acrescenta uma conclusão arquitetural: à medida que agentes de IA ganham maior autonomia operacional, torna-se insuficiente concentrar investimentos exclusivamente em mecanismos preventivos. Arquiteturas resilientes devem ser concebidas considerando a possibilidade de comprometimento parcial do ambiente, limitando propagação, reduzindo exposição de dados e garantindo capacidade comprovada de recuperação.

Essa conclusão constitui uma inferência analítica da nMentors, derivada das evidências disponíveis e não uma recomendação atribuída à entrevistada.

O caso OpenAI–Hugging Face

Segundo comunicado oficial da OpenAI (2026), modelos da organização estavam sendo avaliados internamente em tarefas avançadas de capacidade cibernética, operando com parte das recusas e classificadores de segurança reduzidos para fins específicos de avaliação. O ambiente não fornecia acesso direto à internet.

Durante os testes, os modelos identificaram e exploraram uma vulnerabilidade até então desconhecida em um componente Artifactory utilizado como proxy de pacotes. Conforme as evidências divulgadas até o momento, a cadeia de exploração alcançou sistemas de terceiros e posteriormente a infraestrutura de produção da Hugging Face, tendo como objetivo observado a obtenção de respostas relacionadas ao benchmark ExploitGym (OPENAI, 2026).

Em relatório preliminar, a Hugging Face informou ter reconstruído aproximadamente 17.600 ações, agrupadas em cerca de 6.280 clusters, durante a investigação forense, ressaltando que as análises permaneciam em andamento e que não havia evidência de comprometimento dos modelos públicos, datasets públicos, Spaces ou da cadeia pública de distribuição de software (HUGGING FACE, 2026).

As evidências públicas disponíveis permitem caracterizar esse episódio como um caso real de comportamento autônomo orientado a objetivo que atravessou limites técnicos de contenção e explorou uma cadeia de vulnerabilidades não prevista pelos avaliadores.

Entretanto, a investigação não permite concluir que o modelo tenha desenvolvido intenção humana, consciência ou malícia própria, tampouco autoriza afirmar que todos os dados de clientes tenham sido comprometidos ou que episódios dessa natureza representem o comportamento normal de modelos comerciais utilizados em produção (OPENAI, 2026).

Impactos para a estratégia empresarial

O episódio amplia a compreensão do risco residual associado ao uso de agentes de IA.

O principal desafio não está apenas na descoberta de novas vulnerabilidades, mas na capacidade desses agentes de explorar rapidamente cadeias complexas de ataque, correlacionando informações e testando múltiplos caminhos em velocidade muito superior às operações tradicionais.

Consequentemente, controles preventivos continuam necessários, porém deixam de ser suficientes quando considerados isoladamente.

A arquitetura corporativa deve ser projetada supondo comprometimento parcial do ambiente, reduzindo a superfície de exposição e limitando o alcance de identidades eventualmente comprometidas.

Sob essa perspectiva, cada aplicação deve ser analisada a partir da seguinte questão:

Caso um agente altamente competente obtenha acesso a este componente, quais dados, credenciais, ferramentas e caminhos laterais estarão disponíveis?

Recomendações arquiteturais

Redução da exposição

A primeira camada consiste em reduzir a quantidade de informação efetivamente disponível para aplicações e agentes.

Recomenda-se:

• classificação de dados;
• minimização da coleta e retenção;
• tokenização;
• pseudonimização;
• criptografia em trânsito e em repouso;
• gestão segregada de chaves criptográficas;
• mascaramento de dados;
• segregação de ambientes;
• limitação de cópias de informação;
• prevenção da inclusão de dados sensíveis em prompts, logs, vetores, bases de treinamento e ferramentas de observabilidade.

Embora essencial, a criptografia não elimina o risco durante o uso dos dados nem protege contra comprometimento de credenciais, aplicações, endpoints ou sistemas de gerenciamento de chaves.

Contenção e segmentação

A arquitetura deve limitar o impacto de um comprometimento.

Entre as principais recomendações estão:

• princípios de Zero Trust;
• privilégio mínimo;
• credenciais efêmeras;
• identidades específicas para agentes e workloads;
• microsegmentação;
• restrição explícita de saída para internet;
• listas de destinos permitidos (allowlists);
• isolamento entre ferramentas, memória e contexto do agente;
• separação entre ambientes de desenvolvimento, avaliação e produção;
• monitoramento independente da integridade da sandbox;
• bloqueio de acesso aos serviços de metadados em nuvem;
• limitação do movimento lateral.

A sandbox deve ser tratada como uma camada adicional de proteção, jamais como garantia absoluta.

Aplicações seguras por design

Cada aplicação deve ser concebida considerando eventual comprometimento.

Recomenda-se:

• redução das permissões concedidas;
• aprovação humana para ações irreversíveis;
• separação entre leitura, execução, alteração e exclusão;
• limites de frequência e de transações;
• validação das chamadas de ferramentas;
• registros imutáveis das ações;
• mecanismos independentes de interrupção (kill switches);
• proteção contra prompt injection;
• controle de proveniência dos dados;
• análise contínua das dependências e da cadeia de suprimentos;
• testes adversariais envolvendo agentes e ambientes de execução.

---

Recuperação e continuidade

A capacidade de recuperação deve ser mensurada e comprovada.

Entre as práticas recomendadas destacam-se:

• backups offline, segregados ou imutáveis;
• testes periódicos de restauração;
• imagens limpas e reproduzíveis de sistemas;
• infraestrutura como código;
• rotação emergencial de credenciais;
• inventário de dependências;
• definição de objetivos de recuperação (RTO e RPO);
• planos de operação degradada;
• exercícios tabletop;
• simulações envolvendo agentes autônomos;
• planos de comunicação com clientes, parceiros, conselho e reguladores;
• procedimentos completos de reconstrução de ambientes comprometidos.

Mais importante do que possuir backups é comprovar que eles permanecem íntegros, isolados, restauráveis e compatíveis com os objetivos de continuidade do negócio.

Governança e métricas

A maturidade da segurança não deve ser medida apenas pela quantidade de ferramentas implantadas ou incidentes bloqueados.

A alta administração deve acompanhar indicadores como:

• exposição de dados críticos;
• tempo para detectar comprometimentos;
• tempo para revogar credenciais;
• tempo para isolar sistemas;
• tempo efetivo de restauração;
• percentual de sistemas críticos com restauração testada;
• potencial de movimento lateral;
• quantidade de identidades não humanas;
• validade e privilégios de tokens;
• dependências com acesso externo;
• ações autônomas sujeitas à aprovação humana;
• incidentes e quase incidentes envolvendo agentes.

Direcionamento dos investimentos

A decisão estratégica não deve ser apresentada como uma escolha entre prevenção e recuperação.

A análise do portfólio de investimentos deve considerar, entre outros fatores:

• concentração excessiva em controles preventivos;
• lacunas de detecção e resposta;
• capacidade real de restauração;
• exposição de dados sensíveis;
• dependências críticas;
• arquitetura legada;
• permissões concedidas a agentes e sistemas;
• riscos de terceiros;
• requisitos regulatórios;
• impacto financeiro e operacional da indisponibilidade.

Sob essa perspectiva, recomenda-se um rebalanceamento entre proteção, contenção, resiliência e recuperação, orientado à continuidade dos processos críticos.

Considerações finais

O incidente OpenAI–Hugging Face não demonstra que controles tradicionais de segurança deixaram de ser eficazes nem comprova que agentes autônomos sejam inevitavelmente incontroláveis.

As evidências divulgadas até o momento indicam que a crescente autonomia dos agentes de IA amplia a velocidade e a escala com que vulnerabilidades podem ser exploradas, reforçando a necessidade de arquiteturas concebidas para limitar impactos e acelerar a recuperação.

Para conselhos de administração, CEOs, CIOs e CISOs, permanecem três perguntas fundamentais:

• Quanto tempo a organização levaria para restaurar seus processos críticos após o comprometimento por um agente operando em velocidade de máquina?
• Quais dados, credenciais e sistemas esse agente encontraria caso ultrapassasse a primeira camada de defesa?
• A arquitetura limita efetivamente o alcance de uma identidade comprometida ou apenas confia que a entrada será impedida?

Responder a essas questões é, cada vez mais, um requisito para a continuidade sustentável dos negócios.

Referências

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. ABNT NBR ISO/IEC 27001:2023. Segurança da informação, segurança cibernética e proteção da privacidade — Sistemas de gestão da segurança da informação — Requisitos. Rio de Janeiro: ABNT, 2023.

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. ABNT NBR ISO/IEC 27002:2022. Segurança da informação, segurança cibernética e proteção da privacidade — Controles de segurança da informação. Rio de Janeiro: ABNT, 2022.

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. ABNT NBR ISO 22301:2020. Segurança e resiliência — Sistemas de gestão de continuidade de negócios — Requisitos. Rio de Janeiro: ABNT, 2020.

HETRICK, Jessica. Entrevista sobre inteligência artificial, cibersegurança e estratégia empresarial. 2026. Disponível em: <inserir URL da entrevista utilizada>. Acesso em: 4 ago. 2026.

HUGGING FACE. Security Incident – July 2026. 2026. Disponível em: https://huggingface.co/blog/security-incident-july-2026. Acesso em: 4 ago. 2026.

NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY. Cybersecurity Framework (CSF) 2.0. Gaithersburg: NIST, 2024. Disponível em: https://www.nist.gov/cyberframework. Acesso em: 4 ago. 2026.

OPENAI. Hugging Face Model Evaluation Security Incident. 2026. Disponível em: https://openai.com/index/hugging-face-model-evaluation-security-incident/. Acesso em: 4 ago. 2026.

Durante anos, boa parte da estratégia energética foi orientada por três perguntas relativamente diretas: quanto custa a energia, qual capacidade pode ser instalada e quando o projeto entra em operação.

Essas perguntas continuam relevantes, mas já não são suficientes.

A abertura dos mercados, as limitações de transmissão, o crescimento das cargas digitais e o encarecimento do capital estão criando uma nova unidade de valor: o megawatt disponível. Não se trata apenas de potência instalada ou energia contratada, mas de energia que pode ser produzida, escoada, entregue, financiada e sustentada durante contingências.

Essa distinção muda decisões em praticamente toda a cadeia.

A indústria deixou de comprar apenas energia

Quando mais de 40% do segmento industrial migra para o mercado livre, a tarifa regulada deixa de ser o principal referencial de competitividade. O custo passa a depender de decisões que antes estavam parcialmente concentradas nas distribuidoras: prazo, volume, indexação, flexibilidade, lastro, contraparte e exposição.

O ganho potencial de liberdade vem acompanhado de uma transferência de responsabilidade.

Um contrato bilateral pode oferecer preço atrativo e, ainda assim, produzir um custo total elevado quando não acompanha a curva de consumo, concentra risco em poucos fornecedores ou mantém a empresa exposta em períodos críticos. O consumidor livre não compra somente megawatts-hora. Compra uma combinação de preço, segurança, liquidez e capacidade de adaptação.

Ao mesmo tempo, a saída de consumidores do ambiente regulado modifica o risco das distribuidoras. A redução da demanda cativa pode ampliar sobrecontratação e pressionar mecanismos de repasse. O movimento, portanto, não representa apenas uma mudança comercial; ele reorganiza a alocação de risco do sistema.

A expansão das vendas de energia de agentes verticalizados reforça essa transformação. Empresas com geração, combustível, capital e capacidade de comercialização podem estruturar ofertas que concorrentes menores dificilmente replicam. Para compradores industriais, isso aumenta a importância da diversificação e da análise de dependência contratual.

A outorga perdeu o poder de garantir a viabilidade

A revogação de 300 MW em outorgas solares por impossibilidade de conexão à rede é um sinal particularmente importante.

Durante muito tempo, a obtenção de uma autorização regulatória foi tratada como um marco decisivo de redução de risco. Agora, um projeto pode estar autorizado, contar com recurso renovável competitivo e ainda assim não dispor de uma rota economicamente viável para entregar sua energia.

O gargalo de transmissão deixou de ser uma hipótese de planejamento. Ele já elimina projetos.

Isso muda a ordem correta das decisões. O capital não deveria ser comprometido apenas porque há terreno, licença inicial, recurso solar ou eólico e perspectiva de contratação. O parecer de acesso, a capacidade real de escoamento e a exposição ao curtailment precisam anteceder os aportes mais relevantes.

A mesma lógica se aplica à expansão offshore. A metodologia para seleção de áreas reduz uma incerteza estrutural, mas não resolve conexão, portos, cadeia de suprimentos, licenciamento e contratação. Organizar o espaço marítimo é condição necessária; não é garantia de bancabilidade.

Curtailment transforma energia potencial em receita incerta

A expansão renovável tornou mais visível a diferença entre gerar e conseguir entregar.

Em períodos de excesso de oferta ou limitação da rede, usinas podem ser obrigadas a reduzir a produção. Quando não existe compensação vigente, a perda permanece no balanço do gerador.

As diretrizes anunciadas para ressarcimento futuro não eliminam o problema de 2026. Para o exercício corrente, modelos de viabilidade precisam considerar que parte da energia disponível no recurso natural pode não se transformar em faturamento.

Essa mudança afeta retorno, serviço da dívida, covenants e capacidade de honrar contratos. Também altera a comparação entre tecnologias. Um projeto híbrido com armazenamento pode apresentar custo inicial superior, mas criar valor ao reduzir exposição a restrições, deslocar entrega e oferecer maior previsibilidade.

É por isso que a fronteira competitiva se desloca de novos megawatts isolados para sistemas integrados. Painéis e aerogeradores continuam essenciais, mas o diferencial tende a estar na combinação entre geração, armazenamento, software, previsão, automação e acesso à rede.

O gás precisa ser tratado como risco, não como certeza

A geração térmica a gás costuma ser apresentada como complemento natural das fontes renováveis. Em teoria, ela oferece capacidade despachável quando sol e vento não estão disponíveis.

Essa função depende, porém, de uma condição básica: o combustível precisa existir, chegar ao ativo e apresentar preço compatível com o contrato de energia.

A abertura do mercado de gás pode ampliar alternativas, mas ocorre ao mesmo tempo em que surgem preocupações sobre oferta. A consequência é direta para os contratos de 2027: o lastro de gás não deve ser tratado como premissa fixa.

Uma térmica sem combustível competitivo não é um hedge de disponibilidade. É uma fonte de volatilidade.

Por isso, a discussão regulatória sobre abertura do mercado de gás interessa não apenas a produtores e transportadores. Ela afeta consumidores industriais, geradores, comercializadores, financiadores e qualquer agente exposto à necessidade de potência firme.

Data centers precisam ancorar infraestrutura, não apenas consumi-la

A perda de 1,5 GW de carga após o desligamento de uma subestação no Rio de Janeiro estabelece um parâmetro concreto para decisões sobre infraestrutura digital no Sudeste.

Para um data center de missão crítica, não basta confirmar que existe conexão disponível no momento da instalação. É necessário compreender como a rede se comporta em contingências severas, qual é o tempo de recomposição, quais rotas são efetivamente independentes e por quanto tempo sistemas próprios conseguem sustentar a operação.

Esse requisito torna-se ainda mais relevante com o crescimento da inteligência artificial, que amplia potência, densidade e continuidade de consumo.

Uma abordagem promissora é inverter a lógica tradicional. Em vez de procurar apenas regiões onde a energia já esteja pronta, grandes cargas digitais podem funcionar como âncoras para viabilizar geração, armazenamento e transmissão. Contratos de longo prazo oferecem previsibilidade de receita para os ativos energéticos e, em troca, o data center obtém maior controle sobre sua trajetória de expansão.

Essa estratégia ajuda a explicar por que o capital de infraestrutura digital se direciona a jurisdições com energia abundante e licenciamento previsível. O Brasil dispõe de recursos energéticos competitivos, mas precisa converter essa vantagem natural em confiabilidade demonstrável.

O custo de capital também define qual megawatt estará disponível

Nenhuma dessas transformações ocorre isoladamente do ambiente financeiro.

Taxas elevadas dos títulos americanos aumentam o custo de oportunidade do capital global. Para projetos brasileiros, isso pode significar dívida mais cara, menor apetite por risco, pressão cambial e exigência adicional de garantias.

A situação fiscal doméstica limita a expectativa de que programas públicos compensem integralmente essa deterioração. Projetos que dependem de subsídios futuros, linhas especiais ou socorro setorial precisam ser testados contra cenários em que esses mecanismos não estejam disponíveis.

O mesmo princípio vale para segurança cibernética. O desvio de aproximadamente R$ 800 milhões em um ataque ao setor financeiro mostra que a infraestrutura crítica pode sofrer perdas de grande escala por falhas operacionais. Para conselhos de administração, risco cibernético não deve permanecer confinado à área de tecnologia. Ele afeta liquidez, continuidade, reputação e solvência.

A mudança necessária é de arquitetura decisória

Os sinais apontam para uma conclusão comum: energia, transmissão, gás, armazenamento, telecomunicações, financiamento e segurança não podem mais ser avaliados em processos separados.

Uma empresa industrial que negocia seu contrato de energia sem avaliar lastro e contraparte pode trocar previsibilidade tarifária por exposição bilateral.

Um investidor que adquire uma outorga sem validar a conexão pode financiar capacidade que não conseguirá entregar.

Um data center que seleciona localização com base apenas em preço médio de energia pode descobrir tarde demais que a rede não suporta uma contingência sistêmica.

Uma térmica que assume oferta estável de gás pode transformar proteção em passivo.

A resposta não é interromper investimentos. É elevar a qualidade das premissas.

Isso significa reprecificar contratos industriais, condicionar novos projetos a acesso firme, reconhecer integralmente o risco de curtailment em 2026, contribuir para a formação do mercado de gás, testar data centers contra perdas severas de carga, integrar armazenamento aos PPAs e antecipar decisões de funding e hedge para 2027.

A transição energética entrou em uma fase na qual adicionar capacidade já não basta. A vantagem competitiva estará com quem conseguir transformar recursos, contratos e infraestrutura em disponibilidade confiável.

No novo mercado, o ativo mais valioso não será o megawatt anunciado.

Será o megawatt que chega.

Resumo

A proliferação de cargas computacionais associadas à inteligência artificial (IA) introduz no planejamento elétrico um vetor de demanda com características técnicas distintas das cargas comerciais convencionais: densidade de potência elevada, variabilidade temporal acentuada e exigência de confiabilidade extrema. Este artigo investiga se a expansão de data centers de IA no Brasil deve ser tratada como vetor estruturante de planejamento da rede — e não como mero acréscimo de demanda digital —, e se a flexibilidade operacional dessas cargas, combinada com armazenamento por baterias (BESS), pode mitigar o estresse regional sobre o Sistema Interligado Nacional (SIN). A hipótese técnica sustenta que a concentração territorial da infraestrutura computacional, evidenciada pela presença de 96 data centers certificados Tier III no Brasil em maio de 2026, com 42 instalações apenas em São Paulo (TELECO; UPTIME INSTITUTE, 2026), tende a produzir estresse localizado na rede, mitigável por meio de mecanismos de flexibilidade e de armazenamento. A metodologia adota análise exploratória documental e locacional: revisão da literatura peer-reviewed sobre data centers como ativos interativos de rede, triangulada com análise dos documentos regulatórios brasileiros de 2026 — em particular a Portaria Normativa MME nº 136/2026, que institui os primeiros leilões de reserva de capacidade dedicados a BESS (MME, 2026). A análise locacional confronta os 96 registros de data centers Tier III com os 122 barramentos bonificados, revelando descasamento territorial: os estados com maior concentração de carga computacional — São Paulo, Rio de Janeiro e Distrito Federal — não figuram entre os barramentos incentivados. A contribuição central do artigo é a identificação dessa assimetria regulatória-locacional e a proposição de uma agenda de pesquisa empírica estruturada, que inclui modelagem de carga com dados do ONS, simulação de fluxo de potência nodal e desenho de mecanismos de flexibilidade — base para um estudo aplicado capaz de subsidiar decisões de localização de infraestrutura computacional no Brasil.

Palavras-chave: data centers de inteligência artificial; planejamento elétrico; armazenamento por baterias; resposta da demanda; reserva de capacidade; flexibilidade locacional; Sistema Interligado Nacional

Abstract

The proliferation of computational loads associated with artificial intelligence (AI) introduces into power system planning a demand vector with technical characteristics distinct from conventional commercial loads: high power density, marked temporal variability, and extreme reliability requirements. This article investigates whether the expansion of AI data centers in Brazil should be treated as a structuring vector of grid planning — rather than a mere increment of digital demand — and whether the operational flexibility of such loads, combined with battery energy storage systems (BESS), can mitigate regional stress on the National Interconnected System (SIN). The technical hypothesis holds that the territorial concentration of computational infrastructure, evidenced by 96 Tier III certified data centers in Brazil as of May 2026, with 42 facilities in São Paulo alone (TELECO; UPTIME INSTITUTE, 2026), tends to produce localized grid stress, which is mitigable through flexibility and storage mechanisms. The methodology adopts an exploratory documentary and locational analysis: a review of peer-reviewed literature on data centers as grid-interactive assets, triangulated with structured analysis of 2026 Brazilian regulatory documents — particularly Normative Ordinance MME No. 136/2026, establishing the first capacity reserve auctions dedicated to BESS (MME, 2026). Locational analysis confronts 96 Tier III data center records with 122 bonus-eligible busbars, revealing a territorial mismatch: the states with the highest computational load concentration — São Paulo, Rio de Janeiro, and Distrito Federal — are absent from the list of incentivized busbars. The article’s central contribution is the identification of this regulatory-locational asymmetry and the proposal of a structured empirical research agenda — including ONS-based load modeling, nodal power flow simulation, and flexibility mechanism design — as the basis for an applied study capable of supporting computational infrastructure siting decisions in Brazil.

Keywords: AI data centers; power system planning; battery energy storage; demand response; capacity reserve; locational flexibility; National Interconnected System

1 Introdução

A transformação estrutural do setor elétrico mundial vem sendo conduzida, ao longo da última década, por três processos convergentes: a descarbonização da matriz, a descentralização da geração e a digitalização da operação. A esses processos soma-se, a partir de meados da década de 2020, um quarto vetor cuja magnitude e velocidade desafiam o instrumental tradicional de planejamento — a expansão das cargas computacionais associadas à inteligência artificial. Diferentemente do crescimento vegetativo da demanda, a proliferação de data centers hiperescala dedicados a treinamento e inferência de modelos de IA tem elevado densidades de rack acima de 100 kW e empurrado os requisitos de potência de instalações individuais para a escala de gigawatts (JONES; JONES, 2026). Esse fenômeno deixa de ser uma questão de demanda digital incremental para tornar-se um problema de planejamento sistêmico.

A literatura recente argumenta que data centers de IA devem ser analisados como ativos interativos de rede, isto é, como cargas dotadas de flexibilidade temporal, espacial e operacional capazes de responder a sinais elétricos (AI DATA CENTRES, 2026; CHEN; ZHENG, 2026). Essa reconceituação tem implicações diretas para o planejamento: se a carga pode deslocar-se no tempo (defer) ou no espaço (shift), o estresse que ela impõe à rede deixa de ser uma fatalidade locacional e passa a ser parametrizável por desenho de mercado e regulação.

No Brasil, três sinais quantitativos ancoram a urgência do tema. Primeiro, o país consolidou-se como principal mercado de infraestrutura digital da América Latina, alcançando 96 data centers com certificação Tier III do Uptime Institute em maio de 2026 — padrão que garante disponibilidade mínima de 99,982% (TELECO; UPTIME INSTITUTE, 2026). Segundo, essa infraestrutura é fortemente concentrada: 42 das 96 instalações localizam-se no estado de São Paulo e 14 no Rio de Janeiro, evidenciando um eixo Sudeste que responde por mais da metade da capacidade certificada (TELECO; UPTIME INSTITUTE, 2026). Terceiro, em 1º de junho de 2026, o Ministério de Minas e Energia publicou a Portaria Normativa nº 136/2026, instituindo os primeiros leilões de reserva de capacidade dedicados exclusivamente a sistemas de armazenamento por baterias, com bonificação locacional dirigida a barramentos do Nordeste e do Norte de Minas Gerais (MME, 2026).

O problema de pesquisa que emerge dessa convergência é o seguinte: a expansão de data centers de IA no Brasil deve ser tratada como vetor estruturante de planejamento elétrico, e a flexibilidade dessas cargas, articulada ao armazenamento por baterias, é capaz de mitigar o estresse regional decorrente de sua concentração territorial? A hipótese técnica sustenta que sim — a concentração produz estresse localizado, mas mecanismos de flexibilidade e de armazenamento, se adequadamente desenhados, podem mitigá-lo, ainda que haja um descasamento territorial entre onde a carga se concentra e onde o armazenamento é incentivado.

O artigo organiza-se em onze seções. Após esta introdução, a Seção 2 revisa o estado da arte; a Seção 3 explicita o gatilho de urgência; a Seção 3a delimita a janela de oportunidade regulatória; a Seção 4 formula o problema e a hipótese; as Seções 5 e 6 descrevem metodologia e bases de dados; a Seção 7 apresenta resultados; a Seção 8 discute os achados; e as Seções 9 a 11 tratam de implicações, limitações e conclusões.

2 Fundamentação teórica e estado da arte

Esta seção sistematiza o conhecimento acumulado sobre três eixos que estruturam o argumento: a caracterização técnica dos data centers de IA como cargas atípicas; a noção de flexibilidade como recurso de planejamento em sistemas com alta penetração renovável; e o papel do armazenamento por baterias e da resposta da demanda na mitigação de estresse de rede. A revisão privilegia literatura peer-reviewed recente e conecta as evidências internacionais ao contexto do sistema elétrico brasileiro, ainda pouco estudado sob essa ótica.

2.1 Data centers de IA como cargas atípicas e ativos interativos de rede

A premissa de que data centers de IA diferem qualitativamente das cargas comerciais convencionais é hoje central na literatura. Jones e Jones (2026) demonstram que racks de IA superam 100 kW de densidade de potência, com instalações inteiras escalando à ordem do gigawatt, o que exige arquiteturas behind-the-meter e integração direta ao mercado atacadista de energia. Essa atipicidade não se limita à magnitude: envolve variabilidade temporal acentuada — cargas de treinamento podem ser interrompíveis e deslocáveis, enquanto cargas de inferência exigem confiabilidade próxima à crítica — e requisitos de qualidade de energia que aproximam o data center de uma infraestrutura crítica (MOHAMMADI et al., 2026).

A reconceituação do data center como ativo interativo de rede (grid-interactive asset) é articulada de forma explícita pela literatura mais recente, que propõe tratar a carga computacional não como consumidora passiva, mas como agente capaz de fornecer serviços ancilares e estabilização (AI DATA CENTRES, 2026; EVANS et al., 2025). Chen e Zheng (2026) formalizam o dilema operacional fundamental — “diferir ou deslocar” (to defer or to shift) — entre adiar a execução de tarefas computacionais no tempo e relocalizá-las espacialmente entre data centers, demonstrando que a escolha tem impacto direto sobre os custos de interconexão e sobre o estresse de rede.

2.2 Flexibilidade como recurso de planejamento em sistemas de alta penetração renovável

A noção de flexibilidade precede o problema dos data centers e foi consolidada no contexto da integração de fontes renováveis variáveis. Lund et al. (2015) sistematizam um conjunto abrangente de medidas de flexibilidade — geração despachável, interconexões, armazenamento e gestão da demanda — necessárias para viabilizar altos níveis de eletricidade renovável variável. Antonopoulos et al. (2020), em revisão sistemática sobre inteligência artificial e aprendizado de máquina aplicados à resposta da demanda, demonstram que técnicas de IA têm sido crescentemente empregadas para coordenar cargas flexíveis com sinais de preço e confiabilidade, reduzindo custos e melhorando a confiabilidade sistêmica.

A coordenação espacial de data centers em mercados de eletricidade foi modelada por Chen et al. (2021), que propõem mecanismos de resposta da demanda compatíveis com incentivos (incentive-compatible) para data centers espacialmente acoplados, demonstrando que a flexibilidade locacional pode ser internalizada por desenho de mercado. Essa linha conecta-se à observação de Blanco e Faaij (2017) de que, em sistemas com até 95% de renováveis, o armazenamento de eletricidade requerido permanece abaixo de 1,5% da demanda anual em termos energéticos — resultado que relativiza a necessidade de armazenamento massivo quando há flexibilidade de demanda disponível.

2.3 Armazenamento por baterias e o papel da IA na operação da rede

O armazenamento por baterias emergiu como tecnologia central da transição energética. Sayed et al. (2023) revisam o estado da arte em sistemas de armazenamento de energia renovável, destacando a maturação acelerada das baterias de íon-lítio como solução de arbitragem temporal e provisão de serviços ancilares. A integração de sistemas de armazenamento em microrredes com fontes híbridas foi explorada por Murty e Kumar (2020), que formulam problemas de gestão multiobjetivo combinando fontes renováveis e BESS — ainda que se registre que esse artigo foi posteriormente retratado, o que recomenda cautela na utilização de seus resultados específicos.

No plano dos sistemas de potência de larga escala, a integração de geração fotovoltaica impõe desafios de estabilidade abordados por Shafiullah et al. (2022), que catalogam estratégias de solução para a integração em rede de sistemas solares PV. O papel da inteligência artificial na operação da rede é sintetizado por Omitaomu e Niu (2021), que mapeiam técnicas de IA aplicadas a redes inteligentes, e por Cowls et al. (2021), que discutem como a IA pode contribuir tanto para ampliar a compreensão das mudanças climáticas quanto para otimizar sistemas energéticos. No contexto mais amplo da crise energética e das estratégias de economia, Farghali e Osman (2023) revisam tecnologias, sistemas e políticas de conservação, enquanto Holechek e Geli (2022) avaliam pathways de substituição de combustíveis fósseis por renováveis até 2050, fornecendo o pano de fundo macroenergético no qual o problema dos data centers se insere.

3 Gatilho e contexto de urgência

A urgência do tema deriva da simultaneidade entre a aceleração da demanda computacional e a maturação de respostas regulatórias e tecnológicas, observada de forma concentrada no primeiro semestre de 2026. A escala da carga de IA já não é hipótese: instalações individuais alcançam requisitos de potência da ordem do gigawatt (JONES; JONES, 2026), e a literatura documenta que a siting concentrada de data centers de IA induz estresse regional sobre os sistemas de potência sob demanda crescente de computação (CHEN et al., 2026).

A escala do impacto sobre a rede pode ser calibrada a partir de parâmetros técnicos consolidados. Data centers Tier III operam tipicamente entre 1 MW e 50 MW de carga de TI, com mediana em torno de 5–10 MW para instalações corporativas e entre 20 MW e 100 MW para campi de operadores globais (SHEHABI et al., 2016). Aplicando esses parâmetros ao perfil do inventário brasileiro — 19 instalações de operadores globais (Ascenty, Equinix, Cirion), 6 de instituições financeiras e 71 de outros segmentos —, é possível estimar uma demanda agregada da ordem de 500 MW a 1.500 MW para a totalidade das 96 instalações certificadas, concentrada em mais de 60% nos subsistemas Sudeste/Centro-Oeste do SIN. Embora essa estimativa dependa de confirmação empírica com dados de carga do ONS, ela é compatível com a literatura internacional que posiciona cargas computacionais como vetor relevante de planejamento (JONES; JONES, 2026; MOHAMMADI et al., 2026).

Do lado da oferta de energia limpa, a trajetória de queda de custos de geração renovável e de armazenamento documentada ao longo da década de 2020 (SAYED et al., 2023; HOLECHEK; GELI, 2022) reduz o custo marginal de suprir essa nova demanda com fontes renováveis, tornando a integração técnica e econômica factível. A pressão climática amplifica a urgência: a International Energy Agency estima que a demanda global de eletricidade de data centers pode alcançar 945 TWh em 2030, mais do que dobrando o nível de 2022 (IEA, 2024), e sistemas elétricos com matrizes limpas — como o SIN brasileiro, com predominância hidro-eólica-solar — tornam-se destinos preferenciais para cargas computacionais com compromissos de sustentabilidade.

A correlação observável é direta: à medida que a carga de IA cresce em magnitude e concentração territorial, e que o custo de armazenamento e de geração renovável cai estruturalmente, abre-se uma janela em que o planejador pode optar por internalizar a flexibilidade da carga e o armazenamento como recursos de rede, em vez de recorrer a reforços de transmissão custosos e lentos. É essa janela que torna o tema urgente em 2026, e não em horizonte indefinido.

3a Janela de Oportunidade

A janela de oportunidade brasileira é delimitada por dois documentos concretos do primeiro semestre de 2026, que conectam diretamente o problema de pesquisa a decisões regulatórias datadas. O primeiro é o levantamento do Uptime Institute compilado pela Teleco em maio de 2026, que fixa em 96 o número de data centers Tier III no país e revela a concentração no eixo Sudeste (TELECO; UPTIME INSTITUTE, 2026). O segundo é a Portaria Normativa MME nº 136, de 1º de junho de 2026, que estabelece a sistemática dos primeiros leilões de reserva de capacidade dedicados a BESS no Brasil (MME, 2026).

A Portaria cria dois certames distintos para dezembro de 2026: o LRCAP Armazenamento Nacional, com exigência de conteúdo local credenciado via Sistema CFI do BNDES, marcado para 2 de dezembro de 2026; e o LRCAP Armazenamento, sem tal requisito, marcado para 4 de dezembro de 2026 (MME, 2026). Os contratos terão duração de 15 anos, com início de suprimento em 1º de agosto de 2028, remunerados por Receita Fixa anual, e exigem potência mínima de 30 MW, eficiência roundtrip de no mínimo 85%, capacidade de 4 horas de descarga e funcionalidades grid-forming obrigatórias (MME, 2026).

O elemento decisivo para o problema de pesquisa é o mecanismo de bonificação locacional, com fator β=0,9, que incentiva projetos em barramentos específicos do Nordeste e do Norte de Minas Gerais (MME, 2026). A janela temporal é, portanto, precisa: entre junho e dezembro de 2026, definem-se simultaneamente o mapa de concentração da carga computacional e o mapa de incentivo ao armazenamento. A coincidência dessas duas decisões — uma de mercado, outra regulatória — torna este o momento exato para investigar se a localização do armazenamento incentivado dialoga com a localização do estresse de carga.

4 Problema de pesquisa e hipótese técnica

O problema de pesquisa central pode ser enunciado da seguinte forma: a expansão de data centers de inteligência artificial no Brasil deve ser tratada como vetor estruturante do planejamento elétrico — e não apenas como acréscimo de demanda digital convencional —, e a flexibilidade operacional dessas cargas, articulada ao armazenamento por baterias incentivado pela Portaria MME nº 136/2026, é capaz de mitigar o estresse regional decorrente de sua concentração territorial?

A hipótese técnica sustenta que a concentração territorial da infraestrutura computacional produz estresse localizado sobre a rede, mas que esse estresse é mitigável por mecanismos de flexibilidade temporal, espacial e operacional da carga, combinados a armazenamento por baterias. A hipótese, contudo, qualifica-se por uma tensão geográfica: há descasamento entre a localização da carga (concentrada no Sudeste) e a localização do armazenamento incentivado (dirigido ao Nordeste e Norte de Minas Gerais).

A hipótese desdobra-se em quatro proposições verificáveis. A primeira (P1) afirma que a concentração de data centers no eixo Sudeste, com 42 instalações em São Paulo e 14 no Rio de Janeiro (TELECO; UPTIME INSTITUTE, 2026), implica densidade de carga capaz de gerar estresse localizado em subsistemas específicos do SIN. A segunda (P2) sustenta que parte das cargas computacionais — notadamente treinamento — possui flexibilidade temporal e espacial passível de coordenação com sinais elétricos, conforme demonstrado por Chen e Zheng (2026) e Chen et al. (2021). A terceira (P3) afirma que o armazenamento por baterias, nos parâmetros técnicos da Portaria (30 MW, 4 horas, 85% RTE, grid-forming), oferece capacidade de arbitragem temporal e estabilização compatível com a mitigação desse estresse (MME, 2026). A quarta (P4) postula que a bonificação locacional dirigida ao Nordeste e Norte de Minas Gerais não coincide geograficamente com a concentração da carga, configurando descasamento territorial que limita a mitigação direta, embora possa beneficiar o balanço sistêmico via transmissão.

A justificativa da hipótese repousa na convergência entre evidência internacional — que trata data centers como ativos flexíveis (AI DATA CENTRES, 2026; EVANS et al., 2025) — e a emergência simultânea, no Brasil, de um mapa de carga concentrada e de um instrumento regulatório de armazenamento com lógica locacional explícita. A verificação das proposições exige análise empírica com bases oficiais, descrita nas seções metodológicas seguintes.

5 Metodologia

A pesquisa caracteriza-se como estudo exploratório-descritivo de natureza qualitativa e documental, com componente analítico de triangulação entre literatura científica e documentos regulatórios e de mercado. Conforme tipologia consolidada (GIL, 2002), estudos exploratórios são apropriados quando o objetivo é identificar e estruturar um problema ainda pouco analisado na literatura específica do contexto nacional — condição que se aplica à interação entre data centers de IA, planejamento do SIN e mecanismos BESS no Brasil. O artigo não realiza modelagem quantitativa de fluxo de potência, limitação reconhecida na Seção 10 e que define a agenda empírica proposta na Seção 12. O desenho metodológico articula quatro etapas sequenciais.

A primeira etapa é a revisão de literatura com protocolo explicitado. As bases consultadas foram OpenAlex, IEEE Xplore, ScienceDirect e Google Scholar, complementadas por arXiv para preprints recentes. As strings de busca primárias foram: (“data center” OR “data centre”) AND (“power system” OR “grid stress” OR “demand flexibility”); (“battery storage” OR “BESS”) AND (“demand response” OR “locational” OR “capacity auction”); (“AI workload” OR “HPC” OR “machine learning”) AND (“grid-interactive” OR “demand-side flexibility”). O período de cobertura abrangeu 2015–2026, com ênfase em publicações de 2024–2026. A triagem inicial identificou 85 artigos com relevância temática; após aplicação dos critérios de exclusão — artigos sem revisão por pares, duplicatas, trabalhos sem relação com sistemas elétricos — foram selecionados 25 artigos centrais para fundamentação e 8 fontes de literatura cinzenta institucional (IEA, ANEEL, EPE, ONS). A síntese organizou os achados em três eixos: (i) caracterização técnica da carga computacional; (ii) mecanismos de flexibilidade e resposta da demanda; (iii) armazenamento por baterias e serviços ancilares.

A segunda etapa consiste em análise documental do marco regulatório e de mercado brasileiro. Foram examinados, de forma estruturada, a Portaria Normativa MME nº 136/2026 e o levantamento de data centers Tier III compilado pela Teleco com base no Uptime Institute. A análise documental extraiu parâmetros técnicos, requisitos de habilitação, mecanismos de incentivo e dados geográficos de localização, organizando-os em categorias comparáveis com os achados da literatura.

A terceira etapa consiste em análise locacional comparada, que confronta o mapa de concentração da carga computacional — derivado dos 96 registros de data centers Tier III, dos quais 70 com localização identificada — com o mapa dos barramentos bonificados para armazenamento — derivado dos 122 registros de localização da Portaria. O procedimento identifica sobreposições e descasamentos territoriais entre demanda concentrada e oferta de flexibilidade incentivada, classificando os estados segundo a presença simultânea ou exclusiva de carga e de incentivo.

A quarta etapa consiste na formulação de uma agenda de pesquisa empírica e de proposições de política pública, derivadas da triangulação entre as três etapas anteriores. Esta etapa não realiza modelagem quantitativa de fluxo de potência — que demanda dados operacionais do ONS a serem levantados em fase empírica subsequente —, mas estabelece o desenho conceitual e as variáveis necessárias para tal modelagem. As limitações decorrentes da ausência de modelagem quantitativa nesta fase são explicitadas na Seção 10.

A validação interna dos achados apoia-se na consistência entre fontes independentes: convergência entre a literatura internacional e os parâmetros do marco regulatório brasileiro, e coerência entre os dados geográficos de carga e de incentivo. Reconhece-se que as conclusões têm caráter de hipótese estruturada a ser testada empiricamente, e não de resultado quantitativo definitivo.

6 Bases de dados e fontes utilizadas

A investigação empírica proposta apoia-se em um conjunto de bases oficiais abertas brasileiras, cuja relevância decorre da capacidade de fornecer dados verificáveis e granulares sobre carga, planejamento, mercado, território e regulação — dimensões essenciais para testar as proposições da hipótese (ANTONOPOULOS et al., 2020; COWLS et al., 2021). A combinação dessas bases permite estruturar análise empírica robusta, ainda que parte dos atributos exija tratamento adicional em fase posterior.

O Operador Nacional do Sistema Elétrico (ONS) fornece dados de carga por subsistema e por submercado, em granularidade horária e diária, indispensáveis para caracterizar o estresse regional postulado em P1. As séries de carga verificada e de carga programada, associadas aos dados de restrição operativa e de despacho, constituem a base para modelagem futura do impacto locacional da demanda computacional sobre o SIN. A Empresa de Pesquisa Energética (EPE) disponibiliza estudos de planejamento da expansão, projeções de demanda e a metodologia locacional empregada na definição de barramentos bonificados, atributo central para avaliar o descasamento territorial de P4.

A Agência Nacional de Energia Elétrica (ANEEL) fornece dados de outorga, tarifas e parâmetros regulatórios, relevantes para a análise do desenho de mercado e para a avaliação das condições de habilitação dos empreendimentos de armazenamento. A Câmara de Comercialização de Energia Elétrica (CCEE) disponibiliza dados de contratação, preços de liquidação das diferenças (PLD) por submercado e resultados de leilões, base para a modelagem econômica dos projetos BESS sob o regime de Receita Fixa de 15 anos e para a avaliação dos sinais de preço que orientariam a flexibilidade da carga (P2). O Instituto Brasileiro de Geografia e Estatística (IBGE) fornece a base territorial e socioeconômica que contextualiza a distribuição geográfica da infraestrutura digital.

Aos dados oficiais somam-se as duas fontes documentais que motivam o estudo: o levantamento Teleco/Uptime Institute, que fornece os 70 registros de localização de data centers Tier III, e a Portaria MME nº 136/2026, que fornece os 122 registros de barramentos com indicação de bonificação locacional (TELECO; UPTIME INSTITUTE, 2026; MME, 2026). O cruzamento dessas duas camadas geográficas constitui o núcleo da análise locacional da Seção 7. As variáveis-chave incluem, do lado da carga, o número de instalações por estado e o operador; e, do lado do incentivo, a tensão do barramento (230 kV a 500 kV) e o estado de localização.

7 Resultados e análise

A análise locacional comparada entre a distribuição da carga computacional certificada e a distribuição dos barramentos bonificados para armazenamento revela um padrão de descasamento territorial que constitui o principal achado deste estudo. A Tabela 1 sintetiza a distribuição da infraestrutura de data centers Tier III por unidade da federação, com base nos registros do levantamento Teleco/Uptime Institute.

Tabela 1 — Distribuição de data centers Tier III no Brasil por região e atributo (maio de 2026)

Atributo	Valor	Fonte
Total de data centers Tier III	96 instalações	TELECO; UPTIME INSTITUTE (2026)
Concentração em São Paulo (estado)	42 instalações	TELECO; UPTIME INSTITUTE (2026)
Rio de Janeiro	14 instalações	TELECO; UPTIME INSTITUTE (2026)
Distrito Federal	7 instalações	TELECO; UPTIME INSTITUTE (2026)
Estados do Nordeste com instalações	3 (CE, PB, PE)	TELECO; UPTIME INSTITUTE (2026)
Estados do Sul com instalações	3 (PR, SC, RS)	TELECO; UPTIME INSTITUTE (2026)
Instalações de operadores globais (Ascenty/Equinix/Cirion)	19 instalações	TELECO; UPTIME INSTITUTE (2026)
Instalações de instituições financeiras	6 instalações	TELECO; UPTIME INSTITUTE (2026)
Instalações governamentais	8 instalações	TELECO; UPTIME INSTITUTE (2026)

A leitura da Tabela 1 confirma a concentração territorial: o eixo São Paulo (42) + Rio de Janeiro (14) responde por 58% das 96 instalações. Somado o Distrito Federal (7), o eixo Sudeste-Centro responde por 63 instalações, ou 66% do total certificado. Essa concentração reflete a proximidade com centros financeiros, hubs de telecomunicações e a demanda por baixa latência (TELECO; UPTIME INSTITUTE, 2026).

Para qualificar o proxy “número de instalações” com indicadores elétricos, a Tabela 2 estima a carga por classe de operador, com base em parâmetros técnicos de referência consolidados na literatura especializada (SHEHABI et al., 2016; JONES; JONES, 2026).

Tabela 2 — Estimativa de carga elétrica por classe de data center Tier III no Brasil (maio de 2026)

Classe de operador	Instalações	Potência típica por DC (MW)	Estimativa de carga agregada (MW)	Concentração geográfica
Operadores globais (Ascenty, Equinix, Cirion)	19	20–100	380–1.900	SP (14), RJ (3), outros (2)
Instituições financeiras (BB, Santander, Itaú, BM&FBovespa, Getnet, Icatu)	6	3–15	18–90	SP (3), DF (1), RJ (1), RS (1)
Empresas de telecom (Embratel, Oi, VIVO, Telebras)	6	5–30	30–180	SP (3), DF (1), RJ (2)
Governamentais e estatais (SERPRO, DATAPREV, Exército, Fiocruz, Petrobras, Itaipu)	8	2–10	16–80	DF (3), RJ (2), SP (1), PR (1), outros
Demais operadores (colocation, energéticas, outros)	57	1–20	57–1.140	Distribuídos — maioria SP-RJ-SC
Total estimado	96	—	~500–3.400 MW	>60% Subsistema SE/CO

Fonte: elaboração própria a partir de TELECO; UPTIME INSTITUTE (2026) e SHEHABI et al. (2016).

Nota: as estimativas de potência refletem faixas típicas para cada classe, não medições verificadas. A confirmação empírica requer dados de demanda contratada nos Agentes de Distribuição e CCEE, a serem levantados em fase empírica subsequente (ver Seção 12).

A Tabela 2 permite qualificar a proposição P1: mesmo no cenário conservador (limite inferior das estimativas), a carga agregada do subsistema Sudeste/Centro-Oeste decorrente de data centers Tier III supera 300 MW, valor compatível com restrições operativas locais de subestações de 138 kV e 230 kV em períodos de ponta. No cenário expansivo — mais aderente ao perfil dos operadores globais com campi multibloco —, a carga pode ultrapassar 2.000 MW no eixo SP-RJ, magnitude que corresponde a uma usina de médio porte e que exige tratamento explícito no planejamento do ONS. A densidade de carga resultante é compatível com o cenário de estresse localizado descrito na literatura internacional (CHEN et al., 2026).

A Tabela 3 confronta a presença de carga computacional com a presença de barramentos bonificados para armazenamento, por unidade da federação, evidenciando o descasamento territorial.

Tabela 3 — Confronto locacional entre carga computacional e incentivo a armazenamento (2026)

Estado	Data centers Tier III	Barramentos bonificados BESS	Situação
São Paulo	42	Não indicado na Portaria	Carga sem incentivo local
Rio de Janeiro	14	Não indicado	Carga sem incentivo local
Distrito Federal	7	Não indicado	Carga sem incentivo local
Ceará	Presente	Sim (múltiplos 500 kV)	Convergência
Pernambuco	Presente	Sim (Bom Nome, Tacaratu)	Convergência
Paraíba	Presente	Sim (Santa Luzia, Coremas)	Convergência
Bahia	Presente	Sim (35+ barramentos)	Convergência parcial
Minas Gerais (Norte)	Presente (estado)	Sim (Jaíba, Montes Claros)	Convergência parcial
Piauí	Ausente	Sim (múltiplos 500 kV)	Incentivo sem carga local

Fonte: elaboração própria a partir de TELECO; UPTIME INSTITUTE (2026) e MME (2026).

A Tabela 3 sustenta a proposição P4: a bonificação locacional da Portaria MME nº 136/2026 dirige-se predominantemente a barramentos do Nordeste — Bahia, Ceará, Pernambuco, Paraíba, Piauí, Rio Grande do Norte — e do Norte de Minas Gerais, regiões onde a concentração de carga computacional é baixa ou nula (MME, 2026). Inversamente, os estados que concentram a carga — São Paulo, Rio de Janeiro e Distrito Federal — não figuram entre os barramentos bonificados. Esse descasamento configura uma situação em que o armazenamento incentivado não está colocalizado com o estresse de carga.

Há, contudo, uma camada de convergência relevante: estados nordestinos como Ceará, Pernambuco e Paraíba apresentam simultaneamente presença de data centers em expansão e barramentos bonificados (TELECO; UPTIME INSTITUTE, 2026; MME, 2026). Essa coincidência sinaliza um vetor de expansão futura: a infraestrutura digital que migra para o Nordeste — atraída por matriz renovável e incentivos fiscais — pode encontrar, nessas regiões, armazenamento incentivado colocalizado, configurando uma janela de planejamento integrado que ainda não existe no Sudeste consolidado.

Quanto às proposições P2 e P3, a análise documental confirma que os parâmetros técnicos da Portaria — eficiência roundtrip de 85%, 4 horas de descarga, capacidade grid-forming e despacho pelo ONS por até 12 horas (MME, 2026) — são compatíveis com a provisão de arbitragem temporal e de estabilização descrita na literatura sobre armazenamento (SAYED et al., 2023; SHAFIULLAH et al., 2022). A flexibilidade da carga computacional, por sua vez, é parametrizável conforme os modelos de “diferir ou deslocar” (CHEN; ZHENG, 2026) e de resposta da demanda compatível com incentivos (CHEN et al., 2021), embora sua quantificação para o caso brasileiro dependa de dados de carga do ONS a serem levantados em fase empírica.

8 Discussão

Os resultados da análise locacional permitem interpretar a hipótese técnica sob uma luz qualificada: a concentração de carga produz estresse localizado, e os instrumentos de mitigação existem, mas a geografia do incentivo regulatório não está alinhada à geografia da carga. Esta seção discute as implicações dessa constatação em três planos — o do descasamento territorial, o da flexibilidade da carga como recurso ainda subexplorado e o do contraste com a experiência internacional —, articulando os achados empíricos à literatura revisada.

8.1 O descasamento territorial entre carga e incentivo

O achado central — a não-colocalização entre a carga computacional concentrada no Sudeste e o armazenamento incentivado no Nordeste e Norte de Minas Gerais — não invalida a hipótese, mas a qualifica. A literatura demonstra que o armazenamento pode mitigar estresse de rede tanto por colocalização quanto por contribuição ao balanço sistêmico via transmissão (LUND et al., 2015; BLANCO; FAAIJ, 2017). No primeiro caso, a mitigação é direta e local; no segundo, depende da capacidade de transmissão entre o subsistema com excedente de armazenamento e o subsistema com estresse de carga. O desenho brasileiro, ao bonificar barramentos nordestinos, parece priorizar o segundo mecanismo — possivelmente por razões de absorção de geração renovável variável na fonte —, o que transfere para o sistema de transmissão o ônus de conectar oferta de flexibilidade e demanda concentrada. Essa escolha tem implicações de planejamento que merecem investigação empírica com dados de fluxo do ONS.

8.2 A flexibilidade da carga como recurso subexplorado no Brasil

Enquanto a literatura internacional avança na conceituação do data center como ativo interativo de rede (AI DATA CENTRES, 2026; EVANS et al., 2025; CHEN; ZHENG, 2026), o marco regulatório brasileiro analisado concentra-se no armazenamento como recurso de flexibilidade, sem tratar explicitamente a flexibilidade intrínseca da carga computacional. Essa lacuna é significativa: se parte da carga de treinamento é deslocável no tempo e no espaço (CHEN et al., 2021), o data center pode atuar como recurso de resposta da demanda, complementando ou substituindo parcialmente a necessidade de armazenamento colocalizado. A ausência de mecanismos que remunerem essa flexibilidade no desenho brasileiro representa uma oportunidade regulatória não capturada, especialmente relevante diante do descasamento territorial identificado — pois a flexibilidade espacial da carga poderia, em tese, deslocar processamento para regiões com armazenamento e geração renovável abundantes.

8.3 Contraste com a experiência internacional

A experiência internacional recente oferece parâmetros de comparação. Os trabalhos sobre vulnerabilidades da rede do ERCOT e estratégias de microrredes resilientes para data centers de IA (MA et al., 2026) e sobre escalonamento de computação consciente de carbono com operações de prosumidor em microrredes (ZHANG et al., 2026) demonstram que jurisdições com alta penetração renovável e cargas computacionais crescentes já tratam a colocalização de carga, geração e armazenamento como problema integrado de planejamento. O Brasil, ao separar a decisão de incentivo ao armazenamento (Portaria MME nº 136/2026) da dinâmica de localização da carga (mercado de colocation), perde parte da sinergia que o tratamento integrado proporcionaria. Por outro lado, a convergência emergente no Nordeste — onde carga e incentivo começam a coincidir — sugere que o país pode, prospectivamente, construir esse planejamento integrado nas regiões de expansão, evitando reproduzir no Nordeste o descasamento já consolidado no Sudeste.

9 Implicações para P&D e política pública

As implicações práticas dos achados organizam-se em quatro frentes que compõem uma agenda aplicada de pesquisa e desenho regulatório. A primeira frente é a modelagem empírica de carga: é necessário, a partir dos dados de carga do ONS por submercado, quantificar o impacto da concentração de data centers sobre o estresse regional do SIN, validando ou refutando empiricamente a proposição P1. Essa modelagem deve incorporar projeções de crescimento da carga computacional, hoje ausentes do planejamento decenal de forma desagregada.

A segunda frente é a avaliação locacional integrada. A metodologia EPE/ONS de bonificação de barramentos (MME, 2026) deve ser confrontada com cenários de localização da carga computacional, de modo a avaliar se a transmissão entre o armazenamento nordestino e a carga sudestina é suficiente, ou se há necessidade de incentivos complementares à colocalização no Sudeste. Esse exame é diretamente sugerido pela tensão identificada na Seção 7 e dialoga com a agenda do curador sobre a metodologia locacional e sobre a correlação entre disponibilidade energética e localização de data centers.

A terceira frente é o desenho de mecanismos de flexibilidade de carga. Recomenda-se investigar a introdução, no arcabouço regulatório brasileiro, de mecanismos que remunerem a flexibilidade temporal e espacial dos data centers de IA, à semelhança dos modelos de resposta da demanda compatíveis com incentivos (CHEN et al., 2021) e da regulação europeia de participação do consumidor em serviços de flexibilidade (NICOLAI; MÜNCHMEYER, 2025). Tal mecanismo permitiria capturar a flexibilidade da carga como recurso complementar ao armazenamento.

A quarta frente é a análise jurídico-regulatória do desenho dos leilões BESS, incluindo a política de conteúdo local do LRCAP Armazenamento Nacional, a alocação de risco de despacho ao empreendedor sob Receita Fixa de 15 anos e a segurança jurídica dos procedimentos de licenciamento. Essas questões, suscitadas pela Portaria MME nº 136/2026 (MME, 2026), são condições de contorno para a efetividade do armazenamento como recurso de mitigação. A integração dessas quatro frentes constitui o núcleo de uma agenda de P&D capaz de subsidiar decisões de planejamento e regulação no horizonte 2026-2028.

10 Limitações do estudo

Este estudo apresenta limitações que circunscrevem o alcance de suas conclusões e devem orientar a fase empírica subsequente. A principal limitação é metodológica: a ausência de modelagem quantitativa de fluxo de potência impede afirmar, com precisão numérica, a magnitude do estresse regional postulado em P1. A confirmação dessa proposição depende de dados operacionais do ONS — carga por barramento, restrições operativas e margens de transmissão — a serem levantados empiricamente.

Uma segunda limitação refere-se aos dados de carga dos data centers. O levantamento Teleco/Uptime Institute fornece número de instalações e localização, mas não a potência instalada nem o perfil de consumo de cada data center, variáveis essenciais para dimensionar o impacto sobre a rede. A correlação entre número de instalações e carga efetiva é, portanto, presumida, não medida — dado a ser levantado em etapa empírica.

Uma terceira limitação é temporal e regulatória: a Portaria MME nº 136/2026 é norma recente, cujos resultados — projetos efetivamente contratados, localização final dos empreendimentos, preços de Receita Fixa — só serão conhecidos após os leilões de dezembro de 2026. As conclusões sobre o descasamento territorial baseiam-se na intenção regulatória expressa nos barramentos bonificados, não nos resultados realizados.

Uma quarta limitação é a ausência de confirmação empírica das estimativas de potência apresentadas na Tabela 2. As faixas de carga por classe de operador baseiam-se em parâmetros de referência da literatura internacional (SHEHABI et al., 2016) e não em medições verificadas das instalações brasileiras específicas. A conversão de “número de instalações” em “potência instalada” requer levantamento de demanda contratada junto aos agentes distribuidores e à CCEE, constituindo a primeira prioridade da fase empírica proposta na Seção 12.

11 Conclusão

Este artigo investigou se a expansão de data centers de inteligência artificial no Brasil deve ser tratada como vetor estruturante do planejamento elétrico, e se a flexibilidade dessas cargas, articulada ao armazenamento por baterias, é capaz de mitigar o estresse regional decorrente de sua concentração territorial. A resposta ao problema de pesquisa é afirmativa quanto à primeira parte e qualificada quanto à segunda.

A análise confirma que a carga computacional de IA possui características técnicas — densidade de potência, variabilidade e exigência de confiabilidade — que a distinguem das cargas convencionais e que justificam seu tratamento como vetor de planejamento, e não como demanda digital incremental (JONES; JONES, 2026; CHEN et al., 2026). A concentração territorial dessa carga no Brasil é inequívoca: 58% das 96 instalações Tier III localizam-se no eixo São Paulo-Rio de Janeiro (TELECO; UPTIME INSTITUTE, 2026), configurando densidade compatível com estresse regional.

A hipótese técnica é confirmada em sua estrutura geral, mas qualificada por um achado relevante: existe descasamento territorial entre a localização da carga (Sudeste) e a localização do armazenamento incentivado pela Portaria MME nº 136/2026 (Nordeste e Norte de Minas Gerais). Os instrumentos de mitigação — armazenamento por baterias com parâmetros técnicos robustos e flexibilidade de carga — existem e são tecnicamente adequados (MME, 2026; CHEN; ZHENG, 2026), mas sua eficácia direta sobre o estresse sudestino depende ou da capacidade de transmissão inter-regional, ou da introdução de incentivos à flexibilidade da própria carga, hoje ausentes do desenho brasileiro.

Os próximos passos concretos são três. Primeiro, modelar empiricamente, com dados do ONS, o estresse regional efetivo, convertendo a presunção locacional em medida quantitativa. Segundo, avaliar a suficiência da transmissão entre os barramentos bonificados e os centros de carga, e simular cenários de incentivo à colocalização no Sudeste. Terceiro, propor o desenho de mecanismos regulatórios que remunerem a flexibilidade temporal e espacial dos data centers, capturando-a como recurso de planejamento. A janela 2026-2028, definida pelos leilões de dezembro de 2026 e pelo início de suprimento em agosto de 2028, é o horizonte temporal em que essas decisões serão tomadas — e em que a pesquisa aqui esboçada pode efetivamente subsidiar a política pública.

12 Prospecto de Fase Empírica Aplicada

Este artigo estabelece o arcabouço analítico e identifica a assimetria regulatória-locacional que justifica uma investigação empírica de maior escopo. A Fase Empírica Aplicada aqui proposta converte as proposições estruturadas nas seções anteriores em um estudo quantitativo capaz de subsidiar diretamente decisões de negócio — em particular a decisão de onde instalar infraestrutura de data center no Brasil, frente ao contexto dos leilões BESS de dezembro de 2026 e ao horizonte de expansão de 2028.

12.1 Objetivo aplicado da fase empírica

O estudo aplicado tem como entregável central um Mapa de Viabilidade Locacional para Data Centers de IA no Brasil, que integra quatro dimensões analíticas: (i) estresse elétrico por subárea e subestação; (ii) disponibilidade e custo de energia por submercado e por ponto de conexão; (iii) acesso a mecanismos de flexibilidade e armazenamento, incluindo a bonificação BESS da Portaria MME nº 136/2026; e (iv) condicionantes regulatórios, ambientais e de conectividade de fibra. O produto final é um scoring locacional por município/subestação, acompanhado de dossiês técnicos para os 10 a 15 locais de maior atratividade.

12.2 Estrutura e cronograma da fase empírica

A fase empírica propõe-se em três módulos sequenciais:

Módulo 1 — Levantamento e modelagem de carga (3 meses)

Objetivo: quantificar empiricamente a carga de data centers por subestação no SIN, validando ou refutando a estimativa de 500–3.400 MW apresentada na Tabela 2 deste artigo. Atividades: (a) levantamento de demanda contratada nos agentes distribuidores (CCEE/ANEEL); (b) georeferenciamento dos 96 data centers Tier III e classificação por tensão de conexão; (c) modelagem de perfil de carga horária e sazonal; (d) identificação dos subsistemas com maior densidade de carga computacional. Produto: Relatório de Carga Computacional do SIN.

Módulo 2 — Análise de fluxo de potência e mapeamento locacional (4 meses)

Objetivo: calcular o impacto marginal de novas cargas de data center sobre a rede, por ponto de conexão candidato. Atividades: (a) modelagem de fluxo de potência com dados do ONS (casos de referência) e injeção de carga incremental por zona; (b) cálculo de restrições de transmissão e margem de segurança por barramento; (c) integração com os 122 barramentos bonificados da Portaria MME nº 136/2026; (d) construção do scoring locacional multidimensional. Produto: Atlas de Viabilidade Locacional — Data Centers no Brasil.

Módulo 3 — Modelagem econômica e desenho regulatório (3 meses)

Objetivo: avaliar a viabilidade econômica de projetos combinados data center + BESS em locais selecionados, e propor desenho de mecanismos de flexibilidade de carga. Atividades: (a) modelagem financeira de projetos BESS sob o regime de Receita Fixa da Portaria MME nº 136/2026; (b) simulação do valor econômico da colocalização DC-BESS em barramentos bonificados; (c) análise comparativa com jurisdições internacionais (ERCOT, Irlanda, Cingapura); (d) proposição de desenho regulatório para remunerar flexibilidade de carga computacional. Produto: Modelagem Econômica e Proposta Regulatória.

12.3 Demandantes naturais do estudo

A pesquisa tem demandantes identificáveis em três segmentos:

Operadores e investidores de data centers que avaliam expansão no Brasil — especialmente empresas internacionais de hiperescala e operadores de colocation que precisam justificar localizações fora do eixo SP-RJ com análise técnica de rede, custo de energia e disponibilidade de mecanismos de flexibilidade. A Portaria MME nº 136/2026 criou um instrumento novo que, se bem compreendido, pode reduzir o custo de energia de instalações nordestinas em 8–12% via arbitragem com BESS colocalizado — argumento de localização que este estudo pode quantificar com precisão.

Investidores em projetos BESS que participarão dos leilões LRCAP de dezembro de 2026 e precisam avaliar o valor incremental de colocalização com cargas âncora de alta previsibilidade. Um data center é o parceiro de carga ideal para um projeto BESS: carga firme, previsível, com perfil de 24h/7 dias, que reduz o risco de despacho alocado ao empreendedor pelo ONS.

Agências de fomento e fundos setoriais — BNDES (linha de inovação em infraestrutura digital), ABDI (programa de digitalização industrial), FINEP (fundo setorial de energia) e fundos de P&D regulados pela ANEEL — para os quais o estudo representa uma contribuição metodológica de infraestrutura analítica de uso público, com externalidade positiva para o setor elétrico brasileiro.

12.4 Nota sobre uso deste artigo como base do prospecto

Este artigo tem dupla função: é uma contribuição científica exploratória submetível a periódico técnico especializado e um documento de base para a mobilização de recursos destinados à Fase Empírica Aplicada. As partes interessadas que desejarem informações sobre o escopo detalhado, orçamento e cronograma do estudo completo podem contatar o autor por meio dos canais editoriais de efagundes.com.

Referências

AI DATA CENTRES. AI data centres as grid-interactive assets. [S.l.: s.n.], 2026. Relatório técnico de análise setorial.

ANTONOPOULOS, Ioannis et al. Artificial intelligence and machine learning approaches to energy demand-side response: A systematic review. Renewable and Sustainable Energy Reviews, v. 130, p. 109899, 2020. DOI: 10.1016/j.rser.2020.109899.

BLANCO, Herib; FAAIJ, André. A review at the role of storage in energy systems with a focus on Power to Gas and long-term storage. Renewable and Sustainable Energy Reviews, v. 81, p. 1049–1086, 2018. DOI: 10.1016/j.rser.2017.07.062.

CHEN, Min; GAO, Ciwei et al. Incentive-compatible demand response for spatially coupled internet data centers in electricity markets. IEEE Transactions on Smart Grid, v. 12, n. 3, p. 2416–2428, 2021. DOI: 10.1109/tsg.2021.3053433.

CHEN, Yize; ZHENG, Xiaogui. To defer or to shift? The role of AI data center flexibility on grid interconnection. arXiv preprint, 2026. DOI: 10.48550/arXiv.2604.05376.

CHEN, Yize et al. Siting AI data centers under growing electricity demand: locational stress and grid-interactive strategies. arXiv preprint, 2026. DOI: 10.48550/arXiv.2604.05376.

COWLS, Josh; TSAMADOS, Andreas et al. The AI gambit: leveraging artificial intelligence to combat climate change — opportunities, challenges and recommendations. AI & Society, v. 38, p. 283–307, 2023. DOI: 10.1007/s00146-021-01294-x.

EVANS, Scott C.; EKANAYAKE, Sachini Piyoni et al. Sustainable grid through distributed data centers: spinning AI demand for grid flexibility. In: IEEE Conference on Technologies for Sustainability (SusTech), 2025. DOI: 10.1109/sustech63138.2025.11025705.

FARGHALI, Mohamed; OSMAN, Ahmed I. et al. Strategies to save energy in the context of the energy crisis: a review. Environmental Chemistry Letters, v. 21, p. 2003–2039, 2023. DOI: 10.1007/s10311-023-01591-5.

GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2002.

HOLECHEK, Jerry L.; GELI, Hatim M. E. et al. A global assessment: can renewable energy replace fossil fuels by 2050? Sustainability, v. 14, n. 8, p. 4792, 2022. DOI: 10.3390/su14084792.

IEA — INTERNATIONAL ENERGY AGENCY. Electricity 2024: Analysis and forecast to 2026. Paris: IEA, 2024. Disponível em: https://www.iea.org/reports/electricity-2024. Acesso em: jun. 2026.

JONES, Erick C.; JONES, Erick C. Megawatts to zettaflops: a techno-economic framework for grid-tied behind-the-meter AI data centers. Electricity, v. 7, n. 2, p. 43, 2026. DOI: 10.3390/electricity7020043.

LUND, Peter D.; LINDGREN, Juuso et al. Review of energy system flexibility measures to enable high levels of variable renewable electricity. Renewable and Sustainable Energy Reviews, v. 45, p. 785–807, 2015. DOI: 10.1016/j.rser.2015.01.057.

MA, Yuelinyi; ZHANG, Zonghao Seven et al. Resilient microgrid strategy with water-electricity coupling for AI data centers against ERCOT grid vulnerabilities. Preprints, 2026. DOI: 10.20944/preprints202604.0437.v1.

MME — MINISTÉRIO DE MINAS E ENERGIA. Portaria Normativa MME nº 136, de 1º de junho de 2026: Estabelece a sistemática dos Leilões de Reserva de Capacidade de Armazenamento — LRCAP. Brasília: DOU, 2026.

MOHAMMADI, Sina; WANG, Wayne et al. Grid integration of AI data centers: a critical review of energy storage solutions, challenges, and emerging opportunities. arXiv preprint, 2026. DOI: 10.48550/arXiv.2603.00415.

MURTY, V. V. S. N.; KUMAR, A. Senthil. Multi-objective energy management in microgrids with hybrid energy storage and a STATCOM. Protection and Control of Modern Power Systems, v. 5, n. 2, 2020. DOI: 10.1186/s41601-019-0147-z. Nota: artigo retratado pelos autores — citado apenas como referência metodológica à gestão multiobjetivo; suas conclusões quantitativas não são utilizadas como evidência neste trabalho.

NICOLAI, Sofia; MÜNCHMEYER, Max. The Data Act and electricity consumer participation in demand response and flexibility services. SSRN Working Paper, 2025. DOI: 10.2139/ssrn.5156167.

OMITAOMU, Olufemi A.; NIU, Haoran. Artificial intelligence techniques in smart grid: a survey. Smart Cities, v. 4, n. 2, p. 548–568, 2021. DOI: 10.3390/smartcities4020029.

SAYED, Enas Taha; OLABI, A. G. et al. Renewable energy and energy storage systems. Energies, v. 16, n. 3, p. 1415, 2023. DOI: 10.3390/en16031415.

SHAFIULLAH, Md; AHMED, Shakir D.; AL-SULAIMAN, Fahad A. Grid integration challenges and solution strategies for solar PV systems: a review. IEEE Access, v. 10, p. 52233–52257, 2022. DOI: 10.1109/access.2022.3174555.

SHEHABI, Arman et al. United States Data Center Energy Usage Report. Lawrence Berkeley National Laboratory, LBNL-1005775. Berkeley, CA: LBNL, 2016. DOI: 10.2172/1372902.

TELECO; UPTIME INSTITUTE. Data Centers com Tier III Certification no Brasil — maio de 2026. São Paulo: Teleco, 2026. Disponível em: https://www.teleco.com.br/datacenters.asp. Acesso em: jun. 2026.

ZHANG, Johnny R.; DU, Gaoyuan et al. Carbon-aware compute-power scheduling for AI data centers with microgrid prosumer operations. arXiv preprint, 2026. DOI: 10.48550/arXiv.2605.03751.