Resumo
A inteligência artificial agêntica está emergindo como um paradigma no qual modelos com capacidade de raciocínio interagem com ferramentas externas, simulações e fontes de dados para executar tarefas analíticas de múltiplas etapas. Para aplicações em sistemas de energia, isso levanta a questão de se os agentes de IA podem operar de forma eficaz em ambientes analíticos estruturados, utilizando capacidades específicas do domínio para explorar problemas de decisão complexos, em vez de atuarem meramente como invólucros (wrappers) em torno de solvers existentes.
Este artigo investiga essa questão por meio de um estudo de caso de programação hidrotérmica estocástica, que combina incerteza, acoplamento intertemporal, restrições físicas e trade-offs operacionais economicamente relevantes, ao mesmo tempo em que oferece referências confiáveis de otimização, como a programação dinâmica dual estocástica (SDDP). Propomos uma arquitetura agêntica orientada a capacidades, na qual um agente de raciocínio interage com o modelo hidrotérmico somente por meio de capacidades de domínio controladas e tipadas, sem acesso a métodos de programação dinâmica pré-programados, valores da água pré-computados, variáveis duais ou informações internas do solver.
A arquitetura é avaliada em uma representação simplificada, mas estruturalmente realista, do Sistema Interligado Nacional brasileiro. Ao longo de dez sessões independentes, o agente inferiu a lógica do valor da água a partir do retorno das simulações, construiu representações aproximadas de custo futuro e implementou políticas de preservação de armazenamento que melhoraram substancialmente o comportamento míope. Em relação a um benchmark SDDP calculado de forma independente, a melhor sessão atingiu uma diferença média de custo de 1,7%, enquanto a diferença média das dez sessões foi de aproximadamente 6,0%.
Esses resultados indicam que a orquestração estruturada de capacidades pode permitir que agentes de raciocínio funcionem como camadas analíticas integradas a ambientes de modelagem de sistemas de energia, sendo mais valiosos para problemas em que as formulações analíticas são incompletas, difíceis de especificar ou insuficientes para capturar todo o processo de exploração da solução.
Palavras-chave: IA agêntica, programação hidrotérmica, otimização estocástica, valor da água, SDDP
DIAS, Julio Alberto; PEREIRA, Mario Veiga. Assessing the capability of agentic AI in a stochastic hydrothermal scheduling case study. PSR Analytics Report, Issue 3, July 1, 2026. Available at: https://www.psr-inc.com/en/analytics-report/post/assessing-the-capability-of-agentic-ai-in-a-stochastic-hydrothermal-scheduling-case-study/. Accessed on: [day month year].
