Aprendizagem Automática em Energias Renováveis
A aprendizagem automática em energia constrói os modelos que conciliam a produção variável com a procura da rede. Faz previsões de produção eólica e solar para horas ou dias seguintes, otimiza o despacho de baterias, deteta avarias iniciais em turbinas a partir de dados de vibração e fixa preços no mercado diário.
Passou de curiosidade de investigação a necessidade operacional. A DeepMind reportou um aumento de 20% no valor da sua energia eólica quando a rede neuronal previu a produção 36 horas antes da geração real, permitindo compromissos no mercado diário em vez do ajuste de última hora. O relatório Energy and AI da IEA constata, por outro lado, que as competências em IA estão claramente sub-representadas nas elétricas e no petróleo e gás face à tecnologia, finança e media. É aí que se abre a oportunidade.
Onde se concentra o trabalho
As funções dividem-se em poucas categorias. Os data scientists constroem previsões de produção e consumo, os engenheiros de ML levam esses modelos para sistemas de trading e despacho, os engenheiros de dados ligam SCADA e dados de contagem às pipelines, e um núcleo menor de investigação trabalha em controlo de plasma para a fusão, descoberta de materiais e modelos de estado de saúde de baterias. Títulos como "Data Scientist - Forecasting & Analytics" repetem-se porque é na previsão que o ML traz o valor comercial mais claro do sector.
A contratação concentra-se em poucas cidades. Londres lidera em volume graças a comercializadoras, traders e empresas de análise energética. Seguem-se Berlim e Munique, puxadas pela apetência da Energiewende por software de rede. Bristol, Glasgow, San Francisco, Houston, Bengaluru e Singapura completam o topo. Em Portugal, Lisboa e Porto concentram os lugares de ML na EDP, EDPR, REN, Galp e Greenvolt, com posições adicionais em consultoras e start-ups como a Smartenergy. O trabalho remoto é mais frequente aqui do que em funções de campo, mas a maioria dos lugares exige sobreposição horária com mesas de trading ou equipas de operação.
Empregadores e remunerações
Os empregadores ativos repartem-se por quatro arquétipos. Elétricas e proprietários de ativos (Vattenfall, EDP Renewables, NextEra Energy) procuram pessoas para previsão, otimização e análise de carteira. Editores de software de rede e plataformas residenciais (OVO Energy, Kiwigrid, Uplight, Eliq) usam ML para desagregação de consumo, segmentação de clientes e gestão de recursos descentralizados. Empresas focadas em trading como a Gridmatic pagam aos seus engenheiros de ML quantitativos a níveis próximos do fintech. Os fabricantes (Verkor, Bloom Energy) constroem modelos de degradação de células e de desempenho de células de combustível.
As remunerações refletem este cruzamento. Um engenheiro de ML na Alemanha ronda os 70 000 a 100 000 € de base, e os seniores em Berlim ou Munique ultrapassam 120 000 €. Em Portugal, os perfis equivalentes em elétricas e empresas de software energético situam-se entre 35 000 e 55 000 € para os intermédios, e 60 000 a 85 000 € para os seniores em Lisboa e Porto. No Reino Unido, os salários do sector renovável subiram em média 13,2% em 2025, e um engenheiro de ML numa start-up energética de Londres ganha geralmente 85 000 a 110 000 £. O prémio vai para quem combina os fundamentos de ML com conhecimento do sector: séries temporais e previsão probabilística, mecânica do mercado elétrico, manipulação de SCADA e dados da rede, ou experiência com modelos preditivos para operação de ativos.
O que os recrutadores realmente procuram
As credenciais genéricas de ML não chegam. Os responsáveis pela contratação procuram experiência em produção com séries temporais e previsão probabilística (LSTMs, gradient boosting, predição conformal) ou uma razão credível para querer entrar especificamente na energia. Competências complementares que se repetem: Python, PyTorch ou TensorFlow, ferramentas MLOps, análise geoespacial e, cada vez mais, ferramentas LLM para documentação de ativos e copilotos para operadores. Os candidatos mais fortes percebem também as bases do sistema elétrico: o que é o curtailment, porque existem os mercados de balanço, o que compõe a pilha de receitas de uma bateria. A combinação de ciência de dados com fluência no sector é o que move um CV da pilha do "talvez" para a primeira entrevista.
Salvador, BrasilPresencial Tempo inteiro Há 2 meses
