O estudo foi desenvolvido por investigadores do Instituto Superior Técnico, Universidade de Lisboa, em colaboração com o HyLab – Green Hydrogen Collaborative Laboratory, em Sines, e o IN+ – Centro de Estudos em Inovação, Tecnologia e Políticas de Desenvolvimento, também sediado no Instituto Superior Técnico.
Este estudo baseou-se numa análise dos fatores sociais, económicos, energéticos e de mobilidade que se interligam e influenciam a procura de energia e quais as emissões de dióxido de carbono em 308 municípios de Portugal.
O objetivo foi claro: ir além das estatísticas nacionais e perceber o que realmente acontece no terreno município a município.
A energia não é igual em todo o país
A investigação revelou que Portugal não é energeticamente homogéneo. Utilizando técnicas de inteligência artificial, os investigadores identificaram cinco perfis distintos de municípios.
Nos grandes centros urbanos e zonas costeiras, destaca-se uma elevada intensidade de consumo elétrico doméstico. Já em muitos municípios rurais observa-se uma menor população ativa, mas uma maior dependência do automóvel. Os municípios industriais apresentam elevados níveis de consumo energético ligados à atividade produtiva, enquanto as regiões autónomas dos Açores e da Madeira evidenciam fatores de emissão de CO₂ superiores, em parte devido às especificidades dos seus sistemas energéticos insulares.
Estes resultados mostram que as dinâmicas energéticas estão profundamente ligadas às características sociais e económicas de cada território.
Inteligência artificial ao serviço da sustentabilidade
O estudo recorreu a técnicas de machine learning (aprendizagem automática) para identificar padrões e prever tendências. Através de modelos estatísticos e redes neuronais artificiais, foi possível prever a evolução da procura de energia e das emissões.
No entanto, os modelos revelaram maior precisão na previsão da procura final de energia do que nas emissões de CO₂ associadas à energia primária. Isto sugere que as emissões são influenciadas por fatores adicionais, como a origem da electricidade produzida ou particularidades técnicas que podem não estar completamente representados nos dados analisados
Porque é que isto é importante?
Uma das conclusões mais relevantes é que não existe uma estratégia única para todo o país. Políticas energéticas uniformes podem não responder às necessidades reais de cada município.
Ao compreender melhor as interdependências entre economia, mobilidade, estrutura populacional e consumo energético, os decisores políticos podem:
- Identificar prioridades locais
- Antecipar necessidades futuras de energia
- Definir estratégias de descarbonização adaptadas
- Melhorar a eficiência das políticas públicas
Num contexto em que Portugal ambiciona atingir metas de neutralidade carbónica, ferramentas analíticas baseadas em dados reais tornam-se essenciais.
O futuro da transição energética é local
A transição energética não se faz apenas com grandes metas nacionais ou europeias. Faz-se também nas cidades, vilas e territórios rurais, onde as pessoas vivem, trabalham e se deslocam diariamente.
Ao trazer o foco para o nível municipal, este tipo de investigação reforça uma ideia fundamental: a sustentabilidade constrói-se com conhecimento detalhado da realidade local. E, cada vez mais, a ciência dos dados e a inteligência artificial são aliadas estratégicas nesse processo.
Unveiling cross-sector energy demand dynamics in Portugal: a municipal-level machine learning approach. / Bernardino, Ricardo; Baptista, Patrícia; Neves, Diana.
In: Sustainable Cities and Society, Vol. 130, 106607, 15.07.2025.
Research output: Contribution to journal › Article › peer-review
