Horizon CL5 D3-23: Modelos Foundation de IA para o Setor Energético

Da partilha de dados ao modelo foundation europeu

O HORIZON-CL5-2026-11-D3-23 e um topico do Cluster 5 do Horizonte Europa (Climate, Energy and Mobility), na destinacao Digital Energy, focado no que pode ser a infraestrutura mais importante da decada para o setor energético: a capacidade de partilhar grandes datasets de operação para treinar modelos foundation de inteligencia artificial. O programa visa que os projetos selecionados desenvolvam, treinem e validem modelos AI tailored para o setor energético, com um envelope que se enquadra na linha das atuais Innovation Actions de cluster 5, com TRL alvo 7-8.

A premissa e clara. A qualidade dos modelos AI depende da quantidade, qualidade e representatividade dos dados de treino. O setor energético europeu tem hoje datasets gigantescos, mas fragmentados entre operadores de redes (TSOs, DSOs), produtores, retalhistas, dispositivos de cliente e centros de investigação. Cada um guarda os seus dados por motivos competitivos, regulatorios ou de privacidade. Esta fragmentacao e o estrangulamento real para uma IA energética europeia competitiva. O D3-23 propoe construir o que falta: estrategias de governance que permitam treinar modelos sem cada participante perder controlo dos seus dados.

Necessidades que este instrumento resolve

O D3-23 cruza tres eixos: digitalização, sustentabilidade energética e investigação aplicada de fronteira em IA.

• Digitalização e IA: o coracao do topico. Foundation models para o setor energético, federated learning, data spaces, dados sinteticos, AI gyms, todos sao abordagens explicitamente convidadas. Equipas com expertise em AI engineering, MLOps e governance de dados sao indispensaveis.
• Sustentabilidade, energia e clima: os casos de uso sao todos energeticos: planeamento e operação de redes eletricas (incluindo dynamic EMT modelling), forecasting de oferta e procura, gestão de congestionamento, deteccao de anomalias, manutencao preditiva, flexibilidade da procura, eficiencia, smart charging de EV.
• I&D e ciencia: apesar do TRL elevado, os deliverables incluem novas metodologias FAIR (Findable, Accessible, Interoperable, Reusable) e contributos para standards. Centros de investigação com track record em ML aplicado a sistemas energeticos sao parceiros naturais.

Consorcio multi-stakeholder com acesso a dados reais

As regras gerais do Horizonte Europa aplicam-se: 3+ entidades de 3+ paises diferentes. Mais especifico ao topico:

• Acesso a datasets relevantes na fase de submissão: a Comissão exige que os candidatos demonstrem ter acesso a grandes datasets relevantes ja no momento da submissão da proposta. Nao basta prometer obte-los durante o projeto. TSOs, DSOs, agregadores e retalhistas com licenca para partilhar dados sao parceiros estrategicos.
• Cobertura de stakeholders: o consorcio deve juntar data owners (utilities, operadores de rede, asset owners), application developers (startups, SMEs, hyperscalers) e model deployers (indústria, operadores de rede, fabricantes de equipamento). Sem este triangulo, a proposta nao e credivel.
• Articulacao com BRIDGE: projetos selecionados devem contribuir ativamente para a iniciativa BRIDGE (smart grids and storage horizon projects).
• AI factories europeias: os projetos podem beneficiar da capacidade computacional das tres AI factories anunciadas pela Comissão para aplicacoes energeticas. Articulacao explicita e valorizada.

Onde a IA tem de demonstrar valor

Os modelos foundation desenvolvidos devem cobrir pelo menos um destes casos de uso:

• Planeamento e operação de redes eletricas: modelacao de fluxos de potencia estaticos e modelacao dinamica EMT (electromagnetic transient).
• Forecasting: previsão de oferta e procura, integração de renovaveis intermitentes.
• Gestão de congestionamento: deteccao precoce e mitigacao em redes de transporte e distribuicao.
• Deteccao de anomalias e diagnostico de falhas: redes, equipamentos, ativos.
• Manutencao preditiva: ativos de geracao, transporte e distribuicao.
• Gestão de flexibilidade e eficiencia da procura: demand-side response em escala.
• Smart charging e bidirectional charging de EVs: integração com a rede.

Open-source, FAIR e ethical by design

A Comissão espera explicitamente que:

• Wherever possible, open-source: os modelos e o codigo de desenvolvimento devem ser open-source quando viavel, alinhando com a estrategia europeia de soberania tecnologica.
• FAIR data principles: os resultados (modelos, datasets sinteticos, ferramentas) devem permanecer Findable, Accessible, Interoperable e Reusable apos o fim do projeto.
• Etica, seguranca e accountability: transparencia, explicabilidade e accountability incorporadas no design. Mitigacao de bias para garantir representatividade.
• Privacidade no treino: uso de federated learning, dados sinteticos, data spaces conectores ou outros mecanismos para integrar dados confidenciais sem comprometer ownership.

Perfis com vantagem competitiva

Pela natureza do topico, vencem consorcios mistos onde o lider tipicamente e ou um centro de investigação com tradicao em ML aplicado ou um TSO/DSO de grande dimensao. Em Portugal:

• REN, EDP Distribuicao e EDP Comercial sao alvos estrategicos como data owners.
• INESC TEC, INESC INOV, IT Lisboa, Técnico ULisboa e Universidade do Porto tem track record em smart grids e ML aplicado.
• Empresas como Faraday Predictive, KISPE, Enexis, Veolia ou Siemens Energy podem entrar como model deployers.
• SMEs em smart metering, agregacao de flexibilidade ou energia comunitaria sao parceiros valiosos para casos de uso end-user.

Janela de candidatura

O que recomendamos

O D3-23 e um dos topicos mais ambiciosos do Cluster 5 em 2026 e da-se mal a propostas oportunistas. Tres avisos.

Primeiro, o requisito de acesso a datasets na fase de submissão e nao negociavel. Equipas que tentem este topico sem termos escritos com TSOs/DSOs ou agregadores serao filtradas por reviewers experientes. Em Portugal, a recomendacao e abrir conversas com REN e EDP Distribuicao no inicio do verao se ainda nao existirem.

Segundo, o equilibrio entre os tres tipos de stakeholders (data owners, application developers, model deployers) e o que distingue propostas vencedoras de propostas medianas. Consorcios "academicos" sem indústria forte ou consorcios "industriais" sem rigor científico tendem a ser penalizados em impacto.

Terceiro, a soberania tecnologica e a diretriz europeia clara. Propostas que sirvam de canal para incorporacao de modelos proprietarios de hyperscalers nao europeus ou que nao demonstrem caminho open-source plausivel sao avaliadas como desalinhadas com a estrategia. A boa prática e ter um plano explicito de licenciamento aberto e contributo para BRIDGE como deliverables.