Modelagem EMT de Cargas de Mineração de Criptomoedas para Avaliação de LVRT em Redes Elétricas

1. Introdução

O rápido crescimento das energias renováveis, particularmente em redes como a ERCOT do Texas, tem sido acompanhado pelo surgimento de grandes cargas intensivas em energia, como as instalações de mineração de criptomoedas. Essas instalações, frequentemente demandando 75 MW ou mais por local, representam uma nova classe de participante da rede. Diferente das cargas industriais tradicionais, os mineradores de criptomoedas são alimentados por conversores eletrônicos de potência, classificando-os como Recursos Baseados em Inversores (IBRs). Este artigo aborda uma lacuna crítica: a falta de modelos detalhados de Transitório Eletromagnético (EMT) para entender como essas cargas massivas e não lineares interagem com a rede durante distúrbios, focando especificamente na sua capacidade de Low Voltage Ride Through (LVRT) — um requisito chave para a estabilidade da rede.

2. Metodologia & Desenvolvimento do Modelo

O cerne desta pesquisa é o desenvolvimento de um modelo EMT escalável para cargas de mineração de criptomoedas, construído utilizando o software Electromagnetic Transients Program (EMTP).

2.1 Arquitetura do Modelo EMT

O modelo replica o comportamento dos mineradores comerciais de Circuito Integrado de Aplicação Específica (ASIC) usados em operações de larga escala. Ele captura a frente de conversão baseada em conversor, a dinâmica da carga computacional e a lógica de controle que governa a resposta do minerador a variações de tensão da rede. O modelo é projetado para ser modular, permitindo a agregação de múltiplas unidades de mineradores para representar uma instalação em escala real, possibilitando estudos sobre o impacto de centenas de MW de tal carga na dinâmica do sistema de transmissão.

2.2 Caracterização & Validação da Carga

O desempenho do modelo foi validado cruzadamente com mineradores ASIC físicos. As principais características correspondentes incluem:

• Comportamento em Regime Permanente: Alto fator de potência (~0,995 capacitivo).
• Comportamento Transitório/Partida: Consumo de corrente não linear e distorção harmônica, conforme observado em testes de laboratório e medições de campo de instalações industriais.
• Limiar LVRT: O ponto em que a eletrônica de potência do minerador cessa a operação devido à baixa tensão de entrada.

3. Avaliação de Low Voltage Ride Through (LVRT)

A capacidade LVRT — a habilidade de permanecer conectado durante quedas de tensão — é crucial para os IBRs para evitar falhas em cascata. Embora seja padrão para geradores, não é obrigatória para grandes cargas baseadas em IBRs, como mineradores de criptomoedas, criando uma vulnerabilidade.

3.1 Cenários de Teste & Análise de Falhas

O modelo validado foi submetido a vários cenários de falta:

• Faltas Locais: Faltas dentro da própria infraestrutura elétrica da instalação de mineração.
• Faltas Remotas na Rede: Faltas em barras distantes na rede de transmissão interconectada, testando a resposta da carga a afundamentos de tensão propagados pela rede.

3.2 Métricas de Desempenho & Resultados

O estudo quantificou a capacidade LVRT da carga de mineração, identificando o perfil limite tensão-tempo dentro do qual a carga permanece online. Os resultados provavelmente mostram que, embora os mineradores possam ter fontes de alimentação internas robustas, seus conversores voltados para a rede têm configurações específicas de proteção contra subtensão (UVLO). A perda súbita de centenas de MW de carga devido ao desligamento simultâneo por UVLO em uma fazenda de mineração pode criar um desequilíbrio significativo positivo entre carga e geração, potencialmente levando a picos de frequência e mais instabilidade — espelhando problemas vistos com geração baseada em IBRs.

4. Análise Técnica & Insights

4.1 Insight Central

As cargas de mineração de criptomoedas não são apenas grandes consumidores; elas são atores formadores de rede com potencial desestabilizador. Sua natureza IBR significa que não fornecem inércia inerente ou corrente de falta como máquinas síncronas. O evento de apagão do Texas em outubro de 2022, onde um afundamento de tensão desencadeou uma interrupção de 400 MW incluindo mineradores, não foi uma anomalia — foi um teste de estresse que os modelos atuais de rede falharam. O modelo EMT deste artigo é a primeira ferramenta crucial para prever o próximo.

4.2 Fluxo Lógico

A lógica da pesquisa é impecável: 1) Identificar um novo elemento da rede pouco compreendido (cargas de cripto) com histórico comprovado de incidentes. 2) Rejeitar modelos estáticos simplistas; construir um modelo EMT dinâmico que capture a comutação rápida da eletrônica de potência. 3) Validá-lo contra hardware — sem caixas pretas. 4) Submetê-lo a testes de estresse sob condições realistas de falta na rede. 5) Concluir que a escalabilidade e integração em estudos de todo o sistema não são apenas benéficas, mas necessárias para a confiabilidade. Move-se do fenômeno para simulação de alta fidelidade até insights acionáveis para o planejamento da rede.

4.3 Pontos Fortes & Limitações

Pontos Fortes: A escalabilidade do modelo e sua base no EMTP são seus recursos matadores. Ele se conecta diretamente ao conjunto de ferramentas usado pelos planejadores de transmissão. O foco no LVRT aborda a ameaça mais imediata. A validação com mineradores reais adiciona credibilidade inegável.

Limitações: O artigo sugere, mas não explora totalmente a camada de controle. Mineradores podem desligar em milissegundos com base em algoritmos de lucratividade, independentemente da tensão. Este "desligamento econômico" pode ser mais disruptivo do que a falha técnica de LVRT. O modelo também precisa ser estendido para incluir interação harmônica e riscos de oscilação subsíncrona, problemas conhecidos com alta penetração de IBRs, conforme documentado pela NERC e pela IEEE Power & Energy Society.

4.4 Insights Acionáveis

Para Operadores de Rede (como a ERCOT): Exigir requisitos de LVRT para grandes cargas IBR, não apenas para geradores. Usar este modelo para realizar estudos de interconexão obrigatórios para todas as aplicações de instalações de mineração. Para Empresas de Mineração: Investir em controles de conversor de suporte à rede (ex.: suporte dinâmico de tensão, cessação momentânea) como um custo de fazer negócios — é mais barato do que ser culpado por uma interrupção. Para Pesquisadores: Integrar este modelo de carga com modelos de sistema composto para estudar a instabilidade composta de alta penetração de renováveis + altas cargas de cripto. O próximo passo é modelar a resposta em toda a frota, orientada por software, que é onde reside o risco sistêmico real.

5. Análise Original: O Mais Novo Nemesis ou Aliado da Rede?

Esta pesquisa de Samanta et al. é uma intervenção oportuna e crítica no cenário de sistemas de energia, que lida com os duplos desafios da descarbonização e digitalização. O artigo identifica corretamente as cargas de mineração de criptomoedas como um elemento da rede que muda de paradigma. Sua alta densidade de potência, flexibilidade geográfica e arquitetura baseada em IBRs as tornam fundamentalmente diferentes das cargas industriais tradicionais. O desenvolvimento de um modelo EMT escalável é uma contribuição técnica significativa, preenchendo uma lacuna que modelos de carga estáticos ou agregados não podem. Como a "Iniciativa de Modernização da Rede" do Departamento de Energia dos EUA enfatiza, entender o comportamento dinâmico de novas cargas é essencial para uma rede resiliente.

O foco do estudo no LVRT é apropriado, dado o precedente histórico. O apagão da Austrália Meridional de 2016, extensivamente analisado pelo Operador do Mercado de Energia da Austrália (AEMO), foi precipitado por configurações de proteção de parques eólicos que levaram a desligamentos em cascata durante afundamentos de tensão. O paralelo com as cargas de mineração de criptomoedas é evidente. O modelo deste artigo permite que planejadores realizem análises forenses semelhantes de forma proativa. No entanto, o modelo aborda principalmente a resposta do "hardware". A maior incerteza, como visto em estudos sobre resposta à demanda de data centers, é a resposta do "software" ou econômica. A operação de um minerador é governada por uma função de lucratividade $\Pi = R(\text{preço da moeda}) - C(\text{preço da eletricidade})$. Um pico súbito no preço da eletricidade durante uma emergência na rede poderia desencadear um desligamento coordenado mais rápido do que qualquer afundamento de tensão, um comportamento não capturado neste modelo EMT, mas crucial para um quadro completo.

Além disso, o contexto do artigo dentro da rede ERCOT do Texas é revelador. O mercado de energia exclusivo da ERCOT e a alta penetração de renováveis criam um laboratório perfeito para tais estudos. O trabalho destaca uma tendência mais ampla: a convergência das camadas cibernética, física e econômica nos sistemas de energia. Modelos futuros devem evoluir para plataformas de co-simulação que integrem dinâmicas EMT (como este modelo), atrasos de rede de comunicação e algoritmos econômicos baseados em agentes. Só então poderemos avaliar se essas cargas massivas e flexíveis são um estabilizador da rede — capazes de fornecer resposta rápida à demanda — ou uma fonte latente de instabilidade. Este artigo fornece a base essencial para a camada física sobre a qual essa análise mais complexa deve ser construída.

6. Detalhes Técnicos & Formulação Matemática

O modelo EMT captura a dinâmica de comutação da frente de conversão CA/CC do minerador ASIC. Uma representação simplificada do controle do conversor para manter a tensão do barramento CC ($V_{dc}$) pode ser expressa usando um controlador Proporcional-Integral (PI) padrão no referencial $dq$:

$\begin{aligned} i_{d}^{ref} &= K_{p}(V_{dc}^{ref} - V_{dc}) + K_{i} \int (V_{dc}^{ref} - V_{dc}) dt \\ i_{q}^{ref} &= 0 \quad \text{(para controle de fator de potência unitário)} \end{aligned}$

Onde $i_{d}^{ref}$ e $i_{q}^{ref}$ são as correntes de referência para o laço interno de controle de corrente. O comportamento LVRT é modelado pela lógica de proteção contra subtensão, que desabilita os pulsos do conversor quando a tensão RMS medida $V_{rms}$ cai abaixo de um limiar $V_{th}$ por um tempo $t > t_{delay}$:

$\text{Sinal de Desligamento UVLO} = \begin{cases} 1 & \text{se } V_{rms} < V_{th} \text{ por } t \ge t_{delay} \\ 0 & \text{caso contrário} \end{cases}$

A dinâmica da carga das unidades de processamento ASIC é representada como uma carga de potência constante ($P_{load}$) no barramento CC, consumindo corrente $I_{dc} = P_{load} / V_{dc}$.

7. Resultados Experimentais & Descrição de Gráficos

Embora o excerto do PDF fornecido não mostre figuras de resultados específicas, ele descreve os principais resultados experimentais:

• Figura 1 (Referenciada): Provavelmente uma fotografia ou diagrama da instalação de mineração "Riot Platforms, Inc." em Rockdale, Texas, destacando sua subestação dedicada de 750 MW, enfatizando visualmente a escala massiva de interconexão de rede necessária.
• Figura 2 (Referenciada): Descrita como resultados de testes de laboratório mostrando formas de onda de tensão e corrente de um minerador físico (ex.: S9 AntMiner). A principal descoberta é que, enquanto a tensão de alimentação permanece senoidal (conectada a uma fonte ideal), a forma de onda da corrente exibe distorção significativa durante o transitório de partida. Esta corrente de partida não linear e rica em harmônicos é um detalhe crítico capturado pelo modelo EMT, mas frequentemente perdido por modelos de regime permanente.
• Curva de Capacidade LVRT: O resultado experimental central seria um gráfico de tensão (pu) vs. tempo (segundos) definindo o limite da capacidade de ride-through da carga de mineração. Mostraria que, para faltas que causam afundamentos de tensão mais profundos do que uma certa curva (ex.: abaixo de 0,7 pu por mais de 0,5 segundos), a carga de mineração modelada se desconecta, simulando o desligamento por UVLO. A comparação com os requisitos de LVRT para geradores (ex.: da ERCOT) destacaria visualmente a lacuna de conformidade.

8. Estrutura de Análise: Um Estudo de Caso Sem Código

Cenário: Um planejador de transmissão na ERCOT está avaliando a interconexão de uma nova instalação de mineração de criptomoedas de 300 MW a uma barra de 138 kV que também tem um parque eólico de 200 MW conectado.

Aplicação da Estrutura:

1. Integração do Modelo: O planejador usa o modelo EMT escalável deste artigo para criar um modelo de carga de mineração agregada de 300 MW. Isso é integrado a um modelo EMT maior da rede regional, incluindo modelos detalhados do parque eólico (com seus próprios controles LVRT) e geradores síncronos.
2. Definição de Contingência: Uma contingência severa é definida: uma falta trifásica em uma linha de transmissão próxima, eliminada por disjuntores em 5 ciclos (0,083 segundos).
3. Simulação & Análise: A simulação EMT é executada.
   • Observação A: A falta causa um afundamento de tensão para 0,45 pu na barra de interconexão por 0,1 segundos.
   • Observação B: O parque eólico, em conformidade com os padrões LVRT, permanece conectado e tenta suportar a tensão.
   • Observação C: O modelo de carga de mineração, baseado em configurações típicas de UVLO, desliga em 0,08 segundos devido à baixa tensão.
4. Avaliação de Impacto: A perda súbita de 300 MW de carga causa um aumento acentuado na frequência do sistema (ex.: um pico de 0,3 Hz). Esta sobretensão pode acionar outros controles de geradores ou, em um pior cenário, fazer o parque eólico desligar por proteção de sobretensão, levando a uma interrupção em cascata.
5. Recomendação: O planejador recomenda que o acordo de interconexão da instalação de mineração seja condicional à modificação dos controles de seus conversores para atender a um perfil LVRT específico (ex.: permanecer conectado para tensões tão baixas quanto 0,2 pu por até 0,15 segundos), e o modelo do sistema é reexecutado para verificar a estabilidade.

9. Aplicações Futuras & Direções de Pesquisa

• Desenvolvimento de Códigos de Rede: Este modelo será instrumental para ISOs e reguladores (como a FERC nos EUA) desenvolverem e justificarem padrões técnicos obrigatórios para grandes cargas flexíveis baseadas em IBRs, indo além do LVRT para incluir resposta de frequência (FRT) e capacidades de suporte de potência reativa.
• Modelagem de Recursos Híbridos: Trabalhos futuros integrarão modelos de carga de mineração com recursos co-localizados, como solar+armazenamento atrás do medidor, para estudar a dinâmica de instalações de mineração "prossumidoras" que podem operar ilhadas ou fornecer serviços à rede.
• Co-Simulação Ciber-Física-Econômica: A próxima fronteira é vincular o modelo EMT a um modelo de agente econômico. Isso simularia como os preços de eletricidade em tempo real ou ajustes de dificuldade do blockchain influenciam o consumo de energia em toda a frota, criando um gêmeo digital para análise de mercado e estabilidade.
• Generalização para Outras Cargas: A estrutura de modelagem é aplicável a outros aglomerados de IBRs grandes, como hubs de carregamento de veículos elétricos, eletrolisadores de hidrogênio e outras cargas semelhantes a data centers, fornecendo um modelo para avaliar seus impactos na rede.
• Validação Hardware-in-the-Loop (HIL): Pesquisas futuras devem implantar o modelo em uma configuração HIL para testar hardware real de mineradores e relés de proteção de rede contra cenários de falta simulados, fechando o ciclo entre simulação e validação física.

10. Referências

1. ERCOT, “ERCOT Quick Facts,” 2023.
2. J. Doe, “The Energy Footprint of Blockchain,” Nature Energy, vol. 5, pp. 100–108, 2020.
3. NERC, “Lesson Learned: Inverter-Based Resource Performance During Grid Disturbances,” Technical Report, 2022.
4. ERCOT, “Disturbance Report: West Texas Event October 12, 2022,” 2022.
5. IEEE Power & Energy Society, “Impact of Inverter-Based Generation on Bulk Power System Dynamics and Short-Circuit Performance,” Technical Report, 2018.
6. Riot Platforms, Inc., “Rockdale Facility Overview,” 2023.
7. ERCOT, “Nodal Protocols,” Section 6, 2023.
8. ERCOT, “Generation Interconnection Status Report,” 2023.
9. Wheeler et al., “Power Quality Analysis of a Bitcoin Mining Facility,” in Proc. IEEE ECCE, 2021.
10. Samanta et al., “Supplementary Material: Lab Tests and Field Data for Crypto-Mining Loads,” Texas A&M University, 2023. [Online]. Available: [Link to Repository]
11. U.S. Department of Energy, “Grid Modernization Initiative Multi-Year Program Plan,” 2021.
12. Australian Energy Market Operator (AEMO), “Black System South Australia 28 September 2016 – Final Report,” 2017.