Conclusões relativas ao Caso de estudo 1

Conhecer o perfil típico de consumo é de grande importância para os diferentes sectores nomeadamente o sector da produção, a previsão de cargas, a comercialização e a definição de novas tarifas de energia eléctrica. A grande parte do consumo de energia está centrado nas

grandes cidades, o que torna urgente o desenvolvimento das cidades inteligentes no futuro, passando pela implementação de redes inteligentes que assentem num sistema de comunicações electrónicas seguras, rápidas e fiáveis, principalmente ao nível da aquisição, armazenamento, envio e tratamento de dados. Assim, o novo paradigma das smartgrids tem no sector eléctrico, um factor essencial para o seu sucesso, sendo fundamental a existência de dados disponíveis para análise e caracterização das cargas.

De forma a facilitar a análise dos resultados de clustering através do algoritmo k-mean, associados aos diferentes processos de normalização, estão compilados na Figura 4.22, os gráficos que ilustram os resultados dos índices MIA e CDI resultantes da utilização de cada um dos métodos. Os índices representados dizem respeito às simulações com dados não normalizados, dados normalizados de forma regular, normalização considerando uma média, normalização considerando a diferença da microprodução e por fim o método de normalização customizado.

Índice MIA

Índice CDI

Figura 4.22 – Resultados dos índices MIA e CDI de todos os processos de tratamento de dados considerados 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 2 3 4 5 6 Ín d ice M IA Número de clusters Sem Normalização Normalizacao regular Normalização Média

Diferença Sem Norm

Normalização Customizada 0,0 0,2 0,4 0,6 0,8 1,0 1,2 2 3 4 5 6 Ín d ice C D I Número de clusters Sem Normalização Normalizacao regular Normalização Média

Diferença Sem Norm

Normalização Customizada

Da análise dos gráficos é possível verificar que o método de normalização customizada apresenta menor erro quando comparado com os métodos anteriores. Importa analisar que o menor erro, quando aplicamos este tipo de normalização, verifica-se com para k=4 uma vez que os dois edifícios comerciais são separados em dois clusters diferentes, o terceiro grupo aloca alguns dos edifícios residenciais que possuem perfis de carga semelhantes e as restantes cargas correspondente a moradias residenciais e alguns edifícios residenciais, foram agregados num outro cluster.

A normalização customizada apresenta assim, vantagens claras para o processo de definição de tarifas RemT. Este permite identificar claramente os diferentes consumidores, levando em consideração sua tendência e quantidade de consumo, rompendo o caminho para uma definição objectiva e justa de tarifas dinâmicas de electricidade, que pode caber adequadamente em cada um dos grupos identificados, ou seja, consumidores com similares tendências de consumo, levando em consideração a sua dimensão. O novo tipo de normalização, em comparação com os tipos de normalização anteriores, permite uma separação ainda mais clara dos tipos de consumidores, que é evidente a partir dos gráficos de perfil de carga que mostram a separação em diferentes clusters, e também pelos valores MIA e CDI, que mostre que o método proposto atinge valores de erro de agrupamento menores do que os outros métodos.

4.3. Caso de estudo 2 – Definição de estruturas tarifárias

Como já vimos na secção 2.4 sobre estruturas tarifárias, o preço ao qual a energia eléctrica é vendida é fortemente influenciado por diversos factores como custos de manutenção e operação das centrais, custo de matérias-primas, custos de transporte, número de consumidores, mudanças sazonais, etc.

As tarifas “tempo-de-uso” TOU são no caso português, tarifas transitórias de venda a clientes finais a aplicar pelos comercializadores de último recurso, como é o caso das tarifas bi- horárias e tri-horárias para consumidores de BT, ou tetra-horárias para os consumidores BTE, MT, AT e MAT. Estes processos contribuem para encorajar os consumidores a alterarem o seu padrão de consumo e serem compensados pelo esforço dessa alteração. No entanto são tarifas que variam de forma preestabelecida e sistemática, ao longo do dia e pelos dias da semana, o que faz com que não seja possível reflectir o equilíbrio do sistema entre a oferta e procura numa base diária.

Os agregadores são empresas que têm como grande objectivo obter lucro da sua actividade, mas essa componente não será considerada para este trabalho uma vez que se

pretende um foco na definição de estruturas tarifárias e remuneração dos consumidores, assim a análise das receitas do agregador será considerada em trabalhos futuros. Por outro lado, existe da parte dos agregadores, uma grande necessidade de disponibilizar tarifários mais atraentes do que os dos seus directos concorrentes (neste caso os comercializadores de electricidade). Assim, a estrutura tarifária proposta pelos agregadores deve adaptar-se ao perfil de consumo de cada consumidor ou grupo de consumidores permitindo a estes obter poupanças significativas na sua factura de energia.

O presente caso estudo tem como base, valores de dados fornecidos por uma rede de distribuição real cuja caracterização foi feita e apresentada no caso de estudo anterior. Foram utilizados valores reais de preços de mercado retirados do site OMIE, valores reais de produção de energia eólica e solar retirados do site da REN para Portugal continental e valores da tarifa regulada de energia retirada do site da ERSE. Assim são propostas diversas estruturas tarifárias tendo em conta o PTC das cargas, os preços da energia eléctrica formados no mercado e a produção de energia eólica e solar registada em Portugal continental.

A função objectivo é aplicada ao período horário de inverno, para os dias úteis, embora todos os cálculos tenham sido efetuados também para o período de verão, sábados e feriados e outros regimes tarifários, mas de forma a ser possível fazer a análise de resultados e representação gráfica inteligível, foi necessário considerar um número de tarifas mais reduzido.

Com o intuito de se avaliar o impacto da aplicação das estruturas tarifárias utilizou-se, como referência de comparação, os preços regulados emitidos pela ERSE para o ano de 2017 [ERSE]. Estes processos foram testados e deram origem a resultados bastante relevantes já publicados em artigos científicos [Ribeiro C. et al., 2018a], [Ribeiro C. et al., 2018b].