Analisando os resultados do algoritmo genético, conclui-se que o valor ótimo da demanda a ser contratada é alcançado na simulação 3, onde a população é formada por 120 indivíduos e 30 gerações. Simulações posteriores comprovaram que os valores dos custos se repetem para uma população com quantidade maior de indivíduos e de gerações, ou seja, o mínimo global foi alcançado para estes parâmetros.
Por último, para fins de comparação, utilizando métodos clássicos, como a busca exaustiva, os resultados comprovaram uma boa proximidade entre os resultados dos dois métodos.
Sabe-se, entretanto, que a situação ideal da busca, se encontra nos valores mínimos das funções minimizadas pelo algoritmo de otimização. Mas que estas situações se encontram sob incertezas, pois nos anos futuros o cenário de demanda poderá ser alterado, e influenciado por alguns fatores, como por exemplo, aumento de carga, inauguração de um novo edifício nas instalações do campus, reforma de um setor, dentre outros. Se os tomadores de decisão soubessem informações de qual seria exatamente o cenário futuro de demanda, então a otimização estaria garantida todos os anos.
75
O capítulo seguinte concluirá o trabalho, trazendo as limitações e dificuldades enfrentadas, e propõe também sugestões para trabalhos futuros.
76
7 CONCLUSÕES E FUTUROS TRABALHOS
Este trabalho apresentou os resultados de uma pesquisa quantitativa, com o objetivo de determinar o valor ótimo da demanda de potência ativa a ser contratada mensalmente na Universidade Federal do Rio Grande do Norte, em seu campus central. Por meio do desenvolvimento de um algoritmo genético, foram calculados os melhores valores estimados de demanda para os anos 2017 e 2018 – anos com valores históricos completos de demanda após a entrada em operação de sua subestação 20 MVA 69/13,8 kV – a fim de aplicar e validar o modelo proposto. Com os resultados dos valores encontrados, foram gerados tabelas e gráficos comparativos em relação ao mesmo período em que o modelo ainda não havia sido aplicado com a finalidade de considerar a redução proporcionada pelo algoritmo em relação aos custos gerados com o excesso de demanda contratada quanto por pagamento pela ultrapassagem de demanda.
O estudo provou que com o algoritmo genético proposto, teria sido possível proporcionar uma diminuição nos custos para os anos de 2017 e 2018 caso a demanda contratada fosse a apresentada nos resultados. Assim, a implementação do algoritmo revelou que há uma forma de contratação de demanda de potência ativa capaz de estimar, mais precisamente, o valor ótimo de demanda a ser consumida pela UFRN, ou por qualquer unidade consumidora enquadrada na modalidade tarifária azul, reduzindo por meio deste processo, tanto os custos gerados com uma contratação de demanda elevada quanto pela ultrapassagem.
Com os resultados, foi possível provar os ganhos proporcionados com a aplicação do algoritmo genético proposto. Além do mais, a redução dos custos gerados tanto com o excesso de contratação quanto por ultrapassagem da demanda, o algoritmo genético desenvolvido ajuda ao tomador de decisão em estimar os valores contratados mais próximos dos valores de medição, ou seja, os valores encontrados mostram a real aplicabilidade em seus resultados.
Desta forma, ressalta-se a importância da continuação dos estudos para a validação do algoritmo genético proposto, aplicando-o em outras unidades descentralizadas da UFRN, bem como em empresas pertencentes ao grupo A, para verificação e análise dos resultados. Assim sendo, por meio da estimação de valores mensais futuros e analisados posteriormente em conjunto com as faturas de energia elétrica, o tomador de decisão terá o cruzamento dos
77
valores e informações para seu acompanhamento e auxílio nas decisões. O fato de o estudo ter apenas uma única função objetivo, fez com que o trabalho tivesse um maior foco, com a finalidade de que o resultado buscado tenha maior eficiência. Diante disso, recomenda-se, como sugestão de pesquisa, a implementação mais refinada do algoritmo proposto, incluindo a modalidade tarifária verde para definir qual seria o melhor enquadramento tarifário pra uma unidade consumidora atendida em tensão de fornecimento inferior a 69 kV e com demanda de potência superior a 300 kW, que é onde se encontra a maioria dos consumidores do grupo A. Sugere-se também a inclusão no modelo proposto de parâmetros como fator de potência, bem como também o desenvolvimento de algum modelo que trabalhe com a previsão da incerteza futura na alteração da curva de carga de um consumidor.
78
REFERÊNCIAS BIBLIOGRÁFICAS
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA – ANEEL. Resolução Normativa 414/2010 – Condições Gerais de Fornecimento de Energia Elétrica. Brasília/DF, 2012. Disponível em www.aneel.gov.br. Acesso em 16/05/2019.
ALBUQUERQUE, F. O. Otimização Robusta aplicada à Contratação de Energia Elétrica considerando incerteza na Demanda Futura. Dissertação de Mestrado Profissional. Instituto Tecnológico de Aeronáutica – ITA. 46f. 74. São José dos Campos/SP. 2015.
BATISTA, O., E. Gestão Energética Industrial: uma abordagem frente à inteligência empresarial. Trabalho de Conclusão de Curso. Universidade de São Paulo – USP. São Car- los/SP. 2011.
CHEN, C. Y.; LIAO, C. J. A linear programming approach to the electricity contract ca- pacity problem. Elsevier, Applied Mathematical Modeling. 35 (2011) 4077-4082. Taiwan.
CRUZ, R., R., A. Gerenciamento de Energia Elétrica para Otimizar a Qualidade e a Eficiência Energética de Grandes Consumidores. Dissertação de Mestrado. Universidade Federal da Paraíba. 76p. João Pessoa/PB. 2013.
EMPRESA DE PESQUISA ENERGÉTICA – EPE. Série: Estudos da Demanda de Energia. Nota Técnica DEA 13/15: Demanda de Energia 2050. Ministério das Minas e Energia – MME. Brasília/DF. 2016.
LACERDA, E. G. M. de. Algoritmos Genéticos com Parâmetros Contínuos. Tópicos de Aula. DCA/UFRN. Natal/RN. 2008.
MEDEIROS. D., D., D. Desenvolvimento de Software para Alocação Ótima de Cargas em Redes de Distribuição de Energia Elétrica com Geração Distribuída. Dissertação de Mestrado Profissional. Universidade Federal do Rio Grande do Norte – UFRN. Natal/RN. 2017.
OLIVEIRA, L. S. Gestão do Consumo de Energia Elétrica no campus da UnB. Dissertação de Mestrado. Universidade de Brasília – UnB. 219 p. Brasília/DF. 2006.
79
OZUR, F. S.; PEREIRA, T. H. e CORREA, J. D. S. Sistema de Gerenciamento do Consumo e da Qualidade de Energia Elétrica. E-xacta, Belo Horizonte, v.4, n.3, p.191- 202. 2011. Editora UniBH. Disponível em www.unibh.br/revistas/exacta/. ISSN 1984-3151. Aprovado em: 20.12.2011.
PACHECO, M., A., C. e ROCHA, J., E., N. Aplicação de Algoritmos Genéticos na Otimização de Contratos de Demanda de Energia Elétrica. Nota Técnica Inteligência Computacional – ICA. PUC-Rio. Rio de Janeiro/RJ. 2001.
ROCHA, A., C., G. Eficientização Energética em Prédios Públicos: Um Desafio aos Gestores Municipais Frente aos Requisitos de Governança a Sustentabilidade. Artigo Científico. Fundação Getúlio Vargas – FGV. São Paulo. 2012.
SACCARO, E., J. e CORSO, L., L. Otimização de contratação de demanda de potência ativa por meio do uso de algoritmos genéticos. Scientia Cum Industria, V.7, N.2, pp. 88-93. Universidade de Caxias do Sul – UCS. Caxias do Sul/RS. 2019.
SAMED, M., M., A., KATAYAMA, J., LAURIS, N., ESTEVES, I., H. e SPAGNOLLI, G. Sistema de Gestão Energética: Plano de Ação e Monitoramento visando a Minimização do Desperdício do Uso Final de Energia em uma Pequena Indústria. Artigo Científico. XXXI Encontro Nacional de Engenharia de Produção. Belo Horizonte/MG. 2011.
SUPERINTENDÊNCIA DE INFRAESTRUTURA DA UFRN – INFRA/UFRN. Mapa do campus central. Disponível em: www.infra.ufrn.br. Acesso em: 22/03/2019. Natal/RN. 2019.