A utilização de um banco de dados no Tableau, ainda que seja um arquivo Excel, implica na sua preparação e tratamento. Para uma adequada visualização, deve-se observar que, conforme a Figura 3.7, os dados devem ser descritos em linhas e colunas de forma que cada linha represente um item e toda a coluna indique um tipo de atributo. Dessa forma, como no exemplo da Figura 3.7, tem-se os tipos de parâmetros de um produto (identificação, código, data do pedido, prioridade, valor vendido e data de entrega) divididos em cada coluna e cada produto definido por linha com suas respectivas informações.
Figura 3.7 – Organização dos dados do Tableau (TABLEAU, 2020).
Nesse trabalho, os dados do PEN (ONS et al., 2020c, 2020d, 2020e) contam com 3 cenários e discretização de 12 meses para 5 anos em 4 subsistemas. Com isso, obtém-se 720 valores de carga. Foi necessário organizar os dados e acrescentar informações relevantes para aparecerem na legenda do dashboard. Os dados do Excel normalmente são indicados em tabelas com diversas linhas e colunas, conforme Figura 3.8, em que os meses são discretizados horizontalmente. Esse foi o formato extraído do site do ONS (ONS et al., 2020c, 2020d, 2020e) em PDF (Adobe Acrobat Reader) e que foi convertido para Excel. Como citado anteriormente, essa tabela é incompatível com o formato de banco de dados do Tableau, e por isso foi modificado conforme Figura 3.9.
Figura 3.8 – Arquivo do Excel após extração dos dados (Elaboração Própria com base nos dados de ONS et al., 2020c, 2020d, 2020e).
Figura 3.9 – Arquivo do Excel após tratamento dos dados (Elaboração Própria com base nos dados de ONS et al., 2020c, 2020d, 2020e).
Esse tratamento de dados realizado pode ser feito diretamente pelo Tableau na opção “Dinamizar”, conforme indicado na Figura 3.10.
Figura 3.10 – Demonstração da função “Dinamizar” do Tableau (TABLEAU, 2020).
Essa etapa também foi feita para os demais dados. Para a carga horária, foram extraídas informações de 24 horas de 577 dias (31/01/2019 a 31/07/2020) para quatro subsistemas no site do ONS (2020d). As cargas de 2019 e de 2020 foram extraídas para a comparação no dashboard. O total de valores de carga seria 55392 para o período todo e só para 2020, foco do estudo, 20352. Isso sem contar a criação de dois cenários para 2020, o que implica na duplicação de dados de janeiro até julho e inclusão de novos dados até dezembro para cada cenário. Para planilha de banco de dados do Tableau, há uma coluna de cenário, e por isso, a necessidade de conter todos os meses para cada cenário.
A fim de facilitar a visualização, agruparam-se as cargas dos dias úteis (dias de semana) e dos dias não úteis (fim de semana e feriados) e utilizou-se uma média mensal
por hora e por subsistemas para ambos. Com isso, há somente 24h por mês para cada tipo de dia (útil e não útil), o que contabiliza 9216 valores para os dois anos e cenários. Na Figura 3.11, tem-se a estrutura da informação extraída do ONS (2020d) e, na Figura 3.12, a estrutura no formato adequado como banco de dados do Tableau. O valor de data do novo arquivo foi utilizado para facilitar a ordenação das informações e não para indicar o dia, visto que se optou por uma média mensal. As datas contam somente com o dia primeiro de cada mês para representá-lo. Com esse agrupamento, é possível se ter uma noção de alterações no formato da demanda ao longo das horas do dia e se a alteração na dinâmica social (home office e ensino à distância) afeta nesse aspecto.
Figura 3.11 – Dados de carga horária extraídos do ONS (ONS, 2020d).
Figura 3.12 – Dados de carga horária após tratamento (Elaboração Própria com base nos dados de ONS, 2020d).
Quanto à carga por dia da semana, obtiveram-se os dados de carga diária no site do ONS (2020d) no mesmo formato da carga horária. De forma semelhante, são 577 dias para quatro subsistemas, o que contabilizaria 2308 cargas. A estratégia nesse caso foi agrupar os valores por uma média para cada dia da semana de cada mês do ano, subsistema e cenário. Os feriados de 2019 e 2020 foram contabilizados como sábado pela diferença da curva de carga em dia de semana comum e feriados. Desse modo, reduziu-se para 1344 valores. Esse agrupamento foi feito para acompanhar as mudanças em relação a alteração da carga durante os dias da semana, e avaliar se o home office e o ensino à distância teriam algum efeito quanto a isso. Nas Figuras 3.13 e 3.14, indicam-se os dois modelos de Excel antes e após tratamento.
Figura 3.14 – Dados de carga por dia da semana após tratamento (Elaboração Própria com base nos dados de ONS, 2020d).
Além disso, com os arquivos de carga diária obtidos no ONS (2020d), realizou- se também a média mensal para uma comparação dos valores mensais tanto já realizados quanto das projeções dos cenários de carga 1 e 2, o que formou um volume de 192 cargas para os dois anos e cenários. Organizou-se o arquivo no formato necessário do Tableau, conforme Figura 3.15.
Figura 3.15 – Dados de carga mensal após tratamento (Elaboração Própria com base nos dados de ONS, 2020d).
Após essa etapa, realizou-se uma comparação entre os crescimentos de 2020 em relação a 2019 para as cargas horárias, para os dia da semana e mensais e outra comparação para os estudos do PEN, entre a revisão mais recente e o PEN feito em janeiro de 2020, conforme as Figuras 3.16, 3.17, 3.18 e 3.19.
Figura 3.16 – Variação entre o PEN de janeiro de 2020 e o estudo mais recente apresentado nesse trabalho (Elaboração Própria com base nos dados de ONS et al., 2020c, 2020e).
Figura 3.17 – Variação da carga horária de 2020 em relação a 2019 (Elaboração Própria com base nos dados de ONS, 2020d).
Figura 3.18 – Variação da carga por dia da semana de 2020 em relação a 2019 (Elaboração Própria com base nos dados de ONS, 2020d).
Figura 3.19 – Variação da carga mensal de 2020 em relação a 2019 (Elaboração Própria com base nos dados de ONS, 2020d).
Posteriormente, as planilhas utilizadas como banco de dados foram agrupadas conforme os parâmetros que se repetem, como os subsistemas e períodos. Na Figura 3.20, verificam-se as planilhas e suas interligações. Isso é feito para poder relacionar os filtros da ferramenta. Após os dados preparados, define-se os tipos de dados (caracteres, número ou data), escolhem-se os gráficos e preparam-se as exibições.
4 RESULTADOS E DISCUSSÕES
Diante da Revisão Bibliográfica descrita nesse trabalho, verificaram-se os impactos decorrentes da pandemia. A economia foi significativamente atingida com prejuízo a diversos setores e sua recuperação é esperada somente em 2022, com possível melhoria durante 2021. Além disso, pôde-se inferir como o planejamento a curto e curtíssimo prazo é essencial para a adequada segurança do suprimento, ainda mais diante da grande participação de fontes intermitentes e da variabilidade da fonte hídrica. Conforme mencionado no capítulo 2, há uma redução da disponibilidade hídrica no segundo semestre do ano, o que acentua a dificuldade de atendimento à carga programada. No decorrer dessa seção, são expostos os gráficos de carga de energia a serem analisados e os insights acerca da influência do Coronavírus na demanda elétrica.