UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE - UFRN CENTRO DE TECNOLOGIA – CT
PROGRAMA DE PÓS-GRADUAÇÃO EM ENERGIA ELÉTRICA MESTRADO PROFISSIONAL EM ENERGIA ELÉTRICA - MPEE
THALES BRUNO COSTA DE AZEVEDO
OTIMIZAÇÃO DA DEMANDA DE POTÊNCIA CONTRATADA UTILIZANDO ALGORITMOS GENÉTICOS:
O CASO DO CAMPUS CENTRAL DA UFRN
Orientador: Prof. Dr. Max Chianca Pimentel Filho
Natal-RN Setembro de 2019
THALES BRUNO COSTA DE AZEVEDO
OTIMIZAÇÃO DA DEMANDA DE POTÊNCIA CONTRATADA UTILIZANDO ALGORITMOS GENÉTICOS:
O CASO DO CAMPUS CENTRAL DA UFRN
Dissertação apresentada ao Programa de Pós-Graduação em Energia Elétrica, da Universidade Federal do Rio Grande do Norte, como parte dos requisitos para obtenção do título de Mestre em Energia Elétrica.
Natal-RN Setembro de 2019
Universidade Federal do Rio Grande do Norte - UFRN Sistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Central Zila Mamede
Azevedo, Thales Bruno Costa de.
Otimização da demanda de potência contratada utilizando algo-ritmos genéticos: o caso do campus central da UFRN / Thales Bru-no Costa de Azevedo. - 2019.
78f.: il.
Dissertação (Mestrado)-Universidade Federal do Rio Grande do Norte, Centro de Tecnologia, Programa de Pós-graduação em Energia Elétrica, Natal, 2019.
Orientador: Dr. Max Chianca Pimentel Filho.
1. Otimização - Dissertação. 2. Demanda contratada - Disserta-ção. 3. Algoritmos Genéticos - DissertaDisserta-ção. I. Pimentel Filho, Max Chianca. II. Título.
RN/UF/BCZM CDU 621.3
AZEVEDO, Thales Bruno Costa de – Otimização da Demanda de Potência Contratada utilizando Algoritmos Genéticos: O caso do campus central da UFRN. Dissertação de Mestrado, UFRN, Programa de Pós-Graduação em Energia Elétrica. Área de Concentração: Pesquisa e Desenvolvimento em Energia Elétrica. Linha de Pesquisa: Otimização de Sistemas, Natal/RN, Brasil.
Orientador: Prof. Dr. Max Chianca Pimentel Filho
Aprovado em 12 de Setembro de 2019.
Prof. Dr. Max Chianca Pimentel Filho
Presidente da Banca e Orientador – UFRN
Profª. Dra. Crisluci Karina Souza Santos Cândido
Membro Interno – UFRN
Prof. Dr. José Luiz da Silva Júnior Membro Interno – UFRN
Prof. Dr. Aldayr Dantas de Araújo Júnior Membro Externo – IFRN
AGRADECIMENTOS
Primeiramente a DEUS, razão da minha existência, autor e consumador da minha fé, pelo dom da vida que Ele me deu, por ter me ajudado durante este tempo de pós-graduação e pela oportunidade e força para realizar este trabalho, fruto de muito trabalho e dedicação.
À minha esposa, Paula Vanuccy, maior incentivadora dos meus estudos, que com paciência e amor me apoiou nesta empreitada que exige dedicação e tempo.
Ao meu pai Expedito Mariano Júnior, que apesar de seus inúmeros defeitos, pôde me proporcionar uma boa educação.
Ao meu orientador, pela cordialidade que tratou desse trabalho. O professor Max Chianca foi bastante paciente e impecável na seriedade e no desempenho das tarefas acadêmicas e seu apoio foi um estímulo e sinal de amizade.
À professora Crisluci, pela paciência, ajuda e orientação durante todo este período. Ao professor Ricardo Pinheiro que me orientou no início do mestrado e aos professores e funcionários do Mestrado Profissional em Energia Elétrica - MPEE.
“Bem-aventurado aquele que teme ao SENHOR e anda nos seus caminhos. Pois comerás do trabalho das tuas mãos; feliz serás, e te irá bem.”
RESUMO
Para os consumidores atendidos em tensão superior a 2,3 kV, pertencentes ao Grupo A, o valor da demanda de potência ativa a ser contratado com a concessionária de distribuição de energia elétrica passa a ser um dos fatores de peso significativo no valor final da fatura mensal. Em momentos em que os recursos são escassos, a escolha vantajosa dessa demanda, bem como da modalidade tarifária mais adequada, precisará ser feita de tal forma que a potência e a energia solicitadas estejam disponíveis sem custos adicionais, e o valor a ser pago seja o menor possível. Este trabalho apresenta uma proposta de otimização por meio de algoritmos genéticos, aplicada ao problema da contratação de demanda de potência ativa, encarado pelos clientes do Grupo A, enquadrados na modalidade tarifária horária azul, em que é necessário ser contratado um montante de demanda no posto horário de ponta e outro no posto horário fora de ponta. Os dados utilizados neste trabalho foram os valores das demandas medidas disponibilizadas pelo campus central da Universidade Federal do Rio Grande do Norte. Simulações foram feitas, considerando o histórico de suas faturas de energia elétrica, desde a entrada em operação de sua subestação particular de 69/13,8 kV, quando se deu início ao faturamento nesta nova modalidade tarifária. Os resultados foram comparados com os custos devido aos valores atuais de demanda contratada, foram comparados também com o método da busca exaustiva, e mostraram que o modelo de otimização com algoritmos genéticos é uma boa ferramenta para se determinar o valor ótimo de demanda a ser contratada.
ABSTRACT
For consumers served by the voltage higher than 2,3 kV, belonging to the group A, the active power demand value to be contracted with power distribution company comes to be one the most important factors in the final value power bill. In moments that the resources are few, the great choice of this demand, as well as of the most useful tariff modality, it will need be done of such way that the power and energy demanded are available with no additional costs, and the value to be paid be as small as possible. This work shows a optimization purpose by the genetic algorithms, applied to the problem of the active power demand contraction, faced by the clients of group A, included in the blue horary tariff modality, where is necessary to be contracted a demand value at the peak hours and another value demand at the out of peak hours. The data used in this work were the measured demand values available by the central campus of the Federal University of Rio Grande do Norte. Simulations were done, considering its historical of the energy bills, since the its particular power substation of 69/13,8 kV began to operate, it was began the billing in this new tariff modality. The results were compared with the costs by the current contracted demand values, they were also compared with the exhaustive search method, and they show that the optimization model with genetic algorithms is a nice tool to the determine the optimal demand value to be contracted. Keywords: Optimization. Contracted Demand. Genetic Algorithms.
LISTA DE ILUSTRAÇÕES
Figura 1.1 – Mapeamento do campus central da UFRN em zonas ... 20
Figura 4.1 – Estrutura Básica de um AG... 38
Figura 4.2 – Método de seleção por roleta ... 40
Figura 4.3 – Algoritmo básico do método de seleção por roleta ... 41
Figura 4.4 – Crossover em um ponto ... 41
Figura 4.5 – Mutação simples ... 42
Figura 5.1 – Aplicação do Método ... 44
Figura 5.2 – Exemplo de Indivíduo ... 45
Figura 5.3 – Lógica para geração da população inicial ... 46
Figura 5.4 – Lógica para seleção dos pais ... 53
Figura 5.5 – Localização do possível filho pelo blend-crossover ... 54
Figura 5.6 – Lógica utilizada para o crossover... 55
Figura 5.7 – Avaliação dos Filhos ... 56
Figura 6.1 – Demandas medidas na ponta ... 59
Figura 6.2 – Demandas medidas fora de ponta... 60
Figura 6.3 – Resultado da primeira simulação (2017). ... 62
Figura 6.4 – Resultado da primeira simulação (2018) ... 62
Figura 6.5 – Resultado da segunda simulação (2017) ... 63
Figura 6.6 – Resultado da segunda simulação (2018) ... 64
Figura 6.7 – Resultado da terceira simulação (2017)... 64
Figura 6.8 – Resultado da terceira simulação (2018)... 65
Figura 6.9 – Desempenhos dos indivíduos da primeira geração ... 67
Figura 6.10 – Desempenhos dos indivíduos após a décima geração ... 67
Figura 6.11 – Indivíduos da primeira geração, gerados aleatoriamente ... 68
Figura 6.12 – Indivíduos da última geração, convergindo para o valor ótimo ... 68
Figura 6.13 – Comparação das Demandas sugeridas na Ponta ... 71
Figura 6.14 – Comparação das Demandas sugeridas fora de ponta ... 72
LISTA DE TABELAS
Tabela 1.1 - Brasil: Consumo de energia e eficiência energética ... 17
Tabela 3.1 – Agrupamento tarifário ... 28
Tabela 5.1 - Exemplo de população com dez indivíduos ... 47
Tabela 5.2 - Custos mensais devido às Demandas Faturadas na Ponta, em R$ ... 49
Tabela 5.3 - Custos mensais devido às Demandas Faturadas Fora de Ponta, em R$ ... 50
Tabela 5.4 - Custos mensais devido às Demandas Faturadas Total (na Ponta e Fora de ponta) ... 50
Tabela 5.5 - Custos anuais devido às Demandas Faturadas Total, em R$ ... 51
Tabela 5.6 - População inicial destacando o melhor indivíduo ... 51
Tabela 5.7 – Indivíduos da última geração ... 57
Tabela 5.8 - Desempenho dos indivíduos após dez gerações ... 57
Tabela 6.1 – Valores de demanda dos anos 2017 e 2018 ... 59
Tabela 6.2 – Custos devido à parcela de demanda nos anos de 2017 e 2018 ... 60
Tabela 6.3 - Custos ideais para os anos de 2017 e 2018 ... 61
Tabela 6.4 – Resumo das simulações ... 66
Tabela 6.5 – Comparação entre a situação ocorrida e a mudança sugerida para 2017 ... 69
Tabela 6.6 – Comparação entre a situação ocorrida e a mudança sugerida para 2018 ... 69
Tabela 6.7 – Resultados de simulação por meio da busca exaustiva para o ano de 2018 .... 70
Tabela 6.8 – Resultados por meio de busca exaustiva ... 70
Tabela 6.9 – Comparação entre os resultados da busca exaustiva e algoritmo genético ... 71
Tabela 6.10 – Demandas médias anuais medidas na ponta ... 73
Tabela 6.11 – Demandas médias anuais medidas fora de ponta... 73
LISTA DE ABREVIATURAS E SIGLAS
ACL Ambiente de Contratação Livre ACR Ambiente de Contratação Regulado
AG Algoritmo Genético
ANEEL Agência Nacional de Energia Elétrica
BNDES Banco Nacional de Desenvolvimento Econômico e Social
CONPET Programa Nacional de Racionalização do Uso dos Derivados do Petróleo e do Gás Natural
COSERN Companhia Energética do Rio Grande do Norte CUSD Contrato do Uso do Sistema de Distribuição
DEA Demanda de Energia
ELETROBRAS Centrais Elétricas Brasileiras S.A. EPE Empresa de Pesquisa Energética
ERD Encargo de Responsabilidade da Distribuidora
INMETRO Instituto Nacional de Metrologia, Normalização e Qualidade Industrial
kW Quilowatt ou kilowatt
MCTI Ministério da Ciência, Tecnologia e Inovação
MDIC Ministério do Desenvolvimento, da Indústria e do Comércio Exterior MME Ministério de Minas e Energia
MtCO2 Milhões de Toneladas de CO2
MVA Mega Volt Ampère
MW Megawatt
NTD Novo Dólar Tailandês
PBE Programa Brasileiro de Etiquetagem PETROBRAS Petróleo Brasileiro S.A.
PFC Participação Financeira do Consumidor PNE Plano Nacional de Energia
PROCEL Programa Nacional de Conservação de Energia Elétrica PROESCO Programa de apoio a Projetos de Eficiência Energética SE LGN Subestação Lagoa Nova
SE NEO Subestação Neópolis
tep Toneladas equivalente de petróleo
SUMÁRIO 1 INTRODUÇÃO ... 15 1.1 Gestão energética ... 18 1.2 Justificativa ... 19 1.3 Motivação ... 22 1.4 Objetivos ... 22 1.5 Estrutura do trabalho ... 23 2 REFERENCIAL TEÓRICO ... 24
3 CONTRATAÇÃO DE DEMANDA DE POTÊNCIA ... 28
3.1 Demanda contratada... 29
3.2 Modalidade Tarifária ... 29
3.3 Enquadramento tarifário... 30
3.4 Desvantagens de uma má escolha na demanda contratada ... 31
3.5 Contratação de Demanda de Potência... 33
3.5.1 Aumento de Demanda ... 34
3.5.2 Redução da Demanda ... 35
3.6 Conclusões do capítulo ... 36
4 ALGORITMOS GENÉTICOS ... 37
4.1 População ... 39
4.2 Avaliação de Desempenho (fitness) ... 40
4.3 Seleção ... 40 4.4 Cruzamento (crossover) ... 41 4.5 Mutação ... 42 4.6 Busca Exaustiva ... 42 4.7 Conclusões do capítulo ... 43 5 APLICAÇÃO DO MÉTODO ... 44
5.1 Indivíduo e Características Gerais ... 45
5.3 Inicialização da população ... 46
5.4 Função Objetivo ... 47
5.4.1 Demandas Faturadas Mensais ... 49
5.5 Avaliação de Desempenho (fitness) ... 50
5.6 Seleção dos pais ... 52
5.7 Cruzamento (crossover) ... 54 5.8 Mutação ... 55 5.9 Nova população ... 56 5.10 Conclusões do capítulo ... 58 6 SIMULAÇÕES E RESULTADOS ... 59 6.1 Custos Reais ... 60 6.2 Caso Ideal ... 61 6.3 Simulação 1 ... 61 6.4 Simulação 2 ... 63 6.5 Simulação 3 ... 64
6.6 Algoritmos Genéticos versus Busca Exaustiva ... 69
6.7 Projeção de Carga ... 72
6.8 Considerações Finais ... 74
7 CONCLUSÕES E FUTUROS TRABALHOS ... 76
15
1 INTRODUÇÃO
Em tempos em que a competitividade vem sendo tratada como eficiência dos aspectos organizacionais, empresas procuram diminuir seus custos e tentam eliminar desperdícios com o mínimo de perda na qualidade de seus produtos e serviços.
Desde o apagão que houve em 2001, surgiu a necessidade tanto por parte do governo quanto da sociedade de buscar meios de economizar energia elétrica, bem como de aperfeiçoar a geração da mesma, conscientizando a população a pensar mais sobre o assunto. A consequência do apagão foi o racionamento de energia elétrica para todos os consumidores. Por causa disso, nos últimos anos, houve mudanças significativas no comportamento das pessoas com relação ao consumo de bens e serviços. No setor elétrico não foi diferente, onde equipamentos e dispositivos cada vez mais eficientes tem entrado no mercado, trazendo expressivas alterações na demanda de energia elétrica.
O conceito de eficiência energética é diminuir as perdas e o desperdício de energia sem reduzir seu fornecimento. No sistema elétrico, parte da energia que chega às casas, comércio e indústria, é desperdiçada. E no consumo, na maioria dos casos, a energia não é utilizada de modo inteligente. De acordo com CRUZ (2013, p. 16):
Uma unidade produtiva é mais eficiente energeticamente que outra, quando proporciona as mesmas ou até melhores condições operacionais, com menor quantidade de energia possível para a produção de determinado produto ou serviço.
De acordo com a Empresa de Pesquisa Energética (EPE), em seu estudo sobre o Plano Nacional de Energia (PNE 2050), os ganhos de eficiência energética em longo prazo podem ser compostos por duas parcelas que foram denominadas de:
Progresso tendencial – que corresponde a tendência do consumidor final de energia, em contribuir com a reposição tecnológica natural devido ao fim da vida útil de equipamentos, efeitos de políticas, programas e ações de conservação já em prática no país (EPE, 2016, p. 172);
Progresso induzido – que necessita da implantação de programas e ações adicionais orientados para o incentivo à eficiência energética e sejam voltados para setores específicos. Essa parcela relaciona-se, fundamentalmente, à ação de políticas públicas neste campo, que se encontra em estágio de estudos para implantação no horizonte decenal (EPE, 2016, p. 172).
16
Portanto, programas e políticas de conservação ao uso racional da energia elétrica tem sido uma ferramenta importante para atingir os objetivos de eficiência. Estes programas estabelecem que, por meio de mudanças de hábitos de consumo, eliminação de desperdícios e com a implementação de novas tecnologias, é possível se obter os resultados desejados.
No Brasil, vários programas já vêm sendo empreendidos há mais de 20 anos. Como exemplo, o Programa Brasileiro de Etiquetagem (PBE), que é coordenado pelo Instituto Nacional de Metrologia, Normalização e Qualidade Industrial (INMETRO), o Programa Nacional de Conservação de Energia Elétrica (PROCEL), coordenado pelas Centrais Elétricas Brasileiras S.A. (ELETROBRAS), o Programa Nacional de Racionalização do Uso dos Derivados do Petróleo e do Gás Natural (CONPET), cuja coordenação executiva é de responsabilidade da Petróleo Brasileiro S.A. (Petrobras), o Programa de apoio a Projetos de Eficiência Energética (PROESCO), coordenado pelo Banco Nacional de Desenvolvimento Econômico e Social (BNDES). O PBE está vinculado ao Ministério do Desenvolvimento, da Indústria e do Comércio Exterior (MDIC), o PROCEL e o CONPET ao Ministério de Minas e Energia (MME). Além destes, a Lei nº 10.295/2001 determina a instituição de “níveis máximos de consumo específico de energia, ou mínimos de eficiência energética, de máquinas e aparelhos consumidores de energia fabricados e comercializados no país” e o Decreto n° 4.059/2001 regulamenta a mesma. Neste âmbito, mais recentemente, foi instituída a política de banimento gradativo das lâmpadas incandescentes por faixa de potência através da Portaria Interministerial MME/MCTI e MDIC, nº 1.007/2010. Há também outros programas locais e iniciativas voluntárias de agentes de mercado, igualmente importantes para a apropriação de ganhos de eficiência energética na economia, (EPE, 2016, p. 173).
A Tabela 1.1 indica, para o Brasil, por década, de 2020 a 2050, uma estimativa da energia projetada com e sem conservação.
17
Tabela 1.1 - Brasil: Consumo de energia e eficiência energética
Consumo (10³ tep)1 2020 2030 2040 2050
Consumo potencial sem conservação 300.521 430.379 550.019 655.075 Energia conservada 9.726 36.432 76.679 118.660 Energia conservada (%) 3,2% 8% 13,2% 18% Consumo final, considerando conservação 290.795 393.947 485.262 536.415
Emissões evitadas com a Eficiência MtCO2(2)
10 28 55 81
Nota: (1) Corresponde ao consumo total de eletricidade em todos os setores somado ao consumo de
combustíveis em todos os setores, exceto o residencial.
(2) Corresponde a energia conservada total (eletricidade e combustíveis) em todos os setores. No
cálculo das emissões evitadas para o Setor de Transportes, foi considerada a redução de emissões devido ao aumento de eficiência energética em veículos leves Ciclo Otto e transporte de cargas. Não foi contemplada a eficiência sistêmica (mudança de modal) nesse cálculo.
Fonte: Empresa de Pesquisa Energética
Segundo essa estimativa, em longo prazo, as ações em eficiência energética contribuirão para reduzir a demanda de energia em aproximadamente 118,6 milhões de toneladas equivalentes de petróleo.
Ainda segundo essa estimativa, essa energia conservada equivale simultaneamente a (EPE, 2016, p. 183):
Evitar a instalação de uma usina hidrelétrica com capacidade instalada de aproximadamente 80 GW, equivalente a quase 6 usinas de Itaipu (incluindo a parcela Paraguaia);
Evitar o consumo de 15 bilhões de litros de etanol no setor de transportes; e Evitar cerca de 90% do consumo atual de gás natural no setor industrial.
18
Abaixo, são listadas algumas medidas para o uso racional da energia elétrica: Análise de enquadramento tarifário;
Controle de demanda na ponta e fora de ponta;
Verificação e correção do fator de potência quando necessário; Programas e políticas de conservação de energia;
Acompanhamento e gerenciamento dos contratos de energia elétrica; Análise de viabilidade de migração para o mercado livre.
Outra maneira de se obter bons resultados nos custos do consumo de energia elétrica é compreender bem a sua estrutura tarifária e como é composta a fatura dos consumidores. A partir destes conceitos, que são parâmetros importantes no momento da tomada de decisões e ações que tem como objetivo a redução do custo do consumo de energia elétrica de uma empresa, o gerenciamento dos contratos de energia elétrica pode ser uma alternativa, e em outros casos se faz até necessário.
1.1 Gestão energética
A gestão energética tem a função de definir e encontrar variáveis de consumo energético que possam ser controladas, viabilizadas e otimizadas. No setor industrial, os principais “vilões” no desperdício de energia são os motores elétricos, sistemas de geração de calor ou resfriamento e a iluminação.
Para obter resultados positivos de eficiência energética, as seguintes atividades devem ser observadas ordenadamente: avaliação, emissão de diagnóstico, tomada de decisão e realização de ações. Fazendo isso, a visualização do problema é facilitada e a aplicação das soluções também, além de propiciar dados mais confiáveis do processo (SAMED; KATAYAMA; LAURIS; ESTEVES e SPAGNOLLI, 2011, p. 2).
Quando o assunto é reduzir os custos com energia elétrica em uma empresa, o desenvolvimento de um programa de gestão energética deveria vir logo à tona nos planos de um empresário. Sua importância se deve ao fato de que apenas algumas ações isoladas tendem a perder sua eficácia ao longo do tempo, enquanto que a ideia de um programa de gestão energética bem elaborado se mantenha eficiente em longo prazo.
19
O empresário e seus colaboradores precisam entender que um plano de gestão energética não tem a ver com racionamento de energia, redução na qualidade dos produtos fabricados ou dos serviços prestados, e nem ações mesquinhas de economia ou de poupança, (ELETROBRAS, 2012, p. 15).
O profissional responsável pela gestão energética precisa superar inicialmente dois desafios: avaliar o montante de energia ou demanda necessária para atender suas instalações atuais e futuras expansões, assim como também obter ou contratar esse montante de energia no mercado. Esse contrato poderá ser pactuado em dois ambientes de mercado, o Ambiente de Contratação Regulado (ACR) ou o Ambiente de Contratação Livre (ACL). A possibilidade de implantação de geração própria ou cogeração também não deve ser descartada por esse profissional, (BATISTA, 2011, p. 3).
1.2 Justificativa
Até o ano de 2016, o fornecimento de energia elétrica para o campus central da UFRN se dava por meio de dois alimentadores de 13,8 kV, operada pela Companhia Energética do Rio Grande do Norte – COSERN. Um desses alimentadores era proveniente da subestação de Neópolis (SE NEO), e o outro alimentador vinha da subestação Lagoa Nova (SE LGN), ambas administradas pela COSERN. Aproximadamente, era como se cada alimentador suprisse metade da demanda do campus central. De modo que, se houvesse algum problema em um desses alimentadores, a equipe de manutenção elétrica da UFRN teria que transferir as cargas que estavam fora de serviço para o único alimentador que ainda estava operando, deixando assim, o alimentador sobrecarregado com praticamente toda a carga do campus. Até esse tempo, eram comuns e constantes os relatos de quedas e interrupções de energia em alguns setores, durante as aulas e no expediente administrativo, prejudicando as atividades acadêmicas.
Com a entrada em operação da nova subestação de 20 MVA 69/13,8 kV em agosto de 2016, o sistema de distribuição de energia elétrica do campus passou por um retrofit, sendo atendido eletricamente por meio de seis alimentadores que alimentam seis zonas classificadas no campus central, com potência suficiente oriunda de sua nova subestação, aliviando assim, os alimentadores que antes operavam com constantes sobrecargas. Isto significa uma energia elétrica de melhor qualidade, mais segura, e também redução na conta da fatura mensal de energia elétrica, uma vez que com o fornecimento de energia na
20
tensão de 69 kV, a UFRN passou a usufruir de uma cobrança de tarifa menor do que quando era atendida na tensão de 13,8 kV. A Figura 1.1 ilustra as seis zonas classificadas do campus central, ao qual cada uma é atendida pelo seu próprio alimentador.
Figura 1.1 – Mapeamento do campus central da UFRN em zonas
FONTE: Superintendência de Infraestrutura - UFRN
Mesmo diante destas melhorias, ainda se faz necessário uma auditoria energética nas edificações que compõem o campus central da UFRN, pois possíveis índices de desperdício e perdas podem ser detectados. Outro ponto a se destacar é que um bom sistema e programa de manutenção também se faz necessário, pois todo e qualquer sistema elétrico sem um mínimo de acompanhamento para fins de manutenção tende ao fracasso, podendo ir ao colapso como consequência. Os diversos equipamentos do sistema demandam manutenções periodicamente, cada equipamento segundo necessidades e princípios de funcionamento, e isto através de inspeções e instrumentos de medidas específicos para tais aplicações.
Após estas medidas, será preciso buscar meios de remediar tais situações e ainda implantar um plano de gestão energética. Uma ótima ferramenta no auxílio de uma
21
auditoria e plano energético seria um sistema de monitoração. Atualmente estes sistemas são oferecidos no mercado por vários fabricantes, com diversas funções e aplicabilidades.
Em um sistema de monitoração, é possível ter o gerenciamento de energia elétrica, controle do fator de potência e demanda, que são compostos por equipamentos de aquisição de dados, medição de energia, acionamento de cargas ativas e reativas e de programas de computadores, para qualquer sistema operacional que permita a operação centralizada de todo o sistema através de um microcomputador conectado em rede (OLIVEIRA, 2006, p. 1).
O gerenciamento de energia no campus central da UFRN será importante para que: Haja disponibilidade de uma riqueza de informações e detalhes que permita a
supervisão total do fluxo de energia entre as zonas mapeadas do campus; e Os gestores da universidade venham a conhecer detalhadamente seus custos de
energia, rateando-o entre os vários setores (centros, unidades especializadas). No setor industrial, a ideia de se gerenciar as grandezas elétricas nas instalações e subestações já é notória, isso é feito através do controle do fator de potência e várias outras grandezas em cada barramento elétrico da instalação. No setor público, o sentimento também não poderia ser diferente, pois os valores decorrentes da diminuição dos custos da energia elétrica poderiam ser aplicados na melhoria de suas próprias instalações e equipamentos, bem como também serem direcionados a outros setores estratégicos para o melhor funcionamento daquele órgão.
Cabe aqui destacar a diferença entre consumo e demanda, ou ainda, energia e potência. O conceito mais difundido é o de energia, que é a quantidade de potência consumida por um equipamento, ou conjunto de equipamentos, em um intervalo de tempo. A demanda é a potência necessária para que determinado equipamento, e/ou toda uma instalação funcione adequadamente. Estes conceitos são melhores apresentados no Capítulo 3. Assim, um plano de gestão da demanda energética se faz necessário, pois a demanda contratada compõe uma parcela importante da fatura de energia elétrica. Este plano deve ser elaborado e acompanhado por profissionais especialistas no assunto, eles devem dispor de ferramentas e computadores para realizarem estas atividades.
22
1.3 Motivação
A motivação para este trabalho se deve à necessidade de minimizar o valor do custo anual com a conta energética da UFRN. Dentre os diversos meios já citados no início deste trabalho, um deles é a otimização da demanda contratada, por não precisar de custos adicionais com investimentos em medidas de eficiência energética, bastando para isso, apenas a análise do histórico de consumo, previsão do crescimento de carga e o desenvolvimento de um algoritmo para determinação da melhor demanda a ser contratada.
Logo, a partir do momento em que se determinar, de maneira otimizada, a demanda a ser contratada para aquele período, benefícios poderão ser alcançados, como por exemplo, a minimização do custo anual com a demanda contratada, que compõe uma parcela na fatura de energia elétrica.
1.4 Objetivos
O objetivo deste trabalho é determinar, por meio de algoritmo genético, qual seria o valor ideal de demanda a ser contratada para o campus central da UFRN, para o período de faturamento de um ano, a fim de que se obtenha o menor custo possível nesta parcela da fatura de energia elétrica. Por ser uma instituição de ensino pública, pretende-se proporcionar economia nos recursos públicos, transparência e servir de exemplo para outros órgãos públicos e privados no tocante à gestão do consumo de energia elétrica de suas instalações.
É esperado que o resultado do algoritmo encontre um valor de demanda ótimo que minimize o valor das faturas de energia elétrica. Com base nos resultados de simulação, o responsável pela decisão estará em posse de informações e conhecimento a fim de que possa escolher o melhor valor de demanda a ser contratada. Os resultados simulados também foram comparados com o método da busca exaustiva.
Apesar de este trabalho ter sido aplicado ao caso da UFRN, ele também pode ser aplicado aos consumidores do Grupo A, subgrupos A1, A2 e A3, que são aqueles cuja tensão de fornecimento se dá ao nível de 69 kV ou superior, e estão enquadrados na modalidade tarifária horária azul. O modelo proposto não contempla variáveis de consumo ativo, e nem as penalidades previstas por baixo fator de potência. São consideradas apenas as penalidades por ultrapassagem de demanda, tendo em vista que a demanda é o foco deste estudo. De acordo com (OLIVEIRA, 2006, p. 4):
23
A finalidade do gerenciamento de energia de uma instalação é reduzir o custo com a energia, e aumentar a produtividade, a partir da supervisão de grandezas como tensões, correntes e potências. A redução do custo de energia se dá otimizando os contratos de demanda, eliminando as ultrapassagens, e fazendo os ajustes de fator de potência.
1.5 Estrutura do trabalho
Deste modo, este trabalho está dividido em sete capítulos assim apresentados: o presente capítulo apresenta de forma introdutória, aspectos sobre economia de energia, gestão e eficiência energética, bem como sobre a justificativa e objetivo do trabalho. No segundo capítulo é apresentado uma breve revisão bibliográfica sobre alguns trabalhos com essa temática. O Capítulo 3 faz uma rápida abordagem sobre a composição tarifária, trazendo conceitos como contratação de demanda, seus procedimentos e alguns aspectos regulatórios.
Já no Capítulo 4 será detalhado, de maneira genérica, a teoria dos algoritmos genéticos, que foi a base para o desenvolvimento deste trabalho. O Capítulo 5 apresenta, em cada etapa, a metodologia utilizada no desenvolvimento do programa. O Capítulo 6 trás um estudo de caso, que foi realizado com os dados das faturas de energia elétrica do campus central da UFRN, os dados de simulação e resultados, feitos em alguns cenários de simulação, mostrando como os dados convergiram para um resultado ótimo. E por fim, o Capítulo 7 apresenta as conclusões, recomendações a respeito da contratação de demanda de potência do campus central da UFRN bem como sugestões para trabalhos futuros.
24
2 REFERENCIAL TEÓRICO
Este capítulo apresentará as principais contribuições já publicadas na literatura científica a respeito desta temática. Não é objetivo desse trabalho criticar ou corrigir os trabalhos que serão citados, apenas citá-los de forma sucinta.
Os trabalhos e pesquisas para a solução do problema da busca pela demanda ótima a ser contratada não são tão recentes. Os autores (CHEN e LIAO, 2011) foram praticamente os pioneiros a apresentar um método de busca pela demanda ótima utilizando algoritmos genéticos e em seguida por enxame de partículas. Sua abordagem teve a mesma problemática, porém, com uma estratégia diferente e com restrições mais amplas, pois eles incluíram consumidores de alta tensão que são cobrados por tarifas horárias (na ponta e fora de ponta).
Seu trabalho teve o objetivo de buscar o valor de demanda ótima a ser contratada, com o algoritmo sendo executado através de programação linear. Foram utilizados dois estudos de caso, com dados fornecidos pelos clientes, e o programa encontrou a solução em um tempo menor que 0,001 minuto. O seu primeiro estudo de caso teve o objetivo de encontrar apenas a melhor demanda a ser contratada. E o segundo, quais seriam os melhores valores de demanda a ser contratada nos períodos de ponta e fora de ponta.
O resultado de seu trabalho é que o programa desenvolvido por eles retorna qual seria a demanda ótima a ser contratada com base em dados históricos, ou seja, para o período de tempo contratado no passado. Quando comparado com a demanda contratada atual, teria como saber qual seria a economia caso a demanda contratada atual fosse a ótima encontrada pelo programa.
A função objetivo utilizada no trabalho dele foi dada pela equação 2.1:
Minimizar ∑(1 − ) + (1 − ) + (2 ) + (2 ) + ( ) + ( ) + , − + , − (2.1) Sujeito a: 1 + 1 ≥ 1, ∀ , (2.2) 1 + 1,1 ∙ 1 ≥ , ∀ , (2.3) 2 + 0,5 ∙ 1 − 2 ≥ 0, ∀ , (2.4)
25 1 + 2 + 1 + 2 ≥ 2, ∀ , (2.5) 1 + 2 + 1,1 ∙ 1 + 1,1 ∙ 2 ≥ 2, ∀ , (2.6) 1, +1≥ 1, ∀ , (2.7) 2, +1≥ 2, ∀ , (2.8) 1, 1, 2, 2 , 2 ≥ 0, ∀ , (2.9)
Em que: C1t = Capacidade contratada (em kW) no período de pico do mês t; C2t = Capacidade contratada (em kW) no período fora de pico do mês t; Dt = Demanda máxima (em kW) do mês t;
D1t = Demanda máxima (em kW) durante o período de pico do mês t; D2t = Demanda máxima (em kW) durante o período fora de pico no mês t;
R1t = Tarifa da capacidade contratada no período de pico (em NTD/kW) no mês t, onde NTD significa Novo Dólar Tailandês (R1t = $ 223,6 para meses de verão, e R1t = $ 166,9 para meses de não verão);
R2t = Tarifa da capacidade contratada no período fora de pico (em NTD/kW) no mês t.
Se a demanda medida for maior que a demanda contratada, a função objetivo prevê uma parcela para o cálculo da demanda de ultrapassagem. Se houver a necessidade de ampliação da rede do consumidor, a função objetivo também prevê uma parcela para este cálculo, de acordo com as equações apresentadas.
Na equação 2.1, as variáveis utilizadas são as potências contratadas na ponta e fora de ponta daquele mês, as demandas máximas na ponta e fora de ponta daquele mês. E as tarifas de demanda na ponta e fora de ponta são os coeficientes.
Como vantagem, pode ser observado que o algoritmo também fornece o tempo mais apropriado para que o consumidor solicite uma alteração na sua demanda contratada. Sua
26
função objetivo ainda estima a importância do fator de potência, prevendo multas pelo seu baixo valor medido ou até descontos caso contrário. Como desvantagem de seu trabalho pode ser citado o fato da indispensabilidade do histórico das demandas medidas do cliente, e a inevitabilidade de uma análise do tempo passado para se comparar qual seria a demanda ótima a ser contratada e calcular a economia.
O trabalho de (ALBUQUERQUE, 2015) propõe uma otimização robusta aplicada à contratação de energia elétrica considerando a incerteza na demanda futura. Foram apresentados alguns cenários sob critérios de linearidade, variância e tendência das curvas. Seus resultados mostraram que o modelo heurístico utilizado com a otimização robusta foi melhor que o modelo determinístico. Os dados simulados em seu trabalho foram utilizados com base nas curvas de carga dos principais consumidores industriais do Polo Industrial de Manaus. Uma vantagem a ser observada em seu trabalho é que não há a necessidade de dados do histórico da demanda dos clientes. Pois, segundo o próprio autor: “…o fato de possuir o histórico não garante a viabilidade da ocorrência de uma situação planejada”. Como desvantagem pode-se citar que o trabalho foi aplicado restritamente a consumidores enquadrados na modalidade convencional e que possuam demanda contratada na faixa de 30 a 300 kW. Como resultado, o modelo apresentado pelo autor mostra, para cada cenário simulado, a solução ótima e a solução robusta, e ainda apresenta um resultado com informações perfeitas, que são aquelas em que o tomador de decisão tem a informação antes que ela ocorra, que em seu trabalho é a diferença entre a solução robusta e a ótima. Sua conclusão é que a otimização robusta admite que o modelo tenha incertezas, seus resultados sejam experimentados, principalmente, com relação à demanda contratada, que é um dilema enfrentado por consumidores de alta tensão diante de situações de incertezas.
Os autores (PACHECO e ROCHA, 2001) também propuseram uma otimização nos contratos de demanda utilizando algoritmos genéticos. Posteriormente, em outro trabalho, eles aplicaram o AG também em tarifas do mercado livre de energia elétrica. Por conta disso, seu trabalho passou a fazer parte do Projeto de Pesquisa e Desenvolvimento em Eficiência Energética da concessionária Light Serviços de Eletricidade S.A. Esse trabalho utilizou algoritmos genéticos para determinar o melhor enquadramento tarifário (se convencional ou horossazonal) para consumidores do grupo A. Como resultado, foi verificado em suas simulações que, sem elitismo, que é uma das etapas do algoritmo genético, o algoritmo não conseguia encontrar o valor ótimo para o problema dentro de um limite de 40 gerações. Já
27
quando se aplicava o elitismo, o algoritmo convergia para a solução ótima com uma melhor rapidez, em menos de 15 gerações.
O trabalho de (OZUR; PEREIRA; CORREA, 2011) abordou um Sistema de Gerenciamento do Consumo e da Qualidade de Energia Elétrica sob a ótica do gerenciamento da curva de carga de consumidores industriais através de controladores programáveis, que são dispositivos que monitoram o valor de demanda contratada e alertam quando a carga da indústria está próximo de atingir este valor. Uma desvantagem a ser observada em seu trabalho é que este tipo de monitoramento não leva em consideração se a demanda é ótima ou não, apenas se preocupa se a mesma será ultrapassada, a fim de evitar gastos com valores de ultrapassagem. Entretanto, destaca-se como vantagem, o fato de encarar os gastos com ultrapassagem de demanda como uma oportunidade de negócio, ou seja, o montante gasto com ultrapassagem poderia ser aproveitado para outros benefícios, como por exemplo, investimentos em manutenção. O resultado traz como conclusão, o argumento de que o gerenciamento de energia é importante tanto nos momentos em que o aumento da demanda se faz necessário, como nos momentos de diminuição. Em períodos onde a produção precisa ser acelerada para atender determinados pedidos, a ultrapassagem intencional da demanda contratada é justificada nestes casos. E a diminuição da demanda contratada pode ser considerada priorizando determinadas cargas a serem ligadas e outras a serem desligadas em períodos programados.
Diante destas contribuições, este trabalho visa trazer mais uma colaboração, a fim de comprovar a teoria dos algoritmos genéticos, que é uma excelente ferramenta quando se trata da busca por uma solução ótima dentre várias soluções a se escolher em um determinado problema.
28
3 CONTRATAÇÃO DE DEMANDA DE POTÊNCIA
Este capítulo apresenta as explicações elementares no tocante a demanda contratada, modalidade e enquadramento tarifário, ciclos de faturamento, penalidades por ultrapassagem da demanda, bem como regras para revisão e alteração da demanda contatada.
Os consumidores de energia elétrica, de maneira geral, são classificados em dois grandes grupos, são eles: grupos A e B. Os consumidores dos grupos A são aqueles atendidos em tensão de fornecimento igual ou superior a 2,3 kV e caracterizados pela tarifa binômia de faturamento. Os consumidores do grupo B são aqueles atendidos em tensão de fornecimento inferior a 2,3 kV e caracterizados por tarifa monômia de faturamento.
Entende-se por tarifa binômia a modalidade tarifária caracterizada por tarifas de consumo de energia elétrica e de demanda de potência, independentemente das horas de utilização do dia. Já a tarifa monômia é modalidade tarifária caracterizada por tarifas de consumo de energia elétrica apenas, independentemente das horas de utilização do dia. As demais modalidades são melhor definidas no Tópico 3.2. A Tabela 3.1 apresenta as subclassificações de ambos os grupos:
Tabela 3.1 – Agrupamento tarifário
Grupo A
Subgrupo A1 Tensão de fornecimento igual ou superior a 230 kV; Subgrupo A2 Tensão de fornecimento de 88 kV a 138 kV;
Subgrupo A3 Tensão de fornecimento de 69 kV;
Subgrupo A3a Tensão de fornecimento de 30 kV a 44 kV; Subgrupo A4 Tensão de fornecimento de 2,3 kV a 25 kV e
Subgrupo AS Tensão de fornecimento inferior a 2,3 kV, a partir de sistema subterrâneo de distribuição.
Grupo B
Subgrupo B1 Residencial; Subgrupo B2 Rural;
Subgrupo B3 Demais classes e Subgrupo B4 Iluminação Pública
FONTE: ANEEL, REN nº 414/2010
Vale ressaltar que, para este trabalho, como mostrado em destaque na Tabela 3.1, a UFRN está enquadrada no Grupo A, subgrupo A3.
29
3.1 Demanda contratada
A Agência Nacional de Energia Elétrica – ANEEL, em sua Resolução 414, de 9 de Setembro de 2010, que trata das Condições Gerais de Fornecimento de Energia Elétrica, traz as seguintes definições para demanda e seus termos associados:
Demanda: média das potências elétricas ativas ou reativas, solicitadas ao sistema elétrico pela parcela da carga instalada em operação na unidade consumidora, durante um intervalo de tempo especificado, expressa em quilowatts (kW) e quilovolt-ampère-reativo (kvar), respectivamente;
Demanda contratada: demanda de potência ativa a ser obrigatória e continuamente disponibilizada pela distribuidora, no ponto de entrega, conforme valor e período de vigência fixados em contrato, e que deve ser integralmente paga, seja ou não utilizada durante o período de faturamento, expressa em quilowatts (kW);
Demanda faturável: valor da demanda de potência ativa, considerada para fins de faturamento, com aplicação da respectiva tarifa, expressa em quilowatts (kW); Demanda medida: maior demanda de potência ativa, verificada por medição,
integralizada em intervalos de 15 (quinze) minutos durante o período de faturamento;
Portanto, segundo a definição de demanda contratada, a potência a ser disponibilizada no ponto de entrega do consumidor se torna uma responsabilidade da concessionária. Cabe ao consumidor cumprir com o pagamento desta potência disponibilizada, mensalmente, seja esta potência consumida ou não.
3.2 Modalidade Tarifária
A modalidade tarifária consiste no conjunto de tarifas que são aplicadas às componentes de consumo de energia elétrica e demanda de potência ativas, componentes estas que compõem a fatura de energia elétrica. As modalidades tarifárias previstas na Resolução 414/2010 da ANEEL são:
Modalidade tarifária convencional monômia: aplicada às unidades consumidoras do grupo B, caracterizada por tarifas de consumo de energia elétrica, independentemente das horas de utilização do dia;
30
Modalidade tarifária horária branca: aplicada às unidades consumidoras do grupo B, exceto para o subgrupo B4 e para as subclasses Baixa Renda do subgrupo B1, caracterizada por tarifas diferenciadas de consumo de energia elétrica, de acordo com as horas de utilização do dia;
Modalidade tarifária convencional binômia: aplicada às unidades consumidoras do grupo A caracterizada por tarifas de consumo de energia elétrica e demanda de potência, independentemente das horas de utilização do dia;
Modalidade tarifária horária verde: aplicada às unidades consumidoras do grupo A, caracterizada por tarifas diferenciadas de consumo de energia elétrica, de acordo com as horas de utilização do dia, assim como de uma única tarifa de demanda de potência; e
Modalidade tarifária horária azul: aplicada às unidades consumidoras do grupo A, caracterizada por tarifas diferenciadas de consumo de energia elétrica e de demanda de potência, de acordo com as horas de utilização do dia.
3.3 Enquadramento tarifário
As unidades consumidoras são enquadradas em suas respectivas modalidades tarifárias de acordo com os seguintes critérios:
Para as unidades consumidoras do Grupo A:
Na modalidade tarifária horária azul, aquelas com tensão de fornecimento igual ou superior a 69 kV;
Na modalidade tarifária horária azul ou verde, de acordo com a opção do consumidor, aquelas com tensão de fornecimento inferior a 69 kV e demanda contratada igual ou superior a 300 kW; e
Na modalidade tarifária convencional binômia, ou horária azul ou verde, de acordo com a opção do consumidor, aquelas com tensão de fornecimento inferior a 69 kV e demanda contratada inferior a 300 kW.
Para as unidades consumidoras do Grupo B:
Na modalidade tarifária convencional monômia, de forma compulsória e automática para todas as unidades consumidoras; e
31
Na modalidade tarifária horária branca, de acordo com a opção do consumidor.
É importante mencionar aqui que as modalidades tarifárias horárias azul, verde e branca, em que são aplicadas tarifas diferenciadas de acordo com as horas de utilização do dia, são aplicáveis segundo os postos tarifários. Os postos tarifários, previstos na Resolução 414/2010 da ANEEL são:
Posto tarifário ponta: período composto por 3 (três) horas diárias consecutivas definidas pela distribuidora considerando a curva de carga de seu sistema elétrico, aprovado pela ANEEL para toda a área de concessão ou permissão, com exceção feita aos sábados, domingos, terça-feira de carnaval, sexta-feira da Paixão, Corpus Christi, e os feriados nacionais;
Posto tarifário fora de ponta: período composto pelo conjunto das horas diárias consecutivas e complementares àquelas definidas nos postos ponta e, para o Grupo B, intermediário;
Posto tarifário intermediário: período de horas conjugado ao posto tarifário ponta, sendo uma hora imediatamente anterior e outra imediatamente posterior, aplicado para o Grupo B.
Como a UFRN é um consumidor pertencente ao Grupo A, subgrupo A3, e de acordo com os critérios de enquadramento vistos anteriormente, a modalidade tarifária da UFRN é a horária azul. Portanto, em sua fatura mensal, é cobrado, discriminadamente, valores de consumo de energia elétrica e demanda de potência nos horários de ponta, e fora de ponta, bem como de penalidades por consumo de energia elétrica reativa excedente e de ultrapassagem de demanda, além de acrescidos os encargos e tributos. Vale lembrar que, para este trabalho, o foco será apenas na demanda, que constitui uma parcela deste montante.
3.4 Desvantagens de uma má escolha na demanda contratada
Em seu trabalho sobre eficientização energética em prédios públicos, ROCHA, (2012, p. 14) observou o seguinte:
"Os gestores públicos devem estar cientes de que para se operacionalizar um processo de governança em energia é necessário definir e formalizar uma
32
estrutura gerencial mínima, compatível com a quantidade e diversidade de instalações e equipamentos, para desenvolvimento de atividades de pesquisa e análise de soluções inovadoras e de melhores práticas utilizadas na racionalização de energia (levando-se em conta o consumo e as perdas), identificação, priorização, formulação, implementação e gerenciamento de projetos - com recursos orçamentários e os oriundos dos investimentos que compulsoriamente devem ser feitos pelas empresas concessionárias de energia elétrica que por lei deve aplicar 0,5% do seu faturamento em projetos de eficientização energética nos municípios; e, finalmente instituir um processo de gestão fortemente institucionalizado para se evitar a descontinuidade dos trabalhos e a desmobilização de equipes técnicas e administrativas dos órgãos centrais e setoriais direta ou indiretamente envolvidos nos programas de eficientização energética."
Tomar a decisão de escolher uma demanda contratada sem nenhum critério, constitui um problema que pode acarretar grandes perdas, inclusive monetárias. Se a demanda contratada for alta, o consumidor pagará por um valor de demanda de potência que, por mais que lhe esteja disponível, ele não estará utilizando e não lhe será útil. Por outro lado, se a demanda contratada for demasiadamente baixa, o consumidor estará sujeito a cobranças por ultrapassagem desta demanda. A tarifa para cobrança por ultrapassagem se constitui em um valor duas vezes maior do que a tarifa pela demanda contratada.
Desta maneira, o consumidor precisa estabelecer uma estratégia para que suas demandas contratadas sejam otimizadas. Pois se a demanda estiver sobrecontratada, haverá desperdício para este consumidor que pagará por um montante de potência que não foi consumida. Já se, a demanda for subcontratada, ocorrerá a cobrança de altos valores de multas por ultrapassagem. Percebe-se então que, em ambos os casos, acontecerá desperdício de energia, daí vem a importância de se escolher a demanda contratada de forma ótima, a fim de que os custos com essa parcela da energia sejam os menores possíveis.
Assim, uma escolha inadequada da demanda contratada, pode trazer prejuízos tanto para o consumidor quanto para a concessionária. No caso de uma sobrecontratação da demanda, o consumidor pode ser penalizado, pois terá de pagar por uma potência que estava prevista, porém não foi absorvida, ou, por outro lado, por ter absorvido uma potência em excesso.
As consequências são as perdas de competitividade, pois, no caso de uma indústria, o produto final poderá ficar mais caro. Já os prejuízos para a concessionária são que ela teve de investir em infraestrutura e em sua capacidade de fornecimento para um determinado consumidor que não gerencia bem seu consumo.
33
3.5 Contratação de Demanda de Potência
Como já exposto, os consumidores que compõem o grupo A precisam, além de cumprir com suas obrigações de pagamento pelo consumo de potência ativa e reativa excedente, firmar contrato para utilização de demanda de potência ativa. Entretanto, há momentos em que esta demanda contratada entre consumidor e concessionária precisa passar por revisões, devido a mudanças em suas instalações. Estas revisões implicam em alterações no valor da demanda.
Quando uma demanda contratada precisa ser aumentada, o consumidor do grupo A precisa entender duas coisas: os produtos e os serviços. Os produtos são a energia necessária para o seu processo, por exemplo, a energia suficiente para fazer as máquinas de uma indústria funcionarem e produzirem. Quem fornece os produtos são as unidades geradoras que estão instaladas nos mais diversos tipos de usinas do parque gerador brasileiro. Porém, estes produtos (energia), precisam chegar até às unidades consumidoras, que geralmente estão instaladas em locais distantes das usinas. Então entra em cena os serviços que são o transporte deste produto, realizado pelos agentes de transmissão e distribuição. A potência demandada seria um ‘espaço’ na infraestrutura de transmissão e distribuição, necessários para transportar esta quantidade de energia até à unidade consumidora.
A contratação para fornecimento de energia elétrica no Brasil se dá em dois ambientes. Um deles é o Ambiente de Contratação Livre – ACL, conhecido pelos agentes do setor como Mercado Livre de Energia, onde consumidores e fornecedores negociam valores de energia e firmam contratos livremente entre si, sem a intervenção do Estado. E o outro é o Ambiente de Contratação Regulado, também conhecido como Mercado Regulado ou Cativo, onde os valores dos montantes de energia são fixados pelo poder concedente. Este trabalho não traz detalhes a respeito destes dois ambientes de contratação, pois não é objetivo do mesmo.
Contudo, para os consumidores de ambos os ambientes, ou seja, o cliente livre e o consumidor cativo do grupo A, é necessário firmar contratos para o uso do sistema de distribuição, conhecido como CUSD. Há também, valores mínimos para contratação de demanda, que segundo a Resolução 414/2010 da ANEEL são:
34
500 kW: para os consumidores especiais; e 3.000 kW: para os consumidores livres.
Entende-se como consumidor especial aquele cuja demanda se encontra entre 500 kW e 3 MW, que tem o direito de adquirir energia de qualquer fornecedor, desde que seja de fontes incentivadas (Pequenas Centrais Hidrelétricas, eólicas, biomassa ou solar). O principal requisito para um consumidor se tornar livre é que ele tenha uma demanda mínima de 3 MW. A demanda contratada da UFRN, como será visto mais adiante, ultrapassa este valor. Porém, a universidade ainda não optou por migrar para o mercado livre, sendo classificada desta maneira como consumidor potencialmente livre.
3.5.1 Aumento de Demanda
Quando se fala em aumento de demanda, há de se lembrar que algumas regras precisam ser obedecidas. Para um consumidor alterar a sua demanda contratada, é necessário que alguns estudos sejam realizados para que a qualidade da energia não seja comprometida. Portanto, quando houver necessidade de alteração, deverão ser seguidos os seguintes passos:
Solicitação de aumento da demanda pelos canais de comunicação disponibilizados pela distribuidora (carta de solicitação, e-mail, site, etc.); Estudo de Viabilidade: a distribuidora tem até 30 dias para responder.
A distribuidora analisará as condições técnicas para o atendimento do aumento de demanda e o cliente será informado da liberação ou da necessidade de obras para o atendimento deste aumento e seus respectivos custos. Caso haja necessidade de obras na rede elétrica para o atendimento deste aumento de demanda, a distribuidora calculará o valor da obra e o seu encargo de responsabilidade, denominado ERD, e então informará se haverá necessidade da participação financeira do consumidor ou não, de acordo com o valor da diferença da Equação 3.1.
= − (3.1) Em que,
PFC: participação financeira do consumidor, em R$; VO: valor da obra, em R$; e
35
ERD: encargo de responsabilidade da distribuidora, em R$
Sendo liberado o pedido para aumento de demanda, o cliente assinará um termo aditivo ao CUSD, estabelecendo a nova demanda contratada. Após isto, a distribuidora concederá um período para ajuste de três ciclos de faturamento, para que o cliente possa aferir e analisar sua demanda, respeitando o limite de 50% do aumento solicitado, só depois deste período é que a nova demanda contratada será efetivada.
Para fins de esclarecimento, suponha que uma determinada empresa do grupo A possui uma demanda atual de 1000 kW, e esta solicite um aumento de demanda de 500 kW. Após o período de testes, a demanda efetivamente contratada deverá está entre 1250 kW e 1500 kW, e não fora desta faixa.
3.5.2 Redução da Demanda
Caso o consumidor deseje solicitar uma redução na sua demanda contratada, os passos a serem seguidos são semelhantes ao da solicitação para aumento:
Solicitação de redução da demanda pelos canais de comunicação disponibilizados pela distribuidora (carta de solicitação, e-mail, site, etc.);
A distribuidora terá até 30 dias para responder;
Se não houver necessidade para recalcular a PFC, a resposta da distribuidora poderá ser enviada juntamente com o aditivo ao CUSD, e tem prazo de validade de:
90 dias da data de solicitação para os consumidores do subgrupo A4; e 180 dias da data de solicitação para os consumidores dos demais subgrupos.
Se houver a necessidade para recalcular a PFC, a resposta da distribuidora poderá ser enviada juntamente com o aditivo ao CUSD, sendo sua redução condicionada ao pagamento da diferença da PFC. A redução da demanda contratada deverá respeitar os limites mínimos estabelecidos na Resolução 414/2010 da ANEEL já citados no Tópico 3.5.
É importante lembrar que se o consumidor solicitar um novo pedido de aumento de demanda, então entrará na regra de solicitação de aumento de demanda e poderá acarretar em custos da PFC, pois o sistema poderá ter sido carregado entre o pedido de redução e a
36
nova solicitação de aumento. E mais de um pedido de redução no período de 12 meses ficará vedado.
3.6 Conclusões do capítulo
Para este trabalho, por se tratar de um mestrado profissional, sua principal contribuição será o benefício que o algoritmo trará, caso os tomadores de decisão da UFRN optem por escolher um valor de demanda contratada baseado em seus resultados.
37
4 ALGORITMOS GENÉTICOS
A otimização se refere ao estudo de problemas a fim de buscar minimizar ou maximizar uma função matemática por meio de uma escolha sistemática de valores de variáveis inteiras ou reais dentro de um conjunto de prováveis soluções. Já é aplicada em diversas áreas da ciência, como na engenharia, logística, economia, dentre outras. Geralmente é conhecida como pesquisa operacional em outras áreas, como na administração. Quando a modelagem matemática se torna possível em sistemas dinâmicos, então é possível aplicar também técnicas de otimização para maximizar ou minimizar uma função previamente definida, tentando achar uma solução ótima para o problema, ou seja, que retorne o melhor resultado possível para o sistema.
Dentre os diversos mecanismos de otimização e busca existentes, os algoritmos genéticos, AG’s, são aqueles inspirados na teoria biológica da evolução dos seres vivos. Foi John Holland, cientista norte-americano, que introduziu a teoria dos algoritmos genéticos. Porém, foi popularizado por um de seus alunos, David Goldberg. Baseia-se então, na teoria da seleção natural, em que os indivíduos mais aptos são aqueles que conseguem sobreviver e gerar descendentes.
De acordo com a Teoria da Evolução das Espécies do naturalista e cientista britânico Charles Darwin, indivíduos de uma mesma população disputam entre si a fim de obterem alimentos e se reproduzirem. Segundo sua teoria, aqueles com maior aptidão, têm maiores chances de sobreviver e transmitir parte de seu material genético aos seus descendentes. Assim, conclui-se que as gerações futuras carregam consigo características de indivíduos mais aptos herdadas de seus progenitores.
O princípio básico dos AG’s é levar em conta que as diversas soluções de um dado problema são considerados como indivíduos de uma população, onde eles serão avaliados, e as melhores soluções (indivíduos mais aptos) terão maiores chances de serem escolhidos, se reproduzirem e, na iteração seguinte (nova população), os indivíduos se apresentarão mais evoluídos do que os da geração passada.
Esta é a técnica utilizada no desenvolvimento deste trabalho. Os algoritmos genéticos. Ele é utilizado para buscar a melhor solução para o problema da demanda de potência ativa contratada por um consumidor enquadrado na modalidade tarifária horária azul, que para este trabalho foi utilizado os dados de demanda da UFRN. Um fluxograma que representa um modelo básico de algoritmo genético é mostrado na Figura 4.1.
38
Figura 4.1 – Estrutura Básica de um AG
FONTE: Pacheco e Rocha, 2008
Portanto, os requisitos para que um AG seja implementado são os seguintes:
Possíveis soluções que possam ser representados por um “código genético”; Uma população inicial, que representará a diversidade de soluções para o
problema e o algoritmo escolherá as melhores soluções; Um método para avaliar o desempenho dos indivíduos;
39
Selecionar pais que possam cruzar entre si e gerar filhos que herdarão características semelhantes aos pais, gerando assim, uma nova população, ou nova geração;
Escolher um critério para que, periodicamente, alguns indivíduos sofram alterações (mutação);
Avaliar as novas gerações até que o critério de busca seja encontrado (convergência).
Assim, para que um algoritmo genético seja executado adequadamente, deverá seguir as seguintes etapas:
Primeiro, cria-se uma população inicial, que é gerada de forma aleatória; Os indivíduos são avaliados de acordo com algum critério pré-estabelecido,
isso é denominado de avaliação de desempenho ou “fitness”;
Os indivíduos são selecionados para se reproduzirem, o operador que executa esta seleção deverá fazer isso de forma que os indivíduos mais aptos tenham mais chances de serem escolhidos;
Os filhos gerados do cruzamento dos pais deverão herdar suas características através de operadores denominados “crossover” e “mutação”;
Novas gerações vão sendo criadas até que o critério de parada seja alcançado; ou seja, a evolução atinja tal ponto que não haja mais indivíduos melhores do que os outros, isto quer dizer que não é mais possível melhorar a solução.
4.1 População
A população é o conjunto de indivíduos, que são as possíveis soluções, que serão avaliados e selecionados os melhores para geração de uma nova população. A quantidade de indivíduos de uma população pode afetar diretamente a busca pela melhor solução. Se a população é pequena, a busca pela solução poderá ser afetada porque não haverá diversidade suficiente de indivíduos para que a solução seja realmente a ótima. Por outro lado, uma população muito grande terá mais chances de se chegar à solução ótima, porém, demandará um tempo maior de busca para que o programa possa fazer a varredura de
40
todos os indivíduos e avaliar cada um deles, além de exigir um maior esforço computacional.
4.2 Avaliação de Desempenho (fitness)
Na avaliação de fitness, cada indivíduo recebe um valor que representa seu desempenho. Esta etapa é fundamental no AG, pois os indivíduos que possuirem os maiores desempenhos terão maiores chances de serem selecionados para o crossover, que são as próximas etapas do algoritmo.
4.3 Seleção
Nesta etapa, os indivíduos, após serem avaliados, passarão por uma seleção para saber quais deles serão escolhidos para serem os pais que gerarão os futuros filhos. Dentre os métodos de seleção citados na literatura, o escolhido para este trabalho foi o método da roleta. Para este método, não são os melhores indivíduos que são selecionados, e sim aqueles que tem maior probabilidade de serem selecionados, indivíduos com desempenhos menores podem ser sim selecionados para serem pais, porém com uma menor probabilidade.
As Figuras 4.2 e 4.3 mostram um gráfico e um esquema básico de algoritmo do método da roleta.
Figura 4.2 – Método de seleção por roleta
41
Figura 4.3 – Algoritmo básico do método de seleção por roleta
FONTE: Medeiros, 2017
4.4 Cruzamento (crossover)
É durante o processo de crossover que novos indivíduos são gerados e irão compor uma nova população, eles possuirão características herdadas dos pais que já passaram por um processo de seleção. Portanto, geralmente, estes novos indivíduos terão melhores desempenhos dos que os indivíduos da geração anterior que são os ascendentes.
Alguns dos tipos de crossover citados na literatura são o cruzamento em um ponto e o cruzamento em dois pontos. A Figura 4.4 ilustra o cruzamento em um ponto utilizado nos AG’s.
Figura 4.4 – Crossover em um ponto
FONTE: RIVED-MEC
Disponível em: http://rived.mec.gov.br/atividades/biologia/externos/AGPM/AGPMaula1.htm Acessado em: 30 de Junho de 2019
42
4.5 Mutação
Nesta operação, uma parte do “material genético” do indivíduo simplesmente é modificado, como mostrado na Figura 4.5. Isso acontece justamente por simular uma característica diferente no indivíduo e criar ainda mais diversidade no meio do processo de busca. A taxa de mutação utilizada nos AG’s geralmente é baixa, entre 1% a 5%.
Figura 4.5 – Mutação simples
FONTE: Projeto ISIS Temas inteligentes,
Disponível em: http://www.oocities.org/igoryepes/visualizar2.htm Acessado em: 30 de Junho de 2019.
4.6 Busca Exaustiva
Este método de resolução de problemas gera todas as soluções possíveis de um problema e verifica qual delas é realmente a solução desejada. Todo o espaço de possíveis soluções é percorrido para buscar a solução do problema.
Basicamente, esta técnica é composta por duas funções: uma em que todas as soluções possíveis são geradas e outra que verifica se a solução gerada é a solução que de fato atende ao problema.
Neste trabalho, o problema da busca da melhor demanda a ser contratada também foi simulado por este método, onde todos os valores de demandas a serem contratadas, tendo na ponta quanto fora de ponta, foram simulados dentro de um espaço considerado. E assim, é garantido que o mínimo global desejado seja encontrado, pois todas as possíveis soluções foram testadas.
Uma desvantagem deste método é que pode existir uma grande quantidade de soluções a serem verificadas. Seus resultados foram comparados com os resultados simulados pelo
43
algoritmo genético que é o objetivo de estudo desta dissertação e seus valores são apresentados no Capítulo 6.
4.7 Conclusões do capítulo
Este capítulo abordou, de forma resumida, a teoria dos algoritmos genéticos utilizada para o desenvolvimento desta dissertação. Apresentada esta teoria, é possível abordar agora a metodologia utilizada no desenvolvimento deste trabalho, que será introduzida e detalhada no próximo capítulo, aplicando-a ao método para encontrar a demanda ótima.
