FATEC - Faculdade de Tecnologia, , Presidente Prudente, SP, Brasil. {camila.gabriel, daniel.neto,

baseados em regra fuzzy para análise da racionalidade e

eficiência da utilização de energia elétrica em empresas

de avicultura de postura

Camila Pires Cremasco Gabriel1, Luís Roberto Almeida Gabriel Filho2, Daniel dos Santos Viais Neto1, Deyver Bordin1, Helenice de Oliveira Florentino2, Fernando de

Lima Caneppele3

1 _{FATEC - Faculdade de Tecnologia, 19046-230, Presidente Prudente, SP, Brasil.}

{camila.gabriel, daniel.neto, deyver.bordin}@fatec.sp.gov.br

2 _{UNESP - Univ Estadual Paulista, Laboratório de Matemática Aplicada e Computacional,}

17602-496, Tupã, SP; Instituto de Biociências, 18618-970, Botucatu, SP, Brasil. {gabrielfilho@tupa, helenice@ibb}.unesp.br

3 _{USP - Univ de São Paulo, 13635-900, Faculdade de Zootecnia e Engenharia de Alimentos,}

Pirassununga, SP, Brasil caneppele@usp.br

Resumo. Nos últimos anos a utilização de sistemas inteligentes em controle

tem despertado grande interesse. Dentre as várias técnicas, a lógica fuzzy é uma das mais utilizadas. Os sistemas fuzzy utilizam-se de termos lingüísticos e podem obter o conhecimento a partir de especialistas. Unindo as vantagens de cada uma destas técnicas pode-se gerar os chamados sistemas inteligentes híbridos [3]. Neste trabalho foi realizada uma análise do faturamento da empresa e para isto utilizou-se a resolução ANEEL nº 456 de 30/11/2000. Os dados coletados foram de uma das maiores empresa de avicultura de postura da região de Bastos, sendo que a granja possui galpões que alojam as aves em todas as suas fases a partir da compra do pintainho de um dia, passando pelas fases de frangas, produção e recria. O sistema denominado Fuzzy Energy criado foi desenvolvido com o ambiente integrado Delphi 2010 que utiliza a linguagem de programação Object Pascal e com recursos visuais orientados a objetos. O software desenvolvido apresenta de maneira fácil e clara o controlador que avalia a situação da empresa em relação à utilização de energia elétrica. Os resultados obtidos do sistema foram validados e apresentaram 100% de precisão.

1

Introdução

Nos últimos anos a utilização de sistemas inteligentes em controle tem despertado grande interesse. Dentre as várias técnicas, a lógica fuzzy é uma das mais utilizadas. Os sistemas fuzzy utilizam-se de termos linguísticos e podem obter o conhecimento a partir de especialistas. Unindo as vantagens de cada uma destas técnicas pode-se gerar os chamados sistemas inteligentes híbridos [3].

Uma grande aplicação destes sistemas é no controle do consumo de energia elétrica de empresas. Para a avaliação da forma que a empresa utiliza a energia elétrica existem dois índices denominados fator de carga (fc) e fator de potência (fp).

O fator de carga avalia se a energia está sendo utilizada de forma racional. Quanto maior o valor do fator de carga, melhor é a utilização das cargas elétricas ao longo do tempo. Um fator de carga baixo pode indicar que houve concentração de consumo de energia elétrica em um curto período de tempo, determinando alterações na demanda [1].

O fator de potência é outro índice que merece uma atenção especial. Alguns aparelhos elétricos, como os motores, além de consumirem energia ativa solicitam também a energia reativa necessária para criar o fluxo magnético que o seu funcionamento exige. Com a relação entre estes valores, determina-se o fator de potência médio indutivo num determinado período. O fator de potência é um índice que mostra o quanto da energia elétrica está sendo transformada em outras formas de energia. Quando o fator de potência é baixo, podem surgir problemas na instalação elétrica do consumidor e na rede de distribuição da concessionária [1].

Para facilitar a avaliação do desempenho do consumo de energia elétrica pelas empresas é interessante a existência de um único índice que indique de forma global (racional e eficiente) como a energia está sendo utilizada pela mesma. Para este fim, pode ser empregada a teoria da Lógica Fuzzy. A lógica fuzzy admite a pertinência de um ponto a um conjunto com certo grau de aderência, diferentemente da lógica clássica, que assume que tal ponto ou pertence ou não pertence ao conjunto [5]. A representação destes pontos é realizada por funções denominadas de pertinência.

O objetivo deste projeto foi elaborar um software para auxiliar as empresas de avicultura de postura da região de Bastos a administrar de forma mais racional e eficiente o uso de energia elétrica através de comparações mensais, bem como comparações entre as empresas. Para alcançar tal objetivo, foram realizadas duas etapas:

- Investigou-se o controlador de avaliação energética baseado em regras fuzzy que aferiu a forma da utilização de energia elétrica da 2.ª maior granja da região de Bastos.

- Desenvolveram-se mecanismos computacionais que permitem qualquer usuário desprovido de conhecimentos específicos em lógica fuzzy utilizem a teoria bastando cadastrar os índices fp e fc do período a ser estudado e, posteriormente, classificar futuros meses após este aprendizado.

Para isto, foi necessário o estudo das formas de faturamento de energia elétrica praticadas no Brasil.

2

Materiais e Métodos

2.1. A empresa

A empresa analisada é considerada a segunda maior empresa de avicultura de postura da região de Bastos, a granja possui galpões que alojam as aves em todas as suas fases a partir da compra do pintainho de um dia, passando pelas fases de frangas, produção e recria.

2.2. Análise do faturamento

O fornecimento de energia elétrica estabelece uma estrutura tarifária, ou seja, um conjunto de tarifas aplicáveis às componentes de consumo de energia elétrica e/ou demanda de potência ativas de acordo com a modalidade de fornecimento. Existem três tipos de modalidades tarifárias para as unidades consumidoras atendidas pelo sistema elétrico: a tarifa convencional e a tarifa horo-sazonal (azul e verde).

Esta estrutura é caracterizada pela aplicação de tarifas de consumo de energia elétrica e/ou demanda de potência independentemente das horas de utilização do dia e dos períodos do ano. Também é distinguida pela aplicação de tarifas diferenciadas de consumo de energia elétrica e de demanda de potência de acordo com as horas de utilização do dia e dos períodos do ano, conforme especificação.

A tarifa verde é uma modalidade estruturada para aplicação de tarifas diferenciadas de consumo de energia elétrica de acordo com as horas de utilização do dia e os períodos do ano, com único valor de tarifa de demanda de potência.

Para a análise do faturamento da empresa utilizou-se a resolução ANEEL nº 456 de 30/11/2000 que estabelece, de forma atualizada e consolidada, as condições gerais de fornecimento de energia elétrica. Neste trabalho a empresa estudada possui demanda contrata regida pela tarifa verde, logo a investigação deste trabalho focou o faturamento e suas equações da tarifa que a empresa contrata.

2.3. Faturamento na tarifa verde

A característica principal da tarifa verde é a da existência de um único fator de potência e de carga mensais para a realização dos cálculos do faturamento.

O faturamento de energia elétrica é dado por:

                1 92 , 0 se , FD fdp FC p FC 92 , 0 0 se FDR, fdp FER p FER FD fdp FC p FC F fp fp (1) onde:

- Os faturamentos do excedente do consumo de energia reativa de ponta e fora de ponta são dados respectivamente por:

p p p 1 C TC 92 , 0 FER _        fp e fdp 1 CfdpTCfdp 92 , 0 FER _        fp

;

- O faturamento do excedente de demanda de potência reativa é dado por: TD D 92 , 0 DM FDR _        fp

;

- Os faturamentos do consumo de ponta e fora de ponta são dados respectivamente por:

p p

p C TC

FC



e



;

- Os faturamentos de demanda para 0 fp0,92 e 0,92 fp1 são dados respectivamente por:

TD . D

FD e FDDM.TD. (5)

Observa-se ainda que:

DM D  fc , 730 C D e CC_pC_fdp. (6)

2.4. Software Fuzzy Energy

O sistema denominado Fuzzy Energy em questão foi desenvolvido com o ambiente de desenvolvimento integrado Delphi 2010 que utiliza a linguagem de programação Object Pascal e com recursos visuais orientados a objetos. Esta ferramenta tem como um dos objetivos programar de maneira rápida aplicativos para Windows. Seu ambiente de rápido desenvolvimento com design visual do tipo "arrastar-e-soltar" facilita e simplifica todo e qualquer trabalho diminuindo o tempo de programação.

Foram utilizados componentes da biblioteca comercial Teechart profissional versão 8.06 para gerar os gráficos das funções de pertinência do controlador, o mapa de contorno e a superfície. Além disso, utilizou-se o software Maple 15 para conferência dos resultados dos cálculos (integrais), bem como o software Minitab 16.1 para conferência de valores dos percentis, pois o controlador usou sua metodologia de cálculo.

No sistema de exportação de dados foi utilizado o componente comercial QExport4Dialog da biblioteca EMS Advanced Data Export VCL versão 4.6.0.1, pois

gera a saída para vários formatos de arquivos, o que facilita a integração com outros sistemas.

O controlador faz uso de um sistema gerenciador de banco de dados de código aberto pelo fato de não haver necessidade de aquisição de licenças, facilitando assim sua distribuição. Com isso, foi escolhido o Firebird versão 2.1.4. O controlador faz uso de versões 32 ou 64 bits do Firebird, sempre respeitando a versão do Windows em que o controlador está em uso.

Foi definido um layout legível ao controlador, sendo o escolhido o formato “ini”, que é um arquivo que armazena dados externos aos sistemas e é amplamente utilizado na plataforma Windows. O controlador, a todo acesso e sem intervenção humana, verifica se há atualizações das modalidades tarifárias e subgrupos para que sempre os cálculos possam estar de acordo com as resoluções da Aneel.

Para que a apresentação do resultado da “situação da empresa” seja exibida de modo claro, seguiram-se as etapas teóricas do sistema fuzzy de acordo com [2]. Desta forma foi realizada a programação do sistema para concretizar o presente estudo. A Fig. 1 representa o sistema utilizado, destacando as variáveis de entrada “fator de carga” e “fator de potencia”, e as variáveis de saída “Situação da empresa”, a fim de determinar o fator fuzzy que é a situação do uso de energia elétrica da empresa.

Fig. 1. Modelo do sistema baseados em regra fuzzy.

A base de regras obtida em [2] foi estabelecida mediante metodologia inédita de associação de volume de regiões de superfícies tridimensionais e conjuntos fuzzy. As 16 regras do sistema são ilustradas na Tabela 1, com interpretações textuais a seguir.

Fp Fc Situação MR MR MR MR R MR MR B MR MR MB MR R MR MR R R R R B M R MB M B MR MR B R M B B B B MB B MB MR MR MB R B MB B MB MB MB MB

Legenda: MB = Muito Ruim, R = Ruim, M =Médio, B = Bom, MB = Muito Bom.

A Tabela 1 representa a base de regras do sistema fuzzy dada pelas relações: 1. SE (fp é muito ruim) E (fc é muito ruim) ENTÃO (situação é muito ruim); 2. SE (fp é muito ruim) E (fc é ruim) ENTÃO (situação é muito ruim); 3. SE (fp é muito ruim) E (fc é bom) ENTÃO (situação é muito ruim); 4. SE (fp é muito ruim) E (fc é muito bom) ENTÃO (situação é muito ruim); 5. SE (fp é ruim) E (fc é muito ruim) ENTÃO (situação é muito ruim); 6. SE (fp é ruim) E (fc é ruim) ENTÃO (situação é ruim);

7. SE (fp é ruim) E (fc é bom) ENTÃO (situação é médio); 8. SE (fp é ruim) E (fc é muito bom) ENTÃO (situação é médio); 9. SE (fp é bom) E (fc é muito ruim) ENTÃO (situação é muito ruim); 10. SE (fp é bom) E (fc é ruim) ENTÃO (situação é médio);

11. SE (fp é bom) E (fc é bom) ENTÃO (situação é bom); 12. SE (fp é bom) E (fc é muito bom) ENTÃO (situação é bom);

13. SE (fp é muito bom) E (fc é muito ruim) ENTÃO (situação é muito ruim); 14. SE (fp é muito bom) E (fc é ruim) ENTÃO (situação é bom);

15. SE (fp é muito bom) E (fc é bom) ENTÃO (situação é muito bom); 16. SE (fp é muito bom) E (fc é muito bom) ENTÃO (situação é muito bom).

O método de inferência utilizado neste trabalho é o de Mamdani, que agrega as regras por meio do operador lógico OU , modelado pelo operador matemático





Este método foi implementado em Delphi de maneira análoga a ilustração genérica que usa apenas duas regras genéricas, do tipo daquelas que aparecem na base de regras de [2], cada uma com duas entradas e uma saída (Fig. 2), dadas por:

1

R : SE

x

z

2

R : SE

x

z

Fig. 2. Método de inferência de Mamdani.

O controlador fuzzy em [2], foi implementado no software Matlab 6.0. Para a validação dos dados foi feita a comparação do sistema “Fuzzy Energy” e o controlador no Matlab.

3

Resultado e Discussão

O sistema baseado no controlador fuzzy desenvolvido por [2], apresenta de forma clara e precisa a racionalidade e eficiência do uso de energia elétrica na empresa.

O software inicialmente atualiza as tarifas de acordo com cobradas de acordo com a Aneel. A primeira interface do sistema mostra os dados já existentes da empresa em estudo bem como os valores mais utilizados. Como ilustração identificou o valor mínimo do fator de potencia e fator carga dos dados (Fig. 3).

Fig. 3. Sistema “Fuzzy Energy”.

Em seguida o usuário deve escolher a tarifa e o subgrupo em que se encontra contratado a empresa. A empresa estudada utiliza-se da tarifa verde do subgrupo A4 e assim o sistema é capaz de retornar os percentis dos dados da empresa.

Graficamente o “Fuzzy Energy” apresenta as funções de pertinência das variáveis de entrada e saída, tais funções de pertinências podem ser analisadas da forma triangular ou da forma trapezoidal de acordo com a necessidade do usuário.

A empresa estudada de acordo com [2] possui como variáveis de entrada fator de carga e fator de potência. O sistema fuzzy energy gera as funções de pertinência ilustrada nas Figs. 4 e 5.

Fig. 4. Fator de carga gerado pelo sistema fuzzy energy.

Fig. 5. Fator de potência gerado pelo sistema fuzzy energy.

A função de pertinência saída que indica a situação da empresa e o mapa de contorno são gerados pelo sistema Fuzzy Energy da mesma forma como mostram as Figs. 6 e 7. O mapa de contorno foi gerado em cores pastel, onde o vermelho indica que a situação da empresa esta ruim enquanto a cor azul refere-se a uma situação muito boa, isto para que a visualização dos usuários seja fácil.

Fig. 6. Situação da empresa gerada pelo sistema fuzzy energy.

A validação do sistema foi analisada com a implementação realizada em [2] no software Matlab 6.0 e constatou-se que houve 100% acerto com relação à precisão do sistema “Fuzzy Energy” apresentando os cálculos de percentis com número de casas decimais idênticos e as funções de pertinência idênticas. Houve algumas variações no mapa de contorno.

4

Conclusão

As equações que regem o faturamento de energia elétrica pela tarifa verde foram investigadas e implementadas no sistema atendendo todos os subgrupos descritos pela Aneel. O software desenvolvido apresenta de maneira fácil e clara a situação da empresa em relação à utilização de energia elétrica, atualizando o valor das tarifas quando conectado a rede.

As principais dificuldades na confecção do software foram implementar as cores para o mapa de contorno utilizando a componente Serie Colorgrid.

Os resultados foram testados apresentaram 100% de precisão de acordo com [2]. O software denominado Fuzzy Energy foi considerado eficiente pelos responsáveis do setor de energia elétrica e bom por ser gratuito. Este apresenta a situação da empresa em relação a todos os meses. Pretende-se aplicar esta técnica na Região de Bastos.

O principal objetivo alcançado foi melhorar a análise da situação energética da granja em qualquer mês do ano para facilitar o controle do faturamento.

5

Agradecimentos

Os autores agradecem o Programa de Pós-Graduação em Biometria do IBB/UNESP/Botucatu pelo suporte científico e estrutural disponibilizado. O presente trabalho foi elaborado a partir do relatório de pós-doutoramento do primeiro autor.

Referências

1. COMPANHIA ENERGÉTICA DE SÃO PAULO – CESP: Estrutura tarifária horo-sazonal. São Paulo (1990)

2. CREMASCO, C. P.: Aplicação da Lógica Fuzzy para Avaliação do Faturamento do Consumo de Energia Elétrica e Demanda de uma Empresa de Avicultura de Postura. Tese de Doutorado, UNESP/FCA (2008)

3. MEDEIROS, A. V., MAITELLI, A. L., GABRIEL FILHO, O.: Otimização das Funções de Pertinência de um Controlador Nebulosos utilizando Algoritmos Genéticos. V Simpósio Brasileiro de Automação Inteligente, Canela (2001)

4. PEDRYCZ, W., GOMIDE, F.: An Introduction to Fuzzy Sets: Analysis and Design. MIT Press, Cambridge (1998)