Elson Vieira de Arruda Junior
ANÁLISE PROSPECTIVA DE REDES INTELIGENTES NO BRASIL: UMA ABORDAGEM DE DINÂMICA DE SISTEMAS
Trabalho de Conclusão de Curso apresentado ao Departamento de Engenharia de Produção e Sistemas da Universidade Federal de Santa Catarina, como requisito parcial para a obtenção do título de Engenheiro Eletricista, habilitado em Produção Elétrica.
Orientador: Prof. Dr. Maurício Uriona Maldonado
Florianópolis 2018
Ficha de identificação da obra elaborada pelo autor
através do Programa de Geração Automática da Biblioteca Universitária da UFSC.
Arruda Junior, Elson Vieira de
ANÁLISE PROSPECTIVA DE REDES INTELIGENTES NO BRASIL : UMA ABORDAGEM DE DINÂMICA DE SISTEMAS / Elson Vieira de Arruda Junior ; orientador, Mauricio Uriona Maldonado, 2018.
86 p.
Trabalho de Conclusão de Curso (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Graduação em Engenharia de Produção Elétrica, Florianópolis, 2018.
Inclui referências.
1. Engenharia de Produção Elétrica. 2. Redes Inteligentes. 3. Difusão da Tecnologia. 4. Dinâmica de Sistemas. 5. Modelo de Bass. I. Maldonado, Mauricio Uriona. II. Universidade Federal de Santa
Catarina. Graduação em Engenharia de Produção Elétrica. III. Título.
Elson Vieira de Arruda Junior
ANÁLISE PROSPECTIVA DE REDES INTELIGENTES NO BRASIL: UMA ABORDAGEM DE DINÂMICA DE SISTEMAS
Este Trabalho de Conclusão de Curso foi julgado adequado e aprovado, em sua forma final, pelo Curso de Graduação em Engenharia de
Produção Elétrica, da Universidade Federal de Santa Catarina.
Local, 29 de novembro de 2018. ________________________
Prof. Marina Bouzon, Dra. Coordenadora dos Cursos de Graduação em Engenharia de Produção
Banca Examinadora:
__________________________ Mauricio Uriona Maldonado, Dr.
Orientador
Universidade Federal de Santa Catarina
___________________________ Prof. Eduardo Ferreira da Silva, Dr. Universidade Federal de Santa Catarina
______________________________ Prof.Lynceo Falavigna Braghirolli, Dr. Universidade Federal de Santa Catarina
Aos meus pais, pelo apoio recebido durante a elaboração deste trabalho
AGRADECIMENTOS
Aos meus pais, Elson Vieira de Arruda e Jussara Ribeiro dos Reis, e a minha irmã Mariana Ribeiro dos Reis Arruda, pelo apoio e incentivo proporcionado desde do começo da minha graduação. Por me inspirarem, me ajudarem e me encorajarem a realizar este sonho.
A minha namorada e amiga Jessica Costa, por toda paciência, compreensão, companheirismo, carinho e amor. Ao meu orientador Mauricio Uriona Maldonado, pela orientação, disponibilidade e apoio prestado, tornando possível a conclusão desde trabalho. Agradeço a todos os professores que me acompanharam durante toda a graduação, pelo conhecimento fornecido. A Universidade Federal de Santa Catarina pela oportunidade de concluir esta formação acadêmica.
Aos meus colegas e amigos de trabalho Marcelo Scheibel e Carlos que comigo compartilharam tantos momentos de incertezas e alegrias. A todos que contribuíram para a conclusão desta formação, o meu muito obrigado.
RESUMO
A rede elétrica atual está muito defasada tecnologicamente em comparação com outras tecnologias correlatas. Esse atraso faz com que a ineficiência dessa rede seja quase intolerável. A título de exemplo, considerando apenas os “gatos”, a energia perdida anualmente no Brasil supriria todo o estado de Santa Catarina por um ano. As redes inteligentes mitigam muitos dos problemas atuais da rede, principalmente em relação às perdas energéticas não técnicas. Nos últimos anos houve um aumento da difusão das redes inteligentes no mundo todo, porém no Brasil esse aumento não ocorre como o esperado. A rede analógica ainda domina o mercado no país. Este processo decorre das incertezas geradas pela escassez de regulamentações específicas para as redes inteligentes. Portanto, este trabalho modelou a difusão das Redes Inteligentes no Brasil até o ano de 2060, com o objetivo de analisar a influência de diversas políticas incrementadoras da difusão dessa tecnologia. A metodologia utilizada para testar e analisar o modelo foi da dinâmica de sistemas, utilizando o modelo básico de Bass em conjunto com os complementos de crescimento do mercado e curva de aprendizado. Políticas como redução do preço, crescimento do mercado de adotantes, aumento de ações de publicidade e aumento da taxa de contato foram simuladas, analisadas e comparadas com o cenário base. Dentro dessas políticas a que mais incrementou a difusão isoladamente foi o aumento de 60% na taxa de contato e considerando todos os cenários simulados a melhor combinação é a do cenário 3, que combina o aumento da taxa de contato com o aumento das ações em publicidade.
Palavras-chave: Redes Inteligentes. Difusão da Tecnologia. Dinâmica de Sistemas. Modelo de Bass.
ABSTRACT
A current electrical network is far from technologically compared to other related technologies. This gap makes the network inefficiency almost intolerable, for example, considering only the smuggling of electricity, the energy lost in Brazil would supply the entire state of Santa Catarina for a year. Smart grids mitigate many of the network's current problems, especially in relation to non-technical energy losses. In recent years there has been an increase in the spread of smart networks worldwide, but in Brazil this increase does not occur as expected, the analogue network still dominates the market in the country. This is largely due to the uncertainties arising from the lack of specific regulations for smart grids. Therefore, this work modeled the diffusion of Intelligent Networks in Brazil until the year 2060, with the objective of analyzing the influence of several policies that increase the diffusion of this technology. The methodology used to test and analyze the model was the system dynamics, using Bass's basic model in conjunction with the market growth complements and learning curve. Policies, such as price reduction, growth of the adopter market, increase of advertising actions and increase of the contact rate were simulated, analyzed and compared with the base scenario. Within these policies the one that most increased the diffusion alone was the 60% increase in the contact rate and considering all the simulated scenarios the best combination is the scenario 3 that combines the increase of the rate of contact with the increase of the actions in advertising.
Keywords: Smart Grids. Diffusion of Technologies. System Dynamics. Bass Model.
LISTA DE FIGURAS
Figura 1 – Evolução do Percentual de Perdas no Brasil ... 18
Figura 2 – Perda de energia nos estados ... 19
Figura 3 – Evolução da Demanda de energia e da taxa de crescimento econômico ... 21
Figura 4 – Previsão da difusão dos medidores inteligentes no Brasil (em milhões) ... 23
Figura 5- Funcionamento da Rede Inteligente ... 25
Figura 6 - Medidor Inteligente ... 26
Figura 7 - IHDs ... 26
Figura 8 - Plataforma Online de Gestão de Energia ... 27
Figura 9 - Crescimento Anual dos Investimentos em Redes Inteligentes ... 30
Figura 10 - Localização dos projetos de redes inteligentes na Europa ... 32
Figura 11 - Projeção de consumo de energia no Brasil ... 36
Figura 12 - Curva de adoção de novas tecnologias ... 39
Figura 13 – Modelo de estoque e fluxo ... 39
Figura 14 – Modelo Genérico de Bass... 43
Figura 15 - Comportamento do Sistema ... 44
Figura 16 - Curva S de adotantes e Curva de adotantes por período ... 45
Figura 17 - Mudança da dominância do loop ... 48
Figura 18 - Passos metodológicos da dinâmica de sistemas ... 52
Figura 19 - Modelo Básico ... 54
Figura 20 - Cenário Base x Real ... 57
Figura 21 - Curva S ... 59
Figura 22 - Crescimento do número de unidades consumidoras no Brasil ... 60
Figura 23 - Modelo com Crescimento do Mercado Potencial ... 60
Figura 24 – Comportamento do Mercado Potencial ... 61
Figura 25 - Comparação da Difusão entre os Modelos ... 61
Figura 26 – Comportamento do Efeito na Taxa de Adoção... 63
Figura 27 – Fração do mercado disposto a adotar ... 63
Figura 28 - Modelo com efeito de aprendizado ... 64
Figura 29 -Preço Real x Preço Estimado ... 65
Figura 30 – Crescimento do Cenário Atual ... 66
Figura 31- Curva para publicidade nula ... 67
Figura 32 - Curva para adoção nula ... 68
Figura 33 - Curva valor máximo de coeficiente de aprendizado ... 68
Figura 34 - Curva valor mínimo de coeficiente de aprendizado ... 69
Figura 35 – Difusão das RIs para diferentes valores “p” ... 72
Figura 36 - Difusão das RIs para diferentes valores “q” ... 74
Figura 37 - Difusão das RIs para diferentes valores de preço ... 75
LISTA DE TABELAS
Tabela 1 – Quantidade de medidores inteligentes instalados por país em 2020 31
Tabela 2- Previsão de Demanda de energia no Brasil ... 36
Tabela 3 – Número de medidores instalados por ano ... 55
Tabela 4- Parâmetros Estimados ... 56
Tabela 5 – Métricas de validação ... 57
Tabela 6 – Valores dos parâmetros do modelo básico ... 58
Tabela 7 – Preço Médio do Medidor Inteligente ... 67
Tabela 8 – Diferentes valores de “p” ... 75
Tabela 9 – Diferentes valores de “q” ... 77
Tabela 10 – Diferentes valores de preço ... 79
Tabela 11 – Diferentes cenários combinados ... 82
LISTA DE QUADROS Quadro 1 -Diferenças entre a Rede Atual e a Rede Inteligente. ... 16
Quadro 2 - - Benefícios Rede Inteligente ... 28
LISTA DE ABREVIATURAS E SIGLAS
Abradee Associação Brasileira de Distribuidores de Energia Elétrica ANEEL Agência Nacional de Energia Elétrica
CCEE Câmara de Comercialização de Energia Elétrica CGEE Centro de Gestão e Estudos Estratégicos EUA Estados Unidos da América
EPE Empresa de Pesquisa Energética IEA International Energy Agency MIT Massachusetts Institute of Tech PIB Produto Interno Bruto
RIs Redes Inteligentes
UFSC Universidade Federal de Santa Catarina WAN Wide Area Network
HAN Home Area Network IHD In-Home Displays
SUMÁRIO
1. INTRODUÇÃO ... 15
1.1 CONTEXTUALIZAÇÃO E PROBLEMA DE PESQUISA ... 16
1.1.1 Redes Inteligentes ... 16
1.1.2 Descrição do Problema ... 18
1.2 OBJETIVOS ... 20
1.2.1 Objetivo Geral ... 20
1.2.2 Objetivos Específicos ... 20
1.3 JUSTIFICATIVAS PARA O ESTUDO ... 20
1.4 ESTRUTURA DO TRABALHO ... 23
2. REFERENCIAL TEÓRICO ... 23
2.1 REDES INTELIGENTES ... 23
2.1.1 Vantagens da Rede Inteligente ... 27
2.1.2 Redes Inteligentes no Mundo ... 30
2.1.3 Redes Inteligentes no Brasil ... 34
2.1.4 Mercado de Energia no Brasil ... 35
2.2 PROSPECÇÃO TECNOLÓGICA COM DINÂMICA DE SISTEMAS ... 36
2.2.1 Prospecção Tecnológica ... 36
2.2.2 Difusão e Dinâmica de Sistemas... 37
2.3 MODELOS DE PREVISÃO ... 40
2.3.1 Modelo Logístico ... 40
2.3.2 Modelos de Richard, de Gompertz e de Weibull ... 41
2.4 MODELO DE DIFUSÃO DE BASS ... 42
2.4.1 Curva de Aprendizado... 45
3. PROCEDIMENTO METODOLÓGICO ... 47
3.2 ABORDAGEM METODOLÓGICA ... 51
3.3 ETAPAS METODOLÓGICAS ... 51
3.3.1 Modelagem de Sistemas Dinâmicos ... 51
4.CONSTRUÇÃO DO MODELO ... 54
4.1 LEVANTAMENTO DOS DADOS HISTÓRICOS ... 55
4.2 DETERMINAÇÃO DOS PARÂMETROS DO MODELO ... 55
4.3 VALIDAÇÃO DO MODELO ... 56
4.4 MERCADO POTENCIAL ... 57
4.5 COMPORTAMENTO DO MODELO ... 58
4.5.1 Modelo Básico ... 58
4.5.2 Efeito do Crescimento do Mercado... 59
4.5.3 Efeito do Preço na Taxa de Adoção ... 62
4.5.4 Efeito da curva de aprendizagem ... 63
4.6 VALORES EXTREMOS ... 66
4.6.1 Ação de publicidade nula, p=0 ... 66
4.6.2 Adoção por imitação nula, q=0 ... 67
4.6.3 Valores limites da taxa de aprendizado ... 67
5. RESULTADOS E DISCUSSÃO ... 70
5.1 POLÍTICAS ALTERNATIVAS ... 70
5.1.1 Aumento nas Ações de Publicidade ... 71
5.1.2 Aumento na Taxa de Contato ... 72
5.1.3 Redução do preço ... 74
5.1.4 Mudanças na taxa de crescimento do mercado ... 76
5.2 COMBINAÇÃO DOS DIFERENTES CENÁRIOS ... 77
6. CONCLUSÕES E RECOMENDAÇÕES ... 80
6.1 CONCLUSÕES ... 80
1. INTRODUÇÃO
Cada vez mais a tecnologia da informação está sendo utilizada em conjunto com outras tecnologias. E isso não é diferente no setor elétrico, que busca uma quebra tecnológica para trazer maior confiabilidade, segurança e eficiência para o sistema elétrico.
Neste sentido, as Redes Inteligentes (RIs) vêm para sanar esta busca. Estas redes trazem um sistema de informação capaz de gerar feedbacks instantâneos do funcionamento do sistema, proporcionando maior controle sobre a rede elétrica.
Segundo Oliveira e Vieira (2012), as redes inteligentes utilizam processamento e análise de grande quantidade de dados da rede, permitindo aos operadores e consumidores tomarem decisões mais assertivas a respeito da energia gerada, transportada e consumida.
Essas decisões permitem um melhor gerenciamento da rede, diminuindo as perdas energéticas por eventuais falhas no sistema, acarretando em diminuição dos custos totais e maior eficiência de todo o sistema. Para Lamin (2013), as RIs trazem melhorias para toda a cadeia energética, desde as empresas geradoras, distribuidoras até o consumidor final, além de possíveis ganhos fora do setor elétrico.
Com o crescimento acelerado do consumo de energia elétrica nos últimos anos, a necessidade por um sistema mais eficiente de distribuição é cada vez mais necessária, tornando-se ponto essencial para a melhoria da eficiência da rede, evitando a ocorrência de falhas e blackouts.
O Brasil já sofreu com blackouts, a exemplo da crise do apagão ocorrida em 2001. A expansão da economia associada a um sistema elétrico ineficiente, culminou na escassez de energia elétrica ocasionando período crítico de racionamento.
De acordo com Santos (2014), a rede atual necessita de reestruturação em toda a cadeia de gestão de energia, possibilitando assim a integração dos diversos tipos de equipamentos, tecnologias e tratamento de dados.
Nesse contexto de necessidade de inovação tecnológica na rede elétrica atual, vê-se necessário analisar como esta tecnologia está se difundido no mercado de energia brasileiro. Entre os modelos de difusão
existentes, o mais indicado para a análise da difusão de inovações tecnológicas é o modelo Bass.
A partir do modelo Bass, este trabalho propõe um modelo de difusão das redes inteligentes no mercado de energia elétrica brasileiro. Com o modelo é possível analisar diferentes cenários de difusão das RIs, de forma a ter melhor entendimento de como esta tecnologia está crescendo no mercado brasileiro e quais pontos são críticos para o sucesso da disseminação das RIs no Brasil.
1.1 CONTEXTUALIZAÇÃO E PROBLEMA DE PESQUISA
1.1.1 Redes Inteligentes
Segundo Leite (2017), devido a novos desafios advindos das mudanças modernas, tais como ameaças à segurança, uso de energias intermitentes, metas de melhoria dos indicadores de qualidade, redução dos picos de demanda e aumento da confiabilidade, fica evidente a necessidade de evolução tecnológica das redes de energia em geral, que permitam a integração de sensores e medidores inteligentes na rede.
Para Santos (2014), as redes inteligentes se diferenciam das tradicionais, pois possibilitam a comunicação nos dois sentidos, permitindo a volta das informações entre todos os pontos de conexão da rede.
As mudanças necessárias para transformar as redes atuais em inteligentes estão transcritas no quadro 1.
Quadro 1 -Diferenças entre a Rede Atual e a Rede Inteligente.
Rede Atual Rede Inteligente
Analógico/Eletromecânico Digital/microprocessador Centralizado (geradores) Descentralizado (geração)
Reativo (propenso a falhas e
Fonte: Adaptado de Santos (2014)
Em países europeus e nos EUA já são observadas iniciativas implantadas de projetos de infraestrutura de medição inteligente avançada e de geração distribuída, que são os passos iniciais para futura rede de energia elétrica inteligente. Países como China e Coréia do Sul têm se destacado em investimentos futuros de médio e longo prazos para a criação desse tipo de rede elétrica. (CGEE 2012) Transparência limitada com
consumidores e reguladores
Transparência com
consumidores e reguladores Controle limitado sobre o fluxo
de potência
Sistemas de controle pervasivos
Confiabilidade estimada Confiabilidade preditiva Comunicação direcional (se
houver)
Comunicação bidirecional/integrada
Poucos sensores Sensores e monitores
ubíquos
Restauração manual Manutenção baseada em
desempenho e condição Manual (restauração de campo)
Semi-automatizado,
automatizado (regeneração automática)
Preço tomado de uma só vez Preço em tempo real Sem/escolha limitada do
consumidor
Múltiplos produtos para o consumidor
1.1.2 Descrição do Problema
Como mencionado, a rede atual necessita ser reestruturada, já que sua utilização só tende a crescer nos próximos anos. Uma pesquisa realizada pela Empresa de Pesquisa Energética – EPE, em 2015, revela que a demanda total de energia deve aumentar cerca de 46,5%, para os próximos 10 anos.
Atualmente a rede elétrica apresenta diversos problemas, como: inadimplência, perdas técnicas e não técnicas na rede, faltas energéticas, etc. Esses problemas afetam diretamente a eficiência do sistema elétrico. Segundo o Conselho Americano para Economia Eficiente de Energia (ACEE), o Brasil ocupa, dentre as 23 maiores economias mundiais, a penúltima posição no ranking internacional de eficiência energética.
De acordo com Marangoni (2018), as perdas técnicas são as perdas decorrentes do consumo dos equipamentos e as perdas não técnicas, ou também chamadas de comerciais, correspondem as perdas por furtos, erros de medição, erros no processo de faturamento e unidades consumidoras sem equipamento de medição.
A figura 1 ilustra a evolução do percentual de perdas em relação à energia injetada no sistema. As perdas técnicas de alta, média e baixa tensão passa dos 8%, já as perdas comerciais de média e baixa tensão já chegaram em anos mais críticos a 6%. Considerando apenas as perdas comerciais o prejuízo passa dos R$ 8 bilhões anuais e se for considerada a inadimplência, o valor ultrapassa os R$ 11 bilhões anuais. (ABRADEE, 2017)
Figura 1 – Evolução do Percentual de Perdas no Brasil
Segundo Anel (2017), as perdas de energia por fraudes na rede, popularmente conhecidos como “gatos”, contabilizaram no ano de 2017, 31,5 mil GW, energia essa suficiente para abastecer o estado de Santa Catarina por um ano. A figura 2 mostra os estados onde mais se perde devido aos “gatos”. Os quatro primeiros estados onde mais a energia é perdida são do Norte, isso ocorre devido à dificuldade no controle e monitoramento da rede nesta região.
Figura 2 – Perda de energia nos estados
Fonte: Aneel (2017)
Diante dos problemas citados e das perspectivas de crescimento da demanda energética, torna-se necessário o estudo da difusão das redes inteligentes no Brasil.
A utilização das redes inteligentes ainda é pouco difundida no Brasil. A ANEEL estimava que mais de 65 milhões de medidores iriam ser substituídos até 2020, o que colocava o Brasil na quarta posição dos países com maiores planos para redes inteligentes. Porém, isso acabou não acontecendo, muito devido à crise econômica que o país vem enfrentando nos últimos anos. Um novo estudo publicado pela Innovation Observatory estima que o Brasil irá substituir cerca de 27 milhões de medidores até 2030, colocando o Brasil na décima primeira posição no ranking.
Além dos problemas econômicos, outros fatores agem como barreiras para a difusão dessa tecnologia no Brasil. Segundo EPE(2012), barreiras como: falta de regulamentação, política públicas insuficientes,
alto custo de implementação, falta de conhecimento por parte do consumidor das vantagens da nova rede.
1.2 OBJETIVOS 1.2.1 Objetivo Geral
Esta pesquisa tem como objetivo geral projetar a difusão das redes inteligentes no Brasil até 2060.
1.2.2 Objetivos Específicos
Os objetivos específicos compreendem:
a) Levantar dados históricos sobre a difusão das Redes Inteligentes no Brasil
b) Desenvolver um modelo da difusão das RIs baseado na dinâmica de sistemas para o Brasil.
c) Validar o modelo desenvolvido.
d) Criar e analisar a aplicação de diversas políticas de incentivo a difusão das RIs.
1.3 JUSTIFICATIVAS PARA O ESTUDO
Com o crescente consumo de energia no Brasil, cerca de 4% a.a., como ilustra a figura 3 segundo Ministério de Minas e Energia, é essencial maior eficiência no sistema de geração, distribuição e consumo, de forma a atender a demanda. Uma forma de melhorar a eficiência do sistema é utilizar redes inteligentes em conjunto com fontes renováveis, assim distribuindo a capacidade de geração de energia a vários sistemas e melhorando o desempenho dessas operações.
Figura 3 – Evolução da Demanda de energia e da taxa de crescimento econômico
Fonte: (EPE, 2016a)
A implementação das redes elétricas inteligentes cria oportunidades de negócio e têm impulsionado maior atuação de pequenas empresas para a prestação de serviços voltado ao consumidor final de energia. Haverá oportunidades de desenvolvimento, pesquisa e inovações tanto na área tecnológica quanto nas ciências em geral. (CGEE, 2012).
Segundo Junior (2011), existem inúmeros benefícios decorrentes do uso de métodos avançados de controle. Dentre esses benefícios pode-se destacar:
● Aumento na confiabilidade dos sistemas;
● Recomposição automática após a ocorrência de uma falta;
● Minimização dos tempos de restabelecimento do fornecimento de energia elétrica;
● Redução do congestionamento das linhas de transmissão;
● Monitoramento do fornecimento e do consumo de energia elétrica;
● Integração dos sistemas de geração distribuída;
● Implantação de programas de resposta pelo lado da demanda;
O método utilizado neste trabalho para entender como a difusão ocorre é a dinâmica de sistemas que auxilia no planejamento de longo prazo, identificando pontos críticos para o sucesso da difusão da tecnologia.
Estudos da dinâmica de sistemas são necessários, para o entendimento de como ocorre a difusão das novas tecnologias em um determinado mercado. Além disso, é possível criar modelos que descrevem o comportamento do sistema, analisando a efetividade de diferentes políticas para o desenvolvimento dessa tecnologia.
A tecnologia que permite a substituição das redes atuais para as inteligentes é relativamente nova, entretanto, devido a importância dessa tecnologia para o mercado energético, alguns estudos já surgem, para analisar o comportamento da dinâmica de sistemas das redes inteligentes. Um desses estudos foi o realizado por Morvaj et al, (2011), que analisaram diversos cenários do uso de redes inteligentes em edifícios inteligentes.
Outro trabalho relevante para o assunto foi o relatório realizado pela Abdi (2012), o relatório foi dividido em duas partes, na primeira é feita uma análise das principais tendências de desenvolvimento das redes inteligentes no mundo, e na segunda parte foram elencados os desafios e as oportunidades para a difusão dessa tecnologia no Brasil.
A figura 4 mostra o gráfico da previsão de crescimento da base de medidores inteligentes no Brasil. Estimava-se um crescimento acentuado da difusão dos medidores, em menos de 10 anos todos os medidores seriam inteligentes.
Figura 4 – Previsão da difusão dos medidores inteligentes no Brasil (em milhões)
Fonte: ABDi (2012)
Portanto, o intuito desta monografia é criar uma base de conhecimento da difusão das RIs por meio da dinâmica de sistemas, com o intuito de compreender o comportamento da difusão desta tecnologia no Brasil.
1.4 ESTRUTURA DO TRABALHO
Este trabalho de conclusão de curso está estruturado da seguinte maneira: No capítulo 1, encontra-se a introdução; no capítulo 2, o referencial teórico, onde são apresentados os conceitos do tema da monografia; no capítulo 3, é explanado os procedimentos metodológicos a serem seguidos; a construção do modelo é explicada no capítulo 4; no capítulo 5, são apresentados os resultados e a discussão; a conclusão e as recomendações estão presentes no capítulo 6; e, por fim, as referências utilizadas.
2. REFERENCIAL TEÓRICO 2.1 REDES INTELIGENTES
Existem diversas definições na literatura para as redes inteligentes (RIs) ou, em inglês, Smart Grids (SG). Em síntese, as redes
inteligentes são um conjunto de ferramentas tecnológicas utilizadas para a automação das redes elétricas.
As Redes Elétricas Inteligentes podem ser compreendidas como a rede elétrica que utiliza tecnologia digital avançada para monitorar e gerenciar o transporte de eletricidade em tempo real, com fluxo de energia e de informações bidirecionais entre o sistema de fornecimento de energia e o cliente final (CGEE, 2012).
Segundo Gellings (2009), a rede inteligente é a transformação da rede atual em sistemas inteligentes, aplicando sistemas de comunicação de forma a controlar a rede, através de feedbacks regulares, possibilitando o ajuste constante desta.
Para Falcão (2009), as características atribuídas às Redes Inteligentes são:
• Auto recuperação: capacidade de automaticamente detectar, analisar, responder e restaurar falhas na rede;
• Empoderamento dos Consumidores: habilidade de incluir os equipamentos e comportamento dos consumidores nos processos de planejamento e operação da rede;
• Tolerância a Ataques Externos: capacidade de mitigar e resistir a ataques físicos e ciberataques;
• Qualidade de Energia: prover energia com a qualidade exigida pela sociedade digital;
• Acomodar grande variedade de fontes e demandas: capacidade de integrar de forma transparente (plug and play) uma variedade de fontes de energia de várias dimensões e tecnologia;
• Reduzir o impacto ambiental do sistema produtor de eletricidade, reduzindo perdas e utilizando fontes de baixo impacto ambiental; • Resposta da demanda mediante a atuação remota em dispositivos
dos consumidores;
• Viabilizar e beneficiar-se de mercados competitivos de energia, favorecendo o mercado varejista e a micro geração.
Para automatizar a rede elétrica é necessário utilizar diversas tecnologias em conjunto, de forma a possibilitar o monitoramento desta. A Figura 5 apresenta quais são as tecnologias necessárias para o
funcionamento da rede inteligente. A rede funciona como uma teia, onde todas as pontas se comunicam trocando informações sobre o seu funcionamento.
Figura 5- Funcionamento da Rede Inteligente
Fonte: PET Elétrica – UFJF.
Segundo Lopes et al (2012), a RI utiliza dois serviços de rede, a HAN e a WAN. A rede de Área Doméstica (em inglês: Home Area Network , HAN) é responsável pela coleta e envio dos dados da residência, os dados são coletados por medidores inteligentes instalados nas residências. Para Souza (2010), a Rede de Longa Distância (em inglês: Wide Area Network, WAN) é utilizada na comunicação dos medidores inteligentes até os Data Concentrator, que são utilizados no gerenciamento das informações do sistema.
Um medidor inteligente pode ser visto na figura 6, diferente dos medidores atuais que são analógicos, ele é totalmente digital, o que possibilita o registro em tempo real do consumo de eletricidade na residência. Os medidores trabalham com a troca de informação bidirecional entre os usuários e a central, possibilitando um controle remoto da rede.
Figura 6 - Medidor Inteligente
Fonte: Safespace.
Outro dispositivo utilizado nas RIs é o in-home displays – (IHDs), que pode ser visto na figura 7. Este equipamento permite o monitoramento em tempo real do consumo de energia para o usuário. De acordo com Lamin (2013), o IHD funciona em conjunto com o medidor inteligente, que transfere as informações da rede para o IHDs, que por sua vez mostra para o usuário as informações da rede, possibilitando a este a utilização da rede de uma forma mais eficiente.
Figura 7 - IHDs
Outros modelos utilizados para o monitoramento da rede são aplicativos que podem ser instalados em dispositivos móveis, visto na figura 8. A empresa Greenant vende medidores inteligentes e oferece o serviço de BI (Business Intelligence), o qual atende as necessidades dos consumidores que buscam ter maior controle sobre o consumo.
Figura 8 - Plataforma Online de Gestão de Energia
Fonte: Greenant (2018)
2.1.1 Vantagens da Rede Inteligente
A RI apresenta diversas vantagens em comparação com as redes atuais, a principal advém da agregação dos dados referentes de toda a rede. Os dados são processados e transformados em informações, possibilitando monitoramento e controle constante da rede.
A disponibilização das informações para os consumidores possibilita algo inédito para este sistema, o controle em tempo real do consumo. Isso é possível graças a displays instalados nas residências, que mostram dados sobre tarifas, consumo diário, demanda, entre outras informações sobre a rede.
Já para as concessionárias, as redes inteligentes possibilitam a inviabilização de adulterações na rede, como os famosos “gatos”. Para Nielsen (2013), as concessionárias poderão rastrear as ligações
irregulares na rede elétrica e agir corretivamente, podendo desligar a rede remotamente em um determinado ponto.
Para Lamin (2013), os três principais motivadores para a implementação das RIs no Brasil são: redução de perdas não técnicas, melhoria da continuidade e eficiência energética.
O Quadro 2 apresenta os benefícios da utilização das redes inteligentes e como os agentes percebem estes benefícios.
Quadro 2 - - Benefícios Rede Inteligente Categoria do
Benefício
Subcategoria do Benefício
Benefício Percepção dos benefícios pelos agentes Econômico Melhora da utilização dos ativos Operação otimizada do gerador Distribuidora
Redução nos custos de serviço auxiliar Distribuidora Custo de congestionamento reduzido Distribuidora Economia de Capital da Transmissão e Distribuição Redução de falhas em equipamentos Distribuidora Economia de Transmissão, Distribuição, Redução Custo de manutenção de equipamentos Distribuidora
Operação e Manutenção Redução do custo da leitura do medidor Distribuidora Redução dos roubos Roubo de eletricidade reduzido Distribuidora Eficiência Energética Perdas energéticas reduzidas Distribuidora Economia no custo da eletricidade Custo da eletricidade reduzido Distribuidora Confiabilidade Quedas de energia Redução das interrupções prolongadas Distribuidora Consumidor Sociedade Qualidade Redução de grandes interrupções Distribuidora Consumidor Sociedade Custo de restauração reduzido Distribuidora
Meio Ambiente Poluição do ar Emissões de CO2 reduzidas
Segurança Segurança Energética Redução do uso de óleos Distribuidora Redução de blackouts em larga escala Distribuidora Consumidor Sociedade Fonte: Adaptado de Lamin (2013)
2.1.2 Redes Inteligentes no Mundo
Até 2020 o mercado mundial de redes inteligentes deve chegar ao patamar de investimento de US$ 73 bilhões anuais. Segundo Pike (2017), é esperado que o mercado global das redes inteligentes passe dos $400 bilhões acumulados para o próximo ano.
Como pode ser visto na figura 9, o crescimento dos investimentos em redes inteligentes no mundo vem crescendo a uma taxa de 8,4% a.a. A Ásia, liderada pela China é o maior responsável por esse crescimento, cerca de 1/3 de todo o investimento mundial nesta tecnologia é aplicado na China.
Figura 9 - Crescimento Anual dos Investimentos em Redes Inteligentes
De acordo com a pesquisa realizada pela Navigant Research, como pode ser observado na tabela 1 a China passará dos 400 milhões de medidores inteligentes instalados até 2020, enquanto que o Brasil chegará próximo dos 30 milhões. Ou seja, 30% dos medidores instalados serão inteligentes.
Tabela 1 – Quantidade de medidores inteligentes instalados por país em 2020
País Número de medidores instalados em 2020
China 437.847.228 EUA 132.042.022 Japão 58.750.000 França 35.300.000 Italia 33.600.000 Alemanhã 32.900.000 Brasil 29.576.569 Reino Unido 26.920.000 Espanha 21.800.000 Coreia do Sul 21.328.625 Total 830.064.443
Fonte: Adaptado de Navigant Research Europa
Na União Europeia, desde 2005 há uma diretiva EU-2005/89/CE, que normatiza a utilização de sistemas de medição inteligentes. (COM-EU,2009)
Nos últimos 10 anos já foram investidos mais de 5 bilhões de euros em mais de 900 projetos voltados para o desenvolvimento da difusão das redes inteligentes em toda a Europa, a figura 10 ilustra o local de alguns desses projetos. (EC, 2017b)
Figura 10 - Localização dos projetos de redes inteligentes na Europa
Fonte: (EC, 2017b)
De acordo com (COSTA, 2014), a principal justificativa desses investimentos são as questões ambientais. Isso, deve-se ao fato das RIs aumentarem a eficiência da rede e auxiliarem na utilização de energia limpa e renovável, pois melhora o controle da geração e micro geração dessas usinas.
Itália
A Itália utiliza o sistema Telegestore, com comunicação bidirecional, até o ano de 2012 foram instalados mais de 22 milhões de medidores inteligentes e 358 mil concentradores pela Enel. (ENEL, 2012)
Reino Unido
Há uma política no Reino Unido em substituir mais de 50 milhões de medidores, essa substituição será feita pela Data and Communication Company. (DECC,2012)
América do Norte Estados Unidos
Em 2009 foram disponibilizados mais de US$ 3,4 bilhões para fomentar o desenvolvimento das redes inteligentes nos Estados Unidos. (EPRI 2011)
De acordo com Costa (2014), ao contrário da Europa, nos EUA o principal motivo para difusão das RIs é o incentivo financeiro que esta tecnologia pode trazer para a economia.
Na cidade de Boulder, no estado de Colorado está sendo investido mais de 100 milhões de dólares para a instalação de medidores inteligentes, painéis solares, extensões domésticas para recargas de automóveis elétricos e sistemas de monitoramento em mais de 50 mil casas (FLETCHER; BEAUMONT, 2008)
Outro projeto nos estados unidos é na cidade de Austin, Texas, o Pecan Street Project, investiu 24,4 milhões para o desenvolvimento de redes inteligentes em conjunto com o uso de energias limpas. (ALONSO, 2014)
Canadá
Como no Estados Unidos, a legislação no Canadá é de competência de cada estado, assim a regulamentação das RIs difere de estado para estado. Segundo Costa(2014), a principal razão da utilização das RIs no país é a redução de demanda de ponta, ocasionando maior eficiência no sistema.
Ásia
China
Na China há projeto de instalar mais de 300 milhões de medidores inteligentes nos próximos anos pela State Grid Corporation of China. (SANTOS, 2014)
2.1.3 Redes Inteligentes no Brasil
De acordo com Bandeira (2012) a maior motivação da utilização das redes inteligentes no Brasil é de ordem financeira. O objetivo é reduzir as perdas não técnicas do sistema, ou seja, as perdas por fraudes no sistema.
Associação Brasileira de Distribuidores de Energia Elétrica apontam alguns tópicos como os mais críticos e desafiadores na implantação real de projetos com Redes Inteligentes no Brasil. (MCNAMARA, 2013)
Os mais relevantes são:
● A indústria brasileira de energia é diferente da maioria dos países pelo fato de haver um baixo consumo de potência per capita;
● Alto volume de perdas, técnicas e não técnicas, no sistema de transmissão e distribuição de energia;
● Cada grid de energia deve ser estudado e adaptado para um melhor aproveitamento do sistema inteligente;
● Regulamentações sobre Redes Inteligentes, medidores inteligentes, sistemas de infraestrutura de tecnologia de informação e comunicação ainda estão em discussão;
● Aceitação e adaptação dos consumidores ao sistema, uma vez que estas pessoas passam a ter papel mais importante sobre a supervisão e utilização da energia elétrica.
O diretor de engenharia da AES Eletropaulo, Charles Capdeville, comentou que políticas públicas são necessárias para alavancar o mercado nacional de medidores inteligentes. “Na maioria importados, os equipamentos oneram processos de implantação e expansão de redes inteligentes”.
Nos últimos anos muitos investimentos foram criados para o desenvolvimento das redes inteligentes no Brasil, um desses é o Inova Energia. O Inova é um Plano de Apoio à Inovação Tecnológica no Setor Elétrico criado em 2013, orçado em R$ 3
bilhões, ele tem o objetivo de fomentar a implementação de projetos de redes inteligentes.
Vários projetos foram e estão sendo implementados em todo o território brasileiro. Dentre os projetos podemos destacar:
Curitiba
A Copel gerencia a distribuição da energia elétrica no estado do Paraná e está implementando a automatização da rede em Curitiba, trazendo melhoria na rede com a diminuição das quedas do fornecimento de energia. (COPEL, 2012).
São Paulo
Em São Paulo a Light instalou mais de 20 mil unidades de medidores inteligentes e estão com a meta de instalar 1 milhão até o ano de 2020.
Muitos projetos pilotos estão sendo implementados no Brasil, nos últimos anos. Dentre eles se destacam: Cidade Inteligente de Búzios/RJ, Sete Lagoas/MG, Smart City Laguna, Pedra Branca, Cidades Inteligente de Barueri, Cidade Azul e a Cidade Inteligente de Vinhedo.
2.1.4 Mercado de Energia no Brasil
O Brasil apresenta cerca de 82 milhões de unidades consumidoras (ANEEL, 2014). As unidades consumidoras são divididas em indústria, comercio e residência,
A tabela 2 mostra a previsão de consumo de energia elétrica para os próximos quatro anos. Atualmente a demanda está em torno dos 480 GWh, como pode ser visto na tabela 2 e a previsão de crescimento é de 4% a.a., conforme figura 11, até o ano de 2022.
Tabela 2- - Previsão de Demanda de energia no Brasil
Período Unid. 2018 2019 2020 2021 2022
Previsão G Wh
478,477 496,563 515,155 535,003 556,444 Fonte: Adaptado de Aneel (2014)
Figura 11 - Projeção de consumo de energia no Brasil
Fonte: Adaptado de Aneel (2014)
2.2 PROSPECÇÃO TECNOLÓGICA COM DINÂMICA DE SISTEMAS
2.2.1 Prospecção Tecnológica
O estudo da prospecção ou olhar para o futuro ganhou força na “Guerra Fria”, quando surgiu a necessidade de reconstrução de partes significativas da Europa e do Japão, onde a definição de uma estratégia de trabalho implicava em conhecer de forma detalhada os cenários
destruídos e os riscos envolvidos nessa reconstrução (BERNARDES; LAPOLLI, 2006).
Existem diversos métodos e técnicas para análise prospectiva, como: Brainstorming, Análise de Correlação, Análise de Risco, Delphi, AHP, etc. A reflexão sobre as diferentes abordagens, métodos e técnicas deve ser vista como meio para aperfeiçoar a atividade prospectiva e seus resultados, ou seja, responder adequadamente às indagações quanto ao futuro, em seus diversos níveis e interesses. (SANTOS et al., 2010)
A prospecção tecnológica pode ser definida como um meio sistemático de mapear desenvolvimentos científicos e tecnológicos futuros capazes de influenciar de forma significativa uma indústria, a economia ou a sociedade como um todo. (CARUSO; TIGRE, 2004).
Segundo Coelho (2003), a prospecção tecnológica é definida como:
● processo e não somente um conjunto de técnicas; ● concentra-se em criar e melhorar o entendimento dos possíveis desenvolvimentos futuros e das forças que parecem moldá-los;
● assume que o futuro não pode ser cientificamente demonstrado a partir de certas premissas. O ponto central é tratar quais as chances de desenvolvimento e quais as opções para a ação no presente;
● não se espera comportamento passivo frente ao futuro, mas um posicionamento ativo. O futuro será criado pelas escolhas que forem feitas hoje.
Desse modo, a prospecção serve como análise de como o sistema irá se comportar, ela auxilia no planejamento estratégico, identificando ameaças e oportunidades futuras.
2.2.2 Difusão e Dinâmica de Sistemas
De acordo com Rogers (1983), difusão é o processo pelo qual uma inovação é comunicada através de certos canais entre os membros de um sistema social. Portando a difusão é quando novas ideias são inventadas,
difundidas, sendo aderidas ou rejeitadas, acarretando em mudanças sociais.
Segundo Rogers (1983), o sistema de difusão é dividido em quatro elementos: inovação, canais de comunicação, tempo e sistemas sociais. Logo, a difusão da inovação é a troca de informações por canais através do tempo entre membros da sociedade.
Para Rogers (2003), os adotantes das novas tecnologias podem ser divididos em 5 categorias:
1.
Inovadores: São os que buscam por tecnologias disruptivas, geralmente são os primeiros a aderirem a uma nova tecnologia. Rogers (1983) afirma que esse grupo representa 2,5% da população que adere a inovação. Eles são ousados e estão dispostos a aceitar um revés, quando a tecnologia acaba não dando certo.2.
Adotantes iniciais: Representam cerca de 13,5% da população de adotantes. São considerados pelos outros grupos como referência quando o assunto é a utilização ou não da nova tecnologia.3.
Maioria inicial: São os que seguem os adotantes iniciais, percebem que a nova tecnologia está se tornando popular e decidem fazer parte desse grupo. Para Rogers (1983), representam cerca de 34% dos adotantes, e se caracterizam por esperar certo período para decidir se irão ou não adotar a nova tecnologia.4.
Maioria tardia: Grande parte da população apresenta uma relutância a aderir a uma nova tecnologia. Igualmente ao grupo anterior, este constitui cerca 34% da população, e são considerados céticos, só aceitam a nova tecnologia com persuasão.5.
Retardatários: São os últimos a aderirem a nova tecnologia. Cerca de 16% da população é de retardatários, quando aderem a tecnologia, nova tecnologia já foi lançada e os inovadores já estão a utilizando.A divisão dos adotantes a novas tecnologias segue uma distribuição quase normal, como pode ser vista na figura 12. Ainda de acordo com Rogers (1983), essa é uma característica importante, já que permite dividir a população de adotantes em categorias, como mencionado anteriormente.
Figura 12 - Curva de adoção de novas tecnologias
Fonte: Adaptado de Rogers (2003)
A modelagem da dinâmica de sistemas, segundo Sterman (2000), utiliza como base dois conceitos, o estoque e o fluxo. O estoque são aglomerações, como, população, produtos, aprendizado, entre outros. O estoque indica o a situação do sistema. Já os fluxos representam as taxas de crescimento nos estoques, como, depreciações, mortes.
Os estoque, como ilustra a figura 13, é representado por retângulos, enquanto que o fluxo é representado por válvulas com setas apontando o sentido do fluxo. No modelo também são incluídas variáveis auxiliares, representadas por círculos, estas variáveis geralmente contêm algum parâmetro que influencia no desenvolvimento do sistema.
Figura 13 – Modelo de estoque e fluxo
Com a construção de um modelo de dinâmica de sistemas é possível observar que na maioria dos casos o resultado da curva de crescimento é a curva S. De acordo com Sterman (2000), a curva S está presente em muitos sistemas, é um dos comportamentos mais comuns de desenvolvimento de sistemas dinâmicos, principalmente no mundo animal e na difusão de tecnologias disruptivas.
Segundo Sterman (2000), a curva S caracteriza-se por apresentar a interação das curvas de feedback positivo e negativo de forma não linear. O crescimento inicial da curva é exponencial, até alcançar o ponto de inflexão, onde ocorre a mudança de dominância do feedback positivo para o negativo, desacelerando o sistema, até sua estabilização. Esse ponto é alcançado quando o número de adotantes da inovação atinge 50% do potencial de adotantes.
Ainda de acordo com Sterman (2000), um sistema só apresenta uma curva S se duas condições forem verdadeiras. A primeira diz respeito ao loop negativo, que não deve incluir atrasos de tempo significativos, a segunda condição é sobre a capacidade de carregamento, que deve ser fixa.
2.3 MODELOS DE PREVISÃO
Diversos são os modelos que descrevem o comportamento de difusão. Neste tópico será dada uma pincelada sobre o modelo logístico e o modelo de Richard, de Gompertz e de Weibull. Estes modelos servem de base para o melhor entendimento do modelo de Bass, que é o modelo utilizado neste trabalho.
2.3.1 Modelo Logístico
De acordo com Sterman (2000), no modelo logístico a taxa líquida de crescimento decai linearmente em relação a população. Matematicamente a taxa líquida de natalidade é descrita pela equação 1.
∂p
∂t = g ∗ (1 − 𝑃
𝐶) ∗ P (1)
Onde g é a taxa máxima de crescimento, que ocorre quando a população é pequena. Já P é a população em um determinado período e C a capacidade máxima da população. Portanto, quanto maior a população,
menor será a taxa de crescimento, sendo o crescimento positivo para valores de P < C, zero para P = C, e negativo para P > C.
Segundo Sterman (2000), o modelo logístico funciona na maioria das vezes, já que inclui no processo, o feedback positivo que acelera o crescimento inicial e o negativo que faz o crescimento diminuir até a estabilização.
2.3.2 Modelos de Richard, de Gompertz e de Weibull
O modelo Logístico é amplamente utilizado para descrever crescimento, no entanto, ele apresenta uma limitação, já que a taxa de crescimento decresce linearmente. O que nem sempre condiz com a realidade, já que na maioria das vezes a taxa decai não linearmente.
Para contornar esse problema, outros modelos são utilizados, como, modelo de Gompertz, Richards e Weibull. No modelo de Gompertz, a curva de crescimento é semelhante da curva produzida pelo modelo logístico, porém, a diferença entre as duas é que aquela decresce exponencialmente em função do tempo.
No modelo de Richards, a taxa de crescimento é não linear, e matematicamente é expressa de acordo com a equação 2.
∂P ∂t = g ∗ P (m − 1)∗ [1 − ( 𝑃 𝐶) m−1] (2)
Segundo Sterman (2000), para quase todos os valos de m, o modelo se comporta de forma não linear, apenas para o valor de m = 2 o modelo se comportará igual ao modelo logístico.
Ainda de acordo com Sterman (2000), quando o valor de m = 1, o modelo descreve a curva de Gompertz, que segue uma taxa crescimento que decai linearmente em relação logarítmica da população.
Outro modelo que descreve o crescimento populacional é o a distribuição de Weibull, que pode ser descrita da seguinte forma:
P(t) =C ∗ [ 1 − e−(
𝑡 𝑏)
𝑎
] (3)
Os parâmetros a e b descrevem a forma e a escala do modelo. Para Sterman (2000), valores de b, ou seja, de escala cada vez maiores a curva acaba ficando mais “espelhada”, já para valores maiores de a, a forma da curva se altera, no entanto, o ponto de inflexão é mantido.
Um dos problemas dos modelos citados, Segundo Sterman (2000), é o problema da difusão de inovações, os modelos supracitados não explicam como que ocorre os primeiros adotantes. Para superar este problema Frank Bass desenvolveu um modelo que resolve esse problema.
2.4 MODELO DE DIFUSÃO DE BASS
O modelo de Bass, foi desenvolvido por Frank Bass em 1969, o modelo inicialmente era utilizado como uma ferramenta para vendas de novos produtos. (STERMAN, 2000)
No modelo Bass as novas tecnologias são adotadas de duas maneiras, uma pelo boca-boca e a outra por propagandas. O primeiro grupo é denominado inovadores e o segundo imitadores.
A função que determina a probabilidade de ocorrer a adoção de uma nova tecnologia em um determinado tempo é dada por Bass (1969):
𝑓(𝑡)
[1−𝐹(𝑡)]= 𝑝 + 𝑞𝐹(𝑡) (4)
F(t) é a fração cumulativa de adotantes em um determinado período e f(t) é a função de densidade do tempo para adoção. Quanto maior a adoção inicial maior será a probabilidade de ocorrer adoção da inovação. O número de adotantes em um determinado período é determinado pela equação 5:
𝑝(𝑡) =𝑑𝑃(𝑡)𝑑𝑡 = 𝑝[𝑚 − 𝑃(𝑡)] +𝑚𝑞𝑃(𝑡)[𝑚 − 𝑃(𝑡)] (5) O primeiro termo p[m – P(t)], é referente às pessoas que adotaram a inovação sem levar em conta o número de pessoas que já haviam aderido à inovação. Já o segundo termo, q/m P(t)[m – P(t)], são o restante dos adotantes, ou seja, aqueles que levaram em conta o número dos que já haviam aderido.
O termo P(t) é a curva S, que pode ser obtida integrando a equação 5. 𝑃(𝑡) = 𝑚 [1−𝑒−(𝑝+𝑞)𝑡 1+𝑞 𝑝𝑒−(𝑝+𝑞)𝑡 ] (6) p(𝑡) = 𝑚 [𝑝(𝑝+𝑞)²𝑒−(𝑝+𝑞)𝑡 (𝑝+𝑞𝑒−(𝑝+𝑞)𝑡)²] (7) 𝑃1(𝑡) = 𝑚 𝑝 𝑞𝑙𝑛 [ 1+𝑞 𝑝 1+𝑞 𝑝𝑒 −(𝑝+𝑞)𝑡] (8)
O coeficiente de inovação (p) tem influência externa no modelo, já o coeficiente de imitação (q), a influência é interna.
P1(t) é o número de adotantes por influência externa. O número de adotantes por influência interna P2(t) pode ser obtido pela subtração do número total pelo número de influência externa:
P2 (t) = P (t) − P1(t) (9)
Pode-se também dividir o grupo de adotantes potenciais em dois, o primeiro de Inovadores Potenciais (m1) e o segundo de Imitadores Potenciais (m2). Ambos são influenciados pela mídia de massa, e apenas Potenciais Imitadores são influenciados pelo boca-boca.
Inovador: 𝑑𝑃1(𝑡)𝑑𝑡 : =𝑝1[𝑚1− 𝑃1(𝑡)] = p1[m1 – P1(t)] (10)
Imitadores: 𝑑𝑃2(𝑡)
𝑑𝑡 = p2m2 − P2t + q2p1t + P2t[m2 − P2(t)]2 (11)
A Figura 14 mostra uma estrutura genérica que produz a curva S. O crescimento só ocorrerá se a fração de ganho for maior que a fração de perda. Assim, a entrada será maior que a saída, e o sistema apresentará o crescimento exponencial. Quando o efeito do estoque alcança um valor maior que 1, a fração de perda aumenta, ocasionando na diminuição da taxa de crescimento. O sistema estará em equilíbrio quando o valor da saída se iguala ao da entrada. (MARTINE, 1996).
Figura 14 – Modelo Genérico de Bass
O modelo de difusão apresenta dois estoques, os Adotantes Potenciais e os Adotantes, porém, apenas um dos estoques é independente, já que a população total é a soma dos adotantes potenciais com os adotantes.
Esse modelo gera uma curva S, onde no primeiro momento o crescimento da adesão a nova tecnologia é exponencial, até o mercado começar a ficar saturado, reduzindo exponencialmente o crescimento até o equilíbrio.
As figura 15 e 16 ilustram o comportamento de um sistema dinâmico e também do ponto de inflexão da curva de difusão, ele ocorre quando o número de potenciais adotantes se igual ao número dos adotantes. Neste ponto encontra-se a maior taxa de adesão, e a partir desse ponto a taxa desacelera e o mercado começa a saturar.
Figura 15 - Comportamento do Sistema
Figura 16 - Curva S de adotantes e Curva de adotantes por período
Fonte: Adaptado de Sterman (2000)
A saturação do mercado é dependente do tamanho do mercado (m), quanto maior for o mercado mais difícil será ele saturar. Esse fator modificará o formato da curva S, além do tamanho do mercado, mais dois coeficientes alteram a forma da curva, o coeficiente de inovação (p) e o coeficiente de imitação (q). (ISLAM, 2014).
Estudando os parâmetros p e q Lawrence e Lawton (1981), descobriram que a soma dos coeficientes inovação (p) e imitação (q) fica na faixa de 0.3 a 0.7. Eles também descobriram que para os anos iniciais a curva S pode ser expressada como:
𝑚(1−𝑒−(𝑝+𝑞))
[1+𝑞
𝑝𝑒−(𝑝+𝑞)]
(12)
2.4.1 Curva de Aprendizado
Ao passar do tempo os custos de produção diminuem, isso ocorre pelo acúmulo de conhecimento nos processos produtivos adquiridos.. A curva de aprendizado é o efeito da experiência na produtividade reduzindo os custos médios e marginais. (BASTOS, 2015).
Segundo Sterman (2000), as equações que gerem a curva de aprendizado são:
𝑃 = 𝑃0∗ 𝐴 (13)
O preço (P) é o produto do preço inicial (P0) com o efeito do
aprendizado (A).
O efeito do aprendizado está em função da experiência acumulada (E), experiência acumulada inicial (E0) e o expoente que determina o quão
forte é a curva de aprendizado, que é geralmente negativo (c). A curva de aprendizado é proporcional a redução percentual dos custos a cada razão de aumento na experiência acumulada (f).
𝐴 = (𝐸
𝐸0) 𝐶 (14) Quando o custo percentual reduz (f)
𝐶 =𝑙𝑛 (1−𝑓)
𝑙𝑛 (𝑒) (15)
Com a descontinuação tecnológica ocorre uma mudança no sistema, já que os adotantes voltam a ser potenciais adotantes. Segundo Sterman (2000), a taxa que o produto é descartado e a taxa da mudança da população adotante para potenciais adotantes depende do número de adotantes e da média de vida do produto.
Conforme Zurek e Henrichs( 2007), para lidar com a incerteza do futuro é necessário analisar diferentes cenários. Esses, cenários não devem ser confundidos com previsões ou projeções. Já que os cenários, diferentemente das previsões e projeções, assumem que as condições poderão mudar no futuro.
3. PROCEDIMENTO METODOLÓGICO 3.1 DINÂMICA DE SISTEMAS
Dinâmica de Sistemas foi desenvolvida na década de 50 pelo engenheiro eletricista Jay Forrester do MIT. Forrester utilizou seu conhecimento adquirido nas forças armadas, usando conceitos da teoria de controle e servomecanismos para aplicar às ciências administrativas (VILLELA, 2005)
A dinâmica de sistemas voltada para a difusão é um estudo do comportamento do sistema, com o intuito de analisar a influência da aplicação de políticas no desenvolvimento do sistema.
O primeiro e mais importante fundamento para dinâmica de sistemas é o conceito do servomecanismo, ou sistema informativo de feedback. As interações entre os componentes do sistema podem ser mais importantes que os próprios componentes. Um sistema informativo de feedback existe quanto o ambiente lida para uma decisão que resulta em uma ação que afeta o ambiente e então influencia uma futura decisão.
Deste modo, o estudo da dinâmica de sistemas possibilita a compreensão de como o sistema se comporta e como irá se comportar por meio da modelagem computacional.
Uma das principais características dos sistemas dinâmicos é o crescimento exponencial. Segundo Sterman (2000), o crescimento exponencial é causa dos feedbacks positivos. Quanto maior o elemento, maior será o seu crescimento. Crescimentos puramente exponenciais apresentam uma propriedade que o estado do sistema dobra em um período fixo de tempo.
Conforme Martine(1996), um crescimento exponencial verdadeiro não pode existir no mundo real. Eventualmente todo crescimento irá se estabilizar no limite de crescimento.
Para Sterman (2000), feedbacks positivos realimentam o sistema, amplificando o que está acontecendo com este. Já os feedbacks negativos apresentam uma relação inversa, o sistema se autocorrige, quanto maior o valor de uma variável menor será o valor da variável correlata.
De acordo com Sterman (2000), feedbacks negativos estabilizam o sistema, eles agem de forma a corrigir o estado do sistema. Eles levam o sistema ao estado desejado, ou seja, ao equilíbrio.
Essas mudanças na dominância no feedback produzem a curva S, citada anteriormente. Quando o feedback positivo começa a aumentar, o feedback negativo também é amplificado, até ocorrer a inversão de dominância. (MARTINE, 1996).
Essas alterações de dominâncias podem ser observadas na figura 17. Inúmeros fatores podem influenciar na difusão de inovações, fatores como redução do preço, aumento da qualidade do produto, funcionam como amplificadores da difusão, aumentando a variável crítica, que para este exemplo pode ser a quantidade de adotantes da inovação. Já fatores como produtos concorrentes, saturação do mercado, aumento do preço, acarretam na redução da taxa de crescimento da população de adotantes. Os fatores que reduzem a difusão são chamados de fatores estabilizadores, pois irão estabilizar o crescimento do sistema, até o produto alcançar o estágio de maturação, onde o crescimento será quase nulo.
Figura 17 - Mudança da dominância do loop
Fonte: Adaptado e traduzido de Martine (1996)
Portanto, todo o sistema é influenciado diretamente por inter-relações, ou também chamados de feedbacks. Esses feedbacks podem influenciar positivamente e/ou negativamente o crescimento da difusão. Portanto, o conceito central para da dinâmica de sistemas é entender como cada fator do modelo interage entre si.
A análise das variáveis que afetam o sistema no mundo real é dificultada, pois vários feedbacks, tanto positivos quanto negativos, interagem simultaneamente (STERMAN, 2000). Não é só as interações simultâneas que aumentam a complexidade da dinâmica de sistemas, outros fatores também corroboram para este aumento, como pode ser visto no quadro 3.
Quadro 3 – Caractersticas da dinâmica de sistemas
Característica do Sistema Descrição da
Característica
Dinâmico O sistema nunca está
estagnado, está em constante mudança
Fortemente atrelado Todos os atores do sistema estão conectados e interagindo entre si.
Governado por feedback Todas as decisões causam efeitos, que por sua vez refletem no próprio sistema. A dinâmica advém desses feedbacks.
Não linearidade Nem sempre os efeitos são lineares as causas.
Histórico dependente Muitas ações são
irreversíveis, assim afetam o sistema permanentemente. Auto-organização A dinâmica de sistemas se
desenvolve com a própria estrutura do sistema.
Adaptativo O sistema e seus agentes
conseguem se adaptar as mudanças que ocorrem através do tempo.
Contra intuitivo Muitas vezes as interações do sistema são de difícil entendimento, não sendo óbvias.
Resistente a Políticas A complexidade do sistema dificulta a solução deste, muitas soluções podem trazer falhar ou até piorar a situação.
Caracterizado por trade-offs Trade-offs são comuns em sistemas complexos, uma melhora em um fator pode trazer piora em outro.
Fonte: Adaptado de (VILLELA, 2005)
Pela complexidade dos sistemas a única maneira segura de avaliar os modelos é pela simulação computacional. Segundo Sterman (2000), a simulação é a melhor maneira em descobrir como o sistema funciona.
O processo de modelagem começa com a definição do problema, coleta de dados, formulação do modelo, teste e análises, todo o processo dever ser continuo sempre analisando o comportamento do modelo construído. Para Sterman (2000), os passos da modelagem são:
1. Articulação do problema
Para entender melhor sobre a situação é necessário destrinchar o problema. Deve-se entender o contexto e todas as variáveis que afetam o modelo, para definir corretamente qual é o problema a ser modelado.
2. Formulação das hipóteses dinâmicas
O segundo passo é desenvolver hipóteses que descrevem o que está ocorrendo com o sistema, desenvolvendo mapas da estrutura baseada nessas hipóteses.
3. Formulação de modelo de simulação
Após a construção das hipóteses, é necessário definir quais serão as regras de decisão, condições iniciais, as relações de comportamento, etc.
4. Teste
Com o modelo construído, é possível testá-lo com modelos de referência, verificando sua sensibilidade a mudanças de valores iniciais.
5. Avaliação e Política de design
Quais são as possíveis mudanças que o sistema pode sofrer. Deve-se avaliar diferentes cenários e como os fatores interagem entre si.
3.2 ABORDAGEM METODOLÓGICA
Segundo a classificação da metodologia científica concebida por Gil (2009), esta monografia pode ser classificada da seguinte forma:
a) Finalidade da pesquisa: Aplicada, tem como característica fundamental a aplicação em uma realidade específica, neste caso, a difusão das RIs no Brasil.
b) Nível da pesquisa: Exploratória, visa desenvolver, esclarecer e modificar conceitos, visando a aproximar modelos da situação real. c) Forma de abordagem: Quantifica, a avaliação de projetos de redes inteligentes leva em consideração dados quantitativos, como: custos e quantidade de usuários.
3.3 ETAPAS METODOLÓGICAS 3.3.1 Modelagem de Sistemas Dinâmicos
O processo de modelagem deve ser simples e assertivo, tendo o cliente como alvo. O processo de modelagem começa com a definição do problema, e como este será modelado e solucionado.
A modelagem para Sterman (2000), figura 18, é um processo contínuo de interação entre problemas, geração de hipóteses, coleta de dados, formulação de modelo, teste e análises.
Figura 18 - Passos metodológicos da dinâmica de sistemas
Fonte: Adaptado de STERMAN (2000)
1. Articulação do problema da difusão das Redes Inteligentes no Brasil
A primeira etapa metodológica é destrinchar o problema da difusão das redes inteligentes no Brasil. Esse passo foi descrito no item 1.1 e será desenvolvido no capítulo 4 deste trabalho.
Este passo é o mais importante da construção do modelo, a definição do problema levará ao sucesso da modelagem. Para o modelo ser útil, ele deve ser simples e com foco na resolução de um problema específico.
2. Formulação do estado atual da difusão das redes inteligentes no Brasil
Neste passo foi estudado como que ocorre o funcionamento da difusão das redes inteligentes no Brasil, especificando como o sistema é estruturado e suas regras de interação. Esse passo é descrito no item 2.1.3 e será desenvolvido no capítulo 4.
3. Formulação de modelo de simulação
Após a construção das hipóteses, é necessário definir quais serão as regras de decisão, condições iniciais, as relações de comportamento do modelo. Esses passos foram descritos nos itens 2.2.1 e 2.5 e serão aprofundados no capitulo 4.
Após a formulação de hipóteses dinâmicas, estas devem ser testadas. Como os modelos conceituais são muito complexos, formaliza-se o modelo através de equações, parâmetros e condições iniciais. A própria formulação do modelo ajuda na sua compreensão antes mesmo das simulações serem feitas.
4. Teste
Com o modelo construído, é possível testá-lo com modelos de referência, verificando sua sensibilidade a mudanças de valores iniciais. Essa etapa foi descrita no item 2.5 e será investigada no capitulo 4
5. Formulação de Políticas e Avaliação
Deve-se avaliar diferentes cenários e como os fatores interagem entre si. A política de avaliação inclui a criação de novas estratégias, estruturas e regras de decisão. Essa etapa será construída no capítulo 5.
4.CONSTRUÇÃO DO MODELO
Para construir o modelo, primeiro foi definido qual seria o melhor método para descrever o comportamento do sistema. Entre os modelos, o escolhido foi o de difusão Bass, por ser o que melhor relata a difusão de novas tecnologias.
Seguindo o modelo proposto por Sterman (2000), apresentado no item 2.4 e com o auxílio do software Stella, foi modelado as primeiras interações. Já que o mercado é dinâmico e há um aumento constante do mercado potencial e o preço dos medidores inteligentes com o passar do tempo apresentam um decaimento, como pode ser visto na figura 19, foram acrescentados dois complementos no modelo: efeito do crescimento do mercado e efeito da curva de aprendizagem.
Figura 19 - Modelo de Estoque e Fluxo
4.1 LEVANTAMENTO DOS DADOS HISTÓRICOS
Após construir modelo base, foi necessário levantar dados históricos da difusão das redes inteligentes no Brasil. Foram utilizados dados obtidos na literatura em relação a quantidade de medidores inteligentes instalados por ano, ou seja, a quantidade de unidades consumidoras que utilizam esses medidores. Para o ano de 2018 foram contabilizados os medidores instalados até o mês de agosto. Esses dados se encontram na tabela 3.
Tabela 3 – Número de medidores instalados por ano
Ano Número de Medidores
Instalados 2011 243377 2012 405629 2013 650314 2014 955182 2015 1664652 2016 1789155 2017 2439652 2018 3382400 Fonte: Autor
4.2 DETERMINAÇÃO DOS PARÂMETROS DO MODELO
Como a tecnologia é incipiente e não foi encontrado dados mensais do crescimento das RIs no Brasil, utilizando os dados anuais não
