Potencial de Crescimento de Sistemas Fotovoltaicos de Geração Distribuída nas Capitais Brasileiras

Potencial de Crescimento de Sistemas

Fotovoltaicos de Geração Distribuída nas

Capitais Brasileiras

juliapossebon@outlook.com

Paula Donaduzzi Rigo (UFSM)

pauladonaduzzi@gmail.com

Carmen Brum Rosa (UFSM)

carmen.b.rosa@ufsm.br

Leandro Michels (UFSM)

michels@gepoc.ufsm.br

Julio Cezar Mairesse Siluk (UFSM)

jsiluk@ufsm.br

A geração distribuída de energia solar fotovoltaica cresce com êxito no Brasil, suportando uma cadeia produtiva em expansão. Porém, o uso desses sistemas fotovoltaicos conectados à rede ainda é considerado inicial, já que existe um expressivo mercado potencial de residências, comércios, industrias e propriedades rurais que podem migrar para a geração distribuída. Esse potencial deve ser melhor compreendido pelos gestores de geradoras e distribuidoras de energia elétrica, governantes políticos, proprietários de empresas de instalação de sistemas e produtores nacionais de componentes do sistema. Diante disso, o objetivo deste estudo é identificar o potencial de crescimento de sistemas fotovoltaicos de geração distribuída nas capitais brasileiras. Baseado em fatores selecionados acerca da competividade das capitais brasileiras para a energia solar, foi desenvolvida uma modelagem de mensuração do potencial de crescimento por meio dos métodos AHP-TOPSIS. Essa modelagem é composta por 11 fatores que mensuram o potencial de crescimento das 26 capitais brasileiras mais o distrito federal. Portanto, o resultado dessa modelagem gerou um ranking decrescente do potencial de crescimento de cada capital, sendo possível concluir que algumas capitais com maior potencial não possuem os maiores números de instalações de sistemas, o que constitui potencial inexplorado. A discussão dos resultados busca impulsionar incentivos políticos e econômicos ao crescimento da participação da energia solar fotovoltaica na matriz elétrica brasileira.

Palavras-chave: Energia Solar Fotovoltaica, Mensuração, Competitividade, AHP, TOSIS.

1 1. Introdução

A expansão da matriz energética por meio de fontes renováveis e sustentáveis é essencial para suportar a demanda futura (CEOLIN et al., 2017). Uma das alternativas para o Brasil é a fonte solar, visto que o país possui alta incidência solar durante todo o ano (DIAS et al., 2017). A fonte solar é explorada para geração de energia elétrica por meio da tecnologia fotovoltaica (FV). A geração de energia solar FV concentra os maiores índices de crescimento no Brasil dentre as fontes renováveis de energia (RIGO et al., 2019; ROSA et al., 2020).

Uma das justificativas para o desenvolvimento do setor solar FV no Brasil é a regularização da Geração Distribuída (GD) através da REN ANEEL 482 (ANEEL, 2012), a qual definiu as

instalações como microgeração e minigeração distribuída. A GD surgiu pela necessidade de

atender ao crescimento da demanda de energia elétrica mundial (CAMILO et al., 2017). Consiste na geração de energia elétrica pelo consumidor (residencial, comercial, industrial, rural, público), com conexão na rede de distribuição local, permitindo-o uma relação bilateral com a concessionária de energia. Isto é, o consumidor/gerador injeta a energia gerada pelo seu sistema na rede elétrica pública e desconta desse total o seu consumo, o excedente produzido gera créditos de energia que poderão ser utilizados em até 90 dias. Essa modalidade tornou-se atrativa para o mercado nacional e em maio de 2020, a GD de energia solar FV atingiu, aproximadamente, 3 GW de potência instalada (ANEEL, 2019a).

Mesmo com o crescimento dos últimos anos, o uso de sistemas FV conectados à rede ainda está no início no Brasil. Existe um expressivo mercado potencial de unidades consumidoras nas concessionárias que podem migrar para a GD. Esse potencial deve ser melhor compreendido pelos gestores de distribuidoras de energia elétrica, governantes políticos, proprietários de empresas de instalação de sistemas FV e produtores nacionais de componentes do sistema FV. Diante desse cenário, o objetivo deste trabalho é identificar o potencial de crescimento de sistemas fotovoltaicos de geração distribuída nas Capitais brasileiras. Para isso, é utilizado o conjunto de fatores de competividade de cidades para a geração FV elencadas no trabalho de ROSA et al. (2020). Este trabalho é apresentado em cinco seções: a segunda seção trata do referencial teórico; a terceira seção explana a metodologia utilizada, composta pela combinação de métodos AHP-TOPSIS; a quarta seção apresenta e discute os resultados de potencial de crescimento das Capitais; e a quinta seção conclui este estudo.

2 2. Referencial Teórico

2.1 Geração distribuída de energia fotovoltaica no Brasil

Em maio de 2020 o total de micro e minigeração distribuída de energia FV no Brasil acumulava 3GW. Esse potencial está instalado em todo o território brasileiro, distribuído desigualmente entre os Estados. O gráfico da Figura 1 relaciona a potência instalada por Estado brasileiro.

Figura 1 – Potência Instalada de GD de Energia Fotovoltaica por Estado

Fonte: (ANEEL, 2019a)

No ranking de potência instalada, o primeiro lugar é do Estado de Minas Gerais, gerando 485,89 MW. Este Estado é conhecido como “Estado do Sol” por ter sido o primeiro a isentar a cobrança do ICMS na GD (CEOLIN et al., 2017). Observa-se que os Estados da região Sudeste, Sul e Centro-Oeste são os que possuem maiores números de potência instalada quando comparados aos Estados do Norte e Nordeste, mesmo o Nordeste sendo a região de maior intensidade de radiação solar e de menores reservatórios de hidrelétricas. Com isso, fatores não-técnicos costumam estar associados a difusão dos sistemas fotovoltaicos, podendo ser sociais, econômicos, políticos, ambientais, entre outros (SANTOS; CANHA; BERNARDON, 2018).

2.2 Análise Multicritério de Apoio à Decisão

Existem diversos métodos associados a Análise Multicritério de Apoio à Decisão utilizados para a seleção de fatores, ponderação de fatores e mensuração de alternativas (WANG et al., 2009). O método Analytic Hierarchy Process (AHP) conta com três princípios: decomposição,

0 100 200 300 400 500 600 MG RS SP PR MT SC GO RJ MS CE BA RN ES PI PB PE PA _MA DF TO AL SE _{AM RO} AP AC RR Pot ên ci a I ns tal ad a (M W ) Estado Brasileiro

3

julgamentos comparativos e síntese de prioridades (OSSADNIK; SCHINKE; KASPAR, 2016). Esses princípios podem ser alcançados realizando-se os seguintes passos: modelagem ou estruturação do problema de decisão, valoração e agregação de pesos e análise de sensibilidade (ISHIZAKA; BALKENBORG; KAPLAN, 2011). Os julgamentos comparativos ponderam os critérios em cada nó da estrutura e permite a consistência e a verificação cruzada das diferentes comparações entre pares usando uma escala de proporção (KAINULAINEN et al., 2009). O vetor de priorização das alternativas é calculado atribuindo valores que descrevem o grau ao qual uma determinada alternativa satisfaz os critérios.

A Técnica para Ordem de Preferência por Solução Ideal de Similaridade (TOPSIS) é baseada no conceito de que a alternativa escolhida deve ter a menor distância da Solução Ideal Positiva (PIS) e a maior distância da Solução Ideal Negativa (NIS) (GHORBANI; MAKIAN; BREYER, 2019). A proximidade relativa de cada alternativa ao PIS é definida como a distância ao NIS dividida pela soma da distância negativa e da distância ao PIS. As alternativas são classificadas em ordem decrescente por índice de proximidade (DINMOHAMMADI; SHAFIEE, 2017).

3. Metodologia

As etapas realizadas para esse trabalho estão estruturadas na Figura 2. A pesquisa dividiu-se em quatro etapas. A primeira etapa consistiu no processo de busca pelos fatores que ajudam a explicar qual o potencial de crescimento em geração distribuída de energia fotovoltaica em cidades, países ou regiões urbanas. Em seguida, foi necessário confirmar e ponderar esses fatores com especialistas da área de energia elétrica, como pesquisadores doutores e empresários da área. Para essa ponderação, foi selecionado o método AHP e oito especialistas responderam sobre o nível de importância de um fator relativo ao outro.

A terceira etapa consistiu na coleta dos dados que mensuram os fatores para cada uma das Capitais brasileiras. Conforme a natureza dos fatores, as fontes de coleta de dados foram o Instituto Brasileiro de Geografia e Estatística (IBGE), Empresa de Pesquisa Energética (EPE), Agência Nacional de energia Elétrica (ANEEL) e o Atlas Brasileiro de Energia Solar. Por fim, em posse dos fatores ponderados e dos dados foi utilizada a metodologia TOPSIS para o cálculo do índice de potencial de crescimento (Pci) de cada Capital, e a construção do ranking das Capitais.

4

Figura 2 – Etapas metodológicos

4. Resultados

Essa seção foi dividida em três subseções para maior compreensão dos resultados. Na seção 4.1 foi realizada uma seleção e ponderação de fatores considerados importantes para o potencial de expansão fotovoltaica nas cidades brasileiras. A mensuração desses fatores está na seção 4.2, a qual apresenta uma detalhada descrição de como a mensuração dos fatores foi realizada. Por fim, na seção 4.3 estão indicados os resultados desse estudo, com a análise do potencial verificado em cada cidade Capital.

4.1. Fatores e Ponderação

Em primeiro plano, através de uma busca direcionada pelo trabalho de (ROSA et al., 2020), foram selecionados os fatores essenciais para a mensuração do potencial de expansão da energia fotovoltaica em uma cidade. Partindo dessa referência, foram submetidos 11 fatores para análise (Tabela 1). Então foram selecionados especialistas na área de energia fotovoltaica para ponderar os níveis de importância relativa de cada fator na avaliação do potencial de instalação de sistemas FV nas cidades. Ao todo, oito especialistas ponderaram os fatores, número apropriado para a metodologia de ponderação AHP (SAATY, 1987), entre eles estão professores de Universidades integrantes de grupos de pesquisa na área de energia FV e membros de associações de energia solar FV. Como o método AHP é baseado na matriz de comparação

pareado 𝑊𝑊 = �𝑤𝑤𝑗𝑗,𝑘𝑘� (𝑗𝑗, 𝑘𝑘 = 1, 2, 3, … 11), os especialistas compararam todos os 11 fatores

ETAPA DA PESQUISA TÉCNICA OU MÉTODO

1

Revisão bibliográfica em artigos científicos. Identificou-se o estudo de

ROSA et. al. (2020) que apresenta os fatores selecionados.

2

Método de ponderação da Análise Hierárquica de Processos (AHP). Um

total de oito especialistas apontaram os níveis de importância dos fatores.

3

Foram coletados os dados dos fatores para cada capital nas bases de dados

do IBGE, ANEEL, EPE e Atlas Brasileiro de Energia Solar

4

Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

foi utilizado para o cálculo e ranking do índice de potencial de crescimento Seleção dos fatores que

impactam no potencial de crescimento Cálculo do nível de importância dos fatores no

potencial de crescimento Mensuração dos fatores para cada capital brasileira

Cálculo do índice de potencial de crescimento

5

par-a-par, julgando-os em uma escala de 0 a 9. Com a matriz de julgamentos foi calculado o

peso de cada fator, totalizando um vetor de pesos 𝑤𝑤𝑗𝑗, apresentado na Tabela 1.

Tabela 1 – Ponderação dos especialistas pelo método AHP

n Fator 𝒘𝒘𝒋𝒋

1 Tarifa de energia 11,34%

2 PIB per capita 10,58%

3 Classe de renda por família 10,33%

4 Irradiação solar 9,82%

5 Demanda energética 9,57%

6 Nível de instrução 9,07%

7 IDH 9,07%

8 Número de sistemas fotovoltaicos 8,06%

9 População 7,81%

10 Densidade demográfica 7,56%

11 Área territorial 6,80%

Primeiramente, percebe-se que a capacidade econômica das cidades brasileiras se relaciona a três fatores com maiores níveis de relevância, principalmente o custo da “Tarifa de energia”. Existe uma variação no custo das tarifas de energia elétrica das cidades brasileiras, principalmente sobre dois vieses: o custo da concessionária, empresa de transmissão e distribuição de energia, e a taxa de impostos que incide sobre o comércio de energia elétrica do Estado. A tarifa sendo mais alta, torna mais atrativa a instalação da geração distribuída, uma vez que o tempo de retorno sob o investimento diminui. Porém, para o investimento ser realizável, os especialistas apontam como importante os fatores “PIB per capita” e a “Classe de renda por família”.

Em sequência, os fatores “Irradiação solar” e “Demanda energética” possuem importâncias semelhantes, visto que há a necessidade de elevar a produção de energia e diversificar a matriz energética brasileira versus a capacidade de produção de energia. Os fatores considerados sociais, como “Nível de instrução” e “IDH” possuem a mesma relevância. Seguido do fator “Número de sistemas fotovoltaicos”, o qual pode incentivar instalações futuras na vizinhança ou expansões. Por fim, estão os fatores relacionados a capacidade física das Capitais, como população, densidade demográfica e área territorial.

4.2. Mensuração dos fatores

Os dados para a mensuração dos fatores para cada Capital foram coletados e apresentados na Tabela do Apêndice. O Brasil é dividido em cinco religiões e possui 26 Capitais mais o distrito federal. As primeiras sete colunas foram coletadas do Instituto Brasileiro de Geografia e Estatística (IBGE, 2019). A população estimada de 2019 é apresentada na primeira coluna, em

6

que a maior população encontra-se em São Paulo (SP), com mais de 12 milhões de habitantes, e a menor população é de Palmas (TO), com 299 mil habitantes. A soma total da população das Capitais brasileiras é de 50 milhões de habitantes, correspondendo a aproximadamente 25% da população de todo o país. O PIB per capita está apresentado na segunda coluna, fator no qual Brasília, Capital do país, possui o valor mais alto. A terceira coluna apresenta a população com nível de instrução superior completo, totalizando, aproximadamente, 10 milhões de pessoas, representando 20% da população das Capitais. A quinta coluna apresenta a densidade demográfica, que reflete o nível de verticalização da Capital. No modelo, este fator é considerado um ponto negativo, pois quanto maior a verticalização, mais difícil é o crescimento no número de módulos fotovoltaicos por habitante. A sexta coluna indica o índice de desenvolvimento humano (IDH) das Capitais, apresentando pouca variação dentro de cada região brasileira. A sétima coluna traz a classe de renda por família, na qual São Paulo manifesta um valor muito superior a todas as demais Capitais.

A oitava coluna apresenta os dados de irradiação solar das Capitais, que variam de 4,2 a 5,8 Wh/m2_{.dia e foram coletadas da última edição do Atlas Brasileiro de Energia Solar (PEREIRA}

et al., 2017). A tarifa de energia elétrica por distribuidora da Capital, acrescida dos imposto do Estado, varia de 0,61 a 0,80 R$/kWh (ANEEL, 2019b), e está indicada na nona coluna. A décima coluna apresenta o número de instalações fotovoltaicas de cada Capital (ANEEL, 2019a). Por fim, apresenta-se a demanda anual de energia elétrica das Capitais, a maior encontra-se em São Paulo, com, aproximadamente, 34 mil GWh (EPE, 2018).

4.3. Potencial de crescimento por Capital Brasileira

Através da modelagem matemática fundamentada na combinação AHP-TOPSIS, foi possível realizar a construção do ranking das Capitais com potencial de crescimento, o qual esta indicado na Tabela 2. O índice do potencial de crescimento de cada Capital está classificado como o valor PCi, podendo este variar de 0 a 1. O maior valor mensurado foi da Capital São Paulo (SP) de 0,85 e o menor valor de 0,03 na Capital Macapá (AP).

Devido à concentração de um grande número de pessoas e empresas, São Paulo possui destaque em potencial a ser explorado em diversas divisões da economia. O grande poder econômico da Capital é um fator que melhora o potencial de exploração FV, onde o número de pessoas e empresas com poder aquisitivo para adquiri-los é elevado. Um fator a ser considerado negativo para a GD é a alta densidade demográfica. Porém, a demanda por energia elétrica de São Paulo

7

é considerada alta e seu suprimento pode ser comparado a geração da maior hidrelétrica do Brasil, a Itaipu Binacional. Levando em consideração o crescimento econômico natural da cidade, a diversificação da matriz através da GD é importante para o abastecimento equilibrado com relação a demanda futura.

Tabela 2 – Índice do percentual de crescimento da geração distribuída por Capital brasileira

Posição no Ranking Região Capital 𝑷𝑷𝑷𝑷𝒊𝒊

1 Sudeste São Paulo 0,853424567

2 Sudeste Rio de Janeiro 0,557293659 3 Centro-Oeste Brasília 0,307647314 4 Sudeste Belo Horizonte 0,288822440

5 Nordeste Fortaleza 0,246301609

6 Sul Curitiba 0,206902765

7 Nordeste Recife 0,185696290

8 Nordeste Salvador 0,183840706

9 Sul Porto Alegre 0,178993161

10 Centro-Oeste Goiânia 0,159572534 11 Sudeste Vitória 0,154778116 12 Centro-Oeste Cuiabá 0,148483397 13 Nordeste Natal 0,139292311 14 Nordeste Teresina 0,121555792 15 Norte Manaus 0,116679342 16 Nordeste Aracaju 0,116425745

17 Centro-Oeste Campo Grande 0,110358223 18 Nordeste João Pessoa 0,106178741

19 Norte Belém 0,103491506

20 Norte Palmas 0,098113574

21 Sul Florianópolis 0,094417091

22 Nordeste São Luís 0,093777660

23 Nordeste Maceió 0,076157108

24 Norte Porto Velho 0,040593566

25 Norte Rio Branco 0,033192218

26 Norte Boa Vista 0,032506676

27 Norte Macapá 0,027139516

Posteriormente, tem-se a cidade do Rio de Janeiro (RJ), conhecida por sua bela paisagem natural e pelos dias ensolarados de praia, além de seu potencial turístico. Um dos fatores favoráveis para a geração distribuída são seus dias ensolarados durante todo o ano. Uma questão importante são as favelas, que, por vezes, pode ser considerado um fator positivo e/ou negativo para a difusão da FV. O incentivo de desenvolvimento das favelas é considerado um fator positivo, somado a necessidade de eletrificação a todos os moradores dessas regiões, que muitas vezes não possuem a infraestrutura adequada para obtenção da mesma. A grande quantidade de instalações elétrica ilegais nas favelas é considerado um fator negativo, pois eleva o custo com perdas comerciais pela concessionária de energia elétrica. Por fim, é importante ressaltar que o Rio de Janeiro é a cidade com maior número de instalações fotovoltaicas, o que pode ser

8

explicado pela sua alta tarifa energética comparada ao restante do Brasil, o que incentiva os moradores a investirem em FV.

Na terceira posição do ranking está a Capital do Brasil, Brasília (DF). Brasília possui uma densidade demográfica baixa, quando comparada às duas primeiras Capitais do ranking, além de apresentar o maior PIB per capita entre elas. A demanda energética anual da cidade está entre as mais altas do país, o que impulsiona a energia distribuída, bem como a concentração de um elevado número de pessoas com alto poder aquisitivo e área per capita disponível para a instalação de sistemas fotovoltaicos. Além disso, o alto nível de instrução educacional justifica o grande potencial de Brasília, pois reflete no senso comum dos residentes em termos de conscientização ambiental e conhecimento sobre os sistemas FV.

Em posição oposta as três Capitais de maior 𝑃𝑃𝑃𝑃𝑃𝑃, encontram-se Rio Branco (AC), Boa Vista (RR) e Macapá (AP) como as de pior desempenho, localizadas na região Norte. São as Capitais de menor população, menor número de pessoas com poder aquisitivo e menores índices de IDH. A região Norte do Brasil sofre com o desabastecimento energético. No entanto, com o avanço tecnológico da energia FV, 15 aldeias indígenas dessa região tiveram acesso à eletricidade através do armazenamento de energia em baterias. Isto é, a geração de energia pela fonte solar nesta região é importante para o suprimento de eletricidade em comunidades rurais e isoladas do Sistema Interligado Nacional (SIN). Sabe-se que a geração distribuída de energia elétrica no Brasil caracteriza-se pela injeção da energia gerada na rede de distribuição do sistema interligado, por este motivo, a região possui os mais baixos índices de potencial de crescimento. Os resultados sobreditos foram divididos em seis categorias sob o índice de potencial de crescimento, como forma de sumariza-los no mapa do Brasil, na Figura 3.

9

Figura 3 – Mapa do índice de potencial de crescimento da Geração Distribuída no Brasil

De acordo com o mapa, observa-se que existe uma sinergia na avaliação por região do país. A região Sudeste é a que concentra os maiores índices, da primeira, segunda e terceira categoria da Figura 3, por seu histórico de desenvolvimento econômico do país e de maior concentração populacional brasileira. Com o advento da industrialização, devido ao grande polo de desenvolvimento industrial encontrado nessa região, muitos brasileiros imigraram de outras localidades para o Sudeste. Em segunda classe de desempenho encontra-se a região Sul que abriga um potencial médio comparada com a região Sudeste, nesta duas das suas três Capitais tem potencial na quarta categoria da Figura 3. A região Sul se caracteriza por ter um clima regional diferente comparado com as demais regiões geográficas do Brasil, enquanto as demais regiões caracterizam-se por apresentar um clima com temperaturas médias superiores , do tipo climas tropical, tropical de altitude, subtropical e litorâneo úmido, a região Sul é o domínio exclusivo e quase absoluto do clima mesotérmico do tipo temperado. Assim, essa região caracteriza-se, também, pelas entradas de massas de ar frio, oriundas do sul do continente, que provocam o declínio acentuado das temperaturas média do ar, apresentando valores inferiores a 22ºC sobre a parte leste das regiões Sul e Sudeste do Brasil. Os dados de consumo de energia elétrica apresentam uma parcela expressiva de aumento do consumo no período de frio desta

10

região, principalmente no setor residencial. Essa análise associada ao elevado custo da energia elétrica e ao PIB per capita impulsiona o potencial de dispersão da energia FV distribuída. Todas as Capitais da região Nordeste abrigam um alto potencial turístico, porém, apenas três apresentam potencial na quarta categoria da Figura 3, Salvador (BA), Recife (PE) e Fortaleza (CE). Isso se deve ao fato de que essas Capitais não se desenvolveram apenas turisticamente, mas também em aspectos de industrialização e educação superior, o que elevou o número de pessoas graduadas e com classe de renda por família maiores que cinco salários mínimos. Posteriormente, encontra-se a região Centro-Oeste, na qual duas das suas quatro Capitais classificam-se na categoria 3 e 4 da Figura 3, Goiânia (GO) e Brasília (DF). Por fim, considerando a análise do estudo sobredita, a região de menores índices de potencial é a região Norte.

5. Considerações finais

A partir da modelagem e análise matemática apresentados no estudo foi possível concluir que a instalação de sistemas solares fotovoltaicos por consumidores de baixa tensão não é abordada da mesma maneira em todas as regiões do país. A modelagem matemática usada para medir o potencial de crescimento de instalações de sistemas solares fotovoltaicos distribuídos identificou, a partir de 11 fatores, um ranking das Capitais do Brasil com maior potencial para investimento em geração fotovoltaica distribuída. De acordo com a proposta, um instrumento de pesquisa foi aplicado a oito especialistas a fim de avaliar o grau de importância relativo. Os fatores Tarifa de energia, Produto Interno Bruto per capita e Classe de renda por família foram, respectivamente, os mais importantes do ponto de vista dos avaliadores.

O resultado dessa modelagem gerou um ranking decrescente dos níveis de potencial de crescimento de cada Capital, a discussão dos resultados estimulou o apoio científico para impulsionar incentivos políticos e econômicos ao crescimento da participação da energia solar fotovoltaica na matriz elétrica brasileira e, principalmente, a necessidade de ações de políticas públicas para o desenvolvimento de cidades indicadas como competitivas para a instalação de sistemas fotovoltaicos. Quanto às recomendações, portanto, sugere-se que as Capitais identificadas com alto potencial desenvolvem políticas e estratégias de mercado que promovam o crescimento do número de consumidores descentralizados de energia. Esse estudo também contribuiu para a percepção da importância das campanhas de eficiência energética em edifícios públicos, disseminação dos benefícios da geração distribuída aos consumidores pelas

11

influências políticas e meios de comunicação locais, abordagem proativa das concessionárias de energia elétrica e clareza regulatória e legal por parte dos consumidores.

6. Agradecimentos

Os autores agradecem ao INCT-GD, CAPES, CNPq e FAPERGS pelo apoio financeiro recebido para o desenvolvimento deste trabalho. Michels e Siluk foram apoiados por uma bolsa de pesquisa do CNPq - Brasil. O presente trabalho foi realizado com o apoio do INCTGD e das agências de financiamento (processo CNPq 465640 / 2014-1, processo CAPES nº 23038.000776 / 2017-54 e FAPERGS 17 / 2551-0000517-1).

REFERÊNCIAS

ANEEL. Resolução Normativa no_{482, de 17 de abril de 2012. 2012. Disponível em:}

<http://www2.aneel.gov.br/cedoc/ren2012482.pdf>. Acesso em: 17 jan. 2020. ANEEL, A. N. de E. E. Geração Distribuida. 2019a. Disponível em:

<https://app.powerbi.com/view?r=eyJrIjoiZjM4NjM0OWYtN2IwZS00YjViLTllMjItN2E5MzBkN2ZlMzVkIiwi dCI6IjQwZDZmOWI4LWVjYTctNDZhMi05MmQ0LWVhNGU5YzAxNzBlMSIsImMiOjR9>. Acesso em: 16 abr. 2020.

ANEEL, A. N. de E. E. Ranking das Tarifas. 2019b. Disponível em: <https://www.aneel.gov.br/ranking-das-tarifas>. Acesso em: 16 mar. 2020.

CAMILO, H. F. et al. Assessment of photovoltaic distributed generation – Issues of grid connected systems through the consumer side applied to a case study of Brazil. Renewable and Sustainable Energy Reviews, [s. l.], v. 71, p. 712–719, 2017. Disponível em:

<http://www.sciencedirect.com/science/article/pii/S1364032116311522>

CEOLIN, E. S. et al. Microgeração e Minigeração Distribuída de Energia Solar: Cenário e Projeção do Brasil. In: CONBREPRO 2017, Ponta Grossa, PR. Anais... Ponta Grossa, PR

DIAS, C. L. A. et al. Performance estimation of photovoltaic technologies in Brazil. Renewable Energy, [s. l.], v. 114, p. 367–375, 2017.

DINMOHAMMADI, A.; SHAFIEE, M. Determination of the Most Suitable Technology Transfer Strategy for Wind Turbines Using an Integrated AHP-TOPSIS Decision Model. Energies, [s. l.], v. 10, n. 5, 2017. EPE, E. de P. E. Anuário Estatístico de Energia Elétrica. 2018. Disponível em: <http://epe.gov.br/sites-pt/publicacoes-dados-abertos/publicacoes/PublicacoesArquivos/publicacao-160/topico-168/Anuario2018vf.pdf>. Acesso em: 16 mar. 2020.

GHORBANI, N.; MAKIAN, H.; BREYER, C. A GIS-based method to identify potential sites for pumped hydro energy storage - Case of Iran. Energy, [s. l.], v. 169, p. 854–867, 2019.

IBGE. IBGE CIDADES. 2019. Disponível em: <https://cidades.ibge.gov.br/>. Acesso em: 16 mar. 2020. ISHIZAKA, A.; BALKENBORG, D.; KAPLAN, T. Influence of aggregation and measurement scale on ranking a compromise alternative in AHP. Journal of the Operational Research Society, [s. l.], v. 62, n. 4, p. 700–710, 2011.

12

problems. Journal of the Operational Research Society, [s. l.], v. 60, n. 2, p. 252–258, 2009.

OSSADNIK, W.; SCHINKE, S.; KASPAR, R. H. Group Aggregation Techniques for Analytic Hierarchy Process and Analytic Network Process: A Comparative Analysis. Group Decision and Negotiation, [s. l.], v. 25, n. 2, p. 421–457, 2016.

PEREIRA, E. B. et al. Atlas Brasileiro de Energia Solar. 2. ed. São José dos Campos: INPE, 2017.

RIGO, P. D. et al. Impacto da TUSD na viabilidade econômica de sistemas fotovoltaicos no Brasil. In: ENEGEP 2019, Santos. Anais... Santos Disponível em:

<http://www.abepro.org.br/biblioteca/TN_SD_341_1750_39351.pdf>

ROSA, C. B. et al. Mathematical modeling for the measurement of the competitiveness index of Brazil south urban sectors for installation of photovoltaic systems. Energy Policy, [s. l.], v. 136, p. 111048, 2020.

SAATY, R. W. The analytic hierarchy process—what it is and how it is used. Mathematical Modelling, [s. l.], v. 9, n. 3, p. 161–176, 1987.

SANTOS, L. L. C.; CANHA, L. N.; BERNARDON, D. P. Projection of the diffusion of photovoltaic systems in residential low voltage consumers. Renewable Energy, [s. l.], v. 116, p. 384–401, 2018.

WANG, J.-J. et al. Review on multi-criteria decision analysis aid in sustainable energy decision-making. Renewable and Sustainable Energy Reviews, [s. l.], v. 13, n. 9, p. 2263–2278, 2009.

13 APÊNDICE Re gi ão Capital População _(x1000) Produto Interno Bruto per capita (R$/hab) Nível de instrução (x1000) Área territorial (km²) Densidade demográfica (hab/km²) IDH Classe de renda por família (x1000) Irradiação solar (Wh/m2.dia) Tarifa de energia (R$/kWh) Número de sistemas FV Demanda annual de energia (GWh) No rt e Rio Branco 407 21.544 55 8.835 46 0,73 21 4.560 0,73 112 503 Macapá 503 19.935 71 6.564 77 0,73 27 4.944 0,66 105 713 Manaus 2.183 35.564 295 11.401 191 0,74 107 4.323 0,77 351 3.244 Belém 1.493 20.350 224 1.059 1.409 0,75 94 4.864 0,83 400 3.574 Porto Velho 494 28.836 65 34.091 14 0,74 35 4.480 0,68 114 807 Boa Vista 399 24.853 53 5.687 70 0,75 20 4.886 0,68 44 705 Palmas 299 28.974 48 2.219 135 0,79 22 5.218 0,73 814 423 N or de st e Maceió 1.019 20.853 137 509 2.001 0,72 57 5.523 0,64 372 1.477 Salvador 2.872 20.797 535 694 4.140 0,76 191 5.365 0,67 504 4.682 Fortaleza 2.669 23.045 391 312 8.544 0,75 155 5.776 0,65 1.220 3.537 São Luis 1.102 26.154 131 583 1.890 0,77 62 5.208 0,75 567 1.078 João Pessoa 809 23.346 160 211 3.829 0,76 57 5.530 0,68 411 1.046 Recife 1.646 30.478 296 219 7.520 0,77 125 5.462 0,67 314 2.376 Teresina 865 22.598 103 1.391 622 0,75 48 5.572 0,76 1.029 910 Natal 884 24.891 164 167 5.281 0,76 61 5.674 0,61 598 1.415 Aracaju 657 25.718 115 182 3.607 0,77 51 5.496 0,64 697 1.092 C en tro -O es te Goiânia Cuiabá 1.516 613 32.209 37.930 288 121 3.267 729 2.080 188 0,79 0,80 149 55 5.106 5.247 0,77 0,67 1.222 1.060 3.328 1.480 Campo Grande 896 29.443 154 8.093 111 0,78 71 5.031 0,72 858 1.743 Brasília 3.015 79.100 689 5.761 523 0,82 342 5.252 0,62 1.330 6.525 Sude st e Vitória 362 60.428 106 97 3.728 0,85 51 4.957 0,65 248 891 Belo Horizonte 2.512 35.122 534 331 7.580 0,81 300 5.129 0,78 1.470 6.330 São Paulo 12.252 57.071 2.693 1.521 8.055 0,81 1.324 4.450 0,62 838 34.85 Rio de Janeiro 6.719 50.691 1.563 1.200 5.598 0,80 761 4.732 0,80 1.961 16.072 Sul Curitiba 1.933 44.239 485 435 4.444 0,82 259 4.194 0,66 628 5.26 Porto Alegre 1.484 49.578 370 495 2.995 0,81 217 4.430 0,69 617 3.862 Florianópolis 501 39.048 150 675 742 0,85 75 4.251 0,57 525 1.679 Fonte: (ANEEL, 2019b, 2019a; EPE, 2018; IBGE, 2019; PEREIRA et al., 2017)