Plataforma de simulação computacional para estudos de redes de distribuição residenciais

UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO

FÁBIO ALEXANDRE MARTINS MONTEIRO

PLATAFORMA DE SIMULAÇÃO COMPUTACIONAL PARA ESTUDOS DE REDES DE DISTRIBUIÇÃO RESIDENCIAIS

CAMPINAS 2016

PLATAFORMA DE SIMULAÇÃO COMPUTACIONAL PARA ESTUDOS DE REDES DE DISTRIBUIÇÃO RESIDENCIAIS

Dissertação apresentada à Faculdade de Engenharia Elétrica e de Computação da Universidade Estadual de Campinas como parte dos requisitos exigidos para a obtenção do título de Mestre em Engenharia Elétrica, na Área de Energia Elétrica.

Orientador: Prof. Dr. Walmir de Freitas Filho

ESTE EXEMPLAR CORRESPONDE À VERSÃO FINAL DA DISSERTAÇÃO DEFENDIDA PELO ALUNO FÁBIO ALEXANDRE MARTINS MONTEIRO, E ORIENTADA PELO PROF. DR. WALMIR DE FREITAS FILHO.

CAMPINAS 2016

Ficha catalográfica

Universidade Estadual de Campinas Biblioteca da Área de Engenharia e Arquitetura Elizangela Aparecida dos Santos Souza - CRB 8/8098

Monteiro, Fábio Alexandre Martins,

M764p MonPlataforma de simulação computacional para estudos de redes de

distribuição residenciais / Fábio Alexandre Martins Monteiro. – Campinas, SP : [s.n.], 2016.

MonOrientador: Walmir de Freitas Filho.

MonDissertação (mestrado) – Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação.

Mon1. Simulação (Computadores). 2. Simulação computacional. 3. Geração distribuída de energia. 4. Distribuíção de energia elétrica. I. Freitas Filho, Walmir de,1971-. II. Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computação. III. Título.

Informações para Biblioteca Digital

Título em outro idioma: Simulation platform for studying residential distribution networks Palavras-chave em inglês:

Simulation (Computers) Computer simulation

Distributed power generation Electricity distribution

Área de concentração: Energia Elétrica Titulação: Mestre em Engenharia Elétrica Banca examinadora:

Walmir de Freitas Filho [Orientador] Juan Carlos Cebrian Amasifen Luiz Carlos Pereira da Silva Data de defesa: 20-05-2016

Programa de Pós-Graduação: Engenharia Elétrica

Candidato: Fábio Alexandre Martins Monteiro RA: 153781 Data da Defesa: 20 de maio de 2016

Título da Dissertação: “Plataforma de Simulação Computacional para Estudos de Redes de

Distribuição Residenciais”.

Prof. Dr. Walmir de Freitas Filho (Presidente, FEEC/UNICAMP) Prof. Dr. Juan Carlos Cebrian Amasifen (USP)

Prof. Dr. Luiz Carlos Pereira da Silva (FEEC/UNICAMP)

A ata da defesa, com as respectivas assinaturas dos membros da Comissão Julgadora, encontra-se no processo de vida acadêmica do aluno.

Desejo expressar meus sinceros agradecimentos:

 Aos meus pais, Carlos Eduardo e Maria de Fátima, e ao meu irmão, Carlos Fabrício, pelo amor incondicional e apoio para superar os meus desafios;

 À minha namorada, Alessandra, pela sua paciência e compreensão de minha ausência, seus conselhos e ajudas e pelo seu amor;

 Ao meu orientador, Walmir, pela orientação, incentivos transmitidos para realização deste trabalho e sua paciência e compreensão;

 Ao meu amigo, Ricardo Torquato, pela sua contribuição e incentivos para uma boa realização deste trabalho, pelas suas sugestões e conselhos pessoais e profissionais, e pela sua disponibilidade e imensa paciência;

 Ao meu amigo Daniel Pinheiro no incentivo para fazer o mestrado na UNICAMP;

 Aos amigos da Engenharia Elétrica, em especial aos do LE 19 e 23, pela convivência, amizade construída, conversas e momentos de descontração;

 Aos professores do Departamento de Sistemas de Energia, pelo compartilhamento de conhecimento;

Atualmente as redes de distribuição de energia elétrica estão passando por um processo de reestruturação, sobretudo pela perspectiva na modernização e presença de novos equipamentos, principalmente em nível residencial. Novos equipamentos incluem a utilização de medidores eletrônicos, os quais possibilitam uma melhora no monitoramento e na gestão da rede, o uso de painéis fotovoltaicos, a tendência na utilização de veículos elétricos, a crescente utilização de cargas não lineares, entre outros. Tais mudanças resultam na necessidade de realizar estudos mais detalhados capazes de considerar as singularidades das redes de distribuição de baixa tensão. Normalmente estudos para estas redes consideram uma curva de carga agregada para cada consumidor, devido à dificuldade em estimar o consumo individual de residências, pois o mesmo apresenta um comportamento aleatório. É neste contexto que esta dissertação de mestrado apresenta uma plataforma de simulação voltada as redes de distribuição de baixa tensão. Esta plataforma modela as incertezas presentes nas residenciais, as quais estão relacionadas principalmente com o perfil de consumo ou geração dos dispositivos presentes. Esta metodologia é dividida em duas partes principais: a primeira visa determinar os perfis de consumo e geração dos dispositivos envolvidos, definida nesta dissertação como modelo comportamental; a segunda visa determinar o estado de operação da rede, definida nesta dissertação como modelo elétrico. O estado da rede ao longo do dia é determinado por meio da solução de fluxo de carga nas frequências fundamental e harmônicas, além da simulação de partida de motores. Para ilustrar a aplicabilidade de tal plataforma de simulação, são apresentados quatro estudos e análises.

Currently the electricity distribution networks are going through a restructuring process, particularly by the prospect of modernization and presence of new equipment, principally a residential level. New devices include the electronic meters, which enable an improved monitoring and management of the network, the use of rooftop photovoltaic systems, electric vehicles, the increasing use of non-linear loads among others. These changes resulted in the growing need to perform more detailed studies, capable of considering the singularities of low voltage distribution networks. Typically, studies for these networks consider an aggregated load shape for each customer, due to the difficulty of estimating the individual residential consumption, which has a random behavior. In response to such a need, this dissertation presents a simulation platform dedicated to the low voltage distribution network. This platform models the uncertainties present in residential distribution networks, which are mainly the consumption or generation behavior of devices. This methodology consists of two main components: the first is a load and generation profile determination of devices, named behavior model; the second is the determination of network operation state, named electric model. The operating state of the network throughout the day is determined by using power flow calculation for fundamental and harmonic frequencies, as well as motor starting simulation. Four studies and analyses are presented to illustrate the applicability of such platform.

Figura 1.1: Evolução de veículos em circulação no Brasil [12] ... 16

Figura 2.1: Curva de probabilidade de uso da televisão ... 22

Figura 2.2: Curva de probabilidade de uso da iluminação ... 23

Figura 2.3: Curva de Probabilidade de uso da lavanderia ... 23

Figura 2.4: Curva de probabilidade de uso do ar condicionado e chuveiro elétrico ... 24

Figura 2.5: Curva de probabilidade de uso do fogão elétrico e aspirador de pó ... 25

Figura 2.6: Curva de probabilidade de uso cozinhar e café da manhã ... 25

Figura 2.7: Curva de probabilidade de uso da computação e outros ocasionais ... 25

Figura 2.8: Ajuste na curva de probabilidade do micro-ondas de acordo com o padrão de permanência ... 29

Figura 2.9: Fluxograma para determinar o instante de acionamento dos eletrodomésticos ... 30

Figura 2.10: Exemplo de perfil de utilização das cargas de uma residência ... 31

Figura 2.11: Assinatura elétrica de tipo pulso ... 32

Figura 2.12: Assinatura elétrica de tipo pico positivo ... 33

Figura 2.13: Assinatura elétrica de tipo pico negativo ... 34

Figura 2.14: Assinatura elétrica de tipo múltiplos estágios ... 35

Figura 2.15: Assinatura elétrica do laptop ... 35

Figura 2.16: Curva de radiação solar média de 1 ano ... 37

Figura 2.17: Curva de probabilidade de conexão na rede do veículo elétrico... 38

Figura 2.18: Perfil de recarga para duas tecnologias de baterias... 39

Figura 2.19: Perfil de recarga e descarga da bateria ... 40

Figura 3.1: Rede de distribuição residencial típica brasileira ... 42

Figura 3.2: Rede de distribuição residencial típica canadense ... 42

Figura 3.3: Exemplo de circuito residencial detalhado ... 43

Figura 3.4: Modelo dos dispositivos lineares ... 44

Figura 3.5: Modelo dos dispositivos não lineares ... 44

Figura 3.6: Rede secundária multifásica... 47

Figura 3.7: Impedância equivalente para um subcircuito ... 48

Figura 3.8: Rede secundária para as frequências harmônicas ... 53

Figura 3.9: Fluxograma do método de simulação proposto ... 55

Figura 4.1: Definição e procedimento para determinar o índice 95% ... 58

Figura 4.5: Índice 95% da média das tensões harmônicas da Fase A por consumidor ... 60

Figura 4.6: Média das correntes harmônicas da Fase A por consumidor ... 61

Figura 4.7: Índice 95% da média das correntes harmônicas da Fase A por consumidor ... 61

Figura 4.8: Tensões harmônicas no transformador da Fase A ... 62

Figura 4.9: Índice 95% das tensões harmônicas no transformador da Fase A ... 62

Figura 4.10: Perfil de tensão de uma residência ... 63

Figura 4.11: Perfil de demanda médio das residências ... 64

Figura 4.12: Perfil de tensão da fase A médio de todas as residências ... 65

Figura 4.13: Perfil de tensão de neutro médio de todas as residências ... 65

Figura 4.14: Perfil de consumo (e geração) médio das residências ... 66

Figura 4.15: Perfil de tensão da fase A médio de todas as residências ... 67

Figura 4.16: Comparativo entre a tarifa branca e convencional [58] ... 68

Figura 4.17: Perfil da potência ativa de uma residência ... 69

Figura 4.18: Perfis de tensão para diferentes fatores de potência dos painéis... 69

Figura B.1: Circuito equivalente do transformador de dois enrolamentos ... 82

Figura B.2: Circuito equivalente do transformador de três enrolamentos ... 82

Figura B.3: Modelo do transformador monofásico de três enrolamentos ... 83

Figura B.4: Circuito equivalente transformador trifásico delta-estrela (configuração Dyn1) .. 84

Figura C.1: Diagrama unifilar da rede secundária brasileira ... 85

Tabela 1.1: Registro de micro e minigeração distribuída até Julho de 2016 [11] ... 16

Tabela 2.1: Lista de eletrodomésticos ... 21

Tabela 2.2: Características de utilização dos eletrodomésticos ... 26

Tabela 2.3: Padrões de permanência ... 27

Tabela 2.4: Classificação dos eletrodomésticos quanto sua assinatura elétrica ... 31

Tabela 2.5: Parâmetros da assinatura elétrica de tipo pulso ... 33

Tabela 2.6: Parâmetros da assinatura elétrica do ferro elétrico ... 33

Tabela 2.7: Parâmetros da assinatura elétrica de tipo pico positivo ... 34

Tabela 2.8: Parâmetros da assinatura elétrica de tipo pico negativo ... 34

Tabela 2.9: Parâmetros da assinatura elétrica de tipo múltiplos estágios ... 35

Tabela 2.10: Parâmetros da assinatura elétrica do laptop ... 36

Tabela 3.1: Informações dos ramos da rede secundária mostrada na Figura 3.6 ... 50

Tabela 4.1: Sistemas fotovoltaicos instalados nas residências ... 64

Tabela 4.2: Conexões dos sistemas fotovoltaicos das residências ... 64

Tabela 4.3: Veículos elétricos instalados nas residências ... 66

Tabela 4.4: Tarifas de aplicação CPFL Leste Paulista ... 68

Tabela A.1: Espectros harmônicos dos dispositivos ... 79

Tabela A.2: Espectros harmônicos dos dispositivos ... 80

Tabela A.3: Espectros harmônicos dos dispositivos ... 80

Tabela A.4: Espectros harmônicos dos dispositivos ... 81

Tabela A.5: Espectros harmônicos dos dispositivos ... 81

Tabela C.1: Dados do equivalente de rede ... 86

Tabela C.2: Dados do transformador abaixador ... 86

Tabela C.3: Dados dos ramos da rede brasileira ... 87

Tabela C.4: Eletrodomésticos instalados nas residências 1 e 2 brasileiras ... 87

Tabela C.5: Eletrodomésticos instalados nas residências 3 e 4 brasileiras ... 88

Tabela C.6: Eletrodomésticos instalados nas residências 5 e 6 brasileiras ... 88

Tabela C.7: Eletrodomésticos instalados nas residências 7 e 8 brasileiras ... 89

Tabela C.8: Eletrodomésticos instalados nas residências 9 e 10 brasileiras ... 89

Tabela C.9: Eletrodomésticos instalados nas residências 11 e 12 brasileiras ... 90

Tabela C.10: Eletrodomésticos instalados na residência 13 ... 90

Tabela C.14: Eletrodomésticos instalados nas residências 1 e 2 canadenses ... 93

Tabela C.15: Eletrodomésticos instalados nas residências 3 e 4 canadenses ... 93

Tabela C.16: Eletrodomésticos instalados nas residências 5 e 6 canadenses ... 94

Tabela C.17: Eletrodomésticos instalados nas residências 7 e 8 canadenses ... 94

1 INTRODUÇÃO ... 14 1.1 CONTEXTONACIONAL ... 15 1.2 JUSTIFICATIVAEOBJETIVOS ... 17 1.3 ORGANIZAÇÃODADISSERTAÇÃO ... 18 2 MODELO COMPORTAMENTAL ... 20 2.1 APARELHOSELETRODOMÉSTICOS ... 20

2.1.1 Instante de Acionamento dos Eletrodomésticos ... 21

2.1.2 Duração do Ciclo ... 30

2.1.3 Comportamento da Demanda dos Eletrodomésticos ... 31

2.2 PAINÉISFOTOVOLTAICOS ... 36

2.3 VEÍCULOSELÉTRICOS ... 37

2.3.1 Instante de Conexão à Rede ... 37

2.3.2 Nível da Bateria ao se Conectar à Rede... 38

2.3.3 Potência demandada na Recarga ... 39

2.4 GERAÇÃOFOTOVOLTAICACOMARMAZENAMENTODEENERGIA .... 39

3 MODELO ELÉTRICO ... 41

3.1 REDEDEDISTRIBUIÇÃO ... 41

3.2 CARGAS,PAINÉISFOTOVOLTAICOSEVEÍCULOSELÉTRICOS ... 43

3.3 PARTIDADOSMOTORES ... 45

3.4 FLUXODECARGANAFREQUÊNCIAFUNDAMENTAL ... 47

3.5 FLUXODECARGAEMFREQUÊNCIASHARMÔNICAS ... 52

3.6 ESTRUTURADESIMULAÇÃO ... 54

4 APLICAÇÃO DA PLATAFORMA DE SIMULAÇÃO E RESULTADOS ... 56

4.1 RESULTADOSDEINTERESSEEMREDESSECUNDÁRIAS ... 56

4.2 COMPARAÇÃOREDESECUNDÁRIABRASILEIRAECANADENSE ... 58

4.3 IMPACTODEGERAÇÃOFOTOVOLTAICAEVEÍCULOSELÉTRICOS ... 63

4.4 GERAÇÃOFOTOVOLTAICACOMARMAZENAMENTODEENERGIA .... 67

4.5 CONTROLEDETENSÃOCOMGERAÇÃOFOTOVOLTAICA... 69

6 REFERÊNCIAS ... 73

APÊNDICE A. DADOS HARMÔNICOS DOS ELETRODOMÉSTICOS ... 79

APÊNDICE B. MODELAGEM DOS TRANSFORMADORES ... 82

1 INTRODUÇÃO

Ao analisar o atual cenário das redes de distribuição de energia elétrica percebe-se que há perspectivas que elas passarão por mudanças estruturais significativas no médio e longo prazo, principalmente em nível residencial. As possíveis mudanças incluem o maior incentivo para geração fotovoltaica de pequeno porte, o surgimento de novos dispositivos residenciais como veículos elétricos e unidades de armazenamento, a introdução de tarifas horo-sazonais para clientes residenciais, o uso mais generalizado de eletrodomésticos geradores de harmônicos, entre outras. O resultado destes desenvolvimentos será uma maior necessidade de monitoramento (maior fluxo de informação) e gestão da rede, incluindo maior participação do consumidor nas estratégias de gerenciamento da energia. Esta rede com maior capacidade de gerenciamento e controle está sendo conceituada como rede elétrica inteligente, ou em inglês, smart grid [1].

A evolução dos conceitos e técnicas de operação das redes de distribuição tem o potencial de proporcionar novos ramos de pesquisa, devido à necessidade de desenvolver e validar novas técnicas de análise apropriadas ao cenário dos smart grids. Como as principais mudanças são esperadas nas redes de distribuição de baixa tensão, surge uma busca por ferramentas capazes de modelar e simular tais redes. Essas ferramentas devem ser capazes de auxiliar diversas áreas de pesquisa tais como:

 Integração de geradores (como painéis fotovoltaicos), novas cargas (como veículos elétricos), e dispositivos de armazenamento de energia: diversos trabalhos já estão sendo propostos neste sentido, tais como a operação ótima da rede residencial [2], estudos considerando a residência conectada na rede ou ilhada [3], entre outros. Assim uma ferramenta adequada é necessária para avaliar o desempenho das várias técnicas propostas e publicadas;

 Qualidade de energia: o uso de novas tecnologias de cargas nas residências (incluindo majoritariamente cargas não lineares) tem provocado preocupações sobre seus potenciais impactos na qualidade de energia [4]. Dentre estes impactos, pode ser ressaltado o aumento dos níveis de distorção harmônica, aumento do desequilíbrio das redes etc. Para avaliar este cenário, é necessário um modelo detalhado das redes secundárias;

 Estudos de gerenciamento da demanda: programas para gerenciamento da demanda procuram controlar ou influenciar o funcionamento de certos aparelhos

nas residências a fim de reduzir, por exemplo, o valor da conta de energia utilizando a tarifa diferenciada por período do dia. Para isso, é necessário entender, modelar e simular adequadamente as características do consumo residencial [5];

 Monitoramento não-intrusivo de cargas: este ramo de pesquisa visa detectar o consumo individualizado de cada eletrodoméstico, a partir de medições feitas por apenas um medidor localizado no painel de entrada da residência [6]. Uma grande dificuldade enfrentada pelas pesquisas realizadas neste ramo será como verificar os algoritmos propostos para o monitoramento não-intrusivo. Assim, uma ferramenta que modele detalhadamente o comportamento elétrico dos eletrodomésticos é um possível auxílio para a solução do problema.

1.1 CONTEXTO NACIONAL

A reestruturação das redes de distribuição também é esperada para no contexto nacional. Dentre os passos iniciais deste processo ressalta-se o início de regulamentação voltada à instalação de medição eletrônica em consumidores residenciais e geração distribuída de pequeno porte [1]. Estas iniciativas estão diretamente relacionadas com as seguintes publicações da Agência Nacional de Energia Elétrica (ANEEL): (1) Resolução Normativa nº 482/2012, que define as condições gerais de acesso à micro (potência instalada de até 75 kW) e minigeração (potência instalada acima de 75 kW e menor ou igual a 5 MW) nos sistemas de distribuição [7]; e (2) Resolução Normativa nº 502/2012, que regulamenta os requisitos básicos para a medição eletrônica para consumidores residenciais [8].

A Resolução Normativa nº 482/2012 representou um marco para o desenvolvimento da conexão de geradores distribuídos nas redes de distribuição. Com o objetivo de facilitar a conexão da micro e minigeração, devido aos benefícios que a geração distribuída pode proporcionar ao sistema elétrico. A ANEEL também publicou a Resolução Normativa nº 687/2015 [9] alterando a Resolução Normativa nº 482 e resultando na atualização do Módulo 3 do PRODIST [10].

Dentre as tecnologias de micro e minigeradores distribuídos, se destaca a geração fotovoltaica, de acordo com a relação de registros de micro e minigeradores distribuídos efetivados na ANEEL, disponível em [11]. A Tabela 1.1 sintetiza as informações de [11], apresentando a quantidade de unidades consumidoras (UCs) para cada tecnologia de geração distribuída, juntamente com a potência instalada total de cada tecnologia.

Tabela 1.1: Registro de micro e minigeração distribuída até Julho de 2016 [11] Unidades Geradoras Quantidade de UCs Potência Instalada

Fotovoltaica 3.375 25.647,7 kWp

Eólica 64 213,9 kW

Termelétrica 17 3.687,7 kW

Hidráulica 5 2.517,7 kW

A partir da Tabela 1.1 conclui-se que a energia fotovoltaica representa 80% da potência instalada entre todas as tecnologias utilizadas na micro e minigerações distribuída. Portanto, mostra-se a importância desta tecnologia no contexto nacional e a necessidade de se realizar estudos detalhados considerando o cenário com esta tecnologia difundida nas redes.

Destaca-se também como uma tendência futura nas redes de distribuição brasileiras a perspectiva de crescimento na utilização de veículos elétricos. Esta expectativa é global, causada, sobretudo pela reestruturação da indústria automobilística, devido a pressões governamentais pela adoção de práticas mais sustentáveis e com menor impacto ao meio ambiente. De acordo com [12], são feitas projeções para a evolução de veículos em circulação no Brasil, exibida na Figura 1.1.

Figura 1.1: Evolução de veículos em circulação no Brasil [12]

Através da Figura 1.1 pode ser observada a tendência da participação do veículo elétrico no mercado brasileiro. Portanto mostra-se a necessidade de preparar a rede elétrica para suportar essa demanda futura de veículos elétricos.

Também se destaca como constante mudança nas redes de distribuição o esperado crescimento da penetração de equipamentos eletrônicos fontes de harmônicos, resultando em possíveis distorções das formas de onda de tensão e corrente nas redes de distribuição [13],

Bateria Híbridos Convencionais 70 60 50 40 30 20 10 0 2038 2026 2022 M ilh õ e s d e v e íc u lo s 2018 2030 2034 2014

[14]. Sendo assim, é esperada também uma crescente demanda por técnicas que permitam determinar o impacto coletivo destes eletrodomésticos nos níveis de distorção harmônica.

Tais perspectivas de mudanças apresentadas nesta seção mostram como a rede de distribuição passará por modificações significativas, expondo assim a necessidade do desenvolvimento de estudos detalhados para este cenário futuro da rede. Consequentemente, expõe-se a necessidade de desenvolver uma plataforma de simulação adequada para tais estudos.

1.2 JUSTIFICATIVA E OBJETIVOS

É neste contexto que esta dissertação propõe uma plataforma de simulação voltada aos estudos de redes de distribuição de baixa tensão, em que os alimentadores atendem residências (nesta dissertação esta rede é denominada de rede de distribuição residencial ou mesmo rede residencial). A plataforma modela e simula as redes residenciais e os consumidores de uma maneira que se aproxima do esperado para as redes inteligentes, por meio de um modelo detalhado do consumo residencial.

Tal plataforma é dividida em duas partes principais: (1) determinação do perfil diário de operação das cargas e geradores, denominado nesta dissertação modelo comportamental; e (2) resolução de fluxo de carga nas frequências fundamental e harmônicas para o perfil de operação obtido em (1), denominado nesta dissertação modelo elétrico.

O perfil de demanda ou geração ao longo do dia dos dispositivos residenciais como: eletrodomésticos, painéis fotovoltaicos, veículos elétricos, entre outros, apresenta diversas incertezas. Um dos objetivos desta dissertação é apresentar uma metodologia para determinar estes perfis a partir de métodos probabilísticos, considerando as características dos dispositivos presentes na rede. Portanto, esta plataforma reproduz o comportamento aleatório presente na rede secundária, gerando resultados úteis para a realização de estudos posteriores.

O maior diferencial desta plataforma é em seu modelo comportamental, ou seja, a modelagem probabilística, pois, os simuladores existentes focam, principalmente, na resolução elétrica da rede, como é o caso do OpenDSS. Embora o comportamento temporal das cargas e geradores seja modelado em alguns simuladores existentes, o mesmo é considerado através de curvas de carga agregadas que consideram milhares de consumidores, sendo altamente difícil estimar a demanda residencial individualizada por consumidores.

Esta plataforma permite realizar os seguintes estudos atuais:

1. Os impactos resultantes da conexão de geradores distribuídos (como painéis fotovoltaicos);

2. A integração de novas cargas (como veículos elétricos), e dispositivos de armazenamento de energia;

3. A qualidade de energia da rede, devido a crescente utilização de cargas produtoras de harmônicos nas residências;

4. A viabilidade e utilização de tarifas horo-sazonais (como tarifa branca), bem como o gerenciamento da demanda;

5. A eficácia de algoritmos de monitoramento não intrusivo da operação de eletrodomésticos.

Inicialmente, para a implementação da plataforma foi utilizado o trabalho desenvolvido por [15], no qual foram realizados estudos para uma rede de distribuição canadense, com suas cargas típicas e topologia da rede característica. As principais contribuições desta dissertação: (1) primeiramente o desenvolvimento do trabalho com foco no Brasil, ou seja, realizando a modelagem comportamental de cargas tipicamente encontradas em redes brasileiras, como chuveiro elétrico, ar condicionado, ferro elétrico, além de atualizar alguns modelos para o cenário brasileiro, além da modelagem de novos dispositivos, como por exemplo, diferentes tipos de veículos elétricos e sistemas de armazenamento de energia; e (2) em segundo o desenvolvimento de um simulador genérico, com modelos elétricos considerando as particularidades das redes de distribuição encontradas em diversos países.

1.3 ORGANIZAÇÃO DA DISSERTAÇÃO

Esta dissertação de mestrado está organizada da seguinte forma:

 No Capítulo 2, são apresentadas as metodologias probabilísticas utilizadas para determinar o perfil de consumo diário dos eletrodomésticos e veículos elétricos, o perfil de geração diário de painéis fotovoltaicos com e sem dispositivos de armazenamento de energia;

 No Capítulo 3, são apresentados os modelos elétricos utilizados para os eletrodomésticos, painéis fotovoltaicos e veículos elétricos. São exibidos também os métodos de resolução da rede utilizados na plataforma, os quais incluem o cálculo de fluxo de carga nas frequências fundamental e harmônicas, além da simulação de partidas de motores existentes nos eletrodomésticos;

 No Capítulo 4, são apresentadas quatro aplicações práticas do método proposto nos Capítulos 2 e 3. Na primeira aplicação, é observada a diferença entre redes secundárias brasileira e canadense, de acordo com suas características e cargas

típicas, bem como os níveis de distorções harmônicas nessas duas redes. Na segunda aplicação, são avaliados os principais impactos causados pela conexão de painéis fotovoltaicos e veículos elétricos nas redes de distribuição. Na terceira aplicação, é analisado o impacto de tarifas horo-sazonais na utilização de geradores fotovoltaicos em conjunto com sistemas de armazenamento. Na quarta aplicação, é avaliada a operação de painéis fotovoltaicos com fator de potência indutivo visando reduzir os impactos causados por esta tecnologia nas redes de distribuição;

 No Capítulo 5, são apresentadas as conclusões desta dissertação e sugestões para trabalhos futuros.

2 MODELO COMPORTAMENTAL

Este capítulo apresenta técnicas para modelar o comportamento de dispositivos que são encontrados em residências, como por exemplo, aparelhos eletrodomésticos, geradores fotovoltaicos, veículos elétricos e dispositivos de armazenamento de energia. Estas técnicas modelam as características probabilísticas da utilização de cada dispositivo, gerando como resultado o perfil de consumo ou geração, dependendo do dispositivo em análise, durante o período de 1 dia com uma resolução de 1 segundo.

De uma forma geral o modelo proposto representa cada dispositivo residencial individualmente, visando construir o todo a partir de partes. Esta abordagem também é conhecida como bottom-up [16]. Em relação à modelagem das cargas residenciais, este procedimento permite a determinação de modelos individuais que representam o comportamento de diferentes eletrodomésticos, como lâmpadas, chuveiros elétricos, condicionadores de ar, entre outros [17]. Portanto esta modelagem é importante, pois se pode observar o impacto de cada dispositivo no sistema. A seguir são apresentadas as técnicas para modelar os dispositivos residenciais.

2.1 APARELHOS ELETRODOMÉSTICOS

Os eletrodomésticos modelados nesta dissertação são comumente encontrados na maioria das residências brasileiras como chuveiros elétricos, condicionadores de ar, entre outros, e em residências norte-americanas como fogões elétricos, aquecedores, secadoras de roupa, entre outros.

A Tabela 2.1 apresenta a lista de eletrodomésticos utilizados na plataforma. Nota-se a atribuição de siglas para os mesmos, a fim de facilitar a identificação nas figuras e tabelas posteriores.

O perfil de consumo de cada eletrodoméstico depende dos hábitos de seus donos, portanto é muito difícil estimar este perfil. Assim, para modelar estes perfis é utilizada uma metodologia probabilística, a qual modela as incertezas envolvidas através das características de utilização dos eletrodomésticos. Os perfis de consumo são estimados, de forma probabilística, por três fatores principais: o instante em que o eletrodoméstico é ligado, a duração da utilização da carga e o comportamento da potência demandada durante a utilização.

Tabela 2.1: Lista de eletrodomésticos

Eletrodoméstico Sigla

Lâmp Fluorescente Compacta LFC

Lâmp. Fluor. com Reator Eletromagnético LFM

Lâmpada Incandescente INC

Geladeira GEL

Geladeira com Inv. Freq. GEL_INV

Freezer FRE

Micro-ondas MO

Forno Elétrico FOR

Fogão Elétrico FOG

Cafeteira CAF

Torradeira TOR

Chaleira CHA

Máquina de Lavar LAV

Secadora SEC

Secadora com Inv. Freq. SEC_INV

Ferro Elétrico FER

Laptop LAP

Computador PC

Monitor LCD LCD

Televisão LCD TV_LCD

Televisão de Tubo TV_CRT

Chuveiro Elétrico CHU

Ar Condicionado AR

Aquecedor Elétrico AQUE

Ressalta-se que outros eletrodomésticos podem ser adicionados na plataforma, sendo necessário apenas fornecer os dados relacionados aos três fatores mencionados anteriormente, os quais são descritos a seguir.

2.1.1 Instante de Acionamento dos Eletrodomésticos

Foi definido que o instante de acionamento dos eletrodomésticos é uma variável aleatória que depende: (1) da probabilidade do eletrodoméstico ser acionado ao longo do dia (P), a qual está diretamente relacionada com as curvas de probabilidade de uso (Pr); (2) do número médio de utilizações diárias da respectiva carga (m); (3) do número de moradores da residência (k); e (4) do padrão de permanência desses moradores na residência (PP).

As curvas de probabilidade de uso indicam a probabilidade de moradores executarem diferentes atividades ao longo do dia, sendo que essas atividades estão relacionadas aos eletrodomésticos. Os dados dessas curvas foram obtidos principalmente de enquetes oficiais [18]–[20] e artigos técnicos [21], [22]. Essas enquetes oficiais foram

realizadas através de questionários distribuídos a um grande número de moradores de diferentes residências, questionando-os quais eletrodomésticos possuíam e a que horas estavam utilizando os diversos eletrodomésticos ao longo do dia. Com isso, obtiveram resultados que mensuram a probabilidade de utilização de diversos eletrodomésticos ao longo do dia (curva de probabilidade de uso). Por exemplo, de acordo com [18] a probabilidade dos moradores de uma residência assistirem televisão às 18 horas é de 0,15%.

As curvas de probabilidade de uso são divididas em 12 categorias. Desta forma os eletrodomésticos são classificados entre essas 12 categorias, devido não haver curvas de probabilidade de uso para cada eletrodoméstico individualmente. As categorias são: iluminação, ar condicionado, chuveiro, ferro, computador, televisão, aspirador de pó, cozinhar, lavanderia, café da manhã, fogão elétrico e ocasional. Desta forma, cada eletrodoméstico é associado a uma curva de probabilidade de uso, sendo que há determinados eletrodomésticos que possuem uma curva de probabilidade exclusiva.

As curvas de probabilidade utilizada na plataforma são relacionadas a dois grupos de países, um grupo de países que apresentam características de consumo representativas do Brasil, e outro grupo de países com consumo representativo do Canadá, Estados Unidos e Reino Unido. Como os dados obtidos correspondem a dois grupos de países, há categorias que possuem duas curvas de probabilidade. Como também há categorias em que é utilizada uma única curva de probabilidade para os dois grupos de países, devido à falta de dados. A seguir são apresentadas as curvas de probabilidade das 12 categorias.

Da Figura 2.1 a Figura 2.3 é apresentado as categorias que possuem curvas de probabilidade para os dois grupos de países. A Figura 2.1 apresenta a probabilidade de uso para os diferentes modelos de televisão, como LED, de tubo, entre outros.

Figura 2.1: Curva de probabilidade de uso da televisão 0 2 4 6 8 10 12 14 16 18 20 22 24 0 0.05 0.1 0.15 0.2 0.25 Probabilidade (%) Tempo (h) Rede brasileira Rede canadense

As curvas de probabilidades possuem uma resolução de 1 minuto, portanto, só é detectado o acionamento dos eletrodomésticos a cada minuto. Quanto maior for o valor na curva, maior será a probabilidade do eletrodoméstico ser acionado, por exemplo, o período mais provável de ocorrer o acionamento de uma televisão é entre 20 horas e 22 horas.

A Figura 2.2 apresenta a curva de probabilidade para a iluminação, sendo esta categoria relacionada aos diferentes tipos de lâmpadas, como, lâmpada fluorescente compacta, lâmpada fluorescente com reator eletrônico ou eletromecânico e as lâmpadas incandescentes.

Figura 2.2: Curva de probabilidade de uso da iluminação

A Figura 2.3 exibe a probabilidade de uso da categoria de lavanderia, sendo esta categoria relacionada às máquinas de lavar e secadoras.

Figura 2.3: Curva de Probabilidade de uso da lavanderia 0 2 4 6 8 10 12 14 16 18 20 22 24 0 0.05 0.1 0.15 0.2 0.25 0.3 Probabilidade (%) Tempo (h) Rede brasileira Rede canadense 0 2 4 6 8 10 12 14 16 18 20 22 24 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 Probabilidade (%) Tempo (h) Rede brasileira Rede canadense

Nota-se que em residências norte-americanas é comum a presença de secadoras, enquanto em residências brasileiras não se encontra com tanta frequência. Adicionalmente, a secadora é utilizada geralmente após o fim da utilização da máquina de lavar, entre 10 e 30 minutos após o fim do ciclo de operação da máquina de lavar [20].

Ao analisar da Figura 2.1 a Figura 2.3, observa-se certa semelhança nas probabilidades de uso das categorias relacionadas para os dois grupos de países.

A Figura 2.4 apresenta categorias tipicamente realizadas em países como Brasil, que são a utilização de chuveiro elétrico e ar condicionado. Portanto não é considerada a presença desses eletrodomésticos em residências norte-americanas.

Figura 2.4: Curva de probabilidade de uso do ar condicionado e chuveiro elétrico

Nota-se que as curvas apresentadas na Figura 2.4 são específicas para os eletrodomésticos indicados. Também pode ser observado que a utilização do chuveiro elétrico é mais provável nos períodos entre 6 horas e 8 horas, normalmente o período em que os moradores iniciam as suas atividades diárias, e entre 18 horas e 20 horas, em geral o período em que os moradores retornam à residência. Já a utilização do ar condicionado é mais provável no período entre as 23 horas e 5 horas, sugerindo que os brasileiros possuem costume de dormir com ar condicionado ligado. Adicionalmente, ao analisar a curva de probabilidade de uso do ar condicionado conclui-se que no período de trabalho (entre as 8 horas e 17 horas) o uso desse eletrodoméstico é bem reduzido, visto que a residência permanece desocupada.

Já a Figura 2.5 apresenta categorias tipicamente realizadas em países norte-americanos, que são a utilização de fogão elétrico e aspiradores de pó. Estas duas curvas também são específicas para os respectivos eletrodomésticos.

0 2 4 6 8 10 12 14 16 18 20 22 24 0 0.05 0.1 0.15 0.2 0.25 0.3 Probabilidade (%) Tempo (h) Ar Condicionado Chuveiro

Figura 2.5: Curva de probabilidade de uso do fogão elétrico e aspirador de pó

A Figura 2.6 e a Figura 2.7 apresentam categorias em que é utilizada uma única curva de probabilidade para os dois grupos de países, devido à falta de dados.

Figura 2.6: Curva de probabilidade de uso cozinhar e café da manhã

Figura 2.7: Curva de probabilidade de uso da computação e outros ocasionais 0 2 4 6 8 10 12 14 16 18 20 22 24 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 Probabilidade (%) Tempo (h) Fogão Elétrico Aspirador de Pó 0 2 4 6 8 10 12 14 16 18 20 22 24 0 0.05 0.1 0.15 0.2 0.25 Probabilidade (%) Tempo (h) Cozinhar Café da Manhã 0 2 4 6 8 10 12 14 16 18 20 22 24 0 0.05 0.1 0.15 0.2 0.25 0.3 Probabilidade (%) Tempo (h) Computação Ocasionais Ferro

A categoria de cozinhar está relacionada a eletrodomésticos como, micro-ondas, forno elétrico, liquidificador, entre outros. A categoria do café da manhã está relacionada a eletrodomésticos como, torradeira, cafeteira, entre outros. Já a categoria de computação está relacionada aos computadores de mesa, monitores e laptops. As categorias ocasionais estão relacionadas com eletrodomésticos que são acionados eventualmente, como motores do portão da garagem, chaleiras, aquecedores, entre outros. Com base nas informações a partir de [20], a curva de probabilidade para essas categorias pôde ser obtida. Já a curva de probabilidade classificada de ferro é específica exclusivamente para o mesmo.

É importante ressaltar que eletrodomésticos como geladeiras e freezers não possuem curvas de probabilidade de uso, visto que sua utilização é contínua, alterando apenas os seus respectivos perfis de potência demandada durante a utilização.

Outro parâmetro utilizado para determinar o instante de acionamento dos eletrodomésticos é o número médio de acionamentos diários (m), o qual é obtido através do tempo médio de utilização mensal e da duração média do ciclo de operação. A Tabela 2.2 apresenta as características de utilização dos eletrodomésticos presentes nesta dissertação, obtidas a partir de [23], [24] e de medições de campo.

Tabela 2.2: Características de utilização dos eletrodomésticos Sigla Média de Uso (horas/mês) Duração Média (min) Acionamentos por Dia LFC 150 40 7,5 LFM 150 40 7,5 INC 150 40 7,5 MO 10 4 5 FOR 30 30 2 FOG 30 30 2 CAF 12 8 3 TOR 4 5 1,6 CHA 15 10 3 LAV 12 24 1 SEC 20 40 1 SEC_INV 20 40 1 FER 12 60 0,4 LAP 75 150 1 PC 75 150 1 LCD 75 150 1 TV_LCD 150 100 3 TV_CRT 150 100 3 CHU 8 8 2 AR 180 360 1

A quantidade média de acionamentos diários (m) é calculada pela seguinte expressão: ) ) ( m média duração uso de mensal média ( 30 60    (2.1)

A quantidade de pessoas presentes nas residências influencia diretamente na quantidade de acionamentos dos eletrodomésticos. Portanto, a fim de incluir este impacto, é inserido um fator k, o qual é obtido pela razão entre o número de moradores da residência e a quantidade média de pessoas por residência (sendo 3,3 para residências brasileiras e 2,4 para residências norte-americanas, de acordo respectivamente com [25], [26]).

Assim os valores de m apresentados na Tabela 2.2 são multiplicados pelo fator k, de acordo com a quantidade de pessoas em cada residência.

A partir das variáveis descritas acima, é possível determinar a probabilidade de o eletrodoméstico ser acionado (P) em determinado instante do dia. Esta probabilidade é dada por (2.2), em que t é o instante simulado; Pr(t) é a probabilidade de uso no instante t, obtida através da curva de probabilidade de uso; c é o fator de correção da curva de probabilidade de uso; m é o número médio de acionamentos de cada eletrodoméstico por dia; e k é a razão entre o número de moradores da residência e o número médio de pessoas por residência.

k m c t P t P( ) _r( )   (2.2)

Este fator c está relacionado com o padrão de permanência das residências (PP), onde PP é uma variável binária que indica se a residência está ocupada ou não em cada instante do dia. Na plataforma proposta são considerados 5 PPs, os quais estão descritos na Tabela 2.3.

Tabela 2.3: Padrões de permanência Dia Tipo Trabalho Horário

Acordar Período Trabalho Horário Dormir Dia de Semana Integral 6h-7h30 8h-17h 22h-24h Parcial Manhã 6h-7h30 8h-12h 22h-24h Parcial Tarde 6h-8h 13h-17h 22h-24h Sem Trabalho 6h-8h N/A 22h-24h Final de

Com isso, o fator c é calculado para que a área da curva Pr nos instantes em que a

residência está ocupada (PP(t)=1) seja igual a 1. Antes da calibração tem-se:



Introduzindo o fator c, a fim de calibrar a curva de probabilidade de acordo com o padrão de permanência da respectiva residência, têm-se:



Assim, c pode ser calculado, como apresentado em (2.5).

         



A Figura 2.8 ilustra um exemplo do procedimento de ajuste da curva de probabilidade de uso (Pr(t)) do micro-ondas, o qual é classificado na categoria de cozinhar. Para este exemplo específico foi obtido probabilisticamente que a residência possui seus moradores trabalhando em período integral, como pode ser notado através do Padrão de Permanência exibido na Figura 2.8 em conjunto com as informações dos Padrões de Permanência presente na Tabela 2.3.

Ao analisar PP da Figura 2.8 nota-se que o horário que os moradores se levantam foi 6h9min, sendo que o período que a residência permanece sem nenhum morador foi entre 7h34min e 17h31min, enquanto o horário do último morador a permanecer realizando alguma atividade na residência (i.e., o horário em que os moradores foram dormir), foi 22h35min. Esses horários foram obtidos aleatoriamente com distribuição uniforme de acordo com a Tabela 2.3.

Para este exemplo, o fator c foi calculado através de (2.5) e obteve-se o valor de 3,298 quando há moradores na residência, e logicamente 0 quando não há nenhum morador. Uma vez realizado o ajuste na curva de probabilidade (Pr(t)c) para o eletrodoméstico em

questão, resolve-se (2.2) a fim de obter a probabilidade de acionamento ao longo de um dia (P(t)).

Figura 2.8: Ajuste na curva de probabilidade do micro-ondas de acordo com o padrão de permanência

Por fim, para determinar se um dado eletrodoméstico é acionado ou não no instante t, gera-se um número aleatório com distribuição uniforme entre 0 e 1. Se esse número for menor que P(t), então a carga é ligada nesse instante e permanece em utilização por um específico período de tempo (Tdur), de acordo com o explicado na Seção 2.1.2, e o instante

simulado é atualizado (t = t + Tdur ); se o número for maior que P(t), a carga permanece

desligada e o instante simulado é atualizado (t tt), onde Δt é o passo de integração e é de 1 minuto.

Este procedimento é realizado para todos os eletrodomésticos das residências e resumido no fluxograma apresentado na Figura 2.9.

0 2 4 6 8 10 12 14 16 18 20 22 24 0 0.2 0.4 0.6 Tempo (h) Proba bilida de ( %) Pr(t) 0 2 4 6 8 10 12 14 16 18 20 22 24 0 1 2 Tempo (h) Padrã o de Perman ênc ia PP(t) 0 2 4 6 8 10 12 14 16 18 20 22 24 0 0.2 0.4 0.6 Tempo (h) Proba bilida de ( %) Pr(t)*c Pr(t)

Figura 2.9: Fluxograma para determinar o instante de acionamento dos eletrodomésticos

2.1.2 Duração do Ciclo

Uma vez acionado o eletrodoméstico, é necessário determinar a duração que esse eletrodoméstico permanece ligado. Assim, esta duração é definida como uma variável aleatória com distribuição uniforme entre valores mínimo e máximo típicos de utilização, como apresentado em (2.6), onde Tmin e Tmax são obtidos com base na Tabela 2.2, [23], [24] e

características de utilização do respectivo eletrodoméstico. Por exemplo, através da Tabela 2.2 obtém-se que a duração média de uso do micro-ondas (MO) é de 4 minutos e, com esta informação, adotou-se que para o micro-ondas Tmin é igual a 3 minutos e Tmax é igual a 5

minutos. ) , (T_min T_max Unif T_dur  (2.6) Gera as características da residência – PP(t) e k

Carrega informações do eletrodoméstico: • curva de probabilidade – P_r(t); • número médio de acionamentos - m; • durações típicas de mínimo e máximo

ciclo de operação – Tmine Tmax.

t = t + 1 seg t = 0

Gera um número aleatório - n

Passa para outro eletrodoméstico t ≥ 24h Sim Determina P(t) Carrega a lista de eletrodomésticos da residência n ≤ P(t) Eletrodoméstico foi ligado t = t + T_dur Sim Não Eletrodoméstico permanece desligado Não

Com isso, é possível obter os estados de operação de todas as cargas de uma ou mais residências. A Figura 2.10 apresenta um exemplo de perfil, o qual mostra os períodos em que as cargas de uma residência permanecem acionadas.

Figura 2.10: Exemplo de perfil de utilização das cargas de uma residência

2.1.3 Comportamento da Demanda dos Eletrodomésticos

A maioria dos eletrodomésticos apresentam características comportamentais multiestágio e multinível, ou seja, com vários estágios de operação e vários níveis de demanda ao longo de sua utilização. Cada eletrodoméstico possui um perfil de demanda característico e específico, denominado também de assinatura elétrica [27]. Os eletrodomésticos simulados são classificados em 6 diferentes tipos de assinatura elétrica, como apresentado na Tabela 2.4.

Tabela 2.4: Classificação dos eletrodomésticos quanto sua assinatura elétrica Assinatura Elétrica Eletrodomésticos

Pulsos AR, FER, LAV, CAF, FOG, SEC,

SEC_INV

Pico positivo GEL, GEL_INV, FRE Pico negativo TV_LCD, TV_CRT, LCD Múltiplos Estágios AQUE

Ruído LAP

Contínuo CHU, MO, LFC, LFM, INC, FOR, TOR, CHA 0 2 4 6 8 10 12 14 16 18 20 22 24 PP LFC LFC TV_LCD LFC LFC GEL LFC LFC LFC LFC LFC LAP MO LAV CHU FER Tempo (h)

A fim de que a plataforma proposta possua um alto nível de detalhamento e possibilite uma vasta abrangência em estudos de redes de baixa tensão, os perfis de demanda dos eletrodomésticos possuem resolução de 1 segundo, o qual permite, por exemplo, auxiliar pesquisas na área de identificação não intrusiva de cargas.

Nas simulações, apenas o pico de demanda causado pela partida dos motores é modelado analiticamente, conforme explicado na Seção 3.3. Os demais parâmetros das assinaturas são modelados por um conjunto de variáveis aleatórias.

A potência nominal e o fator de potência para cada dispositivo são fornecidos pelo usuário e, caso o mesmo não tenha essas informações, utiliza-se os valores típicos pré-definidos na plataforma.

Uma vez definidos os períodos de operação das cargas, como apresentado na Figura 2.10, sua potência nominal e fator de potência, a plataforma proposta gera os perfis de demanda para cada eletrodoméstico, através de um conjunto de variáveis aleatórias que possuem distribuição normal e uniforme, as quais foram definidas através de medições e estudos realizados nos diferentes eletrodomésticos [28]–[32]. A seguir são apresentados os modelos utilizados para representar cada tipo de assinatura elétrica. O conjunto de variáveis aleatórias presentes na Tabela 2.5 a Tabela 2.10 a seguir, é composto pelos diversos níveis de potência consumida representados por P e os diferentes períodos representados por T.

A. Pulsos

Diversos eletrodomésticos que possuem funções de aquecimento apresentam perfis de demanda na forma de pulsos, os quais são caracterizados por possuir repetidos ciclos de operação no estado de ligado e desligado. A Figura 2.11 exibe a assinatura elétrica de pulso.

(a) Padrão Pulso (b) Padrão Ferro Elétrico

Figura 2.11: Assinatura elétrica de tipo pulso

P ot . At iva T_lig T P Tempo P ot. Ativa T_0lig T₀ P Tempo T_nlig T_n

A diferença entre os eletrodomésticos que possuem esta assinatura elétrica são os períodos de ligado e desligado. Estes períodos são modelados por números aleatórios com distribuição normal e uniforme, de acordo com as medições realizadas para os diferentes eletrodomésticos. Os parâmetros relacionados são apresentados nas Tabela 2.5 e Tabela 2.6.

Tabela 2.5: Parâmetros da assinatura elétrica de tipo pulso

Variável FOG CAF LAV SEC

P (W) Pot. Nom. Pot. Nom. Pot. Nom. Pot. Nom. T (seg) Norm(30;2) Norm(30;2) Norm(30;1) Norm(240;20) Tlig / T (seg) Unif(0,2;0,4) Unif(0,2;0,6) Unif(0,4;0,5) Unif(0,4;0,8)

Tabela 2.6: Parâmetros da assinatura elétrica do ferro elétrico

Variável FER

P (W) Pot. Nom. T0 (seg) Norm(220;4)

T0lig / T0 (seg) Unif(0,52;0,54)

Tn (seg) Norm(100;2)

Tnlig / Tn (seg) Unif(0,18;0,2)

B. Pico Positivo

Como dito anteriormente, os picos de demanda são causados pela corrente de partida dos motores, que por sua vez, é modelada analiticamente executando-se um subrotina explicada na Seção 3.3. A Figura 2.12 exibe a assinatura elétrica de tipo pico positivo.

Figura 2.12: Assinatura elétrica de tipo pico positivo

Os parâmetros relacionados à assinatura elétrica de pico positivo são apresentados na Tabela 2.7. P ot. Ativa Tempo T_lig T P P_part

Tabela 2.7: Parâmetros da assinatura elétrica de tipo pico positivo

Variável GEL FRE AR

P (W) Pot. Nom. Pot. Nom. N(Pot. Nom.;10) Ppart (W) Subrotina Subrotina Subrotina

T (min) Norm(30;1,5) Norm(20;1) Norm(12;0,5) Tlig (min) Norm(9;0,5) Norm(7;0,5) Norm(4,5;0,5)

C. Pico Negativo

Picos decrescentes são observados ao utilizar televisões e são causados devido à mudança de canais. A Figura 2.13 exibe o perfil desta assinatura, enquanto a Tabela 2.8 exibe os parâmetros relacionados.

Figura 2.13: Assinatura elétrica de tipo pico negativo

Tabela 2.8: Parâmetros da assinatura elétrica de tipo pico negativo

Variável TV_LCD TV_CRT PC

P (W) Pot. Nom. Pot. Nom. Pot. Nom. Pq/P (W) Norm(0,2;0,02) Norm(0,2;0,02) Norm(0,2;0,02)

Tq (seg) Unif(1;10) Unif(1;10) Unif(5;50)

D. Múltiplos Estágios

Sistemas de aquecimento residencial, normalmente encontrados em residências norte-americanas, possuem perfil de demanda com múltiplos estágios, apresentando 4 níveis de potência. A Figura 2.14 exibe a assinatura elétrica do sistema de aquecimento residencial e a Tabela 2.9 apresenta os parâmetros aleatórios relacionados.

P ot. Ativa Tempo T_q P P_q

Figura 2.14: Assinatura elétrica de tipo múltiplos estágios

Tabela 2.9: Parâmetros da assinatura elétrica de tipo múltiplos estágios Variável AQUE P (W) Pot. Nom. P1/P (W) Norm(0,2;0,01) P2/P (W) Norm(0,8;0,01) P3/P (W) Norm(0,2;0,001) T (seg) Norm(360;30) T1 (seg) Norm(60;1) T2/T (seg) Norm(0,3;0,7) E. Ruído

Alguns eletrodomésticos possuem ruídos de alta frequência, como é o caso do laptop. A Figura 2.15 exibe a assinatura elétrica do laptop, porém para representar o ruído presente na utilização deste eletrodoméstico é adicionado um ruído branco ao perfil. A Tabela 2.10 exibe os parâmetros relacionados.

Figura 2.15: Assinatura elétrica do laptop

P ot. Ativa P₁ T₁ P Tempo P₃ T T₂ P₂ P ot . Ati va Tempo T₁ P P₁

Tabela 2.10: Parâmetros da assinatura elétrica do laptop Variável LAP

P (W) Pot. Nom. P1/P (W) Norm(1,5;0,05)

T1 (seg) Norm(20;2)

Ruído Ruído Branco

F. Contínuo

Certos eletrodomésticos possuem uma demanda contínua enquanto permanecem em utilização, ou seja, não havendo variação significativa em seu consumo. São exemplos de eletrodomésticos que apresentam essa característica: lâmpadas incandescentes, micro-ondas, torradeiras, chaleiras, entre outros.

Finalmente, com este procedimento de atribuição das assinaturas elétricas para os diversos eletrodomésticos simulados, é possível definir a curva de carga para todas as residências simuladas.

2.2 PAINÉIS FOTOVOLTAICOS

A potência gerada por painéis fotovoltaicos depende diretamente do nível de radiação solar incidente no mesmo, o qual, por sua vez, apresenta caráter aleatório devido ao comportamento das nuvens [33]. Para modelar o perfil de radiação solar diário são utilizadas medições da estação meteorológica de Congonhas (São Paulo), disponíveis online [34]. As medições utilizadas foram realizadas a cada 1 hora, durante 1 ano. Nas simulações, utilizam-se as médias horárias dos níveis de radiação solar deste ano de medições. Para que a curva de radiação solar possua resolução equivalente aos outros dispositivos residenciais (i.e., 1 minuto), realiza-se interpolação linear entre as medições horárias.

Como a curva de radiação apresenta diversas incertezas, a plataforma aqui proposta considera um fator de correção para cada instante do dia, a fim de incluir aleatoriedade na curva. Este fator possui distribuição normal, com média igual à média anual da radiação naquele instante e desvio padrão de 5% do valor medido, como apresentado em (2.7).





)

(t  Norm rad t rad t 

rad  _m  _m (2.7)

A Figura 2.16 exibe um exemplo da radiação solar diária obtida através da média da radiação solar, de acordo com a metodologia proposta.

Figura 2.16: Curva de radiação solar média de 1 ano

Após determinar a curva de radiação solar, a potência gerada pelo painel pode ser calculada. Estudos indicam que a potência de saída do painel é relacionada linearmente com o nível de radiação solar [35]. Adicionalmente, manuais de fabricantes tipicamente informam a potência máxima gerada por um painel quando a radiação solar é 1.000 W/m2 [36]. Com isso, o perfil de potência de saída de um gerador fotovoltaico (Pinj) pode ser estimada por (2.8), em

que Pnom representa a potência nominal do gerador e rad(t) é a radiação no instante t.

nom P m W t rad t P_inj   ² / 1000 ) ( ) ( (2.8) 2.3 VEÍCULOS ELÉTRICOS

Para modelar o perfil de recarga dos veículos elétricos é necessário definir três fatores principais: (1) instante de conexão à rede; (2) nível da bateria (NB) quando for conectada na rede; e (3) comportamento da potência demandada durante a recarga. A metodologia para determinar estes fatores é descrita a seguir.

2.3.1 Instante de Conexão à Rede

O instante em que o veículo elétrico se conecta à rede para iniciar a recarga é determinado, aleatoriamente, a partir de curvas de probabilidade semelhantes àquelas utilizadas para determinar o acionamento dos aparelhos eletrodomésticos. A Figura 2.17 exibe a curva de probabilidade de conexão à rede do veículo elétrico ao longo de um dia, de acordo com dados de [37]. 0 2 4 6 8 10 12 14 16 18 20 22 24 0 200 400 600 800 1000 Tempo (h) Nível de ra diação solar (W/m² ) Radiação aleatória Radiação média

Figura 2.17: Curva de probabilidade de conexão na rede do veículo elétrico

Nota-se que o período mais provável de ocorrer a conexão do veículo à rede é entre as 18 horas e 23horas, sugerindo assim, que a maioria dos proprietários de veículos elétricos iniciam a recargar dos mesmos após o período de trabalho, possivelmente no instante de chegada em suas residências.

Para determinar se um veículo é conectado à rede ou não no instante de tempo t, realiza-se o seguinte procedimento: gera-se um número aleatório com distribuição uniforme entre 0 e 1 e compara-se este número com o valor correspondente ao instante t na curva de probabilidade (apresentada na Figura 2.17). Caso o número gerado for menor que o da curva de probabilidade, neste instante, o veículo se conecta à rede para recarregar. Caso contrário, o veículo não se conectou e o instante simulado é atualizado (t tt, onde Δt é o passo de integração). Este procedimento é realizado para um determinado período, normalmente de 24 horas.

2.3.2 Nível da Bateria ao se Conectar à Rede

Uma vez definido o instante em que se inicia a recarga, é necessário determinar o nível da bateria (NB) no momento da conexão. Segundo [38], NB pode ser definido através da distância percorrida pelo veículo durante 1 dia (d), o número de dias que o veículo ficou sem recarga (α) e a distância máxima percorrida com autonomia da bateria (dmax), como

apresentado em (2.9). % 100 max max _          d d d NB  (2.9) 0 2 4 6 8 10 12 14 16 18 20 22 24 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 Probabilidade (%) Tempo (h)

De acordo com dados extraídos de [38], [39], d é um número aleatório com distribuição log-normal com média de 87 km e variância de 24 km, α é normalmente 2 dias para carros de passeio e um valor típico de dmax é 128 km.

2.3.3 Potência demandada na Recarga

O perfil de demanda durante a recarga depende do tipo da bateria utilizada no veículo elétrico. São modelados dois tipos de bateria, íon-lítio e chumbo-ácido, sendo determinado probabilisticamente qual tipo será utilizado para cada veículo existente na rede.

A Figura 2.18 apresenta a recarga das baterias e seu estado de carga ao longo do processo, obtidos por meio de medições realizadas em veículos elétricos reais [40], [41].

(a) Bateria de íon-lítio (b) Bateria de chumbo-ácido Figura 2.18: Perfil de recarga para duas tecnologias de baterias

Nota-se que os perfis de recarga dessas duas baterias são diferentes. Adicionalmente a duração da recarga também varia. Para a recarga completa da bateria de íon-lítio há duração de 5 horas, enquanto para a bateria de chumbo-ácido há duração de 7 horas e 30 minutos, considerando que as baterias estavam completamente descarregadas ao iniciar a recarga.

O perfil de demanda da recarga de cada veículo elétrico é definido de acordo com os perfis da Figura 2.18, a partir do nível de carga (NB) em que se encontra a bateria no instante de conexão na rede.

2.4 GERAÇÃO FOTOVOLTAICA COM ARMAZENAMENTO DE ENERGIA

Para o armazenamento de energia, foram consideradas as baterias de íon-lítio, similares às utilizadas nos veículos elétricos, as quais apresentam perfil típico de recarga semelhante ao apresentado na Figura 2.18(a).

0 1 2 3 4 5 0 1 2 3 4 5 6 7 Demanda (kW) 0 1 2 3 4 50 15 30 45 60 75 90 105 Estado da bater ia (% ) Tempo (h) 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 Demanda (kW) 0 1 2 3 4 5 6 7 0 15 30 45 60 75 90 105 Estado da bater ia (% ) Tempo (h)

Como valor padrão, a plataforma considera que a capacidade de armazenamento dessas baterias é 7,75 kWh (4 vezes menor que a capacidade típica de uma bateria de veículo elétrico – 31 kWh [40], [41]). Entretanto, este dado pode ser alterado caso o usuário possua informação precisa a respeito da bateria que deve ser estudada.

As baterias são utilizadas em determinado consumidor somente quando este também possui um painel fotovoltaico. Elas são carregadas diretamente a partir da potência injetada pelos painéis fotovoltaicos. Sua recarga é modelada matematicamente por (2.10) [42], em que NBPV é o nível da bateria dado em porcentagem, sendo que o mínimo NBPV

considerado é de 5% para não afetar a vida útil da bateria; Pinj é a potência produzida pelo

painel fotovoltaico do consumidor; Δt é a resolução da simulação; EM é a energia máxima

armazenada pela bateria.

M inj PV PV E t P t NB t t NB (  ) ( )  (2.10)

Adota-se que o início da recarga da bateria ocorre quando Pinj supera 20% da

potência nominal do painel. Por outro lado, Pinj não pode ser maior que um limite estabelecido

pela bateria (limite de 1,65 kW é assumido nesta dissertação, ou seja, 4 vezes menor que a bateria de um veículo elétrico típico).

Durante a descarga, o perfil de potência injetada é semelhante ao perfil de recarga apresentado na Figura 2.18(a).

A Figura 2.19 apresenta um exemplo de recarga e descarga de uma bateria, juntamente com seu NBPV para cada instante. Potência positiva corresponde ao período de

recarga e negativa ao de descarga.

Figura 2.19: Perfil de recarga e descarga da bateria 0 2 4 6 8 10 12 14 16 18 20 22 24 -1.75 -1.25 -0.75 -0.25 0.25 0.75 1.25 1.75 Demanda/Gera ção (kW) 0 2 4 6 8 10 12 14 16 18 20 22 240 15 30 45 60 75 90 105 Estado da bater ia (% ) Tempo (h)

3 MODELO ELÉTRICO

Após determinar os perfis de demanda e geração dos dispositivos presentes na rede, o cenário de simulação é definido, ou seja, o problema torna-se determinístico. Para o cenário definido é realizado o cálculo de fluxo de carga na frequência fundamental (60 Hz) e nas frequências harmônicas. Porém, antes de calcular o estado de operação da rede, é necessário conhecer os modelos elétricos utilizados para os dispositivos da rede secundária. Portanto, este capítulo apresenta os modelos, e as técnicas de resolução para determinar o estado da rede.

3.1 REDE DE DISTRIBUIÇÃO

Nesta dissertação são realizadas simulações considerando configurações de rede de distribuição típicas de dois países, Brasil e Canadá.

No Brasil, tipicamente, a rede de distribuição primária é trifásica, com três condutores de fase, conectando a subestação ao transformador de distribuição MT/BT. Este transformador, normalmente possui conexão delta-estrela aterrado (13,8/0,22 kV) e configuração Dyn1, alimentando diversos consumidores por meio da rede secundária, geralmente, trifásica com quatro condutores, sendo três condutores de fase e um condutor neutro aterrado no transformador e nos consumidores [43].

No Canadá, tipicamente a rede primária é trifásica, porém, com três condutores de fase e um de neutro. Já o transformador, que separa a rede primária da secundária, é monofásico com tap central no enrolamento secundário (14,4/0,24/0,12 kV), portanto, a rede secundária é bifásica com três condutores, sendo dois condutores de fase, possuindo defasamento de 180° entre si, e um de condutor neutro, aterrado no transformador e nos consumidores [44].

Com as descrições das redes de distribuição apresentadas, a presença de diversas cargas residenciais conectadas entre fase e neutro, e a existência de residências monofásicas, bifásicas e trifásicas, fica claro que o modelo de rede precisa ser multifásico (trifásico com o neutro modelado explicitamente), capaz de incluir explicitamente todos os condutores do sistema. Este modelo multifásico viabiliza, por exemplo, estudos do comportamento da tensão fase-neutro na rede, o desequilíbrio de tensão, a tensão e corrente de neutro, entre outros.

Figura 3.1: Rede de distribuição residencial típica brasileira

Figura 3.2: Rede de distribuição residencial típica canadense

A Figura 3.1 e a Figura 3.2 apresentam um exemplo de rede de distribuição típicas do Brasil e Canadá respectivamente.

Como o objetivo desta dissertação é a análise da rede de distribuição residencial, a rede primária é representada por um circuito equivalente com fontes de tensão e impedâncias.

AC BC AB CN ABC AC A N B C AC BC AB BN Secundário 3 fases - 4 condutores 13,8 kV 220/127 V Primário 3 fases AB AB 14,4 kV AB AB AB AB AB AB 240/120 V Secundário Monofásico Primário 3 fases 4 condutores A N B A N B

As residências, presentes na rede secundária, são representadas por um circuito interno detalhado, composto pelos eletrodomésticos conectados entre si, havendo diversos “subcircuitos” presentes, como apresentado na Figura 3.3.

Figura 3.3: Exemplo de circuito residencial detalhado

3.2 CARGAS, PAINÉIS FOTOVOLTAICOS E VEÍCULOS ELÉTRICOS

Nesta dissertação, os dispositivos presentes na rede (cargas, painéis fotovoltaicos e veículos elétricos) são classificados em lineares e não lineares. Sendo os dispositivos não lineares fontes de correntes harmônicas, conforme discutido em [45].

Foi adotado que os dispositivos lineares são modelados como potência constante na frequência fundamental, e como impedância nas frequências harmônicas, como apresentado na Figura 3.4 e indicado em [45].

V_A V_B V_C V_N Impedância Equivalente Ramo1 Ramo2 Ramo3 4CFL 18m TV 18m PC + LCD Monitor 18m 2CFL 9m 6m 11m 8m 4m

Lap Gel Ferro

13m Chuveiro Z_equ-1

...

...

...