Método de identificação de usuários potenciais de conversão fotovoltaica baseado em lógica fuzzy

Transcrição

1 Método de identificação de usuários potenciais de conversão fotovoltaica baseado em lógica fuzzy a Lopes, D.; a Castro, R.; a Frota, M. a Programa de Pós-Graduação em Metrologia para Qualidade, Inovação e Sustentabilidade. Pontifícia Universidade Católica do Rio de Janeiro. Rua Marquês de São Vicente, 225. Gávea. Rio de Janeiro, RJ. CEP: BRASIL. Corresponding Author: Tel.: (+55-21) ; (+55-21) mfrota@puc-rio.br A crescente demanda por energia elétrica que resulta do contínuo progresso técnico e seus preocupantes impactos no meio ambiente e na mudança do clima motiva a busca de alternativas tecnológicas sustentáveis para a geração de energia. O consumo de energia elétrica varia de consumidor para consumidor e depende da natureza da atividade que exerce. Via de regra, atividades do comércio e da indústria consomem mais energia durante o horário comercial enquanto edificações residenciais o fazem ao entardecer e à noite. Com exceção de sábados, domingos e feriados, o período de maior consumo de energia elétrica no Rio de Janeiro é entre 17h30 e 20h30. Nos meses de verão, o uso intenso de condicionadores de ar antecipa o horário de pico (carga máxima) para as 14h00. Quando tecnicamente viáveis, o uso da conversão fotovoltaica nesses 1. INTRODUÇÃO Em função da sua localização geográfica, que propicia excelente ciclo da natureza no que se refere a aspectos climáticos, o Brasil apresenta um grande potencial para todas as fontes de energias renováveis. Os país dispõe de recursos abundantes de energia solar, eólica, oceanos e biomassa, permitindo assim manter a característica renovável no longo prazo. Certamente um diferencial da matriz elétrica brasileira quando comparada à matriz mundial. Apesar do uso difundido de aquecedores solares em cidades do interior, notadamente em suas zonas rurais, a participação do Sol na matriz elétrica nacional é reduzida (ANEEL, 2008). Pesquisas indicam que foi registrado no país em 2012 uma capacidade instalada de somente 17 MW de sistemas fotovoltaicos (EPIA, 2013). Como o parâmetro básico necessário para analisar a competitividade do uso de sistemas solares fotovoltaicos é o nível de incidência de radiação solar, o Brasil possui larga vantagem em relação a vários países desenvolvidos que fazem uso desta tecnologia. Registros indicam que a radiação em território brasileiro varia de 8 a 22 MJ/m durante o 1 horários de pico constitui-se, portanto, numa inteligente estratégia de deslocamento de carga dos horários de ponta para fora da ponta para grandes consumidores com contratos de demanda na média e alta tensão. Esta alternativa possui dois impactos: alivia o sistema nos horários de pico e permite à concessionária postergar investimentos em sua infraestrutura instalada. Este artigo, ao discutir as condições técnicas e os benefícios advindos so uso de sistemas fotovoltaicos no Brasil, propõe uma metodologia para identificar, com base nas condições solarimétricas locais, usuários potenciais à conversão fotovoltaica. Palavras-chave: conversão fotovoltaica, deslocamento de carga, horários de pico. dia, sendo que as menores variações ocorrem dos meses de maio a julho, variando de 8 a 18 MJ/m (UFPE, 2000). Assim, este artigo apresenta na seção 2 o método desenvolvido para identificar e classificar usuários potenciais de conversão fotovoltaica, na seção 3 o resultado da aplicação desse método no Rio de Janeiro e, por fim, a conclusão. 2. MÉTODO DE IDENTIFICAÇÃO Para atender requisito regulatório, o faturamento de energia pelas concessionárias é realizado com base na medição contínua realizada em cada unidade consumidora de médio e grande porte. Para o caso da concessionária estudada, esta pesquisa teve acesso ao histórico de consumo de medições realizadas com frequência de 15 min de clientes (de um total aproximado de 8.000) com contratos na MT e AT. Os dados de radiação solar global utilizados referem-se a medições realizadas pelo Instituto Nacional de Meteorologia (INMET), na Estação

2 Meteorológica e Automática de Ecologia Agrícola do Rio de Janeiro. Anteriormente à aplicação do método de classificação dos consumidores, a base de dados foi tratada para eliminar missing data, outliers e dias atípicos de consumo (sábados, domingos e feriados). Assim, dos 366 dias de 2012, somente 251 foram considerados. O tratamento dos dados leva também em consideração o horário de verão (início em 21 de outubro). O método utilizado fundamenta-se em medições reais de consumo de energia elétrica de consumidores com contratos na média e alta tensão (MT e AT), cuja massa de dados foi disponibilizada pela concessionária estudada. A partir desses dados, as curvas de carga foram construídas e comparadas com a curva de incidência de radiação global no estado do Rio de Janeiro do mesmo ano (Figura 1), construída a partir de dados oficiais governamentais. Figura 1 - Média horária de incidência de radiação global no Rio de Janeiro em 2012 (kj/m²) Percebe-se pela Figura 1 que durante o período da noite (entre 19 e 6 h) que o nível de radiação é tão baixo que chega a um ponto de quase não ser considerado pelo medidor automático, atingindo no máximo 19,9 kj/m². Na parte da manhã (entre 6 e 10 h) e ao entardecer (entre 15 e 19 h) tem-se um nível considerável com tendência de aumento constante à medida que se aproxima do meio-dia, quando o índice atinge o patamar de 1719 kj/m². Entre 10 e 15 h é quando é registrada a maior incidência de radiação global, da ordem de 2224,2 kj/m². Registram-se, assim, três diferentes níveis de incidência durante o todo o dia, que podem ser classificados conforme caracterizado na Tabela 1. Tabela 1 - Classificação dos níveis de incidência de radiação global CLASSIFICAÇÃO INTERVALO DE HORÁRIO (h) VARIAÇÃO DA RADIAÇÃO GLOBAL (KJ/M²) RADIAÇÃO MÁXIMA ,9 RADIAÇÃO INTERMEDIÁRIA 6-10 e , ,7 RADIAÇÃO MÍNIMA , ,2 Os conjuntos de entrada fuzzy foram definidos com base nos resultados da análise desenvolvida com base na estatística descritiva dos indicadores do consumo de energia (IC) para cada nível de radiação 2

3 incidente. Estes indicadores foram definidos pela razão entre o consumo médio nos três intervalos de radiação considerados (radiação máxima, intermediária e mínima) e a média do consumo total (ver equações 1, 2 e 3). = μ μ (1) = μ μ (2) = μ μ (3) Nestas equações, = Indicador de consumo do horário de radiação mínima. = Indicador de consumo do horário de radiação intermediária. = Indicador de consumo do horário de radiação máxima. μ = Média de consumo no horário de radiação mínima. μ = Média de consumo no horário de radiação intermediária. μ = Média de consumo no horário de radiação máxima. μ = Média do consumo total do consumidor. Trabalhando-se com a identificação e divisão da amplitude total de cada indicador em três partes iguais foi possível determinar previamente os três intervalos. Já a análise estatística permitiu identificar os percentis, oferecendo uma classificação alternativa para os estimadores calculados. Assim, os valores do quartil inferior (percentil de 25%), mediana (percentil de 50%) e quartil superior (percentil de 75%) também são qualificados como valores limiares a serem utilizados como amplitude de classificação dos consumidores potenciais a fazerem uso da conversão fotovoltaica. Por fim, os conjuntos de entrada da classificação fuzzy são determinados a partir da sobreposição dos conjuntos obtidos na análise estatística e apresentados de acordo com a Tabela 2. Tabela 2 - Categorização fuzzy dos indicadores de consumo CLASSIFICAÇÃO DO IC RADIAÇÃO MÍNIMA RADIAÇÃO INTERMEDIÁRIA RADIAÇÃO MÁXIMA Baixo 0 0, , ,1025 Médio 0,5811 1,3333 0,6133 1,2481 0,87 1,74 Alto 0, ,2267 1,84 1,5695 2,61 Tais entradas passam por um conjunto de regras definidas previamente e determinadas em um sistema inferencial fuzzy do tipo Mamdani (Tamás e Kóczy, 2007). Souza et all. (2013) conceitua que os sistemas fuzzy são formados por um conjunto de regras que podem ser expressas pelo condicionante SE-ENTÃO, determinadas por especialistas ou extraídas de dados numéricos, que possuem a formulação geral: SE < antecedente > ENTÃO < consequente > A base de regras do processo de inferência visa enquadrar os usuários da concessionária de energia em 5 categorias capazes de refletir o quão potencial é o consumidor para fazer uso da energia fotovoltaica (Tabela 3). 3

4 Tabela 3 - Base de regras para determinação das categorias CATEGORIA 1 Alto Baixo Baixo Médio Baixo Baixo Baixo Baixo Baixo CATEGORIA 2 Alto Alto Baixo Médio Alto Baixo Baixo Alto Baixo Alto Médio Baixo Médio Médio Baixo Baixo Médio Baixo CATEGORIA 3 Alto Médio Médio Médio Médio Médio Baixo Médio Médio Alto Baixo Médio Médio Baixo Médio Baixo Baixo Médio CATEGORIA 4 Alto Baixo Alto Médio Baixo Alto Baixo Baixo Alto Alto Alto Médio Médio Alto Médio Baixo Alto Médio CATEGORIA 5 Alto Alto Alto Médio Alto Alto Baixo Alto Alto Alto Médio Alto Médio Médio Alto Baixo Médio Alto A partir da base de regras acima, propõe-se o enquadramento nas seguintes cinco categorias: Categoria 1 cliente com potencial muito baixo, i.e.: aquele que praticamente não apresenta consumo 4 no horário de ponta de incidência de radiação solar. Categoria 2 cliente com potencial baixo; i.e.: aquele que consome muito

5 pouco durante o horário de ponta de incidência de radiação solar. Categoria 3 cliente com potencial mediano; i.e.: aquele que indica um consumo razoável nos horários de intensa incidência de radiação solar. Categoria 4 cliente de potencial alto; i.e.: aquele que apresenta grande parte de seu consumo durante o horário de alta incidência de radiação solar. Categoria 5 cliente de potencial muito alto; i.e.: aquele que representa a maioria dos consumidores no horário de alta incidência de radiação solar. O processo de inferência nebulosa é executado originando variáveis fuzzy que são transformadas em saídas crisp pelo processo de defuzzificação. O enquadramento definitivo de um determinado consumidor numa das cinco categorias requer, portanto, uma decisão consistente. O processo fuzzy gera resultados que permitem determinar o grau mais adequado de pertinência para cada uma das categorias. Assim, o método de defuzzificação escolhido é o MOM, que possibilita a adequação imediata do output referenciado ao valor correspondente à média do intervalo da categoria com maior pertinência (Figura 2). Figura 2 - Exemplo de um output do método de defuzzificação MOM Com isso os consumidores são classificados de acordo com os outputs extraídos dos intervalos da função de pertinência apresentados e classificados segundos as condições da Tabela 4. Tabela 4 - Classificação fuzzy 3. RESULTADOS O potencial atribuído a um determinado consumidor de energia para fazer uso da conversão fotovoltaica foi avaliado a partir da massa de dados processada, considerando-se apenas valores agregados, assim preservando a confidencialidade individual da informação. Os resultados da pesquisa confirmaram uma população de grandes clientes cujo consumo de eletricidade em horários de radiação solar máxima e intermediária os enquadram como usuários potenciais 5 a fazerem uso da conversão fotovoltaica como alternativa estratégica de racionalização do consumo. Dos consumidores pesquisados, 2% foram classificados na Categoria 1 e 13% na Categoria 2. Ou seja, dentre os consumidores analisados: 15% dos usuários não se mostraram clientes potenciais a fazer uso da alternativa da conversão fotovoltaica, quando o objetivo refere-se ao deslocamento de carga para horários fora da ponta;

6 85% dos consumidores enquadraram-se como clientes potenciais ao uso da conversão fotovoltaica como mostram os dados da Figura 3 (53% na Categoria 3, 11% na Categoria 4 e 21% na Categoria 5). CATEGORIA 5 CATEGORIA 1 CATEGORIA 2 CATEGORIA 4 CATEGORIA 3 CATEGORIAA 1 CATEGORIA 2 CATEGORIA 3 CATEGORIA 4 CATEGORIA 5 Figura 3 - Exemplo de um output do método de defuzzificação MOMM CONCLUSÃO Os resultados do enquadramento em cinco categorias atribuída aos grandes clientes da concessionária estudada confirmaram quanto à factibilidade técnica de fazerem uso da conversão fotovoltaica. Além disso, a pesquisa mostrou que o método é eficaz como uma ferramenta de apoio à decisão, auxiliando a concessionária na identificação de clientes potenciais a diversificar o seu consumo em horários de ponta e assim permitir à concessionária postergar investimentos que hoje não seria admissíveis tal a pressão da demanda em horários críticos de consumo. REFERÊNCIAS ANEEL. (2008). Atlas de Energia Elétrica do Brasil 3 Edição. Brasília: Agência Nacional de Energia Elétrica. EPIA. (2013). Global market outlook. Acesso em 12 de Dezembro de 2013, disponível em EEuropean Photovoltaic Industry Association. IEA. (2013). Acesso em 29 de Dezembro de 2013, disponível em International Energy Agency: ons/publication/energytechnologyinitiatives _2013.pdf MME/EPE. (2012). Análise da Inserção da Geração Solar na Matriz Elétrica Brasileira. Rio de Janeiro: MME/EPE. SOUZA, R. C., PESSANHA, J. F., & OLIVEIRA, F. L. (2013). A Residencial Consumer Payment Capability Index Based on Fuzzy Logic Inference. Journal of Intelligent and Fuzzy Systems v.25, TAMÁS, K., & KÓCZY, L. T. (2007). Mamdanitype Inference in Fuzzy Signature Based Rule Bases. 8th International Symposium of Hungarian Researchers on Computational Intelligence and Informatics, (pp ). Budapeste. Fonte: Intech. UFPE. (2000). Atlas Solarimétrico do Brasil: banco de dados solarimétricos. Acesso em 2013 de julho de 24, disponível em CRESESB: wnload/atlas_solarimetrico_do_brasil_200 0.pdf 6