artigo_sepoc_final.pdf
TRANSCRIPT
Mapeamento do Potencial Energético para Inserção da
Geração Distribuída nos Estudos de Planejamento dos
Sistemas de Distribuição de Energia Elétrica L. L. C. Santos
Universidade Federal de Santa Maria
L. N. Canha
Universidade Federal de Santa Maria
D. P. Bernardon
Universidade Federal de Santa Maria
N. Knak Neto
Universidade Federal de Santa Maria
R. A. Pressi
AES SUL
Resumo — O sistema de geração de energia elétrica brasileiro é
baseado em grandes usinas hidrelétricas, que são localizadas
longe dos consumidores, sendo interligadas a estes por linhas de
transmissão. Nos últimos anos se vem tendo um incentivo pelo
uso de fontes renováveis de energia elétrica, visando uma
diversificação da matriz energética e redução dos impactos
ambientais, causados por usinas de grande porte. As novas
regulamentações reforçam este incentivo incluindo a aplicação
da geração distribuída nos consumidores de baixa e média
tensão (Resolução Normativa nº 482/ ANEEL). A proposta do
presente trabalho é fazer o mapeamento do potencial energético
no estado do Rio Grande do Sul (RS), explorando como
tecnologias de geração distribuída, a energia eólica, solar,
biomassa e hídrica, para posteriormente analisar a influência da
inclusão da GD nos estudos de planejamento dos sistemas de
distribuição de energia elétrica, em média e em baixa tensão.
Palavras-chave — Geração Distribuída, Planejamento, Potencial
Energético, Sistemas de Distribuição.
I. INTRODUÇÃO
O sistema elétrico de potência (SEP) é composto essencialmente de geração, rede de transmissão, rede de distribuição e usuário de energia elétrica. A geração é predominantemente centralizada em grandes usinas conectadas a rede de transmissão, e as redes de distribuição alimentam consumidores industriais, comerciais e residenciais [1].
Como o fluxo de energia elétrica do SEP é unidirecional, acaba tornando a capacidade de iteração entre os consumidores e o sistema de distribuição muito limitada, elevando o grau de dependência do consumidor com a rede.
Já no sistema inteligente, existe uma maior interação entre a geração, transmissão e distribuição. E a possibilidade de geração próxima às cargas resulta em fluxo de energia bidirecional.
Subsistemas relacionados com a interligação de microrredes, infraestrutura de medição, abastecimentos de veículos elétricos e com armazenamento de energia podem constituir uma Rede Elétrica Inteligente (REI) [1]. A Figura 1 apresenta a estrutura de um sistema baseado em REI.
Figura 1 – Estrutura de um Sistema baseado em REI. Fonte [1].
Segundo [2], a geração de energia elétrica localizada próxima ao consumidor ou na própria instalação consumidora, independente da fonte de energia e da tecnologia usada é conhecida como Geração Distribuída (GD). É uma nova alternativa para geração da energia que visa postergar investimentos em transmissão, reduzir perdas no sistema e melhorar a qualidade do serviço.
A GD utiliza fontes com base em energia hidráulica, solar, eólica ou cogeração qualificada, conectada na rede de distribuição por meio de instalações consumidoras, a microgeração distribuída se caracteriza por ter uma potência instalada menor ou igual a 100 kW, já a minigeração distribuída têm potência instalada superior a 100 kW e menor ou igual a 1 MW [3].
A proposta do trabalho é fazer o mapeamento do potencial energético no estado do Rio Grande do Sul (RS), explorando
como tecnologias de geração distribuída, a energia eólica, solar, biomassa e PCH, para posteriormente analisar a influência da inclusão da GD nos estudos de planejamento dos sistemas de distribuição de energia elétrica, em média e em baixa tensão.
As principais contribuições do trabalho são:
Mapeamento do potencial energético na região do estudo;
Estudo das tecnologias de GD e o perfil de geração;
Estudo de inserção de GD nas redes de distribuição de MT e BT;
Planejamento das redes de distribuição considerando a GD.
II. MAPEAMENTO DO POTENCIAL ENERGÉTICO
O mapeamento do potencial energético (eólica, solar, biomassa e hídrica) é feito no RS, para cada umas das 7 mesorregiões, dividas conforme mapa da Figura 2.
Figura 2 – Mapa do RS dividido pelas 7 mesorregiões.
A. Energia Eólica
O cálculo do potencial de geração de energia eólica é baseado no proposto em [4], que adota uma variável taxa de ocupação média, equivalente a 1,5 MW/km². Considerando que o potencial é calculado para áreas com ventos de velocidade média anual de 7m/s medidos as 50 metros de altura, equação (1):
𝐸 =𝐴 ∗ 𝑇𝑂 ∗ 𝐹𝐶 ∗ 𝑚 ∗ 𝑑𝑖𝑎𝑠
1000000
(1)
Onde: E= energia anual (TWh/ano)
A = áreas com ventos de 7 m/s em solo firme
TO=taxa de ocupação média igual a 1,5 MW/km²
FC=fator de capacidade igual a 0,29
m=24 meses
dias=365 dias.
Na Tabela 1 são apresentados valores de energia anual disponível de geração eólica para cada uma das 7 mesorregiões do RS, calculados através da equação (1).
Tabela 1 - Energia anual disponível para geração eólica em cada mesorregião
do RS
Regiões Área Total
(km²)
Área (km²) Potência
Instalável (GW)
Energia
Anual (TWh/ano)
Mesorregião 1 25594,689 255,94689 0,38 0,97
Mesorregião 2 17192,037 171,192037 0,25 0,65
Mesorregião 3 29734,982 892,04946 1,33 3,39
Mesorregião 4 25749,128 772,47384 1,15 2,94
Mesorregião 5 64930,583 3246,52915 4,86 12,37
Mesorregião 6 42539,655 3403,1724 5,10 12,96
Mesorregião 7 62861,157 1885,83471 2,82 7,18
B. Energia Solar
A estimativa do potencial fotovoltaico é calculada com base em [5], através da equação (2):
𝐸 =𝐴 ∗ 𝐹𝑈 ∗ 𝐹𝐶 ∗ 𝑅 ∗ 0,277 ∗ 365
1000
(2)
E: Energia Anual
A: Área de estudo, em km².
FU: Fator de utilização da área com coletores solares, em
relação à área total, FU=0,0001.
FC: Fator de conversão da energia irradiada para energia
elétrica, FC=0,15.
R: Radiação solar diária, em MJ/m².dia.
A Tabela 2 apresenta a energia anual disponível de geração fotovoltaica em cada mesorregião do estado do RS, calculado com a utilização da equação (2).
Tabela 2 - Energia anual disponível para geração fotovoltaica em cada
mesorregião do RS
Regiões Área Total
(km²)
Radiação
solar global
diária (MJ/m²/dia)
Radiação
solar global
anual (kWh/m²/dia)
Energia
Anual
(TWh/km²/a)
1 25594,689 15 1520,79075 0,58
2 17192,037 14 1419,4047 0,36
3 29734,982 14 1419,4047 0,63
4 25734,128 14 1419,4047 0,54
5 64930,583 15 1520,79075 1,48
6 42539,655 14 1419,4047 0,90
7 62861,157 15 1520,79075 1,43
C. Energia Biomassa
O cálculo do potencial energético a partir da queima da casca do arroz é baseado na quantidade de arroz produzido, considera-se somente a casca como resíduo aproveitável para a geração de energia, o que representa aproximadamente 30% do peso total do arroz. Segundo [6], o poder calorifico da casca do arroz equivale a 3384,09 kcal/kg, considerando que a conversão de kcal/kg para kWh/kg se dá pela divisão por 860, e que o sistema opere 95% das horas anuais. A partir daí
aplica-se a equação (3), com a produção de arroz obtida em [7], obtendo-se os resultados apresentados na Tabela 4.
𝑃 =𝑡 ∗ 0,3 ∗ 𝑃𝐶𝐼 ∗ 𝑛
860 ∗ 8322
(3)
Onde: t: toneladas de arroz com casca.
PCI: poder calorífico da casca de arroz (kcal/kg). n: eficiência de conversão das caldeiras, equivalente a 15%.
Para a cana-de-açúcar, o potencial energético é calculado pela equação (4), levando em consideração a eficiência do processo e a quantidade de cana colhida, obtendo-se os resultados apresentados na Tabela 4.
𝑃 =𝑡 ∗ 120
1000 ∗ 8322
(4)
Onde: t: toneladas de cana-de-açúcar.
O potencial a partir de resíduos da silvicultura, leva em
conta os resíduos gerados na fase de processamento da madeira, os quais, segundo [6], representam 50% do peso total. O poder calorifico do resíduo representa 2000 kcal/kg, e que o sistema opere 95% das horas anuais, o potencial energético é calculado pela equação (5), obtendo-se os resultados apresentados Tabela 4.
𝑃 =𝑡 ∗ 0,5 ∗ 𝑃𝐶𝐼 ∗ 𝑛
860 ∗ 8322
(5)
Onde:
t: toneladas de madeira em tora.
PCI: poder calorífico dos resíduos de madeira (kcal/kg).
n: eficiência de conversão das caldeiras, equivalente a 15%.
Para estimar o potencial energético a partir de dejetos
suínos, aves e bovinos utiliza-se como base a quantidade de gás metano (m³) contida no biogás, resultante da decomposição do esterco gerado diariamente nas propriedades criadoras dos rebanhos. De acordo com [6], é aplicada a equação (6), com o efetivo desses rebanhos na área de estudo, obtém-se o potencial de metano (t CH4/ano) para cada origem de material. Após é considerado que 1m³ de biogás equivale a 1,95 kWh, chegando-se ao potencial da Tabela 4.
𝑀𝑒𝑡𝑎𝑛𝑜 (𝑡𝐶𝐻4
𝑎𝑛𝑜) = 30 𝑑𝑖𝑎𝑠 ∗ 𝑛º 𝑐𝑎𝑏𝑒ç𝑎𝑠 ∗ 𝐸𝑡 ∗ 𝑃𝑏 ∗ 𝐶𝑜𝑛𝑐 𝐶𝐻4 ∗ 𝑉𝐸−1
(6)
Onde: Et: Esterco total [kgesterco/(dia.unidade geradora)].
Pb: Produção de biogás [kgbiogás/kgesterco];
Conc. 𝐶𝐻4: Concentração de metano no biogás [%];
VE: Volume específico do metano [kg𝐶𝐻4/m³𝐶𝐻4], sendo
este igual a 0,670 kg𝐶𝐻4/m³𝐶𝐻4.
Na Tabela 3 são apresentados os valores para conversão
energética para diferentes tipos de efluentes.
Tabela 3 - Valores de conversão energética para diferentes tipos de efluentes.
Fonte: [6]
Origem do
material
Et Pb Conc CH4
Suínos 2,25 0,062 66%
Bovinos 10 0,037 60%
Equinos 12 0,048 60%
Aves 0,18 0,055 60%
A Tabela 4 apresenta o potencial de biomassa a partir da
queima do arroz, a cana-de-açúcar, silvicultura e dejetos de animais.
Tabela 4 - Energia anual disponível para geração de biomassa em cada
mesorregião do RS
Regiões Arroz (MWh/ano)
Cana-de-açúcar
(MWh/ano)
Silvicultura (MWh/ano)
Dejetos animais
(MWh/ano)
Meso 1 15,81 1,35 1,90 137,21
Meso 2 11,20 1,71 38,35 176,27
Meso 3 39,00 2,45 38,97 149,48
Meso 4 0,001 0,29 24,59 196,90
Meso 5 0,68 9,74 6,42 472,56
Meso 6 32,39 0,005 11,22 186,72
Meso 7 73,23 0,66 0,38 392,45
D. Energia Hídrica
O mapeamento do potencial hídrico torna-se um pouco mais complexo devido à quantidade de aproveitamentos hidrológicos já explorados, e da necessidade de avaliações detalhadas das características topográficas e hidrológicas de cada aproveitamento disponível [8]. Para determinar o mapeamento deste potencial energético foram considerados somente os pequenos aproveitamentos outorgados pela ANEEL, como apresenta a Tabela 5.
Tabela 5 - Potência disponível para geração hídrica em cada mesorregião do
RS
Regiões PCH PCH
Potência (kW)
CGH CGH
Potência (kW)
Total
Potência (MW)
Mesorregião 1 3 40670 3 1974 42,644
Mesorregião 2 1 4861 2 700 5,561
Mesorregião 3 1 1520 1 1032 2,552
Mesorregião 4 16 310759 10 8082,6 318,8416
Mesorregião 5 28 204907,3 30 18429,5 223,3368
Mesorregião 6 0 0 1 700 0,7
Mesorregião 7 0 0 0 0 0
III. TECNOLOGIAS DE GERAÇÃO E PERFIL DE GERAÇÃO
A. Energia Eólica
Para geração de energia eólica em BT foi considerada uma turbina com potência de 0,6 kW, modelo ista breeze ® i-500, para a geração de energia eólica em MT foi considerada uma turbina com potência de 900 kW, enercon E44, cujas curvas de geração são apresentadas respectivamente nas Figura 3 e Figura 4.
Figura 3 – Curva da turbina de 0,6 kW
Figura 4 – Curva da turbina de 330 kW.
B. Energia Fotovoltaica
Na geração de energia fotovoltaica foi considerado um painel de 0,250 kW Kyocera Solar.
O perfil de geração para fonte fotovoltaica depende da insolação diária onde vai ser inserido o painel solar. Neste trabalho foi analisada a insolação diária para cada uma das 7 mesorregiões do RS, a Figura 5 apresenta o perfil de geração para um painel fotovoltaico de 0,250 kW na mesorregião 7.
Figura 5 – Perfil de geração solar com painel fotovoltaico de 0,250 kW.
C. Energia Biomassa
Na geração de energia pela biomassa foram consideradas
turbinas de 1, 2, 3 e 6 MW, dependendo da mesorregião e do
tipo de combustível (arroz, cana-de-açúcar, silvicultura,
dejetos animais).
D. Energia Hídrica
Na geração de energia hídrica foi considerado uma usina
com potência de 6 MW, na mesorregião 5. O perfil de
geração está sendo apresentado na Figura 6.
Figura 6 – Perfil de geração hídrica.
IV. CENÁRIO DE INSERÇÃO DE GD
Após ser feito o mapeamento do potencial energético para cada uma das fontes de geração, determinada a tecnologia utilizada e analisado os perfis de geração das fontes é feita a previsão de inserção de GD, para posteriormente fazer o planejamento do sistema considerando a GD.
A inserção da projeção de geração distribuída se fundamenta na avaliação da popupalação potencialmente adquirente dessas tecnologias em função do benefício que lhe proporciona expresso retorno do investimento. A potencialidade é restrita pelo nível de renda e pelo consumo específico dos clientes, que passam a ser além de consumidores, produtores de energia elétrica [4].
Para determinar a quantidade de consumidores residenciais que vão inserir a GD (solar, eólico) dentro de uma mesorregião, foi utilizado o software Vensim, da Ventana Systems, que é um programa que permite conceituar, documentar, simular, analisar e otimizar modelos dinámicos.
As simulações foram feitas para os cenário conservador, moderado e acelerado, para um horizonte de 10 anos, levando em conta o preço da GD (solar e eólico), preço da tarifa, quantidade de consumidores residenciais da mesorregião, a porcentagem de consumidores com renda superior a 5 salários mínimos e se vai haver incentivo do gorverno para o financimanto das compras de painel e turbina. Levando em conta que o preço da GD dimunui ao decorrer dos anos, enquanto que o preço da tarifa tem um aumento.
A simulação no software Vensim está sendo apresentada na Figura 7.
0
0,2
0,4
0,6
0,8
1
2 4 6 8 10 12 14 16 18 20 22 24
Potê
ncia
(kW
)
Horas
Potência - Hidríca
0
0,2
0,4
0,6
0 2 4 6 8 10 12 14 16 18 20 22 24
Potê
ncia
(kW
)
Velocidade média dos ventos (m/s)
Potência
0
200
400
600
800
1000
1 3 5 7 9 11 13 15 17 19 21 23 25
Potê
ncia
(kW
)
Velocidade média dos ventos (m/s)
Potência
0
0,05
0,1
0,15
0,2
0,25
0,3
0 2 4 6 8 10 12 14 16 18 20 22 24
Potê
ncia
(kW
)
Horas
Potência - painel 0,250 kW
Verão Inverno Nominal
Figura 7 – Simulação no Software Vensim
Através da simulação realizada no software Vensim, Figura 7, foram obtidos os resultados apresentados na Tabela 6, a quantidade de consumidores residenciais com GD no ano 10.
Tabela 6 – Quantidade de consumidores com GD no ano 10
Consumidores Consumidores
com GD
Porc. (%)
Conservador 254229 9064 3,56
Moderado 254229 18129 7,13
Acelerado 254229 45323 17,8
A Tabela 6 apresenta a quantidade de consumidores para um horizonte de 10 anos na mesorregião 7, e mostra a quantidade de consumidores residenciais com GD no ano 10 e o percentual de consumidores com GD em relação aos consumidores totais.
Após determinar a quantidade de consumidores com GD dentro de uma determinada mesorregião é necessário estimar em que locais da mesorregião vão ser inseridas essas fontes de geração, para isso foi utilizado o Método de Monte Carlo (MMC).
O método de Monte Carlo é um processo de operação de modelos estatísticos de modo a trabalhar experimentalmente com variáveis descritas por funções probabilisticas. O método utiliza-se da geração de números aleatórios, com igual probabilidade, para a seleção de cada cidade, encontrado pela curva de frequência acumulada de cada variável em estudo [9].
O MMC dará a representatividade da cidade dentro de uma mesorregião do estado do RS, por meio da quantidade de domicílios com renda superior a 5 salários mínimos, através dos dados do Instituto Brasileiro de Geografia e Estatística (IBGE). Quanto mais domicilios com renda superior a 5 salários mínimos dentro de uma cidade, maior a probabilidade de ter consumidores com GD.
Primeiramente é criado um modelo baseado na curva de frequência acumulada de cada cidade dentro da mesorregião, de acordo com a renda dos domicílios, como mostra a Figura 8.
Figura 8 – Curva de frequência cumulativa da mesorregião 7
Através da curva de frequência cumulativa, Figura 8, são gerados números aleátorios, a quantidade de números aleátorios gerados depende da quantidade de consumidores com GD para o ano 10, Tabela 6, se for gerado por exemplo o número 0,95 vai ser a cidade de Uruguaiana.
V. RESULTADOS
A. Cenário Conservador
No cenário conservador para o ano 10, a quantidade de consumidores residencias com GD é de 9064 consumidores. Sendo gerados 9064 números aleatórios de 0 a 1, dependendendo do número gerado vai ser definida em que cidade vai ter a GD, de acordo com a Figura 8.
A Figura 9 apresenta a quantidade de consumidores com GD para cada umas das 16 cidades da mesorregião 7, na cidade de Bagé vão ser 1910 consumidores.
Figura 9 – Consumidores GD na mesorregião 7 para cenário conservador
B. Cenário moderado
Para o cenário moderado são 18129 consumidores com
GD, a Figura 10 apresenta a quantidade de consumidores em cada uma das cidades da mesorregião 7.
00,20,40,60,8
11,2
Fre
qu
ên
cia
Cidades
Curva de Frequência Cumulativa
Frequência cumulativa Amplitude
0500
1000150020002500
Co
nsu
mid
ore
s
Cidades
Consumidores GD
Figura 10 - Consumidores GD na mesorregião 7 para cenário moderado
C. Cenário Acelerado
O cenário acelerado tem 45323 consumidores com GD, a Figura 11 mostra a quantidade de consumidores com GD para cada cidade.
Figura 11 - Consumidores GD na mesorregião 7 para cenário acelerado
Nos três cenários (Figura 9, Figura 10, Figura 11), a cidade de Bagé tem mais consumidores com GD seguida da cidade de Uruguaiana, devido a maior probabilidade de serem sorteados números aleatórios que caiam na faixa de amplitude delas, por serem maiores que as demais cidades, como apresentado na Figura 8.
CONCLUSÃO
O presente trabalho apresenta o mapeamento do potencial energético para o sul do Brasil, explorando como tecnologias de geração distribuída, a energia eólica, solar, biomassa e hídrica para inserção da GD nos estudos de planejamento.
A metodologia foi apresentada para a previsão de longo prazo para a inserção de GD nos sistemas de distribuição. O estudo de caso foi realizado na mesorregião 7, considerando-se três cenários (conservador, moderado e acelerado) usando
o software Vensim, para obter a quantidade de consumidores residências que vão aderir a GD em um horizonte de 10 anos.
Após determinar a quantidade de consumidores com GD, foi utilizado o Método de Monte Carlo para fazer a distribuição dos consumidores com GD da mesorregião 7, entre as 16 cidades que compreendem a mesorregião, para cada um dos três cenários (conservador, moderado e acelerado).
Estes dados vão ser usados para posteriormente fazer o planejamento do sistema de distribuição considerando estes consumidores com a inserção da GD.
AGRADECIMENTOS
Os autores agradecem o suporte técnico e financeiro da AES Sul Distribuidora Gaúcha de Energia SA pelo projeto “Tecnologia Inovadora PSM para Sistemas Rurais considerando a realidade de Redes Inteligentes e Geração Distribuída” (P&D/ANEEL), Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul (FAPERGS) e Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
REFERÊNCIAS
[1] CGEE. Redes Elétricas Inteligentes: contexto nacional. Brasília: [s.n.]. Disponível em: <www.cgee.org.br/atividades/redirect/8050>.
[2] N. Kagan, M. Gouvea, F. C. Maia, D. Duarte, J. Labronici, D. S.
Guimarães, A. Barreto Neto, J. F. R. Silva, F. Particelli, Redes elétricas
inteligentes no Brasil: análise de custos e benefícios de um plano nacional de
implantação. – 1 ed. – Rio de Janeiro: Synergia: iABRADEE; Brasília: ANEEL, 2013.
[3] ANEEL, “Resolução Normativa nº 482 – Estabelece as condições gerais para o acesso de microgeração e minigeração distribuída aos sistemas de
distribuição de energia elétrica, o sistema de compensação de energia
elétrica, e dá outras providências”, 17 de abril de 2012.
[4] O. A. C. Amarante, F. J. L. Silva, “Atlas eólico: Rio Grande do Sul”, 1.
ed. Porto Alegre: SEMC, 2002.
[5] G. J. Capeletto, G. H. Z. Moura, “Balanço energético do Rio Grande do
Sul 2011: ano base 2010”, Porto Alegre: CEEE/SEINFRA, 2011.
[6] S. T. Coelho, M. B. Monteiro, M. R. Karniol, “Atlas de bioenergia do
Brasil”, 2. ed. São Paulo: ENBIO, 2012.
[7] FEE, dados aberto: http://dados.fee.tche.br/
[8] H. N. Azzolin, L.N. Canha, Metodologia para mapeamento e priorização
de recursos renováveis com a aplicação no planejamento de distribuição. IX
CBPE, Florianopólis, 2014.
[9] E. L. d. Andrade, Introdução à Pesquisa Operacional - Métodos e
Modelos para Análise de Decisões, Rio de Janeiro: LTC, 2011.
0500
1000150020002500300035004000
Co
nsu
mid
ore
s
Cidades
Consumidores GD
0
2000
4000
6000
8000
10000
Co
nsu
mid
ore
s
Cidades
Consumidores GD