FERRAMENTA DE ANÁLISE GEOREFERENCIADA DA ATRATIVIDADE DE SISTEMAS FOTOVOLTAICOS E DE BATERIAS CONECTADOS À REDE DE DISTRIBUIÇÃO NO BRASIL

Autores

  • Bruno Marciano Lopes Universidade Federal de Minas Gerais
  • Davi Faúla dos Santos Universidade Federal de Minas Gerais
  • Wadaed Uturbey Universidade Federal de Minas Gerais

DOI:

https://doi.org/10.59627/cbens.2022.1085

Palavras-chave:

Geração fotovoltaica, Armazenamento de energia, Planejamento energético

Resumo

Fontes renováveis variáveis são fundamentais para a redução da emissão de gases de efeito estufa, mas seu uso em larga escala altera significativamente a estrutura do setor elétrico, e demanda novas ferramentas de análise e planejamento. Dentre as tecnologias de geração, a fotovoltaica tem se destacado pela drástica redução de custos vivenciada nos últimos anos e pela modularidade, dentre outras vantagens. Sistemas de armazenamento a baterias serão fundamentais para a continuidade da expansão fotovoltaica. Este artigo apresenta uma metodologia, e sua correspondente ferramenta computacional, cujo objetivo é suportar a análise georreferenciada da atratividade de sistemas fotovoltaicos e de baterias conectados à rede de distribuição no Brasil. Ela se baseia em técnicas de Tomada de Decisão Multicritério e, nesta linha, é concebido um indicador denominado Índice de Favorabilidade que pondera variáveis consideradas determinantes para a atratividade de adoção das tecnologias. As variáveis utilizadas e seus pesos são definidos de forma flexível pelo analista. Neste artigo, a metodologia é utilizada para identificar locais mais promissores em alguns contextos mapeados: aplicação “atrás do medidor” para consumidores Residencial Tarifa Branca e Industrial Tarifa A4 Verde; e um contexto que considera aspectos de confiabilidade da rede elétrica. Como principal resultado, é apresentado um mapa do Índice de Favorabilidade para consumidores residenciais, assim como a classificação dos estados e DF para todos os contextos. Também são apresentados mapas de relacionados à atratividade das tecnologias. São determinados indicadores para algumas cidades e distribuidoras notáveis. O trabalho evidencia contrastes interessantes, tanto entre unidades federativas, quanto entre municípios de um mesmo estado, em algumas situações. Ainda, mostrou que a perspectiva das distribuidoras pode ser bastante distinta da visão dos clientes. A ferramenta auxilia na prospecção dos locais mais favoráveis para instalação dos sistemas considerados e é complementar às técnicas tradicionais de planejamento energético e de análise de viabilidade econômica.

Downloads

Não há dados estatísticos.

Biografia do Autor

Bruno Marciano Lopes, Universidade Federal de Minas Gerais

Programa de Pós-Graduação em Engenharia Elétrica - Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, 31270-901, Belo Horizonte, MG, Brasil

Referências

Acar, C., Beskese, A., & Temur, G. T. (2019). A novel multicriteria sustainability investigation of energy storage systems. International Journal of Energy Research, 43(12), 6419–6441. https://doi.org/10.1002/er.4459

ANEEL/SIGA. (2021). SIGA – Sistema de Informação de Geração da ANEEL. https://www.aneel.gov.br/siga

Resolução Normativa No 482, de 17 de Abril de 2012, Agência Nacional de Energia Elétrica – ANEEL 1 (2012). http://www.aneel.gov.br/cedoc/ren2012482.pdf

ANEEL. (2016). Sistema de Informações Georreferenciadas do Setor Elétrico. Aneel. http://sigel.aneel.gov.br/sigel.html

ANEEL. (2021). Geração Distribuída. http://www2.aneel.gov.br/scg/gd/GD_Fonte.asp

Behera, M. P., Ray, P. K., & Beng, G. H. (2016). Three-phase shunt connected Photovoltaic generator for harmonic and reactive power compensation with battery energy storage device. IECON Proceedings (Industrial Electronics Conference), 2408–2413. https://doi.org/10.1109/IECON.2016.7793427

da Costa, A. M. G., Lopes, B. M., & Uturbey, W. (2018). Mapeamento Do Potencial De Geração Solar Fotovoltaica No Brasil – Uma Abordagem Preliminar. In ABENS (Ed.), VII Congresso Brasileiro de Energia Solar: Vol. IX (p. 10). http://anaiscbens.emnuvens.com.br

EPE. (2017). Plano de Decenal de Expansão de Energia (PDE). Pde 2026. https://doi.org/10.15713/ins.mmj.3

EPE. (2020). Anuário Estatístico de Energia Elétrica 2020. https://www.epe.gov.br/pt/publicacoes-dados-abertos/publicacoes/anuario-estatistico-de-energia-eletrica

EPE, & MME. (2020). Plano Nacional de Energia PNE 2050. https://www.epe.gov.br/pt/publicacoes-dados-abertos/publicacoes/Plano-Nacional-de-Energia-2050

Ferreira, H. L., Garde, R., Fulli, G., Kling, W., & Lopes, J. P. (2013). Characterisation of electrical energy storage technologies. Energy, 53, 288–298. https://doi.org/10.1016/j.energy.2013.02.037

IEA. (2014). The power of transformation. Wind, Sun and the Economics of Flexible Power Systems (First, Vol. 10, Issue 2). International Energy Agency. https://doi.org/10.1007/BF01532548

Kaya, İ., Çolak, M., & Terzi, F. (2018). Use of MCDM techniques for energy policy and decision-making problems: A review. International Journal of Energy Research, 42(7), 2344–2372. https://doi.org/10.1002/er.4016

Köksalan, M., Wallenius, J., & Zionts, S. (2013). An Early History of Multiple Criteria Decision Making. Journal of Multi-Criteria Decision Analysis, 20(1–2), 87–94. https://doi.org/10.1002/mcda.1481

Nesticò, A., & Somma, P. (2019). Comparative analysis of multi-criteria methods for the enhancement of historical buildings. Sustainability (Switzerland), 11(17). https://doi.org/10.3390/su11174526

Oudalov, A., Cherkaoui, R., & Beguin, A. (2007). Sizing and optimal operation of battery energy storage system for peak shaving application. 2007 IEEE Lausanne POWERTECH, Proceedings, 621–625. https://doi.org/10.1109/PCT.2007.4538388

Pascoe, S., Tobin, R., Windle, J., Cannard, T., Marshall, N., Kabir, Z., & Flint, N. (2016). Developing a Social, Cultural and Economic Report Card for a Regional Industrial Harbour. PLoS ONE, 11(2). https://doi.org/10.1371/journal.pone.0148271

Pereira, E. B., Martins, F. R., Abreu, S. L., & Ruther, R. (2017). Atlas brasileiro de energia solar (INPE (ed.); Segunda). INPE. http://sonda.ccst.inpe.br/publicacoes/atlas_solar.html

PNUD, Fundação João Pinheiro, & IPEA. (2020). Atlas Brasil. http://www.atlasbrasil.org.br/ranking

SILVA, M. G. DA, & GUIMARÃES, L. D. S. (2012). Uso do Índice de Desenvolvimento Humano como Instrumento de Projeção de Demanda de Energia Elétrica. Economia e Energia, 86, 36. http://www.ecen.com/eee86/eee86p/eee86.pdf

Sinha, K. C., & Labi, S. (2007). Transportation Decision Making: Principles of Project Evaluation and Programming. In Transportation Decision Making: Principles of Project Evaluation and Programming. https://doi.org/10.1002/9780470168073

Wahlster, P., Goetghebeur, M., Kriza, C., Niederländer, C., & Kolominsky-Rabas, P. (2015). Balancing costs and benefits at different stages of medical innovation: A systematic review of Multi-criteria decision analysis (MCDA). BMC Health Services Research, 15(1). https://doi.org/10.1186/s12913-015-0930-0

Yang Ye, Li Hui, Aichhorn Andreas, Zheng Jianping, & Greenleaf Michael. (2013). Sizing strategy of distributed battery storage system with high penetration of photovoltaic for voltage regulation and peak load shaving. IEEE Transactions on Smart Grid, 5(2), 982–991.

Downloads

Publicado

2022-08-16

Edição

Seção

Anais