105709 Tenório Itiro - TGII Relatório Final compressed

59
UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA Trabalho de Conclusão de Curso Estudo do Impacto do Horário de Verão no Consumo Elétrico Doméstico de Sistemas de Ar-Condicionado através do GridLAB- D Autor: Tenório Itiro Fukushima Feliciano da Silva Orientador: Prof. Dr. Gilberto De Martino Jannuzzi Campinas, Junho de 2016

Transcript of 105709 Tenório Itiro - TGII Relatório Final compressed

UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA MECÂNICA

Trabalho de Conclusão de Curso

Estudo do Impacto do Horário de Verão no Consumo

Elétrico Doméstico de Sistemas de Ar-Condicionado

através do GridLAB- D

Autor: Tenório Itiro Fukushima Feliciano da Silva

Orientador: Prof. Dr. Gilberto De Martino Jannuzzi

Campinas, Junho de 2016

UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA MECÂNICA

Trabalho de Conclusão de Curso

Estudo do Impacto do Horário de Verão no Consumo

Elétrico Doméstico de Sistemas de Ar-Condicionado

através do GridLAB- D

Autor: Tenório Itiro Fukushima Feliciano da Silva

Orientador: Prof. Dr. Gilberto De Martino Jannuzzi

Curso: Engenharia Mecânica

Trabalho de Conclusão de Curso, apresentado à Comissão de Graduação da

Faculdade de Engenharia Mecânica, como requisito para a obtenção do título de

Engenheiro Mecânico.

Campinas, 2016

São Paulo – Brasil

1

Dedicatória:

Dedico este trabalho à todos aqueles que me ajudaram na elaboração deste projeto,

com dicas, conselhos, sugestões ou simplesmente com o apoio dado.

Faço uma dedicação em especial a minha família, minha mãe Yumico Fukushima e

minha avó Seiko Fukushima, pois este trabalho é o símbolo de que todos os seus esforços

me ajudaram a concluir a maior e melhor etapa de minha vida.

2

Agradecimentos

Este trabalho não poderia ser concluído sem a ajuda de diversas pessoas às quais

presto minha homenagem:

Agradeço em especial minha família por sempre ter me dado suporte e condições

para eu me formar na universidade pública de Campinas. Minha mãe pelo esforço

financeiro de sempre me prover condições suficientes para estudar, minha avó por toda a

base e disciplina educacional, minhas irmãs pelo apoio pessoal e meus tios e primos por

toda ajuda.

Agradeço ao meu orientador deste projeto, professor doutor Gilberto de Martino

Januzzi por ter me auxiliado durante a execução do trabalho e ao mestrando Humberto

Jantim Neto pela ajuda, dicas e feedback.

Por fim, agradeço a todos os meus amigos que estiveram comigo durante toda

minha vida acadêmica, amigos da Unicamp, amigos da Universidade de Brunel, amigos de

São Bernardo do Campo, graças a eles sempre me mantive motivado a cumprir mais esta

etapa de minha vida.

3

ÍNDICE

RESUMO ............................................................................................................................... 5

ABSTRACT ........................................................................................................................... 6

CAPÍTULO 1 INTRODUÇÃO .............................................................................................. 10

CAPÍTULO 2 SISTEMA DE AR-CONDICIONADO ............................................................ 13

2.1 Sistema de refrigeração: O ar-condicionado ........................................................ 13

2.2 Tipos de aparelhos de ar-condicionado ................................................................ 15

2.3 Escolha do Ar-condicionado .................................................................................. 16

CAPÍTULO 3 O SOFTWARE GRIDLAB-D ......................................................................... 18

3.1 As ferramentas de simulação e a escolha do GridLAB-D .................................... 18

3.2 Sobre o software GridLAB-D .................................................................................. 19

3.3 Aplicações do GridLAB-D ....................................................................................... 20

3.4 Como o GridLAB funciona ...................................................................................... 22

CAPÍTULO 4 AS REGIÕES ESCOLHIDAS E SUAS CARAC, CLIMÁTICAS ................... 24

4.1 As regiões escolhidas ............................................................................................. 25

4.1.1 Porto Alegre – Rio Grande do Sul ....................................................................... 26

4.1.2 São Paulo – São Paulo ....................................................................................... 26

4.1.3 Cuiabá – Mato Grosso ........................................................................................ 27

4.1.4 Natal – Rio Grande do Norte ............................................................................... 28

4.1.5 Manaus – Amazonas ........................................................................................... 28

4.2 Dados climáticos gerais das regiões: Comparação ............................................. 29

4.2.1 Temperatura média ............................................................................................. 30

4.2.2 Humidade Relativa média ................................................................................... 31

4.2.3 Precipitação média anual .................................................................................... 32

4.2.4 Velocidade do vento médio ................................................................................. 33

4.2.5 Irradiação solar mensal ....................................................................................... 34

CAPÍTULO 5 MODELAMENTO EM GRIDLAB-D .............................................................. 36

5.1. Descrição das funções ........................................................................................... 36

5.1.1 Objeto ‘Casa’ ....................................................................................................... 36

4

5.1.2 Sistema HVAC – Ar-condicionado ...................................................................... 36

5.1.3 Arquivo de dados climáticos ................................................................................ 37

5.2 Modelamento – Código ........................................................................................... 39

CAPÍTULO 6 RESULTADOS E DISCUSSÕES ................................................................. 42

6.1 Gasto energético anual das 5 cidades analisadas ............................................... 42

6.2 Estudo do período vigente do horário de verão ................................................... 46

6.3 Análise do mês de Dezembro ................................................................................. 47

6.3.1 Consumo energético geral do mês de Dezembro ............................................... 48

6.3.2 Consumo de energético em períodos limitados .................................................. 49

CONCLUSÕES ................................................................................................................... 52

REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................... 55

APÊNDICES ........................................................................................................................ 57

5

RESUMO

DA SILVA, Tenório Itiro Fukushima Feliciano, Estudo do Impacto do Horário de Verão no

Consumo Elétrico Doméstico de Sistemas de Ar-Condicionado através do

GridLAB- DTM, Faculdade de Engenharia Mecânica, Universidade Estadual de

Campinas, Trabalho de Conclusão de Curso.

Busca-se analisar, através de simulações e cenários, o impacto do horário de

verão no consumo elétrico doméstico de equipamentos de ar-condicionado. Objetiva-se

também analisar o consumo deste aparelho e a influência de fatores climáticos em

diferentes regiões do Brasil. A modelagem do problema foi realizada utilizando-se o

software aberto (open-source tool) GridLAB-DTM. Uma casa padrão, com parâmetros

definidos previamente, foi usada como modelo e o sistema de climatização foi isolado,

sendo o único aparelho doméstico a ser simulado. Dados climáticos de cidades brasileiras

foram usados como arquivo de entrada para um estudo mais preciso. Pretende-se com

isso verificar a importância e necessidade do adiantamento de uma hora em períodos

quando a iluminação solar é maior com o objetivo de economia de eletricidade.

Palavras Chave: Ar-condicionado, GridLAB-D, clima, consumo.

6

ABSTRACT

DA SILVA, Tenorio Itiro Fukushima Feliciano, Study of Daylight Saving Time Impact on

Electricity Domestic Consumption of Air Conditioning System Using GridLAB-DTM

Software, Mechanical Engineering College, University of Campinas, Final Project.

This final project aim to analyse the impact of the daylight saving time on domestic

electrical consumption of air conditioning equipment through simulations and scenarios.

Also, it desires to analyse the consumption of this equipment and the influence of climate

factors on different regions in Brazil. The modelling of this project was done using the open-

source tool software GridLAB-DTM. A standard house, with pre-defined parameters, was

used as model and HVAC (Heating, Ventilating and Air Conditionating) system was

isolated, being the unique electric domestic equipment to be simulated. Climate data of

Brazilian city in different regions were used as input file aiming an accurate study. As

conclusion the importance and necessity of one hour advance on periods when the sunlight

is higher for the purpose of saving electricity will be verified.

Key Words: Air conditioning, GridLAB-D, climate, consumption.

7

Lista de Figuras

Figura 1. Ciclo de refrigeração por compressão de vapor

Figura 2. O sistema básico de ar-condicionado (de parede) e seus componentes

Figura 3. Combinação de domínios que a ferramenta GridLAB-D abrange.

Lista de Tabelas

Tabela 1. Informações técnicas de 12 modelos de ar-condicionado

Tabela 2. Funcionalidades de 10 simuladores de sistemas de energia

Tabela 3. Lista de abreviações das funcões dos simuladores de sistemas de

energia.

Tabela 4. Temperatura média anual das 5 regiões analisadas

Tabela 5. Humidade Relativa média anual das 5 regiões analisadas

Tabela 6. Precipitação média anual das 5 regiões analisadas

Tabela 7. Média anual da Velocidade do Vento nas 5 regiões analisadas

Tabela 8. Irradiação Média Anual das 5 regiões analisadas

Tabela 9 Insumos primários do Sistema HVAC

Tabela 10. Consumo energético mês a mês (em kWh)

Tabela 11. Gasto enérgico total do período do horário de verão das 5 cidades

analisadas

Tabela 12. Consumo Energético de Dezembro

Lista de Gráficos

Gráfico 1. Temperatura média mensal ao longo do ano

Gráfico 2. Humidade Relativa mensal ao longo do ano

Gráfico 3. Distribuição da Precipitação média mensal ao longo do ano

Gráfico 4. Irradiação solar média ao longo dos meses

Gráfico 5. Gasto energético anual das 5 cidades analisadas

Gráfico 6. Comportamento mês a mês do consumo energético acumulado das 5

8

cidades analisadas

Gráfico 7. Consumo energético dia a dia do mês de Dezembro das 5 regiões

escolhidas

Gráfico 8. Variação do consumo energético em dois diferentes períodos

simulados na cidade de São Paulo em Dezembro

9

Subscritos

𝑄!" : Calor de entrada por tempo

𝑄!"# : de saída por tempo

𝑊! : Trabalho no compressor por tempo

Abreviações / Unidades

kWh – quilowatt hora

°C – Grau Celsius

mm – milímetro

Wh/m2 – Watt hora por metro quadrado

m/s – metros por segundo

BTU – British Thermal Unit

Siglas

IBGE - Instituto Brasileiro de Geografia e Estatística

INMETRO - Instituto Nacional de Metrologia, Qualidade e Tecnologia

PROCEL - Programa Nacional de Conservação de Energia Elétrica

ENCE - Etiqueta Nacional de Conservação de Energia

DOE/OE - U.S. Department of Energy Office of Eletricity and Energy Reliability

PIB - Produto Interno Bruto

IDH - Índice de Desenvolvimento Humano

INMET - Instituto de Meteorologia

ANEEL - Agência Nacional de Energia Elétrica

HVAC - Heating, Ventilating and Air Conditionating

10

CAPÍTULO 1 INTRODUÇÃO

O horário de verão é a alteração do horário de uma região durante um certo

período do ano, adiantando-se usualmente em uma hora no fuso horário oficial local. Tal

mudança ocorre em períodos quando o dia é mais longo, ou seja durante o verão, com o

objetivo de aproveitar melhor a iluminação do sol. O termo em inglês “Daylight saving time”

(Horário de economia com luz do dia, tradução livre) reflete bem a função prática desta

alteração.

A ideia de otimizar o uso da luz natural foi proposto primeiramente pelo inventor

americano Beijamin Franklin em 1784, com pouco impacto na sociedade (FARIA, [2015]).

Somente em 1916 a Alemanha foi o primeiro pais a adotar o horário de verão como medida

para economizar carvão (GUREVITZ, 2005). No Brasil o horário de verão foi adotado pela

primeira vez em 1931, porém somente a partir de 1985 ele é adotado anualmente por

certas regiões do território brasileiro (DECRETOS..., [2015]). De acordo com dados oficiais

do Portal Brasil, cuja fonte é o Ministério de Minas e Energia (HORÁRIO DE

VERÃO...,[2015]), o horário de verão no ano de 2015 proporcionou no período uma redução

de 4,5% na demanda por energia no horário de ponta (entre 18h e 21h) e 0,5% no consumo

geral. A redução total foi de 265 MW médios que corresponde a este percentual estimado

de 0,5% dos quais 200 MW médios no Sudeste e Centro-Oeste (equivalente ao consumo

médio mensal de Brasília) e 65 MW médios no Sul (igual ao consumo médio mensal em

Florianópolis). Esse resultado considera todas as horas do dia, não apenas o horário de ponta.

Climatização é o tratamento do ar em ambientes fechados, ajustando-se sua

temperatura, pressão, pureza e umidade com a finalidade de conforto ou controle de

processos industriais e laboratoriais (PENA, 2002). Um dos aparelhos responsáveis por

essa função, dentre vários, é o ar-condicionado. O Brasil, por se tratar de um país com

climas tropicais e equatoriais de temperatura elevada faz com que, usualmente, estes

sistemas sejam usados para a refrigeração dos ambientes.

A climatização para fins de conforto ocorre tanto em ambientes residenciais quanto

em ambientes comerciais, que incluem escritórios, lojas varejistas, restaurantes dentre

outros. De acordo com o censo do IBGE de 2000 (website), 7,5% dos domicílios brasileiros

11

possuem aparelho de ar-condicionado. Dados mais recentes mostram que tal segmento

evoluiu de forma mais acentuada no país: entre 2009 e 2012 o setor praticamente dobrou

de tamanho e em 2013 o crescimento foi de 32% (SOUZA, 2014). Na prática, apesar de

não existirem dados oficiais da presença desse equipamento em estabelecimentos

comerciais em geral, espera-se que essa porcentagem seja consideravelmente maior. Em

questões de dimensionamento energético, considerada as devidas proporções de ambos

os ambientes, residências domésticas necessitam de aparelhos de menor capacidade de

refrigeração (até 25.000 BTUs) enquanto que comércios geralmente optam por aparelhos

de maior capacidade (acima de 25.000 BTUs dependendo da aplicação).

Atualmente, principalmente em centros urbanos e/ou comerciais de maior renda,

nota-se o aumento do número de ambientes com equipamentos de ar-condicionado para

climatização. Estes equipamentos usualmente são utilizados com maior frequência e

intensidade em dias mais quentes do ano (Verão e Primavera) e em períodos mais

quentes do dia, fim da tarde quando o sol ainda incide na Terra. Supõe-se portanto que,

com o horário de verão, e consequentemente o atraso do horário do pôr do sol, tais

equipamentos fiquem períodos mais longos ligados, uma vez que o melhor aproveitamento

da luz solar também implica na maior exposição de radiação solar.

As características climáticas de uma certa região são determinadas por suas

características geográficas (BLANCHE, 1982). A altitude, latitude, vegetação, proximidade

com a costa litorânea etc se refletem nos fatores climáticos de um certo local tais como a

temperatura média ambiental, humidade relativa, irradiação solar dentre outros. Esses

fatores climáticos possuem influência no consumo energético de vários aparelhos elétricos,

em especial o aparelho de ar-condicionado uma vez que é responsável pela climatização

de ambientes internos.

Utilizando-se o software GridLAB-D, objetiva-se estudar o impacto do horário de

verão no uso do ar-condicionado, ou seja, mensurar o esperado aumento do consumo

deste equipamento durante este período. Em adição, este valor será comparado com o

ganho em consumo relativo a iluminação elétrica para, por fim, analisar se o horário de

verão realmente é benéfico no consumo elétrico doméstico. Por fim, será avaliado a

influência de fatores climáticos no consumo elétrico desses aparelhos. No capítulo 3 é

12

apresentado uma descrição do software e o capitulo 6 é responsável por toda a análise

qualitativa do estudo.

Para a simulação, uma casa padrão com sistema de climatização (ventilação,

aquecimento e ar-condicionado) já acoplada foi modelada. Dados climatológicos de cinco

cidades brasileiras com diferentes características climáticas foram coletados e inseridos

como arquivo de entrada e dados de consumo médio em quilowatt-hora e temperatura do

ambiente estão presentes no arquivo de saída. Os detalhes dos parâmetros utilizados para

a simulação são discutidos no capítulo 5.

13

CAPÍTULO 2 SISTEMA DE AR-CONDICIONADO

Como descrito sucintamente na introdução, aparelhos de ar-condicionado são

usados principalmente para a climatização de ambientes, mais especificamente no caso do

Brasil, tal aparelho tem o objetivo de refrigerar o ambiente, principalmente por causa das

altas médias relativas de temperatura no pais. Este capítulo tem por objetivo descrever

brevemente a teoria por trás do funcionamento do ar-condicionado bem como os tipos e

modelos presentes hoje no mercado.

2.1 Sistema de refrigeração: O ar-condicionado

O principio básico de funcionamento do ar-condicionado é um ciclo de refrigeração

por compressão de vapor (em inglês, Vapor - Compression Refrigeration Systems).

Basicamente para diminuir a temperatura do ambiente é necessário retirar energia térmica

de determinado meio. Através de tal ciclo termodinâmico, o calor é extraído do ambiente

em que se deseja climatizar e enviado ao ambiente externo. A figura 1 ilustra os

componentes do ciclo e seu fluxo teórico de funcionamento.

Figura 1. Ciclo de refrigeração por compressão de vapor (SHAPIRO, 2003)

14

• Começando pelo evaporador, onde o efeito da refrigeração é alcançado.

Nesta etapa o líquido refrigerante passa através do evaporador e a troca de

calor com o espaço a ser refrigerado resulta na vaporização de tal liquido

refrigerante.

• Em seguida, o refrigerante, no estado gasoso, deixa o evaporador e é

comprimido a altas pressões e temperaturas pelo compressor.

• O refrigerante passa através do condensador, onde se transforma na fase

liquida, condensa, e ocorre a troca de calor com as redondezas mais frias.

• Finalmente, o refrigerante no estado 3 entra na válvula de expansão e

expande até a pressão do evaporador, dando-se reinicio ao ciclo (idt).

Vale ressaltar que no sistema de compressão de vapor, a entrada de energia é

igual a potência do compressor uma vez que a válvula de expansão não envolve nenhuma

entrada de alimentação ou de saída.

A figura 2 mostra a montagem prática e simplificada do ciclo descrito e seus

componentes para um sistema de ar-condicionado de parede (tipos a serem descritos no

tópico seguinte).

(Fonte: http://alienstore.com.br/cursos/)

Figura 2. O sistema básico de ar-condicionado (de parede) e seus componentes

15

2.2 Tipos de aparelhos de ar-condicionado

Nos dias atuais, as tecnologias disponíveis de climatização e refrigeração de

ambientes são cada vez maiores. A escolha correta do aparelho de ar-condicionado

necessário a climatização de um ambiente se dá a partir do dimensionamento correto da

energia necessária (em BTUs) e sua potência. Tal dimensionamento leva em consideração

a área do cômodo e as possíveis fontes geradoras de calor (exemplo: ser humano) e as

entradas de ar quente (porta e janela).

Um equipamento cuja potência é inadequada às necessidades do ambiente pode

gerar diversos tipos de transtornos. Quando o ar-condicionado trabalha em sua capacidade

máxima durante a maior parte do tempo, além da baixa eficiência para refrigeração do

ambiente, ocorre um desgaste excessivo nas peças e perdas com energia. No entanto, o

uso de um aparelho que extrapola a potência necessária para a refrigeração de um

ambiente também gera problemas. Os gastos de energia podem ultrapassar massivamente

o ideal em relação a um aparelho devidamente dimensionado. Em adição, outro

inconveniente é a diminuição da vida útil do equipamento, provocada por picos de energia

derivados da má escolha da potência do ar-condicionado.

Portanto, a escolha do equipamento ideal evita desperdício de energia e

potencializa a capacidade de refrigeração de um ambiente. Além do equipamento correto é

importante dar atenção às recomendações de uso e manutenção para que sua eficiência

energética seja otimizada e sua vida útil prolongada.

No mercado, vários são os tipos de aparelhos de ar-condicionado disponíveis,

dentre os quais os mais utilizados são descritos nos sub-tópicos seguintes.

• Portátil: Criado para evitar problemas de instalação e permitir sua mobilidade

para diferentes ambientes e cômodos da casa, o ar-condicionado portátil é ideal

para pequenos ambientes uma vez que possui uma energia de refrigeração baixa

entre 9.000 e 13.000 BTUs.

• Janela ou Parede: O mais tradicional e o primeiro ar-condicionado e entrar

no mercado varejo, o tipo janela é destinado ao consumidor particular uma vez que

necessita baixo investimento na instalação e manutenção. São compactos por

16

serem constituídos de uma única peça que une a condensadora e evaporadora.

Possuem entre 7.000 e 30.000 BTUs.

• Split Hi-Wall: Tradicionalmente chamado apenas de Split, é indicado para

instalação na parte superior dos ambientes de forma centraliza, favorecendo a

melhor distribuição da ventilação. Este tipo de ar-condicionado é silencioso uma vez

que sua condensadora fica do lado de fora. Os modelos possuem entre 7.000 e

30.000 BTUs.

• Split Piso Teto: É indicado para grandes e médios ambientes, residenciais

ou comerciais. De grande versatilidade por poderem ser instalados na horizontal ou

na vertical, no piso ou no teto, esse modelo possui uma energia entre 18.000 e

80.000 BTUs.

• Cassete: São usualmente instalados no teto e escondidos por um forro de

gesso com rebaixamento de aproximadamente 30 cm. A principal vantagem é a

interface bem disfarçada e elegante, sendo uma boa alternativa para locais que

possuem pé direito alto e acabamento em gesso. Os modelos possuem entre

18.000 e 60.000 BTUs.

• Duto: Também conhecido como ar central ou ar dutado. Indicado para

ambientes de grande porte, para climatização de vários ambientes simultaneamente

uma vez que oferece uma boa distribuição de ar devido a um sistema único de

estrutura em dutos. Possui a desvantagem de não permitir regular a temperatura de

cada ambiente individualmente.

2.3 Escolha do Ar-condicionado

O modelo residência de estudo será para uma família padrão, com área média

considerando os padrões brasileiro. A definição exata do tipo e modelo do sistema de

climatização, no caso aparelho de ar-condicionado, não é requerida para a modelagem

uma vez que tal sistema já é pré-definido pelo software (a ser descrito no Capítulo 3 e 5).

Para a modelagem, necessita-se apenas da definição da unidade de energia usada para o

17

cálculo da potência, no caso, a definição da variável BTU (Brtitish Thermal Unit) A

necessidade de grandes sistemas de refrigeração (acima de 30.000 BTUs) não se aplica

nesse trabalho por se tratar de uma casa de baixa dimensão, tanto em área quanto

espacialmente, considerando o volume total dos cômodos. Adota-se então um sistema de

ar-condicionado que forneça aproximadamente 22.000 BTUs de energia para toda a

residência.

Para fins de exemplificação, de acordo com o site do INMETRO (Instituto Nacional

de Metrologia, Qualidade e Tecnologia) várias são as opções no mercado nacional que se

enquadram próximo dessa capacidade de refrigeração de 22.000 BTUs (variando de

21.000 a 24.000 BTUs conforme tabela 1), podendo ser do tipo Ar de Janela, Ar Split

Cassete e Ar Split Hi-Wall (nomenclaturas adotadas pelo INMETRO).

Portanto, a tabela 1 mostra a seleção de alguns modelos escolhidos bem como

suas informações técnicas. Todos os dados mostrados são retirados do selo do PROCEL

(Programa Nacional de Conservação de Energia Elétrica) da ENCE (Etiqueta Nacional de

Conservação de Energia) feita pelo INMETRO com critérios de 2015. De acordo com o

site, a classificação dos equipamentos feita pelo instituto obedece os índices de eficiência

em vigor na portaria INMETRO / MDIC número 410 de 16 de Agosto de 2013.

Tabela 1. Informações técnicas de 12 modelos de ar-condicionado

Segundo o mesmo site, o consumo de energia mostrado na tabela é com

base nos resultados do ciclo normalizado pelo INMETRO, de 1 hora por dia por mês.

Marca Modelo Tipo Capacidade de Refrigeração [BTU/h]

Faixa de classificação

Consumo de energia [KWh/mês]

Elgin ERF21000-2 Ar de Janela 21000 D 52,7

Elgin ERF30000-2 Ar de Janela 21000 C 52,0

Green GJ21-22LM/C Ar de Janela 21000 A 45,8

Hexium NOV24J Ar de Janela 24000 A 53,2

Springer ZQB2015RB Ar de Janela 21000 B 47,5

Fujitsu AUBA24LBL Split Cassete 23000 C 47,0

LG ATNQ21GPLE3 Split Cassete 21000 A 39,9

Hitachi RCI24A3P Split Cassete 24000 D 55,4

Springer Carrier 42LUCC22C5 Split Hi-Wall 22000 B 44,7

Consul CBW22A Split Hi-Wall 22000 A 41,8

Eletrolux PI24F Split Hi-Wall 24000 D 52,6

Samsung R24JCSUAWQXAZ Split Hi-Wall 24000 B 48,7

18

CAPÍTULO 3 O SOFTWARE GRIDLAB-D

Como toda ferramenta de simulação, o GridLAB-D apresenta vantagens e

desvantagens em seu funcionamento. Os sub-tópicos a seguir irão descrever as

características, funcionalidade, e aplicações deste simulador bem como o motivo de sua

escolha neste trabalho.

3.1 As ferramentas de simulação e a escolha do GridLAB-D

A referência de Pöchacker et al. (2013) realiza uma completa comparação de

ferramentas entre os simuladores de rede inteligente disponíveis para usuários. Dez

programas/softwares gratuitos foram escolhidos e suas funções são mostradas na tabela

2.

Tabela 2. Funcionalidades de 10 simuladores de sistemas de energia

*pacote opcional disponível

Fonte: (PÖCHACKER et al., 2013)

As principais características são listadas na tabela e são atribuídas a diferentes

áreas de acordo com seu fluxo de rede. As áreas e as funções são explicadas na tabela 3.

19

Tabela 3 Lista de abreviações das funções dos simuladores de sistemas de

energia.

Fonte: (PÖCHACKER et al., 2013)

Dentre os dez simuladores, GridLAB-D foi escolhido por analisar em detalhes a

interação de cada parte do sistema de distribuição com todos os outros. GridLAB-D não

requer o uso de modelos de ordem reduzida para o comportamento agregado do

consumidor ou sistema elétrico. O software possui também a característica única de

possibilitar a importação de dados climáticos que possibilitam uma análise mais completa

em determinadas regiões além de detalhar simulações time-series que incluem sistemas

de crescimento, capacidades de expansão, e múltiplas escalas de tempo.

3.2 Sobre o software GridLAB-D

GridLAB-D é um ferramenta de análise e simulação de sistemas de distribuição

que fornece informações aqueles que projetam e operam sistemas de distribuição, e

20

aqueles que buscam otimizar as tecnologias de energia mais recentes (CHASSIN, 2007).

O software foi desenvolvido pelo Laboratório Nacional Pacific Northwest para o escritório

do Departamento de Segurança Energética e Elétrica dos Estados Unidos (DOE/OE U.S.

Department of Energy Office of Eletricity and Energy Reliability) como parte do programa

GridWiseTM (Ton, 2012). GridLAB-D é um ambiente de simulação flexível que pode ser

integrado com uma variedade de ferramentas de terceiros para analise e gerenciamento de

dados.

A figura 3 ilustra a aplicação do uso do software e a combinação dos múltiplos

domínios em um único ambiente de simulação.

Figura 3. Combinação de domínios que a ferramenta GridLAB-D abrange.

3.3 Aplicações do GridLAB-D

GridLAB-D aborda preocupações comuns expressas por engenheiros de serviços

públicos, reguladores, partes interessadas e consumidores. GridLAB-D incorpora

avançadas técnicas de modelagem, com algoritmos de alto desempenho para modelo de

equipamento de utilização final e comportamento do consumidor, aliada com modelos de

automação de distribuição e ferramentas de integração de software para usuários que

necessitam de análise de sistemas de potência (CHASSIN, 2009). Os recursos

programados para o software, dentre outros, incluem:

21

• Soluções de estado de séries temporais quase constante;

• Modelos de uso final, incluindo modelos de aparelhos e equipamentos, modelos de

consumo e todos os métodos de simulações implementadas com agentbase;

• Modelos de recursos de energia distribuídas, incluindo tecnologia da limitação de

carga baseada em equipamentos, e modelos de geradores e armazenamento

distribuído;

• Ferramentas de simulação de mercado de varejo, incluindo seleção de ferramentas

de contrato, de negócios e de simulação de operações, modelos de controles SCADA

e de medição tecnologias;

• Links externos para MatlabTM, MySQLTM, MicrosoftTM ExcelTM e AccessTM,

GoogleEarthTM, GNUPlot e outras ferramentas baseadas em texto;

• Capacidade de executar em vários núcleos e máquinas com múltiplos

processadores de forma eficiente.

Tais recursos são usados em diversas áreas. GridLAB-D é usado, principalmente,

para executar quatro importantes tarefas:

a) Automação da Distribuição / Design Avaliação: GridLAB-D oferece recursos

que dão suporte ao projeto e análise da distribuição de tecnologias de automação,

incluindo otimização de volt-var, coordenação de dispositivos e automação, alimentador de

reconfiguração, confiabilidade e identificação de detecção de falhas e restauração.

GridLAB-D fornece benefícios técnicos destas tecnologias a seus usuários para melhor

orientar a seleção das melhores práticas de negócios e investimentos futuros.

b) Gestão de pico de carga: GridLAB-D permite a modelagem do comportamento

do consumidor para melhor compreender e otimizar a interação entre várias estratégias

peak-shaving, incorporando mecanismos avançados, como controles transactive, comando

e controle centralizados e soluções distribuídas. O impacto da satisfação dos

consumidores sobre a disponibilidade de recursos peak-shaving pode ser avaliada e

previsões mais precisas sobre os recursos disponíveis podem ser feitas. GridLAB-D ainda

permite a avaliação dos efeitos de rebote de consumidores que seguem um ou mais

efeitos de redução ou de eventos load-shed em um único dia.

22

c) Geração Distribuída e Armazenamento: GridLAB-D permite aos planejadores

e gestores de serviços públicos uma melhor avaliação do custo / benefício trade-off entre

os investimentos de expansão de infra-estruturas e investimentos de recursos distribuídos,

incluindo outros benefícios econômicos do DER (por exemplo, aumento da volatilidade do

atacado de compra, melhores métricas de confiabilidade e oportunidade para vender

produtos de serviços auxiliares em mercados grossistas). GridLAB-D oferece plano de

teste para equilibrar sinais econômicos conflitantes para maximizar o impacto e as receitas.

d) Análise da Taxa de Estrutura: Vários produtos energéticos baseados na oferta

de novas estruturas de ritmo para os consumidores são muito atraentes para utilitários uma

vez que criam oportunidade para revelar elasticidade da demanda e dar utilidade à

capacidade de equilibrar o poder do mercado fornecedor nos mercados grossistas. O

desafio é projetar estruturas que são economicamente benéficos para utilitários e atraente

para os consumidores. GridLAB-D fornece a capacidade para acomodar ofertas de taxa

múltipla (incluindo taxas fixas, taxas de demanda, taxas de tempo de dia, e as tarifas em

tempo real) para determinar a probabilidade de sucesso de um conjunto de ofertas

(PÖCHACKER et al., 2013).

3.4 Como o GridLAB funciona

GridLAB-D incorpora um extenso conjunto de ferramentas para construir e

gerenciar estudos e analisar resultados, incluindo:

• Ferramentas Agent-based e Information-based modeling que permitem aos

usuários criar modelos detalhados de como as novas tecnologias de uso terminal,

DER, automação de distribuição e mercados retalhistas interagem e evoluem com

o tempo.

• Ferramentas para criar e validar estruturas tarifárias, examinar a reação do

consumidor e verificar a interação e dependência de programas com outras

tecnologias e mercados atacadistas.

• Interfaces para ferramentas de sistemas de energia industry-standard e

sistemas de análise.

23

• Instrumentos de coleta de dados para uma vasta variedade de análises

(CHASSIN, 2007).

Na sua forma mais simples, GridLAB-D não exige o uso de modelos de ordem

reduzida (simplificações da ordem do modelo numérico de cálculo) para o comportamento

agregado dos sistemas de consumo ou elétricos, o que evita o perigo de suposições e

hipóteses erradas ou mal aplicadas. GridLAB-D utiliza módulos para definir classes de

objetos. Cada classe deve ser definida em um módulo. Os módulos podem ser estáticos, o

que significa que são implementados em uma biblioteca de vínculo dinâmico (por exemplo,

.dll no Windows, .so no Linux, .dylib em Macs), ou podem ser dinâmico, o que significa que

são compilados e ligados em tempo de execução. Classes definem quais propriedades são

permitidas em objetos, e como os comportamentos são implementados. Objetos são

instâncias de classes, de modo que cada objeto pode ter seus valores próprios para cada

propriedade ao compartilhar comportamentos com outros objetos da mesma classe. Mas

durante as simulações GridLAB-D mantem as propriedades dos objetos sincronizados uns

com os outros como o avanço do tempo (GUTTROMSON, 2003).

24

CAPÍTULO 4 AS REGIÕES ESCOLHIDAS E SUAS CARACTERÍSTICAS CLIMÁTICAS

De acordo com a adoção do professor Galvani (2007), as classificações climáticas

podem ser realizadas de acordo com os índices climáticos e/ou baseando-se na geografia

natural da região. A localização majoritária (92%) do território brasileiro na zona

intertropical e as baixas altitudes do relevo explicam a predominância de climas quentes,

com médias de temperatura superiores a 20º C. Os tipos de clima presentes no Brasil e

adotados por grande parte dos pesquisadores da área são: equatorial, tropical, tropical de

altitude, tropical atlântico, semi-árido e subtropical.

O clima equatorial domina a região amazônica e se caracteriza por temperaturas

médias entre 24º C e 26º C e baixa amplitude térmica anual (diferença entre a máxima e a

mínima registrada durante um ano). As chuvas são abundantes (mais de 2.500 mm ao

ano) e regulares, causadas pela ação da massa equatorial continental. No inverno, a

região pode receber frentes frias originárias da massa polar atlântica. Elas são as

responsáveis pelo fenômeno da friagem, a queda brusca na temperatura, que pode chegar

a 10º C.

O clima tropical está presente em extensas áreas do planalto central e das regiões

Nordeste e Sudeste. Nelas, o verão é caracterizado pelas altas temperaturas e alta

humidade e o inverno o contrário, clima frio e seco. As temperaturas médias excedem os

20º C, com amplitude térmica anual de até 7º C. As chuvas variam de 1.000 a 1.500

mm/ano.

O tropical de altitude predomina nas partes altas do Planalto Atlântico do Sudeste,

estendendo-se pelo norte do Paraná e sul do Mato Grosso do Sul. Apresenta temperaturas

médias entre 18º C e 22º C e amplitude térmica anual entre 7º C e 9º C. O índice de chuva

é igual ao do clima tropical. Chuvas de verão são mais intensas devido à ação da massa

tropical atlântica. No inverno, as frentes frias originárias da massa polar atlântica podem

provocar geadas.

O clima tropical atlântico engloba a faixa litorânea que vai do norte do país, Rio

Grande do Norte, ao sul do país, Paraná. As temperaturas variam entre 18º C e 26º C, com

amplitudes térmicas crescentes conforme se avança para o sul. Chove cerca de 1.500 mm

ao ano. No litoral do Nordeste, as chuvas intensificam-se no outono e no inverno. Mais ao

sul, são mais fortes no verão.

25

O clima semi-árido predomina nas depressões centrais do país entre planaltos do

sertão nordestino e no trecho baiano do vale do Rio São Francisco . Suas características

são temperaturas médias elevadas, em torno de 27º C, e amplitude térmica em torno de 5º

C. As chuvas, além de irregulares são escassas e não excedem os 800 mm ao ano, o que

leva às “secas do Nordeste”, os longos períodos de estiagem.

O clima subtropical predomina ao sul do Trópico de Capricórnio, compreendendo

parte de São Paulo, Paraná e Mato Grosso do Sul e os Estados de Santa Catarina e Rio

Grande do Sul. Caracteriza-se por temperaturas médias inferiores a 18º C, com amplitude

térmica entre 9º C e 13º C. Nas áreas mais elevadas, o verão é suave e o inverno frio, com

nevascas ocasionais. Chove entre 1.500 mm e 2.000 mm ao ano, de forma bem distribuída

ao longo das estações.

4.1 As regiões escolhidas

A escolha das cidades se deve considerando as 5 macrorregiões brasileiras e seus

climas distintos entre si. Considerou-se apenas cidades metropolitanas, capitais de seus

respectivos estados, uma vez que o uso de aparelhos de ar-condicionado em resultado da

porcentagem de domicílios com esse tipo de aparelho ocorre com maior frequência e

intensidade em centros urbanos de maior capital de giro. As cidades selecionadas

representando cada região foram:

• Região Sul: Porto Alegre, Rio Grande do Sul

• Região Sudeste: São Paulo, São Paulo

• Região Centro-Oeste: Cuiabá, Mato Grosso

• Região Nordeste: Natal, Rio Grande do Norte

• Região Norte: Manaus, Amazonas

A descrição de cada cidade e suas informações gerais são descritas nos sub-

tópicos a seguir e foram retiradas do site do IBGE (acessado em Março de 2016).

26

4.1.1 Porto Alegre – Rio Grande do Sul

Porto Alegre é o município brasileiro e a capital do estado mais meridional do

Brasil, o Rio Grande do Sul. Possui uma área de 496,6 km2 e uma população de 1 467 823

habitantes segundo o senso do IBGE de 2013. É uma cidade de alta densidade

populacional, 3 000 habitantes por m2, alto PIB per capita, quase 40 mil reais, e alto IDH,

0,804. Porto Alegre é uma das cidades mais arborizadas e alfabetizadas do país, é um

polo regional de atração de migrantes em busca de melhores condições de vida, trabalho e

estudo e tem uma infraestrutura em vários aspectos superior à de demais capitais do

Brasil.

Geograficamente, Porto Alegre é a capital do estado mais meridional do Brasil,

situando-se em torno do paralelo 30º, entre 29º10'30'' sul e 30º10'00'' sul, e do

meridiano 50º, entre 51º05'00'' oeste e 51º16'15'' oeste. A área real do município é

controversa, e varia conforme a fonte de dados. A própria Prefeitura oferece informações

conflitantes, 476,3 km² ou 497 km², o Itamaraty indica 489 km² e Nalin dá o número de

496,1 km². O IBGE refere uma área de 497 km².

Praticamente a nível do mar, clima desta capital é classificado como subtropical

úmido segundo a classificação de Köppen-Geiger (Tom, 2000), tendo como característica

marcante a grande variabilidade. A presença da grande massa de água do lago Guaíba

contribui para elevar as taxas de umidade atmosférica e modificar as condições climáticas

locais. As precipitações acontecem principalmente sob a forma de chuva, que são bem

distribuídas ao longo do ano e a ocorrência de neve é muito rara, mas as geadas ocorrem

algumas vezes durante o ano

4.1.2 São Paulo – São Paulo

São Paulo é o município brasileiro de 1.523 m2, capital do estado de São Paulo e

principal centro financeiro, corporativo e mercantil da América Latina. É a cidade mais

populosa do Brasil com 11 967 825 habitantes (IBGE, 2015) e possui o maior PIB do país

com pouco mais de 570 trilhões de reais no ano de 2013. Possui IDH alto de 0,805 e

densidade populacional altíssima de quase 8 mil habitantes por m2.

São Paulo é a capital do estado mais populoso do Brasil, São Paulo, situando-se

próximo ao paralelo 23º32'52'' sul e do meridiano 46º38'09'' oeste. De toda a área do

27

município, 968,3248 km² são de áreas urbanas (2000), sendo a maior área urbana do país.

A cidade está numa altitude de cerca de 760 metros acima do nível do mar.

O clima de São Paulo é considerado subtropical úmido (classificação climática de

Köppen-Geiger), com diminuição de chuvas no inverno e temperatura média anual em

torno dos 20 °C, tendo invernos brandos e verões com temperaturas moderadamente

altas, aumentadas pelo efeito da poluição e da altíssima concentração de edifícios. A

precipitação é concentrada principalmente no verão, sendo janeiro o período de maiores

índices de chuva. O tempo de insolação é de cerca de 2 000 horas/ano, e a umidade do

ar é relativamente elevada, com médias mensais entre 75% e 80. Geadas ocorrem

esporadicamente em regiões mais afastadas do centro, e em invernos rigorosos, em boa

parte do município.

4.1.3 Cuiabá – Mato Grosso

Cuiabá é o município brasileiro capital do estado de Mato Grosso com 3.538 km2.

Desde o século XX a cidade apresentou altos índices de crescimento populacional, acima

da média nacional, porém após as décadas de 1970 e 1980 quando atingiu seu auge, a

capital vem apresentando queda do crescimento e hoje possui uma população de 575 428

habitantes e densidade populacional de apenas 164 habitantes por m2. Seu IDH é

considerado relativamente alto, 0,785 porém a renda per capita da população é pouco

mais de 30 mil reais. Hoje, além das funções político-administrativas, é o principal polo

industrial, comercial e de serviços do estado e é conhecida como "cidade verde", por causa

da grande arborização.

Cuiabá é um entroncamento rodoviário-aéreo-fluvial e o centro

geodésico da América do Sul, nas coordenadas -15°35'56",80 (latitude ao sul) e -

56°06'05",55 (longitude a oeste). Predominam relevos de baixa amplitude com altitudes

que variam de 146 e 250 metros na área da própria cidade

Com relação ao clima, sua característica é tropical. As chuvas se concentram de

outubro a abril, enquanto que no resto do ano, entre maio e setembro, as massas de

ar seco sobre o centro do Brasil inibem as formações chuvosas. Quando as frentes frias se

dissipam, o calor, associado à fumaça produzida pelas constantes queimadas nessa

época, faz com que a umidade relativa do ar caia a níveis impressionantes. A precipitação

28

média gira em torno de 1 300 milímetros anuais, com intensidade máxima em janeiro,

fevereiro e março.

4.1.4 Natal – Rio Grande do Norte

Natal é um município brasileiro, capital do estado do Rio Grande do Norte, Região

Nordeste do país. Com uma área de aproximadamente 167 km², é a segunda capital

brasileira com a menor área territorial (maior apenas que Vitória, capital do Espírito Santo),

somado a sua população de 869 954 habitantes, resulta na sexta maior capital do

país em densidade populacional, 5 200 habitantes por m2. Seu IDH de 0,763 é considerado

relativamente alto para padrões nacionais e sua renda per capita de 23 mil reais ao ano é

menos que a média nacional.

Geograficamente, Natal está localizado a uma altitude média de trinta metros

acima do nível do mar a uma latitude de 05º 47' 42" ao sul e uma longitude de 35º 12' 34" a

oeste.

O clima de Natal é o tropical chuvoso quente com verão seco com temperatura

média anual de 27 °C, podendo chegar a 30 °C no verão. No inverno essa média cai para

24 °C. Devido à sua localização no litoral, o efeito da maritimidade é bastante perceptível,

ocasionando em amplitudes térmicas relativamente baixas. As precipitações acontecem

sob a forma de chuva, que podem vir acompanhadas de raios e trovoadas e ainda serem

de forte intensidade. O índice pluviométrico está concentrado entre os meses de março e

julho. A umidade do ar é relativamente alta durante o ano todo e em algumas ocasiões

pode ser registrada a formação de nevoeiro. Chegadas de frentes frias, ainda mais raras,

também podem acontecer. A velocidade média do vento em Natal é considerada alta,

chegando a quase 4 metros por segundo na média. .

4.1.5 Manaus – Amazonas

Manaus é um município brasileiro, capital do estado do Amazonas e o principal

centro financeiro, corporativo e econômico da Região Norte do Brasil. É uma

cidade histórica e portuária, localizada no centro da maior floresta tropical do mundo.

Possui uma vasto território de 11 401 m2 e uma população de 2 057 711 habitantes

resultando na baixa densidade demográfica de apenas 180 habitantes por m2. Seu IDH de

29

0,737 é abaixo da média nacional e a mais baixa das regiões escolhidas. Seu PIB de 64

trilhões de reais é o sexto maior do país, muito em função de políticas de isenção fiscal

aplicadas na região. Manaus é uma das cidades brasileiras mais conhecidas

mundialmente, principalmente pelo seu potencial turístico e pelo ecoturismo, o que faz dela

o décimo maior destino de turistas no Brasil.

Em sua geografia, o relevo é caracterizado por planícies, baixos planaltos e terras

firmes, com uma altitude média inferior a 100 metros. Sua latitude é de 03º 06' 07" ao sul e

sua longitude é de 60º 01' 30" a oeste.

O clima de Manaus é considerado tropical úmido de monções (segundo KÖPPEN),

com temperatura média compensada anual de aproximadamente 27 °C e umidade do

ar relativamente elevada durante o ano, com médias mensais entre 70% e 86%. O índice

pluviométrico é elevado sendo março o mês de maior precipitação e agosto o de menor.

Devido à proximidade da Linha do equador, o calor é constante do clima local. São

inexistentes os dias de frio no inverno, e raramente massas de ar polar muito intensas no

centro-sul do país e sudoeste amazônico têm algum efeito sobre a cidade. A proximidade

com a floresta normalmente evita extremos de calor e torna a cidade úmida.

4.2 Dados climáticos gerais das regiões: Comparação

Todas as informações climáticas usadas na simulação e no projeto foram obtidas

de bancos de dados do Departamento de Energia Americano (U.S. Department of Energy)

e do site do Instituto de Meteorologia (INMET). As cinco regiões analisadas tiveram seus

climas monitorados em diferentes anos, porem toda a coleta foi feita após o ano de 1980.

Para uma região, a coleta não ocorreu necessariamente num mesmo ano. Pelo fato dos

bancos de dados de tal instituto e departamento serem escassos, uma mesma região pode

ter períodos de monitoramento de diferentes anos, porém não coincidindo o mesmo dia do

ano. A adoção de uma única fonte de dados tanto para a simulação quanto para a análise

geral das características de cada região e sua comparação tem o objetivo de minimizar e

padronizar o método de coleta de dados e por consequência legitimar ou prover maior

confiabilidade nas relações que serão estabelecidas e apontadas.

30

4.2.1 Temperatura média

A temperatura média anual de cada região é mostrada na tabela 4.

Tabela 4. Temperatura média anual das 5 regiões analisadas

Nota-se que as cidades das regiões sul e sudeste do país possuem as menores

temperaturas médias anuais, sendo entre 6°C e 7°C inferiores quando comparadas com as

outras três cidades pertencentes as demais macro regiões do Brasil. Tais diferenças são

principalmente reflexos da posição geográfica de cada cidade em termos de latitude,

altitude, dentre outros fatores. Cuiabá, Natal e Manaus possuem temperaturas médias

anuais próximas.

A divisão por meses das médias de cada uma das cidades e sua amplitude térmica

ao longo do ano é mostrado no gráfico 1.

Gráfico 1. Temperatura média mensal ao longo do ano

Porto Alegre 20,1

São Paulo 20,8

Cuiabá 27,6

Natal 27,0

Manaus 27,7

Temperatura Média Anual [°C]

10

15

20

25

30

35

1 2 3 4 5 6 7 8 9 10 11 12

Tempe

raturam

édia[°C]

Mês

PortoAlegre

SãoPaulo

Cuiabá

Natal

Manaus

31

Em termos de temperatura média, as regiões mais distantes da linha do Equador

(São Paulo e Porto Alegre) possuem estações mais bem definidas, com inverno mais frio e

verão mais quente. A cidade de Manaus possui baixíssima amplitude térmica ao longo do

ano (inferior a 2°C) enquanto que em Porto Alegre essa diferença é superior a 10°C.

4.2.2 Humidade Relativa média

Outra importante informação meteorológica diz respeito a humidade relativa de

cada cidade. Regiões de planalto tendem a ter um clima mais seco enquanto que regiões

de vegetação densa e regiões costeiras possuem humidade relativa superior. Isso é

observado nos dados da tabela 5.

Tabela 5. Humidade Relativa média anual das 5 regiões analisadas

São Paulo possui um clima relativamente seco muito em função de ser uma região

metropolitana de baixa humidade no mês de Julho. Em certos meses do ano, Cuiabá

possui uma humidade média abaixo do 70%, chegando a ser inferior a 60% (gráfico 2).

Manaus e Natal possuem médias superiores a 70% em todo o ano, chegando a índices

próximos de 85% em certos meses do ano. Praticamente todas as cidades possuem

valores flutuantes ao longo do ano, muito em função de não ser uma relação única e

exclusiva da precipitação (item 4.2.3).

Porto Alegre 74

São Paulo 72

Cuiabá 71

Natal 80

Manaus 80

Humidade Relativa Média Anual [%]

32

Gráfico 2. Humidade Relativa mensal ao longo do ano

4.2.3 Precipitação média anual

As precipitações médias anuais das regiões analisadas são bem próximas entre si

com exceção da cidade de Manaus. Enquanto que nas quatro demais cidades a média se

encontra entre 1300 e 1400 mm, na cidade manauara, o índice é quase duas vezes maior,

2309 mm.

Tabela 6. Precipitação média anual das 5 regiões analisadas

É interessante notar que apesar de Natal possuir uma humidade relativa média

maior que São Paulo, Cuiabá e Porto Alegre, a precipitação média anual só não é inferior

que da capital paulista.

50

60

70

80

90

100

1 2 3 4 5 6 7 8 9 10 11 12

Humidad

erela+v

a[%

]

Mês

PortoAlegre

SãoPaulo

Cuiabá

Natal

Manaus

Porto Alegre 1402

São Paulo 1316

Cuiabá 1398

Natal 1370

Manaus 2309

Precipitação Médial Anual [mm]

33

A distribuição da chuva é particular e característica de cada região. Enquanto que

em cidades do Sudeste e Centro-Oeste do país a precipitação está concentrada no verão,

na cidade do Nordeste as chuvas estão concentradas entre os meses de Março e Julho.

Porto Alegre é a única cidade analisada que possui índice de precipitação homogêneo ao

longo de ano com variação menor que 50 mm.

Gráfico 3. Distribuição da Precipitação média mensal ao longo do ano

4.2.4 Velocidade do vento médio

Outra importante informação das cidades e que é usada como dado de

entrada da simulação é a velocidade média do vento.

Tabela 7. Média anual da Velocidade do Vento nas 5 regiões analisadas

0

50

100

150

200

250

300

350

Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Precipita

ção[m

m] PortoAlegre

SãoPaulo

Cuiabá

Natal

Manaus

Porto Alegre 1,5

São Paulo 2,1

Cuiabá 1,9

Natal 3,7

Manaus 2,7

Velocidade do Vento Médio Anual [m/s]

34

Tal média mostrada na tabela 7 justifica o fato do estado potiguar ser o maior

produtor de energia eólica do país segundo a Agência Nacional de Energia Elétrica

(ANEEL). Com média anual de 3,7 m/s a capital recebe ventos regulares durante todo o

ano. Porto Alegre e Cuiabá possuem as menores médias entre as cidades analisadas uma

vez que as diferenças de pressões não são consideráveis nessas regiões para elevar tal

média. A média da capital amazonense de 2,7 m/s é um valor expressivo e considerável

para análises futuras.

4.2.5 Irradiação solar mensal

A irradiação solar é a quantidade de energia ou radiação solar incidente na terra

por unidade de área. Em outras palavras, quanto maior a incidência solar em uma região,

maior será seu índice. Os dados colhidos foram medidos a partir da radiação incidente

perpendicular (ou normal) a superfície em um céu claro.

Tabela 8. Irradiação Média Anual das 5 regiões analisadas

A cidade de São Paulo possui a maior média anual seguido de Natal. Cuiabá e

Manaus possuem o menores índices, cerca de 7% menor que da capital paulista. Ao longo

dos meses, essa média não possui grandes flutuações, salvo a capital mato-grossense,

que possui um deflexão entre os meses de Agosto e Outubro (gráfico 4).

Porto Alegre 893

São Paulo 920

Cuiabá 861

Natal 905

Manaus 864

Irradiação Solar Média Anual [Wh/m²]

35

Gráfico 4. Irradiação solar média ao longo dos meses

600

650

700

750

800

850

900

950

1000

1 2 3 4 5 6 7 8 9 10 11 12

Irrad

iaçãoSolarM

ensal[Wh/m²]

Mês

PortoAlegre

SãoPaulo

Cuiabá

Natal

Manaus

36

CAPÍTULO 5 MODELAMENTO EM GRIDLAB-D

5.1. Descrição das funções

Toda a simulação se dará a partir do modelamento de uma casa padrão, pré-

definida pelo software, com parâmetros a serem definidos. Neste objeto ‘casa’, sistemas de

HVAC (Heating, Ventilating and Air Conditionating, do inglês, aquecimento, ventilação e ar-

condicionado respectivamente) já são pré-definidos. A modelagem portanto se baseia

principalmente na definição dos parâmetros alteráveis, convocação das funções desejáveis

e confecção dos arquivos de entrada.

5.1.1 Objeto ‘Casa’

O objeto ‘casa’ é a principal classe de objeto definido pelo módulo residencial já

existente no programa GridLAB-D. Em sua modelagem, ele é uma unidade implementada

para uma família única padrão. A principal propriedade da casa que determina seu

comportamento é a área útil da residência (floor_area). A maioria das outras propriedades

são derivadas dessa área porém são parâmetros relevantes à simulação e devem ser

definidos. Outras propriedades importantes são a integridade dos vidros/janelas e

propriedades térmicas que caracterizam a casa. O objeto casa inclui uma função de

utilização (nomeado de painel) que coleta as informações de consumo de energia da casa

e/ou demais dispositivos elétricos nela definidos.

5.1.2 Sistema HVAC – Ar-condicionado

Os tipos de equipamentos que formam um sistema de ar-condicionado,

aquecimento e ventilação residencial (HVAC) são definidos por parâmetros de entrada:

Heat_system_type, Cool_system_type, e Fan_type. O sistema HVAC, possui os

seguintes parâmetros primários de entrada.

37

Tabela 9. Insumos primários do Sistema HVAC

(Fonte:GridLAB-D sourceforge http://gridlab-d.sourceforge.net/wiki/index.php/Residential_module_user's_guide - Air_Conditioning_.28Cooling.29 )

O objeto ‘casa’ suporta um sistema de arrefecimento elétrico que pode representar

tanto um ar-condicionado central ou uma unidade de janela / parede com ciclos de

funcionamento a fim manter a temperatura do ar abaixo do ponto de ajuste do termostato.

Esta é definida como uma Cool_system_type eléctrico.

5.1.3 Arquivo de dados climáticos

A escolha do GridLAB-D foi feita principalmente pelo fato do software receber

dados climáticos em sua simulação. Informações como temperatura do ar, velocidade do

vento, incidência solar, humidade e pressão são levados em consideração. Tais

informações são retirados do site do Departamento de Energia Americano (U.S.

Department of Energy) e do site climate.onebulding.org que são responsáveis por esta

Parâmetro (símbolo ; seleções)

Tipo do sistema de calor (gás, bomba de calor, resistência, nenhum) Bomba de calor -

Tipo de sistema frio (elétrico, nenhum) Nenhum -

Resfriamento COP, condições padrões 3,5 -

Aquecimento COP, condições padrões 3,5 -

Resfriamento latente sensível 35% -

Setpoint do termostato, calor (Tset_heat ; valor ou schedule) 70 °F

Setpoint do termostato, frio (Tset_cool ; valor ou schedule) 75 °F

Faixa limite do termostato (dTdeadband) 2,0 °F

Tempo de ciclo mínimo do termostato (tmin) 2,0 min

Aquecimento auxiliar (elétrico, nenhum) Elétrico -

Faixa limite do aquecimento auxiliar (dTaux ; valor , nenhum) 2 °F

Temperatura de bloqueio do ar livre do sistema auxiliar (Taux ; valor , nenhum) Nenhum °F

Tempo de atraso do sistema de aquecimento auxiliar (taux) Nenhum min

Tipo de ventilador (1-speed , 2-speed , nenhum) 1-speed -

Potência do ventilador a baixa velocidade, fração da máxima % -

Curva COP de aquecimento (padrão, liso, linear, encurvado) Padrão -

Curva COP de resfriamento (padrão, liso, linear, encurvado) Padrão -

Curva da capacidade de aquecimento (padrão, liso, linear, encurvado) Padrão -

Curva da capacidade de resfriamento (padrão, liso, linear, encurvado) Padrão -

Uso do calor latente (sim , não) Sim -

Ganho de calor do ventilador (sim , não) Sim -

Valor padrão

38

coleta. Este último site possui como fonte de dados o Instituto de Meteorologia (INMET) e

TRY.

O arquivo com os dados climáticos de entrada primeiramente possui informações

geográficas da região: Latitude mínima e máxima, longitude mínima e máxima e fuso

horário.

#sample weather CSV file, $state_name=nome_estado, $city_name=nome_cidade, $lat_deg=X, $lat_min=Y, $long_deg=Z, $long_min=W, $timezone_offset=-3,

Em seguida, 8 dados são inseridos:

• Data (date): No formato mês : dia : hora : minuto : segundo.

• Temperatura (temperature): Temperatura de bulbo seco em graus

Fahrenheit (°F).

• Velocidade do vento (wind_Speed) : Em milhas por hora.

• Direção solar (solar_direct): Direção do raio solar com relação a incidência

perpendicular a superfície terrestre.

• Difusão Solar (solar_diffuse): Radiação solar que atinge a superfície da

Terra, depois de ter sido espalhada pelas moléculas do feixe solar direct na

atmosfera. Medido em watts por polegada ao quadrado (W / in2).

• Incidência Solar (global_solar): Incidência solar em W / m2.

• Humidade (Humidity): Humidade do ar (em porcentagem).

• Pressão (Pressure): Pressão atmosférica do ar em hectopascal (hPA)

O ano inteiro é analisado e portanto 8760 linhas de informações e dados são

necessários, representando as 24 horas dos 365 dias do ano. Cada linha de informação

deve seguir o seguinte padrão para que possa ser compilado pelo executável:

date,temperature,wind_speed,solar_direct,solar_diffuse,global_solar,humidity,pressure

39

Os arquivos climáticos, no formato .epw, devem ser transformados para a

extensão .csv (ou .tmy) para que o GridLAB-D possa reconhecer. Em adição, sua função

de chamada deve estar presente no código do programa.

5.2 Modelamento – Código

A modelagem do problema inicia-se com a inserção do módulo de salvamento dos

dados de saída ao longo de um tempo (atrelado ao intervalo de medição) que deve ser

pré-estabelecido no código, e do módulo residencial e todas as funções que ela carrega

(item 5.1.1). Como a análise objetiva estudar apenas o consumo do aparelho de ar-

condicionado, todos os demais equipamentos domésticos são desativados do código. Vale

ressaltar que o sistema HVAC é pré-inserido no objeto casa e portanto a desativação de

todos os eletrodomésticos da residência não inclui o desligamento do mesmo.

O modulo climático, função determinante para a escolha do GRIDLab-D, deve

estar presente no código. Nesta função devem ser definidos o tipo de arquivo e o nome do

arquivo que contém os dados climáticos que serão usados na simulação. No caso, a

extensão .csv será usada e portanto a função de leitura da extensão deve estar presente.

O tipo de interpolação de dados será quadrática para maior precisão de informações.

40

É importante observar que nessas linhas de programação que ocorre a alteração

quando se simula diferentes cidades brasileiras, ou seja, essa é a única parte alterável do

código além do intervalo de medição. O arquivo com os dados climáticos (filename) deve

ser chamado, e consequentemente as informações da cidade. O objeto novamente deve

chamar este arquivo climático (tmyfile) para que haja a leitura dos dados (em formato .csv).

A organização dos dados de saída é definido pela função ou objeto de gravação

(multi_recorder). Todos os valores interessantes à analise devem estar contidos como

propriedade e organizados conforme se deseja no arquivo de saída. É importante definir o

nome do arquivo de saída, que será criado na mesma pasta do arquivo executável, e

também o intervalo de medição. Não há limite de tamanho do arquivo salvo.

O intervalo de medição é limitado pela capacidade de processamento da máquina

ou computador. Por ser um método iterativo e contínuo, intervalos pequenos resultam em

mais iterações, mais informações compiladas, mais dados de saída e portanto, mais

processamento. Para a simulação de dados no período de 1 ano, definiu-se um intervalo

de 43200 que resulta em informações de saída a cada 12 horas, ou seja, ao todo, 724

linhas de informações no arquivo de saída. Para a simulação de um mês (no caso, o mês

de Dezembro) definiu-se um intervalo de 3600, executando-se o código iterativo a cada

hora do dia.

Por fim, a principal modelagem consiste no objeto casa uma vez que todo o

consumo de energia do sistema HVAC se dará a partir dos parâmetros nela definidos. A

tabela 3 mostra os insumos primários do sistema HVAC, ou seja, os valores padrões.

Porém alguns insumos são alterados para que a modelagem possua valores mais

próximos da condição real. Nota-se que algumas unidades não são do sistema

internacional pois o software GridLAB-D possui unidades britânicas como padrão.

41

Define-se uma casa padrão de 100 m2 e medidor trifásico de voltagem nominal de

240V. Nenhum sistema de aquecimento é inserido assim como qualquer sistema auxiliar.

O sistema de resfriamento do tipo elétrico representará o sistema de ar-condicionado da

residência.

42

CAPÍTULO 6 RESULTADOS E DISCUSSÕES

6.1 Gasto energético anual das 5 cidades analisadas

A primeira simulação considerou-se o período de um ano, de 1 de Janeiro a 31 de

Dezembro nas 5 cidades. Nota-se que o ano não é dependente do código e seus inputs na

árvore de programação pois é o arquivo de dados climáticos que determina o período

possível a ser simulado. O código leva em consideração apenas o mês, e dia e a hora..

Primeiramente, adotou-se um intervalo de medição de 43200, resultando-se em dados de

saída de 12 em 12 horas. Novamente, apesar da simulação ocorrer iterativamente a cada

12 horas, o arquivo com as informações climáticas permanece sempre o mesmo, tendo-se

dados informativos coletados a cada hora. O gráfico 5 mostra os resultados finais das 5

simulações, uma para cada cidade analisada. É mostrado o consumo energético

acumulado em um ano em KWh da residência modelada. Ressalta-se que o aparelho de

ar-condicionado permanece funcionando 24 horas ao dia, objetivando-se sempre a

temperatura desejada (e configurada) do ambiente.

Gráfico 5. Gasto energético anual acumulado das 5 cidades analisadas

43

A primeira vista nota-se os consumos massivos da cidade de Manaus seguido de

perto pela cidade de Natal. Num segundo patamar, temos os consumos decrescentes das

cidades de Porto Alegre, Cuiabá e por último, São Paulo.

A capital do norte apresenta um consumo 14% maior que a capital potiguar, 93%

maior que Porto Alegre e 120% maior que São Paulo e Cuiabá, praticamente com o

mesmo gasto. Esse consumo elevado é muito em função de sua elevada temperatura

média durante todo o ano, a maior entre as cidades estudadas, e principalmente de sua

elevada humidade relativa média de 80%. A energia necessária para a refrigeração de

ambientes quentes e úmidos é maior pois o calor de entrada no ciclo, no evaporador

(Figura 1), é maior em resultado das moléculas de água no ar carregarem mais energia,

necessitando-se um gasto maior do compressor. Resumidamente, o fluxo abaixo mostra

essa relação.

Natal, com consumo acumulado de 2945 kWh, é a segunda cidade com maior

gasto de energia elétrica de aparelhos de ar-condicionado. Tal resultado se deve ao fato

da cidade apresentar também um clima quente e úmido, característica de seu clima

tropical atlântico. Apesar de sua precipitação média não ser elevada, por ser uma cidade

costeira, apresenta humidade relativa média igual à de Manaus (80%). Seu consumo geral

não é maior ou próximo da capital amazonense pelo fato de ser uma cidade com índice de

ventos elevado (velocidade média). Essa média maior resulta na melhor troca de calor na

residência por convecção e consequentemente ameniza sua temperatura ambiente.

Porto Alegre possui consumo bem inferior as duas primeiras capitais. Apesar da

sua temperatura média ser a menor entre todas as cidades analisadas, sua humidade

relativa de 74% e seus índice de vento baixo contribuem para um gasto 15% maior que

São Paulo e 12% maior que Cuiabá. Vale ressaltar aqui que a temperatura ideal adotada

na simulação é de 22°C e portanto somente temperaturas superiores a esta resultam no

ligamento do ar condicionado. Tendo essa informação, no gráfico 1 percebemos que a

curva de Porto Alegre está melhor presente acima desse patamar que a curva de

temperatura da capital paulista, ajudando a explicar esse maior consumo.

Humidaderela+vamaior

Maismoléculasdeáguanoar

Maisenergianecessáriapararefrigeração

Maiorgastoenergé+conocompressor

44

Cuiabá é a cidade que apresentou os resultados menos esperados dessa

simulação. Como foi visto no capítulo 4, apesar da capital mato-grossense possuir elevada

temperatura média, seu clima seco, o menor entre as 5 cidades, e sua baixa irradiação

solar resultaram em um consumo inferior a outras três cidades, sendo maior apenas que

da cidade de São Paulo.

Por fim, a capital paulista por sua vez possui o menor consumo entre todas as

cidades estudadas. Com baixa temperatura média anual somado a baixa humidade

relativa, o consumo de energia elétrica anual de aparelhos de ar-condicionado é o menor

entre as cinco cidades analisadas.

O comportamento mês a mês dessas cinco capitais é simulado e seus resultados

são mostrados no gráfico 6. As curvas mostram o crescimento do consumo acumulado no

decorrer do ano, tendo como resultados finais os valores mostrados no gráfico anterior.

Nota-se ligeiros degraus (ou rugosidade) nas curvas de cada cidade resultado do intervalo

iterativo mais grosseiro da simulação, de 43200.

Gráfico 6. Comportamento mês a mês do consumo energético acumulado das 5

cidades analisadas

O comportamento mês a mês de cada uma das cidades está relacionado com as

informações climáticas das mesmas. Períodos mais quentes e de maior insolação resultam

45

em crescimentos no consumo mais acentuados como é visto em algumas dessas curvas.

Da mesma forma que períodos de menor temperatura e humidade relativa resultam em

trechos de curvas de menor coeficiente angular.

Na curva laranja, referente à cidade de Manaus, percebemos que entre os meses

de Janeiro e Julho e Novembro e Dezembro o consumo é relativamente constante e

acentuado, porém entre os meses de Agosto e Outubro ocorre uma queda do gasto

resultado da menor humidade relativa que a cidade possui neste período. Da mesma

forma, Natal possui um consumo elétrico alto entre os meses de Abril e Setembro

novamente em função da maior humidade relativa neste período. São Paulo apresenta um

consumo homogêneo durante todo o ano como é percebido no coeficiente angular

constante de sua curva (vermelho). Cuiabá apresenta um maior consumo no começo do

ano, entre os meses de Janeiro e Julho, reflexo da sua maior humidade relativa e da maior

insolação solar deste. Finalmente Porto Alegre possui maior gasto energético entre os

meses de Maio e Agosto, resultado das menores médias de temperatura do inverno.

A tabela 10 mostra em valores numéricos todas essas observações feitas a partir

do gráfico anterior e sua correlação com as informações climáticas, sem o consumo

acumulado, considerando apenas o consumo de cada mês.

Tabela 10. Consumo energético mês a mês (em kWh)

Mês/Cidade Porto Alegre São Paulo Cuiabá Natal Manaus

Janeiro 136 147 115 173 312

Fevereiro 105 132 131 167 329

Março 107 133 229 238 265

Abril 95 127 182 341 384

Maio 167 99 183 365 351

Junho 205 182 205 394 335

Julho 231 51 116 350 255

Agosto 205 142 48 358 180

Setembro 173 122 40 274 114

Outubro 95 139 52 103 194

Novembro 136 99 70 95 304

Dezembro 77 128 170 87 335

46

6.2 Estudo do período vigente do horário de verão

O horário de verão é limitado pelo período que engloba tanto a estação do verão

quanto parte da primavera. A partir de 1985 ele se tornou um período que existe

anualmente no Brasil e sua data de início e término variaram conforme os anos, porém, a

partir do ano de 2006 percebe-se um padrão de início na terceira semana de Outubro e

término na terceira semana de Fevereiro. Neste trabalho considera-se o horário de verão

como o período entre 20 de Outubro e 20 de Fevereiro.

A tabela 11 mostra o consumo total dado pelas simulações no período considerado

do horário de verão nas cinco capitais escolhidas. Tais informações foram retiradas das

simulações realizadas no item anterior (6.1. Gasto energético anual das 5 cidades

analisadas).

Tabela 11. Gasto enérgico total do período do horário de verão das 5 cidades

analisadas

Bem como já foi verificado no gráfico 5, Manaus (que não adota a prática no

horário de verão) possui um consumo muito superior as demais cidades mesmo no período

compreendido de 20 de Outubro a 20 de Fevereiro, sendo mais de 100% superior a todas

elas. Desconsiderando-se a capital amazonense, as demais 4 cidades possuem consumos

próximos, com variação de 100 kWh entre São Paulo, a segunda com maior consumo e

Porto Alegre, a de menor gasto no período. Tal informação mostra que nessas 4 cidades o

consumo de aparelhos de ar-condicionado possuem igual importância na residência, em

especial durante o horário de verão. É importante ressaltar que dentre essas 4 cidades, 3

delas adotam tal mudança (Porto Alegre, São Paulo e Cuiabá).

Porto Alegre 409,9

São Paulo 510,0

Cuiabá 463,7

Natal 487,5

Manaus 1264,4

Consumo Energético durante o período do horário de verão [kWh]

47

Em adendo a esses dados, de acordo com um estudo legislativo feito pelo senado

brasileiro (Montalvão, 2005) as regiões sul e sudeste apresentam os maiores índices de

consumo de energia elétrica no país, sendo os estados de maior destaque São Paulo (por

conta de sua concentração industrial e urbana), Minas Gerais e o Rio Grande do Sul.

Todos adotam o horário de verão e apresentam economias significativas do consumo

elétrico durante tal período, em especial o estado do Rio Grande do Sul que obteve,

proporcionalmente, uma queda do gasto de energia elétrica superior aos outros estados.

Estes dados são oficiais e consideram o consumo geral, de todos os aparelhos elétricos

de todos os tipos de estabelecimentos, tanto domiciliar quanto comercial e industrial.

6.3 Análise do mês de Dezembro

A escolha do mês de Dezembro para um estudo mais rigoroso e minudencioso é

devido ao fato de ser o mês com média de dias mais longos, ou seja, a média do período

compreendido entre o nascer do sol e o pôr do sol é maior que nos outros meses. Em

adição, no mês de Dezembro que ocorre o solstício de verão no hemisfério sul, instante no

qual determinado hemisfério da Terra está inclinado cerca de 23,5° na direção do Sol,

fazendo que receba mais raios solares e como consequência, ocorre o dia mais longo do

ano. Este evento pode ocorrer no dia 21 ou 22 de Dezembro.

A análise de dias mais longos é interessante pois está relacionado ao horário de

verão, quando ocorre o adiantamento da hora de forma a postergar o pôr do Sol. Pretende-

se portanto, ter resultados mais concisos do impacto no gasto energético como

consequência de tal adiantamento em dias mais longos. Não foi realizado a simulação do

período completo do horário de verão pois exigiria uma capacidade e tempo de

processamento muito longo considerando-se os compiladores disponíveis e utilizados.

Nas simulações deste mês foi adotado um intervalo de medição de 60, obtendo-se

resultados de minuto em minuto, ou seja, 44640 linhas de informações. Vale ressaltar que

os dados climáticos são de hora em hora e portanto valores intermediários são

interpolações de segundo grau (quadráticas) como descrito no item 5.2 (Modelamento –

código).

48

6.3.1 Consumo energético geral do mês de Dezembro

Da mesma forma que foi realizada uma simulação geral do ano inteiro ( gráfico 6

item 6.1), o gráfico 7 mostra o consumo acumulado dia após dia do mês de Dezembro nas

cinco cidades escolhidas.

Gráfico 7. Consumo energético dia a dia do mês de Dezembro das 5 regiões

escolhidas

É possível perceber pelas inclinações das curvas que o consumo nas cinco

cidades é praticamente constante durante todo o mês de Dezembro. Como já foi aferido no

item anterior, apesar de Natal possuir o segundo maior gasto anual, no mês de Dezembro

a cidade apresenta um baixo consumo, semelhante a cidade de Porto Alegre, sendo as

duas as de menor consumo no mês. Cuiabá possui diminuição no gasto a partir da

segunda quinzena do mês enquanto que Manaus possui um consumo alto e homogêneo

em todo o período. A tabela 12 mostra s valores finais de consumo neste mês de

Dezembro nas cinco cidades escolhidas.

49

Tabela 12. Consumo Energético de Dezembro

Em valores absolutos, cidades que adotam o horário de verão, principalmente São

Paulo e Cuiabá, possuem consumos consideráveis de energia elétrica no mês de

Dezembro, como já era previamente esperado após a análise do item 6.2 (Estudo do

período vigente do horário de verão) e portanto essas cidades serão escolhidas para

análises futuras (item 6.3.2).

6.3.2 Consumo de energético em períodos limitados

Apesar de ser modelado uma residência, na consideração deste item, o aparelho

de ar-condicionado não esteve ligado durante as 24 horas do dia, considerou-se dois

diferentes períodos de trabalho, ambos períodos de 10 horas:

• Das 8 horas às 18 horas

• Das 9 horas às 19 horas

Esta análise tem por objetivo estudar o impacto no consumo energético quando o

relógio é alterado em 1 hora, na prática, como se não existisse o horário de verão. As

cidades de São Paulo e Cuiabá foram escolhidas para esta simulação, uma vez que

apresentam os maiores consumos não somente durante o mês de Dezembro, mas como

em todo o período do horário de verão. Os resultados a seguir mostrados no s gráficos 8 e

9 fornecem uma boa base qualitativa, porém no que diz respeito ao consumo energético

total, a base quantitativa não é sólida em função da limitação dos dados e intervalos

existentes e simulados. O intervalo de iteração usado nesta simulação assim como o

Porto Alegre 72

São Paulo 129Cuiabá 172

Natal 87

Manaus 351

Consumo Energético - Dezembro [kWh]

50

intervalo de medição dos dados climáticos são de 1 hora. Em termos de resultados, a

precisão das informações não é acurada. Para cada período de cada cidade analisada, 31

simulações foram realizadas representando os 31 dias do mês uma vez que o código não

possibilita o funcionamento por períodos diários limitados de funcionamento do aparelho de

ar-condicionado. Os gráficos mostram a somatória dos resultados dessas 31 simulações,

feitas em dois diferentes períodos e duas diferentes cidades.

Gráfico 8. Variação do consumo energético em dois diferentes períodos simulados

na cidade de São Paulo em Dezembro

Primeiramente, apesar dessa incerteza quantitativa dos dados, na cidade de São

Paulo é possível notar que o consumo quando o aparelho de ar-condicionado é ligado das

9 horas às 19 horas, representando a ausência do horário de verão, é aproximadamente

4,5% menor com relação ao horário de funcionamento das 8 horas às 18 horas. Durante o

horário de verão, no horário de trabalho (neste projeto considerado das 8 horas às 18

horas) a incidência da irradiação solar bem como a média da temperatura ambiente

tendem a ser maiores do que os valores medidos 1 hora depois, provavelmente explicando

o resultado de maior consumo neste período.

No entanto, a mesma análise com as mesmas considerações foi feita na cidade de

Cuiabá e os resultados são mostrados no gráfico 9.

51

Gráfico 9 Variação do consumo energético em dois diferentes períodos simulados

na cidade de Cuiabá em Dezembro

Neste caso, o consumo elétrico do ar-condicionado no período compreendido entre

as 9 horas às 19 horas foi aproximadamente 2,5% superior se comparado ao período das

8 horas às 18 horas. Vários podem ser os motivos que explicam essa diferença com

relação à cidade de São Paulo, dentre eles o fato da capital mato-grossense estar

geograficamente localizada mais próxima a linha do equador, resultando em períodos mais

homogêneos de duração do dia durante todo o ano e consequentemente menor impacto

do adiantamento de uma hora. Pode também ser explicado pela imprecisão quantitativa

dos resultados da simulação, podendo tal diferença estar inserida em margens de erro.

52

CONCLUSÕES

O projeto final teve como objetivo estudar e avaliar o consumo de aparelhos de ar-

condicionado em diferentes regiões do Brasil usando a ferramenta GridLAB-D bem como

analisar o impacto do horário de verão no gasto energético doméstico. As conclusões são

divididas em 3 partes: Limitações encontradas, consumo energético das cidades

estudadas e impacto do horário de verão.

As limitações encontradas durante o desenvolvimento deste trabalho em grandes

partes abrangem o uso do software aberto GridLAB-D. Além disso, incluem-se o banco de

dados climáticos que dificultou uma análise mais precisa e o fato das simulações também

apresentarem certas limitações. Todos esses fatores são topicalizados e descritos a

seguir.

• O software GridLAB-D é uma ferramenta de análise criada em 2003 porém

migrada para o Windows apenas em 2008 em sua versão 1.0 Allston. Mesmo a

versão utilizada 3.2 Jojoba, lançada em 2015, apresenta certa limitação pela sua

recente criação que incluem um deficiente sistema de suporte de ajuda no que diz

respeito tanto ao manual help interno do programa quanto ferramentas externas

que possam descrever todas as suas funções existentes. A ausência de fóruns

online ou pessoas que pudessem auxiliar e esclarecer dúvidas da programação

somado ao desconhecimento sólido das funções existentes dificultaram e

impossibilitaram a criação de um código mais refinado.

• O banco de dados climáticos utilizado neste trabalho apesar de ter sido o

mais recente encontrado, possui informações de uma cidade em diferentes anos,

ou seja, o arquivo de uma determinada cidade possui períodos de diferentes anos,

nunca coincidindo uma data. Alguns desses períodos são datados de 1980. Em

adição, a coleta de dados disponível foi realizada de hora em hora, tendo-se

portanto apenas 24 linhas de informações por dia.

• Os compiladores disponíveis e utilizados na simulação não possuem grande

capacidade de processamento. Pelo fato do código causar uma compilação

iterativa conforme intervalo pré-determinado, quando o mesmo era definido de

hora em hora por exemplo, o tempo de compilação para apenas um mês de uma

cidade era aproximadamente 20 minutos. Como várias simulações foram

53

realizadas em diferentes períodos e cidades, em alguns casos adotou-se intervalos

iterativos maiores que levaram a resultados de menor precisão.

Todas essas limitações somadas resultaram na dificuldade de se criar um código

e/ou um modelo que pudesse representar o mais fielmente possível o consumo elétrico de

aparelhos de ar-condicionado em uma residência. Em adição, mesmo considerando todos

esses problemas, o software não mostrou uma acurácia quantitativa dos resultados

quando o apenas o sistema HVAC é simulado. O fato de ser sistema interno e englobado

pelo modelo ‘casa’, com alguns de seus parâmetros não alteráveis, explique essa

imprecisão de resultados. O software, e consequentemente a simulação, talvez se mostre

mais fiel e precisa quando simulados vários aparelhos elétricos, uma vez que a

necessidade da criação manual e externa de várias funções (uma para cada aparelho pois

apenas a função do sistema HVAC é pré-existente) em arquivos schedule minimize tais

erros.

De acordo com os resultados das simulações é possível perceber a influência de

todas as cinco informações climáticas utilizadas neste trabalho: Temperatura média,

humidade relativa média, precipitação média anual, velocidade do vento médio e irradiação

solar mensal. Todos esses parâmetros tiveram diferentes influencias no resultado sendo a

temperatura média e a humidade relativa média os de maiores impactos no gasto

energético final nas cidades. O conjunto dessas duas médias elevadas resulta no maior

consumo, como é percebido na capital amazonense, que possui tanto um consumo

acumulado elevado no ano inteiro quanto no período compreendido do horário de verão e

no mês de Dezembro. Da mesma forma ocorre com a cidade de Natal que possui

humidade relativa elevada e a terceira maior média de temperatura dentre as cidades

estudadas, resultando no segundo maior consumo anual acumulado. A variação da

irradiação solar mensal é inferior a 7% entre a que possui a maior média (São Paulo) e a

que possui a menor média (Manaus) e portanto seu impacto comparativamente é menor.

Apesar disso, tal a influência de tal fator climático é percebido na cidade de São Paulo, que

possui as maiores médias no período do horário de verão resultando num maior consumo

neste mesmo período. Ainda que a precipitação média das cidades reflete nas médias de

humidade, isoladamente, ela não possui grande impacto no gasto energético uma vez que,

com exceção de Manaus, as demais quatro cidades possuem médias parecidas com

variação menor que 7% entre elas. A velocidade média do vento também com menor

influência nos resultados finais é notada no alivio do gasto energético da cidade de Natal

54

em comparação com a cidade de Manaus com quem possui médias de humidade e

temperatura próximas. No caso, Natal possui maior média da velocidade do vento (1 m/s

superior) resultando num consumo 14% inferior a capital amazonense no período anual

total.

Finalmente, a análise dos resultados de consumo energético de aparelhos de ar-

condicionado durante o período do horário de verão não mostrou conclusões concretas e

sólidas com relação ao impacto desta alteração em uma hora. Primeiramente, pelos

resultados das simulações, é possível perceber uma constância do gasto elétrico de quatro

cidades, São Paulo, Porto Alegre, Natal e Cuiabá, com uma diferença máxima de 100 kWh

entre elas durante este período. Isoladamente, no mês de Dezembro, dentre as três

cidades que já adotam tal mudança, Cuiabá e São Paulo apresentaram os maiores

consumos, superior a 120 kWh/mês. No entanto, a simulação comparativa de um período

de 8 horas no mês de Dezembro inteiro dessas duas cidades não mostrou uma

convergência de conclusões, uma vez que São Paulo apresentou um redução de 4,5% no

consumo na inexistência do horário de verão enquanto que Cuiabá apresentou um

acréscimo de 2,5%. As limitações no intervalo de compilação dos dados de saída e código

do programa não resultam em valores com validação quantitativa, porém qualitativamente

ela se mostrou válida nas simulações anteriores. A simulação de mais cidades aumenta e

valida estatisticamente a amostra de estudo porém não necessariamente resultaria numa

convergência de conclusões. Por enquanto, sabe-se que é fato oficial, de acordo com o

ministério de minas e energia do Brasil, que o período do horário de verão resulta numa

economia energética total de 0,5% nas regiões que adotam tal prática. Essa porcentagem

deve ser acompanhada e analisada no decorrer dos anos para que conclusões sobre a

eficácia do horário de verão na redução do consumo elétrico seja feita de uma forma mais

imponente e fundamentado.

55

REFERÊNCIAS BIBLIOGRÁFICAS

FARIA, A.. Disponível em

< http://entrada.no.sapo.pt/myplace5/dosoutros/page12.html > (em português). Visitado em

10 de Setembro de 2015.

GUREVITZ, M. CRS Report for Congress – Daylight Saving Time, Order code RS22284,

Setembro 2005.

WEBSITE (sem autor) . Disponível em

<http://www.ibge.gov.br/home/presidencia/noticias/08052002tabulacao.shtm>

(em português). Visitado em 12 de Maio de 2016.

SOUZA, S.. Disponível em < http://www.emtempo.com.br/zona-franca-fabricantes-de-ar-

condicionado-projetam-alta-de-17/> (em português). Visitado em 12 de Maio de 2016.

DECRETOS sobre o horário de verão no Brasil. Disponível em <

http://pcdsh01.on.br/DecHV.html >. Visitado em 10 de Setembro de 2015.

HORÁRIO de Verão proporcionou economia de 265 MW médios. Disponível em <

http://www.brasil.gov.br/infraestrutura/2015/03/horario-de-verao-proporcionou-economia-

de-265-mw-medios> (em português), 2015. Visitado em 31 de Maio de 2016.

PENA, S. M.. Sistemas de Ar-condicionado e Refrigeração. Procel: Programa Nacional de

Conservação de Energia Elétrica. Julho, 2002.

CHASSIN, D. P.. GridLAB-DTM The next revolution in power systems simulation. Richland,

Washington, Setembro de 2007.

TON, D.. GridLAB-DTM A Unique Tool to Design the Smart Grid. Washington DC,

Novembro de 2012.

CHASSIN, D. P. e WINDERGREN, S.E.. Simulation Demand Participation In Market

Operations. IEEE, 2009.

56

PÖCHACKER, M.; SOBE, A.; ELMENREICH, W. Simulating the Smart Grid. PowerTech

2013 Conference. Anais... p.6, 2013. Grenoble. Disponível em:

<http://arxiv.org/abs/1304.2503>. Visitado em 19 de Setembro de 2015.

ALCÂNTARA, M. V. P. Conservação de energia em rede inteligente. 2014. 447 p. Tese de

Doutorado (Programa de Pós-Graduação em Engenharia Elétrica) – Faculdade de

Engenharia Elétrica e de Computação, Universidade Estadual de Campinas, Campinas,

2014.

GUTTROMSON, R. T., CHASSIN, D. P. and WIDERGREN, S. E.. Residential energy

resource models for distribution feeder simulation, IEEE PES GM, 2003.

GridLAB-D Sourceforge. Disponível em < http://gridlab-d.sourceforge.net/wiki/index.php/

Residential_module_user's_guide#Air_Conditioning_.28Cooling.29 >. Visitado em 28 de

Outubro de 2015.

GALVANI, E.. Zonas Climáticas Brasileiras. In: INSTITUTO SOCIOAMBIENTAL. (Org.).

Almanaque Brasil Sócio Ambiental. 2ed.São Paulo: Instituto Socioambiental, 2007, v. 2, p.

371-373.

TOM L. e DARREL, H.. "Climate Zones and Types: The Köppen System". Physical

Geography. A Landscape Appreciation (em inglês) (Upper Saddle River, NJ: Prentice Hall).

p. 200–1, 2000.

SHAPIRO M., MICHAEL J., et al. "Introduction to thermal systems

engineering."Thermodynamics, Fluid Mechanics, and Heat Transfer, John Wiley & Sons,

2003.

MONTALVÃO, E., O setor elétrico e o horário de verão. Consultoria Legislativa do Senado

Nacional, Brasília, 2005

BLANCHE, Paul Vidal. "As características próprias da Geografia.", 1982.

57

APÊNDICES