DIFUSÃO DA TECNOLOGIA FOTOVOLTAICA NO BRASIL: UM …

Matheus Machado da Silva Garcia

DIFUSÃO DA TECNOLOGIA FOTOVOLTAICA NO BRASIL:

UM ESTUDO PROSPECTIVO ATÉ 2030

Trabalho de Conclusão de Curso apresentado ao Departamento de Engenharia de Produção e Sistemas da Universidade Federal de Santa Catarina, como requisito parcial para a obtenção do título de Engenheiro Eletricista, habilitado em Produção Elétrica. Orientador: Prof. Dr. Maurício Uriona Maldonado

Florianópolis 2017

Ficha de identificação da obra elaborada pelo autor através do Programa de Geração Automática da Biblioteca Universitária da UFSC.

Matheus Machado da Silva Garcia

ANÁLISE DA DIFUSÃO DA TECNOLOGIA DE ENERGIA

FOTOVOLTAICA NO BRASIL ATÉ 2030 UTILIZANDO DINÂMICA DE SISTEMAS

Este Trabalho de Conclusão de Curso foi julgado adequado e aprovado,

em sua forma final, pelo Curso de Graduação em Engenharia de Produção Elétrica, da Universidade Federal de Santa Catarina.

Florianópolis, 01 de dezembro de 2017

____________________________________ Prof.ª. Marina Bouzon, Drª. Coordenadora do Curso de

Graduação em Engenharia de Produção Banca Examinadora:

____________________________________ Prof. Maurício Uriona Maldonado, Dr.

Orientador Universidade Federal de Santa Catarina

____________________________________ Prof. Paulo Augusto Cauchick Miguel, Dr.

Universidade Federal de Santa Catarina

____________________________________ Prof. Rogério Feroldi Miorando, Dr.

Universidade Federal de Santa Catarina

Aos meus pais Amarildo e Cleusa, pelo contínuo incentivo à educação, meu irmão Lucas por estar sempre me apoiando e a minha namorada Monica por estar sempre ao meu lado.

AGRADECIMENTOS

Acima de tudo e de todos, primeiramente agradeço a Deus por me proporcionar uma vida saudável repleta de desafios e aprendizados. Em segundo lugar agradeço aos meu pais Amarildo e Cleusa por me instruírem ao longo deste caminho e por sempre batalharem para garantir um ensino de qualidade tanto em casa como fora dela. Ao meu irmão Lucas, por proporcionar momentos de debates que me levaram a refletir muito sobre quem sou e onde desejo chegar. A minha companheira Monica e sua família por estarem presentes em várias das minhas conquistas ao longo deste período acadêmico e por serem além de excelentes pessoas, a minha segunda família. A professora Mirna de Borna e ao grupo PET – Engenharia de Produção por me proporcionarem a primeira experiência de trabalho e terem contribuído para o meu crescimento tanto profissional como pessoal. Ao meu professor orientador Dr. Maurício Uriona Maldonado por ter constribuído tanto durante o projeto realizado no grupo supracitado quanto durante a apresentação do tema que gerou este TCC, bem como seu desenvolvimento. Aos meus colegas do curso de Engenharia de Produção por compartilharam desafios e ensinamentos, além de mostrarem que na vida a resiliência, o comprometimento e a perseverança representam algumas das principais virtudes que uma pessoa pode levar consigo. Gostaria de agradecer também aos meus amigos, parentes e familiares, que não foram citados mas participaram na minha formação e contribuíram para o atinjimento deste objetivo de vida

RESUMO

Atualmente a energia solar fotovoltaica tem se tornado uma alternativa importante para a diversificação das fontes de energia renováveis no Brasil pois apresenta um conjunto de vantagens tanto para o consumidor final quanto para as empresas distribuidoras de energia. Contudo, estudos anteriores mostram um crescimento lento na difusão desta tecnologia no país. Assim, o objetivo deste trabalho é verificar o efeito dos subsídios públicos na adoção residencial da tecnologia de energia solar fotovoltaica no horizonte de 2030. Para isto, construiu-se um modelo de simulação, sob a metodologia da dinâmica de sistemas, que possibilita emular o comportamento dos consumidores baseado na teoria da difusão de Bass. O modelo incorpora tamanho de mercado variado ao longo do tempo e o perfil de adoção de um determinado grupo potencial através de parâmetros financeiros como, por exemplo, o tempo de payback. O modelo foi utilizado para testar seis diferentes cenários, considerando diversos mix de políticas de incentivo à tecnologia fotovoltaica. Como resultado constatou-se que dos 6 modelos testados, dois foram classificados como de baixa adesão, dois de média e dois de elevada adesão baseado no número de adotantes ao final do período. Dentre os cenários analisados verificou-se que a maior contribuição quanto ao número de projetos instalados veio da política de isenção do ICMS para todos os estados brasileiros onde foi possível atingir 10% das residências potenciais adicionando aproximadamente 2 GWp a matriz energética brasileira. No entanto, mesmo no melhor cenário, o Brasil não conseguiria atingir os 20% de diversificação da matriz considerando apenas o crescimento da energia fotovoltaica residencial. Palavras-chave: Energia Fotovoltaica, Difusão de Tecnologia, Dinâmica de Sistemas.

ABSTRACT Nowadays, the solar photovoltaic energy has become an important alternative for renewables energy diversification at Brazil because it has a set of advantages for final customers as well as energy distribution companies. However, previous studies show a slow growth in the diffusion process of this technology at this country. Thus, the objective of this paper is to verify the public subsidy effect at the residential adoption rate of photovoltaic solar energy technology at 2030’s horizon. In order to do that, it was built a simulation model, under the dynamic system methodology, which allows to emulate the customer’s behavior based on Bass diffusion theory. The model incorporates a variable market size over time and the adoption pattern of a specific potential group through financial parameters, for instance, payback time. The model was used to test six different scenarios considering a variety of political incentives for this technology. As a result, it was found that from the six tested models, two could be classified as low adherence, two as medium adherence and two as high adherence based on the number of adopters at the period’s ending. Among the analyzed scenarios, it was verified that the main contribution to the number of installed projects came through the ICMS tax exemption for all brazilian states reaching 10% of the potential adopters adding approximately 2 GWp into the brazilian energetic matrix. Nevertheless, even at the best cenario, Brazil would not reach the 20% matrix diversification considering only the residential photovoltaic energy growth. Keywords: Photovoltaic Energy, Diffusion of Technologies, System Dynamics.

LISTA DE FIGURAS Figura 1 - Matriz energética brasileira. .............................................................. 19 Figura 2 – Composição da matriz energética renovável a nível mundial ......... 20 Figura 3 – Evolução das tecnologias renováveis a nível mundial ..................... 21 Figura 4 - Estrutura da oferta de energia (1970) ............................................... 27 Figura 5 - Evolução da Importação e Exportação Petróleo ............................... 27 Figura 6 - Evolução da produção do álcool derivado de cana ou cereais. ........ 28 Figura 7 - Evolução da Geração Hidráulica no Brasil ...................................... 29 Figura 8 - Evolução da matriz energética brasileira (2006-2015) ..................... 30 Figura 9 - Número de novas ligações (em milhares). ....................................... 32 Figura 10 - População atendida acumulada (em milhares) ............................... 33 Figura 11 - Perfil de adoção.............................................................................. 37 Figura 12 - Curvas de distribuição sigmoide e normal. .................................... 37 Figura 13 - Difusão de tecnologias no mercado norte americano. .................... 38 Figura 14 - Modelo de Bass na linguagem da Dinâmica de Sistemas .............. 46 Figura 15 - Representação gráfica das parcelas de z’(t). .................................. 47 Figura 16 - Exemplo de enlace causal. ............................................................. 51 Figura 17 - Estrutura geral do modelo de estoque e fluxo. ............................... 53 Figura 18 - Diagrama de enlaces causais. ......................................................... 63 Figura 19 - Evolução das classes sociais. ......................................................... 65 Figura 20 - Diagrama de estoque para tamanho de mercado residencial. ......... 66 Figura 21 - Curvas da taxas de adoção para sistema fotovoltaicos residenciais 68 Figura 22 - Modelo de Bass na linguagem da dinâmica de sistemas. ............... 70 Figura 23 - Evolução do no de projetos instalados e capacidade instalada. ....... 72 Figura 24 - Histograma da potência de sistemas fotovoltaicos. ........................ 73 Figura 25 - Evolução do preço do Wp. ............................................................. 74 Figura 26 - Evolução da tarifa média de energia cobrada no Brasil. ................ 77 Figura 27 - Diagrama de estoque e fluxo para tarifa de energia. ...................... 78 Figura 28 - Comportamento da taxa de evolução da tarifa base de energia. ..... 78 Figura 29 - Alíquota de ICMS por estado brasileiro. ........................................ 79 Figura 30 - Mercado potencial versus Tempo de Retorno. ............................... 82 Figura 31 - Percentual do mercado potencial x Tempo de Retorno. ................. 83 Figura 32 - Modelo de simulação, parte 1. ....................................................... 84 Figura 33 - Modelo de simulação, parte 2. ....................................................... 85 Figura 34 - Modelo de simulação, parte 3. ....................................................... 85 Figura 35 - Adoção devido à propaganda. ........................................................ 86 Figura 36 - Adoção devido ao contato. ............................................................. 87 Figura 37 - Comparativo entre adotantes reais e simulados. ............................ 87 Figura 38 - Evolução tempo de payback. ......................................................... 88 Figura 39 - Evolução número de residências adotantes. ................................... 89 Figura 40 - Evolução do número de projetos instalados. ................................ 100

Figura 41 - Matriz energética brasileira em 2030. .......................................... 100 Figura 42 - Evolução da fração de mercado adotante. .................................... 101 Figura 43 - Evolução do tempo de retorno. .................................................... 102 Figura 44 - Evolução da sensibilidade em relação ao tempo de retorno. ........ 103 Figura 45 - Evolução do mercado de crédito de carbono. ............................... 104

LISTA DE TABELAS

Tabela 1 - Modelos de difusão. ......................................................................... 45 Tabela 2 - Parâmetros utilizados no modelo. .................................................... 74 Tabela 3 - Tributação módulos fotovoltaicos e inversores. .............................. 76 Tabela 4 - Parâmetros para cálculo da tarifa de energia. .................................. 80 Tabela 5 - Resultados obtidos para o cenário I. ................................................ 91 Tabela 6 - Resultados obtidos para o cenário II. ............................................... 93 Tabela 7 - Resultados obtidos para o cenário III. ............................................. 94 Tabela 8 - Resultados obtidos para o cenário IV. ............................................. 95 Tabela 9 - Resultados obtidos para o cenário V. .............................................. 96 Tabela 10 - Resultados obtidos para o cenário IV. ........................................... 98 Tabela 11 - Comparação dos resultados obtidos a partir das simulações ......... 99 LISTA DE QUADROS Quadro 1 - Variáveis do diagram de enlaces causais.........................................59

LISTA DE SIGLAS

ABINEE Associção Brasileira da Indústria Eletroeletrônica ANEEL Agência Nacional de Energia Elétrica CEPEL Centro de Pesquisa de Energia Elétrica CFC Cloro Flúor Carboneto CONFAZ Conselho Nacional da política Fazendária COP Conferência das Partes CRESESB Centro de Referência para as Energias Solar e Eólica

Sérgio de Salvo Brito DNDE Departamento Nacional de Desenvolvimento

Energético EPE Empresa de Pesquisa Energética ICMS Imposto sobre Circulação de Mercadorias e Serviços INMETRO Instituto Nacional de Metrologia, Qualidade e

Tecnologia IPEA Instituto de Pesquisa Econômica Aplicada MME Ministério de Minas e Energia NREL National Renewable Energy Laboratory P&D Pesquisa e Desenvolvimento PBE Programa Brasileiro de Etiquetagem PNE Plano Nacional de Energia PRODEEM Programa de Desenvolvimento Energético de Estados e

Municípios PRODIST Procedimentos de Distribuição de Energia Elétrica no

Sistema Elétrico Nacional RN Resolução Normativa SFV Sistema Fotovoltaico

SUMÁRIO

1 INTRODUÇÃO ............................................................. 18 1.1 DESCRIÇÃO DO PROBLEMA .................................... 22 1.2 OBJETIVOS .................................................................. 23 1.2.1 Objetivo Geral .......................................................... 23 1.2.2 Objetivos Específicos ............................................... 23 1.3 JUSTIFICATIVA ........................................................... 24 1.4 ESTRUTURA DO TRABALHO ................................... 24

2 REFERENCIAL TEÓRICO ....................................... 26 2.1 EVOLUÇÃO DA MATRIZ ENERGÉTICA BRASILEIRA ......................................................................... 26 2.1.1 Energia fotovoltaica no contexto brasileiro ........... 30 2.2 DIFUSÃO DE TECNOLOGIA E DE INOVAÇÕES .... 35 2.3 DINÂMICA DE SISTEMAS ......................................... 39 2.3.1 Modelos de Difusão de Tecnologias ........................ 43 2.3.2 Modelo de Difusão de Bass (1969) .......................... 45

3 MÉTODOS ADOTADOS ............................................ 49 3.1 DEFINIÇÃO DA HIPÓTESE DINÂMICA .................. 50 3.2 FORMULAÇÃO DO MODELO DE DINÂMICA DE SISTEMAS ............................................................................. 50 3.2.1 Modelo Conceitual ....................................................... 50 3.2.2 Modelo de estoques e fluxos ........................................ 52 3.3 TESTES DE CONFIABILIDADE E VALIDAÇÃO .... 54 3.4 AVALIAÇÃO DE POLÍTICAS .................................... 55

4 CONSTRUÇÃO DO MODELO CONCEITUAL ...... 58 4.1 HIPÓTESE DINÂMICA................................................ 58 4.2 DESCRIÇÃO DO MODELO CONCEITUAL .............. 58

5 CONSTRUÇÃO DO MODELO DE SIMULAÇÃO . 64 5.1 DESCRIÇÃO DOS COMPONENTES DO MODELO . 64 5.1.1 Tamanho de Mercado .................................................. 64 5.1.2 Mercado potencial e Taxa de Adoção ........................ 66 5.1.3 Efeito do Aprendizado sobre o custo .......................... 71 5.1.4 Investimento necessário para aquisição de um SFV . 74 5.1.5 Tarifa de Energia ......................................................... 77

5.1.6 Cálculo do Payback Simples ......................................... 80 5.1.7 Sensibilidade ao Tempo de Retorno ............................ 82 5.1.8 Indicador de Redução de Emissão de CO2 ................ 83 5.2 VALIDAÇÃO DO MODELO DE SIMULAÇÃO ......... 86

6 PROSPECÇÃO DE CENÁRIOS ................................. 90 6.1 APRESENTAÇÃO DOS CENÁRIOS ........................... 90 6.1.1 O Brasil continua o mesmo ...................................... 90 6.1.2 Isenção fiscal sobre os módulos fotovoltaicos ......... 92 6.1.3 Isenção do tributo estadual ICMS........................... 93 6.1.4 Subsídio governamental para compra de SFV ...... 94 6.1.5 Aumento no valor da tarifa utilizada para cálculo de crédito solar ....................................................................... 96 6.1.6 Combinação das políticas II, III e V ....................... 97 6.2 COMPARAÇÃO ENTRE OS CENÁRIOS ................... 98

7 CONCLUSÕES E RECOMENDAÇÕES ................. 105

REFERÊNCIAS .................................................................. 107

APÊNDICE I ....................................................................... 122

APÊNDICE II ...................................................................... 124

18

1 INTRODUÇÃO

Desde a sua concepção até os dias de hoje, as fontes de energia que movem a economia de todos os países buscam manter ou ampliar os níveis de produção, consumo da população e qualidade de vida. Isto permite com que países desenvolvidos continuem a crescer e para os países em desenvolvimento, uma oportunidade de alavancagem econômica. Porém, perigos relacionados às mudanças climáticas e o aumento substancial da demanda global de energia começaram a chamar a atenção dos líderes das grandes nações no final da década de 80, início da década de 90.

Do resultado dessa preocupação quanto aos impactos da ação antrópica no ambiente e às consequentes mudanças climáticas, surgiu em 1994 a COP (Conferência das Partes) como forma de manter e tentar garantir os esforços internacionais no combate às mudanças climáticas (ALBUQUERQUE, 2012). Este evento foi crucial para o desenvolvimento de tecnologias sustentáveis já que a pressão internacional quanto à redução da emissão de gases do efeito estufa (CFC – Cloro Flúor Carbonetos) implicou na necessidade de os países envolvidos investirem cada vez mais em P&D (Pesquisa e Desenvolvimento), além de políticas de incentivo à utilização dessas tecnologias.

Neste mesmo evento, porém na edição ocorrida em 2015, o Governo Federal brasileiro assumiu o compromisso de diversificar as formas de geração de energia através da ampliação da participação das “novas tecnologias de geração renovável” – solar, biomassa e eólica – para 20% até 2030 (PORTAL PLANALTO, 2015). Desta forma, o Governo Federal pretende reduzir as emissões de gases do efeito estufa, como o CO2, produzidos na geração de energia através dos métodos tradicionais, principalmente fósseis. Essa necessidade de ajuste a nova realidade criou condições para o impulsionamento do mercado de energias renováveis, porém outro motivo também corrobora para justificar a necessidade de investimento nessa área.

Outro ponto de discussão dentro dos estudos da composição da matriz energética é o aumento da demanda global de energia no Brasil e consequente pressão sobre os sistemas de geração, transmissão e distribuição. O histórico recente evidencia uma quantidade considerável de “apagões gerais” de grande magnitude devido à sobrecarga da rede ou queda de linhas de transmissão. No Brasil foram verificados três grandes apagões num período de 10 anos (1999-2009), tendo estes deixado mais de 60 milhões de habitantes às escuras em cada um dos

19

casos (BARBOSA, 2012). Um dos possíveis responsáveis pela fragilidade do sistema de

geração de energia brasileiro está relacionado com a concentração da matriz energética nas fontes hidráulicas. Como pode ser observado no gráfico da figura 1, 62% da potência instalada vêm das grandes usinas hidroelétricas, sendo em segundo lugar a geração através de fontes fósseis (carvão) com 17% de participação. Já que as fontes hídricas dependem de um regime constante de chuvas para manutenção dos níveis das barragens, qualquer período de escassez afeta diretamente no processo de geração de energia e implica numa maior utilização das termelétricas, e por consequência, eleva os níveis de emissão de CO2. Figura 1 - Matriz energética brasileira.

Fonte: ANEEL (2017)

Analisando o caso brasileiro, constata-se que a proporção de

energias renováveis neste país é maior que a observada em outras grandes nações europeias e norte-americanas. No entanto, as fontes de energia eólica e solar ainda apresentam uma participação baixa na geração deste país com aproximadamente 7%. Deste modo, autores como Ursaia, Guerra e Youssef (2011), argumentam sobre a necessidade de diversificar ainda mais essas fontes de energias renováveis, a fim de que seja reduzida a dependência de apenas uma fonte.

Portanto, a energia solar fotovoltaica se torna uma alternativa interessante pois apresenta um conjunto de vantagens tanto para o

62%17%

7%

6%5% 2% 1%

Hídrica

Fóssil

Eólica

Biomassa

Importação

Solar

Nuclear

20

consumidor final quanto para as empresas distribuidoras de energia: • Confiabilidade da tecnologia solar já que ela possui mais de 50 anos

de desenvolvimento (ABINEE, 2012); • Redução dos desperdícios com transmissão de energia já que o

sistema estaria instalado no próprio local de consumo; • Melhora do índice de qualidade da energia da rede; • Baixíssimos impactos ambientais já que não há qualquer emissão no

processo de produção da energia (ABINEE, 2012); • Geração de empregos (ABINEE, 2012) devido ao surgimento de

uma cadeia de suprimentos inteiramente nova.

A importância dessas vantagens é convertida em números quando se verifica o crescimento da utilização dessa forma de geração de energia. O estudo realizado pela National Renewable Energy Laboratory (NREL, 2015), representado na figura 2, apontou que a capacidade instalada das fontes de energia do tipo eólica e solar foram as que mais cresceram, percentualmente, em relação às outras fontes renováveis sendo um aumento de 40% anual para a energia solar e 20% anual para a energia eólica (NREL, 2015).

Figura 2 – Composição da matriz energética renovável a nível mundial

Fonte: NREL (2015)

21

Figura 3 – Evolução das tecnologias renováveis a nível mundial

Fonte: NREL (2015)

Porém, o grande desafio para as fontes de energias renováveis encontrado nos mais diversos países assim como no Brasil, está no desenvolvimento de uma política de incentivos financeiros que possibilite a aquisição de um sistema fotovoltaico por uma parcela considerável da população. Hoje, o seu custo ainda é consideravelmente elevado e o tempo sobre o retorno do investimento é longo no Brasil, dificultando assim o processo de adoção.

Portanto, este trabalho buscou analisar o processo de difusão da tecnologia de energia fotovoltaica como solução para ampliação das fontes renováveis e com isso identificar os fatores necessários, agentes envolvidos e o seu inter-relacionamento. A partir dessas informações, foi possível desenvolver um modelo matemático baseando-se no Modelo de Difusão de Bass (1969) e analisando o impacto dos cenários através da vmodificação de certas variáveis de controle, a fim de conhecer o comportamento da curva de difusão. Através dessas informações obter-se-á um plano prospectivo de desenvolvimento do sistema de energia solar brasileiro.

22

1.1 DESCRIÇÃO DO PROBLEMA

Como pode ser observado no caso brasileiro, existe o

compromisso do governo federal em reduzir ainda mais a emissão de poluentes, como o CO2, através da ampliação da participação das fontes renováveis de energia na matriz de geração do Brasil. No entanto, dada a natureza inovadora desta forma de tecnologia, o processo de inserção e disseminação encontra barreiras das mais diversas formas. Ou seja, o processo de difusão da tecnologia de energia fotovoltaica no Brasil torna-se lento dado a existência de entraves.

Em trabalho realizado por Negro et al. (2012), foi levantado um conjunto de de fatores que limitam a difusão das tecnologias de energia renovável, são eles: problemas na estrutura de mercado, problemas na infraestrutura física e de conhecimento, problemas institucionais (legislação e outras), problemas na interação entre atores e problemas de competência e capacidade. Esses fatores podem ser descritos como:

• Estrutura de mercado: refere-se à organização do mercado atual e os critérios utilizados para selecionar inovações. Hoje, dada a economia de escala que a energia hidráulica apresenta no Brasil, cria-se uma barreira de entrada para tecnologias renováveis dado o seu elevado preço de aquisição.

• Infraestrutura física e de conhecimento: está relacionado com a falta de estrutura para induzir um crescimento superior na trajetória tecnológica da nova tecnologia podendo ser tangível ou intangível. A falta de infraestrutura física está associada com a estrutura necessária para que uma sociedade posso crescer como por exemplo, redes de distribuição de energia e estradas. Por outro lado, a falta de infraestrutura de conhecimento remete a laboratórios avançados e aplicação de conhecimentos científicos para desenvolvimento da tecnologia.

• Institucionais: refere-se para este caso na legislação, normas técnicas, regras de negócio que definem e sustentam a regulação do mercado. No caso brasileiro, as normas reguladoras que regem o mercado fotovoltaico ainda estão passando por constante mudança a fim de se adequar a realidade desse país.

• Interação: o grau de interação dos atores influencia no mercado. Caso seja fraca, o poder de negociação ou barganha não será suficiente para incentivar o uso da nova tecnologia.

23

Porém se a iteração for forte, pode provocar um fechamento para novos entrantes e opiniões. Ou seja, se a interação entre o governo brasileiro e os institutos de pesquisa for baixo, poderá ser criada uma barreira para realização de estudos para novas tecnologias e na busca de incentivo financeiro.

• Competências e capacidades: se refere a falta de capacidade para adquirir a nova tecnologia ou falta de competência para migrar da antiga para nova tecnologia. Observando a realidade brasileira, hoje as tecnologias de ponta acabam sendo desenvolvidas por outros países enquanto o Brasil é apenas um mero consumidor final da tecnologia de energia solar a qual possui elevado valor agregado.

Dentre os fatores supracitados, os problemas institucionais são

amplamente estudados através da dinâmica de sistemas como pode ser observado em trabalho realizado por Sisodia et al. (2016) para o mercado indiano, Yan (2009) para o chinês e Radomes e Arango (2015) para o mercado colombiano. Não diferente destes países, o Brasil também se encontra na etapa do processo de difusão onde são estudadas estratégias para incentivo da sua utilização.

Desta forma, este trabalho optou por modelar e analisar o comportamento das variáveis determinadas pelo governo para regulação da tecnologia de energia fotovoltaica e determinar quais políticas permitem o avanço da tecnologia e quais dificultam este processo.

1.2 OBJETIVOS

Os objetivos deste trabalho são listados a seguir:

1.2.1 Objetivo Geral

Analisar o efeito dos subsídios públicos na adoção residencial de energia solar fotovoltaica no horizonte de 2030.

1.2.2 Objetivos Específicos

• Identificar as principais variáveis e mecanismos que compõem o mercado de energia fotovoltaica;

• Propor um modelo conceitual dos principais mecanismos que estimulam o crescimento da difusão da energia fotovoltaica;

• Avaliar o efeito dos subsídios públicos no processo de adoção de energia fotovoltaica por meio de um modelo de simulação.

24

1.3 JUSTIFICATIVA

Tendo em vista a magnitude do problema apresentado, percebe-se que ele tange os aspectos sociais, ambientais e econômicos do país referencia para este trabalho. Ou seja, a justificativa para realização deste trabalho pode estratificada nessas três grandes áreas.

No âmbito social, o correto gerenciamento do desenvolvimento da cadeia de atores, dentro do novo mercado da tecnologia solar no Brasil, pode auxiliar na geração de novo empregos ou até mesmo, atrair trabalhadores que estavam em outros segmentos (GREENPEACE, 2015). Este fato decorre da necessidade de mão de obra tanto para fabricação, como para venda e instalação que também solicitarão serviços de apoio.

Na esfera ambiental, a utilização de sistemas fotovoltaicos permite o aumento da capacidade da rede, através da complementaridade de energia, promovendo um maior desempenho e eficiência da rede (JARDIM et al., 2008). Além disso, promove a redução na emissão de CO2 para atmosfera, o qual diminui o impacto sobre a camada de ozônio.

Quanto ao aspecto econômico, o desenvolvimento da cadeia de produção e consumo da tecnologia de energia fotovoltaica irá impactar na arrecadação de impostos que poderão ser direcionados para novos investimentos na tecnologia. Paralelamente a este aspecto, Goldemberg e Moreira (2005) mostraram em seu trabalho que para um país é importante diversificar a matriz de geração par se proteger de potenciais instabilidades que cada fonte em específico apresentada. Ou seja, garantir de forma segura o abastecimento de energia para todos que fazem uso da mesma a fim de sustentar o desenvolimento econômico

Portanto, percebe-se que a lista de motivos, que fazem deste um trabalho digno de estudo, é claramente contundente, ou seja, não há contestação a cerca da importância da determinação dos fatores aceleradores do processo de adoção da tecnologia fotovoltaica pois esses impactam diretamente no modo de vida da população brasileira.

1.4 ESTRUTURA DO TRABALHO

Este trabalho está organizado em cinco capítulos. No capítulo 1 é apresenta a introdução ao tema a ser

desenvolvido neste trabalho onde são verificados os fatores que levaram ao governo brasileiro a direcionar esforços no sentido da diversificação

25

da matriz energética. Além disso, são definidos os objetivos e a justificativa deste trabalho.

Já no capítulo 2 é construída a base teórica utilizada para o desenvolvimento do modelo de simulação que tem como finalidade o estudo dos impactos de políticas econômicas na disseminação da energia fotovoltaica como forma de geração residencial. Ou seja, é apresentada a evolução da matriz energética brasileira, o processo de difusão de tecnologias, assim como teoria utilizada para construção de um modelo que permita avaliar diversos cenários dada a alteração de fatores que o compõem.

No capítulo 3 definiu-se os métodos adotados para denvolvimento deste estudo bem como o detalhamento e a sequência de atividades necessárias a fim de atingir os objetivos específicos, e com isso, atender ao objetivo geral.

No capítulo 4 foram utilizados os conhecimentos apresentados no capítulo 2 como base para realização do que foi definido no capítulo 3; portanto, são demonstrados os resultados obtidos em cada uma das etapas estabelecidas nos métodos.

Por fim, no capítulo 5 busca-se verificar o atingimento dos objetivos, as conclusões extraídas da análise dos resultados apresentados pelo modelo e sugestões para futuros trabalhos baseado nas lacunas constatadas.

26

2 REFERENCIAL TEÓRICO

2.1 EVOLUÇÃO DA MATRIZ ENERGÉTICA BRASILEIRA

Durante os mais de quinhentos anos de existência do Brasil diversas mudanças ocorreram na matriz energética que movimentavam essa nação. Porém, não se faz necessário uma retrospectiva tão longínqua já que o foco deste trabalho é a tecnologia de energia solar que possui a sua origem apenas algumas décadas atrás. Desta forma, serão observados os períodos a partir da década de 70 onde existem dados concretos sobre os meios utilizados para geração de energia elétrica no Brasil.

A partir dessa análise busca-se compreender o passado para que seja possível desenvolver modelos capazes de auxiliar na observação do futuro energético brasileiro. Uma das possíveis justificativas para tal análise seria evitar um descompasso entre geração e consumo, além de garantir a qualidade, segurança e a diversidade da matriz energética através de fontes renováveis como a energia solar.

Para dar início à reconstrução do cenário energético brasileiro faz-se necessário o uso da série de dados históricos fornecidos pela Empresa de Pesquisa Energética (EPE) acerca da evolução da matriz energética deste país. No Brasil da década de 70 é possível observar que 78% da matriz é composta por fontes não renováveis sendo elas a lenha e o petróleo e seus derivados. O gráfico da figura 4 também apresenta a forte expressão da lenha sendo ela responsável por 44% da matriz energética naquele período. Segundo Lima et al. (2014) a representativa parcela da população que residia no campo contribuiu para este elevado consumo.

No entanto, a matriz não manteve essa estrutura nas décadas seguintes. O cenário político internacional presenciou dois grandes choques do petróleo. O primeiro em 1973, decorrente da batalha de Yom Kippur, foi o grande responsável por quadruplicar o preço do barril de petróleo (ARAÚJO NETO, 2011). Já em 1979 o choque se deu devido à revolução no Irã e ao conflito Irã e Iraque. Como o Iraque respondia por metade das importações brasileiras de petróleo, conforme Araújo Neto (2011), o medo da cessão de fornecimento levou o governo brasileiro a intensificar a diversificação da matriz energética e reduzir a dependência de importação de petróleo.

27

Figura 4 - Estrutura da oferta de energia (1970)

Fonte: Adaptado de EPE (2007)

Portanto, através do gráfico da figura 5 é possível observar a

evolução da produção de petróleo e o aumento da mesma devido a grandes incentivos no desenvolvimento de tecnologias de exploração e prospecção. Para Santana (2006), um dos principais efeitos benéficos da crise energética, no médio e longo prazo, foi a capacitação nacional para extração e refinamento de petróleo pela Petrobrás. Darwiche (2010) acrescenta que a tecnologia de extração e águas profundas, utilizado pela Petrobrás, foi a pioneira no mundo. Figura 5 - Evolução da Importação e Exportação Petróleo

Fonte: IPEADATA (2017)

44%

34%

14%

5% 3%Lenha e CarvãoVegetal

Petróleo eDerivados

Hidráulica eEletricidade

Derivados da Cana-de-Açúcar

Carvão mineral ederivados

,010000,020000,030000,040000,050000,060000,070000,0

1970

1972

1974

1976

1978

1980

1982

1984

1986

1988

1990

1992

1994

1996

1998

2000

2002

2004

2006

2008

2010

2012

2014

2016

Mét

ro C

úbic

o (m

il)

Exportação Importação

28

Além dos investimentos destinados para desenvolvimento da indústria petrolífera brasileira, o governo nacional buscou aumentar a participação dos derivados da cana-de-açúcar, os quais são representados pelo álcool combustível e bagaço da cana, através do Programa Nacional do Álcool (Proálcool) com o decreto 76.593 de 1975. Segundo Araújo Neto (2011), o álcool possuía primeiramente a finalidade de ser adicionado à gasolina, de maneira que reduzisse o peso dos altos preços do barril de petróleo no produto final vendido. Desta forma, é possível observar que os derivados da cana-de-açúcar tiveram uma participação crescente na matriz energética no período de 1975 a 1985 (DARWICHE, 2010). Assim como descrito pelo autor, a figura 6 expõe o crescimento da produção de bilhões de litros de álcool ao longo dos anos ressaltando o primeiro pico entre o período supracitado. Figura 6 - Evolução da produção do álcool derivado de cana ou cereais.


Concomitantemente com a evolução do petróleo e expansão do álcool, foi observado nas décadas seguintes o desenvolvimento do gás natural. A lógica deste fato está atrelada a relação petróleo/gás natural pois nas câmaras de petróleo é também verificada a produção do gás devido à decomposição da matéria-prima. Segundo Araújo Neto (2011), enquanto nos 10 anos da década de 70 essa produção cresceu 50%, na década de 80 a produção de gás natural quase triplicou.

Porém, essa relação nem sempre é verdadeira. Dado a maior exploração do petróleo, aumentasse a disponibilidade de gás natural e não necessariamente o consumo. O cenário do consumo de gás começou

000005010015020025030035

1970

1972

1974

1976

1978

1980

1982

1984

1986

1988

1990

1992

1994

1996

1998

2000

2002

2004

2006

2008

2010

2012

2014

Bilh

ões d

e lit

ros

29

a mudar durante a década de 80 avançando para a década seguinte. Segundo Bronzatti e Iaronzinski Neto (2008), essa mudança ocorreu devido ao processo de privatização parcial, a descoberta de gás na Bacia de Campos e o racionamento da energia elétrica.

Paralelamente ao desenvolvimento destas formas de geração de energia, o governo brasileiro iniciou na década de 70 grandes investimentos na exploração do potencial hídrico brasileiro. Grandes projetos como Itaipu, São Simão, Sobradinho, Paulo Afonso IV, Itumbiara e Tucuruí tiveram sua construção iniciada nessa década. Para Araújo Neto (2011), a década de 70 foi, sem dúvida, um dos períodos mais importantes para consolidação da energia hidráulica no Brasil.

Como pode ser observado no gráfico da figura 7, desde de 1952 até 2007 a produção de energia hidráulica apresentou comportamento de crescimento. É possível verificar que, como comentado anteriormente, a curva apresenta uma maior inclinação a partir da década de 70. Ainda neste gráfico é notado um ponto de queda entre 2000 e 2001 pois neste período o país sofre uma crise de energia elétrica que, segundo Araújo Neto (2011), ocorreu principalmente devido a períodos de estiagem e baixa na produção hidráulica, o qual afetou vários setores da economia. Figura 7 - Evolução da Geração Hidráulica no Brasil


Como pode ser percebido na figura 7, as décadas entre 70 e 80 representaram um grande marco de mudança na matriz energética brasileira dado o grande incentivo do governo na redução da dependência externa de petróleo. Logo, os anos seguintes foram

,0

50000,0

100000,0

150000,0

200000,0

250000,0

300000,0

350000,0

400000,0

1952

1954

1956

1958

1960

1962

1964

1966

1968

1970

1972

1974

1976

1978

1980

1982

1984

1986

1988

1990

1992

1994

1996

1998

2000

2002

2004

2006

Prod

ução

(GW

h)

30

marcados pela visualização dos efeitos causados por esta política de diversificação adotada no Brasil. A figura 8 apresenta a composição e a evolução da matriz energética durante o período e dez anos entre 2006 e 2015. Figura 8 - Evolução da matriz energética brasileira (2006-2015)

Fonte: EPE (2016)

No item seguinte será apresentada a evolução da energia fotovoltaica na composição da matriz energética brasileira e políticas desenvolvidas para o estímulo do seu crescimento.

2.1.1 Energia fotovoltaica no contexto brasileiro

Mesmo antes de ser utilizada para fins de geração de eletricidade, a energia emitida pelo sol era utilizada para secar peles e alimentos no passado. A energia fotovoltaica como é utilizada hoje em dia foi descoberta apenas no ano de 1839 pelo físico francês Alexandre-

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Perc

entu

al d

a m

atriz

Gás Natural Hidráulica Derivados de Patróleo

Carvão Nuclear Biomassa

Eólica Outras

31

Edmond Becquerel através de um experimento com eletrólito (ABINEE, 2012).

Durante longo período de tempo cientistas dedicaram seu tempo para o estudo e pesquisas acerca do tema energia fotovoltaica, tendo somente suas primeiras aplicações prática em 1956 com luzes de flash, boias de navegação e no campo das telecomunicações (CIÊNCIA VIVA, 2017).

Os sistemas fotovoltaicos começaram a chegar no Brasil quando na década de 70 houve a primeira crise do petróleo e os países perceberam a extrema dependência desta forma de combustível e buscaram nas políticas nacionais direcionar o país para diversificação da base de suprimento energético. Entre o fim da década de 70 e início da década de 80 foram estabelecidas no país duas fábricas de módulos fotovoltaicos, porém grupos de pesquisas que atuavam e desenvolviam esta tecnologia migraram para outras áreas de conhecimento devido à falta de incentivo, desta forma, as fábricas reduziram sua produção ou fecharam (CEPEL-CRESESB, 2014).

Desta forma, nos anos que seguiram, o governo federal visando amenizar o problema de acessibilidade à energia elétrica em algumas regiões do país, em especial no meio rural, estabeleceu alguns programas nacionais envolvendo a implementação desses sistemas (ARCHER et al., 2015). Dentre estes programas destacam-se o Programa Luz do Sol no Nordeste, Programa Luz Solar em Minas Gerais, Luz no Campo e o Programa de Desenvolvimento Energético de Estados e Municípios (PRODEEM) com abrangência nacional.

O último programa supracitado foi o primeiro a atingir o âmbito nacional. Segundo Archer et al. (2015) este programa foi instituído em 1994 pelo Governo Federal e conduzido pelo Ministério de Minas e Energia (MME) em parceria com os governos estaduais e municipais, coordenado pelo Departamento Nacional de Desenvolvimento Energético (DNDE). O principal objetivo do programa era suprir as necessidades elétricas de comunidades rurais de baixa renda distantes da rede elétrica convencional de distribuição (SANTOS, 2014).

Alguns anos depois, especificamente em 1997, foi estabelecido o convênio no 101 do Conselho Nacional da Política Fazendária (CONFAZ) o qual isenta o Imposto sobre Circulação de Mercadorias e Serviços (ICMS) as operações envolvendo vários equipamentos destinados à geração de energia elétrica por células fotovoltaicas e por empreendimentos eólicos (SILVA, 2015). No entanto, não abrangia todos os equipamentos como, por exemplo, inversores e medidores. Contudo, esta foi a primeira forma de incentivo a utilização de energia

32

fotovoltaica no Brasil. Já no ano de 2003, através do decreto 4.873 o governo federal

substituiu o programa Luz no Campo pelo programa Nacional de Universalização do Acesso e Uso da Energia Elétrica (Luz para Todos), incorporando o PRODEEM (WANDERLEY; CAMPOS, 2013). Da mesma forma que os programas anteriores, o Luz para Todos possuía o objetivo de levar energia elétrica para mais de 10 milhões de pessoas no meio rural, até o ano de 2008, e acabar com a exclusão de energia elétrica em todo país (MME, 2017).

O programa foi prorrogado em 2008 para até 2010 através do decreto n 6.422 e novamente dm 2010 para 2011 através do decreto 7.324. Ao final de 2011 foi lançada a segunda fase do programa Luz para Todos (SANTOS, 2014). O programa continua em andamento até os dias atuais. Através do gráfico da figura 9 é possível observar a evolução do número de ligações realizadas no Brasil resultado do programa. Figura 9 - Número de novas ligações (em milhares).

Fonte: EPE (2016)

69,999

378,046

590,013

397,877441,427

357,970419,204

247,862

120,13187,31390,568

57,676

,0

100,0

200,0

300,0

400,0

500,0

600,0

700,0

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Nov

as L

igaç

ões (

milh

ares

)

33

Figura 10 - População atendida acumulada (em milhares)

Fonte: EPE (2016)

Do gráfico da figura 10 também é possível verificar que no ano de 2009 o programa havia atingido seu objetivo de atender 10 milhões de pessoas do meio rural. Porém, percebe-se que o programa vem perdendo forças ao longo dos anos onde a quantidade de ligações passou de uma média de 400 mil por ano para algo em torno de 60 mil, conforme figura 9. A figura 10 também reflete o comportamento de estabilização da curva de crescimento da população atendida.

Já no ano de 2012, como forma de regular o mercado de energia distribuída, a ANEEL estabeleceu as condições gerais para o acesso de microgeração e minigeração distribuída aos sistemas de distribuição de energia elétrica, assim como os sistemas de compensação de energia elétrica através da Resolução Normativa n 482. Este sistema de compensação é conhecido internacionalmente por net metering.

Desta forma, ficou estabelecido que o sistema de compensação de energia elétrica passaria a funcionar da seguinte forma: A energia ativa injetada por unidade consumidora com microgeração ou minigeração distribuída é cedida, por meio de empréstimo gratuito, à distribuidora local e posteriormente compensada com o consumo de energia elétrica ativa a ser consumida por um prazo de 60 meses" (BRASIL, 2012).

Esta foi a segunda forma de incentivo do governo ao aumento da utilização de sistemas fotovoltaicos para geração própria de energia para consumidores tipo pessoa física e jurídica, não se caracterizando com um programa de abrangência nacional como nos casos anteriores.

349,

995

2240

,225

5190

,290

7179

,675

9386

,810

1117

6,66

0

1327

2,68

0

1426

4,12

8

1474

4,65

2

1509

3,90

4

1545

6,17

6

1568

6,88

0

-

2000,0

4000,0

6000,0

8000,0

10000,0

12000,0

14000,0

16000,0

18000,0

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Popu

laçã

o (m

ilhar

es)

34

No entanto, um ano após a RN 482 o CONFAZ aprovou o Convênio ICMS 6 que estabelecia que o ICMS apurado teria como base de cálculo toda energia que chega à unidade consumidora proveniente da distribuidora, sem considerar qualquer forma de compensação por parte de microgerador (CONFAZ, 2013). Ou seja, a carga elevada de impostos dificultou a aquisição de SFV pois o ganho aparente mensal era baixo.

Já em 2015, ocorreu a primeira revisão da resolução normativa 482, resultando na RN 687 o qual altera a RN 482 e os módulos 1 e 3 dos procedimentos de distribuição - PRODIST (BRASIL, 2015). No mesmo ano, o CONFAZ publicou o Convênio ICMS 16, o qual revogou o Convênio ICMS 6 e alterou o método de cálculo para esse imposto sobre a energia gerada. Segundo CONFAZ (2015) o ICMS incide somente sobre a diferença entre a energia consumida e a energia injetada na rede no mês. No entanto, as distribuidoras não foram forçadas a aceitar tal alteração. Coube a elas decidirem se iriam aderir ao Convênio ICMS 16 ou não.

No mesmo período da criação da RN 482, o Programa Brasileiro de Etiquetagem (PBE/2001) implementou a etiquetagem de sistemas fotovoltaicos em caráter compulsório por meio da portaria do INMETRO n 004, em janeiro de 2011, objetivando estabelecer regras para os equipamentos de geração de energia fotovoltaica (INMETRO, 2015). Segundo Santos (2014) o objetivo do PBE é fornecer informações que influenciam na decisão de compra dos consumidores, que podem levar em consideração outros fatores, além do preço. O INMETRO (2015) salienta que o programa estimula a competitividade da indústria, através da indução do processo de inovação e desenvolvimento tecnológico promovido pela escolha consciente dos consumidores.

Portanto, o período anterior a 2012 representa as etapas pelo qual os governos federais e estaduais evoluíram até serem capazes de estabelecer as condições necessária para o desenvolvimento do mercado de energia fotovoltaica no Brasil. Ou seja, o marco inicial para o processo de adoção da tecnologia de sistemas fotovoltaicos residenciais ocorreu a partir de 2012 quando através da RN 482 foram estabelecidas as “regras do jogo” para a geração de energia solar no Brasil.

35

2.2 DIFUSÃO DE TECNOLOGIA E DE INOVAÇÕES

Em um mundo repleto de incertezas, a tendência natural do ser humano é buscar padrões que expliquem o comportamento de um fenômeno, ou em outras palavras, a “natureza das coisas”. No ambiente competitivo empresarial, o fator inovação é um fenômeno importante no processo de difusão de novas tecnologias. Uma das vantagens da compreensão desse fator é a possível melhora na gestão do portfólio de produtos. Neste âmbito, os modelos de difusão de tecnologia surgiram com o objetivo de identificar o nível de propagação de uma inovação dentre um grupo de adotantes iniciais ao longo do tempo (MAHAJAN; MULLER; BASS, 1990).

O fator tempo é crucial pois para que um produto ou tecnologia se torne economicamente viável, Figueiredo (2009) salienta que além de se possuir um profundo conhecimento dos processos de desenvolvimento técnico, também se faz necessário a identificação dos estágios de penetração e difusão nos mercados consumidores. Em trabalho desenvolvido por Rogers (1983) são identificados cinco estágios durante a adoção de uma inovação:

1. Conhecimento: indivíduo é exposto a uma inovação e passa a

ter conhecimento de como ela funciona. 2. Persuasão: indivíduo constrói a sua opinião, favorável ou não,

em relação à inovação. 3. Decisão: quando o indivíduo se engaja em atividades que o

levam a adotar ou rejeitar a inovação. 4. Implementação: inicia a partir do momento que o indivíduo

coloca a inovação em uso. 5. Confirmação: é o momento em que o indivíduo reintegra a

opinião anteriormente construída quanto à inovação ou pode alterá-la devido a mensagens conflitantes sobre a inovação.

Decorrente dos estágios existentes no processo de adoção de

novas tecnologias e a intensidade com que eles ocorrem, surgem grupos de indivíduos que possuem suas próprias “personalidades” e atitudes para com a adoção de uma inovação (KONZEN, 2014). Esses grupos podem ser divididos em inovadores, adotantes inicias, maioria inicial, maioria tardia e retardatários (ROGERS, 1983). Esses grupos podem ser descritos como:

36

• Inovadores: possuem como característica a obsessão pelo empreendedorismo e por novas aventuras. Um importante pré-requisito para ser considerado um inovador é a disponibilidade de capital para absorver possíveis perdas financeiras devido às inovações que acabam não atingindo seu ponto de retorno sobre investimento.

• Adotantes iniciais: representam pequenos grupos de indivíduos que possuem respeitável opinião e influenciam a maioria dos grupos sociais a qual pertencem. Este grupo é considerado por muitos como referência para consulta sobre a experiência com novas tecnologias, ou seja, minimizar as incertezas sobre novas ideias.

• Maioria inicial: representam a parcela dos adotantes que aderem a uma nova tecnologia antes do que média da população. Eles frequentemente interagem com os seus pares, porém não detém posição de liderança de opinião. Além disso, possuem período entre lançamento da inovação até decisão de compra mais longo do que os inovadores e adotantes iniciais.

• Maioria tardia: grupo de indivíduos que passa a adotar uma tecnologia depois da média da população. A adoção decorre de fatores econômicos e devido a pressão da rede de contatos. Para este grupo, as normas que afetam o desenvolvimento da tecnologia devem estar em favor da inovação para que eles sejam convencidos da adoção.

• Retardatários: este grupo representam os últimos a adotarem uma inovação. O ponto de referência deles é o passado. Retardatários tendem a ter suspeitas sobre inovações e agentes de mudança e a orientação tradicional deste grupo desacelera o processo de inovação até adoção.

Conforme a figura 11 apresentado a seguir é verificado a

porcentagem de contribuição de cada um destes grupos para a composição do total de indivíduos adotantes de uma nova tecnologia. É possível observar que a curva apresenta o formato de uma curva normal.

37

Figura 11 - Perfil de adoção.

Fonte: Adaptado de Rogers (1983)

Porém, se ao invés de plotar o gráfico do número de adotantes

por período de tempo e optar pelo acumulado de adotantes ao longo do tempo, o formato da curva segue o formato de uma distribuição sigmóide, também chamada de Curva-S. Segundo Konzen (2014) inicialmente, poucos indivíduos adotam a nova ideia (inovadores) e assim que a inovação começa a ter seus benefícios visíveis, passa a ser adotada pelo segundo grupo, composto por formadores de opinião, e, à medida que as redes interpessoais são ativadas, a Curva-S decola. Os dois formatos de curva de adoção são apresentados na figura 12. A curva superior é a sigmóide enquanto a inferior é a curva normal. Figura 12 - Curvas de distribuição sigmoide e normal.

Fonte: Adaptado de Islam (2013)

38

Naturalmente com o passar dos períodos a Curva-S começa a atenuar já que mais da metade dos indivíduos pertencentes ao sistema social tenham adotado a inovação. Este fenômeno ocorre segundo Sterman (2000) devido a relação entre feedbacks positivos e negativos e o eventual atingimento das capacidades do sistema em observação. Para exemplificar o comportamento da Curva-S, a figura 13 apresenta a adoção de diversos produtos no mercado norte americano entre os anos de 1900 até 2005 em estudo realizado por Cox e Alm (2008). Figura 13 - Difusão de tecnologias no mercado norte americano.

Fonte: Adaptado de Cox & Alm (2008)

Através da figura 13 é possível relacionar a velocidade de disseminação de uma tecnologia através do formato das curvaturas. Quanto mais ingrime a curva, mais acelerado foi o processo de difusão. Mesmo que a velocidade da propagação seja um fator relevante, Baran (2010) ressalta que o foco principal das pesquisas quanto à difusão de tecnologias está na identificação de fatores, atrasadores e facilitadores do processo de difusão, os quais podem influenciar na sua duração e extensão. Dentro da teoria de difusão, destaca-se também a importância das conexões interpessoais como fator influenciador durante o processo de adoção. Segundo Konzen (2014) entende-se que a mídia de massa é importante para espalhar informação, enquanto a troca de informações entre pessoas seja fundamental para espalhar a adoção.

39

Desta forma, destaca-se a persuasão como fator “por de trás” no processo de difusão de uma nova tecnologia, porém ela por si só não garante a disseminação. O modo como a tecnologia se reinventa, tornando-se mais simples e barata pode alterar a percepção dos indivíduos de maneira que se parece mais vantajosa aos grupos de adotantes. Para que a tecnologia evolua e crie essa percepção surgem as políticas de incentivo dirigidas pelos governos federais e estaduais. Segundo Konzen (2014) elas são designadas somente para assegurar a adoção de uma ideia para adotantes inicias, ou seja, reduzindo a sua participação à medida que seja atingido 20% de adoção de um sistema social.

Portanto, entre as décadas de 50 e 60 surgiu a dinâmica de sistemas como ferramenta matemática de suporte para análise de sistemas complexos através do estudo das partes que o compõe e o impacto nas saídas do sistema. Deste modo, a dinâmica de sistemas veio de encontro as necessidades de estudo na área de difusão de tecnologias.

2.3 DINÂMICA DE SISTEMAS

Originalmente a dinâmica de sistemas foi desenvolvida pelo engenheiro eletricista Jay. W. Forrester durante o seu período de trabalho no MIT (Massachusetts Institute of Technology) entre as décadas de 50 e 60 com a publicação do livro Industrial Dynamic (FORRESTER, 1961). Esta metodologia surgiu com o intuito de entender o comportamento de um sistema complexo através da análise das partes que o compõe e seu impacto nas saídas do sistema. Porém, Sterman (2000) salienta que o aprendizado sobre a complexidade de sistemas dinâmicos requer mais do que conhecimento técnico para criar ferramenta matemáticas, a dinâmica de sistemas é fundamentalmente interdisciplinar.

Apesar de desenvolvida nas décadas seguintes a Segunda Guerra Mundial, essa metodologia se tornou popular apenas nos anos 90 com o desenvolvimento de softwares específicos para construção e simulação do sistema como por exemplo: Powersim, IThink e Vensim. (ÁVILA et al. 2004).

Porém, como cada área do conhecimento pode utilizar uma mesma palavra para descrever situações diferentes, este trabalho recorreu a literatura específica da dinâmica de sistemas para buscar interpretações dos autores sobre o tema. Neste contexto, para que seja possível o entendimento da metodologia supracitada, faz-se necessária a definição de algumas palavras que serão utilizadas extensivamente ao

40

longo desde trabalho, elas são: “dinâmica” e “sistema”, além de complexidade dinâmica.

Segundo o autor Bueno (2010), um sistema é o conjunto de elementos organizados intencionalmente pela ação humana ou que simplesmente se auto-organizam para cumprir propósitos específicos. Neste caso, os sistemas econômicos em geral, assim como o analisado neste trabalho, representam um terceiro tipo, pois envolvem elementos tanto de intencionalidade quanto de auto-organização. Por exemplo, no mercado fotovoltaico existem normas reguladoras criadas intencionalmente para organização do mesmo, porém se autorregulam conforme as necessidades e respostas do meio a determinadas ações.

Quanto à dinâmica, ela pode ser definida através da sua complexidade dinâmica. Está é uma propriedade exibida por sistemas onde seus agentes respondem a informações exógenas, ou seja, atuam sobre o sistema, mas não são geradas por ele, ou aquelas geradas pelo próprio comportamento do sistema também chamadas de endógenas (BUENO, 2010). Ou seja, sistemas que apresentam elevada complexidade em detalhes poderão ser considerados dinamicamente simples se seus agentes não respondem a fatores externos ou novas informações (exógenos). Por outro lado, sistemas com baixa complexidade podem ser dinamicamente complexos dado a elevada presença de fatores externos. Desta forma, Sterman (2000) define que a complexidade dinâmica surge porque sistemas são:

• Dinâmicos: Os sistemas mudam sob diferentes horizontes. Por exemplo, mercados de capitais crescentes podem durar por anos e quebrar em algumas horas.

• Firmemente unido/interligados: Agentes nos sistemas interagem fortemente e com o mundo ao seu redor.

• Governados por realimentação: Essa característica surge da união forte entre os agentes que com a realimentação de novos dados de outros agentes, disparam novas decisões e criam novas situações.

• Não lineares: Os efeitos das realimentações são raramente proporcionais a causa e o que acontece localmente geralmente não se aplicam a regiões distantes.

• Dependente de seu histórico: O estado que o sistema se encontra determina seu comportamento ou decisões futuras. Ações são irreversíveis. Por exemplo: Pegar uma estrada implica em pegar suas subsequentes e logo aonde se chegará.

41

• Auto organizáveis: O comportamento dinâmico dos sistemas surge espontaneamente da sua estrutura interna.

• Adaptativos: As regras de decisão dos agentes mudam ao longo do tempo.

• Contra intuitivos: Causa e efeito estão distantes no espaço-tempo, ao passo que humanos tendem a explicar os efeitos de forma próxima.

• Resistentes a políticas: Pelo fato de serem contra intuitivos e a visão limitada das pessoas, as políticas aparentemente óbvias impostas por elas para interferirem nos sistemas complexos, provavelmente falharão.

• Caracterizado por trade-offs: Ações de alta alavancagem são inicialmente ruins para melhorar um cenário futuro e as de baixa alavancagem geram melhorias transitórias antes que o problema então piore.

Tendo em vista as definições de sistemas, dinâmica e complexidade dinâmica, o trabalho de construção do enunciado dessa metodologia se torna mais simples e palpável. Dessa foram, os autores Serra, Rodrigues e Paquete (2000) definiram a dinâmica de sistemas como a tentativa de compreender a estrutura básica dos sistemas, e dessa forma, antecipar o comportamento que eles produzem. Porém, para que seja possível antecipar um comportamento faz-se necessário a adição do fator temporal no estudo da dinâmica de sistemas, onde a evolução de um sistema deve ser avaliada ao longo do tempo (FERNANDES, 2001).

Portanto, para que seja possível realizar o estudo da dinâmica de um sistema os autores Blois e Souza (2008) salientam que a utilização de ferramental computacional para simulação contribui para a compreensão de como o sistema em foco evolui no tempo e como as mudanças em suas partes afetam todo o seu comportamento. Complementarmente, Bastos (2003) afirma que a modelagem de sistemas dinâmicos do mundo real pode ser criada a partir de diagramas com simbologia definida e modelos matemáticos, os quais serão apresentados nas seções seguintes.

Logo, em resumo tem-se que a dinâmica de sistemas busca estudar os componentes de um determinado problema em análise e o comportamento que eles produzem no resultado final após as interações entre as partes ao longo do tempo. Figliuolo Neto, Oliveira e Maciel

42

(2013) apud Santos (2006), buscaram sumarizar os objetivos da construção de um modelo dinâmico como sendo:

• Entender como um sistema real trabalha; • Conhecer os fatores que influenciam o comportamento deste

sistema; • Explorar o efeito de vários cenários e políticas no

comportamento do sistema; • Ter a capacidade de compartilhar com outros participantes os

seus resultados.

Da apresentação dos objetivos de um modelo dinâmico como prescrito por Santos (2006), constata-se que um deles trata do compartilhamento com outros pesquisadores dos resultados encontrados. Através do contato com extensivo material sobre o assunto, percebe-se que a sua aplicação se estende pelos mais diversos campos do conhecimento, Morecroft (2015) cita estudos sobre dinâmica de sistemas na gestão de serviços, na área de saúde pública, mudanças climáticas, gestão da tecnologia, planejamento urbano, para citar alguns.

No setor de energia, especificamente no desenvolvimento de fontes de energia renováveis como a solar, foram observados trabalhos que utilizam da dinâmica de sistemas para explicar o comportamento mercadológico dessa fonte de energia. Em trabalho realizado por Kiravu, Oladiran e Yanev (2014) foi estuda a adoção da tecnologia de energia fotovoltaica e aquecimento solar de água pelas residências de Botswana. Trabalho semelhante foi desenvolvido por Hsu (2012) porém em Taiwan. Os dois projetos analisaram países com estruturas financeiras frágeis e pequena população apta para adoção da tecnologia fotovoltaica.

Estudos que se assemelham com as características brasileiras foram realizados por Sisodia et al. (2016) avaliando a difusão da energia fotovoltaica no mercado indiano assim como Yan (2014) no mercado chinês. Ambos trabalhos buscaram avaliar o impacto de políticas públicas para o desenvolvimento da energia solar e aumentar a sua participação na matriz energética destes países, além disso, possuem níveis de irradiação dentro da mesma faixa que o Brasil.

Os autores Ahmad e Tahar (2014) definem quatro principais categorias de estudo onde foi aplicada a metodologia da dinâmica de sistemas no setor de energia:

43

1. Modelos que avaliam políticas de governança no setor elétrico

a nível nacional; 2. Modelos que tratam da perspectiva puramente do investidor e

tratam a energia como uma commodities; 3. Modelos que verificam como incentivos financeiros podem

suportar o aumento da difusão das tecnologias renováveis; 4. Modelos que estudam as tecnologias renováveis quanto ao seu

funcionamento.

Este trabalho possui como foco analisar a terceira categoria supracitada onde é avaliado quais incentivos financeiros podem impactar positivamente no aumento da utilização de sistemas fotovoltaicos para geração de energia, além de acelerar este processo. Pesquisadores da área de dinâmica de sistemas desenvolveram alguns modelos amplamente utilizados para estudar a velocidade de disseminação de novas tecnologias. Segundo Baran (2010), os modelos mais comuns de difusão de inovações são o de Rogers, Epidêmico e de Bass.

Na seção a seguir serão apresentados modelos de difusão encontrados na literatura e alguns serão descritos com maior detalhamento.

2.3.1 Modelos de Difusão de Tecnologias

Como pode ser observado na seção anterior, a aplicabilidade da

dinâmica de sistemas se estende pelos mais diversos campos do conhecimento. No entanto, dado o foco deste trabalho ser o estudo da difusão da tecnologia de energia fotovoltaica, foram compilados alguns modelos utilizados na literatura para explicar este fenômeno.

Um deles é o modelo de paridade tarifária onde segundo Oliveira (2010) é calculado o custo nivelado da energia (LCOE) fotovoltaica produzida, com base nos custos de investimento, operação e manutenção do sistema durante sua vida econômica, custos de financiamento, retorno sobre investimento, e amortização. Estudos com foco neste modelo foram realizados por Ayompe et al. (2010) e Breyer e Gerlach (2013). Contudo, Yang (2010) contesta que o atingimento de um nível de custo-efetividade não é o bastante para garantir a inserção de uma tecnologia.

Outro modelo utilizado para prever a difusão de sistema fotovoltaicos é o de agentes. Neste tipo de modelo são atribuídas

44

características específicas aos agentes e o resultado é originado nos comportamentos dos agentes interagindo entre si (KONZEN, 2014). Segundo Palmer et al. (2013) esse modelo busca replicar o comportamento de um microgrupo de agentes com o objetivo de explicar o padrão de consumo ao nível macro da população. Ou seja, as principais necessidades desse tipo de modelo são a quantidade e a qualidade das informações sobre a população inicial estudada. Em trabalho recente realizado por Alyousef et al. (2016) foi utilizado este tipo de modelo para prever a adoção de SFV e baterias na Alemanha.

Como citado anteriormente por Baran (2010), o modelo de Rogers (1983) é encontrado comumente em diversos trabalhos. Este por sua vez, baseia-se na sequência de etapas para adoção de uma nova tecnologia as quais são: conhecimento, persuasão, decisão, implementação e confirmação. Logo, para que um indivíduo migre de uma etapa para a outra faz-se necessária a aquisição de conhecimento para no fim, decidir entre a adoção ou rejeição da nova tecnologia (PETER et al., 2002).

Além desses modelos, Packey (1993) realizou durante o se estudo sobre a penetração de novas tecnologias em energia no mercado americano enquanto atuava no NREL, do inglês Laboratório Nacional de Energias Renováveis nos Estados Unidos, uma revisão da literatura sobre modelos de difusão de tecnologias renováveis presentes na época. Além desta lista, foram incluídos os modelos levantados por Rao e Kishore (2010) a fim de construir uma coletânea sobre modelos de difusão de tecnologia a qual pode ser observada na tabela 1.

Portanto, percebe-se que a literatura sobre dinâmica de sistemas é extensa, possivelmente dado a complexidade do objetivo fim que é a reprodução do comportamento de um sistema e previsão de resultados futuros. Durante o processo de evolução do conhecimento dentro desse ramo da literatura foi desenvolvido o modelo de Bass em 1969. Dado a importância desse modelo para a construção deste trabalho foi alocada uma seção específica para discussão sobre o mesmo.

45

Tabela 1 - Modelos de difusão.

Modelo Referências Logístico (influência externa)

Coleman et al. (1966), Hamblin et al. (1973)

Logístico (influência interna)

Mansfield (1961), Grilliches (1957)

Gompertz Gray (1973), Hendry (1972)

Influência mista Webber (1972), Bass (1969), Lekvall and Wahlbin (1973), Warren (1980)

Kalish e Lilien Kalish e Lilien (1986) Kalish Kalish (1985) Blackman Blackman (1974)

Fonte: Adaptado de Packey (1993) e Rao e Kishore (2010) apud Mahajan e Petersen (1985).

2.3.2 Modelo de Difusão de Bass (1969)

O modelo de Frank Bass foi desenvolvido em 1969 tendo como

referência o modelo de Rogers de 1962. Bass trouxe a contribuição matemática à teoria de difusão pois o modelo trabalha com uma equação principal capaz de gerar a curva sigmoide apresentada nas seções anteriores (KONZEN, 2014).

Além deste fator, o modelo resolve o problema de inicialização de variável, encontrado em outros modelos como o logístico. Ou seja, o modelo logístico não era capaz de explicar a gênese dos adotantes iniciais. Segundo Sterman (2000), Bass resolveu o problema de inicialização assumindo que os adotantes potenciais se tornariam conscientes da inovação através de fontes de informação externa cuja magnitude e poder de persuasão são aproximadamente constante ao longo do tempo.

Para facilitar a percepção sobre o ganho trazido por Bass para a teoria da dinâmica de sistemas é apresentada a seguir a formulação do modelo de Bass (1969) segundo a linguagem da dinâmica de sistemas

46

(fig. 14) assim como a representação formal da equação do modelo de Bass (GUIDOLIN; MORTARINO; 2010).

Figura 14 - Modelo de Bass na linguagem da Dinâmica de Sistemas

Fonte: Adaptado de Sterman (2000)

𝑧𝑧′(𝑡𝑡) = 𝑝𝑝�𝑚𝑚 − 𝑧𝑧(𝑡𝑡)� − 𝑞𝑞𝑧𝑧(𝑡𝑡)𝑚𝑚

�𝑚𝑚 − 𝑧𝑧(𝑡𝑡)� (1)

z’(t) – taxa de adoção z(t) – número acumulado de adotantes no tempo t m – mercado potencial p – efetividade da propaganda q – taxa de contato t - tempo

Desdobrando a equação acima em duas partes é possível compreender o processo de adoção desenvolvido por Bass. A primeira parcela da equação está relacionada com a adoção através da propaganda que é realizada através da divulgação de um novo produto ou tecnologia, o qual é modelada através do parâmetro p também chamado de coeficiente de inovação (MAHAJAN et al., 1990). Para a formulação original de Bass, o mercado potencial é considerado constante e portanto, a influência da primeira parcela vai reduzindo ao

47

longo do tempo pois m é constante e z(t) cresce. Já a segunda parcela da equação está relacionada a adoção

através do contato com pessoas que já utilizaram a tecnologia. Este comportamento é modelado através do parâmetro q, também chamado de coeficiente de imitação (MAHAJAN et al., 1990). O comportamento da segunda parcela da equação se assemelha a uma parábola com concavidade voltada para baixo. A figura 15 demostra representação das curvas para cada uma das parcelas. Figura 15 - Representação gráfica das parcelas de z’(t).

Fonte Mahajan et al. (1990).

Através da análise da figura 15 é possível apontar que quando

uma nova tecnologia ou produto é introduzida no mercado, a taxa de adoção consiste inteiramente em pessoas que aprenderam sobre a inovação através de fontes externas com por exemplo, propaganda (STERMAN, 2000). Além disso, acrescenta-se que a maior parte dos novos adotantes é fruto da adoção devido ao contato com pessoas que já adotaram. Isto ocorre porque quanto maior o número de adotantes efetivos, maior o número de adotantes que tomarão conhecimento da mesma e poderão se tornar adotantes efetivos (BONADIA el al., 2007).

Desta forma, os parâmetros p e q possuem importante papel dentro do modelo de Bass pois eles descrevem o comportamento da adoção de uma nova tecnologia. Segundo Konzen (2014) apud Lilien et al. (2007) existem diversos métodos para estimar os parâmetros p e q podendo ser baseados em dados históricos de venda com auxílio de regressão linear ou não linear, através de analogia com outros produtos ou via pesquisa de opinião para levantar a intensão de compra de

48

consumidores. Dada a importância destes parâmetros, diversos estudos foram

realizados a fim de determiná-los para várias tecnologias. Em trabalho desenvolvido por Guidolin e Mortarino (2010) foram estimados os valores de p e q para o processo de difusão da tecnologia fotovoltaica em 11 países. No entato, o estudo não segmentou a informação entre sistemas conectados a rede e fora de rede, ou seja, compromeuteu a qualidade da informação pois a década de 90 foi marcada por sistema desconectados da rede. Contudo, Sultan et al. (1990) verificou que a média dos valores para p é de 0,03 enquanto para q é de 0,38.

Portanto, uma vantagem atribuída ao modelo de Bass é a simplicidade na sua estrutura por ser composta por poucos parâmetros, os quais demandarão menos dados de entrada para o modelo (KONZEN, 2014). Por outro lado, Sterman (2000) aponta que o modelo também é criticado por omitir variáveis econômicas e outras que afetam a decisão de adoção como por exemplo, preço. Além disso, o modelo considera que o mercado potencial de adotantes é constante ao longo do tempo, o qual dificilmente ocorre no mundo real devido a taxas de natalidade, mortalidade e migração (STERMAN, 2000).

49

3 MÉTODOS ADOTADOS

Tendo em vista os conceitos básicos sobre dinâmica de sistemas e alguns dos principais modelos desenvolvidos utilizando esta teoria, apresentam-se neste capítulo as etapas necessárias para desenvolvimento de um modelo de dinâmica de sistemas proposto por Sterman (2000) e Martinez-Moyano e Richardson (2013).

Inicialmente, realiza-se o enquadramento do projeto pesquisa quanto aos seus objetivos pretendidos, quanto a forma de obtenção de informações e por fim, quanto aos procedimentos utilizados pelo pesquisador.

Quanto aos objetivos pretendidos, esta pesquisa pode ser classificada como descritiva pois trata da descrição das características de um fenômeno, ou seja, é realizado o estudo, análise, registro e interpretação dos fatos do mundo físico sem a interferência do pesquisador (BARROS & LEHFELD, 2007).

Já quanto a obtenção das informações a pesquisa pode ser classificada como bibliográfica pois os dados foram obtidos por meio de fontes teóricas, ou seja, por meio de material publicado em livros, revistas e artigos científicos (GERHARDT & SILVEIRA, 2009). Os dados utilizados para modelagem de variáveis como por exemplo, evolução da tarifa de energia, foram coletados de fontes secundárias como IPEA, EPE e ANEEL.

Por fim, classifica-se a pesquisa quanto aos procedimentos utilizados. Segundo Gil (2008) em um estudo onde é determinado um objeto de estudo, selecionas as variáveis que seriam capazes de influencia-lo, definidas as formas de controle e observados os efeitos que as variáveis produzem no objeto ele pode ser classificado como experimental. Como esta pesquisa apresenta essas características, define-se que quantos aos procedimentos ela é uma pesquisa experimental.

Tendo em vista a classificação do projeto de pesquisa, apresenta-se o software utilizado para construção do modelo de simulação. Para este caso foi o utilizado o Vensim. Esta foi a opção selecionado pelo autor pois este software possui uma versão gratuita e que atende as necessidades de projeto. A seguir são apresentadas as etapas necessárias para desenvolvimento do modelo de simulação computacional utilizado para analisar a disseminação da tecnologia de energia fotovoltaica.

50

3.1 DEFINIÇÃO DA HIPÓTESE DINÂMICA

Assim como em qualquer outro tipo de projeto, inicialmente é definido qual fenômeno ou problema pretende-se estudar a fim de encontrar possíveis causas ou soluções para o mesmo. Para os autores Martinez-Moyano e Richardson (2013) essa pode ser considerada a etapa mais importante do processo de modelagem de sistemas, pois a definição errônea do problema levará a um modelo que não terá utilidade para buscar soluções ao mesmo.

Para a definição da hipótese dinâmica foi estudado o cenário passado e atual da tecnologia de SFV no Brasil e como ele foi alterado a fim de permitir a inserção desta tecnologia nesse país. Para isso, foram levados em consideração artigos sobre o tema, Normas Reguladoras e suas alterações, tributações sobre os produtos que compõem o sistema, assim como os preços da energia elétrica praticados no Brasil. Principalmente através da revisão de artigos publicados sobre a temática de energia solar foi possível constatar quais pontos dificultavam e ainda dificultam a disseminação desta forma de geração de energia.

De posse deste material foi possível esboçar o conceito inicial sobre o comportamento do mercado de energia fotovoltaica, as principais variáveis que impactam no seu crescimento e como elas estão interligadas. Uma vez que o problema foi identificado e caracterizado, desenvolveu-se a teoria inicial, também chamada de hipótese dinâmica, que irá solucionar o problema. A hipótese é chamada de dinâmica porque ela deve prover uma explicação para a dinâmica que caracteriza o problema em termos de estruturas de feedback e estoques e fluxos (STERMAN, 2000).

Por fim, apresentou-se a hipótese dinâmica utilizada como base para desenvolvimento o desenvolvimento dos modelos apresentados nas seções seguintes.

3.2 FORMULAÇÃO DO MODELO DE DINÂMICA DE SISTEMAS

3.2.1 Modelo Conceitual

Inicialmente para a etapa de construção do modelo de simulação, parte-se para o desenvolvimento do modelo conceitual. Este primeiro modelo é a versão simplifica do modelo final. Nele são apresentadas as conexões do sistema que caracteriza o ambiente ao qual se insere a hipótese dinâmica definida na seção anterior. Este modelo utilizou como base o modelo de Bass (1969) e sua estrutura para iniciar o processo de modelagem do sistema.

51

Para a construção do modelo conceitual são utilizados os diagramas de laços causais (CLD, do inglês Causal Loop Diagram) pois, segundo Sterman (2000), eles são ferramentas flexíveis e úteis para diagramação de estruturas de feedback em qualquer campo de conhecimento. Os CLDs são simplesmente mapas que mostram os links causais entre variáveis através de setas que indicam causa e efeito.

Estes laços de realimentação podem ser positivos ou negativos. Segundo Alvez (2008) o laço é considerado positivo quando reforça seu comportamento, gerando um círculo virtuoso ou vicioso. Na linguagem do modelo de simulação um laço de reforço é indicado através da letra R. Por outro lado, o laço é considerado negativo quando dado um aumento na causa, o efeito reduz abaixo do que ele era antes (STERMAN, 2000). Na linguagem do modelo de simulação o enlace negativo também é chamado de enlace de balanço ou busca de objetivo, por isso utiliza a letra B como símbolo. Um exemplo que ilustra este comportamento é, por exemplo, considerar a melhoria nas condições de saúde pública e o impacto que a mesma gera na redução da taxa de mortalidade, conforme pode ser observado na figura 16. Figura 16 - Exemplo de enlace causal.

Fonte: Adaptado de Sterman (2000).

Na figura 16 é possível observar que as setas possuem sentido e polaridade. O sentido é atribuído através da verificação que qual elemento é causa e quem é o efeito. Já a notação de polaridade para as setas pode ser determinada através dos seguintes enunciados propostos por Alvez (2008).

• Se a relação é proporcional, “quando X aumenta, Y aumenta” ou “quando X diminui, Y diminui”, a seta tem sinal positivo. X→+Y.

52

• Se a relação é inversamente proporcional, “quando X aumente, Y diminui” ou “quando X diminui, Y aumenta, a seta tem sinal negativo. X→-Y.

Portanto, a partir dessas instruções e noções foi possível desenvolver o modelo conceitual. Inicialmente foram verificadas quais variáveis possuíam nível de interação direto ou indireto para atribuir as primeiras setas de conexão. Em seguida, para análise da polaridade, era avaliado se um aumento na variável antecessora provocava um efeito de crescimento ou decrescimento na variável diretamente sucessora.

Nesta etapa ainda não se levou em consideração a existência de relações matemáticas entre as variáveis pois, mesmo que ela não existisse através de uma equação, poderia utilizar-se de métodos qualitativos para coleta de dados e então, construir a relação. Por exemplo, calcular a percepção de valor quando são alteradas características de um produto simultaneamente a variações no preço.

Por fim, tendo em vista este desenho, a última etapa foi a definição de quais ciclos de feedback possuíam a função de reforço ou balanço. Para isso, o conceito utilizado para identificar tais laços foi através da observação da presença ou não de enlaces negativos nos ciclos levados em conta.

Tendo em vista a formulação do modelo conceitual, parte-se a construção do modelo formal de simulação o qual irá conter variáveis, estoques, fluxos e os laços de conexão, também chamdo de modelo de estoque e fluxo.

3.2.2 Modelo de estoques e fluxos

Através do modelo anterior foi possível o estabelecimento das fronteiras do sistema dinâmico em análise, ou seja, tornou-se visível e palpável qual era a dimensão do problema e suas conexões. Além disso, essa etapa serviu como direcionadora para quais informações seriam necessárias para o desenvolvimento da etapa seguinte. No entanto, uma das mais importantes limitações dos diagramas de enlace causal é a incapacidade de capturar a estrutura de sistemas de estoque e fluxo (STERMAN, 2000).

Logo, faz-se necessária a tradução do modelo conceitual no modelo de estoques e fluxos. Para que ocorra essa tradução, Alvez (2008) salienta que a base para construção de fluxos é a compreensão dos conceitos de estoques (níveis) e de fluxos. De acordo com Forrester

53

(1972), estoques (ou níveis) representam estados ou a acumulação de resultados das ações do sistema, ou seja, os valores atuais das varáveis, que resultam da diferença acumulada entre os fluxos de entrada e de saída. Desta forma, como estoque acumula o fluxo que entra e subtrai o fluxo que sai ele pode ser representado através da seguinte equação.

Estoque = INTEGRAL(Tx. Entrada − Tx. Saída, Estoque(t0)) (2)

Por sua vez, os fluxos são atividades que representam

crescimento ou redução de estoques através de taxas. Enquanto os estoques caracterizam o estado do sistema e geram informações ao qual as decisões são baseadas, os fluxos são alterados pelas decisões e por sua vez alteram os estoques fechando o enlace no sistema (STERMAN, 2000).

Os fluxos podem tanto ser fluxos de entrada como de saída. A figura 17 apresenta a estrutura geral dos componentes de um sistema de representação estoque e fluxo. A seta apontando em direção ao estoque é chamado de fluxo de entrada e a seta apontando para fora do estoque é chamado de fluxo de saída e as válvulas controlam os fluxos. As nuvens podem representar fontes ou sumidouros. Uma fonte representa o surgimento de um fluxo de fora dos limites do modelo, já o sumidouro representa a saída do fluxo para fora dos limites do modelo. Ambos são assumidos infinitos. Figura 17 - Estrutura geral do modelo de estoque e fluxo.

Fonte: Adaptado de Sterman (2000).

Além dos elementos apresentados na figura 17, o diagrama de estoque e fluxo contém variáveis auxiliares. Estas variáveis apresentam as taxas que modificam e fornecem valores para os fluxos (ALVEZ, 2008). No software Vensim, utilizado neste estudo, não há um símbolo para variáveis auxiliares. Elas são visualizadas no modelo através do próprio nome.

54

Partindo destas definições e notação é possível desenvolver o modelo de estoque e fluxo. Através da união de cada subsistema de estoque e fluxo construído para representar o comportamento dos componentes do diagrama de enlace causal é possível desenvolver o modelo final à ser testado.

Desta forma, a etapa da construção do modelo de estoques e fluxos passou inicialmente pelo processo de coleta de dados. Estes foram coletados através de entidades como IBGE, ANEEL, FGV, EPE, ABINEE, IPEA e ABRADEE, além de conteúdo acadêmico desenvolvido por pesquisadores das áreas de energia fotovoltaica e dinâmica de sistemas.

Buscou-se através destas informações caracterizar quantitativamente as entidades envolvidas no modelo. Em outras palavras, estabelecer taxas de crescimento, valores para variáveis constantes, valores de inicialização para variáveis e equações matemáticas que relacionavam as entidades.

Contudo, o modelo necessitava de uma base para ser iniciado. Conforme citado na seção 3.2.1, o modelo construído neste trabalho utilizou o modelo proposto por Bass (1969) como plataforma de desenvolvimento. Dentre as adaptações inseridas no novo modelo estão a transformação do mercado potencial do formato constante para variável através do acréscimo de uma taxa de crescimento para o mercado potencial e a adição do efeito do aprendizado sobre o custo do SFV.

Concomitantemente com este processo foi realizada a tradução do modelo anterior para a linguagem utilizada pelo software Vensim. Como a mesma estava de acordo com os padrões de representação apresentados pela metodologia proposta por Sterman (2000), o modelo desenvolvido no software já se enquadrava no formato de estoques e fluxos e estava, portanto, pronto para ser validado.

Por fim, tendo o modelo construído, necessita-se a verificação da compatibilidade de funcionamento do modelo com a realidade. Dessa forma, forma realizados testes de confiabilidade e validação para garantir que o modelo estava se comportando conforme o mundo real.

3.3 TESTES DE CONFIABILIDADE E VALIDAÇÃO

A fim de confirmar a integridade do modelo foram realizados experimentos para verificar se ele estava confiável e validá-lo. Na primeira etapa foram realizados testes sob condições extremas, que não necessariamente ocorreriam no mundo real, a fim de observar se o

55

modelo apresenta o comportamento esperado. Ou seja, os valores atribuídos a algumas variáveis foram extrapolados a fim de se constatar alguma incoerência entre o modelo e os princípios físicos que regem o universo ou senso comum. Caso alguma inconsistência era observada, motificações eram realizadas nas equações dos estoques e dos fluxos.

Além desta etapa, para garantir que o modelo representa o comportamento aproximado ao real foi realizada a validação das saídas geradas pelo mesmo com os reais valores encontrados. O processo de validação foi conduzido nesse formato pois, segundo Sterman (2000), o processo de teste começa a partir da construção da primeira equação e ele envolve comparar o comportamento simulado no modelo com o comportamento real do sistema.

Portanto, no mais básico dos quatro experimentos, o modelo proposto deveria se comportar de maneira semelhante ao modelo proposto por Bass (1969), ao se considerar constate o tamanho de mercado, já que a estrutura deste foi utilizada para desenvolvimento daquele.

Já para o segundo teste foi atribuído o valor zero a variável de tarifa de energia, o qual indicaria que o consumidor não seria cobrado pela energia utilizada nas residências e, portanto, a lógica no mundo real seria a não aquisição de sistemas fotovoltaicos pois não haveria nenhum benefício na realização do mesmo.

Os últimos dois experimentos realizados foram a comparação dos resultados extraídos do modelo com os valores obtidos no mundo real como por exemplo, número de SFV instalados por ano, e a elevação do preço do kWp até certo ponto onde o cliente não teria interesse em adquirir o SFV dado o elevado tem de retorno, sendo superior ao tempo de vida útil da tecnologia.

Por fim, durante o processo de teste, o modelo foi alterado inúmeras vezes. No entanto, para o âmbito deste trabalho serão apresentados o resultado final e o seu comportamento. Em seguida, foram avaliados os cenários selecionados e o seu impacto sobre as varáveis do modelo. 3.4 AVALIAÇÃO DE POLÍTICAS

Com o modelo construído e validado, parte-se para a seleção das

políticas econômicas que serão testadas. A escolha das políticas avaliadas neste modelo baseou-se na literatura sobre a energia

56

fotovoltaica no Brasil e os principais limitantes para sua difusão. Também foram levadas em consideração a percepção de órgãos relacionados ao gerenciamento do sistema elétrico brasileiro (ANEEL), bem como o órgão que realiza o planejamento da demanda futura (EPE).

No entanto, apenas àquelas cujas características principais estavam contidas no modelo estariam entre as candidatas para seleção. Ou seja, não somente o modelo delimitou o alcance das variáveis através de seus enlaces causais como também estreitou as opções de políticas econômicas. Os seguites cenários foram utilizados para análise.

• Cenário I – Estado atual. Neste cenário são mantidas as normas

reguladoras vigentes e não há incentivo econômico. • Cenário II – Isenção fiscal sobre os módulos fotovoltaicos.

Neste cenário é atribuído às tarifas de II e PIS/COFINS o valor percentual de zero, ou seja, redução de 21,25% na carga tributária.

• Cenário III – Isenção de ICMS sobre a tarifa de energia. Neste cenário, não será realiza a tributação sobre a energia gerada assim como sobre a diferença entre o gerado e consumido. Desta forma, tem-se uma redução de 25% sobre o preço praticado quanto a tarifa de energia.

• Cenário IV – Subsídio do governo sobre o investimento total. Neste cenário o governo federal concede subsídio de 20% sobre o valor final do sistema fotovoltaico.

• Cenário V – Preço da energia gerada superior ao preço cobrado sobre a tarifa base de energia. O preço pago pela distribuidora sobre a energia gerada passa a ser 20% maior do que o preço cobrado sobre a tarifa base de energia.

• Cenário VI – Combinação dos cenários II, III e V.

Dado que o modelo utilizou o payback e a percepção de valor dos potenciais compradores de um SFV em relação a essa informação, as principais políticas econômicas testadas envolvem a alteração de variáveis que impactam diretamente no custo de aquisição dessa forma de tecnologia.

Em seguida, para a avaliação dos cenários, foram utilizados indicadores baseados nos valores obtidos pelas variáveis contidas no próprio modelo a fim de classificar quais cenários proporcionariam o melhor resultado para o objetivo definido nas seções iniciais deste projeto de pesquisa. Logo, foram utilizadas as medidas de número de

57

residências adotantes, além da proporção em relação a fração apta, e a potência instalada total. Além disso foram verificados também o tempo de retorno e o impacto ambiental através do crédito de carbono gerado.

Além de testadas separadamente, também foram estudadas algumas combinações de políticas econômicas já que, segundo Sterman (2000), a iteração entre diferentes políticas deve ser considerada pois os sistemas reais são altamente não lineares, ou seja, a soma dos impactos não necessariamente é igual a soma dos impactos individuais de cada política.

58

4 CONSTRUÇÃO DO MODELO CONCEITUAL

Neste capítulo serão apresentados os resultados obtidos para o processo de definição da hipótese dinâmica bem como para a contrução do modelo conceitual. Através hipótese dinâmica foi possível determinar a abrangência do estudo e o modelo conceitual proporciou a visualização das causalidades (causa e efeito) entre as partes que compõem o problema e a sua relação de proporcionalidade (diretamente ou inversamente proporcional). 4.1 HIPÓTESE DINÂMICA

Durante o capítulo 1 foi apresentado o problema que este projeto

de conclusão de curso busca entender, caracterizar e avaliar, a fim de encontrar possíveis fatores que reforcem o processo de adoção da tecnologia de energia fotovoltaica. Desta forma, através da literatura sobre o assunto foi identificado que uma barreira para a disseminação de SFV está atrelada a regulação do mercado de energia solar.

Olhando do ponto de vista regulatório, os impostos sobre os equipamentos necessários para instalação de um SFV podem vir a impactar nos custos e, consequentemente, alterar a percepção de valor sobre esta tecnologia. Outro fator a ser considerado, ainda dentro desta mesma esfera, é a possibilidade de pagamentos pela geração excedente no formato de crédito a ser abatido em futuras contas de energia.

Ou seja, a hipótese dinâmica para o modelo está relacionada com o “como” os custos para a aquisição de um SFV influenciam no tempo de retorno do investimento e como este fator impacta no processo decisório para o mercado brasileiro já que ele pode influenciar na relação entre custos e benefícios oferecidos.

4.2 DESCRIÇÃO DO MODELO CONCEITUAL

Para a construção do modelo conceitual foi utilizada a notação adotada por Sterman (2000) e para diagramação dos enlaces causais foi utilizado o software Vensim. Para construção do diagrama de enlaces causais foram necessárias as seguintes 3 etapas:

1. Identificação das variáveis do sistema. 2. Identificação das relações causais entre as variáveis. 3. Identificação dos ciclos de feedback de reforço e balanço.

59

Através da observação da literatura sobre dinâmica de sistemas e do panorama mercadológico que se encontra a tecnologia de energia fotovoltaica, foi desenvolvido o quadro 1 o qual apresenta as variáveis que compõem o modelo bem como as suas unidades e descrição. Ao total foram necessárias 33 variáveis para caracterização do mercado de energia solar para residências. Quadro 1 - Variáveis do diagrama de enlaces causais.

Variável Unidade Descrição Taxa de

Incremento residências

adimensional Percentual de aumento da população brasileira.

Fração apta residências Parcela do total de residência que possui condições técnicas para instalação de SFV.

Limitadores técnicos adimensional

Percentual de residências que devido as características construtivas da habitação estão impossibilitadas de instalar SFV.

Mercado potencial de residências

residências Corresponde a fração apta do mercado total de residências que possui interesse em SFV dada a sensibilidade ao tempo de retorno.

Adoção devido ao marketing boca-a-boca

residências Total de residências que adquiriram o SFV devido a influência da opinião de pessoas que já possuem o SFV.

Taxa de contato adimensional

Percentual de sucesso de adoções devido ao contato entre pessoas.

Adoção devido a propaganda residências

Total de residências que adquiriram o SFV devido a influência das mídias de divulgação.

Efetividade da propaganda adimensional

Percentual de sucesso de adoções devido a efetividade da propaganda.

Fração do mercado adotante

adimensional Relação entre o número de adotantes e a parcela do mercado apta para instalação.

Continua Fonte: Autor.

Quadro 1 - Variáveis do diagrama de enlaces causais.

60

Credito de carbono US$/1000

Crédito concedido para instituições que "vendem" a redução de CO2 proveniente de medidas para eficiência energética.

Preço do credito de carbono

US$/tCO2 Preço praticado na venda dos créditos de carbono no mercado internacional.

Fator de emissão de

CO2 tCO2/MWh

Relação entre redução de toneladas de CO2 emitidas na atmosfera para cada MWh deixado de ser consumido por fonte fósseis.

Capacidade instalada kW

Capacidade de energia possível de ser gerada através dos painéis fotovoltaicos somando o total de projetos instalados.

Potência do SFV kW

Capacidade de geração relativa a 1 sistema fotovoltaico.

Efeito do aprendizado sobre o custo

adimensional

Fator a ser multiplicado pela parcela do custo associada com os módulos FV o qual simula a redução no custo do kWp devido ao ganho em escala.

Experiência acumulada

inicial kW

Capacidade de energia no período inicial de análise resultado do produto entre o número de sistemas e a capacidade média.

Taxa exponencial adimensional

Fator associado com a redução do custo do SFV dado a evolução do número de projetos instalados.

Preço do kWp

instalado base

R$/kWp

Valor médio cobrado para cada kWp instalado antes da tributação.

Percentual módulos R$/kWp

Parcela do preço do kWp instalado correspondente aos módulos fotovoltaicos.



61

Percentual inversor e outros

itens R$/kWp

Parcela do preço do kWp instalado correspondente ao inversor e outros itens que compõem um projeto de SFV.

Preço do kWp instalado final R$/kWp

Valor final do kWp considerando a tributação dos componentes do SFV.

Custo inicial SFV R$

Valor a ser cobrado pela instalação do pacote de equipamentos necessários para geração própria de energia.

Investimento no SFV R$

Valor total a ser pago para aquisição de um SFV considerando instalação e manutenção.

Subsidio adimensional Percentual de participação do governo na redução do investimento total necessário para aquisição do SFV.

Despesas anuais R$ Valor associado a despesas com manutenção do SFV.

Sensibilidade ao tempo de retorno adimensional

Percentual do total de residências apta que possuiriam interesse na aquisição de um SFV dado o tempo de retorno.

Tempo de payback anos

Período necessário para retorno do investimento.

Potencia gerada total anual

kWh/residência.ano

Média de geração de energia através do SFV por uma residência no ano.

Tarifa de energia R$/KWh Preço médio cobrado pelas distribuidoras brasileiras sobre o kWh gerado.



62

Taxa de evolução tarifa adimensional

Percentual de evolução associado com o crescimento ou redução na tarifa de energia.

ICMS Ene/Inv adimensional Percentual de imposto cobrado pela circulação de mercadoria e serviço no Brasil.

PIS/COFINS Ene/Mod/Inv adimensional

Percentual de impostos cobrado para pagamento do seguro-desemprego (PIS) e recursos para área da saúde (COFINS).

II Inv/Mod adimensional Percentual de imposto cobrado pela importação dos produtos inversor e módulo fotovoltaicos.

Tarifa de energia sem

impostos R$/KWh

Preço médio cobrado pelas distribuidoras brasileiras sobre o kWh gerado sem considerar as tributações federais e estaduais.

Fonte: Autor.

A partir da definição das variáveis, iniciou-se o processo de identificação das relações causais existente entre as mesmas. A construção dos enlaces baseou-se nos exemplos práticos apresentados por Sterman (2000), além da literatura sobre dinâmica de sistemas apresentado nos capítulos anteriores.

Juntamente com a definição dos enlaces causais foram definidas as polaridades para cada seta de causa e efeito. Para setas com sinal positivos e coloração azul considera-se que dado aumento na causa, aumenta-se o efeito, já para setas com sinal negativos e coloração vermelha, um aumento na causa implica na redução sobre o efeito. O diagrama com os enlaces causais e suas respectivas polaridades é apresentado na figura 18.

Além disso, destaca-se que algumas setas estão em negrito para evidenciar os enlaces causais que influenciam no processo de adoção de SFV. As setas que não estão espessas indicam onde as variáveis exógenas, aquelas que não são geradas pelo sistema, impactam nas variáveis endógenas, aquelas calculadas através do sistema.

Assim como no modelo de Bass (1969) onde existe um enlace de balanço (B1) e um enlace de reforço (R) para composição da taxa de adoção, o modelo adaptado também apresentará está configuração mesmo com o mercado potencial variável. O formato foi mantido pois a

63

partir de certo momento da simulação a taxa com que ocorre o incremento no número de adotantes será maior do que o crescimento do mercado potencial. Ou seja, a variável “Adoção devido a propaganda” apresentará o comportamento de busca de objetivo.

Por fim, além dos dois enlaces provenientes do modelo de Bass (1969), existe ainda um enlace de balanço, B2, o qual estabelece uma relação de controle sobre o crescimento da variável sensibilidade ao tempo de retorno. Para maior detalhamento da figura 18, observar Anexo II. Figura 18 - Diagrama de enlaces causais.

Fonte: Autor.

64

5 CONSTRUÇÃO DO MODELO DE SIMULAÇÃO

A partir do diagrama de enlaces causais construído no capítulo anterior é possível obter a visão macro do modelo e como as variáveis estão interligadas. No entanto, para tornar explícito o funcionamento do modelo, fez-se necessária a construção do modelo de estoques e fluxos. Através deste modelo, qualquer pesquisador que possuir acesso a este material será capaz de reproduzi-lo ou adaptá-lo para outras tecnologias. Sendo assim, este capítulo apresentada os componentes do diagrama de estoques e fluxos e as suposições necessárias para definir os parâmetros de entrada.

5.1 DESCRIÇÃO DOS COMPONENTES DO MODELO

5.1.1 Tamanho de Mercado

Para que seja possível o estudo da difusão inicialmente foi necessário estimar o mercado de residências alvo para instalação de sistemas fotovoltaicos conectados à rede. O primeiro critério utilizado foi a faixa de renda já que os SFV possuem elevado valor agregado o qual dificulta o interesse na aquisição de tal tecnologia. Desta forma, foram selecionadas as faixas de rendimento nominal mensal domiciliar superiores a 5 salários mínimos, ou seja, aproximadamente R$ 4685,00 segundo o valor do salário mínimo brasileiro em 2017. Em trabalho realizado por Kagan et al. (2013) foi assumida a mesma premissa.

Segundo os dados do IBGE (2010), existiam ao todo 12.200.166 residências nesta faixa de rendimento mensal em 2010. Porém, outros fatores essenciais para que um imóvel esteja apto a receber um SF são o tipo, quanto ao acesso a energia e a condição de ocupação. O tipo selecionado foram casas e casas de vila ou condomínio excluindo desta forma apartamentos, ocas ou malocas e habitação em casas de cômodo, cortiço ou cabeça de porco (conforme classificação do IBGE). O tipo de habitação definido corresponde a 71% do total de residências na faixa de rendimento mensal citado anteriormente.

Quanto ao acesso a rede de energia foram selecionadas as residências que possuíam acesso a rede de distribuição já que se não existisse conexão com a rede de energia seria necessária a utilização de baterias para armazenamento de energia proveniente dos módulos FV o qual tornaria os custos inicias e de manutenção maiores, dado a vida útil das matérias e o preço das mesmas, o qual dificultaria ainda mais o processo de adoção. Da população analisada, 99% possuíam acesso a rede de energia provavelmente devido à sua elevada condição financeira.

65

O terceiro fator utilizado foi a condição de ocupação para selecionar a fatia de mercado apta para adoção. Desta forma foram selecionadas apenas residências já quitadas pois esta é uma forma de investimento de longa prazo e também pois o SFV dificilmente será transferido de uma residência para outra. Além disso, Konzen (2014) cita outros dois fatores que são: o locatário geralmente apresenta perspectiva de mudança, ou seja, não sendo interessante realizar investimentos numa propriedade alheia e o locador não possui vantagem com a instalação pois o locatário quem arca com as despesas com energia. Desta forma, o percentual de residências dentro dessa caracterização corresponde a 69%.

Porém, para o modelo de difusão construído foi considerado que o tamanho de mercado varia com o tempo, ou seja, introduzindo um estoque que evolui, diferentemente do que é adotado no modelo de Bass (1969) onde o mercado potencial é estático. Neste âmbito, foi utilizado como métrica para definição do percentual de crescimento deste mercado a evolução da população brasileira das classes A e B e parte da C pois se enquadram na classe econômica com rendimento domiciliar de mais de 5 salários mínimos. Figura 19 - Evolução das classes sociais.

Fonte: Adaptado de FGV (2014)

Através das informações extraídas do estudo realizado pela FGV (2014) baseado nos dados do PNAD/IBGE foi possível definir o crescimento percentual anual do mercado de SFV. A figura 19 apresenta a evolução das classes AB e C durante o período de 1992 a 2009. No

-

20000000,0

40000000,0

60000000,0

80000000,0

100000000,0

N. d

e ha

bita

ntes

Classe C Classe AB

66

último ano analisado esta parcela da população correspondia a aproximadamente 61% do número de habitantes do Brasil no período (189 milhões). Através da observação dos dados foi verificado que a média de crescimento foi de 3,96% durante período.

Portanto, através dos parâmetros definidos anteriormente fica caracterizado o primeiro estoque do modelo de simulação o qual apresenta a estrutura conforme a figura 20. Figura 20 - Diagrama de estoque para tamanho de mercado residencial.

Fonte: Autor.

Tendo em vista o total de residências das classes A/B e C em 2013 e dos percentuais correspondentes a parcela apta para instalação de SFV, obtém-se que o número de residências seria de 6.500.441 no início do período de simulação (2013) com crescimento constante ao longo dos anos de 3,96% aa.

5.1.2 Mercado potencial e Taxa de Adoção

Como foi possível observar na descrição a cerca do modelo de Bass (1969) na seção anterior, observar-se que ele possui algumas limitações, como por exemplo, considerar que o tamanho do mercado é constante. Sterman (2000) coloca que, de maneira geral, a população pertencente a uma comunidade ou por exemplo, o número de residências, em um mercado cresce ao longo do tempo devido a existência de taxas de natalidade, mortalidade e migração.

Desta forma, o modelo desenvolvido neste trabalho se propôs a solucionar esta lacuna adicionando o fator de crescimento do mercado total, conforme apresentado anteriormente. Por realizar essa alteração no modelo, a configuração anterior com dois estoques e um fluxo demandou modificações.

O estoque referente ao mercado potencial, o qual permanecia

67

constante no modelo de Bass (1969), foi dividido em um estoque que contém o tamanho de mercado total e uma variável chamada “Mercado potencial de residências”. Esta variável nada mais é do que as residências que não possuem limitadores técnicos e que dado o valor do payback estariam interessadas em investir na instalação de um sistema fotovoltaico para sua residência. Resumidamente, o “Mercado potencial de residências” é calculado através da equação 3. Mer. pot. de resid. = Fracao apta ∗ Sensibilida ao tempo de retorno (3)

A “Fração apta” corresponde a uma parcela do tamanho do

tamanho do mercado total de residências, que pode ser calculada multiplicando o percentual da população que está apta tecnicamente para a instalação. A equação que determina a “Fração apta” corresponde a equação 4 a seguir: Fracao apta = Limit. tec.∗ Tam. do merc. de resid. (4)

Os limitadores técnicos surgem devido a presença de sombras

produzidas por árvores, chaminés, caixas d’água, antenas, prédios, dentre outros bloqueadores do sol. Portanto, adota-se o percentual de 85% das residências com viabilidade para instalação de sistemas fotovoltaicos, assim como adotado por EPE (2014).

Desta forma, tem-se definido o principal parâmetro de entrada para o modelo de Bass adaptado. Porém, através das equações citadas na seção que elucida o modelo de Bass (1969) foram apresentados os parâmetros p e q que são exógenos ao modelo e, portanto, devem ser calculados para a tecnologia em estudo. A determinação destes parâmetros pode ser realizada com o auxílio do histórico de penetração, conforme demonstrado por Sterman (2000) no entanto, Konzen (2014) salienta que pelo fato da geração fotovoltaica conectada à rede no Brasil ser nova, praticamente sem histórico, a calibração não poderia ser realizada e sugere-se a utilização de valores já calculados em estudos internacionais.

Conforme observado por Sultan et al (1990) os valores de p e q apresentam valores médio de 0,03 e 0,38 respectivamente. Em trabalho mais recente, Guidolin e Mortarino (2010) buscaram modelar o padrão nacional de adoção da tecnologia de SFV em mais de 10 países através de regressões estatísticas. Neste trabalho os valores de p e q foram substancialmente menores do que os encontrados no trabalho predecessor, onde os valores de p médio encontrado foram de 0,0005 e

68

q médio de 0,25. No entanto, a série de dados não distingue os SFV entre conectados na rede com não conectados o qual pode provocar erro de interpretação dado que foi utilizado a potência instalada por ano entre 1992 e 2006 onde neste período a maioria dos SFV instalados eram desconectados da rede e, portanto, possuíam uma potência menor.

Contudo, Denholm et al. (2009) calculou os parâmetros p e q para o modelo americano Solar Deployment System no qual foram geradas três curvas para a taxa de adoção as quais são apresentadas na figura 21. Figura 21 - Curvas da taxas de adoção para sistema fotovoltaicos residenciais

Fonte: Konzen (2014) apud Denholm et al. (2009)

Em trabalho realizado por Konzen (2014) foi adotada a curva

azul (p=0,0015 e q=0,3) para modelar o comportamento da taxa de adoção para o caso brasileiro. No entanto, na época do estudo o autor contava apenas com dados de adoção de 2013 e parte de 2014 enquanto hoje existem dados completos de 2013 até 2016. Logo, foi possível constatar que os valores para os parâmetros p e q, no caso brasileiro, se enquadrariam no perfil gerado pela curva amarela (p=0,002 e q=0,4), ou seja, de forma mais acelerada, conforme será observado na comparação entre o número real de residências adotantes e o número simulado na seção 5.2 Validação do modelo formal.

Tendo em vista estes parâmetros, a parte exógena do modelo de Bass (1969) fica caracterizada. Já as variáveis endógenas do modelo foram alocadas conforme a equação descrita por Guidolin e Mortarino (2010), a qual foi apresentada anteriormente na seção 2.3.2. Contudo, o valor do mercado potencial (m), o qual era constante na fórmula, passa a ser variável (m(t)).

69

Logo, a partir do modelo de Bass (1969) segundo a representação da dinâmica de sistemas conforme figura 14 na seção 2.3.2 e através da equação proposta por Guidolin e Mortarino (2010) foi possível verificar as variáveis que compõem a base de cálculo para determinação da taxa de adoção. A equação que retorna a taxa de adoção pode ser verificada a seguir: Taxa de adocao = (Merc. pot. de resid.−Resid. adot. ) ∗

Efet. da propaganda + Tx de Contato.∗ � Resid.Adot.𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀. 𝑝𝑝𝑝𝑝𝑡𝑡. 𝑑𝑑𝑀𝑀 𝑀𝑀𝑀𝑀𝑟𝑟𝑟𝑟𝑑𝑑.

� ∗(Merc. pot. de resid.−Resid. adot. )

(5)

Assim como no modelo de Bass (1969) são utilizados dois

estoques referentes ao mercado potencial e ao acumulado de adotantes. No entanto, para que seja possível chegar ao tamanho real do mercado potencial (m(t)) é necessário realizar consecutivas filtragens. Neste caso, a partir do tamanho do mercado total de residências são excluídas as que não possuem condições técnicas e são selecionadas apenas as residências que possuiriam interesse na tecnologia dado o tempo de retorno do investimento quanto ao projeto no período. Além disso, foram representadas separadamente a parcela da adoção devido à propaganda e devido ao contato o qual pode ser observado na figura 22.

70

Figura 22 - Modelo de Bass na linguagem da dinâmica de sistemas.

Fonte: Autor

71

5.1.3 Efeito do Aprendizado sobre o custo

A partir do momento em que uma nova tecnologia é lançada no mercado ela passa a ser experimentada e avaliada pelos consumidores. Paralelamente a este processo, empresas concorrentes estudam os produtos que compõem este mercado a fim de identificar melhorias para que possam oferecer um produto com qualidade semelhante aliado a preços atrativos. Logo, para representar o impacto do aprendizado sobre os custos de aquisição de um sistema fotovoltaico foi utilizada a chamada curva de aprendizado (STERMAN, 2000).

A equação matemática que representa a curva de aprendizado possui como parâmetros a experiência inicial da tecnologia, que no caso de SFV poderia ser o número de projetos já realizados anteriormente ao processo de simulação, a experiência acumulada que varia ao longo do tempo e o exponente “c” o qual determina o quão veloz é o impacto do aprendizado sobre os custos. Este exponente deve ser negativo indicando que os custos diminuem conforme a experiência aumenta (STERMAN, 2000). Efeito aprend. sobre o custo = �Exp.acumulada

Exp.inicial�c

(6)

Desta forma, o custo associado ao módulo fotovoltaico é dado por:

Pmod = Preço kWp ini. x Efeit. aprendizado sobre o custo

(7)

A variável “Preço kWp inicial” corresponde ao custo para instalação de um SFV pela sua potência, ou seja, R$/kWp. O custo relacionado ao SFV foi segmentado em duas porções. Uma parcela relativa aos inversores e outros itens (Pinv) e outra aos módulos fotovoltaicos (Pmod). No modelo de simulação foi aplicado o efeito do aprendizado apenas sobre a parcela Pmod dado que a evolução dos outros componentes ocorre de maneira diferente.

Para estimar a queda no preço do kWp para os anos seguintes foi utilizada a eq. (7), conforme detalhado anteriormente, e para ajustar a curva de aprendizado para painéis fotovoltaicos faz-se necessário o cálculo do fator “c”. Segundo Sterman (2000) a equação que retorna o valor a ser utilizado para o parâmetro “c” pode ser verificado a seguir na eq. (8) onde “f” representa o percentual de redução dos custos para cada duplicação da produção global acumulada: c = log2(1 − f) (8)

72

Em trabalho realizado por Konzen (2014) foi constato que os

módulos fotovoltaicos correspondem por mais de 50% dos custos dos sistemas de energia solar representando 60% em 2013 e decaindo ao longo dos anos até atingir em 2023 53%. Desta forma, através do estudo realizado por Breyer e Gerlach (2013) foi possível estimar a curva de aprendizagem dos módulos fotovoltaicos onde entre 1976 e 2010 para cada duplicação da produção acumulada ocorreu a redução de 19,3% nos custos dos módulos fotovoltaicos. Portanto, ao ser utilizado o valor de f igual a 0,193 obtém-se o valor para o parâmetro “c” de aproximadamente -0,309.

Já a experiência acumulada é representada pela capacidade instalada total que é encontrada através da multiplicação entre a potência média de um SFV pela quantidade de sistemas instalados em residências. A experiência inicial por sua vez foi determinada a partir da ferramenta de consulta oferecida pela ANEEL onde é possível verificar quantos sistemas foram instalados em determinado período, além de informações quanto a localização, categoria tarifária, entre outros. A figura 23 apresenta a evolução do número de projetos instalados bem como a capacidade instalada de geração. Figura 23 - Evolução do no de projetos instalados e capacidade instalada.

Fonte: Adaptado de ANEEL (2017)

Observando os dados divulgados pela ANEEL percebe-se que o número de sistemas fotovoltaicos residenciais instalados no Brasil passou de zero a partir de 2012 logo, antes deste período não existiam sistemas conectados à rede instalados. Portanto, a simulação tomou

0 36 195

1139

4695

,0

5000,0

10000,0

15000,0

20000,0

25000,0

,0

1000,0

2000,0

3000,0

4000,0

5000,0

2012 2013 2014 2015 2016

kW

Uni

dade

s

Capacidade Instalda (Kw) Qnd Sistemas (und)

73

como período de estudo o intervalo que compreende 2013 até 2030, onde no último busca-se verificar o cumprimento das metas definidas no último COP. Para isto, assume-se que o valor da variável “Experiência inicial” corresponde a potência instalada representada pelos trinta e seis SFVs instalados em 2013, ou 195 kW de potência instalada.

A capacidade instalada, a qual representa a experiência acumulada, pode ser calculada através da equação:

Capac. inst. = Resid. adot.∗ Pot. do SFV (9)

Para a definição da potência padrão do SFV a ser adotada no

modelo foi verificada a faixa de potência mais instalada pelos consumidores finais através de dados disponíveis pela ANEEL observando os sistemas instalados entre os anos de 2013 a 2016. As faixas de contagem do histograma são lidas da seguinte forma: maior que o número da esquerda e menor ou igual que o número da direita. Através da figura 24 contata-se que 40% dos SFV instalado no Brasil entre o período anteriormente citado possuem potência entre 2 e 4 kWp.

Figura 24 - Histograma da potência de sistemas fotovoltaicos.

Fonte: Adaptado de ANEEL (2017)

Portanto, levando em consideração o perfil socioeconômico do mercado nicho adotado anteriormente utilizou-se a potência média 3 kWp para os SFV para fins de cálculo da capacidade instalada. Este tamanho de SFV é desenvolvido para um consumo médio residencial de

0 -- 2 2 -- 4 4 -- 6 6 -- 8 8 --Freq. 1545 2455 1363 219 487% 25% 40% 22% 4% 8%

0

500

1000

1500

2000

2500

3000

Núm

ero

de si

stem

as

74

340 kWh por mês ou entre R$ 200 a 300 na fatura de luz dependo do estado brasileiro.

Apesar de receberem créditos de energia pelo excedente liberado para rede de distribuição, os projetos são desenvolvidos para atender no máximo a potência instalada da residência pois, mesmo que ocorram meses onde a geração seja maior do que o consumo, o proprietário da residência ainda terá que pagar o custo de disponibilidade da rede à distribuidora conforme a RN 414 (BRASIL, 2010). Segundo o Sistema de Compensação de Energia Elétrica, os créditos gerados em um mês não podem ser utilizados para abater o custo de disponibilidade de meses seguintes conforme RN 687 (BRASIL, 2015).

Por fim, a tabela 2 apresenta o resumo das variáveis discutidas bem como o valor adotado para cada uma. Tabela 2 - Parâmetros utilizados no modelo.

Variável Valor assumido

Parâmetro "c" -0,309 Potência instalada inicial 195 kW Potência média do SFV 3 kWp

Fonte: Construído pelo autor com base em ANEEL (2017)

5.1.4 Investimento necessário para aquisição de um SFV

Os custos associados aos projetos de sistemas fotovoltaicos vêm caindo consideravelmente ao longo dos anos, sendo um dos fatores que impacta diretamente no processo de adoção deste tipo de tecnologia. Galdino (2012) coletou dados quanto ao preço do Wp instalado entre março de 2000 até outubro de 2012 gerando o gráfico da figura 25. Através de interpolação linear é verificado que a queda no custo do Wp é de aproximadamente 1,70 R$/Wp ao ano. Portanto, é possível estimar que o custo de um sistema fotovoltaico em 2013 seria de 7,3 R$/Wp o qual foi utilizado para simulação.

Figura 25 - Evolução do preço do Wp.

75

Fonte: Galdino (2012)

Já em estudo realizado pela ABINEE (2015), foram utilizados

preços internacionais dos equipamentos (módulos e inversores) e são adicionados custos de frete, seguros, taxas, tributos e importação, de onde se obtém o preço nacionalizado para o conjunto. Segundo o estudo, o preço do Wp para um sistema de pequeno porte (até 5 kW) foi estimado em 7,19 R$/Wp. Por outro lado, o pesquisador Montenegro (2013) realizou a estimativa do preço do Wp com base em cotação com duas empresas nacionais e apresentou valores entre 6,50 e 7,04 R$/Wp. Ambos os trabalhos buscavam identificar o valor do Wp instalado para o ano de 2013.

No modelo de simulação foram incluídos os impostos ICMS, II e PIS/COFINS que influenciam no preço do kWp para que seja possível verificar o impacto de alterações nos mesmos e o seu reflexo sobre o número de projetos instalados. O valor do Wp associados ao custo de instalação de um SFV ainda pode ser segmentado em duas partes. Segundo Konzen (2014), os módulos fotovoltaicos correspondem a 60% dos custos, enquanto os inversores e outros componentes correspondem a 40%, referente ao ano de 2013. No entanto, o mesmo autor citado ainda ressalta que dado a evolução da tecnologia dos módulos fotovoltaicos a estimativa para os anos seguintes é o equilíbrio entre esses dois componentes alcançando respectivamente 53% e 47% de representatividade nos custos.

No modelo de simulação foi utilizada as seguintes equações para o cálculo da influência dos impostos dos principais componentes de um SFV sobre o preço cobrado pelo kWp:

𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 = 7300 ∗ 𝑒𝑒𝑒𝑒𝑒𝑒 ∗ �

0,481 − 𝐼𝐼𝐼𝐼𝑃𝑃𝑃𝑃𝑃𝑃 − 𝑃𝑃𝐼𝐼𝑃𝑃/𝐶𝐶𝐶𝐶𝐶𝐶𝐼𝐼𝐶𝐶𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃�

(10)

76

𝑃𝑃𝐼𝐼𝑃𝑃𝑃𝑃 = 7300 ∗ �0,26

1 − 𝐼𝐼𝐼𝐼𝐼𝐼𝑃𝑃𝑃𝑃 − 𝑃𝑃𝐼𝐼𝑃𝑃/𝐶𝐶𝐶𝐶𝐶𝐶𝐼𝐼𝐶𝐶𝑃𝑃𝐼𝐼𝑃𝑃𝑃𝑃 − 𝐼𝐼𝐶𝐶𝑃𝑃𝑃𝑃𝐼𝐼𝑃𝑃𝑃𝑃�

(11)

Onde: PMod e PInv correspondem respectivamente as parcelas do preço do kWp devido aos módulos fotovoltaicos e ao inversor, conforme mencionado na seção 5.1.3. A sigla “efc” representa o efeito do aprendizado sobre o custo dos módulos fotovoltaicos.

Ao somar as constantes na parte superior das duas equações tem-se o percentual total de custo que seria reduzido no preço do kWp caso os impostos sobre os módulos fotovoltaicos e os inversores sejam extinguidos. Com a tributação adotada, a eq. (10) corresponde a 60% do preço do kWp enquanto a parcela da eq. (11) corresponde a 40%.

Os impostos para módulos fotovoltaicos e inversores solares são apresentado na tabela 3. Tabela 3 - Tributação módulos fotovoltaicos e inversores.

Tributo Módulo Inversor II 12% 14% PIS/COFINS 9,25% 9,25% ICMS - 12%

Fonte: ABINEE (2015)

Isto posto, conectou-se o efeito do aprendizado sobre a parcela do custo correspondente aos módulos fotovoltaicos para que o modelo simulasse a evolução do preço final do kWp. Assim sendo, o preço do kWp é composto por uma parcela fixa, correspondente ao inversor e demais componentes e uma parcela variável correspondente aos módulos fotovoltaicos. Desta forma, a variável “Custo inicial SFV” é calculado multiplicando apenas a variável “Preço kWp final” pela potência do SFV definida na seção anterior.

Por fim, para o cálculo final do investimento necessário para aquisição de um SFV adicionam-se as despesas anuais associadas com a manutenção dos equipamentos. Segundo Montenegro (2013), é possível considerar que as despesas com manutenção correspondem a 1% do investimento necessário pois este é o valor necessário para realização da troca do inversor durante o período de vida útil do SFV.

A equação que gera o valor necessário para o investimento é a seguinte.

77

Invest. SFV = (Cust. ini. SFV + Desp. anuais) ∗ (1 − Subsi. )

(12)

5.1.5 Tarifa de Energia

Diferentemente de outros trabalhos que utilizam a tarifa de energia constante ao longo dos anos como, por exemplo, Konzen (2014) e EPE (2014), este modelo busca incorporar o efeito da evolução da tarifa de energia no cálculo do payback a fim tornar a análise próxima do comportamento real. Desta forma, através dos dados históricos do IPEA (2017) é possível traçar a curva que mostra a evolução do valor médio da tarifa de energia cobrada no Brasil de 1994 até 2014 apresentada na figura 26.

Figura 26 - Evolução da tarifa média de energia cobrada no Brasil.


Como pode ser observado do gráfico da figura 26, a tendência da

média da tarifa de energia é crescente, porém com momentos de queda e ascensão. Ou seja, a tarifa possui uma componente principal de crescimento constate e uma componente secundária de variação sobre a componente principal. Desta forma, é calculado o crescimento médio ao longo dos anos, bem como a taxa de crescimento ou decrescimento da tarifa de energia, este último dividindo-se o valor da tarifa no ano x pelo ano x-1. A modelagem deste comportamento no software Vensim é realizado através de um bi-fluxo, ou seja, ele permite que o estoque tanto cresça como diminua dependendo se o valor da taxa de incremento é positivo ou negativo. O diagrama de estoque e fluxo para a componente tarifária é apresentado na figura 27.

000

100

200

300

400

1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014

Tarif

a de

Ene

rgia

(R$/

MW

h)

Tarifa Média Ano (R$/MWh)

78

Figura 27 - Diagrama de estoque e fluxo para tarifa de energia.

Fonte: Autor

Os dados calculados para taxa de crescimento e decrescimento são inseridos no programa através de uma tabela que associa o ano com a correspondente taxa de crescimento. O programa permite a alteração destes valores diretamente no gráfico, portanto, caso acredite-se que o perfil de evolução das taxas de crescimento apresente outro formato, o software apresenta a flexibilidade em alterar estes valores para geração de novos cenários. O gráfico da figura 28 apresentada os valores assumidos para taxa de crescimento ou decrescimento da tarifa base de energia.

Porém, os valores encontrados para tarifa base de energia não contém os impostos incidentes. Os impostos estaduais e federais sobre a tarifa de energia são, respectivamente, ICMS e PIS/COFINS que veriam conforme os estados brasileiros.

Figura 28 - Comportamento da taxa de evolução da tarifa base de energia.

79

Fonte: Autor

Portanto, para estes impostos foi utilizada a média praticada pelos

estados. Através dos dados disponíveis pela Associação Brasileira de Distribuidores de Energia Elétrica (ABRADEE, 2017) é possível assumir que a alíquota média para o ICMS corresponde a 24,56% para o ano de 2016. As alíquotas são referentes a um consumo mensal médio entre 300 e 500 kWh. Na figura 29 são apresentados os valores por estado. Figura 29 - Alíquota de ICMS por estado brasileiro.

Fonte: ABRADEE (2017)

Os valores de PIS e COFINS variam mensalmente, desta forma dificilmente são encontrados em base de dados de distribuidoras. Para este trabalho optou-se por adotar um valor médio assim como utilizado em estudo realizado por EPE (2012) onde PIS + COFINS é igual a

10%

15%

20%

25%

30%

35%

AC AL

AM AP

BA CE

DF ES GO

MA

MG

MS

MT

PA PB PE PI PR RJ

RN

RO RR RS

SC SE SP TO

Alíq

uota

de

ICM

S

80

6,5%. Para acrescentar a incidência de impostos sobre a tarifa foi utilizada a equação 13. Tarifa de energia =

Tarifa base1 − (ICMS + PIS + COFINS)

(13)

Para todos os impostos adotados no modelo é considerado que

eles são constantes ao longo dos anos. A tabela 4 sintetiza os valores assumidos para cada variável utilizada para o cálculo da tarifa de energia. Tabela 4 - Parâmetros para cálculo da tarifa de energia.

Parâmetro Valor Referência Componente principal 3,96% IPEADATA (2017) Componente secundária - IPEADATA (2017) ICMS 24,56% ABRADEE (2017) PIS+COFINS 6,50% EPE (2012)

Fonte: Construído pelo autor com base nas referencias

Ainda sobre a tarifa de energia é calculada a taxa de crédito a ser paga pelas distribuidoras de energia correspondente a parcela da geração através do SFV que é injetada na rede. Segundo dados de EPE (2014), 60% da energia gerada pelo SFV é injetada na rede. Ou seja, o cliente possui como rendimentos provenientes do SFV a redução na fatura de energia dado o que é gerado e consumido e o excesso que é exportado para a rede. Esta concessão de crédito poderá ser retirada a partir do momento em que se atinja uma fração considerável do tamanho do mercado de residências.

5.1.6 Cálculo do Payback Simples

A fim de determinar o tempo necessário para o retorno sobre o

investimento realizado na aquisição de um SFV foi utilizado como método de cálculo o payback simples. Neste método divide-se o montante necessário para aquisição de um produto ou serviço pelo retorno financeiro que este produto ou serviço gera por unidade de tempo.

Por ser um método simples para determinação do tempo de

81

retorno de um investimento já que não considera taxas de juros, inflação ou custo de oportunidade no período, ele é criticado como opção de ferramenta para análise de investimentos (KONZEN, 2014). Se observado o estudo realizado por Graham e Harvey (2001) as técnicas mais utilizadas por CFOs (chief financial officers) são TIR e VPL.

No entanto, dado que o modelo busca verificar a percepção do consumidor final quanto ao tempo de retorno para determinar o percentual de adoção, a opção do payback simples para avaliação de investimentos está compatível com a realidade dos decisores. No estudo realizado por Rai e Sigrin (2012) foi levantado que 66% dos adotantes residenciais de SFVs utilizaram o payback simples para avaliar esta opção de investimento.

Tendo em vista que foi utilizado o payback simples para o cálculo do tempo de retorno, apresenta-se a seguir a fórmula utilizada no modelo de simulação para retornar tal valor: 𝑇𝑇𝑒𝑒𝑚𝑚𝑝𝑝𝑃𝑃 𝑃𝑃𝑒𝑒 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑒𝑒𝑃𝑃 =

𝐼𝐼𝑃𝑃𝑃𝑃𝑒𝑒𝐼𝐼𝑡𝑡𝐼𝐼𝑚𝑚𝑒𝑒𝑃𝑃𝑡𝑡𝑃𝑃 𝑃𝑃𝑃𝑃 𝑃𝑃𝐶𝐶𝑆𝑆(𝑃𝑃𝑃𝑃𝑇𝑇𝑃𝑃 ∗ 𝑡𝑡𝐼𝐼𝐼𝐼 − 𝑃𝑃𝑃𝑃𝑇𝑇𝑃𝑃 ∗ 𝑡𝑡𝑒𝑒 ∗ 𝐼𝐼𝐶𝐶𝑃𝑃𝑃𝑃2)

(14)

Onde: PGTA - Potência gerada total anual (kWh/ano) te - Tarifa de energia tsi - Tarifa sem impostos. ICMS2 - Definida na seção 4.2.2.5. O denominador desta equação corresponde ao benefício gerado

com a instalação do SFV. Ao multiplicar a potência gerada anual pelo valor da tarifa sem impostos, encontra-se quantos reais serão reduzidos nos gastos com energia elétrica. No entanto, como alguns municípios ainda cobram o ICMS sobre o total da energia gerada, deve ser descontada a parcela da potência gerada anual, a qual será convertida em tributos estaduais.

A potência gerada total anual foi calculada através da multiplicação produtividade média anual dos sistemas fotovoltaicos brasileiros. Segundo estudo de Montenegro (2013), a produtividade média anual no Brasil é de 1582,66 kWh/kWp/ano, ou seja, considerando o sistema fotovoltaico adotado para o modelo com potência de 3 kWp obtêm-se uma geração anual média de aproximadamente 4748 kWh.

82

5.1.7 Sensibilidade ao Tempo de Retorno

A fim de introduzir a percepção dos adotantes potencias sobre o valor associado a instalação de um SFV foi utilizado o estudo empírico realizado por Kastovich et al. (1982) e Navigant Consulting (2007). Neste estudo o objetivo centrava-se em determinar o perfil de intenção de investimento em SFVs de acordo com o valor do payback simples.

A partir deste estudo, Beck (2009) desenvolveu uma função que simula a curva média entre os dois estudos. A curva apresentada a seguir na figura 30 possui comportamento exponencial negativo e deve ser observada da direita para esquerda pois, quanto menor o tempo de payback maior será o interesse do mercado em adotar a tecnologia de SFV. Figura 30 - Mercado potencial versus Tempo de Retorno.

Fonte: Konzen (2014) apud Beck (2009).

Desta forma, foi utilizado no modelo de simulação uma variável

do tipo “look up” onde é possível reconstruir este gráfico e, a partir do valor de entrada, a variável consulta o gráfico e retorna o valor associado ao percentual do mercado potencial interessado na aquisição de um SFV. Além disso, esta variável permite que outros modelos de gráfico possam ser testados facilmente apenas alterando o formato do mesmo. A figura 31 a seguir apresentada o formato de curva utilizado no modelo de simulação.

O percentual do mercado é então obtido através da verificação do tempo de payback como parâmetro de entrada. Este mesmo percentual é exportado para a equação que define o tamanho do mercado potencial

83

de residências conforme apresentado na seção 4.2.2.2. Figura 31 - Percentual do mercado potencial x Tempo de Retorno.

Fonte: Produzido por autor através de dados do software Vensim (2015).

5.1.8 Indicador de Redução de Emissão de CO2

Um dos indicadores construídos para análise comparativa dos

possíveis cenários para o mercado de energia solar foi a quantidade de crédito de carbono gerado para cada tonelada de CO2 que deixou de ser emitida para a camada de ozônio. Em trabalho realizado por Hsu (2012) e Lee et. al (2016) foi utilizado o mesmo parâmetro para verificação do benefício promovido com a instalação de SFV.

A equação que calcula o total de crédito de carbono que é gerado para cada tonelada de CO2 que é evitada de ser emitida para a atmosfera é a seguinte: CC = PGTA ∗ PCC ∗ fe

(15)

Onde: CC - Crédito de carbono PCC - Preço praticado na compra de crédtio de carbono fe - Fator de emissão O Fator de emissão determina quantas tCO2 não serão enviadas

para a camada de ozônio para cada MWh gerado. O fator de emissão utilizado por Lee et. al (2016) foi 0,4705 tCO2 / MWh. Segundo IEA (2016) o preço da tCO2 em 2015 foi aproximadamente €$ 7,7 (euros) ou

84

R$ 28,1 (dados de 23/05/2017). A partir da definição das características do modelo de simulação

e utilizando da diagramação de estoques e fluxo, é apresentado abaixo o modelo final. As variáveis entre “<” e “>” são chamadas de “fantasma” e representam cópias de variáveis já existentes a fim de evitar sobreposição de setas. A tabela com todas as quações do modelo pode ser verificada no Anexo I. Figura 32 - Modelo de simulação, parte 1.

Fonte: Autor.

85

Figura 33 - Modelo de simulação, parte 2.

Fonte: Autor.

Figura 34 - Modelo de simulação, parte 3.

Fonte: Autor.

86

5.2 VALIDAÇÃO DO MODELO DE SIMULAÇÃO

Para mostrar a validade do modelo desenvolvido neste trabalho

foram desenvolvidos quatro experimentos. Para o primeiro experimento a taxa de incremento de residências foi submetida a zero. Além disso, na equação do “Mercado potencial de residências” foi realizada a multiplicação pelo inverso da variável “sensibilidade ao tempo de retorno”. Desta forma, o tamanho do mercado de residências passa a ser constante ao longo do tempo e, portanto, as curvas de adoção por propaganda e por contato devem apresentar o formato previsto por Bass (1969). As figuras 35 e 36 apresentam o comportamento de ambas as curvas.

Através dos gráficos é possível observar que a adoção devido a propaganda vai diminuído ao longo do tempo, prevalecendo assim a componente de adoção associada ao contato entre adotantes e possíveis adotantes (curva experimento 1). Porém, a adoção por contato também irá reduzir em certo ponto pois o seu comportamento é equivalente a uma parábola com concavidade voltada para baixo. Na figura 14 da seção 2.3.2 é possível realizar o comparativo visual entre os gráficos de Bass (1969) e os apresentados pelo modelo. Figura 35 - Adoção devido à propaganda.

Fonte: Produzido por autor através de dados do software Vensim

(2015).

87

Figura 36 - Adoção devido ao contato.

Fonte: Produzido por autor através de dados do software Vensim

(2015).

O segundo experimento realizado foi assumir que o valor da tarifa de energia seria igual a zero. O objetivo foi verificar se o modelo apresentaria erro pois, ao atribuir o valor zero para variável “Tarifa base”, o tempo de payback deveria ir para o infinito, o percentual do mercado potencial para zero e consequentemente não haveria mercado potencial. Ao realizar tal teste, observou-se que o software não permitiu a execução dos anos seguintes do modelo. Portanto, o modelo foi coerente com a realidade já que se o projeto não apresenta nenhum benefício, não há interesse na sua realização.

Já para o terceiro teste foi realizado o comparativo entre o número de projetos reais instalados entre o período de 2012 e 2016 e o previsto através do modelo de simulação. A figura 36 abaixo mostra o comparativo entre adotantes reais e adotantes simulados.

Para esta amostra de dados foi calculado o valor de R2 a fim de verificar a aderência entre os dois conjuntos de dados. O valor obtido para R2 foi de 87,9%, ou seja, os dados possuem elevado grau de correlação. Este fator não foi ainda maior pois entre 2015 e 2016 houve um aumento de aproximadamente 412% no número de novos SFV instalados, o qual o modelo não foi capaz de reproduzir. Figura 37 - Comparativo entre adotantes reais e simulados.

88

Fonte: Construído pelo autor através de dados da ANEEL (2017) e dos

resultados do software Vensim (2015).

Por fim, o último teste realizado foi elevar o preço praticado por cada kWp instalado pois, se o valor do kWp instalado for muito elevado, o investimento necessário para aquisição do SFV também será. Ou seja, o tempo de retorno será longo, dado que o retorno anual continua o mesmo, e não fará sentido investir em um projeto onde o tempo de retorno é maior que o seu tempo de vida útil. Desta forma, o número de residências adotantes deverá permanecer em zero. Elevando o preço do kWp para R$ 50,00 é obtido um payback inicial de aproximadamente 150 anos, ou seja, tempo seis vezes maior que a vida útil de um SFV. Os gráficos a seguir apresentam os resultados obtidos no experimento 3. Figura 38 - Evolução tempo de payback.

0 36 1951139

4695

0 36 538

1271

2227

,0

500,0

1000,0

1500,0

2000,0

2500,0

3000,0

3500,0

4000,0

4500,0

5000,0

2012 2013 2014 2015 2016

SFV

Inst

aldo

s

Adotantes reais Adotantes simulados

89

Fonte: Produzido por autor através de dados do software

Vensim (2015). Figura 39 - Evolução número de residências adotantes.


Vensim (2015).

Portanto, a partir destes experimentos é possível constatar que o modelo apresenta robustez para realização de simulações, a fim de identificar políticas financeiras e econômicas capazes de amplificar a adoção da tecnologia de SFV através do estudo dos cenários apresentados no capítulo a seguir.

90

6 PROSPECÇÃO DE CENÁRIOS

Conforme discutido nos capítulos anteriores, desenvolveu-se a seguir o estudo de prospecção de cenários, a fim de observar o impacto de possíveis medidas de incentivo sobre o número de sistemas fotovoltaicos instalados no Brasil até o ano de 2030. Os seguintes cenários foram utilizados para análise.

• Cenário I – Estado atual. Neste cenário são mantidas as normas reguladoras vigentes e não há incentivo econômico.

• Cenário II – Isenção fiscal sobre os módulos fotovoltaicos. Neste cenário é atribuído às tarifas de II e PIS/COFINS o valor percentual de zero, ou seja, redução de 21,25% na carga tributária.

• Cenário III – Isenção de ICMS sobre a tarifa de energia. Neste cenário, não será realiza a tributação sobre a energia gerada assim como sobre a diferença entre o gerado e consumido. Desta forma, tem-se uma redução de 25% sobre o preço praticado quanto a tarifa de energia.

• Cenário IV – Subsídio do governo sobre o investimento total. Neste cenário o governo federal concede subsídio de 20% sobre o valor final do sistema fotovoltaico.

• Cenário V – Preço da energia gerada superior ao preço cobrado sobre a tarifa base de energia. O preço pago pela distribuidora sobre a energia gerada passa a ser 20% maior do que o preço cobrado sobre a tarifa base de energia.

• Cenário VI – Combinação dos cenários II, III e V.

Os indicadores utilizados para avaliação dos cenários supracitados são: número de sistema instalados, crédito de carbono, percentual de sistemas instalados em relação a fração apta, potência instalada e tempo de payback.

6.1 APRESENTAÇÃO DOS CENÁRIOS

6.1.1 O Brasil continua o mesmo

Para este cenário é considerado que o Brasil permanecerá com as

mesmas políticas de tributação e normas reguladoras com o passar dos

91

anos. O objetivo da simulação deste cenário e ter uma base de comparação para os cenários seguintes. Conforme apresentado nos capítulos anteriores, a simulação é realizada de 2013 até 2030. A seguir são apresentados os valores adotados para as variáveis em estudo no modelo.

• PIS, COFINS e II: continuam sendo praticados um total de 21,25% de carga tributária sobre os módulos fotovoltaicos.

• ICMS incidente: permanece o valor de 25% como média para todos os estados brasileiros.

• Subsídio: não há incentivo governamental na compra do SFV. • Preço da energia gerada: o valor utilizar para pagamento da

energia gerada pela residência é igual a tarifa de energia sem a presença de impostos.

A partir deste conjunto de dados, o modelo gerou os seguintes

resultados para os indicadores selecionados no início do capítulo 6. A tabela 5 resume os valores obtidos. Tabela 5 - Resultados obtidos para o cenário I.

Indicador Cenário I Número de sistemas

instalados 755.247

Potência instalada (GWp) 2,26

Crédito de carbono (milhões de U$) 16,07

Tempo de payback (Anos) 4,65

Percentual em relação a fração apta 8%


Através destes dados é possível observar um “tímido”

crescimento no número de residências adotantes da tecnologia de SFV atingindo um percentual de 8% em relação a fração apta no ano de 2030. No entanto, é notada uma acentuada queda no tempo de payback chegando a aproximadamente 5 anos. Este já seria um tempo de retorno próximo a outras formas de investimento no mercado. Além disso,

92

mesmo neste cenário base observa-se um grande mercado de crédito de carbono ainda a ser explorado.

Portanto, neste cenário as condições para aquisição de SFV estariam favoráveis apenas a partir do ano de 2030, ou seja, dificultariam o atingimento da meta do governo federal em possuir 20% da matriz energética baseada em fontes solares, eólicas e biomassa, considerando apenas o crescimento do mercado de energia solar.

6.1.2 Isenção fiscal sobre os módulos fotovoltaicos

Durante um longo período de tempo, e ainda hoje, os SFVs

apresentam elevado custo de aquisição o qual cria uma barreira para sua difusão. O seu preço é elevado devido principalmente a alta tecnologia empregada e o não atingimento de níveis de venda que provoquem a economia de escala. No entanto, para o caso Brasil, a elevada carga tributária adiciona mais uma barreira na redução dos preços.

Logo, a redução da carga tributária sobre os módulos fotovoltaicos, principal componente de custo para um SFV, foi testada no cenário II a fim de verificar os ganhos resultantes desta estratégia. Ao serem excluídos os impostos PIS/COFINS e II obtém-se uma redução de 21,25% na carga tributária o qual proporciona uma redução no preço do kWp em aproximadamente 12%.

Dada esta situação, pode ser verificado um aumento de apenas 1% no número de residências que instalaram SFV mantendo-se aproximadamente o atendimento do mesmo percentual em relação a fração apta. Logo, esta medida possui impacto baixo sobre o número de novos adotantes se comparada com o cenário base.

Aliado a este baixo desempenho, uma possível dificuldade de implantação desta política está associada com a origem desses impostos já que provém do governo federal. Logo, dada a conjuntura da política atual, o cálculo de trade off para este cenário deve ser verificado a fim de garantir que tal incentivo não prejudique os cofres públicos dada a redução na arrecadação de impostos.

A tabela 6 apresenta os resultados obtidos através da simulação do cenário II.

93

Tabela 6 - Resultados obtidos para o cenário II.

Indicador Cenário II Número de sistemas

instalados 765.639






Através da observação das tabelas 6 e 7 é possível verificar que

não houveram mudanças significativas com relação ao cenário base I. Ou seja, não somente a redução da carga tributária sobre os módulos fotovoltaicos impulsionará o processo de difusão. Faz-se necessária considerar a possibilidade de também reduzir os impostos sobre os inversores solares.

6.1.3 Isenção do tributo estadual ICMS

A isenção fiscal sobre a cobrança de ICMS na fatura de energia

de residências com geração de energia através de fontes renováveis, como no caso da fotovoltaica, foram amplamente discutidos durante o processo de amadurecimento das políticas que regem essa tecnologia.

Conforme citado no capítulo 2, seção 2.1.1, inicialmente a cobrança desse imposto era realizada sobre toda energia consumida pela residência fornecida pela distribuidora. Ou seja, mesmo que uma pessoa gere o mesmo montante de energia que consome no mês, a distribuidora ainda taxava o cliente sobre toda energia que utilizava da mesma.

No entanto, vendo que este fator dificultava a aquisição de SFVs pois reduzia o seu beneficio aparente, foi realizada uma revisão deste método de cálculo. As distribuidoras foram instruídas a cobrar o ICMS apenas sobre a diferença entra a energia gerada e a injetada na rede no mês. Contudo, esta foi uma instrução e não uma obrigação, portanto, alguns estados mantiveram o método de cálculo anterior.

94

Logo, optou-se por simular o pior caso onde todos os estados brasileiros continuariam a seguir o método de cálculo inicial, ou seja, o ICMS era cobrado sobre toda energia gerada. Em seguida foi retirado este imposto a fim de verificar o quão impactante esta política representaria sobre o número de residências adotantes. A tabela 7 a seguir traz os resultados obtidos através da simulação. Tabela 7 - Resultados obtidos para o cenário III.

Indicador Cenário III Número de sistemas

instalados 909.498






Como podem ser observados na tabela 7, os resultados deste

cenário são expressivamente superiores se comparados com os cenários anteriores. Houve um aumento de aproximadamente 20% no número de residências adotantes, quando comparado ao cenário I, provocando o atingimento de 9% das residências aptas a instalação. Também é possível verificar que o tempo de retorno a partir de 2030 estaria por volta de 3 anos, um pouco menos da metade do tempo observado nos últimos anos. Este é um cenário com possibilidade de se tornar real no futuro pois muitos estados brasileiros já vêm adotando a prática da não cobrança de ICMS.

6.1.4 Subsídio governamental para compra de SFV

Esta é uma prática de incentivo comumente utilizada por nações

ao redor do mundo para beneficiar financeiramente novas tecnologias. Ela foi amplamente utilizada pelo governo alemão para fomentar o uso da geração fotovoltaica nas residências daquele país.

95

Assim como no cenário II, esta forma de incentivo depende da disponibilidade da reserva monetária federal para que possa ser efetivada. Através do know-how que o governo brasileiro adquiriu com o sucesso do programa Luz Para Todos, a viabilidade financeira poderia ser obtida novamente com os recursos provenientes de fundos setoriais como por exemplo, a Conta de Desenvolvimento Energético (CDE) e a Reserva Global de Reversão (RGR), ou através da iniciativa privada.

Para a simulação foi considerado um percentual de subsídio conservador de 20% em relação ao preço final para aquisição de um SFV. Atualmente no Brasil já são encontrados incentivos na ordem de 60%, como no caso do estado de Santa Catarina com o projeto Bônus Fotovoltaico que une empresas de capital misto e privada. A tabela 8 apresenta os resultados obtidos na simulação do cenário IV. Tabela 8 - Resultados obtidos para o cenário IV.

Indicador Cenário IV Número de sistemas

instalados 827.985






Através da tabela 8 é possível observar que mesmo com um

subsídio conservador foi possível obter um resultado elevado para a disseminação da tecnologia fotovoltaica. Novamente traçando o comparativo com o cenário I, houve um aumento de 10% no número de sistemas instalados com um percentual em relação a fração apta de 9%. Já é possível constatar também que a potência instalada total está na casa de 2 a 3 GWp ao final do período independente do cenário. O tempo de retorno já se encontra numa região onde o percentual de mercado que estaria interessado nessa tecnologia é de 20%, ou seja, mais de 1,3 milhões de residências com potencial de compra por ano.

96

6.1.5 Aumento no valor da tarifa utilizada para cálculo de crédito solar

Atualmente o cálculo realizado para conceder créditos sobre a

energia gerada nas residências utiliza como base de cálculo o valor da tarifa de energia sem considerar os impostos sobre a mesma, ou seja, a distribuidora taxa o cliente utilizando a tarifa completa enquanto paga apenas a tarifa sem impostos pela energia gerada pelo SFV.

Como forma de reduzir a lacuna existente, optou-se por construir um cenário onde as distribuidoras pagariam 20% a mais sobre a tarifa de energia sem impostos no momento da concessão de créditos. Atualmente a carga tributária sobre a tarifa de energia é de 31,5%, logo, a lacuna passaria a ser de apenas 11,5%. Não se considerou um percentual acima da tarifa com impostos pois dificilmente as distribuidoras pagariam a mais sobre a energia gerada pelo consumidor pois poderia comprometer significativamente o seu faturamento.

A seguir são apresentados os resultados obtidos através da simulação para o cenário V na tabela 9. Tabela 9 - Resultados obtidos para o cenário V.

Indicador Cenário V Número de sistemas

instalados 846.634






Através da análise dos resultados é possível constatar que existe

grande similaridade entre os valores obtidos nos cenários IV e V. Ou seja, mesmo atuando em diferentes pontos da cadeia de conexões que definem o processo de aquisição de um SFV é possível obter resultados semelhantes. No cenário V foram acrescidas 18.649, ou 2%, de novas residências adotantes da tecnologia em relação ao cenário IV. Dado que

97

os projetos são de 3 kWp, não ocorrem grandes alterações na potência instalada total, no entanto, o tempo de retorno já apresentou uma queda de 5% em relação ao cenário diretamente anterior.

Desta forma, ganhos reais no processo de difusão da tecnologia de SFV podem ser alcançados através da equalização entre o que é cobrado e o que é pago ao cliente final que além de consumir, gera a sua própria energia.

6.1.6 Combinação das políticas II, III e V

A fim de testar o que poderia ser um cenário mais favorável para

disseminação da tecnologia de SFV, optou-se por selecionar os cenários II, III e V. Optou-se por esta combinação pois seria construída uma composição de incentivos a nível federal, estadual e também com a participação das distribuidoras de energia, respectivamente.

Logo, o cenário VI engloba a redução de 21,25% de impostos com a exclusão do PIS/COFINS, 25% com a queda do ICMS em todos os estados e pagamento de 20% a mais sobre a energia gerada pelo detentor de um SFV. Através desta combinação as entidades envolvidas estariam abrindo mão de parte da arrecadação de impostos a fim de aumentar o volume de projetos instalados. Com isso, busca-se recuperar os impostos em outras partes da cadeia de energia fotovoltaica, como por exemplo, no imposto de importação (II) de painéis solares já que certa parte ainda vem do exterior e passaria a entrar com maior volume.

Através da tabela 10 são apresentados os resultados obtidos através da simulação do cenário IV. Percebe-se que este cenário resultou no melhor futuro para o Brasil. Nele houve um aumento no número de projetos instalados de 30% em relação ao pior cenário, onde o país continuaria o mesmo. Além disso, o mercado de crédito de carbono alcançaria a cifra de aproximadamente 20 milhões de dólares, sem considerar os milhões de dólares gerados nos anos anteriores. O tempo de payback por sua vez possuiria valor inferior a 3 anos, tornando esta forma de investimento extremamente atraente para diversas camadas sociais, não apenas as definidas para este modelo de simulação.

98

Tabela 10 - Resultados obtidos para o cenário IV.

Indicador Cenário VI Número de sistemas

instalados 982.745






No entanto, existem outras possibilidades de combinação para os

cenários apresentados anteriormente permitindo até simular novos futuros alterando-se os percentuais de redução de impostos e subsídios governamentais. Em caso de determinados percentuais ultrapassarem os custos para uma das instituições em específico, pode ser realizado a compensação ao aumentar o percentual de outro elo da cadeia capaz de absorver o excedente.

6.2 COMPARAÇÃO ENTRE OS CENÁRIOS

Através da análise individual dos cenários, apresentada na seção anterior, foi possível compreender o impacto que cada política gera sobre o número de residências adotantes. Já nesta seção foi traçado o comparativo entre os cenários a fim de identificar as políticas que geram impacto de baixo, médio e alto nível no processo de difusão da tecnologia de energia fotovoltaica.

Os três níveis de impacto foram separados baseados no percentual de residências adotantes em relação a fração apta. Dos cenários testados, os de número I e II foram considerados de baixo impacto, já os de número IV e V foram considerados de médio impacto e por fim, os cenários de alto impacto foram III e VI.

Como pode ser constatado, o cenário de maior impacto foi VI que nada mais é do que a combinação de uma política de baixo (II), médio (V) e alto (III) impacto. A tabela 11 apresentada a seguir resume os valores obtidos para cada um dos indicadores nas simulações realizadas.

99

Tabela 11 - Comparação dos resultados obtidos a partir das simulações


Vensim (2015).

Apesar de o número de projetos instalados atrair a atenção de empresas interessadas na lucratividade advinda da venda desta tecnologia, eles nada mais representam do que a magnitude que o mercado pode alcançar. Logo, o número de projetos deve ser interpretado apenas pela sua ordem de grandeza ao invés do seu número efetivo. A figura 40 demostra o perfil de crescimento no número de projetos instalados.

Além disso, através da tabela 11 é possível verificar que quanto a magnitude da potência instalada, ela não deve ultrapassar significativamente a marca de 2 GWp. Ou seja, considerando a matriz energética de 2016 fixa até 2030 e adicionando apenas o crescimento da fonte solar, o percentual de representação desta fonte chegaria a 2% da matriz energética. A figura 41 mostra a configuração da matriz energética brasileira em 2030, considerando as hipóteses supracitadas.

100

Figura 40 - Evolução do número de projetos instalados.


Vensim (2015). Figura 41 - Matriz energética brasileira em 2030.

Fonte: Produzido por autor utilizando dados do BIG (2017). Da mesma forma como foi abordada a potências instalada, pode-

se realizar uma análise sobre o percentual de domicílios adotantes em relação a população apta. Este percentual possui amplitude de 2%, ou

62%17%

7%

6%5%

2% 1%Hídrica

Fóssil

Eólica

Biomassa

Importação

Solar

Nuclear

101

seja, esta numa faixa entre 8 e 10%. Para todos os cenários o comportamento de crescimento foi semelhante, logo, infere-se que as políticas proporcionaram uma taxa de crescimento no número de adotantes superior a taxa de crescimento do mercado potencial. Como pode ser observado na figura 42, em nenhum momento a curva apresenta perfil decrescente, o qual indicaria o oposto ao que foi descrito anteriormente. Figura 42 - Evolução da fração de mercado adotante.


Vensim (2015).

Outro parâmetro utilizado para comparação dos cenários foi o tempo de retorno, ou payback. Através da figura 43 tem-se o comportamento da curva de payback para cada um dos cenários simulados. Nela é possível observar que do ano de 2016 para 2017 ocorreram todas as transições de estado pois entre este período foi suposta a implantação das políticas econômicas. Logo, neste ponto o sistema é abalado e, em seguida, normalizado pois as políticas são mantidas enquanto o investimento é reduzido segundo a curva de experiências.

102

Figura 43 - Evolução do tempo de retorno.


Vensim (2015).

Associado ao tempo de retorno está a sensibilidade ao tempo de retorno. Através da análise desta variável foi possível extrair a parcela do mercado com potencial real de aquisição de um SFV. Considerando que o período de simulação compreende apenas 17 anos, o potencial de disseminação da tecnologia de SFV foi capaz de atingir uma parcela considerável dos domicílios brasileiros. A figura 44 traz o comportamento desta variável para cada um dos cenários.

103

Figura 44 - Evolução da sensibilidade em relação ao tempo de retorno.


Vensim (2015).

Como a variável citada anteriormente determina a parcela da fração apta com maiores chances de aquisição de um SFV dado o seu tempo de retorno, ao se alcançar um percentual de 30% em 2030 como no cenário V, tem-se uma parcela considerável da população com reais chances de aquisição a cada ano. Ou seja, o quanto antes esta variável assume este valor, maiores são as chances de conversão de potencias para reais adotantes da tecnologia em análise. Seguindo o exemplo do cenário V, anualmente existiria um total de 3 milhões de residências pré-dispostas à compra de um SFV sendo que uma parcela dessas poderia adotar a tecnologia dado o contato com pessoas que já adquiriram (marketing boca-a-boca) ou devido a propaganda.

Desta forma, ao ser traçada uma reta a partir do ponto de 30% de sensibilidade a partir do eixo y tem-se que a curva que cruzar esta reta num ano inferior as outras terá uma maior chance de conversão de residências adotantes pois estará considerando uma maior parcela da população como potenciais compradores.

Por último, mas não menos importante, calculou-se o tamanho do mercado de crédito de carbono que ainda é inexplorado no Brasil. Dado o formato com que foi construído o modelo, esta informação era possível de ser obtida apenas conhecendo o número de projetos instalados. Ela não altera o processo de difusão, porém serve como

104

indicador para os possíveis ganhos financeiros e reais ganhos ambientais provenientes da redução de poluentes. A figura 45 apresenta a evolução deste mercado. Figura 45 - Evolução do mercado de crédito de carbono.


Vensim (2015).

Na figura 45 observa-se um comportamento semelhante ao verificado na figura 40 que apresenta o crescimento no número de projetos. Este fato decorre da proporcionalidade existente entre os créditos de carbono e a quantidade de residências que instalam um SFV. Percebe-se que este é um mercado na casa de milhões de dólares que poderia trazer uma nova fonte de renda para as pessoas que adotassem esta tecnologia. Além disso, a criação deste tipo de mercado impactaria também na geração de novos empregos e desenvolvimento de novos produtos para atender esta nova demanda.

105

7 CONCLUSÕES E RECOMENDAÇÕES

Conforme mencionado anteriormente, o objetivo geral deste trabalho foi verificar o efeito dos subsídios públicos na adoção residencial de energia solar fotovoltaica no horizonte de 2030, pois nesse ano o governo federal brasileiro se comprometeu a ampliar a participação das “novas tecnologias de geração renovável” para 20%, onde dentre as opções de fontes renováveis está a solar.

Para o primeiro objetivo específico foi definido que seriam identificadas as principais variáveis e mecanismos que compõem o mercado de energia fotovoltaica. Através da revisão da literatura foi possível identificar que as principais variáveis sobre o processo de difusão são os impostos incidentes, tanto sobre os componentes do SFV quanto sobre a energia gerada. Ou seja, a estrutura de custos e o cálculo do retorno financeiro associado com a percepção de valor pelo cliente final são importantes mecanismos para representação do mercado de energia solar.

Tendo isso em vista, o modelo de simulação foi concebido partindo do princípio que o modelo original de Bass (1969) poderia ser alterado para incluir o efeito do custo e da percepção do cliente final como fatores dentro do processo de adoção, tornando mais robusto. Desta forma, atingisse o segundo objetivo específico que foi definido com a construção do modelo quantitativo de simulação.

Já para o terceiro e último objetivo específico foram avaliados os impactos das políticas financeiras e econômicas sobre o processo de difusão da tecnologia de energia fotovoltaica. Constatou-se que o cenário onde foi reduzido o imposto ICMS sobre a tarifa de energia em todos os estados apresentou maior percentual de adoção em relação a fração do mercado apta para instalação.

Desta constatação percebe-se que os governos estaduais estão alinhados com os resultados da simulação pois a redução de ICMS já está sendo adotada em vários estados brasileiros. Ou seja, o Brasil está caminhando em direção a disseminação da geração de energia fotovoltaica. Contudo, este cenário pode ser questionado quanto a sua capacidade de sustentação no longo prazo dado que afetaria a arrecadação estadual de impostos. Ou seja, após a passagem do período inicial de difusão, os governos estaduais poderiam gradativamente voltar a cobrança do imposto a fim de reestabelecer a sua fonte de receita.

Percebe-se também que a capacidade instalada de energia solar juntamente com a eólica e biomassa não ultrapassaria 13% no melhor

106

dos cenários, sendo a solar responsável por apenas 2%, considerando apenas o crescimento desta fonte de energia. Isto posto, o governo brasileiro deve buscar não somente políticas para incentivo da energia fotovoltaica residencial, ele deve também direcionar apoios específicos para a geração de energia fotovoltaica em estabelecimentos comerciais. Estes empreendimentos são também alvos do elevado consumo de energia e necessitam reduzir os seus custos.

Através deste trabalho foi desenvolvida a primeira etapa no processo de compreensão da transformação da matriz energética brasileira em direção a níveis mais elevados de geração limpa. No entanto, para o entendimento completo desse processo faz-se necessária a construção de modelos de simulação para as outras fontes de energia renovável abrindo assim uma oportunidade para futuros projetos.

Por outro lado, através deste estudo foi observada também a falta de uma estrutura de comercialização dos créditos de energia oriundos da geração fotovoltaica reprime um mercado de milhões de dólares. Logo, estudos futuros poderiam ser desenvolvidos a cerca desta temática a fim de testar políticas capazes inserir o mercado de crédito de carbono a nível de geradores residenciais, não somente grandes empresas.

Já quanto as limitações apresentadas nesse trabalho, optou-se por utilizar o payback simples para análise do tempo de retorno já que estaria de acordo com a percepção do cliente. No entanto, como esta é uma opção simplificada para análise do investimento, o investidor poderia observar futuramente que o tempo de retorno não estaria compatível com a realidade. Este fato, portanto, poderia conduzir o consumidor para uma experiência ruim e com isso alterar o processo de difusão.

Por fim, através do estudo desenvolvido foi possível analisar o processo de difusão da tecnologia de energia fotovoltaica. Constatou-se que a disseminação somente da energia fotovoltaica residencial não garantirá o atingimento das metas acordadas no COP-21, por consequência, o governo federal pode optar também por políticas de incentivo para as outras formas de energia renovável como eólia e biomassa, a fim buscar o atingimento da meta de 20% de diversificação. Além disso, o investimento associado a esta tecnologia pode ser considerado de elevado nível de atratividade dadas expectativas de redução de custos e melhoria do processo de conversão energética, além de contribuir para redução nas emissões de CO2.

107

REFERÊNCIAS

ABINEE. Associação Brasileira da Indústria Nacional Eletro-Eletrônica. Proposta para Inserção da Energia Solar Fotovoltaica na Matriz Elétrica Brasileira, 2012. Disponível em: < http://www.abinee.org.br/informac/arquivos/profotov.pdf>. Acesso em: 20 abr. 2016.

ABRADEE, Associação de Distribuidores de Energia Elétrica. Banco de Dados – Financeiro. Brasília: ABRADEE, 2017. Disponível em: < http://www.abradee.com.br/setor-de-distribuicao/banco-de-dados/financeiro>. Acesso em: 31 ago. 2017.

AHMAD, S.; TAHAR, R. M. Using system dinamics to evaluate renewable eletricity development in Malaysia. Information & Knowledge Management, S.I. v. 43, n. 1, pp.24-39, 2014. ISSN 0368-492X. https://doi.org/10.1108/K-10-2012-0092.

ALBUQUERQUE, L. Analise crítica das políticas públicas em mudanças climáticas e dos compromissos nacionais de redução de emissão de gases de efeito estufa no Brasil. 2012. 108 f. Dissertação (Mestrado) - Curso de Planejamento Energético, Programa de Pós-graduação em Planejamento Energético, Coppe, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2012. Disponível em: <http://www.ppe.ufrj.br/ppe/production/tesis/laura_albuquerque.pdf>. Acesso em: 29 nov. 2017.

ALVEZ, L. B. Aplicação da dinâmica de sistemas no planejamento de projetos de desenvolvimento: Projetos de habitação social. 2010. 163 f. Dissertação de Mestrado. Departamento de Engenharia de Produção e Sistemas, Universidade Federal de Santa Catarina. Florianópolis, 2010. Disponível em: < https://repositorio.ufsc.br/bitstream/handle/123456789/91478/266104.pdf?se

108

quence=1>. Acesso em: 29 ago. 2017.

ALYOUSEF, A.; ADEPETU, A.; MEER, H. Analysis and model-based predictions of solar PV and battery adoption in Germany: an agente-based approach. Journal of Computer Science – Research and Development, S.I., v. 32, n. 1-2, p.211-223, 15 jul. 2016. https://doi.org/10.1007/s00450-016-0304-9.

ANEEL, 2017. BIG – Banco de Informações de geração – Matriz de Energia Elétrica. Disponível em: < http://www2.aneel.gov.br/aplicacoes/capacidadebrasil/OperacaoCapacidadeBrasil.cfm>. Acesso em: 28 jun 2017.

ARAÚJO NETO, L. T. A ampliação da matriz energética brasileira entre 1970 e 2009. 2011. 81 f. Dissertação de Mestrado. Programa de Pós-Graduação em Economia, Universidade Federal de Pernambuco. Recife, 2011. Disponível em: < http://repositorio.ufpe.br/bitstream/handle/123456789/10347/Disserta%C3%A7%C3%A3o%20-%20La%C3%A9rcio%20Tavares%20-%20VERS%C3%83O%20DIGITAL.pdf?sequence=1&isAllowed=y>. Acesso em: 21 ago. 2017.

ARCHER, R. A. P.; HENRIQUES, S. F.; SALOMAO, B. H. N.; GUERREIRO, R. P.; SA, J. A. S. Estudo comparativo de investimentos governamentais na utilização de placas fotovoltaicas entre Brasil e Alemanha. In: XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 2015, Fortaleza. Anais eletrônicos... Fortaleza: ENEGEP, 2015. Diponível em: < http://www.abepro.org.br/biblioteca/TN_STP_216_273_28362.pdf>. Acesso em: 21 ago. 2017.

ÁVILA, W. R. B.; LÍRIO, V. S.; SANTOS, M. L.; VIEIRA, W. C. Uso de dinâmica de sistemas como suporte à decisão em propriedades produtoras de leite: Um estudo de caso. Revista de Economia e Agronegócio. Viçosa, v.

109

2, n. 4, 18 abr. 2004. ISSN 1679-1614. Disponível em: <http://www.revistarea.ufv.br/index.php/rea/article/view/46/48>. Acesso em: 23 ago. 2017.

AYOMPE, Lacour Mody et al. Projected costs of a gridconnected domestic PV system under different scenarios in Ireland, using measured data from a trial installation. Energy Policy, S.I, v. 38, n. 7, p.3731-3743, 12 mar. 2010. Disponível em: <http://www.sciencedirect.com/science/article/pii/S0301421510001552#!>. Acesso em: 29 nov. 2017.

BARAN, M. Diffusion on innovations in the system thinking approach. Management Business Innovation, S.I., n. 6, p.52, 2010. Disponível em: < https://ssrn.com/abstract=1841410>. Acesso em: 23 ago. 2017

BARBOSA, V. Cinco mega apagões de energia pelo mundo. Revista Exame. São Paulo, jul. 2012. Disponível em: <http://exame.abril.com.br/mundo/noticias/5-megablecautes-historicos-de-energia- pelo-mundo>. Acesso em 20 abr. 2016.

BARROS, Aidil Jesus Paes; LEHFELD, Neide Aparecida de Souza. Fundamentos de metodologia: um guia para a iniciação científica. 2. ed. São Paulo: Makron Books, 2000. 84 p.

BASS, F. M. A new product growth model for consumer durables. Management Science, v.15, n. 5, pp.215-227, 1 jan. 1969. https://doi.org/10.1287/mnsc.15.5.215

BASTOS, A. A. P. A dinâmica de sistemas e a compreensão de estruturas de negócio. 2003. 135 f. Dissertação de Mestrado. Faculdade de Administração, Economia e Contabilidade da Universidade de São Paulo, São Paulo, 2003.

BECK, R. Distributed Renewable Energy Operating Impacts and Valuation Study. Prepared for Arizona Public Service by R.W. Beck, Inc, 2009.

110

BLACKMAN, A. W. Jr. The Market Dynamics of Technological Substitutions. Technological Forecasting and Social Change, S.I, v.6 p.41-63. 1974. https://doi.org/10.1016/0040-1625(74)90005-5

BLOIS, H. D.; SOUZA, J. C. Cenários prospectivos e a dinâmica de sistemas: uma proposta de um modelo para o setor calçadista. Revista Administração Empresas. S.I., v. 48, n.3, p.35-45, 2008. ISSN 0034-7590. http://dx.doi.org/10.1590/S0034-75902008000300004.

BONADIA, G.; ÁVILA, I. M. A.; OGUSHI, C. M.; HOLANDA, G. M. Modeling the acceptance and use of telecenters in Brazil. Journal of Technology Management & Innovation. Campinas, v. 2, n. 4, 1 dez. 2007. Disponível em: <http://www.jotmi.org/index.php/GT/article/viewFile/art66/430>.

BRASIL. ANEEL. Resolução no 414, de 2010. Condições gerais de fornecimento de energia elétrica. Disponível em: < http://www2.aneel.gov.br/cedoc/bren2010414.pdf>. Acesso em: 21 ago. 2017.

BRASIL. ANEEL. Resolução no 482, de 2012. Estabelece as condições gerais para o acesso de microgeração e minigeração distribuída aos sistemas de distribuição de energia elétrica, o sistema de compensação de energia elétrica, e dá outras providências. Disponível em: < http://www2.aneel.gov.br/cedoc/bren2012482.pdf>. Acesso em: 21 ago. 2017.

BRASIL. ANEEL. Resolução no 687, de 2015. Altera a Resolução Normativa nº 482, de 17 de abril de 2012, e os Módulos 1 e 3 dos Procedimentos de Distribuição – PRODIST. Disponível em: < http://www2.aneel.gov.br/cedoc/ren2015687.pdf>. Acesso em: 21 ago. 2017.

BREYER, C., GERLACH, A. Global overview on grid-parity. Progress in Photovoltaics: Research and Applications, S.I. v. 21, n.1, p.121–136, jan. 2013. doi: 10.1002/pip.1254

BRONZATTI, F. L.; IARONZINSKI NETO, A. Matrizes energéticas no

111

Brasil: Cenário 2010 – 2030. In: XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 2008, Rio de Janeiro. Anais eletrônicos... Rio de Janeiro: ENEGEP, 2008. Diponível em: < http://www.abepro.org.br/biblioteca/enegep2008_TN_STO_077_541_11890.pdf>. Acesso em: 21 ago. 2017.

BUENO, N. P. O modelo de Solow-Swan na linguagem da dinâmica de sistemas: Uma aplicação para o Brasil. Nova Economia. Belo Horizonte, vol. 20, n. 2, p.287-310, 2010. ISSN 0103-6351. http://dx.doi.org/10.1590/S0103-63512010000200003.

CEPEL – CENTRO DE PESQUISAS DE ENERGIA ELÉTRICA; CRESESB – CENTRO DE REFERÊNCIA PARA ENERGIA SOLAR E EÓLICA SÉRGIO BRITO. Manual de Engenharia para Sistemas Fotovoltaicos. Rio de Janeiro, RJ: Especial 2014.

CIÊNCIA VIVA. História da Energia Solar. Disponível em: < http://www.cienciaviva.pt/rede/energia/himalaya2006/home/guia4.pdf >. Acesso em: 21 ago. 2017.

CONFAZ. Conselho Nacional de Política Fazendária. Convênio ICMS n. 6, 5 de abril de 2013. [S.I], 2013. Disponível em: <https://www.confaz.fazenda.gov.br/legislacao/convenios/2013/cv006_13>. Acesso em: 21 ago. 2017

______. Conselho Nacional de Política Fazendária. Convênio ICMS n. 16, 22 de abril de 2015. [S.I], 2015. Disponível em: < https://www.confaz.fazenda.gov.br/legislacao/convenios/2015/cv016_15>. Acesso em: 21 ago. 2017

COX, M.; ALM, R. You are what you spend. The New York Times. Nova Iorque, fev. 2008. Disponível em: <http://www.nytimes.com/2008/02/10/opinion/10cox.html?_r=0>. Acesso em 20 abr. 2016.

112

DARWICHE, Talita Jamil. A matriz energética brasileira: evolução da estrutura de oferta e demanda. 2010. 71 f. TCC (Graduação) - Curso de Economia, Instituto de Economia da Universidade Estadual de Campinas, Universidade Estadual de Campinas, Campinas, 2010. Disponível em: <ww.bibliotecadigital.unicamp.br/document/?down=000778962>. Acesso em: 21 ago. 2017.

DENHOLM, P.; DRURY, E.; MARGOLIS, R. The Solar Deployment System (SolarDS) Model : Documentation and Sample Results. Technical Report NREL/TP-6A2-45832, 2009.

EPE [Empresa de Pesquisa Energética]. Inserção da Geração Fotovoltaica Distribuída no Brasil – Condicionantes e Impactos. Nota Técnica. Rio de Janeiro, 2014.

______. Plano Nacional de Energia 2030 (PNE). Rio de Janeiro, 2007. Disponível em: < http://www.epe.gov.br/PNE/20080111_1.pdf>.

______. Anuário Estatístico de Energia Elétrica. Rio de Janeiro, 2016. Disponível em: < http://www.epe.gov.br/AnuarioEstatisticodeEnergiaEletrica/Forms/Anurio.aspx>.

FERNANDES, A. C. Dinâmica de sistemas e Business Dynamics: tratando a complexidade no ambiente de negócios. In: XXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 21, 2001, Salvador. Anais eletrônicos... Salvador: ENEGEP, 2001. Disponível em http://www.gpi.ufrj.br/pdfs/ artigos/Fernandes%20-%20Business%20Dynamics%20-%20XXI%20 eNeGeP%20- %202001.pdf. Acesso em 29 ago. 2017.

FGV, Fundação Getúlio Vargas. De Volta ao País do Futuro: Crise Européia, Projeções e a Nova Classe Média. Rio de Janeiro: FGV/CPS, p. 126, 2012.

113

FIGLIUOLO NETO, V.; OLIVEIRA, M. I.; MACIEL, J. S. C. Estudo de viabilidade de um novo corredor urbano na região do Igarapé da Lavanderia por meio de dinâmica de sistemas. Journal of Transport Literature. Vol. 7, n.3, pp.137-176, 2013. ISSN 2238-1031. http://dx.doi.org/10.1590/S2238-10312013000300007.

FIGUEIREDO, J. C. B. Estudo da difusão da tecnologia móvel celular no Brasil: Uma abordagem com o uso da dinâmica de sistemas. Produção, vol. 19, n. 1, pp.230-245, 2009. ISSN 0103-6513. http://dx.doi.org/10.1590/S0103-65132009000100015.

FORRESTER, Jay W. Industrial Dynamics. Cambridge, MA: Productivity Press, 1972.

GALDINO, M. A. Análise de custos histórios de sistemas fotovoltaicos no Brasil. In: IV Congresso Brasileiro de Energia Solar, 2012, São Paulo. Anais eletrônicos... São Paulo: CBENS, 2012. Disponível em: < http://www.cresesb.cepel.br/publicacoes/download/artigo/IV-CBENS/Artigo_custos_historicos_IVCBENS.pdf>. Acesso em: 30 ago. 2017.

GERHARDT, T. E.; SILVEIRA, D. T. Métodos de pesquisa. 1. ed. Porto Alegre: Editora da UFRGS, 2009. 113 p. Disponível em: < http://www.ufrgs.br/cursopgdr/downloadsSerie/derad005.pdf>. Acesso em: 30 ago. 2017

GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2008.

GOLDEMBERG, José; MOREIRA, José Roberto. Política energética no Brasil. Estudos Avançados, v. 19, n. 55, p.215-228, 2005.

GRAHAM, J. R; HARVEY, C. R. The theory and practice of corporate finance: evidence from the field. Journal of Financial Economics, v. 61, n. 2-3, p.187-243, 2001. https://doi.org/10.1016/S0304-405X(01)00044-7

114

GREENPEACE BRASIL. Relatório Alvorada: como o incentivo à energia solar fotovoltaica pode transformar o Brasil. Ano, 2016. Disponível em: < http://www.greenpeace.org/brasil/Global/brasil/documentos/2016/Relatorio_Alvorada_Greenpeace_ Brasil.pdf>. Acesso em: 20 abr. 2016.

GUIDOLIN, M.; MORTARINO, C. Cross-country diffusion of photovoltaic systems: Modeling choices and forecasts for national adoption rates. Technological Forecasting & Social Change, v. 77, n. 2, p.279-296, 2010. https://doi.org/10.1016/j.techfore.2009.07.003.

HSU, C. W. Using a system dynamics model to assess the effects of capital subsidies and feed-in tariffs on solar PV installations. Applied Energy, v. 100, p.205-217, 2012. ISSN 0306-2619. https://doi.org/10.1016/j.apenergy.2012.02.039.

IBGE, Instituto Brasileiro de Geografia e Estatística. Censo demográfico – 2010. Rio de Janeiro: IBGE. 2010. Disponível em: < http://censo2010.ibge.gov.br/>. Acesso em: 30 ago. 2017.

IEA, International Energy Agency. Tracking clean energy progress 2016. Paris: IEA; 2016.

INMETRO. Instituto Nacional de Metrologia, Qualidade e Tecnologia. Orientações gerais para fabricantes e importadores sobre a regulamentação de equipamentos para geração de energia fotovoltaica. Disponível em: < http://www2.inmetro.gov.br/pbe/pdf/guia_de_orientacoes_PBE_fotovoltaico.pdf>. Acesso em: 21 ago. 2017.

IPEADATA [Internet]. Brasília. Instituto de Pesquisa Econômica Aplicada. 2017. Disponível em: <http://www.ipeadata.gov.br/Default.aspx>.

ISLAM, T. Stated innovation diffusion model from stated preference data: The case of photo-voltaic (PV) solar cells for household electricity generation. In: III International Choise Modelling Conference, 2013, Sydney. Anais eletrônicos... Sydney: ICMC, 2013. Disponível em: <

115

http://www.icmconference.org.uk/index.php/icmc/ICMC2013/paper/viewFile/779/218>. Acesso em: 21 ago. 2017.

JARDIM, C. S.; RÜTHER, R.; SALAMONI, I. T.; VIANA, T. S.; REBECHI, S. H.; KNOB, P. J. The strategic siting and the roofing area requirements of building-integrated photovoltaic solar energy generators in urban areas in Brazil. Energy and Buildings, v. 40, n. 3, p.365–370, jan. 2008. ISSN 03787788. Disponível em: <http:- //linkinghub.elsevier.com/retrieve/pii/S0378778807000977>.

KAGAN, N.; GOLVEA, M.; MAIA, F. C.; DUARTE, D.; LABRONICI, J.; GUIMARÃES, S. D. Redes elétricas inteligentes no Brasil: análise de custos e benefícios de um plano nacional de implantação. Rio de Janeiro: Sinergia: Abradee; Brasília: ANEEL, 2013.

KALISH, S. A New Product Adoption Model With Pricing, Advertising, and Uncertainty. Management Science, v.31, p.1569-1585, 1 dez. 1985. doi: 10.1287/mnsc.31.12.1569

KALISH, S., LILIEN, G. L. A Market Entry Timing Model for New Technologies. Management Science. V. 32, n. 2, p.194-205. 1986.

KASTOVICH, J. C.; LAWRENCE, R. R.; HOFFMAN, R. R.; PAVLAK, C. Advanced Electric Heat Pump Market and Business Analysis. ORNL/Sub/79-2471/1. Prepared under subcontract for Oak Ridge National Laboratory by Westinghouse Electric Corp. Oak Ridge, TN : Oak Ridge National Laboratory, 1982.

KIRAVU, C.; OLADIRAN, M. T.; YANEV, K. Modeling of technology adoption in Botswana. International Journal of Energy Sector Management, v. 8, n. 2, pp.198-229, 2014. ISSN 1750-6220. http://dx.doi.org/10.1108/IJESM-02-2013-0004.

KONZEN, G. Difusão de sistemas fotovoltaicos residenciais conectados à

116

rede no Brasil: uma simulação via modelo de Bass. 2014. 108 f. Dissertação de Mestrado. Programa de Pós-Graduação em Energia, Universidade de São Paulo. São Paulo, 2014.

LEE, M.; HONG, T.; KOO, C. An economic impact analysis of state solar incentives for improving financial performance of residencial solar photovoltaic system in the United States. Renewable and Sustainable Energy Reviws, v. 58, p.590-607, 2016. http://dx.doi.org/10.1016/j.rser.2015.12.297

LILIEN, G. L.; RANGASWAMY, A.; BRUYN, A. D. Principles of Marketing Engineering - The Bass Model: Marketing Engineering Technical Note. Trafford Publishing, 2007. Disponível em < http://faculty.washington.edu/sundar/NPM/BASS-Forecasting%20Model/Bass%20Model%20Technical%20Note.pdf >. Acesso em: 30 ago. 2017.

LIMA, M. T. S. L.; SOUZA, M. C.; FLORES, T. S.; CRUZ, N .G. S.; DIAMANTINO, H. D.; BARROSO, L. A.; ROCHA, B. A.; SOUZA, R. L. M.; RAMOS, P. C.; MACEDO, M. H. M. Sobre a situação energética brasileira: De 1970 a 2030. Ciência e Natura, v. 37, p. 06 – 16, 2014. ISSN: 0100-8307. Disponível em: < http://oaji.net/articles/2017/1602-1486465546.pdf>.

MAHAJAN, Vijay; PETERSON, Robert A. Models for Innovation Diffusion. California: Sage Publications, 1985. 87 p. (Série: Quantitative Applications In The Social Sciences).

MAHAJAN, V.; MULLER, E.; BASS, F. M. New product diffusion models in marketing: a review and directions for research. Journal of Marketing, v. 54, p.1 – 26, 1990.

MANSFIELD, E. Technical Change and the Rate ofImitation. Econometrica v. 29, n.4, p.741-766, 1961.

117

MARTINEZ-MOYANO, I. J.; RICHARDSON, G. P. Best practices in system dynamics modeling. System Dynamics Review, v. 29, n. 2, p. 102-123, 2013. ISSN 1099-1727. Disponível em: <http://dx.doi.org/10.1002/sdr.1495 >.

MONTENEGRO, A. Avaliação do retorno do investimento em sistemas fotovoltaicos integrados a residências unifamiliares urbanas no Brasil. 2013. 211 f. Dissertação de Mestrado. Departamento de Engenharia Civil. Universidade Federal de Santa Catarina. Florianópolis, Santa Catarina. Disponível em: < https://repositorio.ufsc.br/xmlui/handle/123456789/130917>. Acesso em: 30 ago. 2017.

MORECROFT, J. Strategic Modelling and Business Dynamics: A feedback systems approach. Chichester: John Wiley and Sons, 2015. 504p. ISBN 1118844688.

NAVIGANT CONSULTING. Arizona Solar Electric Roadmap Study Full Report. Preparado para Arizona Department of Commerce. 2007.

NEGRO, S. O.; ALKEMADE, F.; HEKKERT, M. P. Why does renewable energy diffuse so slowly? A review of innovation system problems. Renewable and Sustainable Energy Reviews, v. 16, n. 6, p. 3836-3846, 2012. ISSN 1364-0321. Disponível em: < http://www.sciencedirect.com/science/article/pii/S1364032112002262 >.

NREL. 2014 Renewable Energy Data Book. US Department of Energy: National Renewable Energy Laboratory, p.130. 2015.

OLIVEIRA, W. S. Avaliação e gestão de projetos de energia eólica onshore. 2010. 159 f. Dissertação de Mestrado. Departamento de Economia, Gestão e Engenharia Industrial, Universidade de Aveiro. Aveiro, Portugal. Disponível em: <https://ria.ua.pt/ bitstream/10773/5007/1/disserta%C3%A7%C3%A3o.pdf>

118

PACKEY, D. J. Market Penetration of New Energy Technologies. National Renewable Energy Laboratory. Colorado, EUA. Fev. 1993.

PALMER, J.; SORDA G.; MADLENER, R. Modeling the Diffusion of Residential Photovoltaic Systems in Italy: An Agent-based Simulation. FCN Working Paper, n. 9, 2013. Disponível em: <https://www.fcn.eonerc.rwth-aachen.de/global/show_document.asp?id=aaaaaaaaaagvwak>

PETER, R.; RAMASESHAN, B.; NAYAR, C. V. Conceptual model for marketing solar based technology to developing countries. Renewable Energy. v. 25, p.511-524, 2002. https://doi.org/10.1016/S0960-1481(01)00080-5.

PORTAL DO PLANALTO, 2015. Brasil e Estados Unidos anunciam meta de 20% de fontes renováveis não hidráulicas na matriz energética. Disponível em: < blog.planalto.gov.br/assunto/fontes-renovaveis-de-energia/>. Acesso: abr 2016.

RADOMES JR, A. A.; ARANGO, S. Renewable energy technology diffusion: an analysis of photovoltaic-system support schemes in Medellín, Colombia. Journal of Cleaner Production, v. 92, p.152-161, 1 jan. 2015. ISSN 0959-6526. Disponível em: < http://www.sciencedirect.com/science/article/pii/S0959652614013924 >.

RAI, Varun; SIGRIN, Benjamin. Economics of Individual Decision-Making: Buy vs. Lease Differences in the Adoption of Residential Solar. In: USAEE/IAEE NORTH AMERICA CONFERENCE, 31., 2012, Austin. Anais... . Austin: S.I, 2012. p. 1 - 20. Disponível em: < http://www.usaee.org/usaee2012/submissions/OnlineProceedings/120907,%20Economics%20of%20Decision-Making%20in%20Residential%20PV,%20Rai%20&%20Sigrin,%20USAEE,%20Nov-12.pdf>. Acesso em: 31 ago. 2017.

RAO, K. U.; KISHORE, V. V. N. A review of technology diffusion models with special reference to renewable energy technologies. Renewable and

119

Sustainable Energy Reviews. v. 14, n. 3, p.1070-1078, 2010. https://doi.org/10.1016/j.rser.2009.11.007.

ROGERS, E. M. Diffusion of innovations. New York: Free Press, 1983 447p.

SANTANA, C. R. O aprofundamento das relações do Brasil com os países do Oriente Médio durante os dois choques do petróleo da década de 1970: um exemplo de ação pragmática. Revista Brasileira de Política Internacional, n. 2, p. 157-177, 2006.

SANTOS, A. M. S. A Aplicação de um modelo de simulação para o gerenciamento de projetos: Um estudo de caso utilizando a dinâmica de sistemas. 2006, 214. Dissertação de Mestrado. Curso de Engenharia de Transportes, Universidade de São Paulo, São Paulo.

SANTOS, W. B. Estímulos e incentivos à produção de energia elétrica através de sistemas fotovoltaicos no Brasil. 2014. 59 f. TCC (Graduação) – Curso de Engenharia Sanitária e Ambiental, Universidade Estadual da Paraíba, Campina Grande. Disponível em: <http://dspace.bc.uepb.edu.br/jspui/bitstream/123456789/5129/1/PDF%20-%20Whelton%20Brito%20dos%20Santos.pdf>. Acesso em: 21 ago. 2017.

SERRA, F.; RODRIGUES, H.; PAQUETE, B. Dinâmica de sistemas: Uma aplicação ao estudo dos ecossistemas. O caso de uma população de Gamos (dama dama) no Parque Nacional de Doñana. Revista da ESGHT/UAL. n. 7, 2000. Disponível em: < http://www.dosalgarves.com/revistas/N7/7rev7.pdf>. A Acesso em: 23 ago. 2017.

SILVA, R. M. Energia Solar no Brasil: dos incentivos aos desafios. Brasília: Núcleo de Estudos e Pesquisas/CONLEG/Senado, Fevereiro/2015 (Texto para Discussão no 166). Disponível em: <https://www12.senado.leg.br/publicacoes/estudos-legislativos/tipos-de-estudos/textos-para-discussao/td166>. Acesso em: 21 ago. 2017.

120

SISODIA, G. S.; SAHAY, M.; SINGH, P. Systems dynamics methodology for the energy demand fulfillment in India: A preliminary sudy. Energy Procedia, v. 95, p. 429 – 434, set. 2016. DOI: 10.1016/j.egypro.2016.09.054. Disponível em: < http://www.sciencedirect.com/science/article/pii/S1876610216306932>.

STERMAN, J. D. Business Dynamics. Systems Thinking and Modeling for a complex world. Boston: Mc Graw Hill Higher Education, p. 1008, 2000.

SULTAN, F., FARLEY J. U., LEHMANN D. R. A meta-analysis of applications of diffusion models. Journal of Marketing Research. v. 27, n. 1, p.70–77, 1990. Disponível em: <https://www0.gsb.columbia.edu/mygsb/faculty/research/pubfiles/909/909.pdf>. Acesso em: 29 ago. 2017.

URSAIA, G. C.; GUERRA, J. B. S. O. D. A.; YOUSSEF, Y. A. As Energias Renováveis no Brasil: entre o mercado e a universidade. Palhoça: Editora Unisul, 2011. ISBN 978-85- 8019-019-9.

VENTANA. Vensim PLE 7.0. S.I: Ventana Systems Inc, 2015. Software.

WANDERLEY, A. C. F.; CAMPOS, A. L. P. S. Perspectivas de inserção da energia solar fotovoltaica na geração de energia elétrica no Rio Grande do Norte. HOLOS, [S.l.], v. 3, p. 3-14, ago. 2013. ISSN 1807-1600. Disponível em: <http://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/1493>. Acesso em: 21 ago. 2017.

YAN, H. Subsidy policy design for increasing solar photovoltaic installed capacity in China: A system dynamics based study. Disponível em:<http://bora.uib.no/bitstream/handle/1956/3653/63114405.pdf?sequence=1>. Acesso em: 21 ago. 2017.

121

YANG, C. J. Reconsidering solar grid parity. Energy Policy. v. 38, n. 7, p. 3270-3273, 2010 http://dx.doi.org/10.1016/j.enpol.2010.03.013.

122

APÊNDICE I

Variável Equação Unidade

Adocao devido a propaganda

Efetividade da propaganda*(Mercado potencial de residencias-Residencias Adotantes

Residencias

Adocao devido ao marketing boca-a-boca

Taxa de Contato*(Residencias Adotantes/Mercado potencial de residencias)*(Mercado potencial de residencias-Residencias Adotantes)

Residencias

Capacidade instalada

Potencia do Sistema FV*Residencias Adotantes kW

Credito de carbono

(Potência gerada total anual/1000)*Residencias Adotantes*Preco do Credito de Carbono*Fator de emissao CO2

US$

Custo inicial SFV

Potencia do Sistema FV*Preco kWp final R$

Despesas anuais (0,01*Custo inicial SFV)*25 R$

Efeito do aprendizado sobre o custo

((Capacidade instalada/Experiencia acumulada Inicial)^Taxa exponencial)

Adimencional

ICMS Ene IF THEN ELSE( Time<2017, 0,25 , 0 ) Porcentagem

II Mod IF THEN ELSE( Time<2017, 0.12 , 0 ) Porcentagem

Fracao apta Tamanho do mercado de residencias*Limitadores tecnicos Residencias

Fracao do mercado adotante

Residencias Adotantes/Fracao apta Porcentagem

Incremento liquido

Tamanho do mercado de residencias*Taxa de incremento residencias

Porcentagem

Investimento no SFV

(Custo inicial SFV+Despesas anuais)*(1-Subsidio) R$

Continua

123

Variável Equação Unidade Mercado

potencial de residencias

Fracao apta*Sensibilidade ao tempo de retorno Residencias

Percentual inversor e outros

itens

Preço do Kwp Instalado base*(0,26/(1-II Inv-ICMS Inv-"PIS/COFINS Inv")) R$

Percentual modulos

Preço do Kwp Instalado base*Efeito do aprendizado sobre o custo*(0,48/(1-II Mod-"PIS/COFINS Mod"))

R$

Preco kWp final Percentual inversor e outros itens+Percentual modulos R$/Kwp

Residencias Adotantes INTEG (Taxa de Adocao, 36) Residencias

PIS/COFINS Mod IF THEN ELSE( Time<2017, 0,0925 , 0 ) Porcentagem Subsidio IF THEN ELSE( Time<2017 , 0 , 0,2 ) Porcentagem

Tamanho do mercado de residencias

INTEG (Incremento liquido, 6.500.441) Residencias

Tarifa base INTEG (Taxa incremento liquido tarifa*0,0396, 0,43) R$/Kwh

Tarifa de energia Tarifa base/(1-ICMS Ene-"PIS/COFINS Ene") R$/Kwh

Tarifa sem impostos

IF THEN ELSE( Time<2017, Tarifa base , 1,2*Tarifa base ) R$/Kwh

Taxa de Adocao (Adocao devido a propaganda+"Adocao devido ao marketing boca-a-boca") Residencias

Taxa incremento liquido tarifa Tarifa base*(1+Taxa evolucao tarifa) Porcentagem

Tempo de Payback

Investimento no SFV/(Tarifa sem impostos*Potência gerada total anual-Tarifa de energia*Potência gerada total anual*ICMS Ene)

Anos

124

APÊNDICE II

DIFUSÃO DA TECNOLOGIA FOTOVOLTAICA NO BRASIL: UM …

Documents

Transcript of DIFUSÃO DA TECNOLOGIA FOTOVOLTAICA NO BRASIL: UM …