Universidade ederalF de Pernambuco Lucas Ademar reitasF · 2019. 10. 25. · F866e Freitas, Lucas...

Universidade Federal de Pernambuco

Centro de Tecnologia e Geociências

Pós-Graduação em Engenharia Mecânica

Lucas Ademar Freitas

Estudo Energético e Econômico de Sistemas Térmicos deFornecimento de Eletricidade e Água Gelada: o Caso dos

Shopping Centers de Pernambuco

Dissertação de Mestrado

Recife, 2016.

Lucas Ademar Freitas

Estudo Energético e Econômico de Sistemas Térmicos deFornecimento de Eletricidade e Água Gelada: o Caso dos

Shopping Centers de Pernambuco

Orientador: Prof. Dr. Fábio Santana Magnani

Dissertação submetida ao Programa de Pós-graduação

em Engenharia Mecânica do Centro de Tecnologia e Ge-

ociências da Universidade Federal de Pernambuco, como

requisito parcial para obtenção do grau de Mestre em

Engenharia Mecânica.

Catalogação na fonte

Bibliotecária Maria Luiza de Moura Ferreira, CRB-4 / 1469

F866e Freitas, Lucas Ademar.

Estudo energético e econômico de sistemas térmicos de

fornecimento de eletricidade e água gelada: o caso dos shopping centers

de Pernambuco / Lucas Ademar Freitas. - Recife: O Autor, 2016.

83 folhas, il.

Orientador: Prof. Dr. Fábio Santana Magnani.

Dissertação (Mestrado) – Universidade Federal de Pernambuco. CTG. Programa de Pós-graduação em Engenharia Mecânica, 2016.

Inclui Referências e Apêndice.

1. Engenharia Mecânica. 2. Valor presente líquido. 3. Consumo energético.

4. Sistemas térmicos. 5. . 6. Shopping Centers. I. Magnani, Fábio Santana. (Orientador). II. Título.

UFPE

621 CDD (22. ed.) BCTG/2016-262

05 de setembro de 2016.

“ESTUDO ENERGÉTICO E ECONÔMICO DE SISTEMAS TÉRMICOS DE

FORNECIMENTO DE ELETRICIDADE E ÁGUA GELADA: O CASO DOS

SHOPPING CENTERS DE PERNAMBUCO”

LUCAS ADEMAR FREITAS

ESTA DISSERTAÇÃO FOI JULGADA ADEQUADA PARA OBTENÇÃO DO

TÍTULO DE MESTRE EM ENGENHARIA MECÂNICA

ÁREA DE CONCENTRAÇÃO: PROCESSOS E SISTEMAS TÉRMICOS

APROVADA EM SUA FORMA FINAL PELO

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA

MECÂNICA/CTG/EEP/UFPE

__________________________________________________

Prof. Dr. FÁBIO SANTANA MAGNANI

ORIENTADOR/PRESIDENTE

__________________________________________________

Prof. Dr. CEZAR HENRIQUE GONZALEZ

COORDENADOR DO PROGRAMA

BANCA EXAMINADORA:

_________________________________________________________________

Prof. Dr. FÁBIO SANTANA MAGNANI (UFPE)

_________________________________________________________________

Prof. Dr. PEDRO ANDRÉ CARVALHO ROSAS (UFPE)

_________________________________________________________________

Prof. Dr. ALEXANDRE STAMFORD DA SILVA (UFPE)

Agradecimentos

À Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES, pela bolsa

concedida durante o período de realização do mestrado.

A todos os professores e funcionários do Departamento de Engenharia Mecânica -

DEMEC, que, de alguma forma contribuíram para minha formação.

Ao professor Fábio Santana Magnani pela orientação e apoio a minha formação aca-

dêmica.

A Laís Wol� por toda paciência e carinho oferecidos durante toda minha jornada.

Aos meus familiares e aos amigos, que sempre me apoiaram e me acompanharam nesta

caminhada.

Resumo

Estão inseridos na proposta deste trabalho dois objetivos: o primeiro consiste na realização

de levantamento e caracterização do consumo de energia elétrica dos shopping centers de

Pernambuco; o segundo tem por �nalidade aplicar uma metodologia de decisão econômica

que permite avaliar a melhor con�guração de um sistema térmico para o atendimento das

demandas de frio e energia elétrica dos shopping centers. O procedimento de otimização

busca minimizar o VPL (Valor Presente Líquido) do sistema e, para isso, utiliza-se de um

método híbrido composto por quatro passos: proposta do sistema genérico, pré-seleção dos

equipamentos, busca exaustiva e Programação Linear. A otimização considera aspectos

técnicos e econômicos, tais como: curvas de demandas de energia, tarifas em base horária,

rendimentos e custos dos equipamentos proporcionais às potências. A �m de veri�car o

quão robusto é o sistema base foram consideradas algumas variáveis econômicas como, por

exemplo, a variação da tarifa de combustível, variação da tarifa de energia elétrica, custo

de aquisição do motogerador de eletricidade, variação da taxa de câmbio (dólar/real),

além do estudo da variação da demanda em horário de ponta. Ainda, foi de�nido, para

cada parâmetro estudado, um fator de variabilidade de 50% - 200%. O sistema se mostrou

muito sensível a mudanças nas tarifas energéticas, para as quais suportou uma redução de

apenas 9% na tarifa de gás natural, ou, ainda, um aumento de 12% na tarifa de energia

elétrica. Para taxa cambial e o custo inicial do motogerador, as variações suportadas

foram de 26% e 24% respectivamente. Já no que se refere à variação da demanda em

horário de ponta, o sistema suportou um aumento de 70%.

Palavras chaves: Valor Presente Líquido. Consumo Energético. Sistema Térmicos.

shopping centers

Abstract

They are included in the proposal of this work two objectives: the �rst is to carry out

survey and characterization of the electricity consumption of the shopping malls of Per-

nambuco; the second on implementing an economic decision methodology to evaluate the

best con�guration of a thermal system to meet the demands of cold and power of shopping

malls. The optimization procedure seeks to minimize the NPV (Net Present Value) of the

system and, therefore, we use a hybrid method consists of four steps: proposed generic

system, pre-selection of equipment, exhaustive search and Linear Programming. The op-

timization considers technical and economic aspects, such as energy demand curves, tari�

on hourly basis, e�ciencies and costs in proportion to the power equipment. In order to

check how robust is the base system were considered some economic variables such as, for

example, the change in fuel price, change in electricity tari�, cost of purchase of electricity

power generator, exchange rate variation (dollar / real), and the demand variation study

in peak hours. Still, it was de�ned for each parameter studied, a variability factor of

50% - 200%. The system was too sensitive to changes in energy prices, for which bore

a decrease of only 9% in the gas rate , or even a 12% increase in electricity tari�. For

exchange rate and the initial cost of the motor generator, supported changes were 26%

and 24% respectively. In what regards the variation of demand peak time, the system

supported a 70% increase.

Key Words : Net Present Value. Energy Consumption. Thermal System. shopping

malls

vi

Lista de Figuras

1.1 Sistema Convencional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 Sistema de Cogeração. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.3 Sistema Geral. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

3.1 Fluxo de análise quantitativa. . . . . . . . . . . . . . . . . . . . . . . . . . 15

4.1 Produto Interno Bruto Vs Tonelada Equivalente de Petróleo. . . . . . . . . 18

4.2 Consumo Final por Setor . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

4.3 Evolução consumo de energia elétrica nos três setores principais . . . . . . 21

4.4 Participação setorial no consumo de energia elétrica no Brasil em 2014 . . 21

4.5 Participação setorial no consumo de energia elétrica em Pernambuco em

2014 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

4.6 Curva de consumo diário médio para shopping centers de Pernambuco em

2014 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4.7 Curva de carga térmica típica, destinada ao sistema de ar condicionado . . 30

4.8 Distribuição da energia destinada à iluminação e à força motriz . . . . . . 30

4.9 Distribuição horária simpli�cada de energia elétrica para equipamentos . . 32

4.10 Distribuição horária simpli�cada para carga térmica. . . . . . . . . . . . . 33

4.11 Redução de 50% no horário de ponta. . . . . . . . . . . . . . . . . . . . . 35

6.1 Sistema Genérico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

6.2 Equipamentos que fornecem água gelada. . . . . . . . . . . . . . . . . . . . 46

6.3 Equipamentos que fornecem vapor. . . . . . . . . . . . . . . . . . . . . . . 47

6.4 Rede de Energia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

6.5 Gerador de Eletricidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

6.6 Termoacumulador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

7.1 Sistema Convencional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

7.2 Rede de Energia Elétrica. . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

7.3 Água Gelada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

7.4 Exemplo de robustez física e operacional. . . . . . . . . . . . . . . . . . . . 61

7.5 Con�guração ótima em função das variáveis. . . . . . . . . . . . . . . . . . 62

Lista de Figuras vii

7.6 VPL para variações da tarifa de gás natural. . . . . . . . . . . . . . . . . . 64

7.7 Sistema ótimo para redução de 10% na tarifa de gás natural. . . . . . . . . 65



7.10 VPL para variação no valor da tarifa de energia elétrica. . . . . . . . . . . 67

7.11 Sistema ótimo para um aumento de 13% na tarifa de energia elétrica. . . . 67

7.12 Sistema ótimo para um aumento de 17% na tarifa de energia elétrica. . . . 68

7.13 VPL para variação no valor do Gerador. . . . . . . . . . . . . . . . . . . . 69

7.14 Sistema ótimo para redução de 27% no custo do motogerador. . . . . . . . 69

7.15 VPL para variação taxa de câmbio. . . . . . . . . . . . . . . . . . . . . . . 70

7.16 VPL para variação da demanda de energia em horário de ponta. . . . . . . 71

7.17 Patamar de carga para acréscimo de 70% de energia na ponta. . . . . . . . 72

7.18 Sistema ótimo para um aumento de 70% da demanda na ponta. . . . . . . 72

7.19 Sistema otimizado com termoacumulador. . . . . . . . . . . . . . . . . . . 74

7.20 Modo de operação do termoacumulador. . . . . . . . . . . . . . . . . . . . 74

viii

Lista de Tabelas

4.1 Taxa de crescimento anual de consumo energético no período de 1995 a 2014 . 20

4.2 Participação do consumo por fonte e por setor (%) em 2014 . . . . . . . . 20

4.3 Coe�ciente de destinação da energia elétrica no setor comercial (%) . . . . 22

4.4 Composição do setor comercial e participação no consumo de energia elé-

trica em 2014. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

4.5 Consumo de Energia Elétrica em shopping centers no Brasil nos anos 2000

e 2014 (GWh) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

4.6 Média de Destinação da energia elétrica em shopping centers de Pernam-

buco em 2014 (MWh). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

4.7 Relação de shopping centers de Pernambuco em 2014 . . . . . . . . . . . . 26

4.8 Horário dos patamares de carga . . . . . . . . . . . . . . . . . . . . . . . . 31

5.1 Classi�cação dos grupos de alta e baixa tensão. . . . . . . . . . . . . . . . 37

5.2 Tarifas de energia do subgrupo A3 em Pernambuco. . . . . . . . . . . . . . 38

5.3 Tarifas de gás natural em Pernambuco. . . . . . . . . . . . . . . . . . . . . 38

5.4 Custo dos equipamentos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

5.5 Rendimento dos equipamentos. . . . . . . . . . . . . . . . . . . . . . . . . 42

6.1 Etapas da Otimização. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

6.2 Demanda máxima. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

6.3 Potência Nominal dos Equipamentos (kW). . . . . . . . . . . . . . . . . . . 51

7.1 Robustez do sistema base e con�gurações do sistema para faixa anterior e

posterior. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

ix

Nomenclatura

Acrônimos e siglas

DSa número de sábados em um mês

DSu número de domingos em um mês

DW número de dias úteis em um mês

ht vetor que indica o horário de ponta

mt número total de meses

nd número de divisões de tempo em um dia

neq número de restrições para cada intervalo de tempo

np número de linhas de energia

nt número de divisões de tempo na simulação

V Im investimento inicial dos equipamentos principais

V In investimento inicial dos equipamentos secundários

ABL área bruta locável

BEN balanço energético nacional

CC chiller de compressão

CCEE câmara de comercialização de energia elétrica

CELPE companhia energética de Pernambuco

COP coe�ciente de desempenho

COPERGAS companhia pernambucana de gás

h horas

Nomenclatura x

ICMS imposto sobre circulação de mercadorias e serviços

II imposto de importação

IPI imposto sobre produtos industrializados

k tarifa de energia

N potência nominal

PIB produto interno bruto

PLD preço de liquidação das diferenças

SELIC sistema especial de liquidação e custódia

TEP tonelada equivalente de pertróleo

TIR taxa interna de retorno

TMA taxa miníma de atratividade

TR toneladas de refrigeração

VE custos no consumo de energia elétrica e combustível

VP tarifa de demanda máxima

VPL valor presente líquido

x linhas de energia

Símbolos Gregos

η e�ciência

λ1 fator de multiplicação horário de ponta

λ2 fator de multiplicação horário fora de ponta

µ correção do número de meses

ρ taxa de juros

τd correção do número de hora de operação do sistema

Subscritos e Superescritos

AC chiller de absorção

Nomenclatura xi

CC chiller de compressão

E demanda de eletricidade

EB caldeira elétrica

EG rede elétrica

energy energia

EP divisor de eletricidade

FL linha de combustível

fuel combustível

GB caldeira a gás

high demanda no horário de ponta

inv investimento inicial

low demanda no horário fora de ponta

PG gerador de eletricidade

pow potência

RB caldeira de recuperação

S demanda vapor

sell venda de energia

SM divisor de vapor

W demanda de água gelada

xii

Sumário

Nomenclatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix

1 Introdução 1

1.1 Sistemas Térmicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 Objetivos e Metas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.3 Estrutura da dissertação . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Revisão Bibliográ�ca 6

2.1 Levantamentos Energéticos . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.2 Caracterização de Demandas . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.3 Estudos de Sistemas Térmicos . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Fundamentação Teórica 13

3.1 Métodos de Decisão Econômica . . . . . . . . . . . . . . . . . . . . . . . . 13

3.2 Programação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3.2.1 Dualidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

4 Consumo de Energia 18

4.1 Aspectos Gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

4.2 Setor Comercial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

4.3 Shopping Centers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

4.3.1 O Caso de Pernambuco . . . . . . . . . . . . . . . . . . . . . . . . . 25

4.3.2 Determinação das Curvas Horárias de Demanda Elétrica e Térmica 27

5 Investimentos e Custos 36

5.1 Tarifas Energéticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

5.1.1 Energia Elétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

5.1.2 Gás Natural . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

5.2 Custos de Investimento e E�ciências . . . . . . . . . . . . . . . . . . . . . . 39

5.2.1 Custos Fixos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

5.2.2 Custos Adicionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

5.3 Tempo de Vida e Taxas de Juros . . . . . . . . . . . . . . . . . . . . . . . 42

Sumário xiii

6 Sistema Térmico 43

6.1 Método Otimização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

6.2 Sistema Genérico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

6.3 Pré-seleção dos Equipamentos . . . . . . . . . . . . . . . . . . . . . . . . . 45

6.3.1 Chiller de Absorção e Chiller de Compressão . . . . . . . . . . . . 46

6.3.2 Caldeiras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

6.3.3 Rede de Energia Elétrica . . . . . . . . . . . . . . . . . . . . . . . . 48

6.3.4 Motogerador de Eletricidade . . . . . . . . . . . . . . . . . . . . . . 49

6.3.5 Potência Nominal dos Equipamentos . . . . . . . . . . . . . . . . . 51

6.4 Modelagem Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

6.4.1 Função Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

6.4.2 Restrições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

6.4.3 Limites das potências de saída dos equipamentos . . . . . . . . . . 56

6.4.4 Termoacumulador . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

6.4.5 Programação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 58

7 Estudos de Caso 59

7.1 Sistema Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

7.2 Análise da Faixa de Robustez . . . . . . . . . . . . . . . . . . . . . . . . . 61

7.3 Variação na Tarifa do Gás Natural . . . . . . . . . . . . . . . . . . . . . . 63

7.4 Variação na Tarifa da Energia Elétrica . . . . . . . . . . . . . . . . . . . . 66

7.5 Variação no Custo do Motogerador . . . . . . . . . . . . . . . . . . . . . . 68

7.6 Variação na Taxa de Câmbio . . . . . . . . . . . . . . . . . . . . . . . . . . 69

7.7 Variação da Demanda na Ponta . . . . . . . . . . . . . . . . . . . . . . . . 70

7.8 Custo Máximo do Termoacumulador . . . . . . . . . . . . . . . . . . . . . 73

8 Considerações, Conclusões e Trabalhos Futuros 75

8.1 Conclusões . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

8.2 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

Referências Bibliográ�cas 78

84Apêndice

1

Capítulo 1

Introdução

Odesenvolvimento social e econômico de uma nação determina o aumento do consumo

energético. Em países em desenvolvimento, a expansão da indústria, a modernização

da agricultura e a ampliação do comércio re�etem diretamente no aumento da demanda

energética e, como consequência, surge a necessidade de expansão das fontes de energia.

Segundo Energy Information Administration (2015), em 1973 o consumo de energia mun-

dial era de 4,6 bilhões de TEP (Tonelada Equivalente de Petróleo) sendo 9,4% destinado à

energia elétrica e, em 2012, o consumo quase duplicou, alcançando a marca de 8,9 bilhões

de TEP, tendo aumentado para 18,1% a parcela de eletricidade.

O Brasil se encontra em pleno desenvolvimento econômico, o que vem se re�etindo

em uma demanda energética crescente. Em 2014, o país consumiu aproximadamente 475

TWh de energia elétrica. O crescimento da demanda energética no Brasil está intrin-

secamente ligado ao expressivo processo de industrialização e à expansão demográ�ca

acompanhada do rápido aumento da taxa de urbanização (Tolmasquim et al., 2007).

No Brasil, a energia elétrica representa 17,2% do consumo �nal de energéticos do

país. Em 2014, a geração elétrica atingiu pouco mais de 590 TWh, desse montante,

aproximadamente 66% provém de geração hidráulica, 28% de origem térmica e o restante

é oriundo de usinas eólicas, nucleares e fotovoltaicas (Empresa de Pesquisa Energética,

2015a).

Entretanto, a capacidade de geração hidráulica brasileira atual está chegando ao limite,

fazendo com que o parque gerador termelétrico seja utilizado com maior frequência. O

acionamento de usinas térmicas é sinônimo de aumento no custo da energia elétrica para o

consumidor �nal, principalmente nos horários de ponta (usualmente, dias úteis, das 17h30

às 20h30), quando, em geral, as tarifas de energia elétrica são mais onerosas. Mediante

este fato, é válido que grandes consumidores de energia busquem por alternativa para

compor ou até substituir a energia elétrica consumida da rede de distribuição. Uma

solução bastante utilizada consiste no acionamento de grupos motogeradores em horário

de ponta.

Dentre os setores da economia, o comercial é um dos maiores responsáveis pelo aumento

1. Introdução 2

do consumo de energia elétrica no Brasil. Os shopping centers, hipermercados, centros

comerciais e hotéis se destacam como grandes consumidores de energia elétrica, utilizada

basicamente para �ns de iluminação, força motriz e geração térmica (ar condicionado).

Para os estabelecimentos comerciais, a autoprodução associada à cogeração, em alguns

cenários econômicos, apresenta-se como alternativa para minimizar os custos de energia

elétrica, pois, além de gerar energia elétrica através de um motogerador, os gases de exaus-

tão, produzidos pela queima do combustível, podem ser direcionados para uma caldeira

de recuperação e utilizados como fonte de calor para acionar um chiller de absorção,

produzindo, assim, água gelada para o condicionamento ambiental.

1.1 Sistemas Térmicos

Os sistemas que levam em consideração as ciências térmicas de forma signi�cativa em sua

análise e caracterização são denominados como sistemas térmicos (Jaluria, 2007).

Nesta dissertação, tomaremos como sistema térmico, o conjunto de equipamentos que

transformam calor em trabalho e vice-versa. Um sistema térmico, comumente, deve ser

capaz de suprir as demandas de eletricidade e a energia térmica, para aquecimento e ar

condicionado e em menor extensão como vapor e água quente. Os sistemas térmicos, são

aqui classi�cados como convencionais ou de cogeração.

Os sistemas térmicos convencionais fazem uso da energia elétrica proveniente da rede

de distribuição (EG) para atender à demanda de eletricidade (E). Além disso, a energia

elétrica é utilizada para acionar o chiller de compressão (CC) para produção de água

gelada (W). Nesse sistema, a produção de vapor ocorre pela queima do combustível na

caldeira a gás (GB). A Figura 1.1 mostra um sistema convencional e seus principais

componentes.

Figura 1.1: Sistema Convencional.

Fonte: Autor, 2016.

Por de�nição, um sistema de cogeração consiste na produção combinada de energia

térmica e energia elétrica de modo simultâneo e por meio de um único combustível. A

Figura 1.2 representa um sistema de cogeração onde a energia elétrica do sistema é pro-

duzida por um motogerador de eletricidade (PG). Tradicionalmente, em um sistema de

1. Introdução 3

cogeração, os gases de escape do motogerador são aproveitados pela caldeira de recupe-

ração (RB). O vapor, proveniente da caldeira de recuperação, é utilizado para suprir a

demanda de vapor (S) e, também, é direcionado para o chiller de absorção (AC) para

produção de água gelada (W). Vale destacar que a água gelada produzida pelos chiller 's

é utilizada para o arrefecimento do ambiente.

Figura 1.2: Sistema de Cogeração.

Fonte: Autor, 2016.

Os sistemas térmicos convencionais são rígidos, ou seja, possuem uma con�guração

de operação bem de�nida e limitada, sendo, dessa forma, incapazes de responder bem a

variações de demandas e tarifas de energia (Silva, 2012).

O sistema geral, mostrado na Figura 1.3, objetiva suprir a demanda de energia elétrica,

de água gelada e de vapor. A produção de vapor pode ocorrer pelo acionamento de

uma caldeira a gás, de uma caldeira elétrica e/ou de uma caldeira de recuperação que

aproveitará os gases do escape do motor de combustão interna. A água gelada será obtida

por um chiller de absorção que aproveitará uma parte do vapor gerado para o resfriamento

da água e/ou por um chiller de compressão que utilizará energia elétrica para gerar água

gelada. A energia elétrica é obtida da rede de distribuição e/ou por um motogerador, a

partir da queima de combustível.

Figura 1.3: Sistema Geral.

Fonte: Adaptado de Magnani et al. (2013)

Habitualmente, há uma tendencia em investir em projetos de sistemas térmicos con-

vencionais, pois aparentam ser investimentos mais viáveis e �nanceiramente seguros. En-

tretanto, utilizando como base o sistema geral, mostrado na Figura 1.3 e, com auxílio de

ferramentas de otimização, será veri�cada a con�guração mais adequada para o sistema

1. Introdução 4

em um cenário econômico bem de�nido. Posteriormente será realizada análise da faixa

de robustez do sistema, a �m de veri�car o quão robusto é o sistema base. Para tanto,

serão consideradas algumas variáveis econômicas como, por exemplo, a variação da tarifa

de combustível, variação da tarifa de energia elétrica, custo de aquisição do motogerador

de eletricidade e variação da taxa de cambio (dólar/real), além do estudo da variação da

demanda em horário de ponta.

Nesse sentido, a contribuição desta dissertação consiste no uso de uma metodologia de

análise econômica de projetos de sistemas térmicos. O método considera a combinação

que apresenta maior rentabilidade para o projeto. Diversos cenários são gerados para se

realizar a análise econômica do investimento, e cada cenário é associado a um VPL (Valor

Presente Líquido) do projeto.

1.2 Objetivos e Metas

O trabalho tem como principal premissa estimar o consumo médio de energia elétrica nos

shopping centers de Pernambuco e mostrar, do ponto de vista econômico, a importância

do uso de sistemas térmicos adaptativos por esses estabelecimentos.

Para um determinado cenário econômico, é possível mensurar a robustez de um projeto

de sistema térmico através da análise de sua robustez. O sistema genérico se adapta

a variações econômicas alterando a sua con�guração ou, ainda, seu modo operacional,

sempre visando obter o melhor custo para o projeto. Vale ressaltar que o conceito de

robustez introduzido neste trabalho é utilizado para avaliar a capacidade de um sistema

térmico em suportar mudanças de parâmetros econômicos e operacionais.

Os objetivos especí�cos podem ser resumidos como:

Estimar o consumo médio de energia elétrica nos shopping centers de Pernambuco;

Estabelecer as curvas de consumo horário;

Apurar dados técnicos e �nanceiros dos equipamentos;

Analisar a faixa de robustez do sistema;

Adicionar o termoacumulador ao sistema genérico;

Veri�car o custo máximo para que termoacumulador seja viável.

1.3 Estrutura da dissertação

O presente texto está dividido em oito Capítulos e uma bibliogra�a.

No presente Capítulo, são feitas algumas introduções que apresentam a motivação

para a realização do trabalho e abordam, de forma breve, alguns conceitos importantes,

o objetivo geral e os especí�cos.

No Capítulo dois, é exposta a revisão bibliográ�ca, onde detalhamos de forma objetiva

os principais trabalhos utilizados como referência nessa dissertação.

1. Introdução 5

A fundamentação teórica consta no Capítulo três, onde são introduzidos os principais

conceitos que embasam esse trabalho.

No Capítulo quatro, é realizado um estudo de estrutura do consumo de energia elétrica

no Brasil, com ênfase no setor comercial e em shopping centers, objeto de estudo dessa

dissertação.

Os investimentos e custos dos equipamentos que compõem o sistema térmico geral,

são colocados no Capítulo cinco.

No Capítulo seis, é apresentado o modelo do sistema térmico utilizado no trabalho,

assim como a modelagem matemática do sistema e o correspondente método de otimiza-

ção.

Com o objetivo de avaliar a robustez do sistema proposto, no Capítulo sete são explo-

rados alguns estudos de casos.

As principais conclusões e contribuições do estudo estão contidas no Capítulo oito.

Por �m, temos a bibliogra�a, que referencia os trabalhos utilizados no desenvolvimento

desta dissertação.

6

Capítulo 2

Revisão Bibliográ�ca

Vários estudos já foram feitos em relação ao consumo energético nacional e de regiões

especí�cas. Não são poucos também os trabalhos realizados na área de cogeração e

otimização de sistemas térmicos, principalmente quando se trata de melhorar o desempe-

nho energético de grandes empreendimentos.

Nesse contexto, este capítulo tem o objetivo de apresentar as principais obras e estu-

dos desenvolvidos na área dos recursos energéticos e sistemas de cogeração. Para melhor

organização, o capítulo é dividido em três seções, a primeira trata dos principais levanta-

mentos energéticos mundiais e nacionais, a segunda se refere às demandas energéticas, e

a terceira abrange os trabalhos sobre otimização de sistemas térmicos.

2.1 Levantamentos Energéticos

A Empresa de Pesquisa Energética (2015b) é responsável pela elaboração do Balanço

Energético Nacional (BEN), documento nacional mais completo no âmbito energético. O

BEN contém informações relativas à oferta e ao consumo de energia no Brasil, contem-

plando atividades e operações ligadas à exploração e produção de recursos energéticos

primários, à conversão em formas secundárias, às contas de importação e exportação, à

distribuição e ao uso �nal da energia.

O Anuário Estatístico de Energia Elétrica é outro documento da Empresa de Pes-

quisa Energética (2015a), este, no entanto, está focado apenas na oferta e demanda de

energia elétrica no Brasil e no exterior. O anuário amplia as informações contidas no

BEN e divide as ofertas, bem com as demandas, por regiões e estados brasileiros, além de

classi�car as demandas de cada setor.

Ministério de Minas e Energia (2007), elaborou o Plano Nacional de Energia 2030 que

tem como objetivo o planejamento a longo prazo do setor energético do país, orientando

tendências e analisando alternativas de expansão desse segmento nas próximas décadas. O

Plano Nacional de Energia 2030 é composto por uma série de estudos que buscam fornecer

2. Revisão Bibliográ�ca 7

insumos para a formulação de políticas energéticas segundo uma perspectiva integrada dos

recursos disponíveis.

Macdonald (2004), estudou a utilização de energia em edifícios comerciais nos Estados

Unidos e no mundo, reuniu informações de magnitude do uso da energia, desempenho

energético e projeções futuras para o uso da energia neste setor. O autor estima que

o setor comercial irá contribuir com 12% do consumo energético mundial até o ano de

2020. O setor comercial apresenta potencial de economia energética de 24-40%. Conclui

que, sem alterações no desempenho energético dos edifícios comerciais, o consumo dessas

edi�cações causará um grande impacto mundial em 2020.

Geller et al. (1998), avaliaram a conservação de energia elétrica no Brasil. Na análise,

foram considerados os usos �nais da energia nos setores residencial, comercial e indus-

trial. Examinaram, também, as iniciativas de conservação energética desenvolvidas pelo

PROCEL (Programa de Conservação de Energia Elétrica). Concluem que, embora algum

progresso tenha sido alcançado, ainda há enorme potencial para melhorias no uso e�ciente

da energia.

2.2 Caracterização de Demandas

Portugal (2007) faz a comparação do consumo de energia elétrica entre dois shopping

centers com características construtivas diferentes, utiliza-se de indicadores de consumo

médio mensal por área locável que variam entre 30 kWh/mês e 70 kWh/mês. O estudo

revela que o shopping center Tijuca, localizado na cidade do Rio de Janeiro, apresenta

arquitetura que privilegia a estética e isso contribui para o alto consumo de 69 kWh/mês.

Já o shopping center Uberada, localizado na cidade de Uberaba em Minas Gerais, apre-

senta características construtivas voltadas para a e�ciência energética, sendo construído

de maneira a não necessitar de condicionamento de ar arti�cial e aproveitar ao máximo

da iluminação natural. Dessa maneira, o consumo energético do Shopping é 34 kWh/mês.

Chow et al. (2004) realizaram estudos para a otimização de uma central de forneci-

mento de água gelada (district-cooling). Para tanto, foram determinadas curvas de carga

típicas relativas às demandas térmicas de cinco tipos de construções, a saber: shopping

centers, escritórios, residências, hotéis e estações ferroviárias. Como as unidades consu-

midoras apresentam horários de funcionamento distintos, a melhor forma de caracterizar

a curva típica de consumo é através da média entre elas. Por intermédio de alguns estu-

dos de caso, os autores concluíram que a melhor opção para a operação de uma central

de água gelada é ter uma gama de consumidores que, entre eles, não apresentem grande

variação na demanda de carga térmica.

Com o objetivo de analisar o per�l de consumo de energia elétrica do setor comercial

Azevedo et al. (2001), realizaram estudos das principais subclasses que compõe esse setor,

que são: varejo - para o qual se detiveram nos shopping centers e supermercados � e,


também, da subclasse de alojamentos, especi�camente os hotéis. Seus estudos apontam

que, em 2001, cerca de 22,5% da energia consumida pelo setor comercial era destinada à

subclasse de varejo. Dentro desse percentual, cerca de 17% da energia elétrica consumida

era destinada a shopping centers. A�rma, ainda, que o consumo médio anual dos shopping

centers é de aproximadamente 432 kWh/m².

Jardini et al. (1995) caracterizaram as curvas de cargas de consumidores para di-

mensionamento de transformadores. A �m de determinar as curvas de carga, os autores

levaram em consideração pesquisas de campo e medições realizadas em unidades consumi-

doras residenciais, comerciais e industriais. O método agrupa as unidades consumidoras

por segmento de mercado e pela faixa de consumo (kWh/mês), sendo registradas curvas

de consumo médio e o respectivo desvio padrão para cada grupo de consumidores. A

caracterização das curvas representativas dos consumidores em cada faixa de consumo é

feita pela de�nição de curvas médias e de desvio padrão em p.u., utilizando um a base

de potência, que passou a constituir as curvas representativas de cada faixa de consumo.

Dessa forma, com o consumo mensal de um determinado consumidor é possível estimar

sua curva de carga multiplicando as curvas em p.u. de sua faixa de consumo por seu valor

base. As curvas médias e desvio padrão no transformador de rede podem ser obtidas pela

agregação das curvas de cada consumidor, podendo ser utilizadas para seleção de potência

e análise de queda de tensão no transformador.

Chen et al. (1997) propuseram uma curva de carga característica através da coleta de

informações sobre o comportamento de consumo de várias classes de consumidores. Foram

realizados levantamentos de carga das unidades consumidoras em diferentes estações do

ano e, através de análises estatísticas, foram determinados padrões de carga típica de

cada cliente. Com a agregação dos dados de consumo de energia de todas as classes de

clientes foi determinado um único padrão de carga. O per�l de consumo estimado é,

então, comparado com um per�l de carga real. Na comparação, foi constatado que a

diferença de nível de carga no pico é de apenas 6,7% e, o período de tempo em que ocorre

o pico de carga é o mesmo do per�l de carga real. Os autores veri�caram que o método

se aproxima bem do consumo de energia de um sistema real.

Liu et al. (1994), selecionaram, para estudo, quatro prédios comerciais que utilizavam

chiller convencional. Os prédios foram monitorados com intervalo de 15 minutos e a carga

térmica horária foi comparada com sistemas que utilizavam termo acumulação.

2.3 Estudos de Sistemas Térmicos

Hornsby (2014) utilizou um método de otimização hibrido para avaliar a robustez de

sistemas térmicos adaptativos. No estudo foram otimizadas duas métricas: �nanceira, o

valor presente líquido e outra ambiental, a emissão de (CO2). Dois locais, com diferentes

demandas e emissões de CO2, foram utilizados para análise: um de clima quente, Recife


(Pernambuco, Brasil) e outro de clima frio, Boston (Massachusetts, Estados Unidos).

Magnani et al. (2013) propuseram um método para avaliar o quão robusto é um sis-

tema térmico frente a alterações nas tarifas de combustível e energia elétrica. O método

se baseia na otimização do valor presente líquido (VPL) do investimento. Utilizando um

sistema geral, que consiste em: um motor, três tipos de caldeira (recuperação, queima

direta e elétrica) e dois tipos de chiller (absorção e compressão) e, com base nos dados de

demandas energéticas de um edifício comercial localizado em Recife, foram selecionadas

variadas potências para os equipamentos desse sistema, também analisados os investi-

mentos iniciais e os custos operacionais desses equipamentos ao longo de 20 anos, ou seja,

a vida útil do projeto. A partir da variação das tarifas de energia, foram veri�cadas as

faixas de robustez física e operacional. Os autores concluíram que o sistema é capaz de

suportar um aumento de até 374% na tarifa de combustível e de 93% na tarifa de energia

elétrica.

Silva (2012) apresentou um estudo da robustez �nanceira de projetos baseados em

sistema de cogeração. A otimização foi realizada por programação linear, minimizando

o VPL das possíveis con�gurações de operação. O autor concluiu que os sistemas de

cogeração são robustos, no que se refere às variações da tarifa de combustível e eletricidade,

após os dez primeiros anos de operação do projeto.

Guerra (2011) utilizou um método hibrido para minimizar o VPL de um sistema de

cogeração �exível (que consegue se adaptar a variações técnicas e �nanceiras). O sistema

de cogeração proposto teve como objetivo ter capacidade para suprir as demandas de

vapor, água gelada e eletricidade de um prédio comercial da cidade de Recife. A planta

térmica é submetida a dois tipos de otimização: técnica (referente aos equipamentos) e

operacional (referente ao modo de operação).

Wu et al. (2011) estudaram a operação ótima de um sistema de cogeração híbrido. O

sistema proposto é composto de unidades eólicas, painéis fotovoltaicos, células de combus-

tíveis, caldeira de recuperação e caldeira a gás. No modelo, são considerados os consumos

de energia elétrica e vapor. Para solução do modelo, foi proposto o método de otimização

chamado �Particle Swarm Optimization� que é baseado na simulação estocástica. Os re-

sultados demostraram que o método pode sugerir implementações ideais e assim reduzir

os custos operacionais.

Brujic et al. (2007) desenvolveram um modelo computacional com ênfase na redução

de custos de operação de um sistemas de cogeração. No modelo, a não linearidade dos

rendimentos dos equipamentos que compõe o sistema é levada em consideração. Nesse

sistema, as variáveis de controle são as potências térmicas e elétricas gerada por cada

máquina. A introdução de elementos não lineares ao cálculo acarreta em aumento da

complexidade do problema e, consequentemente, exige maior esforço computacional nos

cálculos.

Beihong & Weiding (2006) propuseram um método para o dimensionamento de siste-


mas de cogeração. O modelo seleciona a capacidade dos equipamentos de forma ótima,

tendo por objetivo minimizar o custo total anual. Os autores utilizam a programação

não linear com restrições nas demandas de energia e nos rendimentos dos equipamentos.

Para suprir as demandas de energia elétrica, vapor e água gelada, o modelo permite tanto

a compra de energia elétrica da rede quanto a utilização da planta de cogeração como

única fonte de energia. A planta de cogeração utiliza gás natural como combustível sendo

composta por uma turbina a gás, uma caldeira a gás, uma caldeira de recuperação, um

chiller de absorção - que utiliza os gases de escape como fonte de calor - e um chiller

de compressão. O método avalia cinco estratégias de operação e compara com um sis-

tema convencional que utiliza energia elétrica da rede, a caldeira a gás e um chiller de

compressão. No caso 1, o método mais promissor deixa livre a escolha da potência a ser

utilizada nos equipamentos da planta, o que permite obter uma redução do custo anual

de operação de 9,4%. No caso 2, o método deixa apenas a potência da turbina como livre

escolha e, assim, obtém-se redução de 7,1% no custo anual em relação ao sistema conven-

cional. Nos casos 3, 4 e 5, as potências dos equipamentos são mantidas constantes, sendo

alterada apenas a estratégia de operação, que se veri�ca opcional no caso 3 e, com ênfase

nas demandas elétrica e de calor, casos 4 e 5 respectivamente. No caso 3, houve redução

de 4,9% e, no caso 5, de 2,2%. Somente no caso 4 é que houve saldo negativo de -8,7%,

aumentando, dessa forma, o custo anual de operação da planta. Os autores concluíram

que o método se mostrou e�ciente para a determinação das potências de equipamentos e

das estratégias operacionais em plantas de cogeração.

Melo (2004) propõe um modelo para otimização de uma planta de microcogeração

(COGENCASA) instalada na Universidade Federal de Pernambuco. O sistema é com-

posto por uma microturbina, um grupo gerador, dois trocadores de calor, um chiller de

absorção, um split, um termoacumulador de água quente e um de água fria. No trabalho

é realizada a modelagem de todos os equipamentos através do softwate Matlab e Simu-

link. O modelo leva em conta demanda elétrica e carga térmica variáveis ao longo do dia

e avalia o sistema para diferentes tarifas horosazonais ou convencionais. Através de um

módulo de con�guração de tarefas, é possível modi�car o comportamento de cada um dos

equipamentos do sistema. Cada modo de operação do sistema determina um VPL dife-

rente. São mais de 330.000.000 con�gurações possíveis. Uma maneira para se contornar o

problema é a escolha judiciosa das variáveis booleanas mais in�uentes no sistema e tornar

as demais �xas. Para a escolha destas variáveis, é necessário um estudo de casos exten-

sivo. O presente trabalho, então, após descrever o modelo, analisa os casos estudados,

fornecendo subsídios para uma metodologia de escolha das variáveis mais in�uentes na

redução do VPL.

Lam & Li (2003) apresentam estudo do uso da energia em edi�cações comerciais

localizadas em clima subtropical, na cidade de Hong Kong. Os autores pesquisam quatro

shopping centers construídos na década de 90 e, caracterizam o uso �nal da energia nessas


edi�cações. Veri�caram que o sistema de ar condicionado e iluminação são os principais

responsáveis pelo alto consumo no segmento, representando cerca de 85% de toda a energia

elétrica consumida nesses estabelecimentos. Os padrões de consumo tiveram in�uência

sazonal, indicando picos de demanda elétrica durante os meses de verão, devido ao uso

intenso do sistema de condicionamento ambiental. O consumo mensal de eletricidade por

Área Bruta Locável (ABL) variou de 391 até 454 kWh/m², com média de 430 kWh/m².

Tolmasquim et al. (2001) estudaram a viabilidade técnica e econômica para a imple-

mentação de sistemas de cogeração em shopping center do Rio de Janeiro. São utilizados

os módulos 1 e 2 do modelo COGEN. Os sistemas são compostos de uma turbina a gás

ou motor de combustão interna, e um chiller de absorção. Os autores utilizam dados de

demandas energéticas dos cinco maiores shopping centers do Rio de Janeiro. O critério

de seleção dos sistemas de cogeração avaliados consistiu nas taxas internas de retorno

sobre o investimento. Na análise realizada, a taxa interna de retorno teve de superar a

maior taxa de retorno encontrada no mercado brasileiro de investimentos para que um

sistema pudesse ser considerado economicamente viável. Com base nas tarifas de energia

praticadas, o estudo mostrou que não há nenhuma economia potencial em investimentos

em cogeração. Outro estudo paramétrico foi realizado com o valor de compra da energia

elétrica. No entanto, o sistema se mostrou pouco favorável ao investimento, necessitando,

assim, de maiores incentivos governamentais.

Szklo et al. (2000) realizaram estudos de aplicação de sistema de cogeração utilizando

gás natural em um shopping center e em uma Industria Química. Foram propostos dois

sistemas de cogeração para o shopping center e outros dois para a Indústria. Os sistemas

propostos para o shopping center são compostos de uma turbina a gás, ou motor de

combustão interna, e um chiller de absorção. Um dos sistemas propostos para a Indústria

utiliza uma turbina a gás, uma caldeira de recuperação e um chiller de absorção. Já

o outro sistema aproveita os gases de escape de uma turbina a gás para acionar uma

turbina a vapor. Os sistemas fornecem energia elétrica, vapor e água gelada para o

empreendimento. Os autores utilizaram o modelo COGEN para analisar a viabilidade

econômica dos sistemas. Para a situação tarifária atual os sistemas apresentaram uma

taxa de retorno praticamente zero, somente quando a tarifa de energia elétrica aumentou

100% é que o sistema se mostrou favorável ao investimento.

Chang & Fu (1998) desenvolveram um novo método estocástico para otimização de

sistemas de cogeração. O modelo de otimização multiobjetivo considera a aleatoriedade

da demanda de energia e de calor. Uma vez que as exigências de energia e calor são

aleatórias, a saída de geração apresentam a mesma característica. Dessa forma, o método

propõe a minimização de três funções objetivos, a saber: o custo total de geração, a

potência esperada de geração elétrica e a potência esperada de geração de calor. Como

os objetivos são de natureza con�ituosa, uma lógica difusa é aplicada ao problema para

otimizar as três funções ao mesmo tempo.


Venkatesh & Chankong (1995) propuseram o desenvolvimento de uma ferramenta de

modelagem para otimizar o gerenciamento energético em sistemas de cogeração. O sistema

proposto leva em consideração o uso de turbinas a gás como turbinas a vapor. A função

objetivo é composta pela soma dos custos de combustível com os de manutenção bem como

pelos de comercialização da energia elétrica e térmica produzida. Os autores determinam

a geração de vapor e o custo do combustível por meio das relações termodinâmicas que

ocorrem no sistema. No modelo, são considerados os rendimentos dos equipamentos e

as transformações termodinâmicas da energia. Também é considerada a quantidade e

qualidade dos gases liberados pelo processo de combustão. A di�culdade encontrada

pelo modelo é a incapacidade de acompanhar a constante mudança nos dados de entrada

durante o processo.

13

Capítulo 3

Fundamentação Teórica

Aproposta deste trabalho é construída sobre estudos teóricos da Análise de Investimen-

tos. Por isso, cabe revisão teórica que apresente os principais conceitos envolvidos

neste estudo. Inicialmente serão apresentadas as ferramentas econômicas utilizadas para

indicar a viabilidade do projeto, em seguida, o método de otimização para minimização

de custos.

3.1 Métodos de Decisão Econômica

Em uma tomada de decisão é preciso avaliar se investir o dinheiro hoje é justi�cado pelos

benefícios esperados no futuro, existem vários critérios para decisão econômica e um dos

princípios básicos é o valor do dinheiro no tempo. De modo simplório, o valor do dinheiro

no tempo nos diz que uma unidade monetária no presente vale mais do que uma unidade

monetária no futuro, pois, uma unidade monetária disponível hoje pode ser investida e

começar a render juros.

Quando se deseja investir uma quantia, comparam-se, geralmente, os prováveis di-

videndos que serão proporcionados pelo investimento com os de outros investimentos

disponíveis. No Brasil, normalmente, é utilizada como base a taxa SELIC (Sistema Es-

pecial de Liquidação e Custódia), pois esta é a referência para o cálculo das demais taxas

de juros cobradas pelo mercado. A taxa de juros que o dinheiro investido irá proporcio-

nar deverá ser superior a uma taxa pré-�xada que seria obtida em outros investimentos

satisfatoriamente, comumente conhecida como TMA (Taxa Miníma de Atratividade).

De acordo com Bruni (2000), a decisão de um projeto de investimento é feita, usual-

mente, com base em critérios de análise que agregam todas as informações contidas nas

projeções do �uxo de caixa (benefícios do empreendimento, custos, despesas, investimen-

tos, amortizações, juros, etc). Normalmente esses parâmetros são expressos pelo Payback

(prazo de retorno do investimento inicial), pela TIR (Taxa Interna de Retorno) e/ou pelo

VPL (Valor Presente Líquido).

3. Fundamentação Teórica 14

O Payback, ou prazo de retorno do projeto, é o período necessário para recuperação

do capital investido, isto é, o tempo necessário para que os lucros do investimento em

questão consigam cobrir o valor do investimento aplicado (Gitman, 1997). O método de

Payback é de simples aplicação e, em geral, não leva em conta taxas de juros, motivo pelo

qual é pouco preciso para decisões comparativas.

Outra ferramenta de decisão amplamente conhecida é a TIR. Esta é obtida por ten-

tativa, ou seja, arbitram-se valores sucessivos até que se obtenha um valor tal que iguale

os valores atuais das receitas e das despesas Assaf (2003). Neste método, todos os custos,

bem como os retornos obtidos da comercialização da energia elétrica, devem ser trans-

portados para o ponto zero do �uxo de caixa e comparados a valores atuais obtidos.

O Valor Presente Líquido (VPL), também conhecido como Valor Atual Líquido (VAL)

de um projeto, é de�nido por Rebelatto (2004) como sendo o valor atual das entradas

de caixa (retornos de capital) menos o valor atual das saídas de caixa (investimentos

realizados). Por considerar o valor do dinheiro no tempo, o valor presente líquido é

bastante empregado pela engenharia econômica para avaliar investimentos.

Nesta dissertação, utiliza-se o VPL como ferramenta econômica para veri�car o melhor

caso possível na otimização do sistema térmico. A Equação 3.1 mostra o valor presente

líquido de um �uxo de caixa ”Fn” para os �n� períodos considerados e reduzidos ao instante

arbitrado como inicial através de uma taxa de juros comparativa ”i”.

V PL =n∑j=0

Fn (1 + i)−n (3.1)

Considerando duas ou mais alternativas de investimento em geral se utiliza a de maior

VPL. A grande vantagem para o uso do VPL como indicador para avaliação de investi-

mento reside no fato desse método considerar a totalidade dos �uxos e o custo de opor-

tunidade do capital utilizado.

3.2 Programação Linear

A solução numérica de um problema de engenharia pode ser dividida em quatro etapas

básicas; de�nição do problema, modelagem, implementação do método e interpretação

dos resultados.

Na de�nição do problema, é importante considerar todas as variáveis envolvidas e

identi�car as restrições, na forma de condição inicial ou condição de contorno.

A modelagem deve buscar uma boa aproximação do problema real. Segundo Goldbarg

& Luna (2005), ela procura esboçar uma visão bem estruturada da realidade.

A implementação do método consiste em incorporar o problema à linguagem compu-


tacional utilizada. Normalmente, o método a ser utilizado está intrínseco à natureza do

problema.

Por �m, na interpretação da solução encontrada, os resultados obtidos são analisados

e, se necessário, é realizada uma nova avaliação do problema para investigar possíveis

falhas nas etapas anteriores.

Para Goldbarg & Luna (2005), os passos do processo de análise quantitativa são ex-

pressos conforme a Figura 3.1.

Figura 3.1: Fluxo de análise quantitativa.

Fonte: Goldbarg & Luna (2005)

Ainda segundo Goldbarg & Luna (2005), em um modelo matemático em que existem n

decisões quanti�cáveis a serem tomadas, pode-se associar a cada decisão uma variável do

sistema, cujos valores o próprio modelo deverá determinar. Simbolicamente, as variáveis

de decisão são representadas por letras minúsculas com índices como: xi, i = 1, 2, ...n.

Para expressar a medida da e�cácia procurada, normalmente uma função numérica das

variáveis de decisão é estruturada. Essa função z = f(xi, ..., xn) é normalmente denomi-

nada função objetivo. Em programação linear, essa função e todas as restrições impostas

às variáveis são expressões lineares. A limitação dos recursos pode ser traduzida para o

modelo através de restrições aos valores das variáveis, que podem ser expressas matema-

ticamente por meio de equações e inequações.

O campo da Programação Matemática é enorme e suas técnicas se consagraram face a

sua grande utilidade na solução de problemas de otimização. Devido às particularidades

especí�cas de cada contexto de programação, os métodos de solução sofreram algumas

especializações Goldbarg & Luna (2005). Dentre os métodos de otimização existentes

temos como caso particular a programação linear (PL).

Na PL, as variáveis de um problema são contínuas e apresentam um comportamento

linear tanto em relação às restrições quanto no que se refere à função objetivo. A PL é

apresentada como um problema de maximização ou minimização de uma função linear

cujas variáveis satisfazem um sistema de restrições lineares(Gale, 2007; Goldbarg & Luna,

2005).

Para Maculan & Fampa (2006) um problema de programação linear pode ser de�nido

da seguinte forma algébrica:

otimizar (z) =

p∑j=1

cjxj (3.2)

sujeito a:


p∑j=1

aijxj ≤ bi, i = 1, 2, ..., q (3.3)

0 ≤ xj ≤ g, j = 1, 2, ..., p (3.4)

onde cj, aij e bi são dados (números reais) e xj representa para j = 1, 2, ..., p, as variáveis

de decisão. A função a ser otimizada na Equação 3.2 é denominada função objetivo. As

restrições de não negatividade da Equação 3.4 são conhecidas como triviais, g limita o

valor máximo para xj.

O termo otimizar é utilizado aqui para, genericamente, representar as possibilidades

de maximizar ou minimizar a função objetivo. O problema consiste em, sendo aij os

elementos de uma matriz A e sendo b e c vetores, achar o vetor de variáveis contínuas x

que satisfaça ao conjunto de restrições e que otimize o valor do critério z.

3.2.1 Dualidade

Segundo Goldbarg & Luna (2005), a dualidade é um conceito amplo que engloba a pos-

sibilidade do tratamento de duas naturezas distintas de uma mesma entidade.

Qualquer problema de PL tem associado um outro problema de PL, chamado de Dual

e o problema original denomina-se por Primal.

Para elucidar o problema de dualidade, consideramos o problema de programação

linear (PL) de maximização na forma canônica:

Maximizar z = cx (3.5)

sujeito a:

Ax ≤ b (3.6)

0 ≤ x ≤ u (3.7)

existe um outro problema de PL que lhe está associado, o dual, que consiste em:

Minimizar d = bw (3.8)

sujeito a:

ATw ≥ c (3.9)

0 ≤ w ≤ u (3.10)


Nota-se que o primal e o dual possuem funções objetivos simétricas, ou seja, em um

problema de maximização o dual associado é um problema de minimização e vice-versa.

Os termos independentes no primal surgem como os coe�cientes da função objetivo no

dual e vice-versa, além disso o número de restrições do primal é igual ao número de

variáveis do dual e vice-versa.

Um dos principais papéis da dualidade consiste na interpretação e implementação da

análise de sensibilidade, que é uma parte muito importante de um estudo de programação

linear.

Contudo, o foco desse trabalho é voltado para identi�cação do sistema base e análise

de robustez desse sistema quando submetido a variações técnicas e econômicas. Dessa

forma o método dual foi empregado como ferramenta para análise de sensibilidade.

18

Capítulo 4

Consumo de Energia

Neste capítulo são apresentados estrutura e evolução de consumo energético para os

principais setores da economia, com ênfase no consumo de energia elétrica no setor

de comercial, bem como na análise aprofundada da subclasse de varejo, em especial de

shopping centers, focos deste trabalho.

4.1 Aspectos Gerais

O desenvolvimento econômico de uma nação é, comumente, medido pelo Produto Interno

Bruto (PIB), o qual está atrelado ao consumo energético. Pois, em linhas gerais, o con-

sumo energético acompanha de maneira direta o PIB (Produto Interno Bruto) do país,

Figura 4.1.

Figura 4.1: Produto Interno Bruto Vs Tonelada Equivalente de Petróleo.

Fonte: Autor, elaborado com base nos dados de Empresa de Pesquisa Energética (2015b); TheWorld Bank (2015)

4. Consumo de Energia 19

A relação PIB e energia é de�nida como intensidade energética dada pela energia (em

TEPs) por US$ 1 mil de PIB. A relação entre as duas variáveis permite indicar a e�ciência

com que a energia é transformada em riqueza.

O Brasil, em pleno desenvolvimento econômico, vem apresentando uma crescente de-

manda energética. Com base nos dados divulgados no Balanço Energético Nacional,

publicados pela Empresa de Pesquisas Energéticas, foi elaborado grá�co da evolução do

consumo �nal energético apurados entre 1995 e 2014 que é mostrado na Figura 4.2.

Observa-se que o consumo �nal energético brasileiro passou de 136.903 × 103TEP em1995, para 249.869×103TEP em 2014, signi�cando um crescimento aproximado de apro-ximadamente 82% em um período de 20 anos Empresa de Pesquisa Energética (2015b).

Figura 4.2: Consumo Final por Setor

Fonte: Autor, elaborado com base nos dados de Empresa de Pesquisa Energética (2015b)

A taxa média de crescimento anual do consumo energético total é de 3, 05% para

período analisado. Embora longe de ser o setor com maior representatividade no consumo

�nal energético, o setor comercial se destaca com uma taxa de crescimento para o consumo

energético de 4, 69% a.a., conforme apresentado na Tabela 4.1. O aumento do consumo

energético acima da média no setor comercial é ocasionado pela expansão deste setor

oriundo do aumento do poder aquisitivo da população.

Na Tabela 4.2 é apresentada a participação das fontes energéticas para cada setor

no ano de 2014, como também a participação desses setores no consumo �nal energético

brasileiro.

Ao analisar a participação no consumo �nal energético comparativamente aos dados

do PIB para o mesmo ano, percebe-se que embora o setor comercial represente 3,2% do

consumo de energia, sua representatividade em termos do PIB foi da ordem de 10,3% do

PIB total.


Tabela 4.1: Taxa de crescimento anual de consumo energético no período de 1995 a 2014.

Setor Taxa de Crescimento ao Ano (%)Comercial 4,69Público 2,05Industrial 2,69Residencial 1,59Energético 3,88Transportes 3,75Agropecuário 2,34

Fonte: Autor, elaborado com base nos dados deEmpresa de Pesquisa Energética (2015b)

Tabela 4.2: Participação do consumo por fonte e por setor (%) em 2014Setor/Fonte Eletr. G.N. Outr.D.Petr. B.Cana Outras* Cons. F.E.Comercial 90,3 2,1 5,4 0,0 2,2 3,2Público 92,2 0,0 0,4 0,0 7,5 1,5Industrial 20,2 11,1 4,4 18,5 45,8 33Residencial 45,8 1,3 26,4 0,0 26,5 9,3Energético 9,8 23,0 21,8 45,4 0,0 10,3Transportes 0,0 0,0 80,5 0,0 19,5 32,5Agropecuário 20,5 0,0 55,2 0,0 24,3 4,2Consumo Final Não-Energético 6,0

Total 100,00Fonte: Autor, elaborado com base nos dados de Empresa de Pesquisa Energética (2015b)

Legenda: Eletr.:Eletricidade, G.N.:Gás Natural, Outr. D.Petr.: Outros Derivados de Petróleo, B. Cana.:Bagaço de Cana, Cons. F. E .: Consumo Final Energético* Outras inclui: Lenha, Biocombustível, Carvão Mineral, Carvão Vegetal, etc.

4.2 Setor Comercial

Em que pese o setor comercial represente apenas 3,2% na participação do consumo ener-

gético brasileiro, porém, a sua principal fonte energética é a eletricidade, com mais de

90% do total energético consumido por este setor.

Na Figura 4.3, pode-se observar a evolução do consumo de energia elétrica dos princi-

pais setores da economia, com destaque para o setor de comércios e serviços, o qual liderou

a expansão do consumo de energia, com aumento de 7,33% em 2014 quando comparado

a 2013, totalizando 89.819 GWh/ano.

Em alguns períodos do ano, houve a in�uência de altas temperaturas, especialmente

durante o verão, quando foram registrados crescimentos entre 8 e 16% em relação aos

mesmos meses em 2013 Empresa de Pesquisa Energética (2015d).

A expansão no consumo de energia elétrica no período re�ete o aumento da renda da

população e, consequentemente, o maior acesso a bens de consumo. Também são observa-

dos fatores de natureza estrutural como a modernização e expansão das redes hoteleiras

e aeroportos, bem como o aumento no número de shopping centers, de supermercados


Figura 4.3: Evolução consumo de energia elétrica nos três setores principais

Fonte: Autor, elaborado com base nos dados de Empresa de Pesquisa Energética (2015b)

e do comércio varejista em geral. De acordo com dados da Associação Brasileira de

Shopping Centers (2015), em 2014 houve aumento de cerca de 5% na ABL (Área Bruta

Locável) de shoppings e de 4% na movimentação de pessoas nessas instalações.

Na Figura 4.4, elaborada a partir de dados disponibilizados no Anuário Estatístico de

Energia Elétrica, é demonstrada a participação setorial no consumo de energia elétrica no

Brasil para o ano de 2014.

Figura 4.4: Participação setorial no consumo de energia elétrica no Brasil em 2014

Fonte: Autor, elaborado com base nos dados da Empresa de Pesquisa Energética (2015a)

Em 2014, o setor comercial chegou a representar 18,9% do total de energia elétrica

consumida no Brasil. De maneira geral, o aumento do consumo de eletricidade no se-

tor comercial está relacionado à iluminação, à refrigeração e à força motriz, que juntos

representam mais de 80% do consumo energético do setor.

Para Geller et al. (1998), aproximadamente 44% da energia elétrica consumida no setor

comercial são destinados à iluminação, 20% para ar condicionado e 17% para refrigeração.

Já o Ministério de Minas e Energia (2007) apresenta, no Plano Nacional de Energia 2030,

um levantamento com os principais usos da energia elétrica nos setores comercial e público

no Brasil (Tabela: 4.3).


Tabela 4.3: Coe�ciente de destinação da energia elétrica no setor comercial (%)Setor F.M. C.P. A.D. Refrig. Ilum. Outras TotalComercial 0,146 0,006 0,078 0,333 0,418 0,019 1,000

Fonte: Adaptada de Ministério de Minas e Energia (2007)Legenda: F.M.:Força Motriz, C.P.:Calor de Processo, A.D.: Aquecimento Direto, Refrig.: Refrigeração,Ilum.: Iluminação

Segundo Empresa de Pesquisa Energética (2015a), o setor comercial é composto pelas

subclasses: hotéis, restaurantes, prédios comerciais, varejo, comércio atacadista, comuni-

cações, entidades �nanceiras, transporte e outros como hospitais, portos etc. Destaca-se

que as subclasses com as respectivas participações no consumo de eletricidade são apre-

sentadas na Tabela 4.4.

Tabela 4.4: Composição do setor comercial e participação no consumo de energia elétricaem 2014.

Composição setorial Participação (%)Comércio Varejista 28,1Telecomunicações 6,0Alojamento 5,8Ativ. de Atenção à Saúde Humana 5,2Alimentação 5,2Comércio por Atacado, Exceto Veículos 5,2Atividades Imobiliárias 4,1Ativ. de Serviço Financeiro 3,7Educação 3,2Ativ. de Organização Associativas 2,8Serviços de Escritório 2,7Serviços para Edif. e Ativ. Paisagísticas 2,6Outras Ativ. de Serviço Pessoais 2,3Comércio e Reparação de Veiculos 2,1Armazenamento e Ativ. Aux. dos Transp. 1,6Transporte Terrestre 1,0Microclasses com participação < 1% 7,3Não Catalogadas 11,2Total 100,0Fonte: Adaptada de Empresa de Pesquisa Energética (2015a)

Nota-se que a subclasse de �comércio varejista� se destaca como a maior consumidora

de energia elétrica no setor comercial. Para Ministério de Minas e Energia (2007), na

subclasse de varejo, destacam-se os shopping centers (cerca de 17%), cujo consumo vem

crescendo a uma taxa de 20% ao ano, e os supermercados. Outra classe comercial que

se ressalta é a de �alojamentos�, a qual engloba hotéis, �ats, pousadas, albergues, etc.

Segundo o Ministério de Minas e Energia (2007), nos hotéis, o uso de energia elétrica

observado acompanha a classi�cação: enquanto os 2 estrelas representam 42% do total

em 1996, consumindo principalmente iluminação, ar condicionado e aquecimento d'água


(boiler e chuveiros), os de 4 e 5 estrelas têm uma maior diversidade.

Tais classes comerciais têm grande impacto no consumo de energia elétrica total do

setor comercial, principalmente os shopping centers, cuja expansão das unidades existen-

tes e o crescimento acelerado do número de empreendimentos inaugurados a cada ano

está provocando um elevado aumento do consumo de eletricidade no setor (Ministério

de Minas e Energia, 2007). Segundo Castello Branco et al. (2007), apenas na década de

noventa foram inaugurados duzentos shopping centers, a partir do ano 2000 ocorreu uma

desaceleração, mas, ainda assim, dentre o período de 2000 a 2006 inauguraram 65 novos

empreendimentos, totalizando 346 shopping centers. Em 2015, o Brasil contava com 530

empreendimentos em operação(Associação Brasileira de Shopping Centers, 2015).

Por outro lado, os shopping centers são ideais para implantação de cogeração, com o

condicionamento ambiental em ciclo de absorção e sistemas de termo acumulação para

redução de demanda na ponta (Ministério de Minas e Energia, 2007).

4.3 Shopping Centers

O levantamento de campo é, evidentemente, a maneira mais e�caz para quanti�car o con-

sumo de energia elétrica em shopping centers. Da mesma forma, bons resultados seriam

obtidos a partir de dados das Companhias de Energia. As duas opções exigem tempo e

dados especí�cos dos consumidores, bem como das distribuidoras que, em geral, são de

difícil acesso. Por conseguinte, com o objetivo de se obter resultados mais rápidos, foram

utilizados dados de consumo energético disponíveis no Anuário Estatístico de Energia Elé-

trica e dados de destinação de energia elétrica encontrados no Plano de Energia 2030. A

partir das informações coletadas, foi possível estimar o consumo de energia em shopping

centers.

Segundo Azevedo et al. (2001), no ano 2000, o consumo de energia elétrica do varejo

em relação ao setor comercial era de 22,5% e ainda, 17% do consumo do ramo varejista

era destinado a shopping centers. Por sua vez, Portugal (2007) cita um levantamento

realizado pelo PROCEL, que aponta o consumo médio mensal por área locável (ABL)

entre 30 kWh/mês e 70 kWh/mês.

A partir dos dados propostos por Azevedo et al. (2001), é possível projetar o consumo

de energia elétrica de shopping centers para o ano de 2014. Tendo em vista que o setor

comercial cresceu 89% em relação ao ano 2000 e, partindo do pressuposto de que os

shopping centers acompanharam esse crescimento, pode-se concluir que, em 2014, esse

tipo de empreendimento passou a representar 32,14% do consumo de energia elétrica da

subclasse de varejo.

O procedimento para a estimativa do consumo dos shopping centers no ano de 2014

se deu segundo as Equações 4.1, 4.2, 4.3 e 4.4.


Cons. Setor Comercial = Cons.total × 0, 1889 [GWh/ano] (4.1)

Cons. subclasse varejista = Cons. Setor Comercial × 0, 2810 [GWh/ano] (4.2)

Cons.total Shopping Centers = Cons. subclasse varejista× 0, 3214 [GWh/ano] (4.3)

Cons. médio Shopping Centers =Cons.total Shopping Centers

n° de Shopping Centers[GWh/ano] (4.4)

A Tabela 4.5, gerada com base nos dados disponíveis no Anuário Estatístico de Energia

Elétrica, mostra o per�l de consumo de shopping centers para o ano 2000 e 2014.

Tabela 4.5: Consumo de Energia Elétrica em shopping centers no Brasil nos anos 2000 e2014 (GWh) .

Setor/Ano 2000 2014Comercial 47.510 89.890Varejo 10.690 25.259shopping centers 1.817 8.118Média por shopping center 11,36 15,61

Fonte: Autor, elaborado com base nos dados de Empresa de Pesquisa Energética (2015a);Azevedo et al. (2001)

Da Tabela 4.5 é possível notar o expressivo aumento do consumo de energia elétrica no

setor comercial e na subclasse de varejo. Como já mencionado, o setor comercial cresceu

89% nos últimos 15 anos analisados. Observa-se que no ano 2000 o Brasil contava com

160 shopping centers, já, em 2014, esse número aumentou para 520 shopping centers. No

que tange à Área Bruta Locável, o aumento foi de 274,2%, passando de 3, 2 × 106m²para 13, 84×106m² no mesmo período Associação Brasileira de Shopping Centers (2015);Lemos & Rosa (2003).

Outro aumento ocorreu em relação ao consumo médio mensal por ABL, que, em

2000 o era de 40,92 kWh/m² e, em 2014, passou a ser de 48,85 kWh/m² em razão da

modernização e expansão do setor.

Os 520 shopping centers existentes no Brasil consumiram juntos mais de 8 TWh/ano

em 2014. Cada um deles consumiu em média 15,6 GWh/ano, dos quais 5,2 GWh/ano se

destinam ao condicionamento de ambiente, 6,5 GWh/ano para iluminação de ambientes

e 3,9 GWh/ano para outras �nalidades como, por exemplo, a força motriz que é utilizada


para movimentar escadas rolantes, elevadores, etc., e aquecimento direto, que é muito

utilizado em restaurantes os quais �cam dentro desses ambientes.

4.3.1 O Caso de Pernambuco

Em 2014, o consumo de energia elétrica no estado de Pernambuco chegou a 13.458

GWh/ano. Isso representa 2,8% na participação do consumo de energia elétrica do país

e 16,47% de toda eletricidade consumida no nordeste brasileiro, �cando atrás, apenas, do

estado da Bahia.

Em Pernambuco, o setor comercial liderou o aumento no consumo de energia elétrica,

representando 20,18% da eletricidade consumida no estado (Figura 4.5). O setor comer-

cial consumiu 2.717 GWh/ano em 2014 (Equação 4.5) e teve um aumento de 32% no

consumo de eletricidade no período compreendido entre 2010 e 2014.

Setor Comercial = Cons.total(Pernambuco)× 0, 2018 [GWh/ano] (4.5)

Figura 4.5: Participação setorial no consumo de energia elétrica em Pernambuco em 2014

Fonte: Autor, elaborado com base nos dados da Empresa de Pesquisa Energética (2015a)

Dentre esse total, sabe-se que 28,1% da energia elétrica consumida pelo setor comercial

é relacionada a subclasse varejista. A Equação 4.6 mostra essa relação.

subclasse varejista = Setor Comercial × 0, 2810 [GWh/ano] (4.6)

Como já visto, os shopping centers são os maiores consumidores de energia elétrica

da subclasse de varejo. Em 2014, o consumo total desses estabelecimentos, no estado de

Pernambuco, foi estimado em aproximadamente 245 GWh/ano (Equação 4.7).

Shopping Centers = subclasse varejista× 0, 3214 [GWh/ano] (4.7)


De acordo com dados da Associação Brasileira de Shopping Centers (2015), em 2014,

Pernambuco contava com o total de 14 shopping centers em funcionamento e, o consumo

médio estimado para estes estabelecimentos era de aproximadamente 17,5 GWh anual,

conforme é mostrado na Tabela 4.6.

Tabela 4.6: Média de Destinação da energia elétrica em shopping centers de Pernambucoem 2014 (MWh).

N° de Shopping's Cons. E.E. Cons. E.E. por Unid. Refrig. Ilum. Outros14 245.374 17.527 5.836 7.326 4.364

Fonte: Autor, 2016.Legenda: Cons.E.E.: Consumo Energia Elétrica, Refrig.: Refrigeração, Ilum.: Iluminação

O consumo médio mensal por ABL era de aproximadamente 38,96 kWh/m², estando

abaixo da média nacional para o mesmo ano. Em contrapartida, o consumo médio diário

dos shopping centers de Pernambuco é de aproximadamente 49 MWh/dia, enquanto a

média nacional é de 44 MWh/dia. Observa-se que, apesar dos empreendimentos de Per-

nambuco apresentarem melhor desempenho energético por metro quadrado, o consumo

diário dos shopping centers �cou acima da média nacional, isso porque apresentam maior

ABL em relação à média nacional.

Pode-se comparar a estimativa de consumo apresentada na Tabela 4.6, com a relação

de consumo por ABL sugerida pelo PROCEL. Pressupondo que o consumo médio dos

shopping centers de Pernambuco é de 50 kWh/m² de ABL, podemos calcular o consumo

médio mensal de cada shopping center. Os resultados encontrados são apresentados na

Tabela 4.7.

Tabela 4.7: Relação de shopping centers de Pernambuco em 2014 .Shopping ABL (m²) Consumo Médio Mensal Estimado (MWh/mês)Riomar 101.000 5.050Recife 88.900 4.445Caruaru 60.000 3.000

Guararapes 50.300 2.515Tacaruna 49.000 2.450North Way 30.450 1.523Boa Vista 23.350 1.168River 22.700 1.135

Costa Dourada 20.000 1.000Vitória Park 17.400 870

Plaza 15.800 790Paço da Alfândega 14.000 700

Difusora 16.200 810Salgueiro 4.100 205

Média 1833Fonte: Autor, com base nos dados de (Associação Brasileira de Shopping Centers, 2015;

Portugal, 2007)


Nota-se a grande diferença entre a área bruta locável de cada shopping e, consequen-

temente, há variação no consumo energético estimado entre as unidades, �cando, dessa

forma, impraticável sugerir um sistema térmico que atenda a todos os shopping centers

de maneira ótima. Para contornar esse problema, calculamos a média aritmética do con-

sumo dos quatorze shopping centers e, com base nessa média de consumo, foi proposto

um sistema térmico equivalente.

4.3.2 Determinação das Curvas Horárias de Demanda Elétrica e

Térmica

Através das análises das seções anteriores, é possível concluir que a média diária de con-

sumo de energia elétrica é de aproximadamente 49 MWh/dia, os quais se dividem em:

16,21 MWh/dia destinados ao condicionamento de ar, 20,35 MWh/dia referentes à ilumi-

nação e 12,12 MWh/dia para outras �nalidades. Apesar de obter os valores de consumo

médio diário, ainda é necessário estabelecer a curva de carga média para os shopping

centers.

A melhor forma de traçar a curva de carga de um conjunto especí�co de consumidores

é, obviamente, através de medições no ramal de entradas da U.Cs (unidades consumidoras)

e através de pesquisa de campo, a qual permite a obtenção de dados de equipamentos

e hábitos de uso. Entretanto, essa metodologia depende de dados privados e de difícil

obtenção, além de ser extensiva em tempo, pois, para garantir bons resultados, é necessário

ter um grande número de amostras e, só então, é possível normalizar a curva de carga

que caracteriza o conjunto de consumidores. Outra maneira é fazer uso de curvas típicas,

que, segundo Jardini et al. (1995, 2000); Kagan et al. (2005), representam o per�l de

carga de cada classe de consumidor, que pode ser classi�cado pelo ramo de atividade ou

pela faixa de consumo. Através da análise da curva de carga é possível traçar o per�l

de consumo de uma unidade consumidora. As curvas de carga típicas são dadas em

p.u. (por unidade) com base na demanda média. Dessa forma, a curva de carga de um

consumidor pode ser avaliada pela sua potência ativa em Watts, a qual pode ser obtida

considerando o consumo em determinado período. Sabendo o consumo mensal de uma

unidade consumidora, determinamos a sua demanda média Dméd pela equação (4.8).

Dméd =1

24

∫M(t)dt =

(cons.mensal

24× 30

)(4.8)

E o valor da demanda, Dt, em qualquer instante t do dia, pode ser obtido pela expres-

são

D(t) = d(t)×Dméd (4.9)

Onde d(t) representa a demanda, em p.u., da curva de carga típica.


As curvas de carga dos consumidores comerciais, apresentadas por Jardini et al. (2000),

foram estabelecidas a partir de um conjunto de 234 estabelecimentos comerciais, os quais

tiveram o consumo de energia elétrica apurado durante 3489 dias. Apenas o conjunto de

dias úteis foram considerados, ou seja, os dias de �nal de semana foram excluídos. Dessa

forma, os per�s de carga dos consumidores tiveram resultados mais próximos entre eles,

resultando em um desvio padrão de menor ordem de grandeza.

Haja vista que o consumo de energia elétrica médio diário para os shopping centers é de

aproximadamente 49 MW, foi possível, a partir de curvas de carga típicas para consumi-

dores comerciais apresentadas por Jardini et al. (2000), com base nas Equações 4.8 e 4.9,

estimar a curva horária de consumo de eletricidade para shopping centers de Pernambuco,

Figura 4.6.

Em geral, os shopping centers apresentam per�l de consumo horário energético singu-

lar. Pois, na grande maioria desses estabelecimentos, o horário de funcionamento (aberto

ao público) de segunda à sábado é das 10h às 22h e aos domingos é das 12h às 21h.

Especi�camente aos domingos ocorre um deslocamento na curva de consumo de energia,

ocasionado pela diferença no horário de funcionamento. A Figura 4.6 mostra o per�l de

consumo horário para dias úteis, sábados e domingos. Os círculos tracejados indicam a

diferença de consumo nas curvas horárias.

Figura 4.6: Curva de consumo diário médio para shopping centers de Pernambuco em2014

(a) dia útil e sábado

(b) domingoFonte: Autor, 2016.

A Figura 4.6 mostra a distribuição horária do consumo total de energia elétrica, ou

seja, o total de energia elétrica utilizada para iluminação, ar condicionado e para outros


�ns. Observa-se aumento de carga no período noturno devido ao aumento de circulação

de pessoas e, consequentemente, à necessidade de aumento da potência do sistema de ar

condicionado e, também ao uso mais intenso da iluminação nesse período (Jardini et al.,

1995).

A curva de energia elétrica total é dividida em duas partes. A primeira delas cor-

responde à parcela de energia elétrica destinada ao sistema de ar condicionado, que é

convertida em energia térmica pela multiplicação a potência elétrica pelo COP do chil-

ler de compressão (2,6). A segunda parte é relacionada à energia elétrica destinada à

iluminação, força motriz, etc.

O consumo térmico dos shopping centers de Pernambuco é estimado com base nos

trabalhos de Liu et al. (1994); Chow et al. (2004); Leal de Macedo (2007). Neles, os

autores estudam o consumo de energia térmica de prédios comerciais. Nessa dissertação,

assumimos o pressuposto que os shopping centers do estado de Pernambuco apresentam

comportamento de consumo energético semelhante ao restante do setor comercial e, dessa

forma, 33% da energia elétrica total desses estabelecimentos é destinada ao sistema de ar

condicionado. Nota-se que, quando o chiller é acionado, a demanda de energia térmica

acompanha a curva de energia elétrica total.

De maneira geral, as curvas de carga do sistema de condicionamento térmico em es-

tabelecimentos comerciais apresentam apenas dois estágios: um de alta carga e outro

de baixa. O estágio de alta carga se estabelece no horário de funcionamento do esta-

belecimento e, nos demais horários, o de baixa carga. A curva de carga do sistema de

condicionamento térmico, para shopping centers de Pernambuco, é estimada conforme

Figura 4.7.

A fração de energia elétrica dedicada à iluminação e à força motriz dos shopping

centers é obtida pela subtração da parcela de energia elétrica utilizada pelo sistema de

ar condicionado do montante total de energia elétrica consumida pelo empreendimento,

Figura 4.7.

O aumento no consumo, em horário de funcionamento, ocorre principalmente pelo

acionamento de escadas rolantes, elevadores, portas automáticas e iluminação no interior

das lojas.

A desvantagem em utilizar curvas típicas para estimar o consumo de shopping centers

está no fato de não se saber quais unidades fazem uso de motogerador no horário de ponta

ou, ainda, que fazem uso de tanques de termo acumulação de água gelada. O uso desses

equipamentos pode ocasionar o achatamento da curva, ou ainda, o afundamento dela,

conforme mostrado no trabalho de Chow et al. (2004).

Simpli�cação das Curvas de Carga

O período de tempo em que as características de consumo de energia elétrica tendem a

ser semelhantes é conhecido como patamar de carga.


Figura 4.7: Curva de carga térmica típica, destinada ao sistema de ar condicionado



Figura 4.8: Distribuição da energia destinada à iluminação e à força motriz



Existem diferentes denominações para os patamares de carga: de ponta e fora de

ponta, ou ainda, pesada, média e leve.


Em termos gerais, os patamares de carga são agregações da carga em intervalos horá-

rios, e estes são pré-estabelecidos com o objetivo de simpli�car as informações utilizadas

nas análises do comportamento das curvas de demandas energéticas.

A Tabela 4.8 apresenta, para os três dias simulados, os intervalos de tempo para cada

patamar.

Tabela 4.8: Horário dos patamares de

Universidade ederalF de Pernambuco Lucas Ademar reitasF · 2019. 10. 25. · F866e Freitas, Lucas...

Documents

Transcript of Universidade ederalF de Pernambuco Lucas Ademar reitasF · 2019. 10. 25. · F866e Freitas, Lucas...