Outras ferramentas, além de DEA, tem sido utilizadas para medição e avaliação do desempenho em usinas de energia.
A pesquisa de Ellíson (2013) propõe um modelo para otimização dos sistemas de medição de desempenho de manutenção utilizados em usinas geotérmicas. O autor identificou os aspectos importantes da manutenção nas usinas geotérmicas, os quais foram segmentados nas perspectivas eficácia de custos; qualidade; produtividade; saúde, segurança e meio ambiente; e, por fim, perspectiva do trabalhador. O sistema proposto foi estruturado em diferentes tipos de Dashboard, de acordo com o nível organizacional de sua aplicação. O autor grifa a necessidade de se compreender totalmente os papéis de cada indicador, a fim de que as ações tomadas sejam apropriadas.
Ellíson (2013) afirma que o acesso aos dados e a integridade dos registros recebem um papel importante na medição de desempenho em usinas. O autor também
destaca que a realização de benchmarkings pode fornecer ganhos extras na evolução do desempenho em usinas. Porém, é necessária a utilização de indicadores padronizados para possibilitar a comparação entre as plantas. Finalmente, sublinha que o primeiro passo no desenvolvimento do SMD é compreender os processos, e que desenvolver sistemas específicos para a atividade em questão reduz consideravelmente o risco de se cair em alguns dos 7 pecados mortais da medição de desempenho, propostos por Hammer (2007). Atenção especial tem sido dada na literatura à medição de desempenho em usinas nucleares. Com o avanço da indústria nuclear para geração de energia como uma fonte alternativa, organismos internacionais, como a Agência Internacional de Energia Atômica (AIEA) têm patrocinado o desenvolvimento de SMD para monitoramento da segurança operacional. Os parâmetros de desempenho utilizados nesse tipo de usina, segundo Parida e Kumar (2009), abordam produtividade, manutenção, segurança e desempenho econômico. Para este tipo de geração, os parâmetros de segurança são considerados cruciais, devido ao potencial catastrófico de possíveis falhas.
Vaisnys et al. (2006) propõem um conjunto de indicadores de desempenho para operação e manutenção de usinas nucleares, os quais também podem ser utilizados como critérios para fins de benchmarking entre usinas. Além do conjunto de indicadores, foi proposta uma estrutura para monitoramento do desempenho. As métricas estão divididas entre as dimensões manutenção preventiva, planejamento e programação, e custos de manutenção. Os autores descrevem o método para desenvolvimento de um SMD para usinas nucleares, o qual, segundo eles, pode ser utilizado para desenvolvimento de sistemas de medição em outros tipos de usinas elétricas. O passo a passo inclui:
Seleção de Indicadores: Deve-se considerar nesta fase os indicadores já utilizados na usina, a utilidade dos indicadores e as características organizacionais e técnicas da planta. Sugere-se a abordagem do teste SMART (specific, measurable, achievable,
relevant and time-bound) (MCNEENEY, 2005), para determinar a qualidade e
aplicabilidade de cada indicador. O teste do SMART avalia se o indicador de desempenho proposto / desenvolvido é claro para evitar erros de interpretação e ambiguidade; quantificável e comparável com outros dados; acessível, razoável e confiável sob condições esperadas; realista e eficaz em custo, se encaixando nas restrições da organização, e; factível dentro de prazos determinados.
Estabelecimento das definições dos indicadores: estabelecer uma definição clara e simples para cada indicador selecionado. Recomenda-se avaliar cada indicador e modificar sua definição específica de acordo com as características da usina, se necessário.
Identificação de metas: estabelecer os objetivos correspondentes a cada indicador. As metas devem representar padrões de operação e manutenção que a usina quer seguir, manter ou alcançar.
Coleta e interpretação dos dados: é uma vantagem se os indicadores de desempenho puderem ser mensurados através de sistemas de coleta de dados já disponíveis na usina. Isso evita o trabalho adicional de se criar um novo sistema.
Apoio organizacional e envolvimento da gerência: A implementação do sistema de medição de desempenho pode implicar em esforço adicional por parte da gerência da usina. Portanto, é razoável desenvolver um procedimento para implementação do SMD e fornecer treinamento para os funcionários envolvidos. Além disso, deve-se estabelecer uma equipe de projeto para a execução do sistema, incluindo um gerente de projeto e coordenadores responsáveis pela coleta, processamento e análise os dados nas áreas específicas.
Grosbois (2011) investiga o desempenho de usinas nucleares sobre o efeito de práticas de gestão do conhecimento. O quadro proposto considera o nível de apoio às práticas de gestão do conhecimento e a eficácia da assistência técnica; a qualidade dos processos de conhecimento e o grau de apoio da cultura organizacional; e, eficácia organizacional / desempenho operacional. O autor destaca a importância crítica da tomada de decisão correta em um ambiente operacional tecnicamente complexo onde as consequências das ações são fortemente dependentes do conhecimento dos gestores.
A aplicação de práticas de gestão do conhecimento, segundo Grosbois (2011), pode efetivamente influenciar e fortalecer os processos de aprendizagem organizacional e construir e sustentar a base de conhecimento integrada para alcançar níveis mais elevados de desempenho, o que pode resultar em ganhos econômicos significativos. A pesquisa sublina o suporte de TI como condição necessária para alcançar altos níveis de desempenho, apresentando impacto direto e positivo sobre o fator de capacidade, sobre as taxas de perdas forçadas e sobre o volume de manutenções corretivas.
Diferentes iniciativas para medição de desempenho também foram identificadas com aplicação específica em parques eólicos.
Vieira (2010) realizou um diagnóstico dos sistemas de controle de gestão existentes em um parque eólico e desenvolveu um Balanced Scorecard para apoio à tomada de decisões de gestão no empreendimento (Figura 2.15). O autor elaborou uma sistematização de indicadores de desempenho chave para parques eólicos.
Figura 2.15 - BSC aplicado a um parque eólico.
Fonte: Vieira (2010).
Vieira (2010), destaca a disponibilidade de vento no site como fator chave de sucesso para a produtividade de parques eólicos. Além disso, a escolha do local de construção e a configuração do arranjo físico determinados na etapa de micrositing (número e tamanho das turbinas eólicas e sua posição exata), e a manutenção dos aerogeradores contribuem para a melhoria do desempenho dos parques eólicos, de forma a alcançar a produção de eletricidade mais alta possível. A pesquisa também destaca o
know-how das equipes de O&M como característica fundamental para bom desempenho
dos parques, que comumente são geridas por grupos altamente qualificados que compõem uma estrutura organizacional enxuta, além de sublinhar a relevância da cadeia produtiva para o desempenho dos parques.
Barros e Antunes (2011) corroboram essa afirmação ao comparar o desempenho de parques eólicos portugueses e a racionalização de suas atividades operacionais utilizando um modelo de análise de fronteira estocástica. A pesquisa aponta que o modelo de gestão dos parques influencia diretamente no controle dos custos operacionais e na eficiência, destacando que os parques pertencentes a empresas de energia são mais eficientes do que aqueles pertencentes a outros tipos de organização que decidiram investir parte do capital em parques eólicos. Na discussão desse resultado, os autores argumentam que a experiência dos gerentes na tomada de decisão relativa a ajustes técnicos em equipamentos é um fator determinante. Pois, para responder às variabilidades das atividades, mesmo que haja dispositivos para ajustes automáticos, é necessária intervenção direta dos gestores.
Cardoso (2011), por sua vez, detalhou diferentes metodologias de avaliação de desempenho identificando suas vantagens e limitações e simulando seu impacto econômico potencial com o intuito de fornecer bases para a escolha de um método aplicável a parques eólicos. O estudo envolveu a análise dos dados de operação de parques eólicos portugueses e a verificação de seu desempenho. O autor discute que o indicador disponibilidade, comumente utilizado em parques, é insuficiente para avaliar o desempenho de um parque eólico.
Visto isso, Cardoso (2011) propõe o uso do índice “garantia global” (semelhante à Disponibilidade de Energia, discutida no Capítulo 5) como melhor forma de quantificar perdas energéticas associadas a desempenhos insatisfatórios, índice que representa uma comparação da energia produzida por um parque eólico com a energia que se esperava que tivesse produzido num determinado período de análise, isto é, aquela que teria sido possível produzir, em função das condições, de vento e outras, verificadas. Para o autor, a utilização de metodologias de avaliação de desempenho é crucial para o monitoramento contínuo da operação dos parques eólicos, visto que há uma pequena margem de tolerância para eventuais desvios de desempenho, os quais podem ser originados por operações deficientes, o que reforça a necessidade do acompanhamento das atividades de O&M.
Outra perspectiva é abordada na pesquisa de Santiago (2012), que fornece métodos para avaliar o desempenho e prever avarias em turbinas eólicas, usando a curva de potência do fabricante, os dados do sistema SCADA e os dados históricos das
intervenções das equipes de manutenção. Esses fatores são considerados para a implementação de manutenção preditiva com a finalidade de otimizar os ativos eólicos e reduzir os custos de operação e manutenção dos parques.
Para Santiago (2012), o principal objetivo da gestão da produção e manutenção dos parques eólicos é minimizar os custos totais por unidade de energia gerada durante a vida útil do empreendimento. Segundo ele, isto pode ser conseguido através da redução dos custos de operação e de manutenção e da melhoria do desempenho e eficiência dos aerogeradores, que pode ainda reduzir riscos.
O autor lista algumas vantagens da manutenção preditiva para a O&M de parques eólicos: permite melhor planejamento da manutenção – programação das atividades para períodos de baixo vento; viabiliza a otimização da logística das peças de substituição e facilita o acesso aos equipamentos auxiliares de manutenção – alguns componentes como as caixas multiplicadoras, as pás e alguns rolamentos possuem prazos elevados de entrega, e equipamentos auxiliares podem estar indisponíveis, impossibilitando o reparo ou aumentando seu custo e alongando o período de indisponibilidade; possibilita melhor coordenação das equipes de manutenção e facilita a contratação de serviços externos; permite a realização de diagnósticos e previsão de falhas sem adição extra de instrumentação, sem paradas e sem custos extras e potenciais implicações de garantia.
Os estudos de Sainz et al. (2009) e Astolfi et al. (2015) discutem a necessidade de mineração dos dados do SCADA. O acompanhamento dos dados do sistema permite compreender porque o desempenho real dos parques é menor do que o desempenho teórico esperado. Ele fornece medições acerca do fluxo de vento e sua conversão em potência; e sobre o comportamento mecânico, térmico e de vibração das turbinas, por exemplo.
A motivação geral de técnicas de mineração de dados do SCADA em parques eólicos encontra-se na necessidade de monitoramento de condições complexas, que permitem a prevenção de falhas e o planejamento criterioso das manutenções. Contudo, segundo Astolfi et al. (2015), extrair respostas simples e de fácil interpretação de uma quantidade tão grande de dados não é uma tarefa simples e exige e a aplicação de métodos cada vez mais sofisticados.
Outras pesquisas abordaram as falhas que afetam o desempenho dos parques e suas causas subjacentes.
Abderrazzaq e Aloquili (2008) investigaram as principais causas de parada das turbinas eólicas. Os autores concluíram em seu caso que as 42% das ocorrências de falha são relacionadas à rede e 29% ao controle de pitch das pás. Quanto às falhas ligadas à rede, 70% são devidas à desconexão e 16% a variações de tensão. A comparação entre as análises de frequência e distribuição temporal das falhas mostrou que algumas falhas não ocorrem com frequencia, mas uma única perturbação pode causar centenas de horas de perda operacional.
Herbert et al. (2010) contabilizaram as perdas de geração em parques eólicos e os custos de falha associados, considerando custos decorrentes da ausência de geração durante o tempo de parada e os custos relativos à necessidade de reposição de peças e componentes. As principais falhas associadas à ineficiência listadas, em ordem de relevância, foram: falhas de rede, falhas no painel de controle, falhas elétricas, falhas mecânicas e paradas para manutenção preventiva.
Uma turbina é considerada tecnicamente indisponível em caso de manutenções programadas, problemas na rede elétrica, problemas de serviço, erros no anúncio de falhas, falha de componentes, condições meteorológicas extremas, problemas de corrosão, e outros. A pesquisa de Kaldellis e Zafirakis (2013) propõe um método para estimativa da disponibilidade técnica (semelhante à Disponibilidade de Energia) e seu impacto sobre o rendimento energético anual dos parques. O método considera o site do parque, a tecnologia das turbinas, o potencial eólico local, o número de turbinas e etc.
O estudo mostra que a reparação de alguns problemas específicos, mesmo os que geralmente não exigem despesas adicionais diretas, implicam em aumentos dos custos de O&M. Isso porque durante o tempo em que o aerogerador está fora de operação, perdas análogas de energia podem ser observadas, principalmente quando se considera o potencial disponível no vento no momento, o qual determina rendimentos mais ou menos consideráveis.
Uma melhoria considerável no desempenho dos parques eólicos mais antigos pode ser alcançada por meio da repotenciação. A repotenciação ocorre pela substituição de aerogeradores antigos por máquinas novas mais eficientes. A pesquisa de Delrío et al.
(2011) sublinha os principais aspectos que podem conduzir à decisão de investimento em repotenciação, como custo de investimento mais baixo (quando comparado aos projetos
greenfield); custos de O&M mais baixos, devido à diminuição de avarias e falhas; e
aumento da capacidade de produção. As barreiras à repotenciação podem ser financeiras (indisponibilidade para realizar novos investimentos); necessidades de melhoria na rede; alta disponibilidade de novos sites com elevado potencial eólico; questões logísticas e o licenciamento ambiental.
2.6.3. Medição do desempenho na indústria eólica brasileira
Foram encontradas na literatura duas iniciativas de medição de desempenho na indústria eólica brasileira. Ambas são proposições de SMD que podem ser aplicados à realidade local em prol do aumento da competitividade da cadeia produtiva.
Um conjunto de indicadores chave de desempenho para a cadeia produtiva de energia eólica nacional foi proposto por Varela (2013). A proposta contém 38 indicadores (Figura 2.16) distribuídos entre as atividades de prospecção, execução / construção, operação e manutenção, logística, e os indicadores transversais – que sintetizam a performance de toda a cadeia em conjunto.
A pesquisa de Varela (2013) também definiu os critérios competitivos da cadeia. Ele identificou os objetivos de desempenho de cada etapa do processo global de geração de energia eólica no Brasil, quais sejam: Qualidade, para a etapa de prospecção dos parques; Qualidade e Custos, para a etapa de construção dos empreendimentos; Qualidade e Confiabilidade, na operação e manutenção dos parques; Velocidade, Custos, Qualidade e Confiabilidade, para as atividades de Logística; e Custos, Qualidade e Confiabilidade como objetivos de desempenho transversais. Os indicadores propostos foram agrupados quanto ao nível organizacional de aplicação (estratégico, tático ou operacional).
Figura 2.16 - Indicadores para a cadeia eólica brasileira.
Fonte: Adaptado de Varela (2013).
Para um desenvolvimento consistente de sistemas de medição de desempenho na realidade atual do setor eólico brasileiro, é necessária a centralização das informações da performance de toda a cadeia na figura dos empreendedores, segundo Varela (2013). Ele afirma que informações dispersas sobre o desempenho das empresas do setor têm sua utilização e relevância estratégica minimizadas nos processos de tomada de decisão e desenvolvimento do setor.
Em uma abordagem distinta, Silva (2015) propõe um sistema de medição de desempenho de sustentabilidade para empreendimentos eólicos brasileiros. A ferramenta, segundo o autor, tem o potencial de nortear processos de tomada de decisão para ações sustentáveis estratégicas. O SMD desenvolvido é baseado no BSC, e visualmente estruturado como um Dashboard of Sustainability. O sistema foi estruturado nas dimensões ambiental, social, econômica e política e, segundo o autor, é uma ferramenta
de tomada de decisão orientada para processos mais eficientemente sustentáveis, representando uma contribuição para as empresas da cadeia produtiva de energia eólica que, na sua maioria, usam ferramentas para medição de desempenho genéricas e unidimensionais.
Além do que foi capturado nas pesquisas identificadas, a própria regulamentação do mercado de energia eólica brasileiro trata de índices relacionados ao desempenho dos parques.
O desempenho dos parques eólicos brasileiras é aferido e acompanhado pelo ONS, o qual publica mensalmente o Boletim de Geração Eólica, com dados referentes à geração de parques eólicos no Sistema Interligado Nacional (SIN). São apresentadas informações sobre a capacidade total instalada e sobre a geração de parques eólicos do Tipo I e integrantes de Conjuntos.
Usinas classificadas como do Tipo I são aquelas conectadas na rede básica – independente da potência líquida injetada no SIN e da natureza da fonte primária; ou usinas cuja operação hidráulica possa afetar a operação de usinas Tipo I já existentes; ou usinas conectadas fora da rede básica cuja máxima potência líquida injetada no SIN contribua para minimizar problemas operativos e proporcionar maior segurança para a rede de operação.
As informações são agrupadas por submercado e por estado e, ao final, são fornecidas informações sobre geração eólica e capacidade instalada por usina. Entre os índices utilizados estão:
Garantia física (GF): Definida como a máxima quantidade de energia que a usina pode vender no SIN.
Potencia nominal – MW (Capacidade de Geração Instalada): Para parques individuais, é a capacidade instalada das unidades de geração em operação comercial. Para conjuntos de parques, é a capacidade instalada dos parques liberados para operação em teste.
Fator de capacidade esperado – %: Relação entre a garantia física e a potência instalada.
Fator de capacidade verificado – %: Relação entre a produção verificada e a capacidade máxima de produção (considerando o período).
Geração média – MWmed: Valores considerados a partir das datas de entrada em operação comercial dos parques ou das datas de vigência dos ajustamentos operativos que estabelecem os conjuntos.
Geração média horária máxima – MWh/h: Mensal e histórica.
Desvio da geração – %: comparação entre geração média mensal programada e verificada.
Para fins de aferição do cumprimento da garantia física, a declaração de disponibilidade de energia (produção) para o SIN, feita pelos agentes, é líquida, ou seja, já abatida do consumo interno e das perdas elétricas até o ponto de conexão (rede de distribuição ou rede básica de transmissão) (EPE, 2008).
Os parques eólicos cujas garantias físicas tenham sido estabelecidas em legislação específica, têm a Garantia Física (GFa) obtida com base no FID (fator de disponibilidade de geração), o qual é calculado e publicado pela Câmara de Comercialização de Energia Elétrica (CCEE) até o dia 31 de agosto de cada ano, em conformidade com a seguinte fórmula:
𝐹𝐼𝐷 = 12 8760𝑥
∑𝑚𝑖=1𝐸𝑔𝑒𝑟𝑖 𝑚𝑥𝐺𝐹 Equação 2.1: Cálculo do FID. Onde:
GF: garantia física publicada em legislação específica referenciada ao ponto de conexão (MWmed),
Eger: montante de energia gerada referenciado ao ponto de conexão e registrado na CCEE (MWh),
i: mês correspondente ao registro do montante de energia gerada, e m: quantidade de meses considerados.
A CCEE procede o cálculo da GFa da seguinte forma: caso o valor do FID da usina seja maior ou igual a 90% para os dois primeiros cálculos ou a 95% a partir do terceiro cálculo, GFa será igual à GF; caso contrário, a GFa é dada por:
𝐺𝐹𝑎 = 𝐺𝐹 𝑥 𝐹𝐼𝐷 Equação 2.2: Cálculo da GFa.
O FID é calculado considerando ciclos de 12 meses, com início em 1º de julho e término em 30 de junho, com um número mínimo de 60 registros. São considerados para o cálculo do FID somente os registros de medição de energia gerada a partir de setembro de 2013, inclusive, e a partir do 13º mês após a liberação da entrada em operação comercial da 1ª unidade geradora da usina. Para parques eólicos, o FID é calculado utilizando-se o histórico crescente de registros de medição na CCEE.
No caso de a CCEE não dispor de dados de medição que totalizem o mínimo de 60 (sessenta) meses de registro, os valores faltantes de Eger para o cálculo do FID são completados, respeitada a sazonalidade, com os valores de compromisso firme ou disponibilidade de energia mensal utilizados no cálculo da garantia física da usina. Nos casos em que os valores mensais de disponibilidade de energia ou compromisso firme de entrega de energia não constem da Portaria que estabelece a garantia física, esses são solicitados pela CCEE à EPE.
Quando a garantia física, a disponibilidade de energia mensal ou o compromisso firme de entrega de energia não tiverem sido definidos referenciados ao ponto de conexão, a CCEE abate as perdas internas médias e o consumo interno, em conformidade com as regras e procedimentos de comercialização vigentes. No caso de entrada escalonada de unidades geradoras em operação comercial, a GF deverá ser a média das garantias físicas do período em análise, considerada cada fase de motorização da usina.
A critério da ANEEL, podem ser desconsideradas intervenções relativas a: início de operação comercial de unidade geradora nova; modernização ou reforma que tragam ganhos operativos ao sistema elétrico; instalação de sistemas e equipamento por