Protocole de mesure d’anisotropie de fluorescence

Esta simulação utiliza os dados das curvas Solar 1, Eólico 1 e Carga 1. Os dados característicos do AG são apresentados na Tabela 3.4. Ressalta-se que estes dados apresentaram os melhores resultados para o algoritmo, sendo definidos após diversas simulações com diferentes configurações, variando-se dados como o tamanho da população, funções e taxas de cruzamento e seleção, e o critério de parada.

Tabela 3.4. Dados do AG para o caso 1. Representação cromossômica Real

Tamanho da população 200 indivíduos

População inicial Aleatória

Faixa inicial de população Ver Tabela 3.5

Função seleção Uniforme estocástica

Função cruzamento Dispersa

Taxa de cruzamento 0,8

Função mutação Uniforme

Taxa de mutação 0,02

Critério de parada Número de gerações

Número máximo de gerações 20

Fonte: Elaboração própria.

Tabela 3.5. Faixa inicial da população para o AG, caso 1.

NFV Tipo FV NBAT Tipo BAT NAERO Tipo AERO Tipo GG Tipo INV

Limite inferior

0 0 1 0 0 0 0 0

Limite superior

100 21 100 36 100 25 24 19

Fonte: Elaboração própria.

Como o programa considera como limite inferior o valor 0 para os tipos, ou modelos, de equipamentos, para estes é sempre adicionada uma unidade para coincidir com os números dos modelos apresentados no Apêndice A. Logo, como exemplo, no caso dos inversores (última coluna da Tabela 3.5) o tipo que representa o limite inferior real é o 1 e o superior, o 20. As quantidades dos equipamentos são consideradas na forma como mostra a tabela.

Os grupos geradores e os inversores não têm suas quantidades inseridas na otimização pois são menos críticas, mesmo no caso do grupo gerador, pois o modelo aqui proposto não considera estratégias de operação de múltiplas unidades geradoras, como a de unit commitment, por exemplo.

Os resultados da simulação indicam que a melhor configuração do sistema, apresentada na Tabela 3.6, resulta em um custo de energia de R$ 1,2494/kWh. As marcas/modelos dos equipamentos de cada subsistema, indicadas na terceira linha da tabela, podem ser consultadas no Apêndice A. O algoritmo apresentou o resultado após tempo de processamento de 38 minutos e 25 segundos.

Tabela 3.6. Configuração do sistema que resultou no menor custo de energia para o AG, caso 1. Subsistema FV Eólico Banco de baterias Grupo gerador Inversor

Capacidade 18,72 kWp 0 kW 23,4 kWh 24 kW 24 kW

Tipo 20 -- 11 13 1

Fonte: Elaboração própria.

Os gráficos da Figura 3.17 apresentam a curva de evolução do melhor resultado da função objetivo, ou função custo (gráfico superior), e o melhor indivíduo, que representa a melhor configuração encontrada para o sistema (gráfico inferior), cujos dados são apresentados na Tabela 3.6.

Figura 3.17. Resultados do AG para o caso 1.

Fonte: Elaboração própria.

0 2 4 6 8 10 12 14 16 18 20 1.2 1.3 1.4 1.5 1.6 Geração F un çã o ob je tiv o (R $/ kW h) Mínimo: R$ 1.2494 / kWh 1 2 3 4 5 6 7 8 0 20 40 60 80 Número de variáveis (8) M el ho r in di ví du o Melhor indivíduo

As variáveis 1 a 8 no gráfico inferior correspondem aos 5 equipamentos, e seguem o mesmo padrão apresentado na Tabela 3.5. As variáveis 1, 3 e 5, que se referem às quantidades de equipamentos, podem ser avaliadas diretamente por seu valor no eixo das ordenadas; já as demais variáveis, que se referem aos tipos de equipamentos, equivalem aos números dos modelos apresentados no Apêndice A. Já em análise ao gráfico superior da Figura 3.17, nota- se que a variação do melhor resultado da função objetivo é pequena, principalmente quando o número de gerações aumenta, o que é natural, dada a característica do problema, em que uma diferença de alguns centavos no custo da energia pode resultar em um bom incremento na viabilidade econômica do sistema. Neste caso, a função objetivo apresentou pouca, ou nenhuma variação, a partir da 12a_{geração; porém, o número de gerações que define o critério}

de parada do algoritmo, 20, foi assim definido após a constatação, em diversas simulações, de que a variação geral se torna muito pequena após a 20a_{geração. O tamanho da população do}

AG, 200 indivíduos, foi assim definido de modo a garantir que já na primeira geração o resultado seja razoavelmente satisfatório, para que o espaço de busca, naturalmente muito grande para problemas desta natureza, seja reduzido substancialmente.

O resultado obtido pode ser considerado coerente. A maior participação da fonte solar justifica-se pelo seu bom potencial, que contrasta com o potencial eólico não tão bom. O custo da energia, mesmo parecendo elevado, está adequado à realidade nacional, em que os custos de equipamentos, especialmente para sistemas de pequeno e médio portes, ainda representam uma carga elevada de custos ao sistema. O tempo de processamento também pode ser considerado bom, dada a complexidade do problema e seu amplo espaço de busca. As simulações seguintes ajudam a fornecer um melhor panorama sobre os resultados obtidos pelo algoritmo proposto.

Algumas constatações interessantes podem ser feitas a partir da configuração do sistema proposta pelo algoritmo. A indicação do uso de 80 unidades de um inversor de pequeno porte, de 0,3 kW, é coerente na visão do algoritmo, pois este inversor está entre os que apresenta a melhor relação entre custo (R$ 1.330/kW), vida útil (10 anos) e eficiência (92 %) entre todos os disponíveis. Como nesta simulação a quantidade máxima de inversores não foi limitada, o resultado é lógico. Há alternativas para, de maneira bastante simples, limitar a quantidade máxima de qualquer equipamento na simulação. Outra constatação interessante é que a bateria indicada pelo algoritmo é convencional, do tipo chumbo-ácido com eletrólito livre, com profundidade máxima de descarga de 30 %. Em outras simulações realizadas, baterias deste tipo nunca são indicadas com profundidade máxima de descarga de 50 %, pois isto reduz bastante seu número de ciclos e, consequentemente, sua vida útil. Aqui, destaca-se

que como o programa não possui interface para o usuário, estas constatações são observadas ao longo das simulações, através de análises na própria rotina do algoritmo, avaliando seu comportamento em cada iteração e para cada simulação.

Caso 2

Esta simulação utiliza os dados das curvas Solar 2, Eólica 2 e Carga 1. Os dados característicos do AG são os mesmos considerados para o caso 1, apresentados nas tabelas 3.4 e 3.5. A melhor configuração de sistema resulta em um custo de energia de R$ 1,2172/kWh e é apresentada na Tabela 3.7. O algoritmo apresentou o resultado após 38 minutos e 29 segundos em processamento, praticamente o mesmo tempo do caso anterior, o que é esperado, em função dos parâmetros do AG não terem sido alterados. Os gráficos da Figura 3.18 apresentam os resultados da simulação.

Tabela 3.7. Configuração do sistema que resultou no menor custo de energia para o AG, caso 2. Subsistema FV Eólico Banco de baterias Grupo gerador Inversor

Capacidade 16,08 kWp 30 kW 88,2 kWh 24 kW 24 kW

Tipo 20 22 12 13 1

Fonte: Elaboração própria.

Figura 3.18. Resultados do AG para o caso 2.

Fonte: Elaboração própria.

Os resultados desta simulação apresentam perfil semelhante ao do caso anterior, como esperado. A carga é a mesma, o potencial solar é levemente menor e o potencial eólico é

0 2 4 6 8 10 12 14 16 18 20 1.2 1.3 1.4 1.5 1.6 Geração F un çã o ob je tiv o (R $/ kW h) Mínimo: R$ 1.2172 / kWh 1 2 3 4 5 6 7 8 0 20 40 60 80 Número de variáveis (8) M el ho r in di ví du o Melhor indivíduo

maior. Como a elevação do potencial eólico é mais considerável que a redução do potencial solar, o custo de energia diminui e a potência FV instalada também diminui; porém, a potência eólica agora é de 30 kW, com 3 aerogeradores de 10 kW.

Também comparando esta simulação com a anterior, outras observações podem ser feitas. Os módulos são da mesma marca/modelo, de 240 Wp de potência, e o que apresenta o menor custo entre os disponíveis (R$ 4,29/Wp). As marcas/modelos de grupos geradores e inversores também são as mesmas do caso 1. As baterias são da mesma marca/modelo, 150 Ah e 12 V, porém apresentam diferentes profundidades máximas de descarga, 30 % para o