Desenvolvimento de Software Basedo em Algoritmo Genético para Determinar a Demanda de Potência de Clientes do grupo A.

De acordo com o Ministério de Minas e Energia, a tarifa de energia elétrica é um somatório de valores que correspondem aos diferentes custos envolvidos na operação, manutenção e construção da infraestrutura necessária para distribuição e transmissão de energia elétrica, de modo que a mesma possa ser utilizada pelo seu consumidor final. Portanto, esses preços estipulados representam investimentos que serão realizados na infraestrutura necessária e demais operações técnicas que sejam relacionadas ao bom funcionamento das redes elétricas e que possam viabilizar todo esse processo desde a geração até o consumo. As principais tarifas existentes nas faturas de energia elétrica no Brasil são a TUSD (Tarifa de Uso sobre o Sistema de Distribuição), a TUST (Tarifa de Uso sobre o Sistema de Transmissão) e a TE (Tarifa de Energia).
O sistema de tarifação de energia elétrica do Brasil possui diferentes tipos de tarifação, que são expostos e diferenciados pela Resolução Normativa nº 1000/2021, da Agência Nacional de Energia Elétrica (ANEEL). Os clientes podem optar pela tarifação que seja mais vantajosa, de acordo com o seu perfil de consumo.
Os consumidores que recebem energia em média ou alta tensão (chamados clientes do Grupo A), podem escolher a modalidade tarifária que melhor se adeque ao seu perfil de consumo e à sua curva de demanda de potência utilizada. Assim, há uma grande preocupação no cenário nacional com a otimização dos custos de energia elétrica e das faturas de energia dos diferentes clientes, de modo a ser selecionada a melhor modalidade tarifária e a melhor demanda de potência que minimize os custos anuais da Unidade Consumidora. Outros estudos foram realizados com esse propósito como os de Becker e Burnier, porém ambos foram realizados com consumidores fixos em uma única concessionária e sem interface gráfica.
Essa otimização pode ser feita utilizando quaisquer algoritmos de otimização como a otimização em varredura, particle swarm ou algoritmo genético (AG). Um estudo precursor foi realizado por Azevedo, em que a otimização dos valores contratados de demanda fora da ponta e demanda na ponta foi realizada por meio de algoritmo genético para os padrões de consumo da Universidade Federal do Rio Grande do Norte (UFRN), obtendo resultados satisfatórios em seu desempenho. No artigo é proposta a otimização utilizando o algoritmo genético com formulações diferentes, não só nos parâmetros iniciais do algoritmo, mas também no design dos cromossomos para análise e otimização.
Os primeiros estudos envolvendo Algoritmo Genético foram realizados em 1975, por Holland. Os Algoritmos Genéticos são métodos de otimização implementados com base na Teoria de Evolução das Espécies, de Charles Darwin. A proposta do algoritmo é criar uma população inicial de indivíduos, que são submetidos recursivamente a operadores genéticos responsáveis por alterar sua estrutura e características, com o objetivo de se atingir a maximização ou minimização de uma função matemática, denominada função objetivo. Na segunda edição do mesmo livro, Holland mostra de uma forma computacional que um sistema evolutivo pode ser interpretado como a busca de soluções em um espaço de estados por meio de mudanças iterativas em seus indivíduos.
Além disso, no contexto do recente aumento do número de usinas fotovoltaicas no Brasil, as regras, normativas e regulamentações da ANEEL e das distribuidoras de energia elétrica devem ser seguidas, uma vez que esses são os órgãos responsáveis por toda a regulamentação das condicionantes técnicas dessas usinas. Quanto a essas regulamentações, as Resoluções Normativas 482 e 687 da ANEEL definem que a potência máxima em corrente alternada (CA) de uma usina fotovoltaica deve ser igual ou inferior do que a demanda de potência contratada por clientes do Grupo A. Assim, a otimização da potência CA de uma usina fotovoltaica é altamente dependente da otimização da demanda de potência contratada pela Unidade Consumidora.
Esse assunto vem sendo cada vez mais discutido no contexto nacional, devido à regulamentação da energia fotovoltaica implementada pela lei 14.300/2022, sancionada em 6 de janeiro de 2022. Conhecida como “Marco Solar”, essa nova legislação muda a tarifação da geração de energia por meio de sistemas fotovoltaicos, em quaisquer níveis de potência e para quaisquer clientes.
Considerando as condicionantes supracitadas, nesse artigo propõe-se a criação de um software que seja capaz de calcular os valores de demanda de potência a ser contratada por uma Unidade Consumidora do Grupo A utilizando Algoritmo Genético. Além disso, busca-se definir qual a modalidade tarifária mais vantajosa para o consumidor de qualquer distribuidora de energia elétrica do Brasil. Para atingir esse objetivo, o programa de otimização foi desenvolvido na linguagem Python, sendo capaz de otimizar os custos de TUSD de qualquer Unidade Consumidora do Grupo A utilizando as 12 últimas medições das faturas de energia do cliente.
O usuário pode selecionar o tipo de simulação desejada de acordo com a modalidade tarifária de interesse (verde, azul ou a comparação de ambas) e a distribuidora de energia da sua região de fornecimento, tendo como resultado a melhor modalidade tarifária recomendada para suas instalações, além dos valores e gráficos comparativos entre a situação atual e as situações simuladas.
O software define quais os valores de demanda de potência são recomendados para os clientes do grupo A, uma vez que esses consumidores devem contratar demanda de potência. No Brasil, tanto a demanda de potência quanto a energia consumida possuem diferentes tarifas de acordo com a modalidade tarifária do consumidor e do horário de medição. Normalmente, os horários definidos como ponta são entre 17:00 e 21:00 por 3 horas consecutivas, mas isso pode variar entre as concessionárias.
Assim, a demanda de potência fora da ponta, demanda de potência na ponta e a economia total para os próximos 12 meses são calculados e exibidos pelo programa.
Além disso, o GALO possui um banco de dados com os impostos de todas as 102 empresas brasileiras de distribuição de energia, sendo capaz de produzir gráficos, mostrar o dinheiro economizado e escolher a demanda de potência ideal para cada cliente no Brasil.