MODELAGEM NUMÉRICA APLICADA AO ESTUDO DO PERFIL DE CONSUMO DE ENERGIA ELÉTRICA RESIDENCIAL
INTRODUÇÃO
Nas últimas décadas um dos grandes desafios enfrentados pela sociedade brasileira, está relacionado a melhoria dos processos de produção de energia elétrica e também de sua utilização eficiente, isto é, na busca pelo máximo de desempenho dos aparelhos e processos com o mínimo de consumo de recursos naturais. No entanto, devido a sofisticação da tecnologia e do crescimento da população tem sido observado um aumento acentuado, constante e pouco eficiente no consumo de energia elétrica no país. Esse aumento do consumo de energia elétrica, tem como consequência imediata o aumento das despesas no setor residencial, empresarial e industrial que afeta negativamente a economia e o meio ambiente (ANEEL, 2015). De acordo com os dados do Balanço energético nacional (EPE, 2017), a eletricidade é a forma de energia mais utilizada no Brasil. Para unidades consumidoras residenciais atendidas em tensão inferior a 2,3 kV, a tarifação de energia é feita baseando-se no consumo e no sistema de bandeiras tarifárias vigente no período.
O sistema de bandeiras tarifárias entrou em vigor em 2015, e tem como objetivo sinalizar mensalmente ao usuário o custo de produção da energia. Foram definidos três níveis de bandeiras: Verde, Amarela e Vermelha. As bandeiras refletem a variação do custo da geração de energia, quando ele acontece. A título de exemplo, para o mês de julho de 2021, a ANEEL estipulou que, quando a bandeira estiver verde, as condições hidro[1]lógicas para geração de energia são favoráveis e não há qualquer acréscimo nas contas. Se a bandeira para amarela, as condições são um pouco menos favoráveis, e há uma cobrança adicional, proporcional ao consumo, na razão de R$ 1,874 por 100 kWh (ou suas frações). Já se a Bandeira passar para vermelha, situação em que as condições estão ainda mais desfavoráveis, cenário atual que do Brasil, o adicional cobrado passa a ser proporcional ao consumo na razão de R$ 3,971 por 100 kWh (ou suas frações), para a bandeira vermelha – patamar 1; e na razão de R$ 9,492 por 100 kWh (ou suas frações), para a bandeira vermelha – patamar 2. A esses valores, são acrescentados os impostos vigentes. Em vista dos fatos mencionados acima, fica claro que devido ao impacto financeiro do consumo de energia elétrica no orçamento familiar, a realização de estudos que visam o entendimento da evolução e do modo como este consumo é realizado são de extrema importância, pois fornecem aos usuários uma ferramenta para promover uma mudança de comportamento na direção de uma postura de eficiência energética e uso racional de energia.
O presente trabalho se insere exatamente nesse contexto, e tem por objetivo apresentar um estudo exploratório sobre o perfil do consumo de energia elétrica em residências situadas na cidade de Carapicuíba (SP) usando o método estatístico de Regressão Linear Múltipla (MENDENHALL e SINCICH, 1996).
MÉTODOLOGIA
A metodologia empregada para a realização desse estudo foi baseada em três etapas: (1) Revisão bibliográfica sobre o assunto (MORANTE, 2004) e (PEPPLOW, L. A.; BETINI, R. C.; GOBER, C. J, 2016). (2) Coleta de dados, a partir de um formulário digital, sobre o consumo de energia elétrica anual em kW/h de cerca de 50 residenciais da cidade de Carapicuíba (SP) durante os meses de maio e junho de 2021.
Junto as contas de energia, foram coletados dados dessas residências sobre quatro variáveis previsoras apontadas na literatura como as que mais influenciam no consumo de energia elétrica residencial, e são elas, número de cômodos da residência; escolaridade entre os responsáveis pela família; renda média familiar; número de indivíduos da família. (3) Realização de uma a análise de Regressão linear múltipla para entender quais variáveis previsoras tem mais influência no consumo de energia das residências analisadas. Como ferramenta para realização dos cálculos, empregou-se o software IBM SPSS Statistics v. 25 (Software Package Used for Statistical Analysis).
RESULTADOS E CONCLUSÕES
Neste estudo exploratório nós obtivemos como resultado, para o conjunto de dados considerado e condições de contorno estabelecidas, que os indicadores mais relevantes para o consumo são o número de indivíduos da residência e a renda média da família. Esta conclusão não exclui a relação entre o número de cômodos, escolaridade e consumo de Energia, mas revela que não é tão significativa (ver Tabela.1). Também foi possível observar, a partir do gráfico P-P normal de regressão de resíduos padronizados (Ver Figura.1), que os valores dos resíduos
estão normalmente distribuídos e seguem a reta normal, o que é um forte indicativo que o conjunto de variáveis previsoras utilizada em nosso modelo explica razoavelmente bem o perfil de consumo de energia da população estudada. Como desdobramentos futuros deste trabalho, esperamos desenvolver um estudo mais detalhado sobre a previsão de demanda energética com um número maior de residência envolvidas e também comparando os resultados obtidos por regressão linear múltipla com aqueles gerados por redes neurais artificiais. A utilização desse tipo de modelagem numérica é de grande interesse atual, pois fornece para os consumidores de energia elétrica da região uma ferramenta que pode auxiliar na coleta de informações relevantes para serem usadas no desenvolvimento de propostas de intervenção educacional no tratamento da temática “Educação em Energia.
REFERÊNCIAS: 1. AGÊNCIA NACIONAL DE ENERGIA (ANEEL). Atlas de Energia Elétrica do Brasil. Disponível
em: [http://www.aneel.gov.br/visualizar+texto.cfm?idtxt=1689]. Acesso em: 16 maio de 2021. – 2. EPE, B. E. de P. E. Balanço Energético Nacional, Séries Completas. Disponível: http://www. mme. gov. br/documents/10584/. Acesso em: 18 maio. 3. MENDENHALL, W.; SINCICH, T. A Second Course in Statistics: Regression Analysis, V.5. New Jersey: Prentice Hall, 1996. – 4. MORANTE, Federico B. T. Demanda de energia elétrica e desenvolvimento socioeconômico: o caso das comunidades rurais eletrificadas com sistemas fotovoltaicos. 311 p., 2004 Tese (Doutorado) – Programa Interunidades de Pós-Graduação em Energia da Universidade de São Paulo. – 4. PEPPLOW, L. A.; BETINI, R. C.; GOBER, C. J. Avaliação do impacto no sistema energético a partir de projetos de eficiência energética em instituições de ensino tecnológico e superior. In: X Congresso Brasileiro de Planejamento Energético, 2016, Gramado – RS. X Congresso Brasileiro de Planejamento Energético, 2016.
Juarez Fernandes Oliveira. Graduando em
Engenharia Civil pela Faculdade Estácio de Sá.
Carlos Eduardo da S. Fontoura. Pós-Doutor em Física
pelo Instituto Tecnológico de Aeronáutica (ITA) e docente
nos cursos de Engenharia da Faculdade Estácio de Sá.
Matéria da revista AETEC nº36 edição.
Boa leitura!
Deixe uma resposta
Want to join the discussion?Feel free to contribute!