UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE ENGENHARIA MECÂNICA
Trabalho de Conclusão de Curso
Estudo do Impacto do Hor...
UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE ENGENHARIA MECÂNICA
Trabalho de Conclusão de Curso
Estudo do Impacto do Hor...
1
Dedicatória:
Dedico este trabalho à todos aqueles que me ajudaram na elaboração deste projeto,
com dicas, conselhos, sug...
2
Agradecimentos
Este trabalho não poderia ser concluído sem a ajuda de diversas pessoas às quais
presto minha homenagem:
...
3
ÍNDICE
RESUMO..............................................................................................................
4
5.1.2 Sistema HVAC – Ar-condicionado ...................................................................... 36
5.1.3 Arq...
5
RESUMO
DA SILVA, Tenório Itiro Fukushima Feliciano, Estudo do Impacto do Horário de Verão no
Consumo Elétrico Doméstico ...
6
ABSTRACT
DA SILVA, Tenorio Itiro Fukushima Feliciano, Study of Daylight Saving Time Impact on
Electricity Domestic Consu...
7
Lista de Figuras
Figura 1. Ciclo de refrigeração por compressão de vapor
Figura 2. O sistema básico de ar-condicionado (...
8
cidades analisadas	
Gráfico 7. Consumo energético dia a dia do mês de Dezembro das 5 regiões
escolhidas	
Gráfico 8. Vari...
9
Subscritos
𝑄!" : Calor de entrada por tempo
𝑄!"# : de saída por tempo
𝑊! : Trabalho no compressor por tempo
Abreviações ...
10
CAPÍTULO 1 INTRODUÇÃO
O horário de verão é a alteração do horário de uma região durante um certo
período do ano, adiant...
11
possuem aparelho de ar-condicionado. Dados mais recentes mostram que tal segmento
evoluiu de forma mais acentuada no pa...
12
apresentado uma descrição do software e o capitulo 6 é responsável por toda a análise
qualitativa do estudo.
Para a sim...
13
CAPÍTULO 2 SISTEMA DE AR-CONDICIONADO
Como descrito sucintamente na introdução, aparelhos de ar-condicionado são
usados...
14
• Começando pelo evaporador, onde o efeito da refrigeração é alcançado.
Nesta etapa o líquido refrigerante passa atravé...
15
2.2 Tipos de aparelhos de ar-condicionado
Nos dias atuais, as tecnologias disponíveis de climatização e refrigeração de...
16
serem constituídos de uma única peça que une a condensadora e evaporadora.
Possuem entre 7.000 e 30.000 BTUs.
• Split H...
17
cálculo da potência, no caso, a definição da variável BTU (Brtitish Thermal Unit) A
necessidade de grandes sistemas de ...
18
CAPÍTULO 3 O SOFTWARE GRIDLAB-D
Como toda ferramenta de simulação, o GridLAB-D apresenta vantagens e
desvantagens em se...
19
Tabela 3 Lista de abreviações das funções dos simuladores de sistemas de
energia.
Fonte: (PÖCHACKER et al., 2013)
Dentr...
20
aqueles que buscam otimizar as tecnologias de energia mais recentes (CHASSIN, 2007).
O software foi desenvolvido pelo L...
21
• Soluções de estado de séries temporais quase constante;
• Modelos de uso final, incluindo modelos de aparelhos e equi...
22
c) Geração Distribuída e Armazenamento: GridLAB-D permite aos planejadores
e gestores de serviços públicos uma melhor a...
23
• Instrumentos de coleta de dados para uma vasta variedade de análises
(CHASSIN, 2007).
Na sua forma mais simples, Grid...
24
CAPÍTULO 4 AS REGIÕES ESCOLHIDAS E SUAS CARACTERÍSTICAS CLIMÁTICAS
De acordo com a adoção do professor Galvani (2007), ...
25
O clima semi-árido predomina nas depressões centrais do país entre planaltos do
sertão nordestino e no trecho baiano do...
26
4.1.1 Porto Alegre – Rio Grande do Sul
Porto Alegre é o município brasileiro e a capital do estado mais meridional do
B...
27
município, 968,3248 km² são de áreas urbanas (2000), sendo a maior área urbana do país.
A cidade está numa altitude de ...
28
média gira em torno de 1 300 milímetros anuais, com intensidade máxima em janeiro,
fevereiro e março.
4.1.4 Natal – Rio...
29
0,737 é abaixo da média nacional e a mais baixa das regiões escolhidas. Seu PIB de 64
trilhões de reais é o sexto maior...
30
4.2.1 Temperatura média
A temperatura média anual de cada região é mostrada na tabela 4.
Tabela 4. Temperatura média an...
31
Em termos de temperatura média, as regiões mais distantes da linha do Equador
(São Paulo e Porto Alegre) possuem estaçõ...
32
Gráfico 2. Humidade Relativa mensal ao longo do ano
4.2.3 Precipitação média anual
As precipitações médias anuais das r...
33
A distribuição da chuva é particular e característica de cada região. Enquanto que
em cidades do Sudeste e Centro-Oeste...
34
Tal média mostrada na tabela 7 justifica o fato do estado potiguar ser o maior
produtor de energia eólica do país segun...
35
Gráfico 4. Irradiação solar média ao longo dos meses
600	
650	
700	
750	
800	
850	
900	
950	
1000	
1	 2	 3	 4	 5	 6	 7	...
36
CAPÍTULO 5 MODELAMENTO EM GRIDLAB-D
5.1. Descrição das funções
Toda a simulação se dará a partir do modelamento de uma ...
37
Tabela 9. Insumos primários do Sistema HVAC
(Fonte:GridLAB-D sourceforge http://gridlab-d.sourceforge.net/wiki/index.ph...
38
coleta. Este último site possui como fonte de dados o Instituto de Meteorologia (INMET) e
TRY.
O arquivo com os dados c...
39
Os arquivos climáticos, no formato .epw, devem ser transformados para a
extensão .csv (ou .tmy) para que o GridLAB-D po...
40
É importante observar que nessas linhas de programação que ocorre a alteração
quando se simula diferentes cidades brasi...
41
Define-se uma casa padrão de 100 m2
e medidor trifásico de voltagem nominal de
240V. Nenhum sistema de aquecimento é in...
42
CAPÍTULO 6 RESULTADOS E DISCUSSÕES
6.1 Gasto energético anual das 5 cidades analisadas
A primeira simulação considerou-...
43
A primeira vista nota-se os consumos massivos da cidade de Manaus seguido de
perto pela cidade de Natal. Num segundo pa...
44
Cuiabá é a cidade que apresentou os resultados menos esperados dessa
simulação. Como foi visto no capítulo 4, apesar da...
45
em crescimentos no consumo mais acentuados como é visto em algumas dessas curvas.
Da mesma forma que períodos de menor ...
46
6.2 Estudo do período vigente do horário de verão
O horário de verão é limitado pelo período que engloba tanto a estaçã...
47
Em adendo a esses dados, de acordo com um estudo legislativo feito pelo senado
brasileiro (Montalvão, 2005) as regiões ...
48
6.3.1 Consumo energético geral do mês de Dezembro
Da mesma forma que foi realizada uma simulação geral do ano inteiro (...
49
Tabela 12. Consumo Energético de Dezembro
Em valores absolutos, cidades que adotam o horário de verão, principalmente S...
50
intervalo de medição dos dados climáticos são de 1 hora. Em termos de resultados, a
precisão das informações não é acur...
51
Gráfico 9 Variação do consumo energético em dois diferentes períodos simulados
na cidade de Cuiabá em Dezembro
Neste ca...
52
CONCLUSÕES
O projeto final teve como objetivo estudar e avaliar o consumo de aparelhos de ar-
condicionado em diferente...
53
realizadas em diferentes períodos e cidades, em alguns casos adotou-se intervalos
iterativos maiores que levaram a resu...
54
em comparação com a cidade de Manaus com quem possui médias de humidade e
temperatura próximas. No caso, Natal possui m...
55
REFERÊNCIAS BIBLIOGRÁFICAS
FARIA, A.. Disponível em
< http://entrada.no.sapo.pt/myplace5/dosoutros/page12.html > (em po...
56
PÖCHACKER, M.; SOBE, A.; ELMENREICH, W. Simulating the Smart Grid. PowerTech
2013 Conference. Anais... p.6, 2013. Greno...
57
APÊNDICES
Próximos SlideShares
Carregando em…5
×

105709 Tenório Itiro - TGII Relatório Final compressed

17 visualizações

Publicada em

0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
17
No SlideShare
0
A partir de incorporações
0
Número de incorporações
2
Ações
Compartilhamentos
0
Downloads
0
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

105709 Tenório Itiro - TGII Relatório Final compressed

  1. 1. UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA Trabalho de Conclusão de Curso Estudo do Impacto do Horário de Verão no Consumo Elétrico Doméstico de Sistemas de Ar-Condicionado através do GridLAB- D Autor: Tenório Itiro Fukushima Feliciano da Silva Orientador: Prof. Dr. Gilberto De Martino Jannuzzi Campinas, Junho de 2016
  2. 2. UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA Trabalho de Conclusão de Curso Estudo do Impacto do Horário de Verão no Consumo Elétrico Doméstico de Sistemas de Ar-Condicionado através do GridLAB- D Autor: Tenório Itiro Fukushima Feliciano da Silva Orientador: Prof. Dr. Gilberto De Martino Jannuzzi Curso: Engenharia Mecânica Trabalho de Conclusão de Curso, apresentado à Comissão de Graduação da Faculdade de Engenharia Mecânica, como requisito para a obtenção do título de Engenheiro Mecânico. Campinas, 2016 São Paulo – Brasil
  3. 3. 1 Dedicatória: Dedico este trabalho à todos aqueles que me ajudaram na elaboração deste projeto, com dicas, conselhos, sugestões ou simplesmente com o apoio dado. Faço uma dedicação em especial a minha família, minha mãe Yumico Fukushima e minha avó Seiko Fukushima, pois este trabalho é o símbolo de que todos os seus esforços me ajudaram a concluir a maior e melhor etapa de minha vida.
  4. 4. 2 Agradecimentos Este trabalho não poderia ser concluído sem a ajuda de diversas pessoas às quais presto minha homenagem: Agradeço em especial minha família por sempre ter me dado suporte e condições para eu me formar na universidade pública de Campinas. Minha mãe pelo esforço financeiro de sempre me prover condições suficientes para estudar, minha avó por toda a base e disciplina educacional, minhas irmãs pelo apoio pessoal e meus tios e primos por toda ajuda. Agradeço ao meu orientador deste projeto, professor doutor Gilberto de Martino Januzzi por ter me auxiliado durante a execução do trabalho e ao mestrando Humberto Jantim Neto pela ajuda, dicas e feedback. Por fim, agradeço a todos os meus amigos que estiveram comigo durante toda minha vida acadêmica, amigos da Unicamp, amigos da Universidade de Brunel, amigos de São Bernardo do Campo, graças a eles sempre me mantive motivado a cumprir mais esta etapa de minha vida.
  5. 5. 3 ÍNDICE RESUMO............................................................................................................................... 5 ABSTRACT........................................................................................................................... 6 CAPÍTULO 1 INTRODUÇÃO.............................................................................................. 10 CAPÍTULO 2 SISTEMA DE AR-CONDICIONADO ............................................................ 13 2.1 Sistema de refrigeração: O ar-condicionado ........................................................ 13 2.2 Tipos de aparelhos de ar-condicionado................................................................ 15 2.3 Escolha do Ar-condicionado .................................................................................. 16 CAPÍTULO 3 O SOFTWARE GRIDLAB-D......................................................................... 18 3.1 As ferramentas de simulação e a escolha do GridLAB-D.................................... 18 3.2 Sobre o software GridLAB-D .................................................................................. 19 3.3 Aplicações do GridLAB-D....................................................................................... 20 3.4 Como o GridLAB funciona...................................................................................... 22 CAPÍTULO 4 AS REGIÕES ESCOLHIDAS E SUAS CARAC, CLIMÁTICAS................... 24 4.1 As regiões escolhidas............................................................................................. 25 4.1.1 Porto Alegre – Rio Grande do Sul....................................................................... 26 4.1.2 São Paulo – São Paulo ....................................................................................... 26 4.1.3 Cuiabá – Mato Grosso ........................................................................................ 27 4.1.4 Natal – Rio Grande do Norte............................................................................... 28 4.1.5 Manaus – Amazonas........................................................................................... 28 4.2 Dados climáticos gerais das regiões: Comparação............................................. 29 4.2.1 Temperatura média............................................................................................. 30 4.2.2 Humidade Relativa média ................................................................................... 31 4.2.3 Precipitação média anual.................................................................................... 32 4.2.4 Velocidade do vento médio................................................................................. 33 4.2.5 Irradiação solar mensal....................................................................................... 34 CAPÍTULO 5 MODELAMENTO EM GRIDLAB-D.............................................................. 36 5.1. Descrição das funções........................................................................................... 36 5.1.1 Objeto ‘Casa’....................................................................................................... 36
  6. 6. 4 5.1.2 Sistema HVAC – Ar-condicionado ...................................................................... 36 5.1.3 Arquivo de dados climáticos................................................................................ 37 5.2 Modelamento – Código ........................................................................................... 39 CAPÍTULO 6 RESULTADOS E DISCUSSÕES ................................................................. 42 6.1 Gasto energético anual das 5 cidades analisadas ............................................... 42 6.2 Estudo do período vigente do horário de verão................................................... 46 6.3 Análise do mês de Dezembro................................................................................. 47 6.3.1 Consumo energético geral do mês de Dezembro............................................... 48 6.3.2 Consumo de energético em períodos limitados.................................................. 49 CONCLUSÕES ................................................................................................................... 52 REFERÊNCIAS BIBLIOGRÁFICAS................................................................................... 55 APÊNDICES........................................................................................................................ 57
  7. 7. 5 RESUMO DA SILVA, Tenório Itiro Fukushima Feliciano, Estudo do Impacto do Horário de Verão no Consumo Elétrico Doméstico de Sistemas de Ar-Condicionado através do GridLAB- DTM , Faculdade de Engenharia Mecânica, Universidade Estadual de Campinas, Trabalho de Conclusão de Curso. Busca-se analisar, através de simulações e cenários, o impacto do horário de verão no consumo elétrico doméstico de equipamentos de ar-condicionado. Objetiva-se também analisar o consumo deste aparelho e a influência de fatores climáticos em diferentes regiões do Brasil. A modelagem do problema foi realizada utilizando-se o software aberto (open-source tool) GridLAB-DTM . Uma casa padrão, com parâmetros definidos previamente, foi usada como modelo e o sistema de climatização foi isolado, sendo o único aparelho doméstico a ser simulado. Dados climáticos de cidades brasileiras foram usados como arquivo de entrada para um estudo mais preciso. Pretende-se com isso verificar a importância e necessidade do adiantamento de uma hora em períodos quando a iluminação solar é maior com o objetivo de economia de eletricidade. Palavras Chave: Ar-condicionado, GridLAB-D, clima, consumo.
  8. 8. 6 ABSTRACT DA SILVA, Tenorio Itiro Fukushima Feliciano, Study of Daylight Saving Time Impact on Electricity Domestic Consumption of Air Conditioning System Using GridLAB-DTM Software, Mechanical Engineering College, University of Campinas, Final Project. This final project aim to analyse the impact of the daylight saving time on domestic electrical consumption of air conditioning equipment through simulations and scenarios. Also, it desires to analyse the consumption of this equipment and the influence of climate factors on different regions in Brazil. The modelling of this project was done using the open- source tool software GridLAB-DTM . A standard house, with pre-defined parameters, was used as model and HVAC (Heating, Ventilating and Air Conditionating) system was isolated, being the unique electric domestic equipment to be simulated. Climate data of Brazilian city in different regions were used as input file aiming an accurate study. As conclusion the importance and necessity of one hour advance on periods when the sunlight is higher for the purpose of saving electricity will be verified. Key Words: Air conditioning, GridLAB-D, climate, consumption.
  9. 9. 7 Lista de Figuras Figura 1. Ciclo de refrigeração por compressão de vapor Figura 2. O sistema básico de ar-condicionado (de parede) e seus componentes Figura 3. Combinação de domínios que a ferramenta GridLAB-D abrange. Lista de Tabelas Tabela 1. Informações técnicas de 12 modelos de ar-condicionado Tabela 2. Funcionalidades de 10 simuladores de sistemas de energia Tabela 3. Lista de abreviações das funcões dos simuladores de sistemas de energia. Tabela 4. Temperatura média anual das 5 regiões analisadas Tabela 5. Humidade Relativa média anual das 5 regiões analisadas Tabela 6. Precipitação média anual das 5 regiões analisadas Tabela 7. Média anual da Velocidade do Vento nas 5 regiões analisadas Tabela 8. Irradiação Média Anual das 5 regiões analisadas Tabela 9 Insumos primários do Sistema HVAC Tabela 10. Consumo energético mês a mês (em kWh) Tabela 11. Gasto enérgico total do período do horário de verão das 5 cidades analisadas Tabela 12. Consumo Energético de Dezembro Lista de Gráficos Gráfico 1. Temperatura média mensal ao longo do ano Gráfico 2. Humidade Relativa mensal ao longo do ano Gráfico 3. Distribuição da Precipitação média mensal ao longo do ano Gráfico 4. Irradiação solar média ao longo dos meses Gráfico 5. Gasto energético anual das 5 cidades analisadas Gráfico 6. Comportamento mês a mês do consumo energético acumulado das 5
  10. 10. 8 cidades analisadas Gráfico 7. Consumo energético dia a dia do mês de Dezembro das 5 regiões escolhidas Gráfico 8. Variação do consumo energético em dois diferentes períodos simulados na cidade de São Paulo em Dezembro
  11. 11. 9 Subscritos 𝑄!" : Calor de entrada por tempo 𝑄!"# : de saída por tempo 𝑊! : Trabalho no compressor por tempo Abreviações / Unidades kWh – quilowatt hora °C – Grau Celsius mm – milímetro Wh/m2 – Watt hora por metro quadrado m/s – metros por segundo BTU – British Thermal Unit Siglas IBGE - Instituto Brasileiro de Geografia e Estatística INMETRO - Instituto Nacional de Metrologia, Qualidade e Tecnologia PROCEL - Programa Nacional de Conservação de Energia Elétrica ENCE - Etiqueta Nacional de Conservação de Energia DOE/OE - U.S. Department of Energy Office of Eletricity and Energy Reliability PIB - Produto Interno Bruto IDH - Índice de Desenvolvimento Humano INMET - Instituto de Meteorologia ANEEL - Agência Nacional de Energia Elétrica HVAC - Heating, Ventilating and Air Conditionating
  12. 12. 10 CAPÍTULO 1 INTRODUÇÃO O horário de verão é a alteração do horário de uma região durante um certo período do ano, adiantando-se usualmente em uma hora no fuso horário oficial local. Tal mudança ocorre em períodos quando o dia é mais longo, ou seja durante o verão, com o objetivo de aproveitar melhor a iluminação do sol. O termo em inglês “Daylight saving time” (Horário de economia com luz do dia, tradução livre) reflete bem a função prática desta alteração. A ideia de otimizar o uso da luz natural foi proposto primeiramente pelo inventor americano Beijamin Franklin em 1784, com pouco impacto na sociedade (FARIA, [2015]). Somente em 1916 a Alemanha foi o primeiro pais a adotar o horário de verão como medida para economizar carvão (GUREVITZ, 2005). No Brasil o horário de verão foi adotado pela primeira vez em 1931, porém somente a partir de 1985 ele é adotado anualmente por certas regiões do território brasileiro (DECRETOS..., [2015]). De acordo com dados oficiais do Portal Brasil, cuja fonte é o Ministério de Minas e Energia (HORÁRIO DE VERÃO...,[2015]), o horário de verão no ano de 2015 proporcionou no período uma redução de 4,5% na demanda por energia no horário de ponta (entre 18h e 21h) e 0,5% no consumo geral. A redução total foi de 265 MW médios que corresponde a este percentual estimado de 0,5% dos quais 200 MW médios no Sudeste e Centro-Oeste (equivalente ao consumo médio mensal de Brasília) e 65 MW médios no Sul (igual ao consumo médio mensal em Florianópolis). Esse resultado considera todas as horas do dia, não apenas o horário de ponta. Climatização é o tratamento do ar em ambientes fechados, ajustando-se sua temperatura, pressão, pureza e umidade com a finalidade de conforto ou controle de processos industriais e laboratoriais (PENA, 2002). Um dos aparelhos responsáveis por essa função, dentre vários, é o ar-condicionado. O Brasil, por se tratar de um país com climas tropicais e equatoriais de temperatura elevada faz com que, usualmente, estes sistemas sejam usados para a refrigeração dos ambientes. A climatização para fins de conforto ocorre tanto em ambientes residenciais quanto em ambientes comerciais, que incluem escritórios, lojas varejistas, restaurantes dentre outros. De acordo com o censo do IBGE de 2000 (website), 7,5% dos domicílios brasileiros
  13. 13. 11 possuem aparelho de ar-condicionado. Dados mais recentes mostram que tal segmento evoluiu de forma mais acentuada no país: entre 2009 e 2012 o setor praticamente dobrou de tamanho e em 2013 o crescimento foi de 32% (SOUZA, 2014). Na prática, apesar de não existirem dados oficiais da presença desse equipamento em estabelecimentos comerciais em geral, espera-se que essa porcentagem seja consideravelmente maior. Em questões de dimensionamento energético, considerada as devidas proporções de ambos os ambientes, residências domésticas necessitam de aparelhos de menor capacidade de refrigeração (até 25.000 BTUs) enquanto que comércios geralmente optam por aparelhos de maior capacidade (acima de 25.000 BTUs dependendo da aplicação). Atualmente, principalmente em centros urbanos e/ou comerciais de maior renda, nota-se o aumento do número de ambientes com equipamentos de ar-condicionado para climatização. Estes equipamentos usualmente são utilizados com maior frequência e intensidade em dias mais quentes do ano (Verão e Primavera) e em períodos mais quentes do dia, fim da tarde quando o sol ainda incide na Terra. Supõe-se portanto que, com o horário de verão, e consequentemente o atraso do horário do pôr do sol, tais equipamentos fiquem períodos mais longos ligados, uma vez que o melhor aproveitamento da luz solar também implica na maior exposição de radiação solar. As características climáticas de uma certa região são determinadas por suas características geográficas (BLANCHE, 1982). A altitude, latitude, vegetação, proximidade com a costa litorânea etc se refletem nos fatores climáticos de um certo local tais como a temperatura média ambiental, humidade relativa, irradiação solar dentre outros. Esses fatores climáticos possuem influência no consumo energético de vários aparelhos elétricos, em especial o aparelho de ar-condicionado uma vez que é responsável pela climatização de ambientes internos. Utilizando-se o software GridLAB-D, objetiva-se estudar o impacto do horário de verão no uso do ar-condicionado, ou seja, mensurar o esperado aumento do consumo deste equipamento durante este período. Em adição, este valor será comparado com o ganho em consumo relativo a iluminação elétrica para, por fim, analisar se o horário de verão realmente é benéfico no consumo elétrico doméstico. Por fim, será avaliado a influência de fatores climáticos no consumo elétrico desses aparelhos. No capítulo 3 é
  14. 14. 12 apresentado uma descrição do software e o capitulo 6 é responsável por toda a análise qualitativa do estudo. Para a simulação, uma casa padrão com sistema de climatização (ventilação, aquecimento e ar-condicionado) já acoplada foi modelada. Dados climatológicos de cinco cidades brasileiras com diferentes características climáticas foram coletados e inseridos como arquivo de entrada e dados de consumo médio em quilowatt-hora e temperatura do ambiente estão presentes no arquivo de saída. Os detalhes dos parâmetros utilizados para a simulação são discutidos no capítulo 5.
  15. 15. 13 CAPÍTULO 2 SISTEMA DE AR-CONDICIONADO Como descrito sucintamente na introdução, aparelhos de ar-condicionado são usados principalmente para a climatização de ambientes, mais especificamente no caso do Brasil, tal aparelho tem o objetivo de refrigerar o ambiente, principalmente por causa das altas médias relativas de temperatura no pais. Este capítulo tem por objetivo descrever brevemente a teoria por trás do funcionamento do ar-condicionado bem como os tipos e modelos presentes hoje no mercado. 2.1 Sistema de refrigeração: O ar-condicionado O principio básico de funcionamento do ar-condicionado é um ciclo de refrigeração por compressão de vapor (em inglês, Vapor - Compression Refrigeration Systems). Basicamente para diminuir a temperatura do ambiente é necessário retirar energia térmica de determinado meio. Através de tal ciclo termodinâmico, o calor é extraído do ambiente em que se deseja climatizar e enviado ao ambiente externo. A figura 1 ilustra os componentes do ciclo e seu fluxo teórico de funcionamento. Figura 1. Ciclo de refrigeração por compressão de vapor (SHAPIRO, 2003)
  16. 16. 14 • Começando pelo evaporador, onde o efeito da refrigeração é alcançado. Nesta etapa o líquido refrigerante passa através do evaporador e a troca de calor com o espaço a ser refrigerado resulta na vaporização de tal liquido refrigerante. • Em seguida, o refrigerante, no estado gasoso, deixa o evaporador e é comprimido a altas pressões e temperaturas pelo compressor. • O refrigerante passa através do condensador, onde se transforma na fase liquida, condensa, e ocorre a troca de calor com as redondezas mais frias. • Finalmente, o refrigerante no estado 3 entra na válvula de expansão e expande até a pressão do evaporador, dando-se reinicio ao ciclo (idt). Vale ressaltar que no sistema de compressão de vapor, a entrada de energia é igual a potência do compressor uma vez que a válvula de expansão não envolve nenhuma entrada de alimentação ou de saída. A figura 2 mostra a montagem prática e simplificada do ciclo descrito e seus componentes para um sistema de ar-condicionado de parede (tipos a serem descritos no tópico seguinte). (Fonte: http://alienstore.com.br/cursos/) Figura 2. O sistema básico de ar-condicionado (de parede) e seus componentes
  17. 17. 15 2.2 Tipos de aparelhos de ar-condicionado Nos dias atuais, as tecnologias disponíveis de climatização e refrigeração de ambientes são cada vez maiores. A escolha correta do aparelho de ar-condicionado necessário a climatização de um ambiente se dá a partir do dimensionamento correto da energia necessária (em BTUs) e sua potência. Tal dimensionamento leva em consideração a área do cômodo e as possíveis fontes geradoras de calor (exemplo: ser humano) e as entradas de ar quente (porta e janela). Um equipamento cuja potência é inadequada às necessidades do ambiente pode gerar diversos tipos de transtornos. Quando o ar-condicionado trabalha em sua capacidade máxima durante a maior parte do tempo, além da baixa eficiência para refrigeração do ambiente, ocorre um desgaste excessivo nas peças e perdas com energia. No entanto, o uso de um aparelho que extrapola a potência necessária para a refrigeração de um ambiente também gera problemas. Os gastos de energia podem ultrapassar massivamente o ideal em relação a um aparelho devidamente dimensionado. Em adição, outro inconveniente é a diminuição da vida útil do equipamento, provocada por picos de energia derivados da má escolha da potência do ar-condicionado. Portanto, a escolha do equipamento ideal evita desperdício de energia e potencializa a capacidade de refrigeração de um ambiente. Além do equipamento correto é importante dar atenção às recomendações de uso e manutenção para que sua eficiência energética seja otimizada e sua vida útil prolongada. No mercado, vários são os tipos de aparelhos de ar-condicionado disponíveis, dentre os quais os mais utilizados são descritos nos sub-tópicos seguintes. • Portátil: Criado para evitar problemas de instalação e permitir sua mobilidade para diferentes ambientes e cômodos da casa, o ar-condicionado portátil é ideal para pequenos ambientes uma vez que possui uma energia de refrigeração baixa entre 9.000 e 13.000 BTUs. • Janela ou Parede: O mais tradicional e o primeiro ar-condicionado e entrar no mercado varejo, o tipo janela é destinado ao consumidor particular uma vez que necessita baixo investimento na instalação e manutenção. São compactos por
  18. 18. 16 serem constituídos de uma única peça que une a condensadora e evaporadora. Possuem entre 7.000 e 30.000 BTUs. • Split Hi-Wall: Tradicionalmente chamado apenas de Split, é indicado para instalação na parte superior dos ambientes de forma centraliza, favorecendo a melhor distribuição da ventilação. Este tipo de ar-condicionado é silencioso uma vez que sua condensadora fica do lado de fora. Os modelos possuem entre 7.000 e 30.000 BTUs. • Split Piso Teto: É indicado para grandes e médios ambientes, residenciais ou comerciais. De grande versatilidade por poderem ser instalados na horizontal ou na vertical, no piso ou no teto, esse modelo possui uma energia entre 18.000 e 80.000 BTUs. • Cassete: São usualmente instalados no teto e escondidos por um forro de gesso com rebaixamento de aproximadamente 30 cm. A principal vantagem é a interface bem disfarçada e elegante, sendo uma boa alternativa para locais que possuem pé direito alto e acabamento em gesso. Os modelos possuem entre 18.000 e 60.000 BTUs. • Duto: Também conhecido como ar central ou ar dutado. Indicado para ambientes de grande porte, para climatização de vários ambientes simultaneamente uma vez que oferece uma boa distribuição de ar devido a um sistema único de estrutura em dutos. Possui a desvantagem de não permitir regular a temperatura de cada ambiente individualmente. 2.3 Escolha do Ar-condicionado O modelo residência de estudo será para uma família padrão, com área média considerando os padrões brasileiro. A definição exata do tipo e modelo do sistema de climatização, no caso aparelho de ar-condicionado, não é requerida para a modelagem uma vez que tal sistema já é pré-definido pelo software (a ser descrito no Capítulo 3 e 5). Para a modelagem, necessita-se apenas da definição da unidade de energia usada para o
  19. 19. 17 cálculo da potência, no caso, a definição da variável BTU (Brtitish Thermal Unit) A necessidade de grandes sistemas de refrigeração (acima de 30.000 BTUs) não se aplica nesse trabalho por se tratar de uma casa de baixa dimensão, tanto em área quanto espacialmente, considerando o volume total dos cômodos. Adota-se então um sistema de ar-condicionado que forneça aproximadamente 22.000 BTUs de energia para toda a residência. Para fins de exemplificação, de acordo com o site do INMETRO (Instituto Nacional de Metrologia, Qualidade e Tecnologia) várias são as opções no mercado nacional que se enquadram próximo dessa capacidade de refrigeração de 22.000 BTUs (variando de 21.000 a 24.000 BTUs conforme tabela 1), podendo ser do tipo Ar de Janela, Ar Split Cassete e Ar Split Hi-Wall (nomenclaturas adotadas pelo INMETRO). Portanto, a tabela 1 mostra a seleção de alguns modelos escolhidos bem como suas informações técnicas. Todos os dados mostrados são retirados do selo do PROCEL (Programa Nacional de Conservação de Energia Elétrica) da ENCE (Etiqueta Nacional de Conservação de Energia) feita pelo INMETRO com critérios de 2015. De acordo com o site, a classificação dos equipamentos feita pelo instituto obedece os índices de eficiência em vigor na portaria INMETRO / MDIC número 410 de 16 de Agosto de 2013. Tabela 1. Informações técnicas de 12 modelos de ar-condicionado Segundo o mesmo site, o consumo de energia mostrado na tabela é com base nos resultados do ciclo normalizado pelo INMETRO, de 1 hora por dia por mês. Marca Modelo Tipo Capacidade de Refrigeração [BTU/h] Faixa de classificação Consumo de energia [KWh/mês] Elgin ERF21000-2 Ar de Janela 21000 D 52,7 Elgin ERF30000-2 Ar de Janela 21000 C 52,0 Green GJ21-22LM/C Ar de Janela 21000 A 45,8 Hexium NOV24J Ar de Janela 24000 A 53,2 Springer ZQB2015RB Ar de Janela 21000 B 47,5 Fujitsu AUBA24LBL Split Cassete 23000 C 47,0 LG ATNQ21GPLE3 Split Cassete 21000 A 39,9 Hitachi RCI24A3P Split Cassete 24000 D 55,4 Springer Carrier 42LUCC22C5 Split Hi-Wall 22000 B 44,7 Consul CBW22A Split Hi-Wall 22000 A 41,8 Eletrolux PI24F Split Hi-Wall 24000 D 52,6 Samsung R24JCSUAWQXAZ Split Hi-Wall 24000 B 48,7
  20. 20. 18 CAPÍTULO 3 O SOFTWARE GRIDLAB-D Como toda ferramenta de simulação, o GridLAB-D apresenta vantagens e desvantagens em seu funcionamento. Os sub-tópicos a seguir irão descrever as características, funcionalidade, e aplicações deste simulador bem como o motivo de sua escolha neste trabalho. 3.1 As ferramentas de simulação e a escolha do GridLAB-D A referência de Pöchacker et al. (2013) realiza uma completa comparação de ferramentas entre os simuladores de rede inteligente disponíveis para usuários. Dez programas/softwares gratuitos foram escolhidos e suas funções são mostradas na tabela 2. Tabela 2. Funcionalidades de 10 simuladores de sistemas de energia *pacote opcional disponível Fonte: (PÖCHACKER et al., 2013) As principais características são listadas na tabela e são atribuídas a diferentes áreas de acordo com seu fluxo de rede. As áreas e as funções são explicadas na tabela 3.
  21. 21. 19 Tabela 3 Lista de abreviações das funções dos simuladores de sistemas de energia. Fonte: (PÖCHACKER et al., 2013) Dentre os dez simuladores, GridLAB-D foi escolhido por analisar em detalhes a interação de cada parte do sistema de distribuição com todos os outros. GridLAB-D não requer o uso de modelos de ordem reduzida para o comportamento agregado do consumidor ou sistema elétrico. O software possui também a característica única de possibilitar a importação de dados climáticos que possibilitam uma análise mais completa em determinadas regiões além de detalhar simulações time-series que incluem sistemas de crescimento, capacidades de expansão, e múltiplas escalas de tempo. 3.2 Sobre o software GridLAB-D GridLAB-D é um ferramenta de análise e simulação de sistemas de distribuição que fornece informações aqueles que projetam e operam sistemas de distribuição, e
  22. 22. 20 aqueles que buscam otimizar as tecnologias de energia mais recentes (CHASSIN, 2007). O software foi desenvolvido pelo Laboratório Nacional Pacific Northwest para o escritório do Departamento de Segurança Energética e Elétrica dos Estados Unidos (DOE/OE U.S. Department of Energy Office of Eletricity and Energy Reliability) como parte do programa GridWiseTM (Ton, 2012). GridLAB-D é um ambiente de simulação flexível que pode ser integrado com uma variedade de ferramentas de terceiros para analise e gerenciamento de dados. A figura 3 ilustra a aplicação do uso do software e a combinação dos múltiplos domínios em um único ambiente de simulação. Figura 3. Combinação de domínios que a ferramenta GridLAB-D abrange. 3.3 Aplicações do GridLAB-D GridLAB-D aborda preocupações comuns expressas por engenheiros de serviços públicos, reguladores, partes interessadas e consumidores. GridLAB-D incorpora avançadas técnicas de modelagem, com algoritmos de alto desempenho para modelo de equipamento de utilização final e comportamento do consumidor, aliada com modelos de automação de distribuição e ferramentas de integração de software para usuários que necessitam de análise de sistemas de potência (CHASSIN, 2009). Os recursos programados para o software, dentre outros, incluem:
  23. 23. 21 • Soluções de estado de séries temporais quase constante; • Modelos de uso final, incluindo modelos de aparelhos e equipamentos, modelos de consumo e todos os métodos de simulações implementadas com agentbase; • Modelos de recursos de energia distribuídas, incluindo tecnologia da limitação de carga baseada em equipamentos, e modelos de geradores e armazenamento distribuído; • Ferramentas de simulação de mercado de varejo, incluindo seleção de ferramentas de contrato, de negócios e de simulação de operações, modelos de controles SCADA e de medição tecnologias; • Links externos para MatlabTM, MySQLTM, MicrosoftTM ExcelTM e AccessTM, GoogleEarthTM, GNUPlot e outras ferramentas baseadas em texto; • Capacidade de executar em vários núcleos e máquinas com múltiplos processadores de forma eficiente. Tais recursos são usados em diversas áreas. GridLAB-D é usado, principalmente, para executar quatro importantes tarefas: a) Automação da Distribuição / Design Avaliação: GridLAB-D oferece recursos que dão suporte ao projeto e análise da distribuição de tecnologias de automação, incluindo otimização de volt-var, coordenação de dispositivos e automação, alimentador de reconfiguração, confiabilidade e identificação de detecção de falhas e restauração. GridLAB-D fornece benefícios técnicos destas tecnologias a seus usuários para melhor orientar a seleção das melhores práticas de negócios e investimentos futuros. b) Gestão de pico de carga: GridLAB-D permite a modelagem do comportamento do consumidor para melhor compreender e otimizar a interação entre várias estratégias peak-shaving, incorporando mecanismos avançados, como controles transactive, comando e controle centralizados e soluções distribuídas. O impacto da satisfação dos consumidores sobre a disponibilidade de recursos peak-shaving pode ser avaliada e previsões mais precisas sobre os recursos disponíveis podem ser feitas. GridLAB-D ainda permite a avaliação dos efeitos de rebote de consumidores que seguem um ou mais efeitos de redução ou de eventos load-shed em um único dia.
  24. 24. 22 c) Geração Distribuída e Armazenamento: GridLAB-D permite aos planejadores e gestores de serviços públicos uma melhor avaliação do custo / benefício trade-off entre os investimentos de expansão de infra-estruturas e investimentos de recursos distribuídos, incluindo outros benefícios econômicos do DER (por exemplo, aumento da volatilidade do atacado de compra, melhores métricas de confiabilidade e oportunidade para vender produtos de serviços auxiliares em mercados grossistas). GridLAB-D oferece plano de teste para equilibrar sinais econômicos conflitantes para maximizar o impacto e as receitas. d) Análise da Taxa de Estrutura: Vários produtos energéticos baseados na oferta de novas estruturas de ritmo para os consumidores são muito atraentes para utilitários uma vez que criam oportunidade para revelar elasticidade da demanda e dar utilidade à capacidade de equilibrar o poder do mercado fornecedor nos mercados grossistas. O desafio é projetar estruturas que são economicamente benéficos para utilitários e atraente para os consumidores. GridLAB-D fornece a capacidade para acomodar ofertas de taxa múltipla (incluindo taxas fixas, taxas de demanda, taxas de tempo de dia, e as tarifas em tempo real) para determinar a probabilidade de sucesso de um conjunto de ofertas (PÖCHACKER et al., 2013). 3.4 Como o GridLAB funciona GridLAB-D incorpora um extenso conjunto de ferramentas para construir e gerenciar estudos e analisar resultados, incluindo: • Ferramentas Agent-based e Information-based modeling que permitem aos usuários criar modelos detalhados de como as novas tecnologias de uso terminal, DER, automação de distribuição e mercados retalhistas interagem e evoluem com o tempo. • Ferramentas para criar e validar estruturas tarifárias, examinar a reação do consumidor e verificar a interação e dependência de programas com outras tecnologias e mercados atacadistas. • Interfaces para ferramentas de sistemas de energia industry-standard e sistemas de análise.
  25. 25. 23 • Instrumentos de coleta de dados para uma vasta variedade de análises (CHASSIN, 2007). Na sua forma mais simples, GridLAB-D não exige o uso de modelos de ordem reduzida (simplificações da ordem do modelo numérico de cálculo) para o comportamento agregado dos sistemas de consumo ou elétricos, o que evita o perigo de suposições e hipóteses erradas ou mal aplicadas. GridLAB-D utiliza módulos para definir classes de objetos. Cada classe deve ser definida em um módulo. Os módulos podem ser estáticos, o que significa que são implementados em uma biblioteca de vínculo dinâmico (por exemplo, .dll no Windows, .so no Linux, .dylib em Macs), ou podem ser dinâmico, o que significa que são compilados e ligados em tempo de execução. Classes definem quais propriedades são permitidas em objetos, e como os comportamentos são implementados. Objetos são instâncias de classes, de modo que cada objeto pode ter seus valores próprios para cada propriedade ao compartilhar comportamentos com outros objetos da mesma classe. Mas durante as simulações GridLAB-D mantem as propriedades dos objetos sincronizados uns com os outros como o avanço do tempo (GUTTROMSON, 2003).
  26. 26. 24 CAPÍTULO 4 AS REGIÕES ESCOLHIDAS E SUAS CARACTERÍSTICAS CLIMÁTICAS De acordo com a adoção do professor Galvani (2007), as classificações climáticas podem ser realizadas de acordo com os índices climáticos e/ou baseando-se na geografia natural da região. A localização majoritária (92%) do território brasileiro na zona intertropical e as baixas altitudes do relevo explicam a predominância de climas quentes, com médias de temperatura superiores a 20º C. Os tipos de clima presentes no Brasil e adotados por grande parte dos pesquisadores da área são: equatorial, tropical, tropical de altitude, tropical atlântico, semi-árido e subtropical. O clima equatorial domina a região amazônica e se caracteriza por temperaturas médias entre 24º C e 26º C e baixa amplitude térmica anual (diferença entre a máxima e a mínima registrada durante um ano). As chuvas são abundantes (mais de 2.500 mm ao ano) e regulares, causadas pela ação da massa equatorial continental. No inverno, a região pode receber frentes frias originárias da massa polar atlântica. Elas são as responsáveis pelo fenômeno da friagem, a queda brusca na temperatura, que pode chegar a 10º C. O clima tropical está presente em extensas áreas do planalto central e das regiões Nordeste e Sudeste. Nelas, o verão é caracterizado pelas altas temperaturas e alta humidade e o inverno o contrário, clima frio e seco. As temperaturas médias excedem os 20º C, com amplitude térmica anual de até 7º C. As chuvas variam de 1.000 a 1.500 mm/ano. O tropical de altitude predomina nas partes altas do Planalto Atlântico do Sudeste, estendendo-se pelo norte do Paraná e sul do Mato Grosso do Sul. Apresenta temperaturas médias entre 18º C e 22º C e amplitude térmica anual entre 7º C e 9º C. O índice de chuva é igual ao do clima tropical. Chuvas de verão são mais intensas devido à ação da massa tropical atlântica. No inverno, as frentes frias originárias da massa polar atlântica podem provocar geadas. O clima tropical atlântico engloba a faixa litorânea que vai do norte do país, Rio Grande do Norte, ao sul do país, Paraná. As temperaturas variam entre 18º C e 26º C, com amplitudes térmicas crescentes conforme se avança para o sul. Chove cerca de 1.500 mm ao ano. No litoral do Nordeste, as chuvas intensificam-se no outono e no inverno. Mais ao sul, são mais fortes no verão.
  27. 27. 25 O clima semi-árido predomina nas depressões centrais do país entre planaltos do sertão nordestino e no trecho baiano do vale do Rio São Francisco . Suas características são temperaturas médias elevadas, em torno de 27º C, e amplitude térmica em torno de 5º C. As chuvas, além de irregulares são escassas e não excedem os 800 mm ao ano, o que leva às “secas do Nordeste”, os longos períodos de estiagem. O clima subtropical predomina ao sul do Trópico de Capricórnio, compreendendo parte de São Paulo, Paraná e Mato Grosso do Sul e os Estados de Santa Catarina e Rio Grande do Sul. Caracteriza-se por temperaturas médias inferiores a 18º C, com amplitude térmica entre 9º C e 13º C. Nas áreas mais elevadas, o verão é suave e o inverno frio, com nevascas ocasionais. Chove entre 1.500 mm e 2.000 mm ao ano, de forma bem distribuída ao longo das estações. 4.1 As regiões escolhidas A escolha das cidades se deve considerando as 5 macrorregiões brasileiras e seus climas distintos entre si. Considerou-se apenas cidades metropolitanas, capitais de seus respectivos estados, uma vez que o uso de aparelhos de ar-condicionado em resultado da porcentagem de domicílios com esse tipo de aparelho ocorre com maior frequência e intensidade em centros urbanos de maior capital de giro. As cidades selecionadas representando cada região foram: • Região Sul: Porto Alegre, Rio Grande do Sul • Região Sudeste: São Paulo, São Paulo • Região Centro-Oeste: Cuiabá, Mato Grosso • Região Nordeste: Natal, Rio Grande do Norte • Região Norte: Manaus, Amazonas A descrição de cada cidade e suas informações gerais são descritas nos sub- tópicos a seguir e foram retiradas do site do IBGE (acessado em Março de 2016).
  28. 28. 26 4.1.1 Porto Alegre – Rio Grande do Sul Porto Alegre é o município brasileiro e a capital do estado mais meridional do Brasil, o Rio Grande do Sul. Possui uma área de 496,6 km2 e uma população de 1 467 823 habitantes segundo o senso do IBGE de 2013. É uma cidade de alta densidade populacional, 3 000 habitantes por m2 , alto PIB per capita, quase 40 mil reais, e alto IDH, 0,804. Porto Alegre é uma das cidades mais arborizadas e alfabetizadas do país, é um polo regional de atração de migrantes em busca de melhores condições de vida, trabalho e estudo e tem uma infraestrutura em vários aspectos superior à de demais capitais do Brasil. Geograficamente, Porto Alegre é a capital do estado mais meridional do Brasil, situando-se em torno do paralelo 30º, entre 29º10'30'' sul e 30º10'00'' sul, e do meridiano 50º, entre 51º05'00'' oeste e 51º16'15'' oeste. A área real do município é controversa, e varia conforme a fonte de dados. A própria Prefeitura oferece informações conflitantes, 476,3 km² ou 497 km², o Itamaraty indica 489 km² e Nalin dá o número de 496,1 km². O IBGE refere uma área de 497 km². Praticamente a nível do mar, clima desta capital é classificado como subtropical úmido segundo a classificação de Köppen-Geiger (Tom, 2000), tendo como característica marcante a grande variabilidade. A presença da grande massa de água do lago Guaíba contribui para elevar as taxas de umidade atmosférica e modificar as condições climáticas locais. As precipitações acontecem principalmente sob a forma de chuva, que são bem distribuídas ao longo do ano e a ocorrência de neve é muito rara, mas as geadas ocorrem algumas vezes durante o ano 4.1.2 São Paulo – São Paulo São Paulo é o município brasileiro de 1.523 m2 , capital do estado de São Paulo e principal centro financeiro, corporativo e mercantil da América Latina. É a cidade mais populosa do Brasil com 11 967 825 habitantes (IBGE, 2015) e possui o maior PIB do país com pouco mais de 570 trilhões de reais no ano de 2013. Possui IDH alto de 0,805 e densidade populacional altíssima de quase 8 mil habitantes por m2 . São Paulo é a capital do estado mais populoso do Brasil, São Paulo, situando-se próximo ao paralelo 23º32'52'' sul e do meridiano 46º38'09'' oeste. De toda a área do
  29. 29. 27 município, 968,3248 km² são de áreas urbanas (2000), sendo a maior área urbana do país. A cidade está numa altitude de cerca de 760 metros acima do nível do mar. O clima de São Paulo é considerado subtropical úmido (classificação climática de Köppen-Geiger), com diminuição de chuvas no inverno e temperatura média anual em torno dos 20 °C, tendo invernos brandos e verões com temperaturas moderadamente altas, aumentadas pelo efeito da poluição e da altíssima concentração de edifícios. A precipitação é concentrada principalmente no verão, sendo janeiro o período de maiores índices de chuva. O tempo de insolação é de cerca de 2 000 horas/ano, e a umidade do ar é relativamente elevada, com médias mensais entre 75% e 80. Geadas ocorrem esporadicamente em regiões mais afastadas do centro, e em invernos rigorosos, em boa parte do município. 4.1.3 Cuiabá – Mato Grosso Cuiabá é o município brasileiro capital do estado de Mato Grosso com 3.538 km2 . Desde o século XX a cidade apresentou altos índices de crescimento populacional, acima da média nacional, porém após as décadas de 1970 e 1980 quando atingiu seu auge, a capital vem apresentando queda do crescimento e hoje possui uma população de 575 428 habitantes e densidade populacional de apenas 164 habitantes por m2 . Seu IDH é considerado relativamente alto, 0,785 porém a renda per capita da população é pouco mais de 30 mil reais. Hoje, além das funções político-administrativas, é o principal polo industrial, comercial e de serviços do estado e é conhecida como "cidade verde", por causa da grande arborização. Cuiabá é um entroncamento rodoviário-aéreo-fluvial e o centro geodésico da América do Sul, nas coordenadas -15°35'56",80 (latitude ao sul) e - 56°06'05",55 (longitude a oeste). Predominam relevos de baixa amplitude com altitudes que variam de 146 e 250 metros na área da própria cidade Com relação ao clima, sua característica é tropical. As chuvas se concentram de outubro a abril, enquanto que no resto do ano, entre maio e setembro, as massas de ar seco sobre o centro do Brasil inibem as formações chuvosas. Quando as frentes frias se dissipam, o calor, associado à fumaça produzida pelas constantes queimadas nessa época, faz com que a umidade relativa do ar caia a níveis impressionantes. A precipitação
  30. 30. 28 média gira em torno de 1 300 milímetros anuais, com intensidade máxima em janeiro, fevereiro e março. 4.1.4 Natal – Rio Grande do Norte Natal é um município brasileiro, capital do estado do Rio Grande do Norte, Região Nordeste do país. Com uma área de aproximadamente 167 km², é a segunda capital brasileira com a menor área territorial (maior apenas que Vitória, capital do Espírito Santo), somado a sua população de 869 954 habitantes, resulta na sexta maior capital do país em densidade populacional, 5 200 habitantes por m2 . Seu IDH de 0,763 é considerado relativamente alto para padrões nacionais e sua renda per capita de 23 mil reais ao ano é menos que a média nacional. Geograficamente, Natal está localizado a uma altitude média de trinta metros acima do nível do mar a uma latitude de 05º 47' 42" ao sul e uma longitude de 35º 12' 34" a oeste. O clima de Natal é o tropical chuvoso quente com verão seco com temperatura média anual de 27 °C, podendo chegar a 30 °C no verão. No inverno essa média cai para 24 °C. Devido à sua localização no litoral, o efeito da maritimidade é bastante perceptível, ocasionando em amplitudes térmicas relativamente baixas. As precipitações acontecem sob a forma de chuva, que podem vir acompanhadas de raios e trovoadas e ainda serem de forte intensidade. O índice pluviométrico está concentrado entre os meses de março e julho. A umidade do ar é relativamente alta durante o ano todo e em algumas ocasiões pode ser registrada a formação de nevoeiro. Chegadas de frentes frias, ainda mais raras, também podem acontecer. A velocidade média do vento em Natal é considerada alta, chegando a quase 4 metros por segundo na média. . 4.1.5 Manaus – Amazonas Manaus é um município brasileiro, capital do estado do Amazonas e o principal centro financeiro, corporativo e econômico da Região Norte do Brasil. É uma cidade histórica e portuária, localizada no centro da maior floresta tropical do mundo. Possui uma vasto território de 11 401 m2 e uma população de 2 057 711 habitantes resultando na baixa densidade demográfica de apenas 180 habitantes por m2 . Seu IDH de
  31. 31. 29 0,737 é abaixo da média nacional e a mais baixa das regiões escolhidas. Seu PIB de 64 trilhões de reais é o sexto maior do país, muito em função de políticas de isenção fiscal aplicadas na região. Manaus é uma das cidades brasileiras mais conhecidas mundialmente, principalmente pelo seu potencial turístico e pelo ecoturismo, o que faz dela o décimo maior destino de turistas no Brasil. Em sua geografia, o relevo é caracterizado por planícies, baixos planaltos e terras firmes, com uma altitude média inferior a 100 metros. Sua latitude é de 03º 06' 07" ao sul e sua longitude é de 60º 01' 30" a oeste. O clima de Manaus é considerado tropical úmido de monções (segundo KÖPPEN), com temperatura média compensada anual de aproximadamente 27 °C e umidade do ar relativamente elevada durante o ano, com médias mensais entre 70% e 86%. O índice pluviométrico é elevado sendo março o mês de maior precipitação e agosto o de menor. Devido à proximidade da Linha do equador, o calor é constante do clima local. São inexistentes os dias de frio no inverno, e raramente massas de ar polar muito intensas no centro-sul do país e sudoeste amazônico têm algum efeito sobre a cidade. A proximidade com a floresta normalmente evita extremos de calor e torna a cidade úmida. 4.2 Dados climáticos gerais das regiões: Comparação Todas as informações climáticas usadas na simulação e no projeto foram obtidas de bancos de dados do Departamento de Energia Americano (U.S. Department of Energy) e do site do Instituto de Meteorologia (INMET). As cinco regiões analisadas tiveram seus climas monitorados em diferentes anos, porem toda a coleta foi feita após o ano de 1980. Para uma região, a coleta não ocorreu necessariamente num mesmo ano. Pelo fato dos bancos de dados de tal instituto e departamento serem escassos, uma mesma região pode ter períodos de monitoramento de diferentes anos, porém não coincidindo o mesmo dia do ano. A adoção de uma única fonte de dados tanto para a simulação quanto para a análise geral das características de cada região e sua comparação tem o objetivo de minimizar e padronizar o método de coleta de dados e por consequência legitimar ou prover maior confiabilidade nas relações que serão estabelecidas e apontadas.
  32. 32. 30 4.2.1 Temperatura média A temperatura média anual de cada região é mostrada na tabela 4. Tabela 4. Temperatura média anual das 5 regiões analisadas Nota-se que as cidades das regiões sul e sudeste do país possuem as menores temperaturas médias anuais, sendo entre 6°C e 7°C inferiores quando comparadas com as outras três cidades pertencentes as demais macro regiões do Brasil. Tais diferenças são principalmente reflexos da posição geográfica de cada cidade em termos de latitude, altitude, dentre outros fatores. Cuiabá, Natal e Manaus possuem temperaturas médias anuais próximas. A divisão por meses das médias de cada uma das cidades e sua amplitude térmica ao longo do ano é mostrado no gráfico 1. Gráfico 1. Temperatura média mensal ao longo do ano Porto Alegre 20,1 São Paulo 20,8 Cuiabá 27,6 Natal 27,0 Manaus 27,7 Temperatura Média Anual [°C] 10 15 20 25 30 35 1 2 3 4 5 6 7 8 9 10 11 12 Temperatura média [°C] Mês Porto Alegre São Paulo Cuiabá Natal Manaus
  33. 33. 31 Em termos de temperatura média, as regiões mais distantes da linha do Equador (São Paulo e Porto Alegre) possuem estações mais bem definidas, com inverno mais frio e verão mais quente. A cidade de Manaus possui baixíssima amplitude térmica ao longo do ano (inferior a 2°C) enquanto que em Porto Alegre essa diferença é superior a 10°C. 4.2.2 Humidade Relativa média Outra importante informação meteorológica diz respeito a humidade relativa de cada cidade. Regiões de planalto tendem a ter um clima mais seco enquanto que regiões de vegetação densa e regiões costeiras possuem humidade relativa superior. Isso é observado nos dados da tabela 5. Tabela 5. Humidade Relativa média anual das 5 regiões analisadas São Paulo possui um clima relativamente seco muito em função de ser uma região metropolitana de baixa humidade no mês de Julho. Em certos meses do ano, Cuiabá possui uma humidade média abaixo do 70%, chegando a ser inferior a 60% (gráfico 2). Manaus e Natal possuem médias superiores a 70% em todo o ano, chegando a índices próximos de 85% em certos meses do ano. Praticamente todas as cidades possuem valores flutuantes ao longo do ano, muito em função de não ser uma relação única e exclusiva da precipitação (item 4.2.3). Porto Alegre 74 São Paulo 72 Cuiabá 71 Natal 80 Manaus 80 Humidade Relativa Média Anual [%]
  34. 34. 32 Gráfico 2. Humidade Relativa mensal ao longo do ano 4.2.3 Precipitação média anual As precipitações médias anuais das regiões analisadas são bem próximas entre si com exceção da cidade de Manaus. Enquanto que nas quatro demais cidades a média se encontra entre 1300 e 1400 mm, na cidade manauara, o índice é quase duas vezes maior, 2309 mm. Tabela 6. Precipitação média anual das 5 regiões analisadas É interessante notar que apesar de Natal possuir uma humidade relativa média maior que São Paulo, Cuiabá e Porto Alegre, a precipitação média anual só não é inferior que da capital paulista. 50 60 70 80 90 100 1 2 3 4 5 6 7 8 9 10 11 12 Humidade rela+va [%] Mês Porto Alegre São Paulo Cuiabá Natal Manaus Porto Alegre 1402 São Paulo 1316 Cuiabá 1398 Natal 1370 Manaus 2309 Precipitação Médial Anual [mm]
  35. 35. 33 A distribuição da chuva é particular e característica de cada região. Enquanto que em cidades do Sudeste e Centro-Oeste do país a precipitação está concentrada no verão, na cidade do Nordeste as chuvas estão concentradas entre os meses de Março e Julho. Porto Alegre é a única cidade analisada que possui índice de precipitação homogêneo ao longo de ano com variação menor que 50 mm. Gráfico 3. Distribuição da Precipitação média mensal ao longo do ano 4.2.4 Velocidade do vento médio Outra importante informação das cidades e que é usada como dado de entrada da simulação é a velocidade média do vento. Tabela 7. Média anual da Velocidade do Vento nas 5 regiões analisadas 0 50 100 150 200 250 300 350 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Precipitação [mm] Porto Alegre São Paulo Cuiabá Natal Manaus Porto Alegre 1,5 São Paulo 2,1 Cuiabá 1,9 Natal 3,7 Manaus 2,7 Velocidade do Vento Médio Anual [m/s]
  36. 36. 34 Tal média mostrada na tabela 7 justifica o fato do estado potiguar ser o maior produtor de energia eólica do país segundo a Agência Nacional de Energia Elétrica (ANEEL). Com média anual de 3,7 m/s a capital recebe ventos regulares durante todo o ano. Porto Alegre e Cuiabá possuem as menores médias entre as cidades analisadas uma vez que as diferenças de pressões não são consideráveis nessas regiões para elevar tal média. A média da capital amazonense de 2,7 m/s é um valor expressivo e considerável para análises futuras. 4.2.5 Irradiação solar mensal A irradiação solar é a quantidade de energia ou radiação solar incidente na terra por unidade de área. Em outras palavras, quanto maior a incidência solar em uma região, maior será seu índice. Os dados colhidos foram medidos a partir da radiação incidente perpendicular (ou normal) a superfície em um céu claro. Tabela 8. Irradiação Média Anual das 5 regiões analisadas A cidade de São Paulo possui a maior média anual seguido de Natal. Cuiabá e Manaus possuem o menores índices, cerca de 7% menor que da capital paulista. Ao longo dos meses, essa média não possui grandes flutuações, salvo a capital mato-grossense, que possui um deflexão entre os meses de Agosto e Outubro (gráfico 4). Porto Alegre 893 São Paulo 920 Cuiabá 861 Natal 905 Manaus 864 Irradiação Solar Média Anual [Wh/m²]
  37. 37. 35 Gráfico 4. Irradiação solar média ao longo dos meses 600 650 700 750 800 850 900 950 1000 1 2 3 4 5 6 7 8 9 10 11 12 Irradiação Solar Mensal [Wh/m²] Mês Porto Alegre São Paulo Cuiabá Natal Manaus
  38. 38. 36 CAPÍTULO 5 MODELAMENTO EM GRIDLAB-D 5.1. Descrição das funções Toda a simulação se dará a partir do modelamento de uma casa padrão, pré- definida pelo software, com parâmetros a serem definidos. Neste objeto ‘casa’, sistemas de HVAC (Heating, Ventilating and Air Conditionating, do inglês, aquecimento, ventilação e ar- condicionado respectivamente) já são pré-definidos. A modelagem portanto se baseia principalmente na definição dos parâmetros alteráveis, convocação das funções desejáveis e confecção dos arquivos de entrada. 5.1.1 Objeto ‘Casa’ O objeto ‘casa’ é a principal classe de objeto definido pelo módulo residencial já existente no programa GridLAB-D. Em sua modelagem, ele é uma unidade implementada para uma família única padrão. A principal propriedade da casa que determina seu comportamento é a área útil da residência (floor_area). A maioria das outras propriedades são derivadas dessa área porém são parâmetros relevantes à simulação e devem ser definidos. Outras propriedades importantes são a integridade dos vidros/janelas e propriedades térmicas que caracterizam a casa. O objeto casa inclui uma função de utilização (nomeado de painel) que coleta as informações de consumo de energia da casa e/ou demais dispositivos elétricos nela definidos. 5.1.2 Sistema HVAC – Ar-condicionado Os tipos de equipamentos que formam um sistema de ar-condicionado, aquecimento e ventilação residencial (HVAC) são definidos por parâmetros de entrada: Heat_system_type, Cool_system_type, e Fan_type. O sistema HVAC, possui os seguintes parâmetros primários de entrada.
  39. 39. 37 Tabela 9. Insumos primários do Sistema HVAC (Fonte:GridLAB-D sourceforge http://gridlab-d.sourceforge.net/wiki/index.php/Residential_module_user's_guide - Air_Conditioning_.28Cooling.29 ) O objeto ‘casa’ suporta um sistema de arrefecimento elétrico que pode representar tanto um ar-condicionado central ou uma unidade de janela / parede com ciclos de funcionamento a fim manter a temperatura do ar abaixo do ponto de ajuste do termostato. Esta é definida como uma Cool_system_type eléctrico. 5.1.3 Arquivo de dados climáticos A escolha do GridLAB-D foi feita principalmente pelo fato do software receber dados climáticos em sua simulação. Informações como temperatura do ar, velocidade do vento, incidência solar, humidade e pressão são levados em consideração. Tais informações são retirados do site do Departamento de Energia Americano (U.S. Department of Energy) e do site climate.onebulding.org que são responsáveis por esta Parâmetro (símbolo ; seleções) Tipo do sistema de calor (gás, bomba de calor, resistência, nenhum) Bomba de calor - Tipo de sistema frio (elétrico, nenhum) Nenhum - Resfriamento COP, condições padrões 3,5 - Aquecimento COP, condições padrões 3,5 - Resfriamento latente sensível 35% - Setpoint do termostato, calor (Tset_heat ; valor ou schedule) 70 °F Setpoint do termostato, frio (Tset_cool ; valor ou schedule) 75 °F Faixa limite do termostato (dTdeadband) 2,0 °F Tempo de ciclo mínimo do termostato (tmin) 2,0 min Aquecimento auxiliar (elétrico, nenhum) Elétrico - Faixa limite do aquecimento auxiliar (dTaux ; valor , nenhum) 2 °F Temperatura de bloqueio do ar livre do sistema auxiliar (Taux ; valor , nenhum) Nenhum °F Tempo de atraso do sistema de aquecimento auxiliar (taux) Nenhum min Tipo de ventilador (1-speed , 2-speed , nenhum) 1-speed - Potência do ventilador a baixa velocidade, fração da máxima % - Curva COP de aquecimento (padrão, liso, linear, encurvado) Padrão - Curva COP de resfriamento (padrão, liso, linear, encurvado) Padrão - Curva da capacidade de aquecimento (padrão, liso, linear, encurvado) Padrão - Curva da capacidade de resfriamento (padrão, liso, linear, encurvado) Padrão - Uso do calor latente (sim , não) Sim - Ganho de calor do ventilador (sim , não) Sim - Valor padrão
  40. 40. 38 coleta. Este último site possui como fonte de dados o Instituto de Meteorologia (INMET) e TRY. O arquivo com os dados climáticos de entrada primeiramente possui informações geográficas da região: Latitude mínima e máxima, longitude mínima e máxima e fuso horário. #sample weather CSV file, $state_name=nome_estado, $city_name=nome_cidade, $lat_deg=X, $lat_min=Y, $long_deg=Z, $long_min=W, $timezone_offset=-3, Em seguida, 8 dados são inseridos: • Data (date): No formato mês : dia : hora : minuto : segundo. • Temperatura (temperature): Temperatura de bulbo seco em graus Fahrenheit (°F). • Velocidade do vento (wind_Speed) : Em milhas por hora. • Direção solar (solar_direct): Direção do raio solar com relação a incidência perpendicular a superfície terrestre. • Difusão Solar (solar_diffuse): Radiação solar que atinge a superfície da Terra, depois de ter sido espalhada pelas moléculas do feixe solar direct na atmosfera. Medido em watts por polegada ao quadrado (W / in2 ). • Incidência Solar (global_solar): Incidência solar em W / m2 . • Humidade (Humidity): Humidade do ar (em porcentagem). • Pressão (Pressure): Pressão atmosférica do ar em hectopascal (hPA) O ano inteiro é analisado e portanto 8760 linhas de informações e dados são necessários, representando as 24 horas dos 365 dias do ano. Cada linha de informação deve seguir o seguinte padrão para que possa ser compilado pelo executável: date,temperature,wind_speed,solar_direct,solar_diffuse,global_solar,humidity,pressure
  41. 41. 39 Os arquivos climáticos, no formato .epw, devem ser transformados para a extensão .csv (ou .tmy) para que o GridLAB-D possa reconhecer. Em adição, sua função de chamada deve estar presente no código do programa. 5.2 Modelamento – Código A modelagem do problema inicia-se com a inserção do módulo de salvamento dos dados de saída ao longo de um tempo (atrelado ao intervalo de medição) que deve ser pré-estabelecido no código, e do módulo residencial e todas as funções que ela carrega (item 5.1.1). Como a análise objetiva estudar apenas o consumo do aparelho de ar- condicionado, todos os demais equipamentos domésticos são desativados do código. Vale ressaltar que o sistema HVAC é pré-inserido no objeto casa e portanto a desativação de todos os eletrodomésticos da residência não inclui o desligamento do mesmo. O modulo climático, função determinante para a escolha do GRIDLab-D, deve estar presente no código. Nesta função devem ser definidos o tipo de arquivo e o nome do arquivo que contém os dados climáticos que serão usados na simulação. No caso, a extensão .csv será usada e portanto a função de leitura da extensão deve estar presente. O tipo de interpolação de dados será quadrática para maior precisão de informações.
  42. 42. 40 É importante observar que nessas linhas de programação que ocorre a alteração quando se simula diferentes cidades brasileiras, ou seja, essa é a única parte alterável do código além do intervalo de medição. O arquivo com os dados climáticos (filename) deve ser chamado, e consequentemente as informações da cidade. O objeto novamente deve chamar este arquivo climático (tmyfile) para que haja a leitura dos dados (em formato .csv). A organização dos dados de saída é definido pela função ou objeto de gravação (multi_recorder). Todos os valores interessantes à analise devem estar contidos como propriedade e organizados conforme se deseja no arquivo de saída. É importante definir o nome do arquivo de saída, que será criado na mesma pasta do arquivo executável, e também o intervalo de medição. Não há limite de tamanho do arquivo salvo. O intervalo de medição é limitado pela capacidade de processamento da máquina ou computador. Por ser um método iterativo e contínuo, intervalos pequenos resultam em mais iterações, mais informações compiladas, mais dados de saída e portanto, mais processamento. Para a simulação de dados no período de 1 ano, definiu-se um intervalo de 43200 que resulta em informações de saída a cada 12 horas, ou seja, ao todo, 724 linhas de informações no arquivo de saída. Para a simulação de um mês (no caso, o mês de Dezembro) definiu-se um intervalo de 3600, executando-se o código iterativo a cada hora do dia. Por fim, a principal modelagem consiste no objeto casa uma vez que todo o consumo de energia do sistema HVAC se dará a partir dos parâmetros nela definidos. A tabela 3 mostra os insumos primários do sistema HVAC, ou seja, os valores padrões. Porém alguns insumos são alterados para que a modelagem possua valores mais próximos da condição real. Nota-se que algumas unidades não são do sistema internacional pois o software GridLAB-D possui unidades britânicas como padrão.
  43. 43. 41 Define-se uma casa padrão de 100 m2 e medidor trifásico de voltagem nominal de 240V. Nenhum sistema de aquecimento é inserido assim como qualquer sistema auxiliar. O sistema de resfriamento do tipo elétrico representará o sistema de ar-condicionado da residência.
  44. 44. 42 CAPÍTULO 6 RESULTADOS E DISCUSSÕES 6.1 Gasto energético anual das 5 cidades analisadas A primeira simulação considerou-se o período de um ano, de 1 de Janeiro a 31 de Dezembro nas 5 cidades. Nota-se que o ano não é dependente do código e seus inputs na árvore de programação pois é o arquivo de dados climáticos que determina o período possível a ser simulado. O código leva em consideração apenas o mês, e dia e a hora.. Primeiramente, adotou-se um intervalo de medição de 43200, resultando-se em dados de saída de 12 em 12 horas. Novamente, apesar da simulação ocorrer iterativamente a cada 12 horas, o arquivo com as informações climáticas permanece sempre o mesmo, tendo-se dados informativos coletados a cada hora. O gráfico 5 mostra os resultados finais das 5 simulações, uma para cada cidade analisada. É mostrado o consumo energético acumulado em um ano em KWh da residência modelada. Ressalta-se que o aparelho de ar-condicionado permanece funcionando 24 horas ao dia, objetivando-se sempre a temperatura desejada (e configurada) do ambiente. Gráfico 5. Gasto energético anual acumulado das 5 cidades analisadas
  45. 45. 43 A primeira vista nota-se os consumos massivos da cidade de Manaus seguido de perto pela cidade de Natal. Num segundo patamar, temos os consumos decrescentes das cidades de Porto Alegre, Cuiabá e por último, São Paulo. A capital do norte apresenta um consumo 14% maior que a capital potiguar, 93% maior que Porto Alegre e 120% maior que São Paulo e Cuiabá, praticamente com o mesmo gasto. Esse consumo elevado é muito em função de sua elevada temperatura média durante todo o ano, a maior entre as cidades estudadas, e principalmente de sua elevada humidade relativa média de 80%. A energia necessária para a refrigeração de ambientes quentes e úmidos é maior pois o calor de entrada no ciclo, no evaporador (Figura 1), é maior em resultado das moléculas de água no ar carregarem mais energia, necessitando-se um gasto maior do compressor. Resumidamente, o fluxo abaixo mostra essa relação. Natal, com consumo acumulado de 2945 kWh, é a segunda cidade com maior gasto de energia elétrica de aparelhos de ar-condicionado. Tal resultado se deve ao fato da cidade apresentar também um clima quente e úmido, característica de seu clima tropical atlântico. Apesar de sua precipitação média não ser elevada, por ser uma cidade costeira, apresenta humidade relativa média igual à de Manaus (80%). Seu consumo geral não é maior ou próximo da capital amazonense pelo fato de ser uma cidade com índice de ventos elevado (velocidade média). Essa média maior resulta na melhor troca de calor na residência por convecção e consequentemente ameniza sua temperatura ambiente. Porto Alegre possui consumo bem inferior as duas primeiras capitais. Apesar da sua temperatura média ser a menor entre todas as cidades analisadas, sua humidade relativa de 74% e seus índice de vento baixo contribuem para um gasto 15% maior que São Paulo e 12% maior que Cuiabá. Vale ressaltar aqui que a temperatura ideal adotada na simulação é de 22°C e portanto somente temperaturas superiores a esta resultam no ligamento do ar condicionado. Tendo essa informação, no gráfico 1 percebemos que a curva de Porto Alegre está melhor presente acima desse patamar que a curva de temperatura da capital paulista, ajudando a explicar esse maior consumo. Humidade rela+va maior Mais moléculas de água no ar Mais energia necessária para refrigeração Maior gasto energé+co no compressor
  46. 46. 44 Cuiabá é a cidade que apresentou os resultados menos esperados dessa simulação. Como foi visto no capítulo 4, apesar da capital mato-grossense possuir elevada temperatura média, seu clima seco, o menor entre as 5 cidades, e sua baixa irradiação solar resultaram em um consumo inferior a outras três cidades, sendo maior apenas que da cidade de São Paulo. Por fim, a capital paulista por sua vez possui o menor consumo entre todas as cidades estudadas. Com baixa temperatura média anual somado a baixa humidade relativa, o consumo de energia elétrica anual de aparelhos de ar-condicionado é o menor entre as cinco cidades analisadas. O comportamento mês a mês dessas cinco capitais é simulado e seus resultados são mostrados no gráfico 6. As curvas mostram o crescimento do consumo acumulado no decorrer do ano, tendo como resultados finais os valores mostrados no gráfico anterior. Nota-se ligeiros degraus (ou rugosidade) nas curvas de cada cidade resultado do intervalo iterativo mais grosseiro da simulação, de 43200. Gráfico 6. Comportamento mês a mês do consumo energético acumulado das 5 cidades analisadas O comportamento mês a mês de cada uma das cidades está relacionado com as informações climáticas das mesmas. Períodos mais quentes e de maior insolação resultam
  47. 47. 45 em crescimentos no consumo mais acentuados como é visto em algumas dessas curvas. Da mesma forma que períodos de menor temperatura e humidade relativa resultam em trechos de curvas de menor coeficiente angular. Na curva laranja, referente à cidade de Manaus, percebemos que entre os meses de Janeiro e Julho e Novembro e Dezembro o consumo é relativamente constante e acentuado, porém entre os meses de Agosto e Outubro ocorre uma queda do gasto resultado da menor humidade relativa que a cidade possui neste período. Da mesma forma, Natal possui um consumo elétrico alto entre os meses de Abril e Setembro novamente em função da maior humidade relativa neste período. São Paulo apresenta um consumo homogêneo durante todo o ano como é percebido no coeficiente angular constante de sua curva (vermelho). Cuiabá apresenta um maior consumo no começo do ano, entre os meses de Janeiro e Julho, reflexo da sua maior humidade relativa e da maior insolação solar deste. Finalmente Porto Alegre possui maior gasto energético entre os meses de Maio e Agosto, resultado das menores médias de temperatura do inverno. A tabela 10 mostra em valores numéricos todas essas observações feitas a partir do gráfico anterior e sua correlação com as informações climáticas, sem o consumo acumulado, considerando apenas o consumo de cada mês. Tabela 10. Consumo energético mês a mês (em kWh) Mês/Cidade Porto Alegre São Paulo Cuiabá Natal Manaus Janeiro 136 147 115 173 312 Fevereiro 105 132 131 167 329 Março 107 133 229 238 265 Abril 95 127 182 341 384 Maio 167 99 183 365 351 Junho 205 182 205 394 335 Julho 231 51 116 350 255 Agosto 205 142 48 358 180 Setembro 173 122 40 274 114 Outubro 95 139 52 103 194 Novembro 136 99 70 95 304 Dezembro 77 128 170 87 335
  48. 48. 46 6.2 Estudo do período vigente do horário de verão O horário de verão é limitado pelo período que engloba tanto a estação do verão quanto parte da primavera. A partir de 1985 ele se tornou um período que existe anualmente no Brasil e sua data de início e término variaram conforme os anos, porém, a partir do ano de 2006 percebe-se um padrão de início na terceira semana de Outubro e término na terceira semana de Fevereiro. Neste trabalho considera-se o horário de verão como o período entre 20 de Outubro e 20 de Fevereiro. A tabela 11 mostra o consumo total dado pelas simulações no período considerado do horário de verão nas cinco capitais escolhidas. Tais informações foram retiradas das simulações realizadas no item anterior (6.1. Gasto energético anual das 5 cidades analisadas). Tabela 11. Gasto enérgico total do período do horário de verão das 5 cidades analisadas Bem como já foi verificado no gráfico 5, Manaus (que não adota a prática no horário de verão) possui um consumo muito superior as demais cidades mesmo no período compreendido de 20 de Outubro a 20 de Fevereiro, sendo mais de 100% superior a todas elas. Desconsiderando-se a capital amazonense, as demais 4 cidades possuem consumos próximos, com variação de 100 kWh entre São Paulo, a segunda com maior consumo e Porto Alegre, a de menor gasto no período. Tal informação mostra que nessas 4 cidades o consumo de aparelhos de ar-condicionado possuem igual importância na residência, em especial durante o horário de verão. É importante ressaltar que dentre essas 4 cidades, 3 delas adotam tal mudança (Porto Alegre, São Paulo e Cuiabá). Porto Alegre 409,9 São Paulo 510,0 Cuiabá 463,7 Natal 487,5 Manaus 1264,4 Consumo Energético durante o período do horário de verão [kWh]
  49. 49. 47 Em adendo a esses dados, de acordo com um estudo legislativo feito pelo senado brasileiro (Montalvão, 2005) as regiões sul e sudeste apresentam os maiores índices de consumo de energia elétrica no país, sendo os estados de maior destaque São Paulo (por conta de sua concentração industrial e urbana), Minas Gerais e o Rio Grande do Sul. Todos adotam o horário de verão e apresentam economias significativas do consumo elétrico durante tal período, em especial o estado do Rio Grande do Sul que obteve, proporcionalmente, uma queda do gasto de energia elétrica superior aos outros estados. Estes dados são oficiais e consideram o consumo geral, de todos os aparelhos elétricos de todos os tipos de estabelecimentos, tanto domiciliar quanto comercial e industrial. 6.3 Análise do mês de Dezembro A escolha do mês de Dezembro para um estudo mais rigoroso e minudencioso é devido ao fato de ser o mês com média de dias mais longos, ou seja, a média do período compreendido entre o nascer do sol e o pôr do sol é maior que nos outros meses. Em adição, no mês de Dezembro que ocorre o solstício de verão no hemisfério sul, instante no qual determinado hemisfério da Terra está inclinado cerca de 23,5° na direção do Sol, fazendo que receba mais raios solares e como consequência, ocorre o dia mais longo do ano. Este evento pode ocorrer no dia 21 ou 22 de Dezembro. A análise de dias mais longos é interessante pois está relacionado ao horário de verão, quando ocorre o adiantamento da hora de forma a postergar o pôr do Sol. Pretende- se portanto, ter resultados mais concisos do impacto no gasto energético como consequência de tal adiantamento em dias mais longos. Não foi realizado a simulação do período completo do horário de verão pois exigiria uma capacidade e tempo de processamento muito longo considerando-se os compiladores disponíveis e utilizados. Nas simulações deste mês foi adotado um intervalo de medição de 60, obtendo-se resultados de minuto em minuto, ou seja, 44640 linhas de informações. Vale ressaltar que os dados climáticos são de hora em hora e portanto valores intermediários são interpolações de segundo grau (quadráticas) como descrito no item 5.2 (Modelamento – código).
  50. 50. 48 6.3.1 Consumo energético geral do mês de Dezembro Da mesma forma que foi realizada uma simulação geral do ano inteiro ( gráfico 6 item 6.1), o gráfico 7 mostra o consumo acumulado dia após dia do mês de Dezembro nas cinco cidades escolhidas. Gráfico 7. Consumo energético dia a dia do mês de Dezembro das 5 regiões escolhidas É possível perceber pelas inclinações das curvas que o consumo nas cinco cidades é praticamente constante durante todo o mês de Dezembro. Como já foi aferido no item anterior, apesar de Natal possuir o segundo maior gasto anual, no mês de Dezembro a cidade apresenta um baixo consumo, semelhante a cidade de Porto Alegre, sendo as duas as de menor consumo no mês. Cuiabá possui diminuição no gasto a partir da segunda quinzena do mês enquanto que Manaus possui um consumo alto e homogêneo em todo o período. A tabela 12 mostra s valores finais de consumo neste mês de Dezembro nas cinco cidades escolhidas.
  51. 51. 49 Tabela 12. Consumo Energético de Dezembro Em valores absolutos, cidades que adotam o horário de verão, principalmente São Paulo e Cuiabá, possuem consumos consideráveis de energia elétrica no mês de Dezembro, como já era previamente esperado após a análise do item 6.2 (Estudo do período vigente do horário de verão) e portanto essas cidades serão escolhidas para análises futuras (item 6.3.2). 6.3.2 Consumo de energético em períodos limitados Apesar de ser modelado uma residência, na consideração deste item, o aparelho de ar-condicionado não esteve ligado durante as 24 horas do dia, considerou-se dois diferentes períodos de trabalho, ambos períodos de 10 horas: • Das 8 horas às 18 horas • Das 9 horas às 19 horas Esta análise tem por objetivo estudar o impacto no consumo energético quando o relógio é alterado em 1 hora, na prática, como se não existisse o horário de verão. As cidades de São Paulo e Cuiabá foram escolhidas para esta simulação, uma vez que apresentam os maiores consumos não somente durante o mês de Dezembro, mas como em todo o período do horário de verão. Os resultados a seguir mostrados no s gráficos 8 e 9 fornecem uma boa base qualitativa, porém no que diz respeito ao consumo energético total, a base quantitativa não é sólida em função da limitação dos dados e intervalos existentes e simulados. O intervalo de iteração usado nesta simulação assim como o Porto Alegre 72 São Paulo 129 Cuiabá 172 Natal 87 Manaus 351 Consumo Energético - Dezembro [kWh]
  52. 52. 50 intervalo de medição dos dados climáticos são de 1 hora. Em termos de resultados, a precisão das informações não é acurada. Para cada período de cada cidade analisada, 31 simulações foram realizadas representando os 31 dias do mês uma vez que o código não possibilita o funcionamento por períodos diários limitados de funcionamento do aparelho de ar-condicionado. Os gráficos mostram a somatória dos resultados dessas 31 simulações, feitas em dois diferentes períodos e duas diferentes cidades. Gráfico 8. Variação do consumo energético em dois diferentes períodos simulados na cidade de São Paulo em Dezembro Primeiramente, apesar dessa incerteza quantitativa dos dados, na cidade de São Paulo é possível notar que o consumo quando o aparelho de ar-condicionado é ligado das 9 horas às 19 horas, representando a ausência do horário de verão, é aproximadamente 4,5% menor com relação ao horário de funcionamento das 8 horas às 18 horas. Durante o horário de verão, no horário de trabalho (neste projeto considerado das 8 horas às 18 horas) a incidência da irradiação solar bem como a média da temperatura ambiente tendem a ser maiores do que os valores medidos 1 hora depois, provavelmente explicando o resultado de maior consumo neste período. No entanto, a mesma análise com as mesmas considerações foi feita na cidade de Cuiabá e os resultados são mostrados no gráfico 9.
  53. 53. 51 Gráfico 9 Variação do consumo energético em dois diferentes períodos simulados na cidade de Cuiabá em Dezembro Neste caso, o consumo elétrico do ar-condicionado no período compreendido entre as 9 horas às 19 horas foi aproximadamente 2,5% superior se comparado ao período das 8 horas às 18 horas. Vários podem ser os motivos que explicam essa diferença com relação à cidade de São Paulo, dentre eles o fato da capital mato-grossense estar geograficamente localizada mais próxima a linha do equador, resultando em períodos mais homogêneos de duração do dia durante todo o ano e consequentemente menor impacto do adiantamento de uma hora. Pode também ser explicado pela imprecisão quantitativa dos resultados da simulação, podendo tal diferença estar inserida em margens de erro.
  54. 54. 52 CONCLUSÕES O projeto final teve como objetivo estudar e avaliar o consumo de aparelhos de ar- condicionado em diferentes regiões do Brasil usando a ferramenta GridLAB-D bem como analisar o impacto do horário de verão no gasto energético doméstico. As conclusões são divididas em 3 partes: Limitações encontradas, consumo energético das cidades estudadas e impacto do horário de verão. As limitações encontradas durante o desenvolvimento deste trabalho em grandes partes abrangem o uso do software aberto GridLAB-D. Além disso, incluem-se o banco de dados climáticos que dificultou uma análise mais precisa e o fato das simulações também apresentarem certas limitações. Todos esses fatores são topicalizados e descritos a seguir. • O software GridLAB-D é uma ferramenta de análise criada em 2003 porém migrada para o Windows apenas em 2008 em sua versão 1.0 Allston. Mesmo a versão utilizada 3.2 Jojoba, lançada em 2015, apresenta certa limitação pela sua recente criação que incluem um deficiente sistema de suporte de ajuda no que diz respeito tanto ao manual help interno do programa quanto ferramentas externas que possam descrever todas as suas funções existentes. A ausência de fóruns online ou pessoas que pudessem auxiliar e esclarecer dúvidas da programação somado ao desconhecimento sólido das funções existentes dificultaram e impossibilitaram a criação de um código mais refinado. • O banco de dados climáticos utilizado neste trabalho apesar de ter sido o mais recente encontrado, possui informações de uma cidade em diferentes anos, ou seja, o arquivo de uma determinada cidade possui períodos de diferentes anos, nunca coincidindo uma data. Alguns desses períodos são datados de 1980. Em adição, a coleta de dados disponível foi realizada de hora em hora, tendo-se portanto apenas 24 linhas de informações por dia. • Os compiladores disponíveis e utilizados na simulação não possuem grande capacidade de processamento. Pelo fato do código causar uma compilação iterativa conforme intervalo pré-determinado, quando o mesmo era definido de hora em hora por exemplo, o tempo de compilação para apenas um mês de uma cidade era aproximadamente 20 minutos. Como várias simulações foram
  55. 55. 53 realizadas em diferentes períodos e cidades, em alguns casos adotou-se intervalos iterativos maiores que levaram a resultados de menor precisão. Todas essas limitações somadas resultaram na dificuldade de se criar um código e/ou um modelo que pudesse representar o mais fielmente possível o consumo elétrico de aparelhos de ar-condicionado em uma residência. Em adição, mesmo considerando todos esses problemas, o software não mostrou uma acurácia quantitativa dos resultados quando o apenas o sistema HVAC é simulado. O fato de ser sistema interno e englobado pelo modelo ‘casa’, com alguns de seus parâmetros não alteráveis, explique essa imprecisão de resultados. O software, e consequentemente a simulação, talvez se mostre mais fiel e precisa quando simulados vários aparelhos elétricos, uma vez que a necessidade da criação manual e externa de várias funções (uma para cada aparelho pois apenas a função do sistema HVAC é pré-existente) em arquivos schedule minimize tais erros. De acordo com os resultados das simulações é possível perceber a influência de todas as cinco informações climáticas utilizadas neste trabalho: Temperatura média, humidade relativa média, precipitação média anual, velocidade do vento médio e irradiação solar mensal. Todos esses parâmetros tiveram diferentes influencias no resultado sendo a temperatura média e a humidade relativa média os de maiores impactos no gasto energético final nas cidades. O conjunto dessas duas médias elevadas resulta no maior consumo, como é percebido na capital amazonense, que possui tanto um consumo acumulado elevado no ano inteiro quanto no período compreendido do horário de verão e no mês de Dezembro. Da mesma forma ocorre com a cidade de Natal que possui humidade relativa elevada e a terceira maior média de temperatura dentre as cidades estudadas, resultando no segundo maior consumo anual acumulado. A variação da irradiação solar mensal é inferior a 7% entre a que possui a maior média (São Paulo) e a que possui a menor média (Manaus) e portanto seu impacto comparativamente é menor. Apesar disso, tal a influência de tal fator climático é percebido na cidade de São Paulo, que possui as maiores médias no período do horário de verão resultando num maior consumo neste mesmo período. Ainda que a precipitação média das cidades reflete nas médias de humidade, isoladamente, ela não possui grande impacto no gasto energético uma vez que, com exceção de Manaus, as demais quatro cidades possuem médias parecidas com variação menor que 7% entre elas. A velocidade média do vento também com menor influência nos resultados finais é notada no alivio do gasto energético da cidade de Natal
  56. 56. 54 em comparação com a cidade de Manaus com quem possui médias de humidade e temperatura próximas. No caso, Natal possui maior média da velocidade do vento (1 m/s superior) resultando num consumo 14% inferior a capital amazonense no período anual total. Finalmente, a análise dos resultados de consumo energético de aparelhos de ar- condicionado durante o período do horário de verão não mostrou conclusões concretas e sólidas com relação ao impacto desta alteração em uma hora. Primeiramente, pelos resultados das simulações, é possível perceber uma constância do gasto elétrico de quatro cidades, São Paulo, Porto Alegre, Natal e Cuiabá, com uma diferença máxima de 100 kWh entre elas durante este período. Isoladamente, no mês de Dezembro, dentre as três cidades que já adotam tal mudança, Cuiabá e São Paulo apresentaram os maiores consumos, superior a 120 kWh/mês. No entanto, a simulação comparativa de um período de 8 horas no mês de Dezembro inteiro dessas duas cidades não mostrou uma convergência de conclusões, uma vez que São Paulo apresentou um redução de 4,5% no consumo na inexistência do horário de verão enquanto que Cuiabá apresentou um acréscimo de 2,5%. As limitações no intervalo de compilação dos dados de saída e código do programa não resultam em valores com validação quantitativa, porém qualitativamente ela se mostrou válida nas simulações anteriores. A simulação de mais cidades aumenta e valida estatisticamente a amostra de estudo porém não necessariamente resultaria numa convergência de conclusões. Por enquanto, sabe-se que é fato oficial, de acordo com o ministério de minas e energia do Brasil, que o período do horário de verão resulta numa economia energética total de 0,5% nas regiões que adotam tal prática. Essa porcentagem deve ser acompanhada e analisada no decorrer dos anos para que conclusões sobre a eficácia do horário de verão na redução do consumo elétrico seja feita de uma forma mais imponente e fundamentado.
  57. 57. 55 REFERÊNCIAS BIBLIOGRÁFICAS FARIA, A.. Disponível em < http://entrada.no.sapo.pt/myplace5/dosoutros/page12.html > (em português). Visitado em 10 de Setembro de 2015. GUREVITZ, M. CRS Report for Congress – Daylight Saving Time, Order code RS22284, Setembro 2005. WEBSITE (sem autor) . Disponível em <http://www.ibge.gov.br/home/presidencia/noticias/08052002tabulacao.shtm> (em português). Visitado em 12 de Maio de 2016. SOUZA, S.. Disponível em < http://www.emtempo.com.br/zona-franca-fabricantes-de-ar- condicionado-projetam-alta-de-17/> (em português). Visitado em 12 de Maio de 2016. DECRETOS sobre o horário de verão no Brasil. Disponível em < http://pcdsh01.on.br/DecHV.html >. Visitado em 10 de Setembro de 2015. HORÁRIO de Verão proporcionou economia de 265 MW médios. Disponível em < http://www.brasil.gov.br/infraestrutura/2015/03/horario-de-verao-proporcionou-economia- de-265-mw-medios> (em português), 2015. Visitado em 31 de Maio de 2016. PENA, S. M.. Sistemas de Ar-condicionado e Refrigeração. Procel: Programa Nacional de Conservação de Energia Elétrica. Julho, 2002. CHASSIN, D. P.. GridLAB-DTM The next revolution in power systems simulation. Richland, Washington, Setembro de 2007. TON, D.. GridLAB-DTM A Unique Tool to Design the Smart Grid. Washington DC, Novembro de 2012. CHASSIN, D. P. e WINDERGREN, S.E.. Simulation Demand Participation In Market Operations. IEEE, 2009.
  58. 58. 56 PÖCHACKER, M.; SOBE, A.; ELMENREICH, W. Simulating the Smart Grid. PowerTech 2013 Conference. Anais... p.6, 2013. Grenoble. Disponível em: <http://arxiv.org/abs/1304.2503>. Visitado em 19 de Setembro de 2015. ALCÂNTARA, M. V. P. Conservação de energia em rede inteligente. 2014. 447 p. Tese de Doutorado (Programa de Pós-Graduação em Engenharia Elétrica) – Faculdade de Engenharia Elétrica e de Computação, Universidade Estadual de Campinas, Campinas, 2014. GUTTROMSON, R. T., CHASSIN, D. P. and WIDERGREN, S. E.. Residential energy resource models for distribution feeder simulation, IEEE PES GM, 2003. GridLAB-D Sourceforge. Disponível em < http://gridlab-d.sourceforge.net/wiki/index.php/ Residential_module_user's_guide#Air_Conditioning_.28Cooling.29 >. Visitado em 28 de Outubro de 2015. GALVANI, E.. Zonas Climáticas Brasileiras. In: INSTITUTO SOCIOAMBIENTAL. (Org.). Almanaque Brasil Sócio Ambiental. 2ed.São Paulo: Instituto Socioambiental, 2007, v. 2, p. 371-373. TOM L. e DARREL, H.. "Climate Zones and Types: The Köppen System". Physical Geography. A Landscape Appreciation (em inglês) (Upper Saddle River, NJ: Prentice Hall). p. 200–1, 2000. SHAPIRO M., MICHAEL J., et al. "Introduction to thermal systems engineering."Thermodynamics, Fluid Mechanics, and Heat Transfer, John Wiley & Sons, 2003. MONTALVÃO, E., O setor elétrico e o horário de verão. Consultoria Legislativa do Senado Nacional, Brasília, 2005 BLANCHE, Paul Vidal. "As características próprias da Geografia.", 1982.
  59. 59. 57 APÊNDICES

×