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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 57
APÊNDICES