Beruflich Dokumente
Kultur Dokumente
demanda ainda desconhecida, torna tal suprimento mais valioso redes elétricas. A operação de uma VPP, que objetiva
ao vendedor. Ao mesmo tempo, percebendo a diminuição do maximizar suas receitas, pode tornar as condições operacionais
suprimento na bateria, o comprador se torna mais propenso a ainda mais severas. Portanto, é necessário um modelo para
aceitar preços de compra mais altos. Portanto, o limite de avaliar o impacto da VPP no desempenho dos componentes das
compra é também aumentado. Uma vantagem desta estratégia redes elétricas de distribuição. O fluxograma do modelo
é que negócios com valores mais elevados podem ocorrer. No desenvolvido para tal avaliação é apresentado na Figura 4.
entanto, alguns problemas podem surgir. Esta estratégia pode
criar mais sinais de comercialização, ocasionando uma maior
degradação das baterias. Outra dificuldade é a aplicabilidade da
estratégia, pois provavelmente cada bateria possui um valor
diferente de energia, sendo portanto necessário determinar um
valor de referência.
essa capacidade costumam não ser uma opção, pois são muito lances válidos enviados pelos dispositivos individuais em um
caras para serem instaladas. Portanto, a previsão de capacidade VPP. Para garantir que todos os dados específicos do
flexível usando dados agregados é um passo importante para a dispositivo sejam removidos, apenas o lance agregado de nível
participação do agregador nos mercados atacadistas de superior é usado para prever a flexibilidade em tempo real. As
eletricidade. potências máxima e mínima (𝑃Max e 𝑃Min ) são recuperadas
Técnicas de aprendizado de máquina de caixa preta podem como entrada para o modelo de previsão. Isso define limites
prever com precisão a flexibilidade disponível de um VPP. para a quantidade de potência de aceleração (rampa) e descida
Duas técnicas supervisionadas de aprendizado de máquina pode que o VPP pode fornecer. Desta forma, usando este lance e o
ser aplicadas, por exemplo, regressão linear e uma rede neural preço atual, pode-se calcular o valor agregado total de potência
artificial (RNA). Ambas foram aplicadas com uma abordagem do VPP.
de caixa preta, ou seja, apenas informações de nível superior ou
agregadas eram conhecidas. As especificidades da usina virtual,
como tipo de dispositivo, estado de carga ou potência nominal,
eram desconhecidas para os modelos de previsão. Verificou-se
que o modelo de RNA superou significativamente o da
regressão linear. Portanto, para este estudo, um modelo de RNA
será implementado para investigar a precisão quando aplicado
a uma VPP.
B. Descrição do Funcionamento
Um algoritmo preditivo de uma RNA pode ser considerado
uma caixa preta por causa de sua capacidade de aproximar uma
função sem conhecimento prévio. Usou-se uma abordagem de
Fig. 6. Potências máximas e mínimas do VPP.
RNA supervisionada, onde o modelo usa um conjunto de
treinamento de dados registrados para treinar uma camada
oculta de neurônios para modelar uma relação não linear entre A capacidade de rampa em ambas as direções é então
os dados de entrada e saída. calculada solicitando uma potência de rampa, que é uma das
O modelo de RNA implementado usou apenas uma camada etapas de potência na proposta agregada e multiplicando-a pela
oculta com uma função de transferência sigmoide que modela longevidade prevista (𝜏). Para uma capacidade de
a relação entre os dados de entrada e de saída. Para este modelo, desaceleração, a potência de rampa solicitada enviada para o
como mostrado na Figura 5, os dados de entrada são: potência modelo é negativa, pois a energia negativa representa uma fonte
de rampa (∆P), que é a potência de desvio solicitada do dia atual de alimentação (energia fornecida).
à frente da potência programada; tempo de ativação Para avaliar o impacto econômico de um modelo de previsão
programada (𝑡Active ); potência programada no dia seguinte para serviços de mercado atacadista, foi desenvolvida uma
ativação (𝑃Sched ) e lance máximo e mínimo (𝑃Max e 𝑃Min ); com estratégia comercial que pode ser implementada considerando-
a saída do modelo sendo longevidade (𝜏), isto é, o período de se três casos: sem previsão de capacidade de troca (pior caso),
tempo em que a potência de rampa fornecida pode ser mantida. RNA aprendeu a capacidade de rampa para cima e para baixo
obtendo desta forma o perfeito conhecimento da flexibilidade
do VPP, e com os preços de mercado no atacado (melhor caso).
Usar a mesma estratégia de controle para os três casos
permite uma comparação justa da eficácia do modelo de
aprendizado de máquina de caixa preta para o melhor caso,
cenário de conhecimento completo e, no pior dos casos,
nenhum conhecimento de capacidade.
Fig. 5. Dados de entrada e saída do modelo preditivo. A Figura 7 apresenta uma visão geral da troca de informações
entre os mercados atacadistas e o agregador. Pode-se observar
A potência de rampa é a quantidade de energia para a qual o que dois mercados atacadistas estão participando, o DAM, que
VPP aumentará sua carga combinada a partir do perfil do dia resulta em um cronograma diário, e o mercado de desequilíbrio.
programado à frente e reduzirá a potência da quantidade de Cada um dos três casos usa um perfil predeterminado para o dia
energia para uma diminuição da carga. Além disso, a partir da seguinte, que foi criado para minimizar o custo da eletricidade
Figura 6, o 𝑃Max define a potência máxima que o VPP pode comprada no mercado atual. Com isso, o módulo de estratégia
aumentar sua carga em um determinado momento, e o 𝑃Min é o comercial é alimentado, em tempo real, com o lance agregado
máximo que pode reduzir a carga. para determinar a potência de rampa enviada ao módulo de
Na Figura 6 é mostrado um exemplo de lance individual para aprendizado de máquina (machine learning).
um dispositivo e um lance agregado. Essas ofertas individuais
são quase em tempo real e baseadas em eventos para descrever
a prioridade de um dispositivo para produzir ou consumir
eletricidade. Um lance agregado é o somatório de todos os
5
principalmente quando há expectativa que o preço da O projeto não analisou todos os aspectos e efeito dos impostos,
eletricidade aumente através de previsões. Ou a eletricidade mas deve entender que, se você é um consumidor líquido de
comprada é armazenada quando o preço é baixo. energia (ou seja, consome mais que produz) e vai comprar
É importante levar em conta a capacidade das baterias, a energia extra para armazenar em uma bateria para venda
demanda por eletricidade e a geração de eletricidade. posterior, estará comprando Impostos e armazenamento de
Os modelos utilizados para fazer as previsões são os Modelos energia. Negociar com uma bateria deve, portanto, pelo menos,
de Rede Neural. Este modelo funciona bem porque é capaz de criar uma diferença (leia-se: compra menor do que as vendas)
descrever relações complexas. que é igual aos impostos correntes, que juntos agora somam €
Os modelos foram treinados com dados de medição reais do 14,2 / kWh (inclui IVA).
passado. Em seguida, estas mesmas medições foram utilizadas Em resumo, todas as lições aprendidas são particularmente
como entrada para gerar previsões de consumo de eletricidade, úteis no desenvolvimento dos serviços do VPP, e conseguimos
geração e preço por hora. Os modelos utilizam variáveis de demonstrar que, com uma bateria caseira, você certamente pode
entrada diferentes: previsões do tempo (como temperatura e garantir custos de energia menores. Com a melhora do
radiação solar) e dados históricos como consumo e preço no monitorando correto do comportamento das baterias, os
passado (por exemplo, uma semana ou um dia atrás). Aplicando resultados devem ser melhores. No entanto, há também muitos
os modelos e determinando a estratégia de negociação na desafios para o futuro, para tornar-se um serviço VPP lucrativo
Virtual Power Plant, obtiveram informações sobre qual variável para todos os envolvidos (participantes e provedores). As
de entrada é importante e menos importante por modelo. perdas de bateria e o atual regime tributário de energia ainda
Eventualmente, 39 residências participaram do VPP no
são os principais entraves. Operacionalmente também existem
período de maio de 2018 até março de 2019. As baterias são
algumas barreiras para serem quebradas. A comunicação
usadas diariamente para obter o melhor resultado possível do
regular e o fornecimento de informações aos participantes
comércio diário de energia no mercado spot, onde é possível
comprar e vender energia de hora em hora com antecedência. exigiram mais tempo do que o esperado, e as baterias devem ser
As conclusões mais importantes retiradas do comércio diário continuamente monitoradas quanto ao comportamento correto,
durante este período são: o que também acarreta custos operacionais adicionais.
o comércio diário com as baterias levou a uma média
de € 5,54 / kWh de energia comprada. Se esta energia V. VIABILIDADE DO MODELO
tivesse sido adquirida sem o uso de uma bateria, teria
sido de € 7,25 / kWh. Isso significa que o uso das Muitos fatores influenciam o mercado de energia como: A
demanda e a resposta do mercado, a infraestrutura energética,
baterias reduzir os custos de compra de energia
as políticas governamentais, a distância física. Todos esses
(redução de 23%).
parâmetros desempenham um papel vital em qualquer modelo
entretanto, como as baterias causaram perdas, em de negócio. A demanda e a resposta do mercado no mercado de
última análise, mais energia foi comprada do que energia são fatores predominantes em influenciar a produção de
vendida, o que aumentou o consumo total do grupo de energia, consumo/comportamento do consumidor e
participantes. No período de comércio, por exemplo, normalmente são percebidos no mercado de energia aberta [9].
um adicional de 24,45 kWh foi adquirido devido a As concessionárias de energia estão evoluindo para uma
utilização das baterias. Medido sobre o consumo total maior dependência da flexibilidade para responder a um
do grupo, 34% a mais foi comprado. Como resultado, crescente desequilíbrio entre oferta e demanda. Nesse contexto,
os custos totais de energia aumentaram em € 852,00 o papel dos agregadores tornou-se predominante na otimização
da geração e demanda de eletricidade através de usinas virtuais
para o grupo como um todo em comparação com a
e na complementação de usinas tradicionais na provisão de
situação em que nenhuma bateria teria sido usada. Por
flexibilidade. Além disso, os reguladores estão lidando com os
participante e convertido para um ano inteiro, isso desafios enfrentados pela cadeia de fornecimento linear e
significa uma desvantagem de 40,00 € por ano, tradicionalmente protegida, com a democratização da energia
independentemente de a compra ter sido feita a um introduzindo incertezas no planejamento de longo prazo e no
preço médio mais baixo, sem considerar os custos fornecimento de energia a curto prazo.
extras dos impostos e de armazenamento de energia. As VPPs possuem várias vantagens em relação às unidades
se as perdas da bateria forem negligenciadas, cada de geração distribuída operadas autônomas e às usinas de
participante teria se beneficiado de € 35,00 energia em larga escala. Quando combinados em um VPP,
anualmente. Aqui também o Imposto sobre Energia e todos os tipos de ativos podem ser usados para fins comerciais
ou técnicos, melhorando a capacidade, flexibilidade e controle
o Armazenamento de Energia Sustentável não estão
suficientes para tornar essas atividades mais rentáveis ou
incluídos. Também deve ser notado que as perdas de
tecnicamente viáveis. Essa tecnologia passa por um período de
bateria nunca desaparecerão completamente. Embora maturação, podendo ser categorizada em quatro níveis:
suscetíveis a melhorias (muito), nunca se tornarão simulação, protótipo, estudo de campo e teórico. Revelando
zero. assim o estudo da arte dessa nova proposta de gestão de energia,
como pode ser visto na Figura 10.
7
tornar alvo potencial para hackers bem motivados, ou seja, a A incerteza do preço da energia é outro fator determinante,
segurança torna-se a principal questão que precisa ser tratada onde os custos de energia elétrica assim como de combustíveis
para casos de invasão de dados e consumo pessoal privados. fosseis (petróleo e gás natural) variam diariamente de acordo
Além disso o sistema elétrico físico pode ser afetado por com mercado global e local. Assim como custos para
ataques, sendo direcionados ao controle sistemas ou recursos de transmissão e distribuição da energia, apresentando limites
sistemas para o seu emprego. Essas formas de ataques podem técnicos para demanda e geração de energia. Toda essa
causar ruptura da rede, além de enviar sinais errados para o variação pode gerar impacto no valor final utilizado no atacado
mercado de energia [13]. de energia, sendo assim os participantes deste mercado podem
O último fator de desconfiança pode ser visto pela incerteza sofrer grandes perdas. Nesse sentido como o cliente pode ser
na demanda de energia. Essa carga varia com o tempo podendo respaldado com algum tipo de garantia que sua energia será
ser obtida de forma determinística ou estocástica. No caso da vendida por um preço estável ou até mesmo que não está
aproximação determinística a carga apresenta características perdendo de utilizar em outro sentido a sua produção.
mais repetitivas e influenciadas por fatores como tempo e
clima. Entretanto cada vez mais as ações dos consumidores
C. Viabilidade Regulatória
apresentam diferentes comportamentos e cargas novas não
planejadas, tornando os despachos ótimos de energia mais
complicados. O enquadramento regulatório apresenta um desafio maior em
termos de que as organizações tendem a ser conservadoras no
cálculo dos benefícios daquilo que podem reunir como
B. Viabilidade Econômica benefícios em dinheiro aos acionistas. Considera-se que as
perdas operacionais são colocadas no cliente e, como resultado,
A viabilidade econômica de uma VPP deve levar em qualquer queda nas perdas afetaria o acionista da
consideração o fornecimento de serviços de negociação no concessionária. Portanto, os reguladores são obrigados a
mercado atacadista de energia, o equilíbrio das carteiras de colocar tais políticas e regulamentos em vigor que possam
negociação e a prestação de serviços à distribuidores, beneficiar tanto a utilidade quanto o consumidor.
apresentando propostas e ofertas. Se comunicando A necessidade de suporte regulatório para os serviços de VPP
principalmente com os mercados de energia, onde suas metas estão nos primeiros estágios de desenvolvimento nos principais
são aumentar o acesso ao mercado da DG e reduzir o risco de mercados. Onde as ofertas dependem fortemente das políticas
desequilíbrio pela diversidade e capacidade da carteira. Existem de energia do setor elétrico e operações de mercado.
inúmeros desafios no cenário de negócios devido à disparidade
entre os modelos estudados e modelos introduzidos. VI. CONCLUSÕES E DESENVOLVIMENTOS FUTUROS
A VPP ainda tem um longo caminho a percorrer, A partir dos estudos e desenvolvimento executados durante
relativamente devido ao baixo impacto e a dificuldade de as atividades que culminaram na produção deste trabalho, foi
explicar aos usuários sobre a inserção da tecnologia e suas possível a ambientação em um novo tema que vem ganhando
funcionalidades. A falta de interconexão entre os fabricantes é força no mercado de energia, que são as usinas virtuais de
também um agravante, onde diferentes fabricantes incorporam energia, tema que representa uma quebra de paradigmas quanto
diferentes sistemas em seus sistemas tecnológicos, fazendo ao sistema vigente hoje na qual os pequenos consumidores
assim com que a interação pública difícil. estão atrelados as distribuidoras de energia elétrica.
O elevado custo operacional e de capital são dois fatores Não só com relação à regulação, mas também à com respeito
determinantes para o investimento na VPP. Os custos a aspectos técnicos, o estabelecimento de usinas virtuais
operacionais e de capital representam a maior parte dos custos encontra dificuldades. A começar pela infraestrutura de
fixos associados às comunicações. Embora não haja comunicação necessária para viabilizar o grande fluxo de dados
crescimentos significativos em escala econômica devido ao que permitem a operação de VPPs. De forma análoga, a não
custo do hardware, representa riscos significativos para existência de protocolos para este fim especifico, somado aos
integração e funcionamento no software. O fato de que as problemas de segurança que podem ser introduzidos fazem com
tecnologias inteligentes são caras continua sendo um gargalo que a inserção das usinas virtuais seja mais lenta que o
atualmente. Existem outros fatores que precisam ser levados em esperado. Vencer estas barreiras será fundamental.
conta, especialmente nos riscos associados à entrega. Esses Com relação a ferramenta de gerenciamento energético, é
riscos podem ser mitigados de forma eficaz pelos formuladores visível que estas podem impactar no custo de operação diário
de políticas e reguladores, implementando efetivamente de uma residência ao se abordar diferentes tipos de otimização.
tecnologias digitais avançadas e buscando economias de escala. No entanto, o funcionamento deste tipo de ferramenta pode
A importância da realização previsões para as comunidades trazer consequências como a introdução de novos picos de
energéticas locais como um todo, para oferecer mais demanda em horários onde o custo da energia tende a ser menor.
concretamente o modelo de negócios para retorno de Este tipo de problema aponta para que novas soluções sejam
investimento. Sendo esses mercados locais mais desejáveis para criadas levando-se em conta a estabilidade da rede e do sistema
implantação dos sistemas bem como para manejar o controle de como um todo, onde a prioridade é aproximar o pico de
gestão e alocação eficiente de recursos e precificação dinâmica. demanda da média geral de consumo, o que reduz o custo da
9
energia de maneira geral, do ponto de vista do sistema elétrico. Index System of Virtual Power Plant Participating in Power Coordination and
Optimal Dispatching," 2018 IEEE International Conference on Applied
Verificou-se que alguns casos de negócios estão presentes Superconductivity and Electromagnetic Devices (ASEMD), Tianjin, 2018, pp.
em circunstâncias futuras assumidas. A mudança do preço do 1-2. doi: 10.1109/ASEMD.2018.8558951
varejista tornou o autoconsumo de energia armazenada [12] O. Dzobo, "Virtual power plant energy optimisation in smart grids," 2019
econômico. Vender a superprodução da energia Southern African Universities Power Engineering Conference/Robotics and
instantaneamente é simplesmente menos eficiente em termos de Mechatronics/Pattern Recognition Association of South Africa
(SAUPEC/RobMech/PRASA), Bloemfontein, South Africa, 2019, pp. 714-
custo do que armazená-la e evitar custos ao suprir a demanda 718. doi: 10.1109/RoboMech.2019.8704830
quando o balanço de energia se torna negativo. Embora os [13] D. Jigoria-Oprea, G. Vuc and M. Litcanu, "Optimal management of a
cenários gerados pela demanda de energia gerassem lucros, o virtual power plant," 2016 IEEE 16th International Conference on Environment
período de retorno do investimento ultrapassou 15 anos. and Electrical Engineering (EEEIC), Florence, 2016, pp. 1-5. doi:
10.1109/EEEIC.2016.7555616
Para desenvolvimentos futuros, sugere-se abordar o
gerenciamento de cargas de estabelecimentos comerciais e [14] A. Richter, N. Moskalenko, I. Hauer, T. Schröter and M. Wolter,
"Technical integration of virtual power plants into German system operation,"
industriais, os quais observam mais atentamente as questões 2017 14th International Conference on the European Energy Market (EEM),
financeiras e possuem maior poder financeiro para a adoção de Dresden, 2017, pp. 1-6. doi: 10.1109/EEM.2017.7981876
soluções de automação. [15] T. Olejnczal, "Distribuited Generation and Virtual Power Plants: Barries
O VPP pode ser modelado com maior número de domicílios, and Solutions," Master Thesis, Utrecht University, Faculdade de Ciência, 2011.
no entanto recomenda-se uma extensão da população de tipos [16] S. Venkatachary, J. Prasad, R. Samikannu, "Challenges, Opportunities and
de domicílios. O portfólio dos tipos de construção pode ser Profitability in Virtual Power Plant Business Models in Sub Saharan Africa -
Botswana," International Journal of Energy Economics and Policy, 2017, 7(4),
estendido por escritórios, shoppings ou outros edifícios. O 48-58. ISSN: 2146-4553
modelo pode ser estendido com outras tecnologias de
dispositivos de armazenamento físico, especialmente
tecnologias mais baratas poderiam criar mais business cases
para o conceito de VPP. Além disso, o tamanho da bateria para
um estudo de caso específico pode ser otimizado.
REFERÊNCIAS BIBLIOGRÁFICAS