Iluminação pública e eficiência energética

out, 2015

Edição 116 – Setembro de 2015
PoCesar Augusto Palácio Dantas e Fuad Kassab Junior*

Desenvolvimento e aplicação do índice de desempenho energético, utilizando regras fuzzy, com a finalidade de avaliar a eficiência do uso da energia elétrica na iluminação pública.

O Governo Federal, no ano 2000, com o apoio do Ministério de Minas e Energia (MME), por meio da Eletrobras, implantou o Programa Nacional de Iluminação Pública Eficiente (Reluz), com o objetivo de promover o desenvolvimento de sistemas de iluminação pública energeticamente eficientes. Segundo este programa, para atingir tais objetivos, foram levados em consideração a utilização de tecnologias energeticamente mais eficientes, os princípios de conservação de energia e a conformidade com as legislações, portarias e normas técnicas em vigor.

O conceito de eficiência energética é utilizado para caracterizar a forma como a energia é utilizada na economia. Os progressos alcançados por meio das implementações de políticas de utilização racional de energia conduzem a uma melhoria na eficiência energética da economia. Neste contexto, a eficiência energética tem significado de produtividade energética.

 Eficiência energética é uma atividade técnico-econômica que objetiva proporcionar o melhor consumo de energia e água, com redução de custos operacionais correlatos; minimizar contingenciamentos no suprimento desses insumos; bem como introduzir elementos e instrumentos necessários para o gerenciamento energético da organização. A finalidade é reduzir o consumo por meio de medidas tais como: substituição de dispositivos de iluminação por outros mais eficientes; utilização de sistemas de automação; iluminação somente diante de necessidades específicas; adequação de grandezas elétricas como harmônicos e fator de potência às características da operação em questão; substituição de insumo energético como energia elétrica por iluminação natural.

A preocupação com a eficiência energética inicia-se como consequência das crises energéticas (do petróleo em 1972 e 1979 e do racionamento de energia elétrica entre 2001 e 2002), relevância crescente com o meio ambiente, no que diz respeito à sustentabilidade, e com a projeção de aumento do consumo até 2020, conforme estudos da Empresa de Pesquisa Energética (EPE).

Com relação à iluminação pública, a Eletrobras informa que, no Brasil, ela corresponde a aproximadamente 4,5% da demanda nacional e a 3% do consumo total de energia elétrica do país, o equivalente a uma demanda de 2,2 GW e a um consumo de 9,7 bilhões de kWh/ano.

Com o consumo atual, a dificuldade em atender ao aumento da demanda de energia elétrica com a iluminação pública, e o elevado custo de geração de fonte alternativa, está exigindo dos governos federal, estadual e municipal a adoção de gestão de consumo com a finalidade de obter-se a eficiência energética e a racionaliz

ação do uso.

Diante deste impasse, as empresas, órgãos governamentais e a sociedade estão fazendo grandes esforços objetivando a racionalidade do consumo de energia elétrica ao identificar oportunidade de melhorias nos processos para reduzir o consumo de energia elétrica.

Este artigo aborda a gestão da iluminação pública, a partir da aplicação do índice de desempenho energético da iluminação pública, que, por meio de indicadores globais e específicos, e utilizando regras de inferência fuzzy, avalia a eficiência e a racionalidade do uso da energia elétrica.

O crescimento da medida do índice de desempenho é fruto da economia de energia, e este é resultado das mudanças de hábitos dos usuários, alterações dos procedimentos operacionais da iluminação e as substituições de luminárias de menor eficiência pelas de maior eficiência.

Desenvolvimento do índice de desempenho energético proposto

O desenvolvimento do índice proposto envolve as seguintes etapas:

1)    Seleção dos indicadores;

Identificar e selecionar os indicadores que correlacionam com o índice proposto.

2)    Tabelamento dos indicadores;

Medir e tabelar as informações de cada um dos indicadores.

3)    Cálculo do índice.

Calcular o índice proposto.

A principal vantagem de se utilizar a lógica fuzzy como método de modelagem é a capacidade de traduzir o conhecimento experimental de operadores humanos treinados em plantas industriais não completamente compreendidas, processos mal definidos e sistema de dinâmica desconhecida, em uma forma compreensível, possibilitando tomadas de decisão devido à facilidade da implementação das estratégias.

A Figura 1 apresenta a arquitetura básica, na forma de diagrama de bloco, de inferência fuzzy. As descrições dos blocos que constituem um controlador fuzzy estão apresentadas a seguir:

1) Interface de “fuzzyficação” – essa interface realiza a conversão de valores reais de entrada provenientes do processo para o domínio fuzzy. Na “fuzzificação” ocorre a atribuição de valores linguísticos definidos por funções de pertinência às variáveis de entrada;

2) Base de regras – representa a modelagem do sistema de inferência nebulosa. É formada por um conjunto de regras condicionais do tipo “se – então”. Representadas na forma: R1 se x1 é A1 e x2 é A2, então y é B1;

3) Lógica de tomada de decisão – consiste em fazer uma tomada de decisão com base nos resultados do modelo de inferência fuzzy desenvolvido por Mamdini;

4) Interface de “defuzzyficação” – consiste em traduzir a variável linguística deduzida pelas regras de inferência para um valor real.


Figura 1 – Arquitetura básica.

Com base na arquitetura básica, a Figura 2 apresenta o diagrama de blocos para a determinação do índice de desempenho energético (IDE), a partir de indicadores globais e específicos de uso de energia elétrica.


Figura 2 – Diagrama em blocos do índice de
desempenho de energético.

Os indicadores globais caracterizam a unidade consumidora sob o ponto de vista da eficiência e da racionalidade do uso da energia elétrica. Os indicadores globais utilizados nesta pesquisa são o fator de potência (FP), o fator de carga (FC), o fator de demanda (FD) e a iluminação natural (IN).

Os indicadores específicos têm como objetivo avaliar a unidade consumidora considerando as informações físicas, de ocupação e os usos finais. Os indicadores específicos utilizados neste artigo são o consumo de energia elétrica por área pública iluminada (IE).

Analisando a influência de cada um dos indicadores na eficiência e racionalidade do uso da energia elétrica, temos:

 1)  Fator de Carga (FC)

O fator de carga é definido pela razão entre a demanda média e a demanda máxima da unidade consumidora, ou pela razão entre o consumo expressa e a demanda máxima multiplicada pelo intervalo de tempo. 

O FC pode ser utilizado como indicador das características e do uso correto dos equipamentos elétricos, do regime de operação, dos desperdícios do uso de energia elétrica, ou seja, avalia como a unidade consumidora utiliza a energia elétrica. A faixa de valores que o fator de carga pode assumir está entre 0 e 1, sendo que, quanto mais próximo de 1 for o resultado deste indicador, mais racional é o uso da energia elétrica. Portanto, um aumento do fator de carga tem como consequência o melhor aproveitamento da instalação elétrica e a diminuição do preço médio pago pela energia elétrica.

 2) Fator de Potência (FP)

O fator de potência é a razão entre a energia elétrica ativa e a raiz quadrada da soma dos quadrados das energias elétricas, ativa e reativa, consumidas em um mesmo período especificado e medidas considerando-se as componentes de tensão e corrente apenas na frequência nominal da rede elétrica.

A potência ativa é a responsável pela produção de trabalho útil.  A potência reativa não produz trabalho útil, sendo utilizada para gerar fluxo magnético necessário ao funcionamento dos equipamentos. A potência aparente é a potência total consumida pela unidade consumidora.

O fator de potência é um indicador que avalia a eficiência do uso da energia elétrica, pois informa como a unidade consumidora utiliza a energia reativa para a produção de trabalho útil. A faixa de valores que o fator de potência pode assumir está entre 0 e 1, quanto mais próximo de 1 for o resultado deste indicador, mais eficiente é o uso da energia elétrica. A unidade consumidora, operando com o fator de potência abaixo dos valores definidos pela norma, causa acréscimos no valor do preço médio da energia elétrica devido à cobrança de multa e aquecimento dos condutores elétricos gerando desperdícios de uso da energia elétrica.

 3) Fator de Demanda (FD)

O fator de demanda é obtido por meio de medições. É definido pela razão entre a demanda máxima e a soma das potências nominais dos equipamentos instalados na unidade consumidora.

O fator de demanda é um indicador que informa quantos equipamentos são usados simultaneamente, em relação ao total dos equipamentos instalados. Pode assumir valores na faixa entre 0 a 1, quanto maior for este indicador, significa que a unidade consumidora consegue utilizar simultaneamente maior percentual da potência nominal instalada, ou seja, há o bom dimensionamento dos equipamentos em relação ao trabalho executado. Portanto, a instalação opera com eficiência energética.

 4) Fator de utilização (FU)

O fator de utilização expressa a razão entre a potência consumida pelo conjunto de equipamentos de uma instalação e a soma da potência nominal de equipamentos. Este indicador é adimensional, pod

endo variar de 0 a 1, quanto maior for este indicador, significa que a unidade consumidora consegue utilizar um maior percentual da potência nominal instalada.

 5) Iluminação natural (IN)

Este indicador expressa o nível de luminosidade natural.

6) Indicador de consumo de energia por área iluminada (ICA)

O indicador de consumo de energia por área pública iluminada é definido pela razão do consumo de energia elétrica e a área pública. Este indicador é utilizado como unidade de referência visando à verificação da eficiência do uso da energia elétrica.

7)       Intensidade energética (IE)

O indicador de intensidade energética é definido pela razão entre a energia consumida e o custo do serviço prestado.

O Índice de Desempenho Energético (IDE) determina a eficiência e a racionalidade do uso da energia elétrica em uma instalação. A partir dessa variável estabelece metas para melhorar o uso da energia elétrica e também possibilitar a comparação com outros consumidores.

As variáveis de entrada do sistema, com base em regras de inferência fuzzy proposto, são fator de carga (FC), fator de potência (FP), fator de demanda (FD), fator de utilização (FU), consumo de energia por área iluminada (ICA), intensidade energética (IE) e luminosidade natural (ILN). Todas com os respectivos símbolos, unidades, universos do discurso, conjuntos de termos linguísticos e as funções de pertinência.

A variável de saída do sistema de inferência fuzzy foi denominada Índice de Desempenho Energético (IDE), gerando um número real no intervalo, com os respectivos símbolos, unidades, universo do discurso, conjuntos de termos linguísticos e as funções de pertinência. Ele indica o grau de eficiência e a racionalidade no uso da energia elétrica na iluminação. Quanto maior for o resultado deste índice, melhor é a eficiência e a racionalidade da energia elétrica.

Aplicação do Índice de Desempenho Energético Proposto

A aplicação do índice de desempenho proposto foi na iluminação pública da Cidade Universitária Armando Salles de Oliveira da Universidade de São Paulo. Na Figura 3, é mostrado o sistema de telegestão para gerenciamento e operação das luminárias.


Figura 3 – Sistema de telegestão.
 

A obtenção dos dados deste trabalho foi realizada por meio de medições dos parâmetros elétricos, consultas aos manuais dos fabricantes, relatórios técnicos e especificações de projeto, com a finalidade de determinação dos indicadores de eficiência energética.

Os parâmetros elétricos experimentais foram medidos de forma individualizada: tensão de alimentação, intensidade de corrente elétrica, potência ativa e fator de potência, por meio de telemetria do controlador eletrônico da luminária.

As amostras de luminárias para medições dos parâmetros são selecionadas aleatoriamente, em diferentes potências e circuitos de alimentação; a quantidade de amostras é em função do valor médio e desvio padrão de cada parâmetro.

O procedimento adotado para aquisição dos parâmetros elétricos é feito por leitura de minuto em minuto, iniciada às 17h30 e encerrada às 19h00, tendo em vista a transição entre a iluminação natural e a ar

tificial.

Para as variáveis de entrada definimos:

a)     Fator de potência

  • Símbolo FP;
  • Unidade adimensional;
  • Universo de Discurso – U (FP) = [0,92; 1];
  • Conjunto dos termos linguísticos – T (FP) {alto};
  • Função de pertinência – Forma: linear crescente.

b)    Fator de carga

  • Símbolo FC;
  • Unidade adimensional;
  • Universo de discurso – U (FC) = [0,75; 1];
  • Conjunto dos termos linguísticos – T (FC) {alto};
  • Função de pertinência – forma: linear crescente.

c)     Fator de demanda

  • Símbolo FD;
  • Unidade – adimensional;
  • Universo de discurso – U (FD) = [0,75; 1];
  • Conjunto dos termos linguísticos – T (FD) {alto};
  • Função de pertinência forma: linear crescente.

d)    Fator de utilização

  • Símbolo  FU;
  • Unidade adimensional;
  • Universo de discurso – U (FU) = [0,60; 1];
  • Conjunto dos termos linguísticos – T (FU) {baixo, médio, alto};
  • Função de pertinência forma: linear decrescente; triangular; linear crescente.

e)    Fator de utilidade

  • Símbolo FU;
  • Unidade adimensional;
  • Universo de discurso – U (FU) = [0,60; 1];
  • Conjunto dos termos linguísticos – T (FU) {baixo, médio, alto};
  • Função de pertinência forma: linear decrescente; triangular; linear crescente.

f)      Consumo de energia por área iluminada

  • Símbolo – ICA;
  • Unidade – kWh/m²;
  • Universo de discurso – U (ICA) = [0,00069; 0,0015];
  • Conjunto dos termos linguísticos – T (ICA) {alto, médio, baixo};
  • Função de pertinência forma: linear decrescente; triangular; linear crescente.

g)     Intensidade energética

  • Símbolo IE;
  • Unidade kWh/R$;
  • Universo de discurso – U (IE) = [0,0033; 0,0043];
  • Conjunto dos termos linguísticos – T (IE) {alto};
  • Função de pertinência forma: linear crescente.

h) Luminosidade

  • Símbolo IL;
  • Unidade – lux;
  • Universo de discurso – U (IL) = [3; 36];
  • Conjunto dos termos linguísticos – T (IL) {noite, intermediário, dia};
  • Função de pertinência – forma: linear decrescente; triangular; linear crescente.

A variável de saída é o índice de desempenho energético definido como:

  • Símbolo IDE;
  • Unidade adimensional;
  • Universo de Discurso – U (FV) = [0,79; 1];
  • Conjunto dos termos linguísticos – T (IDE) {baixíssimo baixo, médio, alto, altíssimo};
  • Função de pertinência Forma: linear decrescente; triangular; triangular; triangular; linear crescente.

Resultados e análise

Na aplicação do índice de desempenho energético, foram observadas peculiaridades na iluminação pública, no que se refere aos procedimentos operacionais e também nos indicadores e no índice. O seu emprego propicia o uso eficiente e racional do uso de energia elétrica. A utilização da inferência fuzzy permitiu identificar problemas e executar as ações de controle, com base na experiência e perspicácia do operador do sistema de gerenciamento, sem que seja necessário conhecer os valores numéricos das variáveis envolvidas.

A Figura 4 mostra a tela do recurso computacional para a tela de introdução, configuração de dados do Fuzzy Logical Toolbox do MATLAB® do sistema de inferência.


Figura 4 – Tela do recurso computacional Fuzzy Logical Toolbox do MATLAB®.

Aplicando-se o método de “defuzzificação” média dos máximos (M-o-M), obtém-se um valor numérico real discreto, que representa a vari

ável de saída, denominado Índice de Desempenho Energético. A Tabela 1 mostra três diferentes cenários de operação, sendo 1 de operação na fase de implantação e 2 de simulação.

Tabela 1 – Cenários de operação do sistema de iluminação
 
 

Analisando os resultados da Tabela 1, há possibilidade de aumento do desempenho energético, da operação das luminárias na fase de implantação, em relação à simulação. Esse ganho de desempenho pode ser alcançado por meio da dimerização das luminárias em função da luz natural. Essa condição de operação, por dimerização, é observada pelo fator de utilidade e consumo por área que são diferentes nos dois cenários.

Os fatores de potências, nos dois cenários, próximos à unidade, são frutos da eficiência energética, e esses são resultados da utilização da tecnologia Led, baixas perdas e pouca influência de energia reativa.

Os fatores de cargas elevados, nos dois cenários, são consequências da alta racionalidade do uso de energia elétrica, isto é decorrência da excelente distribuição do uso da energia elétrica em relação a demanda.

Conclusão

As medições dos parâmetros elétricos, realizadas pelo sistema de iluminação pública, contribuíram para a obtenção dos indicadores do uso da energia elétrica, apresentados neste trabalho.

O conceito é obter uma modelagem simplificada, baseado em lógica fuzzy, caracterizar o sistema de iluminação, sob o ponto de vista de eficiência e racionalidade energética. Sendo assim, foi desenvolvido um método computacional capaz de inter-relacionar e interpretar diversos indicadores conjuntamente, com a finalidade de gerar um índice de desempenho.

A interpretação deste índice, definido como índice de desempenho energético, apresenta como resultado uma informação qualitativa e quantitativa, que avalia a conservação de energia.

Mais ainda, possibilita ao gestor da iluminação pública usá-lo como instrumento de tomada de decisão para estabelecer metas de melhoramento, permitir comparações com outras instalações, e sempre que possível, buscar analogias, com as que apresentarem melhor desempenho.

Finalmente, pode-se concluir que o sistema de inferência fuzzy é de fácil uso e que poderá colaborar com os gestores de qualquer cidade do país, na melhor utilização da energia elétrica para a iluminação pública e na economia de recursos financeiros.


 

Bibliografia 

1. Eletrobras. Procel iluminação pública . Disponível: http://www.eletrobras.com/elb/main.asp?TeamID=%7BEB94AEA0-B206-43DE-8FBE-6D70F3C44E57%7D Acesso em: 02 out. 2013.

2. FERREIRA, J. Economia e gestão da energia. Lisboa. Disponível em: http://www.jesusferreira-pt.giganet1. yespt.com/ficheiros_artigos /economiae gest%C3%A3od aenergia.pdf 1994.p. 163. Acesso em: 20 jan. 2014.

3. ASSOCIAÇÃO BRASILEIRA DAS EMPRESAS DE SERVIÇOS DE CONSERVAÇÃO DE ENERGIA. O que é eficiência energética? Disponível em: http://www.abesco.com.br/abesc.asp?area=14. Acesso em: 20 jan. 2014.

4. SHAW,I. S.; SIMÕES, G. Controle e modelagem nebulosa. São Paulo: Edgard Blucher, 1999. p. 165.

5. TANSCHEIT, R. Fundamentos de lógica nebulosa e controle nebulosa. Pontifícia Universidade Católica, 2004. 22p. Disponível em: http://tcs.eng.br/PUC/Nebulosa/SI-Logica.ControleNebulosa.pdf. Acesso em: 14 jan. 2014.

6. ZADEH,L. A. Fuzzy Sets. Institute of Electrical and Electronics Engineers. p. 338-353, 1965.

7.MORALES, C. Indicadores de Consumo de Energia Elétrica como Ferramenta de apoio à Gestão: Classificação por Prioridades de Atuação na Universidade de São Paulo, 2007, 114 p. Dissertação (Mestrado). Escola Politécnica da USP.

8. CANEPPELE, F. L. Sistema Fuzzy de Suporte a Decisão para Aplicação de Programa de Eficiência Energética em Serrarias. 2011. 159p. Dissertação (Doutorado) Faculdade de Ciências Agronômicas de Botucatu da Universidade do Estado de São Paulo, UNESP.

9. CREMASCO, C. P; FILHO, L. R. A. G.; CATANEO. A metodologia de determinação de funções de pertinência de controladores Nebulosa para a avaliação energética de empresas de avicultura de postura. Revista Energia na Agricultura. Botucatu, v. 25, n. 1, 2010, p. 21-39. Disponível em: https://www.google.com.br/#q=Botucatu%2C+vol.+25%2C+n.1%2C+2010%2C+p.21-39. Acesso em: 27 jan. 2014.

10. HORTELAN, A. J. Controle e Otimização De Fator De Carga, 2007. Dissertação Graduação),Curso de Engenharia de Controle e Automação. Universidade Federal de Ouro Preto. Disponível em: http://www.em.ufop.br/ cecau/monografias/ 2007/JAIR% 20HORTELAN .pdf. Acesso em: 19 ser. 2015.

11. FADIGAS, E. A.. Anotações de discussões (indicadores de uso de energia elétrica). Escola Politécnica da Universidade de São Paulo,  2015.


*Cesar Augusto Palácio Dantas é mestrando do Programa de Pós-Graduação em Engenharia Elétrica da Escola Politécnica da Universidade de São Paulo. É professor universitário do Centro Universitário Fieo (UNIFIEO) e da Faculdade Sumaré.

Fuad Kassab Junior é pesquisador, orientador e professor do Programa de Pós-Graduação em Engenharia Elétrica da Escola Politécnica da Universidade de São Paulo.


 

 

·                      MAHJOUB,  B. et al. “Phase Partition of Organic Pollutants Between Coal Tar and Water Under Variable Experimental Conditions”, Water Research,      v. 34, n. 14, p. 3.5513.569, 2000.

·  &nbsp

;      EPA – Environmental Protection Agency. Department of environmental, bureau of air quality control protection, Chapter 151:             Architectural and industrial maintenance. Disponível em: <http://www.epa.gov/region1/topics/air/sips/me/2006_ME_ch151.pdf> Acesso em: 21 nov. 2010.

·         ISO – International Organization for Standard, “ISO 8501-1: Preparation of Steel Substrates before Application of Paints and Related Products – Visual Assessment of Surface Cleanliness – Party 1: Rust Grades and Preparation Grades of uncoated Steel Substrates and of Steel Substrates and of Steel Substrates and Steel substrates after Overall Removal of Previous Coatings”, Geneva: ISO, 2007. 8 p.

·         ISO – International Organization for Standard. “ISO 4628-2: Paints and Varnishes – Evaluation of Degradation of Paint Coating: Designation of Intensity, Quantity and Size of Common Types of Defect, Part 2: Designation of Degree of Blistering”, Switzerland: ISO 2003. 7 p.

·         DIN – Deutsches Institut. “DIN ISO 4628-8: Paints and Varnishes – Evaluation of Degradation of Coatings – Designation of Quantity and Size of Defects, and of Intensity of Uniform Changes in Appearance – Part 8: Assessment of Degree of Delimitation and Corrosion Around a Scribe. Berlin: DIN, 2008. 11 p.

ASTM – American Society for Testing and Materials, “G8-96: Standard Test Methods for Coating Disbonding of Pipeline Coatings”, Pennsylvania: ASTM, 2011. 9 p.


 [1]

Comentários

Deixa uma mensagem

%d blogueiros gostam disto: