Avaliação econômica de diferentes tecnologias fotovoltaicas com banco de baterias

jun, 2017

A geração fotovoltaica tem um grande potencial de crescimento nos próximos anos. No Brasil, sistemas solares fotovoltaicos tornaram-se uma opção interessante devido à combinação das altas tarifas residenciais de energia elétrica, à grande disponibilidade de recursos de radiação solar (mais de 1.500 para cerca de 2.200 kWh/m²/ano) e à redução internacional dos preços de módulos solares. O território brasileiro recebe elevados índices de irradiação solar, quando comparado com países europeus, em que a tecnologia fotovoltaica é disseminada para a produção de energia elétrica.

Conforme o Banco de Informação de Geração da Agência Nacional de Energia Elétrica (Aneel), há 38 empreendimentos fotovoltaicos no Brasil, que somam uma potência de 22,933 MW, representando apenas 0,02% do total de geração no país. Porém, há 66 empreendimentos de centrais geradoras solares fotovoltaicas em construção, totalizando uma potência de 1881,645 MW. Isto significa que em poucos anos haverá um aumento de 82 vezes o valor da geração de energia elétrica a partir da fonte solar fotovoltaica.

Esta tendência de crescimento é, principalmente, consequência da resolução normativa 482 publicada em abril de 2012 pela Aneel, a qual estabelece as condições gerais para o acesso de micro e minigeração distribuídas aos sistemas de distribuição de energia elétrica, além de definir o sistema de compensação de energia elétrica. A resolução 482 criou um sistema de créditos de energia, em que, para cada kW/h gerado e disponibilizado na rede, gera-se 1 kW/h de crédito para o consumidor, que é descontado de seu consumo em sua próxima fatura de energia. Assim, o consumidor fica com créditos que podem ser utilizados para diminuir a fatura dos meses seguintes.

Estes créditos também podem ser usados para abater o consumo de unidades consumidoras do mesmo titular situadas em um outro local, desde que seja na área de atendimento de uma mesma distribuidora. Esse tipo de utilização de créditos foi denominado “autoconsumo remoto”. O consumidor paga impostos sobre o total da energia utilizada da rede elétrica, sendo que o ICMS é opcional para cada estado e o PIS e Cofins obrigatórios em todo o território brasileiro. Em novembro de 2015, foi publicada a Resolução Normativa nº 687, que altera a Resolução Normativa nº 482, de 17 de abril de 2012, e os Módulos 1 e 3 dos Procedimentos de Distribuição (Prodist).

Conforme estudos realizados por [7], a tecnologia fotovoltaica com base em silício representou cerca de 92% da produção total em 2014. A quota da tecnologia policristalina é cerca de 56% da produção total. Em 2014, a participação de todas as tecnologias de filme fino do mercado elevou-se a cerca de 9% da produção anual total. Segundo [8], as células solares tradicionais são feitas a partir de silício, sob a forma de módulo plano e, geralmente, são as mais eficientes, no caso, as de silício policristalino (poli-Si) e monocristalino (mono-Si). As células solares de segunda geração são chamadas de células solares de película fina, pois são feitas de silício amorfo (a-Si) ou materiais que não sejam silício, tais como telureto de cádmio (CdTe). Tais células usam apenas camadas de micrômetros de espessura demateriais condutores e, devido à sua flexibilidade, podem funcionar como telhas do telhado, fachadas de edifícios, entre outras aplicações. A Tabela 1 exibe um resumo da eficiência das tecnologias de células solares mais utilizadas comercialmente, de acordo com um estudo publicado na 47ª edição do Journal “Progresso em energia fotovoltaica: pesquisa e aplicações” (Progress in photovoltaics: Research and Applications). A Tabela 1 mostra as eficiências da tecnologias fotovoltaicas.

Este trabalho tem como objetivo relatar a análise econômica de diferentes tecnologias fotovoltaica utilizando banco de baterias. Para isso foram utilizados dados reais de medição de irradiância e de geração de energia elétrica (uma semana de agosto) a partir das quatro tecnologias de módulos fotovoltaicos: o silício policristalino, o monocristalino, o silício amorfo e o telureto de cadmio do sistemaSmart Integration da CPFL. Com os dados de irradiância e geração, é necessário realizar a identificação para cada tecnologia a fim de efetuar previsão de geração. A simulação do fluxo de consumo da carga e injeção de energia na rede através de um controlador para as baterias é efetuada a partir dos dados de geração e consumo da carga. Com os dados de consumo e injeção de energia, é justificável calcular o payback para cada sistema fotovoltaico em conformidade com a resolução normativa 687. O objetivo da análise econômica é analisar os valores de payback a fim de descobrir qual tecnologia fotovoltaica tem o menor payback.

Desenvolvimento

Sistema Smart Integration

Os sistemas fotovoltaicos analisados neste trabalho consistem em cinco tecnologias diferentes de módulos, cada um com uma potência instalada de, aproximadamente, 15 kWp. O conjunto destes sistemas é chamado de Smart Integration e está localizado na cidade de Campinas (SP), de propriedade da CPFL Energia. Este sistema é resultado do projeto P&D da Aneel “DE0045 – Inserção técnico-comercial de geração solar fotovoltaica na rede da CPFL – Diversificando a matriz energética brasileira”. Os Institutos Lactec e a CPFL Energia trabalharam em parceria com o objetivo de desenvolver resultados e análises das medições da qualidade de energia elétrica (QEE). A Figura 1 mostra o diagrama trifilar do sistema Smart Integration. Para avaliar os impactos dos sistemas fotovoltaicos na rede de distribuição foi realizada uma campanha de medição de 11 dias no mês de agosto de 2015. As campanhas de monitoração foram realizadas com equipamento Classe A, segundo a IEC 61000-4-30.

Identificação dos sistemas fotovoltaicos

O estudo de caso analisado nesta seção considera as quatro tecnologias diferentes de geração solar fotovoltaica. Para comparar tais tecnologias, foram realizadas medições da potência ativa trifásica gerada (kW) em função da irradiância solar incidente (W/m²) nos painéis fotovoltaicos (PV) no dia 17 a 23 de agosto de 2015. O valor da irradiância que incide sobre os módulos fotovoltaicos é considerado o mesmo para todas as tecnologias. Os valores de geração de energia elétrica mudam conforme a tecnologia, os valores máximos para esta semana de agosto foram: aSi = 11,01 kW, CdTe =

11,65 kW, monoSi = 11,81 kW e poliSi = 11,14 kW. Para identificar o modelo de cada tecnologia, foram utilizadas 168 amostras de energia gerada, coletadas durante a semana do mês de agosto de 2015 (1 amostra por hora, totalizando

24h por dia em 7 dias semana). Durante todo o ano, foi medida a irradiância nos painéis fotovoltaicos. Com os dados de irradiância e de geração foi obtido o Gráfico 1 para obter uma ideia da relação entre as duas variáveis, irradiância e potência. Através deste gráfico de dispersão concluiu-se que uma regressão linear seria suficiente para representar a relação entre as variáveis.

Gráfico 1 – Relação da irradiância pela potência trifásica do sistema silício monocristalino

Para calcular quanto cada tecnologia irá gerar nos outros meses do ano, as medições realizadas no mês de agosto foram utilizadas como base para encontrar um modelo matemático que descreve (de forma suficientemente precisa) a relação entre a da potência ativa trifásica gerada e a irradiância solar incidente nos painéis fotovoltaicos. Através do Gráfico 2 de dispersão foi concluído que a regressão linear seria o método utilizado. Para estimar um modelo matemático (um modelo para cada tecnologia) capaz de descrever o comportamento de geração de potência ativa trifásica em função da irradiância solar nos painéis, utilizou-se, neste trabalho, a classe de modelos matemáticos de resposta finita ao impulso (ou FIR, do inglês, Finite Impulse Response). Tais modelos possuem uma estrutura genérica conforme a equação 1:

Em que:

y(t) e u(t) denotam a saída estimada e a entrada medida no instante de tempo (amostra) atual. Analogamente, u(t-1), …, u(t – nb) denotam a entrada medida nos instantes de tempo (amostras) anteriores. Para esta classe de modelos, o objetivo é então estimar o conjunto de coeficientes b0, bnb de tal forma que a saída medida do sistema (no caso, a potência ativa trifásica gerada) possa ser estimada a partir de sua entrada (no caso, a irradiância incidente nos painéis). Neste trabalho, adota-se nb=1 e estimam-se, então, os coeficientes b0 e b1 pelo método dos mínimos quadrados linear.

A Tabela 2 mostra os coeficientes do modelo FIR obtidos para cada tecnologia de geração solar. Vale ressaltar que tais coeficientes foram estimados utilizando-se apenas as 100 primeiras amostras das 168 da semana de agosto. As 68 amostras restantes foram usadas para validar os modelos recém-estimados. A Tabela 2 também mostra o índice de desempenho R² (coeficiente de determinação) calculado nesta etapa de validação.

Como pode ser observado, todos os modelos apresentam na validação R² > 0,9. Isto significa que tais modelos são capazes de representar de forma suficientemente precisa o comportamento de geração individual de cada tecnologia. A partir dos modelos obtidos, é possível agora realizar uma previsão do comportamento de geração de cada tecnologia para os demais meses do ano. Para tanto, basta fornecer a estes modelos as medições de irradiâncias coletadas nestes meses.

Perfil de carga

Os valores para o perfil de carga foram utilizados de um alimentador típico residencial. Três perfis de carga foram adotados para cada mês do ano. Para os dias da semana (dia útil), o mesmo perfil de segunda a sexta foi usado, e para os sábados e domingos perfis de carga distintos foram utilizados. A demanda de energia nos dias úteis foi considerada 200 kWh, para os sábados 170 kWh e para os domingos 148 kWh. O perfil de carga para o mês de janeiro pode ser visto no Gráfico 4.

Algoritmo e controlador Fuzzy

Com os valores conhecidos de geração, consumo da carga e carga inicial da bateria, o gerenciamento do banco de baterias (sistema de armazenamento) foi simulado por hora nos 365 dias do ano de 2015 através de um algoritmo.

Dentro deste algoritmo, um controlador fuzzy foi utilizado. O algoritmo e o controlador fuzzy foram modelados no MATLAB. A lógica do controlado fuzzy pode ser vista na Figura 2.

Figura 2 – Lógica do controlador fuzzy que gerencia o banco de baterias.

O controlador do sistema de armazenamento utilizado funciona a partir da concepção de conjuntos nebulosos. Este controlador Fuzzy opera por meio do modelo clássico Mamdani [14]. A variável linguística potência SPV, a demanda da carga, a hora, o estado da bateria e o fluxo de potência DC são conjuntos que fazem parte dos valores numéricos das entradas do controlador. As quatro primeiras variáveis linguísticas são conjuntos de entrada e o fluxo de potência DC é o único conjunto de saída. O controlador contém uma base de regras com 135 regras do tipo “Se” <premissa>,

“Então” <conclusão>, mapeando todas as possíveis combinações entre os termos primários. No caso de uma regra, como ter mais de uma premissa, o operador de conjunção é utilizado. Pelo fato de ser um controlador clássico, o método escolhido para interface de “Desfuzificação” foi o do centro da área. O banco de baterias foi modelado com base em [16] e tem uma capacidade de 63,36 kWh. O Gráfico 3 mostra as baterias carregando e descarregando a partir do dia 1° de janeiro (quinta-feira) ao dia 7 de janeiro (quarta-feira), mostrando, assim, a operação das baterias nos dias úteis, nos sábados e domingos.

Resultados

O algoritmo proposto simula a energia consumida pela carga e a energia injetada na rede elétrica através dos valores de geração (previstos), da demanda da carga, da distribuição horária, e do estado da bateria para todo o ano de 2015.

Com a quantidade de energia consumida e injetada, a fatura de energia foi calculada conforme o sistema de Net Metering da RN 687. Os preços do kWh usados com e sem imposto foram R$ 0,76683 e R$ 0,49231, respectivamente. Quatro simulações foram realizadas, uma para cada tecnologia. O Gráfico 4 mostra os valores de consumo de energia da carga com e sem as tecnologias fotovoltaicas.

O valor total do consumo de energia da carga sem nenhum sistema fotovoltaico no ano 2015 foi igual a 65.459,20 kWh. O valor total da energia consumida pela carga com as tecnologias aSi, monoSi, poliSi e CdTe foi respectivamente: 44.206 kWh, 42.688,90 kWh, 43.629 kWh e 43.000 kWh. O sistema com banco de baterias, controlado pela lógica fuzzy, e a tecnologia monoSi apresentou o menor valor de consumo de energia demandado pela carga. Em contrapartida, a tecnologia de filme fino aSi apresentou o maior valor de consumo de energia pela carga no ano de 2015.

O Gráfico 5 demostra os valores de energia elétrica injetada na rede por cada tecnologia fotovoltaica.

Através do Gráfico 6 é possível verificar que o mês de janeiro teve a maior quantidade de energia injetada na rede em todas as tecnologias no ano inteiro. Em compensação, o mês de julho foi o que teve a menor quantidade de energia injetada na rede elétrica em todas as tecnologias no ano de 2015. Os valores da energia injetados no ano de 2015 com a tecnologia aSi, monoSi, poliSi e CdTe foram, respectivamente: 1.815,5 kWh, 2.958,17 kWh, 2.249,61 kWh e 2.751,88 kWh.

O sistema com a tecnologia monoSi apresentou o maior valor de energia injetado na rede no ano, ao contrário do silício amorfo, que obteve o menor valor. O Gráfico 6 aponta os valores da conta de energia elétrica de cada mês no ano da carga e com a operação das quatro tecnologias fotovoltaicas.

O Gráfico 6 mostra o impacto financeiro em 2015 pelos sistemas fotovoltaicos com o banco de baterias controlados por fuzzy. O consumo apenas da carga no ano inteiro foi de R$ 50.196,08. Os preços da fatura de energia no ano de 2015 com geração distribuída (GD) com as tecnologias aSi, monoSi, poliSi e CdTe foram, respectivamente: R$ 33.004,70, R$ 31.278,79, R$32.348,67 e R$ 31.619,14. Com a geração distribuída, a fatura de energia chega a ser, no mínimo, 35% menor do que a fatura da carga. A tecnologia com banco de baterias que apresentou o menor valor da fatura de energia foi a de silício monocristalino, com 38% de redução na fatura da carga. A Tabela 3 mostra os preços dos equipamentos das plantas fotovoltaicas de 15 kWp conectadas ao sistema Smart Integration. A Tabela 4 mostra os preços do sistema de baterias com os controladores de carga.

Conclusões

O objetivo deste trabalho foi realizar uma análise econômica de quatro tecnologias de módulos fotovoltaicos do sistema Smart Integration. Para realizar esta análise foi necessário, primeiramente, identificar o modelo para cada tecnologia fotovoltaica. Para tal identificação, o modelo FIR foi usado com o índice R² para analisar o desempenho.

Este índice apresentou resultados maiores que 0,97 para todas as tecnologias (Tabela 2), o que significa uma boa adequação do modelo para aplicação prática. Em seguida, os perfis de carga e as demandas dos dias úteis, sábados e domingos foram determinados. Com dados de geração e demanda, um banco de baterias foi dimensionado, o qual foi controlado pela lógica fuzzy. Este sistema de controle operou para todos os meses de 2015 e com, no máximo, 16% de profundidade de descarga (10,56 kWh), portanto, não impactando de forma negativa na vida útil das baterias. O ciclo de carga das baterias por hora foi, no máximo, 2% da capacidade total, não comprometendo também a vida útil destes. Por último, o cálculo do payback para cada tecnologia foi efetuado como mostra os dados das Tabelas 3 e 4 e do Gráfico 6. Para realizar este cálculo, os valores da fatura de energia para cada tecnologia em 2015 como padrão fora adotado um custo de 5% da fatura de energia ao ano para manutenção e operação de cada sistema fotovoltaico. Com estes dados, os valores do payback para as tecnologias foram: aSi = 8,89 anos, monoSi = 8,25 anos, poliSi = 8,87 anos e CdTe = 8,43 anos.

As diferenças do retorno do investimento nas tecnologias foram de poucos meses. A tecnologia de silício monocristalino teve o melhor payback, seguida da tecnologia filme fino de telureto de cádmio. Na sequência, a tecnologia do silício policristalino mostrou-se eficiente e, por último, a do silício amorfo. Cabe ressaltar a importância de se realizar estudos como estes, pelo fato de a geração distribuída com base solar fotovoltaica ser intermitente. A utilização de sistemas de armazenamento na geração distribuída possibilita a mitigação de impactos na rede de distribuição. Estes resultados são referentes aos modelos propostos, por isso, é de extrema relevância a continuidade de medições e pesquisas para confirmar resultados.


Referências

[1] Centro de Pesquisas de Energia Elétrica (CEPEL). Centro de Referência para Energia Solar e Eólica Sérgio Brito (CRESESB). Manual de Engenharia para Sistemas Fotovoltaicos. 2014.

[2] PINHEIRO, E. ; NASCIMENTO, L. R. ; DESCHAMPS, E. M. ; MONTENEGRO, A. DE A. ; LACCHINI, C. ; RÜTHER, RICARDO. Avaliação do potencial da geração fotovoltaica em diferentes condições climáticas na matriz elétrica brasileira. In: V Congresso Brasileiro de Energia Solar – V CBENS, 2014,

[3] SACRAMENTO, Elissandro Monteiro do. CARVALHO, Paulo C. M.. ARAÚJO, José Carlos de. RIFFEL, Douglas Bressan. CORRÊA, Ronne Michel da Cruz. NETO, José Sigefredo Pinheiro. “Scenarios for use of floating photovoltaic plants in Brazilian reservoirs”. IET Renewable Power Generation, p. 1019-1024. 2015.

[4] RÜTHER,R.; PEREIRA,E. B.; MARTINS, F. R.; ABREU, S. L. “Atlas Brasileiro de Energia Solar”, 1ª Ed, 2006.

[5] Agência Nacional de Energia Elétrica (ANEEL). Banco de Informação de Geração (BIG). 2016.

[6] Agência Nacional de Energia Elétrica (ANEEL). Resolução Normativa 687. 2016.

[7] Fraunhofer-Institut für Solare Energiesysteme (Fraunhofer ISE). Tecnologias de módulos fotovoltaicos. 2014.

[8] National Renewable Energy Laboratory (NREL). Energia solar fotovoltaica.

[9] Green et al.: Solar Cell Efficiency Tables, (Version 47), Progress in Photovoltaics: Research and Applications. 2016. Graph: PSE AG 2016.

[10] IEC 61000-4-30. Electromagnetic compatibility (EMC) – Part 4-30: Testing and measurement techniques- Power quality measurement methods. 2008.

[11] Ljung, Lennart. System Identification: Theory for the User. 2ª Ed, Prentice Hall, 1999.

[12] Martins, Gilberto de Andrade. Estatística Geral e Aplicada. 2ª Ed, Atlas S.A., 2002.

[13] Zadeh, Lotfali Askar . “Fuzzy Sets,” Inf. Control, vol. 8, pp. 338–353, 1965.

[14] Sandri, Sandra; Correa, Claudio. “Logica Nebulosa”, V Esc. Redes Neurais, Promoção Cons. Nac. Redes Neurais, vol. 5, pp. 73–90, 1999

[15] Zadeh, , Lotfali Askar. “The concept of a linguistic variable and its application to approximate reasoning—I,”Inf. Sci. (Ny)., vol. 8, pp. 199–249, 1975.

[16] Associação Brasileira de Normas Técnicas, Sistemas fotovoltaicos- Banco de baterias- Dimensionamento. 1999, p.10.

Comentários

Deixa uma mensagem

%d blogueiros gostam disto: