Neste capítulo as considerações finais são tratadas, oriundas das pesquisas bibliográficas, entrevistas realizadas com o corpo técnico, incluindo engenheiros e técnicos da Divisão Especial de Eletricidade na Prefeitura Universitária, pesquisa documental e análise de dados, aplicação de técnicas estatísticas associadas à construção de modelos que fizeram parte do caminho perseguido para responder ao problema de pesquisa proposto inicialmente.
A utilização da técnica de Regressão Linear Múltipla possibilitou a elaboração de uma estimativa satisfatória da DMP mensal de uma IES, a partir de uma variável criada nesta dissertação denominada de DLGXAGA1N (produto entre a quantidade de alunos matriculados nos cursos noturnos e da quantidade de dias letivos dos cursos de Graduação) e de variáveis dummy referentes a anos e meses.
O modelo desenvolvido, a partir dos dados de janeiro de 2008 a dezembro de 2013, e intitulado M10.6 apresentou o coeficiente de determinação R2 de 0,8947, sendo verificado através do teste F que o conjunto dos coeficientes eram representativos para o modelo, assim como foi observado pelo o teste t que os coeficientes individuais eram significantes. Ao final foram discutidos os pressupostos aguardados do modelo, sendo satisfatória a avaliação.
O uso do modelo possibilitaria algumas vantagens, tais como: a tentativa do reconhecimento por parte da distribuidora de energia elétrica da Sazonalidade presente no comportamento da DMP da IES onde foi realizada esta dissertação; a estimação da DMP de forma que pudessem existir valores de referência mensais em detrimento de valores fixos (como é o caso atualmente) e a possibilidade da Gestão de Energia Elétrica da IES ter condições de verificar se a DMP ocorrida em determinado mês ficou conforme o esperado.
O fato de a distribuidora de energia elétrica reconhecer a Sazonalidade de um consumidor influencia o faturamento de energia elétrica mensal, uma vez que o valor de contratação do Montante de Uso do Sistema de Distribuição –(MUSD) deixa de ser único para todo o ano. O que gera muitas vezes valores altos, resultando num problema para a IES, como por exemplo na época de férias, onde a DMP tem uma redução considerável e consequentemente vai haver um alto valor associado à DMP
contratada e não utilizada, como foi o caso de janeiro de 2015, onde este valor foi maior do que R$ 65.000,00 (sessenta e cinco mil Reais).
A Sazonalidade sendo reconhecida pela distribuidora permite que a unidade consumidora contrate o serviço segundo um cronograma mensal. Neste ponto surge um novo dilema, pois há de se ter uma estimativa de quanto será a DMP de cada mês num ano.
Existem inúmeros trabalhos a respeito de estimação de variáveis relacionadas ao uso de energia, porém em muitos casos essas estimativas não consideram todo campus universitário, reduzindo-se a um prédio do campus, por exemplo, ou ainda se respaldam em técnicas bem mais complexas de estimação. Nesta dissertação foi considerado todo um Campus Universitário e utilizada a técnica de Regressão Linear Múltipla, bastante utilizada no propósito de estimar variáveis como a demanda de energia elétrica a partir de variáveis causais como o caso da quantidade de alunos de graduação matriculados em cursos noturnos, desde que sejam tomados cuidados como a verificação de que a variável seja estacionária – o que foi realizado nesta dissertação.
O modelo M10.6 também possibilitou um exemplo de como poderia ser uma estimativa da DMP, e considerando que houve um treinamento com dados de janeiro de 2008 a dezembro de 2013, e que foi possível estimar para o ano de 2014 valores que se tivessem sido utilizados para faturar as contas de energia entre julho e dezembro de 2014 proporcionariam uma economia de 36 a 57%, conforme os exemplos apresentados.
A partir do momento em que existe uma estimativa que surgiu de um modelo , a execução de um gráfico de controle, onde valores de limites superiores e inferiores são utilizados, poderá auxiliar na Gestão de Energia Elétrica por parte da equipe responsável, que até o momento só dispunha como referência um valor fixo para todo o ano e, após a execução deste modelo, existem valores de referência adequados por mês.
Além do modelo citado anteriormente foi elaborado um outro modelo chamado de MED, desta feita, sendo treinado a partir de janeiro de 2008 até dezembro de 2014, objetivando estimar os valores relacionados a 2015. Neste caso o R2 ajustado calculado foi da ordem de 0,8485, sendo realizado inclusive gráficos de controle para o ano de 2015 e relatado quanto seria a economia realizada em
relação ao que foi pago entre janeiro e maio de 2015, que chegaria a ser da ordem de 45% em relação ao valor pago com base no MUSD fixo.
Há de se ressaltar o estudo a respeito da correlação entre a variável dependente DMP e as candidatas a variáveis independentes relacionadas aos usuários, eventos ocorridos e ao Clima. Praticamente 40(quarenta) variáveis passaram por testes de linearidade, estacionaridade e normalidade. O que gerou inclusive necessidade de transformações.
Foi identificado que as variáveis que possuem correlação forte com a DMP mensal são as relacionadas à quantidade de alunos de graduação, ficando os coeficientes de correlação entre 0,8 e 0,9. Já a Temperatura Mínima Média Mensal apresentou um coeficiente de 0,4 e foi classificada como sendo de correlação fraca.
Porém esta variável foi bastante destacada nas entrevistas realizadas com o corpo técnico da Divisão de Eletricidade, sendo apontada como uma das principais causas da redução de DMP nos meses de julho a agosto. A Hipótese levantada é a de que nos meses mais frios os usuários têm menor pretensão de utilizar os equipamentos de ar-condicionado, assim como pelo fato de que os equipamentos citados “trabalham” menos nesta época, pois se o clima estiver frio haveria menor necessidade de trabalho por parte do equipamento.
Como esta dissertação está voltada para uma IES, ela também poderá servir para Instituições similares que busquem alguma redução de custos relacionados à tarifação de demanda de energia que foi contratada e não utilizada e/ou demanda que ultrapassa a contratada, assim como aumentar o controle dos valores de demanda mensal.
Sendo que, para realizar estimativas nessas IESs, a princípio elas poderiam
testar com a variável criada e denominada DLGXAGA1N, bastando dispor dados mensais da quantidade de dias letivos e da quantidade de alunos de graduação matriculados em cursos noturnos (caso o interesse se volte para o horário de ponta, ou seja, horário noturno), posteriormente seria efetuado a pesquisa documental desses dados e obviamente dos dados de DMP(kW), de modo semelhante à verificação que aqui foi realizada.
Da mesma forma que este trabalho realizou a estimativa de Demanda Máxima de Potência no horário de Ponta, a mesma técnica pode ser utilizada para o horário Fora de Ponta.
Mas falar de estimar valores de DMP também se relaciona com Eficiência Energética, na medida em que, existindo uma estimativa confiável de quanto o usuário vai necessitar por mês, os responsáveis pela distribuição e geração de energia poderão se programar melhor, por vezes identificando inclusive uma menor necessidade de geração, que por sinal quase sempre está associada a consequências sócio-ambientais negativas.
Enfim, espera-se que os resultados, análises, discussões e conclusões desta dissertação sejam úteis para apoio à Gestão de Energia Elétrica em relação às possibilidades de redução de custo e controle sobre o uso da energia – recurso insubstituível para qualquer sistema de produção, inclusive aos que prestam o serviço do ensino como é o caso da IES onde foi feita esta dissertação.