Kültürel İstihdam

respectivamente de R$ 1,28 e 1,91/Wh. O maior custo da segunda é compensado por sua maior vida útil, 5,47 anos, contra 3,15 da primeira. O aerogerador é o que apresenta menor custo por potência nominal entre as marcas/modelos disponíveis, R$ 5.600,00/kW. Nota-se que mesmo o custo por kW dos módulos sendo inferior ao do aerogerador, a maior capacidade eólica do sistema justifica-se em função do melhor potencial eólico registrado.

3.4.2. Resultados das Simulações com SA Caso 1

Esta simulação utiliza os dados das curvas Solar 1, Eólico 1 e Carga 1, as mesmas utilizadas na simulação do caso 1 com AG. Os dados característicos do SA são apresentados na Tabela 3.8. Assim como nas simulações com o AG, estes dados apresentaram os melhores resultados para o algoritmo, sendo definidos após diversas simulações com diferentes configurações, variando-se dados como a temperatura inicial, a função de decaimento da temperatura e o critério de parada.

Tabela 3.8. Dados do SA para o caso 1.

Função de avaliação Boltzmann annealing

Temperatura inicial 400 ºC

Função de decaimento da temperatura Linear

Faixa inicial Ver Tabela 3.5

Solução inicial Ver Tabela 3.9

Critério de parada Número de iterações

Número máximo de iterações 3.000 Fonte: Elaboração própria.

Tabela 3.9. Solução inicial para o SA, caso 1.

NFV Tipo FV NBAT Tipo BAT NAERO Tipo AERO Tipo GG Tipo INV

0 0 1 0 0 0 24 0

Fonte: Elaboração própria.

O algoritmo inicia no tipo 25 (24 + 1) de grupo gerador, o de maior porte, para que a primeira solução seja sempre viável. Simulações com cargas médias de 20 kW, por exemplo, se iniciadas com grupos geradores da faixa de 1 kW, resultariam em soluções inviáveis, com consequente menor probabilidade do algoritmo encontrar o valor ótimo. O grupo gerador de tipo 25 tem capacidade de 124 kW, capaz de atender praticamente todas as comunidades de pequeno e médio portes, alvos principais deste trabalho. Caso seja necessário o atendimento de cargas de maiores capacidades de potência, outros grupos geradores devem ser adicionados ao arquivo de entrada. Este ponto inicial é um requisito do SA, e a solução apresentada na Tabela 3.9 é apenas indicativa, podendo ser alterada facilmente a cada execução, de acordo com a necessidade do usuário.

Os resultados da simulação indicam que a melhor configuração do sistema, apresentada na Tabela 3.10, resulta em um custo de energia de R$ 1,3249/kWh. O algoritmo apresentou o resultado após 45 minutos e 04 segundos. A Figura 3.19 apresenta o gráfico de evolução do melhor resultado da função objetivo (gráfico superior), e a melhor configuração para o sistema (gráfico inferior).

Tabela 3.10. Configuração do sistema que resultou no menor custo de energia para o SA, caso 1. Subsistema FV Eólico Banco de baterias Grupo gerador Inversor

Capacidade 14,4 kWp 0 25,9 kWh 24 kW 25 kW

Tipo 20 -- 34 13 13

Figura 3.19. Resultados do SA para o caso 1.

Fonte: Elaboração própria.

Nota-se que o resultado apresentado pelo SA é pior que o obtido pelo AG, para tempos de processamento maiores. Outras simulações, mesmo com números maiores de iterações, não resultaram em melhora considerável no resultado do SA. No entanto, é importante destacar que a configuração proposta pelo SA se assemelha à apresentada pelo AG. A potência FV é levemente reduzida no presente caso, e a capacidade energética do banco de baterias é superior, não só na capacidade total, mas também na capacidade útil, uma vez que a bateria indicada pelo SA é do tipo chumbo-ácido com placas tubulares (OPzS), com profundidade máxima de descarga de 50 %. As marcas/modelos de módulos FV e grupo gerador indicadas pelas duas técnicas são as mesmas. Já o inversor sugerido no presente caso é de 2,5 kW de capacidade, que apesar do custo consideravelmente superior ao indicado pelo AG nos casos 1 e 2, R$ 2.400,00 contra 1.330,00/kW, apresenta maior vida útil (15 anos) que o anterior.

A conclusão de tais resultados, relacionados à diferença entre os custos mínimos de energia apresentados pelo AG e pelo SA é esperada, em função do AG ser uma técnica baseada em populações, com conjuntos de soluções, e o SA ser baseado em trajetórias, com solução única, o que explica a maior dificuldade encontrada pelo SA em fugir de mínimos locais, mesmo com a aceitação de soluções piores, dada a característica particular do problema em questão. Isto pode ser notado no gráfico superior da Figura 3.19, onde observa- se a presença de trechos com valores constantes durante várias iterações consecutivas, o que

0 500 1000 1500 2000 2500 3000 1.2 1.4 1.6 1.8 2 2.2 Iteração F un çã o ob je tiv o (R $/ kW h) Mínimo: R$ 1.3249 / kWh 1 2 3 4 5 6 7 8 0 20 40 60 80 Melhor solução Número de variáveis (8) M el ho r so lu çã o

demonstra que o algoritmo encontrou mínimos locais e teve dificuldade em sair deles. Como os processos de reconfiguração do AG são mais poderosos, como a população composta de diversos indivíduos, e os próprios processos de seleção e mutação, o AG apresenta maior facilidade em escapar de mínimos locais e encontrar soluções ótimas.

Caso 2

Esta simulação utiliza os dados das curvas Solar 2, Eólica 2 e Carga 1, os mesmos considerados na simulação do caso 2 com AG. Os dados característicos do SA são os mesmos aos apresentados nas tabelas 3.8 e 3.9. A melhor configuração do sistema, apresentada na Tabela 3.11, resulta em um custo de energia de R$ 1,3004/kWh. O algoritmo apresentou o resultado após 43 minutos e 59 segundos de processamento. Os gráficos da Figura 3.20 apresentam os resultados da simulação.

Tabela 3.11. Configuração do sistema que resultou no menor custo de energia para o SA, caso 2. Subsistema FV Eólico Banco de baterias Grupo gerador Inversor

Capacidade 13,2 kWp 24 kW 95,4 kWh 24 kW 24 kW

Tipo 20 19 12 13 1

Fonte: Elaboração própria.

Figura 3.20. Resultados do SA para o caso 2.

Fonte: Elaboração própria.

Assim como no caso anterior, a comparação dos resultados obtidos pelo SA e pelo AG para este caso indica o melhor desempenho do AG. Também de forma análoga ao ocorrido no

0 500 1000 1500 2000 2500 3000 1.2 1.3 1.4 1.5 1.6 Iteração F un çã o ob je tiv o (R $/ kW h) Mínimo: R$ 1.3004 / kWh 1 2 3 4 5 6 7 8 0 20 40 60 Melhor solução Número de variáveis (8) M el ho r so lu çã o

caso 1, destaca-se a semelhança nas configurações do sistema propostas pelas duas técnicas. Com exceção do aerogerador, as marcas/modelos dos demais equipamentos foram as mesmas. As capacidades dos sistemas também se assemelham, com uma leve redução na potência FV e eólica na presente simulação, contra um leve aumento na capacidade energética do banco de baterias. Tanto o AG quanto o SA apresentam tendência de maior penetração da fonte eólica no sistema do caso 2, em função do seu maior potencial eólico. Isto indica a boa resposta do algoritmo e que as técnicas de otimização apontam corretamente para a melhor solução do problema, mesmo que umas de forma mais precisa que outras. As capacidades FV e eólica reduzidas na simulação com o SA ajudam a explicar o custo de energia maior obtido com esta técnica, devido a uma maior solicitação do grupo gerador.

Observou-se, em outras simulações, que o SA consegue encontrar soluções otimizadas próximas às obtidas pelo AG, quando se restringe o espaço de busca ou quando se indica previamente possíveis regiões do espaço onde a solução mais viável pode estar situada. Este tipo de solução, que pode ser considerada um pré-dimensionamento do sistema ou uma pré- filtragem dos dados, pode ser obtida através da utilização de técnicas híbridas de otimização, ou através de novas parametrizações da função de avaliação do SA, que, para os casos aqui simulados, é a função de Boltzmann.

3.4.3. Resultados das Simulações Comparando o Algoritmo Proposto com