UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO

DEPARTAMENTO DE SISTEMAS E ENERGIA

VINICIUS CARNELOSSI DA CUNHA

APLICAÇÃO DE SISTEMAS DE ARMAZENAMENTO DE ENERGIA

EM REDES DE DISTRIBUIÇÃO COM ELEVADA PENETRAÇÃO DE

GERAÇÃO FOTOVOLTAICA E VEÍCULOS ELÉTRICOS

CAMPINAS
2017
 UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
DEPARTAMENTO DE SISTEMAS E ENERGIA

VINICIUS CARNELOSSI DA CUNHA

APLICAÇÃO DE SISTEMAS DE ARMAZENAMENTO DE ENERGIA

EM REDES DE DISTRIBUIÇÃO COM ELEVADA PENETRAÇÃO DE

GERAÇÃO FOTOVOLTAICA E VEÍCULOS ELÉTRICOS

Dissertação apresentada à Faculdade de

Engenharia Elétrica e de Computação da
Universidade Estadual de Campinas como
parte dos requisitos exigidos para a obtenção
do título de Mestre em Engenharia Elétrica
na Área de Energia Elétrica.

Orientador: Prof. Dr. Walmir de Freitas Filho

Este exemplar corresponde à versão final da

dissertação defendida pelo aluno Vinicius
Carnelossi da Cunha e orientada pelo Prof.
Dr. Walmir de Freitas Filho.

ASSINATURA DO ORIENTADOR

CAMPINAS
2017
 Agência(s) de fomento e nº(s) de processo(s): CNPq, 159681/2015-4; CNPq,
134120/2017-5; ELAP.
ORCID: http://orcid.org/0000-0002-8482-6736

Ficha catalográfica
Universidade Estadual de Campinas
Biblioteca da Área de Engenharia e Arquitetura
Luciana Pietrosanto Milla - CRB 8/8129

Cunha, Vinicius Carnelossi da, 1991-

C914a CunAplicação de sistemas de armazenamento de energia em redes de
distribuição com elevada penetração de geração fotovoltaica e veículos
elétricos / Vinicius Carnelossi da Cunha. – Campinas, SP : [s.n.], 2017.

CunOrientador: Walmir de Freitas Filho.

CunDissertação (mestrado) – Universidade Estadual de Campinas, Faculdade
de Engenharia Elétrica e de Computação.

Cun1. Geração de energia fotovoltaica. 2. Veículos elétricos. 3. Monte Carlo,

Método de. 4. Sistema de energia elétrica - Distribuição. 5. Energia -
Armazenamento. I. Freitas Filho, Walmir de,1971-. II. Universidade Estadual de
Campinas. Faculdade de Engenharia Elétrica e de Computação. III. Título.

Informações para Biblioteca Digital

Título em outro idioma: Application of energy storage systems in distribution networks with
high penetration of photovoltaic generation and electric vehicles
Palavras-chave em inglês:
Photovoltaic power generation
Electric vehicles
Monte Carlo method
Electric power systems
Energy Storage
Área de concentração: Energia Elétrica
Titulação: Mestre em Engenharia Elétrica
Banca examinadora:
Walmir de Freitas Filho [Orientador]
Maurício Barbosa de Camargo Salles
Luiz Carlos Pereira da Silva
Data de defesa: 28-07-2017
Programa de Pós-Graduação: Engenharia Elétrica

Powered by TCPDF (www.tcpdf.org)

 COMISSÃO JULGADORA – DISSERTAÇÃO DE
MESTRADO

Candidato: Vinicius Carnelossi da Cunha RA: 180548

Data da Defesa: 28 de julho de 2017

Título da Dissertação: “Aplicação de sistemas de armazenamento de energia em redes de

distribuição com elevada penetração de geração fotovoltaica e veículos elétricos”.

Prof. Dr. Walmir de Freitas Filho (Presidente, FEEC/UNICAMP)

Prof. Dr. Maurício Barbosa de Camargo Salles (PEA/USP)

Prof. Dr. Luiz Carlos Pereira da Silva (FEEC/UNICAMP)

A ata de defesa, com as respectivas assinaturas dos membros da Comissão Julgadora, encontra-
se no processo de vida acadêmica do aluno.
DEDICATÓRIA

Dedico este trabalho aos meus tios, Marli Carnelossi

da Silva e José Carlos da Silva, os quais me apoiaram
incondicionalmente ao longo deste mestrado e,
igualmente, de minha vida. Que neste trabalho
permaneça meu eterno muito obrigado.
 AGRADECIMENTOS

Aos meus pais, Marisa e Alberto, as oportunidades que me ofereceram para que eu
pudesse alcançar meus sonhos e todo carinho e amor oferecido por eles;

Ao meu orientador, prof. Walmir de Freitas Filho, a oportunidade de integrar seu grupo
de pesquisa, assim como as orientações, conselhos e bons momentos;

Ao prof. Bala Venkatesh a oportunidade de intercambiar por seis meses na Ryerson

University;

À Luciana o companheirismo, amor e partilha de sonhos e objetivos;

A todos amigos do LE-41, especialmente ao Tiago, o auxílio com esta dissertação, ao

Ricardo e à Barbara, os bons e frios momentos em Toronto e ao Yuri, ao Thiago e ao Tiago os
momentos de descontração.

Aos meus amigos de graduação e aos amigos de Catanduva;

A todos os professores que contribuíram com meu aprendizado;

Ao CNPq, o apoio financeiro através dos processos 159681/2015-4 e CNPq -

134120/2017-5;

Ao governo do Canadá, o apoio financeiro através do programa Emerging Leaders in the

Americas Program (ELAP);

À CPFL Energia, a colaboração ao longo do desenvolvimento desta dissertação de

mestrado via os projetos de P&D ANEEL “Aplicação Massiva de Geração Distribuída Solar
em Diferentes Tipologias de Telhados na Cidade de Campinas” (PD-0063-3012/2014) e
“Inserção técnico-comercial para implementação, desenvolvimento e análise de aplicações de
tecnologias de armazenamento de energia na operação de redes de distribuição da CPFL” (PD-
02937-3018/2016).
 RESUMO

A modernização dos sistemas de distribuição de energia elétrica e a redução dos custos

associados aos sistemas de armazenamento de energia tem impulsionado a adoção destes equipamentos
como forma de aumentar a flexibilidade de operação das redes de distribuição, com potencial para
modificar um tradicional paradigma dos sistemas elétricos de potência: a geração instantânea de energia
deve-se equiparar ao consumo. Tendo em vista que a crescente inserção nas redes de distribuição de
tecnologias emergentes, tais como geradores fotovoltaicos e veículos elétricos, torna ainda mais
desafiadora a tarefa de equilibrar geração e consumo, os sistemas de armazenamento de energia atraem
o interesse de concessionárias devido à flexibilidade que estes equipamentos propiciam à operação dos
modernos sistemas de distribuição. Considerando este cenário, a presente dissertação propõe-se a
investigar os possíveis benefícios para as concessionárias de distribuição de energia elétrica referentes
à instalação de sistemas de armazenamento de energia ao longo das redes de distribuição. Para tanto,
avaliaram-se dois potenciais casos de aplicações destes sistemas, sendo estes: sistemas de
armazenamentos de energia controlados pelos consumidores e sistemas de armazenamentos de energia
controlados pela concessionária. Para o primeiro caso, avaliam-se os benefícios indiretos que a
concessionária teria em caso de os consumidores que possuíssem tecnologias renováveis adotassem
também os sistemas de armazenamento de energia para deslocamento do pico de demanda motivados
pela tarifa horossazonal. Já para o segundo caso, desenvolveram-se duas estratégias de controle para
sistemas de armazenamento controlados pelas concessionárias, sendo estes alocados nos
transformadores de média/baixa tensão. Estas estratégias de controle visam à operação do sistema de
armazenamento para redução do pico de demanda e melhora do fator de carga do transformador além
de permitir o aumento de potência máxima de geração fotovoltaica nos consumidores sem que houvesse
violações dos limites operacionais impostos por regulação. A principal vantagem das estratégias
propostas consiste na desnecessidade de previsão de carregamento do transformador, o que evita
investimentos em infraestrutura para coleta de dados, e de previsão de demanda/geração de energia ao
longo da rede. Para os estudos realizados, utilizou-se uma abordagem probabilística baseada no método
de Monte Carlo, motivada pela característica estocástica das tecnologias emergentes bem como pelas
incertezas dos perfis de demanda dos consumidores. Por fim, as estratégias propostas foram simuladas
em redes reais de distribuição empregando o ambiente de programação e análise Python juntamente com
o software OpenDSS. Essa possibilidade de emprego dos sistemas de armazenamento de energia
propicia um nível de flexibilidade nunca antes experimentado nos sistemas de energia elétrica,
tanto na ponta da geração quanto na ponta do consumo e, de certo modo, rompe o paradigma
histórico de que a geração deve responder instantaneamente ao consumo.
 ABSTRACT

The modernization of electric power distribution grids and the price reduction of energy
storage systems are boosting the usage of such equipment as a way to increase the flexibility of
distribution systems operation, with potential to change a traditional power systems paradigm
establishing that generation should instantaneously match the consumption. Considering that the
increasing penetration of emerging technologies at the distribution level, such as rooftop photovoltaic
(PV) generators and electric vehicles (EV), increases the challenges in matching generation and
consumption, energy storage systems attract the utilities interest due to the flexibility they bring to the
operation of modern distribution systems. Based on this scenario, this M.Sc. thesis presents an
investigation of potential benefits that utilities may have related to the usage of energy storage systems
along the distribution networks. Two potential scenarios of energy storage operation were evaluated:
energy storage systems controlled by customers and energy storage systems controlled by utilities. For
the former, utilities may be indirectly beneficiated due to the mitigation of technical impacts related to
the penetration of PV and EV propitiated by energy storage systems operating to shift the customers
peak demand. Regarding the second energy storage application, two complementary methods were
proposed to control storage operation for transformer peak shaving, improving its load factor and also
unlocking the connection of more PV generation into the secondary low voltage networks. For this case,
the storage is allocated on the secondary side of the medium/low voltage transformer. The main
advantage of the proposed methods is the load and generation forecasting are not required. Finally, a
Monte Carlo-based probabilistic assessment, able to cope the inherent uncertainties of modern
distribution networks, is presented using Python scripts to simulate in OpenDSS the operation of those
storage systems in a real distribution network, demonstrating the performance of the proposed control
modes.
 LISTA DE FIGURAS

Figura 2.1 – Crescimento anual e acumulado de potência instalada de geração fotovoltaica

global [13]. ............................................................................................................................... 21
Figura 2.2 – Crescimento anual e acumulado de número de geradores fotovoltaicos no Brasil
[19]. .......................................................................................................................................... 22
Figura 2.3 – Crescimento anual e acumulado de potência instalada de geração fotovoltaica no
Brasil [19]. ................................................................................................................................ 23
Figura 2.4 – Crescimento anual e acumulado da venda de veículos elétricos plug-in no mundo
[21]. .......................................................................................................................................... 24
Figura 2.5 – Crescimento anual e acumulado da venda de veículos elétricos plug-in no Brasil
[24]. .......................................................................................................................................... 24
Figura 2.6 – Esquemático mostrando a injeção de potência na rede com possibilidade de
reversão de fluxo de potência ativa. ......................................................................................... 25
Figura 2.7 – Ilustração da classificação de tensão em regime permanente para circuitos
primários e secundários. ........................................................................................................... 27
Figura 3.1 – Ilustração da tarifa branca ao longo de dias úteis (a) e sábados, domingos e feriados
(b) comparada com a tarifação convencional. .......................................................................... 33
Figura 3.2 – Fluxograma do algoritmo de Monte Carlo. .......................................................... 35
Figura 3.3 – Processo de convergência do algoritmo de Monte Carlo – Caso base. ................ 36
Figura 3.4 – Diagrama unifilar do alimentador estudado. ........................................................ 37
Figura 3.5 – Características dos transformadores conectados ao alimentador. ........................ 38
Figura 3.6 – Curva de carregamento médio do alimentador estudado. .................................... 39
Figura 3.7 – Curva de irradiância normalizada para um típico dia de céu limpo. .................... 40
Figura 3.8 – Perfis de demanda (a) e tensão (b) para um consumidor bifásico considerando os
casos sem e com inserção de gerador fotovoltaico. .................................................................. 43
Figura 3.9 – Histograma de potência nominal para os possíveis geradores fotovoltaicos a serem
inseridos no sistema teste. ........................................................................................................ 43
Figura 3.10 – Perfil de Carregamento do veículo elétrico dependente do estado de carga da
bateria. ...................................................................................................................................... 46
Figura 3.11 – Perfis de demanda (a) e tensão (b) para um consumidor bifásico considerando os
casos sem e com carregamento de veículo elétrico. ................................................................. 47
Figura 3.12 – Histograma de potência nominal de carregamento para os veículos elétricos a
serem inseridos no sistema teste. .............................................................................................. 48
Figura 3.13 – Perfil de demanda (a) e estado de carga (b) para o sistema de armazenamento
alocado em um consumidor que apresenta gerador fotovoltaico e veículo elétrico. ................ 50
Figura 3.14 – Perfis de demanda (a) e tensão (b) para um consumidor bifásico considerando os
casos sem e com sistema de armazenamento de energia. ......................................................... 51
Figura 3.15 – Histogramas de potência nominal (a) e capacidade (b) dos sistemas de
armazenamento que podem ser inseridos nos consumidores presentes no sistema teste. ........ 52
Figura 3.16 – Consumidores afetados por violação de tensão precária máxima (a) e tensão
crítica máxima (b). .................................................................................................................... 53
Figura 3.17 – Consumidores afetados por violação de tensão precária mínima (a) e tensão crítica
mínima (b). ............................................................................................................................... 54
Figura 3.18 – Consumidores afetados por desequilíbrio de tensão. ......................................... 55
Figura 3.19 – Comprimento de condutores primários (a) e secundários (b) que apresentam
sobrecarga. ................................................................................................................................ 56
Figura 3.20 – Porcentagem de transformadores que apresentaram sobrecarga. ....................... 56
Figura 3.21 – Perdas técnicas no circuito primário (a), no circuito secundário (b) e no
transformador (c). ..................................................................................................................... 58
Figura 4.1 – Algoritmo baseado na técnica de Monte Carlo para estudo de aplicação de sistemas
de armazenamento de energia em circuitos secundários de distribuição sob penetração de
geração fotovoltaica. ................................................................................................................. 61
Figura 4.2 – Exemplo do processo de convergência utilizando busca binária para potência total
de geração fotovoltaica em um circuito secundário. ................................................................ 63
Figura 4.3 – Representação do equivalente do sistema conectado a um transformador a qual
possui um sistema de armazenamento alocado no barramento secundário. ............................. 64
Figura 4.4 – Ilustração do modo de operação do sistema de armazenamento de energia pela
estratégia do movimento dos limiares. ..................................................................................... 65
Figura 4.5 – Exemplo de três dias de operação em modo de avanço dos limiares para o
carregamento e descarregamento (a) e o estado de carga (b) do sistema de armazenamento de
energia. ..................................................................................................................................... 68
Figura 4.6 – Exemplo de três dias de operação em modo de recuo dos limiares para o
carregamento e descarregamento (a) e o estado de carga (b) do sistema de armazenamento de
energia. ..................................................................................................................................... 69
Figura 4.7 – Fluxograma de operação da estratégia de movimento dos limiares. .................... 70
Figura 4.8 – Diagrama monofásico representando a conexão do sistema de armazenamento de
energia no secundário do transformador. ................................................................................. 71
Figura 4.9 – Diagrama esquemático do circuito secundário estudado. .................................... 73
Figura 4.10 – Média e desvio padrão das curvas de potência ativa (a) e potência reativa (b)
utilizadas para definir a demanda dos consumidores. .............................................................. 74
Figura 4.11 – Perfil de carregamento do transformador (a) e estado de carga do sistema de
armazenamento de energia (b) para operação ao longo de uma semana. ................................. 77
Figura 4.12 – Histogramas contendo as frequências de redução do pico de demanda (a) e do
aumento absoluto do fator de carga (b) devido à utilização do sistema de armazenamento de
energia. ..................................................................................................................................... 78
Figura 4.13 – Perfil de tensão de uma fase de um consumidor durante uma semana. ............. 79
Figura 4.14 – Perfil de carregamento do transformador ao longo de uma semana para os casos
com sistema de armazenamento de energia operando de acordo com as estratégias de
movimento dos limiares e ótima............................................................................................... 80
Figura 4.15 – Flutuação dos limiares de carregamento (a) e descarregamento (b) para as
estratégias de movimento dos limiares e ótima. ....................................................................... 81
Figura 4.16 – Processo de convergência do algoritmo de Monte Carlo para determinação do
limite de potência fotovoltaica permissível no circuito nos casos sem (a) e com (b) sistemas de
armazenamento de energia. ...................................................................................................... 84
Figura A.1 – Diagrama monofásico representando a conexão do sistema de armazenamento de
energia no secundário do transformador. ................................................................................. 95
Figura B.1 – Processo de convergência do algoritmo de Monte Carlo para determinação do
limite de potência fotovoltaica permissível no circuito sob 25% de penetração nos casos sem
(a) e com (b) sistemas de armazenamento de energia. ............................................................. 97
Figura B.2 – Processo de convergência do algoritmo de Monte Carlo para determinação do
limite de potência fotovoltaica permissível no circuito sob 5% de penetração nos casos sem (a)
e com (b) sistemas de armazenamento de energia. ................................................................... 98
 LISTA DE TABELAS

Tabela 3.1 – Resumo das variáveis consideradas para o problema de quantificação dos impactos
de tecnologias emergentes e possível mitigação utilizando sistemas de armazenamento de
energia apresentado neste capítulo. .......................................................................................... 35
Tabela 3.2 – Componentes do sistema teste. ............................................................................ 38
Tabela 3.3 – Mitigação de impactos técnicos para o caso de 50% de penetração de tecnologias
emergentes. ............................................................................................................................... 59
Tabela 4.1 – Componentes do sistema teste. ............................................................................ 73
Tabela 4.2 – Comparação entre os casos sem sistema de armazenamento de energia, na presença
destes sistemas operando através da estratégia de movimento dos limiares e operação destes
sistemas através da estratégia ótima. ........................................................................................ 81
Tabela 4.3 – Máxima potência permissível para diferentes níveis de penetração para as situações
sem e com sistemas de armazenamento de energia. ................................................................. 83
 SUMÁRIO

1. INTRODUÇÃO ........................................................................................... 16

1.1 Motivações ......................................................................................................16

1.2 Escopo da Dissertação ...................................................................................18

1.3 Organização ....................................................................................................20

2. REVISÃO BIBLIOGRÁFICA .................................................................. 21

2.1 Potencial crescimento das tecnologias emergentes .....................................21

2.2 Impactos técnicos relacionados à inserção de tecnologias emergentes nas

redes e limites operacionais do sistema ..................................................................25
2.2.1 Tensão em regime permanente ........................................................................... 26
2.2.2 Desequilíbrio de tensão ...................................................................................... 28
2.2.3 Sobrecorrente em condutores ............................................................................. 28
2.2.4 Sobrecarga em transformadores ......................................................................... 28

2.3 Aplicações de sistemas de armazenamento de energia para mitigar os

impactos técnicos devido à inserção de tecnologias emergentes .......................... 29

2.4 Análise probabilística baseada no método de Monte Carlo .......................31

3. SISTEMAS DE ARMAZENAMENTO DE ENERGIA

CONTROLADOS POR CONSUMIDORES .................................................. 33

3.1 Algoritmo Monte Carlo e Fluxo de Carga Sequencial no Tempo .............34

3.2 Descrição do sistema teste utilizado ............................................................. 37

3.3 Geradores fotovoltaicos .................................................................................39

 3.4 Veículos elétricos ............................................................................................ 43

3.5 Sistemas de armazenamento de energia ......................................................48

3.6 Resultados e discussões ..................................................................................52

3.6.1 Tensão em regime permanente ........................................................................... 53
3.6.2 Desequilíbrio de tensão ...................................................................................... 54
3.6.3 Sobrecorrente em condutores ............................................................................. 55
3.6.4 Sobrecarga em transformadores ......................................................................... 56
3.6.5 Perdas técnicas .................................................................................................... 57
3.6.6 Sumário dos resultados apresentados ................................................................. 58

4. SISTEMAS DE ARMAZENAMENTO DE ENERGIA

CONTROLADOS PELA CONCESSIONÁRIA ............................................ 60

4.1 Algoritmo Monte Carlo e considerações da inserção de tecnologias

emergentes ................................................................................................................61

4.2 Estratégias de controle do sistema de armazenamento de energia ...........64

4.2.1 Movimento dos limiares de operação ................................................................. 64
4.2.1.1 Objetivos e desafios ....................................................................................................65
4.2.1.2 Avanço dos limiares de operação ..............................................................................66
4.2.1.3 Recuo dos limiares de operação ................................................................................68
4.2.2 Variação de tensão utilizando a capacidade do inversor .................................... 70

4.3 Descrição do sistema teste utilizado ............................................................. 72

4.4 Estudos realizados .......................................................................................... 74

4.5 Resultados e discussões ..................................................................................75

4.5.1 Estudo de caso 1 ................................................................................................. 75
4.5.2 Estudo de caso 2 ................................................................................................. 79
4.5.3 Estudo de caso 3 ................................................................................................. 82
4.5.4 Sumário dos resultados apresentados ................................................................. 84
5. CONCLUSÕES ........................................................................................... 86

5.1 Sugestões para trabalhos futuros .................................................................87

REFERÊNCIAS BIBLIOGRÁFICAS ............................................................ 89

APÊNDICE A. DEMONSTRAÇÃO DO EQUACIONAMENTO

PROPOSTO PARA A ESTRATÉGIA DE VARIAÇÃO DE TENSÃO
UTILIZANDO A CAPACIDADE DO INVERSOR ...................................... 95

APÊNDICE B. GRÁFICOS DE CONVERGÊNCIA DO ALGORITMO

BASEADO NO MÉTODO DE MONTE CARLO ......................................... 97
 16

1. INTRODUÇÃO
Os sistemas de energia elétrica foram historicamente planejados e operados a partir
de uma premissa fundamental: toda a energia consumida deve ser instantaneamente produzida.
Nos sistemas síncronos em corrente alternada, a frequência é utilizada como indicador desse
delicado equilíbrio entre oferta e demanda. Como tradicionalmente apenas o lado da geração
era controlado, o paradigma estabelece que frequência acima da nominal significa excesso de
oferta (portanto, controla-se a geração para reduzir a injeção de potência) e abaixo da nominal
significa déficit de oferta (portanto, controla-se a geração para aumentar a injeção de potência)
[1]. O armazenamento de energia era, nesse contexto, vislumbrado apenas na forma de energia
primária: estoca-se água nos reservatórios de acumulação, combustível fóssil nas usinas
térmicas, etc [2].

Esse e outros paradigmas tradicionais dos sistemas de energia elétrica estão,

contudo, se modificando em virtude de um novo contexto que tem sido comumente designado
por redes inteligentes (em inglês, smart grids) [3]. Essa modernização avança em direção às
fontes de energia renováveis e dispersas, à eficiência energética associada à eletrificação dos
meios de transporte, à profusão de dados coletados por medidores e sensores das mais variadas
partes da rede elétrica que revolucionam o modo como a rede é planejada, operada e
supervisionada, etc. Além desses aspectos, nesse contexto de modernização das redes
inteligentes, pela primeira vez na centenária história dos sistemas de potência a possibilidade
de armazenamento de energia de modo disperso e em pequena escala entre o elo inicial da
produção e o elo final do consumo, ou seja, dentro da cadeia de geração, transmissão e
distribuição, tem se tornado realidade [4]. Essa possibilidade de armazenamento propicia um
nível de flexibilidade nunca antes experimentado nos sistemas de energia elétrica, tanto na
ponta da geração quanto na ponta do consumo e, de certo modo, rompe o paradigma histórico
de que a geração deve responder instantaneamente ao consumo.

1.1 Motivações
O crescente interesse em explorar a utilização de sistemas de armazenamento de
energia, particularmente em sistemas de distribuição, é motivado pela expansão de outras novas
tecnologias cada vez mais presentes nestas redes, como por exemplo a disseminação da conexão
de geradores fotovoltaicos e de pontos de recarga de veículos elétricos, e também pela
expectativa de redução dos custos dos sistemas de armazenamento. Por exemplo, a empresa
 17

FENECON está reduzindo em até 20% o custo de sistemas de armazenamentos de energia para
parceiros europeus devido às condições favoráveis de mercado [5]. O instituto Rocky Mountain
projeta redução média de 30% no preço por kWh de baterias para o período entre 2016 e 2021
[6]. Neste mesmo levantamento, mostra-se que a curva de maturação da tecnologia de baterias
adequadas para aplicação em redes de distribuição vem acompanhando a mesma trajetória
histórica da curva de maturação dos sistemas fotovoltaicos, ou seja, pode se estimar um
crescimento considerável para o médio prazo. Já para uma projeção ao longo prazo, no relatório
“E-Storage: Shifting from Cost to Value”, estima-se que estes sistemas de armazenamento
podem atingir reduções de preço de até 70% em 2030 [7].

A inserção de tecnologias renováveis/alternativas em sistemas de distribuição,

como geradores fotovoltaicos e veículos elétricos, traz uma série de desafios para as
concessionárias de distribuição de energia elétrica, muitos destes relacionados sobretudo à
natureza estocástica de operação destes equipamentos. Essa elevação no grau de incerteza das
condições para planejamento e operação das redes demanda ação por parte das concessionárias
para que a operação ocorra dentro dos limites de qualidade de energia estabelecidos pelas
normas [8]. Dentre as incertezas associadas à integração de tais equipamentos, listam-se as
condições meteorológicas para produção de energia por geradores fotovoltaicos e o instante e
a duração de recarga de veículos elétricos como exemplos de fatores que apresentam
dificuldade em ser estimados. Em diversos países, como, por exemplo, a Alemanha, os
incentivos e subsídios à aquisição de sistemas fotovoltaicos estão sendo reduzidos, de modo
que a adoção de sistemas residenciais de armazenamento de energia passou a ser uma
promissora alternativa para os consumidores que querem explorar ao limite os benefícios de
seus sistemas de microgeração [9].

Neste contexto, o emprego de sistemas de armazenamento de energia torna-se

atrativo também para concessionárias de distribuição, visto que estes sistemas apresentam
aplicações em variados campos (e.g.: controle Volt/Var, controle de flutuação de potência e
redução de pico de demanda) que podem ser executadas concomitantemente. Assim, estes
sistemas de armazenamento surgem como uma grande promessa capaz de resolver uma série
de problemas técnicos. A utilização destas aplicações pode beneficiar as concessionárias através
da redução de investimentos em infraestrutura, como recondutoramento de cabos e criação de
novos alimentadores, da redução de desgaste de equipamentos alocados nas redes, por meio da
melhora do fator de carga (razão entre demanda média e demanda de pico) destes, ou até mesmo
 18

da facilitação do aumento de penetração das tecnologias emergentes devido à mitigação de

impactos técnicos relacionados à inserção destas tecnologias. A flexibilidade propiciada pela
possibilidade de armazenamento é uma forma de atenuar os efeitos das incertezas inerentes as
redes modernas de distribuição.

Consequentemente, em razão do potencial presente em sistemas de armazenamento

de energia para resolver problemas de planejamento e operação em sistemas de distribuição,
concessionárias juntamente a universidades e startups tem desenvolvido projetos-pilotos
envolvendo o emprego destes sistemas em consumidores e ao longo das redes de distribuição.
Por exemplo, na Alemanha, a startup Caterva instalou sistemas de armazenamento de energia
com especificações de potência de 20 kW e capacidade de 21 kWh em 65 residências com
geradores fotovoltaicos [10]. Já nos EUA, a concessionária San Diego Gas & Electric instalou
dois sistemas de armazenamento de energia com especificações de 500 kW e 1500 kWh em
duas subestações além de instalar 12 sistemas de armazenamento de energia comunitários,
totalizando cerca de 260 kW e 391 kWh [11]. No Brasil, por sua vez, a Agência Nacional de
Energia Elétrica (ANEEL) realizou recentemente a chamada de P&D Estratégico nº 21
("Arranjos Técnicos e comerciais para a inserção de sistemas de armazenamento de energia no
setor elétrico brasileiro"), sendo que 23 propostas iniciais foram aprovadas com data limite de
término destes projetos em 2021 [12]. Dentre os projetos aprovados, destacam-se a existência
de projetos que propõem o estudo de sistemas de armazenamento de energia para distintas
alocações, tais como a alocação de sistemas de grande porte em subestações, a alocação de
sistemas de médio porte em transformadores de média e baixa tensão e a alocação de sistemas
de pequeno porte em consumidores [13].

1.2 Escopo da Dissertação

Embora possuam elevado potencial de prover flexibilidade para a operação das
redes de distribuição de energia elétrica, os sistemas de armazenamento só apresentarão real
benefício tanto para os consumidores quanto para as concessionárias que os operem se as
estratégias utilizadas para controlar os ciclos de carga e descarga forem adequadas. Deste modo,
o trabalho desenvolvido nesta dissertação tem por objetivo a investigação de estratégias de
operação sob duas perspectivas de inserção de sistemas de armazenamento de energia em
sistemas de distribuição, a saber: sistemas de armazenamento de energia controlados para
benefício direto dos consumidores e sistemas de armazenamento de energia controlados para
benefício direto da concessionária. Embora exista potencial, interesse e pesquisa relativos à
 19

aplicação de tais sistemas de armazenamento das mais variadas tecnologias em diferentes partes
da cadeia de geração, transmissão e distribuição de energia elétrica, ressalta-se que o foco deste
trabalho está nas aplicações em redes de distribuição de energia elétrica em média e baixa
tensão.

Quanto aos sistemas de armazenamento de energia controlados para benefício

direto dos consumidores, assume-se que a instalação destes é motivada para permitir o
deslocamento do consumo de energia do horário de maior tarifação para o horário de menor
tarifação, sem a necessidade de mudança nos hábitos de utilização de energia dos consumidores.
Deste modo, as concessionárias não possuem influência direta na operação dos sistemas de
armazenamento de energia a fim de executar aplicações que mais as beneficiem. Contudo,
ressalta-se que as concessionárias se favorecerem indiretamente da mitigação de impactos
técnicos propiciada por esta estratégia de controle dos sistemas de armazenamento de energia,
sendo os impactos e as respectivas reduções destes quantificados para diferentes níveis de
penetração de tecnologias emergentes e adesão de sistemas de armazenamento. Em outras
palavras, os estudos desenvolvidos nesta etapa procuram responder a seguinte questão: De que
modo e quanto as concessionárias podem se beneficiar indiretamente da adoção de sistemas
de armazenamento por parte de seus consumidores?

Já para sistemas de armazenamento de energia controlados para benefício direto da

concessionária, tem-se um cenário em que estes equipamentos serão alocados no secundário de
transformadores de média/baixa tensão. Assim, propõe-se uma estratégia de operação de tais
sistemas de armazenamento de energia que possibilita o aumento de penetração de geradores
fotovoltaicos, a redução do pico de demanda e a melhora do fator de carga do transformador de
modo decentralizado, ou seja, sem a necessidade de comunicação com o sistema de gestão da
distribuição ou até mesmo sem a necessidade de previsão de demanda e geração de energia nos
consumidores. Em outras palavras, os estudos desenvolvidos nesta etapa procuram responder
as seguintes questões: Como as concessionárias podem se beneficiar tecnicamente de sistemas
de armazenamento de energia estrategicamente controlados e posicionados em redes de
distribuição modernas, onde há forte presença de tecnologias como microgeração fotovoltaica
distribuída?
 20

1.3 Organização
Esta dissertação segue organizada da seguinte forma:

• No Capítulo 2, realiza-se a revisão bibliográfica apresentando o potencial

crescimento das tecnologias emergentes no Brasil e no mundo. Posteriormente,
expõem-se trabalhos da literatura que caracterizam os impactos causados pela
inserção de geradores fotovoltaicos e veículos elétricos nos sistemas de
distribuição assim como aplicações de sistemas de armazenamento de energia.
• No Capítulo 3, desenvolvem-se os estudos relativos aos sistemas de
armazenamento de energia controlados pelos consumidores, em que é
apresentada tanto a metodologia de análise quanto um estudo de caso no qual é
feita a quantificação dos benefícios da adoção de sistemas de armazenamento
em um alimentador de distribuição real.
• No Capítulo 4, apresentam-se os estudos relativos à operação de sistemas de
armazenamento de energia controlados pela concessionária. São apresentados
um modo de controle de sistemas de armazenamento de energia instalados em
transformadores de média/baixa tensão e os benefícios de tal estratégia são
quantificados em um estudo de caso no mesmo alimentador do capítulo anterior.
• Por fim, no Capítulo 5, apresentam-se as conclusões deste trabalho.
 21

2. REVISÃO BIBLIOGRÁFICA
Neste capítulo, apresenta-se uma revisão bibliográfica para mostrar o atual cenário
mundial e nacional referente ao crescimento de geração fotovoltaica e de veículos elétricos
(Seção 2.1) bem como expor uma revisão dos possíveis impactos técnicos associados à
operação destas tecnologias emergentes e dos limites operacionais majoritariamente impostos
por regulação (Seção 2.2). Em sequência, destacam-se as principais funções para as quais, de
acordo com a literatura técnica, os sistemas de armazenamento de energia estão sendo utilizados
para mitigação dos impactos associados às tecnologias emergentes (Seção 2.3). Por fim,
apresentam-se as bases teóricas e conceituais envolvidas na técnica de análise utilizada nesta
dissertação, a qual é baseada no método de Monte Carlo (Seção 2.4).

2.1 Potencial crescimento das tecnologias emergentes

A necessidade de diversificação da matriz energética global somada aos avanços
tecnológicos e a redução de custos são alguns fatores que impulsionaram o crescimento de
geração fotovoltaica mundialmente. A Figura 2.1 mostra a evolução do crescimento mundial
de geração fotovoltaica através dos indicadores de potência instalada anualmente e capacidade
instalada acumulada. Verifica-se que este crescimento foi cerca de 30 vezes entre 2007 e 2016,
acumulando cerca de 300 GW de potência instalada até o final deste período. Na mesma figura,
são apontadas algumas previsões de crescimento para o médio prazo, na qual estima-se que a
capacidade instalada pode atingir aproximadamente 870 GW em 2022 [14].

Figura 2.1 – Crescimento anual e acumulado de potência instalada de geração fotovoltaica global [14].
 22

Os países que apresentam os maiores mercados de geração fotovoltaica são China,

EUA, Japão, Alemanha e Itália, os quais, segundo estimativas, correspondem a 70% da
capacidade instalada global em 2017 [15]. Dentre estes países, destaca-se a China, onde o
governo local projeta que a potência instalada de geração fotovoltaica será de pelo menos
150 GW em 2020 [16], e a Alemanha, que, embora tenha recentemente perdido a liderança
deste mercado para o país asiático, tem sido um grande agente de desenvolvimento e
disseminação de geração fotovoltaica desde pelo menos o início do século XXI, onde existem
mais de 1,5 milhão de conexões fotovoltaicas correspondendo à cerca de 41 GWp de potência
instalada [17].

Já no Brasil, a regulamentação de conexão de geração distribuída nos sistemas de

distribuição através da Resolução Normativa nº 482 de 2012 [18], posteriormente atualizada
pela Resolução Normativa nº 687 de 2015 [19], é um marco importante que tornou legal o
mecanismo de conexões à rede do grupo de micro e minigeração, a qual grande parte dos
geradores fotovoltaicos se enquadram. Desta forma, conforme apresentado na Figura 2.2, cerca
de 11.300 geradores fotovoltaicos foram instalados no Brasil de 2012 até junho de 2017.

Figura 2.2 – Crescimento anual e acumulado de número de geradores fotovoltaicos no Brasil [20].

Quanto à capacidade instalada, verifica-se que, na Figura 2.3, a potência instalada

de geração fotovoltaica apenas em 2016 representou cerca de três vezes a potência acumulada
instalada até o ano de 2015, indicando que o interesse dos consumidores em aderirem a esta
tecnologia vem aumentando ano após ano. Atualmente, somam-se 128,2 MWp de potência
instalada de geração fotovoltaica no Brasil [20]. Estima-se que este número possa aumentar à
8,3 GWp em 2024 [15].
 23

Figura 2.3 – Crescimento anual e acumulado de potência instalada de geração fotovoltaica no Brasil [20].

Assim como a geração fotovoltaica, o crescimento da venda de veículos elétricos é

influenciado pelos avanços tecnológicos que, entre outros aspectos, reduziram os custos
associados à fabricação destes veículos, como, por exemplo, a redução do preço de baterias
[21]. Assim, conforme apresentado na Figura 2.4, a venda global de veículos elétricos
conectáveis à rede de distribuição para recarga de suas baterias, também conhecidos como plug-
in electric vehicles (PEVs), mantém-se em ascensão a uma taxa de 42% ao ano, em que se
projeta atingir o total de 3,1 milhões de unidades vendidas em 2017 [22].

A China também lidera o ranking de vendas de veículos elétricos, totalizando a

venda de cerca de 351 mil unidades no ano de 2016, o que representa 45% da venda mundial
do referido ano. Em seguida aparecem os EUA, com cerca de 20% dos veículos elétricos
vendidos no mundo neste mesmo ano [23]. A União Europeia, que correspondeu a 29% das
vendas deste mesmo período, é pressionada pela Alemanha para que também estabeleça 2030
como ano limite a partir do qual nenhum carro produzido poderá ser inteiramente movido a
motor de combustão interna de combustíveis fósseis [24]. Os veículos elétricos do tipo plug-in
são provavelmente a principal alternativa que virá com esta restrição.
 24

Figura 2.4 – Crescimento anual e acumulado da venda de veículos elétricos plug-in no mundo [22].

No Brasil, o número acumulado de veículos elétricos vendidos de 2012 até o junho

de 2017 é de 4.346 unidades, o que representa cerca de 0,03% do número total de veículos
vendidos para o mesmo período [25]. Estima-se que este número de veículos cresça para
aproximadamente 40 mil até 2020 [26]. A Figura 2.5 apresenta o crescimento anual dos veículos
elétricos conectáveis à rede elétrica no Brasil desde 2012.

Figura 2.5 – Crescimento anual e acumulado da venda de veículos elétricos plug-in no Brasil [25].

Os números apresentados nesta seção evidenciam que a geração fotovoltaica de

pequena escala e a migração de veículos para tração elétrica, a partir de baterias recarregáveis
através de conexão com a rede de distribuição, representam uma tendência global que, com
algumas particularidades, estender-se-á também ao Brasil. Contudo, o crescimento da conexão
 25

de tais tecnologias emergentes à rede elétrica traz desafios, sobretudo para as concessionárias
de distribuição de energia elétrica, conforme será discutido na seção a seguir.

2.2 Impactos técnicos relacionados à inserção de tecnologias emergentes nas

redes e limites operacionais do sistema
Apesar de as tecnologias emergentes discutidas na seção anterior propiciarem
benefícios a sociedade tais como a redução da emissão de gases poluentes na atmosfera e a
diversificação da matriz energética, concessionárias de distribuição se preocupam com os
possíveis impactos que a inserção de geradores fotovoltaicos e veículos elétricos possam
acarretar aos sistemas de distribuição de energia elétrica.

No caso de geradores fotovoltaicos, a massiva inserção destes nos sistemas de

distribuição tende a causar impactos como elevação e desequilíbrio de tensão, sobrecarga em
condutores ou equipamentos, flutuações de tensão, aumento da frequência de chaveamento de
capacitores ou de tap de transformadores e reguladores, elevação de perdas técnicas, entre
outros impactos [27].

Estes impactos decorrem, principalmente, do fato de que o pico de geração de

energia dos geradores fotovoltaicos tipicamente não coincide com o pico de demanda dos
consumidores. Há, em geral, pouca demanda residencial quando a produção dos geradores
fotovoltaicos é máxima, sendo este período em torno do meio dia solar. Desta forma, a energia
excedente gerada pelos consumidores é injetada na rede de distribuição, podendo resultar em
reversão do fluxo de potência em trechos da rede elétrica, conforme apresentado na Figura 2.6.

𝑉
23

(
MT/BT

Figura 2.6 – Esquemático mostrando a injeção de potência na rede com possibilidade de reversão de fluxo de
potência ativa.

O processo que leva à elevação da magnitude de tensão nos consumidores devido à

injeção de potência na rede pelos geradores fotovoltaicos é bem descrito em [28]. O cálculo da
queda de tensão ∆𝑉23 pode ser descrito, de modo aproximado, conforme apresentado em (2.1).
 26

Se houver injeção de potência na rede pelo gerador fotovoltaico, , maior que a potência ativa
consumida pela carga, , tem-se que o primeiro termo em (2.1) será negativo. Caso este termo
seja, em módulo, maior que o segundo termo, o que é comum em redes de distribuição devido
ao relativamente baixo valor da relação X/R das linhas, a queda de tensão ∆𝑉23 será negativa,
resultando em elevação de tensão na barra 3.

( ∙ 𝑅23 ∙ 𝑋23
∆𝑉23 ≈ (2.1)
𝑉3

Essa elevação na magnitude de tensão pode tornar o controle de tensão da rede de

distribuição bastante desafiador em cenários de massiva presença de geradores fotovoltaicos
injetando potência ativa na rede de distribuição, com impacto, por exemplo, no aumento de
atuação de tapes dos reguladores e transformadores com tape variáveis ou na tensão de
atendimento às cargas do sistema, acelerando o desgaste destes equipamentos [29].

Quanto à inserção de veículos elétricos na rede de distribuição, os impactos técnicos

nestas redes esperados em decorrência da massiva adesão a esta tecnologia, tipicamente
abordados na literatura, são redução da vida útil dos transformadores devido à sobrecarga [30],
sobrecorrente em condutores e queda de tensão em consumidores [31], além de aumento de
perdas técnicas [32]. Estes impactos são decorrentes do aumento de demanda do sistema além
dos limites de atendimento para o qual foram projetados, visto que a conexão de um veículo
elétrico à rede para recarregar a energia consumida da bateria presente nestes veículos pode
significar um aumento considerável da demanda residencial.

Tendo definido os potenciais impactos causados pela conexão de tais tecnologias

emergentes, apresenta-se na próxima subseção os limites operacionais considerados neste
trabalho, os quais são principalmente baseados na regulamentação imposta pela ANEEL. Os
critérios de qualidade são divididos em subseções a saber: tensão em regime permanente,
desequilíbrio de tensão, sobrecorrente em condutores e sobrecarga em transformadores.

2.2.1 Tensão em regime permanente

Definem-se os limites adequados, precários e críticos de operação para os níveis de

tensão de atendimento aos consumidores em regime permanente [8], conforme ilustrado na
Figura 2.7, como sendo:
 27

Circuito primário Circuito secundário

Tensão crítica
Limite tensão crítica máxima: 1,05 pu Limite tensão crítica máxima: 1,06 pu

Tensão precária
Limite tensão precária máxima: NA Limite tensão precária máxima: 1,05 pu

Tensão adequada

Limite tensão precária mínima: 0,93 pu Limite tensão precária mínima: 0,92 pu

Tensão precária

Limite tensão crítica mínima: 0,90 pu Limite tensão crítica mínima: 0,87 pu

Tensão crítica
Figura 2.7 – Ilustração da classificação de tensão em regime permanente para circuitos primários e secundários.

• Tensão crítica: A tensão em regime permanente será classificada na faixa de

tensão crítica caso viole os limites de tensão crítica máximo ou mínimo.
Considera-se que o limite de tensão crítica máximo é violado caso a tensão de
atendimento seja superior a 1,06 pu para consumidores atendidos através da rede
secundária e superior a 1,05 pu para consumidores atendidos através da rede
primária durante 0,5% do tempo operacional. Já o limite de tensão crítica
mínimo será violado caso a tensão seja inferior a 0,87 pu e 0,9 pu, para
consumidores atendidos através das redes secundária e primária
respectivamente, durante 0,5% do tempo operacional.
• Tensão precária: A tensão de atendimento em regime permanente será
classificada na faixa de tensão precária caso viole os limites de tensão precária
máximo ou mínimo, porém se mantenha sem violar os respectivos limites de
tensão crítica. Logo, o limite de tensão precária máximo será violado caso a
tensão seja superior a 1,05 pu para consumidores atendidos através da rede
secundária pelo período de 3% do tempo operacional, não havendo limite de
tensão precária máximo para consumidores atendidos através da rede primária.
Já o limite de tensão precária mínimo será violado caso a tensão na rede
secundária seja inferior a 0,92 pu ou a 0,93 pu, respectivamente para
consumidores atendidos através das redes secundárias e primárias, durante 3%
do tempo operacional de ambas as redes.
 28

• Tensão adequada: A tensão de atendimento em regime permanente será

classificada como tensão adequada caso esta não se enquadre nas faixas críticas
ou precárias. Isto significa que a tensão para rede secundária deve permanecer
maior que 0,92 pu e menor que 1,05 pu, enquanto que para rede secundária esta
faixa é limitada pelas tensões de 0,93 pu e 1,05 pu.

2.2.2 Desequilíbrio de tensão

O desequilíbrio de tensão, denotado por 𝑉𝑑𝑒𝑠 , é medido em conexões trifásicas e é

quantificado pela razão entre a magnitude da tensão de sequência negativa pela magnitude da
tensão de sequência positiva, conforme apresentado em (2.2) [8].

𝑉−
𝑉𝑑𝑒𝑠 = ∙ 00% (2.2)
𝑉+

Deste modo, os limites impostos por regulação delimitam que o nível de

desequilíbrio na rede secundária deve ser inferior a 3% enquanto que para a rede primária este
limite é estabelecido em 2% [8]. Para ambos circuitos, estes limites devem atender a duração
de pelo menos 95% do tempo operacional total [8].

2.2.3 Sobrecorrente em condutores

A operação de condutores acima da corrente nominal resulta em aquecimento acima

dos níveis normais para os quais os cabos foram projetados, o que pode, dependendo do tempo
de sobrecarga, comprometer a isolação dos dispositivos, reduzindo a vida útil destes condutores
e aumentando a probabilidade de ocorrências de defeitos, como curtos-circuitos. Desta forma,
considerou-se que há violação no limite de carregamento dos condutores se houver operação
acima da corrente nominal por mais de 5% do tempo operacional, conforme proposto em [31].

2.2.4 Sobrecarga em transformadores

A operação em sobrecarga de transformadores pode afetar a vida útil dos

equipamentos devido à elevação da temperatura de ponto mais quente do enrolamento, podendo
inclusive aumentar a probabilidade de ocorrência de defeitos [33]. Deste modo, o limite de
sobrecarga considerado para os transformadores é definido em 150% do carregamento nominal
durante 5% do tempo operacional destes equipamentos [33].
 29

2.3 Aplicações de sistemas de armazenamento de energia para mitigar os

impactos técnicos devido à inserção de tecnologias emergentes
Apesar de a literatura apresentar diversas soluções para mitigação dos impactos
técnicos causados pela operação das tecnologias emergentes nas redes de distribuição, como
agendamento ótimo para recarga de veículos elétricos [34] ou corte de geração e compensação
de potência reativa para operação de geradores fotovoltaicos [35], destina-se esta seção para
destacar potenciais aplicações de sistemas de armazenamento de energia para mitigação dos
impactos técnicos causados pela inserção destas tecnologias emergentes bem como as
diferenças entre os trabalhos encontrados na literatura com os estudos propostos nesta
dissertação.

Deste modo, as aplicações em sistemas de distribuição são divididas de acordo com

a localização do ponto estudado nas redes de distribuição [36]. Listam-se, assim, as aplicações
comumente encontradas na literatura, sendo estas:

• Aplicações no ponto de acoplamento das tecnologias emergentes e em

consumidores: As aplicações de sistemas de armazenamento de energia no
ponto de acoplamento das tecnologias emergentes e em consumidores
apresentam melhor desempenho comparados às outras possíveis alocações
destes sistemas. Isto ocorre porque a eficácia destas estratégias cresce
proporcionalmente com a proximidade da alocação dos sistemas de
armazenamento dos equipamentos causadores dos impactos técnicos à rede de
distribuição, já que o fluxo de potência decorrente destes dispositivos tende a se
limitar em regiões cada vez menores. Entre as principais aplicações presentes na
literatura, destacam-se a redução do pico de demanda [37], fornecimento de
energia de backup, mitigação da intermitência de geração renovável [37],
melhora da qualidade de energia [38] e controle de tensão [38].
• Aplicações em transformadores de média/baixa tensão: As aplicações de
sistemas de armazenamento de energia em transformadores de média/baixa
tensão possuem como principal finalidade a atuação local para redução do
carregamento dos equipamentos a montante do ponto de acoplamento,
postergando investimentos a serem realizados pela concessionária, e
participação no controle de tensão. Para estas aplicações, os sistemas de
armazenamento de energia são tipicamente controlados através do sistema de
 30

gestão da distribuição, já que este problema requer a coordenação dos sistemas

de armazenamento de energia com os dispositivos presentes no sistema de
distribuição, tais como reguladores de tensão e banco de capacitores [39], para
otimização da operação das redes de distribuição. Entre as principais aplicações
presentes na literatura, destacam-se controle de tensão, suporte de potência
reativa (controle Q/V) [40], redução do pico de demanda [41], suporte a
contingência, controle de variação de potência em rampa [40] e mitigação de
impactos de fontes renováveis [42].
• Aplicações ao longo do circuito primário: As aplicações de sistemas de
armazenamento de energia ao longo do circuito primário se destinam
principalmente ao controle de frequência, redução do pico de demanda e suporte
a contingências nas redes de distribuição [36]. Os sistemas de armazenamento
de energia para esta localização tendem a possuírem dimensões de potência e
capacidade maiores que os casos anteriores para o desenvolvimento das
aplicações, devido ao aumento da carga a jusante do ponto de acoplamento do
sistema de armazenamento de energia.

Dentre as possíveis alocações dos sistemas de armazenamento de energia bem como

as possíveis aplicações destinadas à mitigação dos impactos técnicos descritas acima, destinou-
se o desenvolvimento de estudos neste trabalho para a alocação de sistemas de armazenamento
em dois pontos dos sistemas de distribuição, sendo estas em consumidores e em
transformadores de média/baixa tensão.

Os estudos propostos na literatura para aplicações de sistemas de armazenamento

de energia nos consumidores partem da premissa que estes sistemas são controlados por
estratégias que beneficiam a concessionária através da mitigação dos impactos técnicos
causados pelas tecnologias emergentes, tais como geradores fotovoltaicos e veículos elétricos.
Contudo, a concessionária possui pouca influência no modo de operação dos sistemas de
armazenamento alocados nos consumidores, o que resulta que estes sistemas serão
configurados primeiramente para benefício local dos consumidores, não garantindo que a
operação destes dispositivos mitigue os impactos ao longo das redes de distribuição. Deste
modo, este trabalho se diferencia da literatura ao estudar o benefício indireto que as
concessionárias podem ter para aplicações de sistemas de armazenamento de energia nos
 31

consumidores destinadas ao deslocamento do consumo destes para o horário de menor

tarifação.

Já para aplicações dos sistemas de armazenamento de energia nos transformadores

de média/baixa tensão, a literatura apresenta soluções que requerem informações ao longo da
rede e previsões de demanda para operar propriamente os sistemas de armazenamento. Assim,
propôs-se uma estratégia que necessitasse de apenas informações do ponto de acoplamento do
sistema de armazenamento de energia para redução do carregamento dos dispositivos alocados
no circuito primário e para a mitigação da elevação de tensão de atendimento dos consumidores
presentes no circuito secundário.

2.4 Análise probabilística baseada no método de Monte Carlo

A quantificação dos impactos decorrentes da conexão das tecnologias emergentes
discutidas neste capítulo em redes de distribuição de energia elétrica é extremamente difícil, se
não impossível, de ser feita de forma analítica. Há uma razoável quantidade de variáveis
aleatórias com variadas distribuições probabilísticas e, além do mais, o modelo de fluxo de
carga normalmente utilizado para simular a operação da rede elétrica é de natureza não-linear.
Sem a possibilidade de quantificação de forma analítica, restam as alternativas numéricas para
tanto. Um método estatístico numérico bastante utilizado em diversos campos da engenharia e
de outras ciências naturais é o método de Monte Carlo [43].

O método de Monte Carlo consiste no processo repetitivo de amostragem de

variáveis aleatórias de um determinado processo estocástico a fim de se obter resultados
numéricos para situações determinísticas, a partir dos quais a distribuição probabilística dos
impactos pode ser numericamente obtida. É um método bastante apropriado para resolução de
problemas complexos com elevado número de variáveis aleatórias [43], como o caso da análise
de modernos sistemas de distribuição. Tipicamente, um algoritmo de Monte Carlo possui as
seguintes instruções:

• Modelagem do problema: Determinam-se as variáveis aleatórias e

determinísticas presentes no modelo em análise;
• Criação dos cenários: Criam-se cenários a partir da amostragem das variáveis
aleatórias do problema, que são então simulados de forma determinística e este
processo é realizado repetidas vezes até que o critério de convergência seja
atingido;
 32

• Análise estatística de convergência e dos resultados: Uma vez atingida a

convergência do processo, a distribuição probabilística dos resultados é obtida
numericamente a partir das simulações realizadas para os cenários amostrados.

Como o problema de estudo deste trabalho, i.e., a análise de impactos técnicos

decorrentes da inserção de veículos elétricos e geradores fotovoltaicos, é de alto grau de
complexidade, apresentando múltiplas variáveis não-lineares, será utilizado nesta dissertação
uma análise baseada no método de Monte Carlo de modo similar ao realizado na literatura para
estudos com geradores fotovoltaicos [44], veículos elétricos [45] e sistemas de armazenamento
de energia [46].
 33

3. SISTEMAS DE ARMAZENAMENTO DE ENERGIA

CONTROLADOS POR CONSUMIDORES
Nesta dissertação, o estudo de operação de sistemas de armazenamento de energia
em consumidores é baseado no deslocamento da demanda do horário de maior tarifação para o
horário de menor tarifação. Esta tarifação dependente do horário de consumo é nomeada de
tarifação horossazonal, a qual é regulamentada pela ANEEL através da tarifa branca [48] para
consumidores da classe B, ou seja, consumidores atendidos por tensão inferior a 2,3 kV [49].
Apesar de que consumidores da classe A também apresentam tarifação horossazonal (tarifa
verde e azul) [50], não foi abordado neste trabalho a inserção de tecnologias emergentes e
sistemas de armazenamento de energia nesta classe de consumidores, restringindo a inserção
destes dispositivos exclusivamente para consumidores da classe B.

Define-se assim, de acordo com a tarifação branca (ilustrada na Figura 3.1), o

horário de maior tarifação como sendo o período entre as 17 e 22 horas, sendo divido nos
patamares intermediário e ponta, e o período de menor tarifação, possuindo um patamar
denominado fora de ponta, durante o restante do dia. Estes patamares são considerados apenas
em dias úteis, sendo adotado a menor tarifação ao longo dos sábados, domingos e feriados.

(a) (b)
Figura 3.1 – Ilustração da tarifa branca ao longo de dias úteis (a) e sábados, domingos e feriados (b)
comparada com a tarifação convencional.

Tendo em vista o horário de maior tarifação definido de acordo com a tarifa branca,
percebe-se que os geradores fotovoltaicos por si só contribuem minimamente para diminuição
do consumo durante o horário de ponta, já que a máxima produção de energia por estes estará
concentrada durante o período entre as 11 e 15 horas. Já os veículos elétricos tendem a aumentar
ainda mais a despesa dos consumidores, pois espera-se que as conexões destes veículos para
recarga se concentrem após a jornada de trabalho, ou seja, após as 18 horas. Neste cenário, é
 34

provável que os consumidores que instalarem geradores fotovoltaicos ou veículos elétricos

também adquiram sistemas de armazenamento de energia para deslocar a demanda para o
horário de menor tarifação, como já mencionado.

Para caracterização dos impactos que as instalações destas tecnologias emergentes

produzem no sistema de distribuição bem como a mitigação destes impactos pela aquisição de
sistemas de armazenamento de energia pelos consumidores, propõe-se a implementação de uma
análise probabilística baseada no método de Monte Carlo, a qual é descrita na Seção 3.1.
Posteriormente, define-se o sistema teste utilizado para condução dos estudos propostos na
Seção 3.2 e a modelagem dos geradores fotovoltaicos (Seção 3.3), veículos elétricos (Seção
3.4) e sistemas de armazenamento de energia (Seção 3.5) adotados neste problema. Finalmente,
discutem-se os resultados na Seção 3.6.

3.1 Algoritmo Monte Carlo e Fluxo de Carga Sequencial no Tempo

A análise dos impactos decorrentes da conexão de geradores fotovoltaicos, veículos
elétricos e sistemas de armazenamento de energia em redes de distribuição é um problema de
natureza estocástica: há incertezas relacionadas aos locais e a capacidade instalada de cada
equipamento, incerteza nos perfis de demanda da carga, nos perfis de geração solar fotovoltaica,
etc. A análise probabilística, ou seja, que leva em conta as incertezas associadas a cada uma das
variáveis aleatórias e que obtém as distribuições de probabilidade dos impactos para a rede de
distribuição é mais adequada para análises deste tipo. Dentre os diferentes métodos de análise
probabilística, optou-se pela utilização do método de Monte Carlo.

O método de Monte Carlo é adotado neste trabalho devido à versatilidade deste na

resolução de problemas complexos envolvendo múltiplas variáveis aleatórias não-gaussianas e
não-lineares [51], o que caracteriza o estudo de integração de geradores fotovoltaicos (FV),
veículos elétricos (VE) e sistemas de armazenamento de energia (SAE) em sistemas de
distribuição. Conforme descrito na Seção 2.4, o método de Monte Carlo requer inicialmente
que as variáveis do problema sejam modeladas como determinísticas ou aleatórias para
posteriormente inseri-las no algoritmo proposto. Assim, a Tabela 3.1 apresenta resumidamente
a definição das variáveis do problema, a qual será detalhada da Seção 3.3 até a Seção 3.5. As
variáveis modeladas como determinísticas são classificadas como tal porque se assume a
condição que, a partir do momento que estas variáveis forem determinadas, o consumidor
escolhido já será uma informação conhecida.
 35

Tabela 3.1 – Resumo das variáveis consideradas para o problema de quantificação dos impactos de tecnologias
emergentes e possível mitigação utilizando sistemas de armazenamento de energia apresentado neste capítulo.
Sistemas de
Geradores
Variável Veículos Elétricos Armazenamento de
Fotovoltaicos
Energia
Conexão Conexão Conexão
Tensão nominal Tensão nominal Tensão nominal
Determinística
Potência nominal Potência nominal Potência nominal
Irradiância solar (Recarga lenta) Capacidade nominal
Seleção do consumidor
Distância diária
percorrida
Instante inicial de
Aleatória Seleção do consumidor Seleção do consumidor
carregamento
Estado de carga da
bateria
Duração do carregamento

Apresenta-se, na Figura 3.2, o fluxograma do algoritmo de Monte Carlo utilizado.

Estabelecer
parâmetros iniciais

Alocar FV e/ou VE

Não
Caso Base? Alocar SAE

Sim

Fluxo de Carga
(OpenDSS)

Critério de
Amostragem de dados Não
convergência
atingido?

Sim

FIM
Figura 3.2 – Fluxograma do algoritmo de Monte Carlo.

Para estudar o sistema teste detalhado na Seção 3.2, define-se a penetração de

geradores fotovoltaicos e veículos elétricos inseridos no sistema. Quanto à penetração, adota-
se que esta é dada pela razão entre o número de consumidores que possuem uma tecnologia
emergente pelo número total de consumidores no sistema. Logo, uma penetração de 10% de
 36

geração fotovoltaica significa que 10% dos consumidores possuem esta tecnologia.
Posteriormente à definição da penetração das tecnologias emergentes no sistema, determina-se
a quantidade de consumidores que possuirão um sistema de armazenamento de energia, sendo
que estes serão alocados exclusivamente em consumidores que apresentam uma ou mais
tecnologias emergentes.

Assim, cada cenário do método de Monte Carlo é criado aleatoriamente de acordo

com as características definidas para os geradores fotovoltaicos, veículos elétricos e sistemas
de armazenamento de energia. Em seguida, estes cenários são avaliados através da simulação
de fluxos de carga sequenciais no tempo, também conhecido como simulação quasi-static. Para
tanto, utilizou-se o software OpenDSS [52] juntamente com a linguagem de programação
Python [53] para modelagem e solução de cada cenário.

Finalmente, esta amostragem é repetida até que os últimos 30 valores amostrados

de cada critério analisado não modificassem o valor do percentil 95 além de uma faixa de +5%
e -5% referente ao último valor de percentil 95 calculado. Por exemplo, a Figura 3.3 ilustra o
processo de convergência para o critério de tensão crítica mínima para o caso base com 50% de
penetração de tecnologias emergentes, o qual é detalhado na Seção 3.6. Nota-se que da iteração
139 até a iteração 169 o valor do percentil 95 calculado permanece dentro da faixa de
convergência obtida a partir da iteração 169. Sendo assim, finaliza-se o processo iterativo de
Monte Carlo.

Figura 3.3 – Processo de convergência do algoritmo de Monte Carlo – Caso base.

 37

3.2 Descrição do sistema teste utilizado

Nesta seção, descreve-se o sistema teste utilizado para aplicação de sistemas de
armazenamento de energia atuando a fim de deslocar a demanda dos consumidores para o
horário de menor tarifação. Trata-se de um alimentador real de uma concessionária do estado
de São Paulo operando com tensão nominal de 11,4 kV no circuito primário. Este alimentador
apresenta transformadores trifásicos conectados em delta no lado de média tensão e estrela
aterrado no lado de baixa tensão. Majoritariamente, a tensão secundária de linha fornecida por
estes transformadores é de 220 V, exceto por alguns transformadores dedicados a consumidores
de grande porte, nos quais a tensão secundária é de 380 V. O nível de curto-circuito na
subestação corresponde à 152 MVA. Atendem-se 2069 consumidores conectados às redes de
baixa tensão, os quais estão divididos por conexão em: 13% consumidores monofásicos, 74%
consumidores bifásicos e 13% consumidores trifásicos. A Figura 3.4 apresenta o diagrama
unifilar do alimentador estudado.

Figura 3.4 – Diagrama unifilar do alimentador estudado.

Cerca de 22% dos 76 transformadores de distribuição deste alimentador

correspondem à transformadores dedicados ao atendimento de consumidores em média tensão,
onde utiliza-se 380 V de tensão secundária, conforme apresentado no histograma da Figura
3.5(a). Assim, a maioria dos consumidores deste alimentador corresponde à clientes residenciais
e comerciais atendidos em baixa tensão. Portanto, transformadores de baixa potência nominal,
como, por exemplo, transformadores de 30 kVA, 45 kVA, 75 kVA (Figura 3.5(b)), predominam
no alimentador estudado.
 38

(a) Tensão nominal (MT/BT em kV) (b) Capacidade Nominal (em kVA)
Figura 3.5 – Características dos transformadores conectados ao alimentador.

Resume-se, na Tabela 3.2, informações adicionais do sistema teste estudado.

Tabela 3.2 – Componentes do sistema teste.

Componente Quantidade
Barras 2518 un.
Transformadores 76 un.
Linhas aéreas – Circuito primário 62,6 km
Linhas aéreas – Circuito secundário 53,9 km
Linhas aéreas – Ramal de serviço 36,6 km
Bancos de capacitores 2 (600 kvar e 1200 kvar)
Consumidores 2069 un.

Quanto à demanda de cada consumidor, utilizam-se curvas de carga típicas

fornecidas pela concessionária, as quais apresentam resolução de 15 minutos. Estas curvas
típicas são criadas baseadas no procedimento apresentado em [54], em que são obtidas,
basicamente, através de análises estatísticas de medições coletadas em consumidores durante
campanhas de medições realizadas a cada revisão tarifária [55]. Destas análises, agrupam-se
consumidores com perfis de demanda semelhantes e calculam-se curvas médias por unidade
com desvios padrões para cada grupo. Portanto, cada consumidor terá sua curva de carga
reproduzida através da multiplicação do consumo médio mensal deste com a curva de carga
típica do grupo em que esse se encontra.

Destaca-se que a utilização de curvas típicas representa prática comumente

empregada por concessionárias de distribuição no planejamento de sistemas. Os erros obtidos
por este método são inferiores a 20%, comparando-se as curvas agregadas nos transformadores
com as medições destes [54].
 39

Logo, a Figura 3.6 apresenta a curva média de carregamento na saída do

alimentador. Esta curva de carregamento é obtida através da análise de fluxo de carga
sequencial ao longo de um dia utilizando o software OpenDSS.

Figura 3.6 – Curva de carregamento médio do alimentador estudado.

3.3 Geradores fotovoltaicos

Os geradores fotovoltaicos (FV) são modelados como injeção de potência constante
(sem dependência da tensão), de fator de potência unitário, em que a potência deste dispositivo
é dependente da curva de irradiância solar. Por sua vez, a curva de irradiância adotada neste
trabalho se refere às medições obtidas em uma estação meteorológica localizada na mesma
cidade do alimentador utilizado.

As medições de irradiância são coletadas na resolução de 1 minuto, sendo

posteriormente tratadas para que apresentem a mesma resolução de 15 minutos das curvas de
cargas adotadas. A fim de se verificar a máxima influência da geração fotovoltaica no sistema
de distribuição, adota-se a curva de irradiância normalizada referente a um dia de céu limpo,
conforme apresentado na Figura 3.7, para realização dos estudos propostos. Assume-se também
que todos os consumidores estão sujeitos à mesma curva de irradiância solar.
 40

Figura 3.7 – Curva de irradiância normalizada para um típico dia de céu limpo.

A potência nominal instalada para cada gerador FV é projetada de acordo com o

perfil de demanda da respectiva unidade consumidora, motivado pelo sistema vigente de
compensação de energia gerada. Este sistema de compensação destinado aos grupos de micro
e mini geração distribuída, nos quais os geradores FVs residenciais e comerciais se encontram,
é realizada através de concessão de crédito a ser consumido no período de 60 meses [18]. Assim,
a potência máxima que cada consumidor deve instalar de geração FV corresponde à potência
necessária para gerar a energia total consumida pelo respectivo consumidor, incluindo o
consumo de veículos elétricos se presentes, decrescido do mínimo consumo referente ao custo
de disponibilidade, visto que o excesso de geração a partir deste ponto não trará vantagens
financeiras ao consumidor. Os valores mínimos de consumo são separados por modo de
conexão dos consumidores, em que unidades monofásicas e bifásicas a dois condutores,
unidades bifásicas e unidades trifásicas possuem como consumo mínimo 30 kWh, 50 kWh e
100 kWh, respectivamente [49].

Para exemplificar o dimensionamento dos sistemas FV descrito acima, consideram-

se as equações (3.1) a (3.4), as quais apresentam matematicamente como é realizado o cálculo
de potência nominal de geração FV para um determinado consumidor. Primeiramente, define-
se em (3.1) a energia compensada pelo gerador FV através da subtração do consumo do cliente
pelo consumo mínimo deste, em que o resultado é então multiplicado pela porcentagem de
compensação desejada (𝐾).

𝐸 = 𝐾 ∙ (𝐸𝑈 𝐸 𝐸 𝐸𝑑𝑖𝑠𝑝 (3.1)

 41

Em que:

𝐸 : Energia produzida pelo gerador fotovoltaico (kWh);

𝐸𝑈 : Energia consumida pelo consumidor (kWh);
𝐸 𝐸: Energia consumida pelo veículo elétrico presente no consumidor (kWh);
𝐸𝑑𝑖𝑠𝑝 : Consumo correspondente ao custo de disponibilidade, definido pelo tipo
de conexão do consumidor (kWh);
𝐾: Fator de compensação adotado pelo consumidor (%).

Caso o fator K seja nulo, considera-se que não há conexão de gerador FV no

consumidor. Considerando o cenário oposto em que K seja igual a 100%, tem-se que o gerador
FV compensará toda energia proveniente do consumo da unidade a que este está alocado. Para
os estudos deste capítulo, adotar-se-á que K assumirá valor máximo, i.e. 100%, para geradores
conectados ao sistema em análise. Esta consideração resultará na formação de cenários
conservativos, os quais reproduzirão casos críticos de impactos técnicos nos consumidores
assim como a eficácia dos sistemas de armazenamento de energia nestas condições.

A energia requerida pelos consumidores é calculada através das curvas de carga

típicas, conforme apresentado na Seção 3.2, e da demanda média, de acordo com (3.2).

𝐸𝑈 = ∫ 𝐷𝑚é𝑑 ∙ 𝑓 𝑇 (𝑡 ∙ 𝑑𝑡 (3.2)
0

Em que:

𝐷𝑚é𝑑 : Demanda média do consumidor (kW);

𝑓 𝑇: Curvas típicas de demanda de carga normalizadas (p.u.);

Por sua vez, a energia produzida pelo gerador fotovoltaico é calculada através da
relação entre a curva de irradiância solar para o dia em estudo e a potência nominal instalada
do gerador FV, conforme apresentado em (3.3).

t
𝐸FV = ∫ Pmpp ∙ f𝐼𝑟𝑟𝑎𝑑 (t ∙ dt (3.3)
0

Em que:

𝑚𝑝𝑝 : Potência nominal instalada do gerador fotovoltaico (kW);

𝑓𝐼𝑟𝑟𝑎𝑑 : Perfil de irradiância solar normalizado (p.u.);

 42

Logo, substituindo (3.2) e (3.3) em (3.1), encontra-se a fórmula utilizada para

calcular a potência nominal instalada para cada gerador fotovoltaico, a qual é apresentada em
(3.4).

𝐾 ∙ (𝐸 𝐸 𝐸𝑚𝑖𝑛 𝐷𝑚é𝑑 ∙ ∫0 𝑓 𝑇 (𝑡 ∙ 𝑑𝑡)

= (3.4)
∫0 𝑓𝐼𝑟𝑟𝑎𝑑 (𝑡 ∙ 𝑑𝑡

Quanto à conexão dos geradores fotovoltaicos à rede, define-se aleatoriamente os

consumidores que adotarão tal tecnologia para cada cenário estudado, sendo que a
probabilidade de escolha de consumidores é uniforme. Para cada consumidor escolhido,
utilizam-se as seguintes características deste para definir os parâmetros do gerador FV:

• Número de fases: Para consumidores residenciais, caso o consumidor escolhido

seja monofásico, o gerador FV alocado também será. Caso contrário, aloca-se
um gerador FV bifásico, tanto para consumidores bifásicos quanto trifásicos. Já
para consumidores comerciais, o número de fases do gerador FV será o máximo
disponível no consumidor.
• Conexão FV: Caso o consumidor seja monofásico, a conexão será fase-neutro.
Do contrário, conectar-se-á o gerador fase-fase entre as fases disponíveis no caso
bifásico e fase-fase entre duas fases aleatórias no caso trifásico residencial e fase-
fase entre as três fases no caso trifásico comercial (delta).
• Tensão nominal: A tensão nominal do gerador FV é definida pela tensão nominal
fase-neutro em consumidores monofásicos e tensão fase-fase em consumidores
bifásicos e trifásicos.

A fim de ilustrar a modelagem proposta nesta seção para os geradores fotovoltaicos,

apresentam-se, na Figura 3.8, os perfis de demanda e de tensão por fase de um consumidor para
as situações sem e com a instalação de um gerador. Nota-se que durante o período de máxima
geração pelos painéis fotovoltaicos, o excesso de energia produzida é injetado na rede o que
resulta na elevação da tensão no consumidor.
 43

(a) (b)
Figura 3.8 – Perfis de demanda (a) e tensão (b) para um consumidor bifásico considerando os casos sem e
com inserção de gerador fotovoltaico.

A Figura 3.9 apresenta um histograma contendo os valores de potência nominal

para os geradores fotovoltaicos que podem ser inseridos no sistema teste de acordo com o
critério de dimensionamento apresentado nesta seção. Destes geradores, cerca de 97%
apresentam potência nominal inferior a 5 kWp, faixa de potência que corresponde à maioria
dos geradores instalados em consumidores residenciais [56].

Figura 3.9 – Histograma de potência nominal para os possíveis geradores fotovoltaicos a serem inseridos no
sistema teste.
3.4 Veículos elétricos
Os veículos elétricos (VE) são modelados como injeção de potência constante de
fator de potência unitário, apresentando como variáveis aleatórias para determinação do
consumo destes veículos a distância percorrida, o estado atual de carga da bateria e o instante e
duração de carregamento da bateria, conforme proposto em [57]. Contudo, antes de detalhar as
variáveis estocásticas que definem o consumo dos veículos elétricos, definem-se as
características classificadas como determinísticas. Dentre as características determinísticas,
 44

destacam-se as seguintes informações extraídas do catálogo do Renault Zoe [58] e da

padronização SAE J1772 [59]:

• Autonomia da bateria (R) [58]: 170 km;

• Eficiência (𝜂 𝐸 ) [58]: 7,73 km/kWh;
• Capacidade da bateria do VE (𝐶 𝐸 ) [58]: 22 kWh;
• Rendimento carregamento (𝜂): 0,9;
• Distância média percorrida (E[M]): 50 km;
• Variância da distância percorrida (Var[M]): 200 km²;
• Potência monofásica de recarga lenta ( 𝐸) [59]: 2 kW;
• Potência bifásica de recarga lenta ( 𝐸) [59]: 3,3 kW;

Quanto ao modo de carregamento, adotou-se o carregamento lento para recarga de

veículos elétricos presentes em consumidores residenciais conectados à rede de distribuição.
Este carregamento possui como principal vantagem a baixa demanda de potência (conforme
apresentado acima), o que requer uma infraestrutura de menor custo para o consumidor. A
desvantagem deste modo de carregamento se deve ao elevado tempo de recarga, a qual uma
recarga completa, por exemplo, demora cerca de 6 ou 11 horas dependendo da conexão do VE.
Porém, o elevado tempo de recarga não representa um problema na perspectiva dos
consumidores residenciais, visto que as recargas tendem a ocorrerem entre o momento em que
o consumidor chega na respectiva residência depois do expediente de trabalho até a manhã do
dia seguinte.

Assim, após definir os parâmetros considerados como determinísticos para

caracterizar a demanda de VE em sistemas de distribuição, detalham-se as características
estocásticas deste problema, sendo estas:

a. Distância diária percorrida pelo VE: Representa-se a distância diária

percorrida pelo VE (𝑛) como uma distribuição de probabilidade do tipo
lognormal 𝑑(𝑛 [60], conforme apresentado em (3.5). Os cálculos da média (𝜇)
e variância (𝜎 2 ) desta distribuição são definidos em (3.6) e (3.7),
respectivamente.

(ln(𝑛 − 𝜇 ²
−
𝑑(𝑛 = 𝑒 2𝜎² ,𝑚 >0 (3.5)
𝑛𝜎√ 𝜋
 45

𝑉𝑎𝑟[𝑀]
𝜇 = ln 𝐸[𝑀] ln( (3.6)
𝐸[𝑀]2

𝑉𝑎𝑟[𝑀]
𝜎² = ln( (3.7)
𝐸[𝑀]2

b. Estado de carregamento da bateria: Para determinar o estado de carregamento

da bateria (em inglês: State of Charge – SoC) presente no VE, primeiramente, é
necessário determinar a distância percorrida (𝑛) pelo usuário no dia anterior à
análise, a qual é obtida através da amostragem da função de probabilidade
apresentada em (3.5). Em seguida, utiliza-se (3.8) para determinar o estado de
carregamento da bateria no início do carregamento.

𝑅 𝑛
𝑆𝑜𝐶 = { 𝑅 ∙ 00%, 0≤𝑛<𝑅 (3.8)
0, 𝑛=𝑅

c. Instante inicial de carregamento: O instante inicial de carregamento para a

recarga lenta é definido em (3.9) como sendo uma função de probabilidade
uniforme limitada entre as 18 e 21 horas, correspondendo respectivamente aos
valores de a e b. Este período é considerado porque se trata do principal horário
em que os consumidores retornam do trabalho e conectam os respectivos
veículos elétricos à rede para recarga.

𝑓(𝑥 = , 𝑎≤𝑥≤𝑏 (3.9)

(𝑏 𝑎

d. Duração do carregamento da bateria presente no VE: O perfil de

carregamento da bateria é ilustrado na Figura 3.10. Carrega-se a bateria com
potência nominal constante até que se atinja 95% da energia armazenada e,
posteriormente, carrega-se o 5% restante considerando potência linearmente
decrescente. Assim, calculam-se as áreas do retângulo e do triângulo da Figura
3.10 para determinar a duração total do carregamento.
 46

Figura 3.10 – Perfil de Carregamento do veículo elétrico dependente do estado de carga da bateria.

Logo, apresenta-se matematicamente o instante final de carregamento da bateria

em (3.10).

𝐶 𝐸 ∗ (0,95 𝑆𝑜𝐶 ∗𝐶 𝐸 ∗ 0,05

𝐷 = 𝑡2 𝑡0 = (3.10)
𝐸

Em que:
𝐷: duração do carregamento (h);
𝐶 𝐸: capacidade total da bateria (kWh);
𝐸: potência nominal de carregamento (kW);
𝑆𝑜𝐶: estado de carregamento atual da bateria (%).
𝑡0 : instante inicial de carregamento da bateria (h);
𝑡2 : instante final de carregamento da bateria (h).

Das quatro variáveis aleatórias acima apresentadas, duas são independentes

(distância diária percorrida pelo VE e instante inicial de carregamento) e as outras duas são
dependentes dessas primeiras (estado e duração de carregamento da bateria presente no VE).
Sendo definido tanto as variáveis determinísticas quanto as variáveis aleatórias, tem-se que a
presença de consumidores que possuem veículos elétricos é definida aleatoriamente para cada
cenário estudado, assim como definido para os geradores fotovoltaicos. Para cada consumidor
escolhido, utilizam-se as seguintes características deste para definir os parâmetros de conexão
do VE:
 47

• Conexão VE: Caso o consumidor seja monofásico, a conexão será fase-neutro.

Do contrário, conectar-se-á o veículo elétrico fase-fase entre as fases disponíveis
no caso bifásico e fase-fase entre duas fases aleatórias no caso trifásico.
• Tensão nominal: A tensão nominal do VE é definida pela tensão nominal fase-
terra em consumidores monofásicos e tensão nominal fase-fase em
consumidores bifásicos e trifásicos.
• Potência nominal de recarga do VE: Define-se a potência nominal de recarga de
acordo com tipo de conexão de cada consumidor. Caso o consumidor seja
atendido por circuito trifásico ou bifásico, a potência adotada será de
carregamento lento bifásico, como previamente apresentado. Do contrário,
sendo o consumidor monofásico, a potência adotada será de carregamento lento
monofásico.

A fim de ilustrar a modelagem proposta nesta seção para os veículos elétricos,

apresentam-se, na Figura 3.11, os perfis de demanda e de tensão por fase do mesmo consumidor
da Seção 3.3 para as situações sem e com carregamento de um veículo elétrico. Nota-se que o
pico de demanda do consumidor aproximadamente duplica com o carregamento do veículo
elétrico, resultando na ligeira redução das tensões ao longo do pico de demanda.

(a) (b)
Figura 3.11 – Perfis de demanda (a) e tensão (b) para um consumidor bifásico considerando os casos sem e
com carregamento de veículo elétrico.

A Figura 3.12 apresenta a distribuição de conexões de recarga para os veículos

elétricos no sistema teste. Conforme esperado, a maioria das conexões apresentará potência
nominal de carregamento de 3,3 kW, já que o número de consumidores conectados à rede por
conexão bifásica e trifásica predominam comparados às conexões monofásicas.
 48

Figura 3.12 – Histograma de potência nominal de carregamento para os veículos elétricos a serem inseridos no
sistema teste.

3.5 Sistemas de armazenamento de energia

Os sistemas de armazenamento de energia (SAE) também são modelados como
injeção de potência constante de fator de potência unitário, em que se considerou que a
eficiência total do conjunto é de 93,3% [61]. A potência nominal e capacidade para cada
unidade alocada nos consumidores são estabelecidas a fim de suprir a energia consumida
durante o horário de maior tarifação, ou seja, o período de tarifação de demanda de pico e
intermediário.

Neste trabalho, considerou-se que o inversor utilizado para o sistema de

armazenamento de energia é de uso exclusivo deste sistema, sendo a especificações nominais
deste dispositivo dependentes unicamente do perfil de consumo do cliente. Caso o consumidor
utilize o mesmo inversor para acoplar outras tecnologias emergentes, tal como o gerador
fotovoltaico, considera-se o maior valor nominal para especificação do inversor.

Assim, matematicamente, apresenta-se em (3.11) o cálculo de capacidade e em

(3.12) o cálculo utilizado para determinação da potência nominal de um determinado sistema
de armazenamento de energia alocado em um consumidor.

𝑝𝑖𝑐𝑜
1
𝐶𝑆𝐴𝐸 = 𝐷𝑚é𝑑 ∙ ∫ 𝑓 𝑇 (𝑡 ∙ 𝑑𝑡 (3.11)
𝑝𝑖𝑐𝑜
0

𝑆𝐴𝐸 = 𝐷𝑚é𝑑 ∙ max(𝑓 𝑇 (𝑡 ) , 𝑝𝑎𝑟𝑎 𝑡0𝑝𝑖𝑐𝑜 ≤ 𝑡 ≤ 𝑡 𝑝𝑖𝑐𝑜 (3.12)

Em que:
 49

𝐶𝑆𝐴𝐸 : Capacidade do sistema de armazenamento de energia (kWh);

𝑡0𝑝𝑖𝑐𝑜 : Instante inicial de maior tarifação (h);

𝑡 𝑝𝑖𝑐𝑜 : Instante final de maior tarifação (h);

𝑆𝐴𝐸 : Potência nominal do sistema de armazenamento de energia (kW).

Definido as características construtivas dos sistemas de armazenamento de energia,

tem-se que o modo de operação para estes sistemas dependerá de qual tecnologia emergente o
consumidor possui, sendo listados em:

• Consumidor possuindo apenas veículo elétrico: O carregamento do sistema

de armazenamento de energia é feito no período de menor custo de tarifação,
que corresponde ao horário fora de ponta (das 22:01 horas do dia anterior até as
16:59 horas do dia seguinte). A potência de carregamento é mantida em um valor
constante suficiente para carregar o sistema a fim de suprir toda a carga do
período de tarifação intermediário e de ponta. Consequentemente, o modo de
descarregamento do sistema de armazenamento é programado para atender toda
a demanda durante o horário de maior tarifação, ou seja, entre as 17 horas e 22
horas.
• Consumidor possuindo apenas gerador fotovoltaico: Neste caso, o
carregamento do sistema de armazenamento de energia é realizado durante a
injeção de potência na rede pelo gerador fotovoltaico. Como este gerador foi
dimensionado para atender a demanda total do consumidor, durante um dia de
céu limpo o gerador produzirá energia suficiente para carregar o sistema de
armazenamento de energia, sendo que o excedente de potência, caso ocorra, será
injetado na rede. O modo de descarregamento é o mesmo utilizado para o caso
em que o consumidor possua apenas veículo elétrico, i.e., atende-se totalmente
a demanda do horário de maior tarifação (entre as 17 horas e 22 horas).
• Consumidor possuindo veículo elétrico e gerador fotovoltaico: Para este
caso, tanto o modo de carregamento como o modo de descarregamento são
idênticos aos definidos para o caso em que o consumidor possui apenas gerador
fotovoltaico.

Quanto à conexão dos sistemas de armazenamento de energia à rede, define-se

aleatoriamente os consumidores que apresentarão esta tecnologia para cada cenário estudado,
 50

sendo necessário que o consumidor possua pelo menos uma tecnologia emergente. A
probabilidade de escolha de um consumidor é definida como uniforme, assim como definida
para os veículos elétricos e geradores fotovoltaicos. Para cada consumidor escolhido, utilizam-
se as seguintes características deste para definir os parâmetros do sistema de armazenamento
de energia:

• Conexão SAE: Caso o consumidor seja monofásico, a conexão será fase-neutro.

Do contrário, conectar-se-á o sistema de armazenamento de energia fase-fase
entre as fases disponíveis no caso bifásico e fase-fase entre as mesmas fases em
que o gerador FV ou VE estão conectados no caso trifásico. Caso o consumidor
trifásico apresente tanto gerador FV e VE, todos os equipamentos serão
conectados as mesmas fases.
• Tensão nominal: A tensão nominal do sistema de armazenamento de energia é
definida pela tensão nominal fase-neutro em consumidores monofásicos e tensão
nominal fase-fase em consumidores bifásicos e trifásicos.

A atuação do sistema de armazenamento de energia, conforme modelado nesta

seção, no mesmo consumidor utilizado como exemplo nas Seções 3.3 e 3.4, é ilustrada na
Figura 3.13, apresentando as operações de carregamento (potência positiva) e descarregamento
(potência negativa) bem como o estado de carga deste sistema de armazenamento ao longo do
dia. Além do sistema de armazenamento de energia, o consumidor utilizado como exemplo
apresentava tanto a operação de um gerador fotovoltaico quanto o carregamento de um veículo
elétrico durante o dia em estudo.

(a) (b)
Figura 3.13 – Perfil de demanda (a) e estado de carga (b) para o sistema de armazenamento alocado em um
consumidor que apresenta gerador fotovoltaico e veículo elétrico.
 51

Complementarmente, a Figura 3.14 compara a potência ativa resultante e o perfil

de tensão neste mesmo consumidor ao longo do dia. Verifica-se que o fluxo reverso de energia
é zerado até que o sistema de armazenamento de energia atinja o respectivo estado de carga
máximo, o que resulta em um período de injeção reversa de energia na rede e,
consequentemente, elevação de tensão. Contudo, o sistema de armazenamento reduz o período
de elevação de tensão a qual o consumidor é exposto comparando-se com o caso que não há a
operação deste dispositivo. Nota-se também que o pico reverso de potência é mitigado pela
operação do sistema de armazenamento de energia.

Quanto ao pico de demanda, o sistema de armazenamento atende o período total de

demanda de maior tarifação conforme proposto nesta seção. Como esperado, verifica-se que a
tensão durante o modo de descarregamento do sistema de armazenamento é aumentada
comparando-se com o caso sem a operação deste sistema, visto que a demanda do consumidor
é zerada.

(a) (b)
Figura 3.14 – Perfis de demanda (a) e tensão (b) para um consumidor bifásico considerando os casos sem e
com sistema de armazenamento de energia.

A Figura 3.15 apresenta os histogramas de potência nominal (a) e capacidade (b)

dos sistemas de armazenamento de energia que podem ser inseridos no sistema teste de acordo
com o procedimento apresentado nesta seção. Percebe-se que o objetivo de zerar o consumo
durante o período de maior tarifação requer dos sistemas de armazenamento de energia maior
capacidade do que potência nominal. Contudo, as capacidades necessárias correspondem à de
equipamentos comercialmente disponíveis atualmente no mercado [61], [62].
 52

(a) (b)
Figura 3.15 – Histogramas de potência nominal (a) e capacidade (b) dos sistemas de armazenamento que
podem ser inseridos nos consumidores presentes no sistema teste.

3.6 Resultados e discussões

Esta seção tem por finalidade apresentar o resultado das simulações computacionais
que quantificam o benefício indireto que as concessionárias de distribuição podem usufruir
devido à adoção de sistemas de armazenamento de energia pelos consumidores operando para
deslocar a demanda de energia para o horário fora de ponta. Para tanto, varia-se a penetração
de geradores fotovoltaicos e veículos elétricos igualmente de 5% até 50% em intervalos de 5%,
em que são avaliados quatro casos, sendo estes:

• Caso base: Considera-se que no caso base não há aquisição de sistemas de

armazenamento de energia pelos consumidores;
• 30% de aquisição: Neste caso, inserem-se sistemas de armazenamento de
energia em 30% do conjunto de consumidores que apresentam geradores
fotovoltaicos, veículos elétricos ou ambas as tecnologias;
• 50% de aquisição: Assemelha-se ao caso anterior, porém neste caso inserem-se
sistemas de armazenamento em 50% do conjunto de consumidores;
• 100% de aquisição: Todos os consumidores que possuem gerador fotovoltaico,
veículo elétrico ou ambas tecnologias apresentam também sistemas de
armazenamento de energia.

Os critérios técnicos operacionais utilizados nas análises apresentadas nesta

dissertação são baseados1 nas especificações regulamentadas pela ANEEL em [8], os quais

1
Os critérios de desempenho técnico-operacional são adaptados do PRODIST (Seção 2.2) e não correspondem
exatamente ao que é estabelecido pela ANEEL.
 53

foram detalhados no Capítulo 2. Os resultados são apresentados por meio de gráficos de barras,
em que a barra corresponde ao valor médio e a haste superior refere-se ao percentil 95 da
distribuição de resultados das repetidas simulações do método de Monte Carlo.

3.6.1 Tensão em regime permanente

Apresentam-se nas Figura 3.16 e Figura 3.17 o número de consumidores afetados

por violações dos limites de tensão máximo e mínimo, respectivamente.

Considerando os limites de tensão máxima, verifica-se que a instalação de sistemas

de armazenamento de energia pelos consumidores pode reduzir significativamente o número
de violações por elevação da magnitude de tensão. No caso em que todos os consumidores
possuem sistemas de armazenamento, por exemplo, nota-se que a redução do número de
violações corresponde a cerca de 75% para o limite máximo de tensão precária e a 85% para o
limite máximo de tensão crítica.

(a) (b)
Figura 3.16 – Consumidores afetados por violação de tensão precária máxima (a) e tensão crítica máxima (b).

Tem-se também que o aumento da presença de sistemas de armazenamento de

energia possui relação direta com a mitigação dos impactos técnicos no sistema de distribuição.
Isto ocorre porque o período de carregamento destes sistemas de armazenamento coincide com
o período de geração dos painéis fotovoltaicos, os quais provocam a elevação de tensão na rede.
Deste modo, apesar de que os sistemas de armazenamento de energia serem programados para
carregar durante qualquer instante que haja fluxo de potência reverso, ou seja, excesso de
geração de energia, verifica-se que estes sistemas possuem capacidade de armazenamento para
reduzir o pico de geração dos painéis fotovoltaicos, já que este é relacionado com o período que
apresenta maior impacto na elevação da tensão.
 54

Já para os limites mínimos de tensão, nota-se inicialmente que o número de

consumidores afetados é consideravelmente menor que o número afetado pela violação de
tensão máxima. Isto se deve principalmente pela prática adotada pelas concessionárias de
distribuição em regular tensão no barramento secundário da subestação acima de 1 pu, o que
também se considera neste trabalho, a fim de que os consumidores localizados nos finais dos
alimentadores não sofram com violações de tensões mínimas. Esta prática é tipicamente
adotada por concessionárias de distribuição de energia, visto que a tendência é de que a tensão
diminua ao longo do alimentador.

(a) (b)
Figura 3.17 – Consumidores afetados por violação de tensão precária mínima (a) e tensão crítica mínima (b).

Mesmo apresentando poucos consumidores com violações para o caso base,

percebe-se que as inserções dos sistemas de armazenamento de energia são capazes de mitigar
as violações do limite mínimo de tensão próxima a extingui-las, visto que o período de injeção
de potência do sistema de armazenamento na rede de distribuição acontece durante o pico de
demanda. Assim, o sistema de armazenamento de energia supre tanto a demanda tradicional da
residência quanto a demanda do veículo elétrico. Para o horário fora de pico a qual o veículo
elétrico continua recarregando e não há atuação do sistema de armazenamento de energia, tem-
se que o impacto na queda de tensão é baixo devido ao baixo carregamento do sistema.

3.6.2 Desequilíbrio de tensão

Para o sistema teste estudado, a Figura 3.18 apresenta a quantidade de consumidores

afetados pelo desequilíbrio de tensão. Neste caso, percebe-se que para baixos níveis de
penetração de geradores fotovoltaicos e veículos elétricos, por exemplo até 30%, o aumento da
inserção de sistemas de armazenamento de energia pouco influencia ou até mesmo piora o
número de consumidores com problemas de desequilíbrio de tensão. Isto acontece devido à
operação de sistemas de armazenamento de energia bifásicos ou monofásicos, principalmente
 55

durante a recarga em consumidores que possuam apenas veículos elétricos seguidamente da

operação de descarga em consumidores que possuam apenas geradores fotovoltaicos.

Figura 3.18 – Consumidores afetados por desequilíbrio de tensão.

Contudo, para níveis mais elevados de penetração, nota-se que o aumento da

inserção de sistemas de armazenamento passa mitigar proporcionalmente o número de
consumidores afetados pelo desequilíbrio de tensão. Esta relação se deve ao fato de que uma
maior penetração de equipamentos de tecnologia emergente provoca maiores níveis de
desequilíbrio de tensão ao longo de toda rede, os quais a atuação de sistemas de armazenamento
de energia tende a contrabalancear este fenômeno.

3.6.3 Sobrecorrente em condutores

Para o sistema teste estudado, o comprimento dos condutores que operam acima do
limite imposto na Subseção 2.2.3 está ilustrado na Figura 3.19 em porcentual. Verifica-se que
nenhum nível de penetração de geradores fotovoltaicos e veículos elétricos afetaram os
condutores presentes no circuito primário. Já para o circuito secundário, tem-se que o
porcentual do comprimento dos condutores afetados pela penetração destas tecnologias
emergentes é baixo, pois as violações ocorrem principalmente em ramais de conexão com os
consumidores (ramais de serviço), sendo que estes ramais tipicamente são de pequeno
comprimento.

Ainda que o impacto nos condutores afete uma pequena parcela do comprimento
total da rede secundária, verifica-se que o aumento da inserção de sistemas de armazenamento
de energia reduz proporcionalmente a porcentagem do comprimento dos condutores afetados,
em que este efeito se acentua para os níveis mais altos de penetração.
 56

(a) (b)
Figura 3.19 – Comprimento de condutores primários (a) e secundários (b) que apresentam sobrecarga.

3.6.4 Sobrecarga em transformadores

Considerando o critério de sobrecarga nos transformadores apresentado na

Subseção 2.2.4, a Figura 3.20 apresenta a porcentagem de transformadores que operam
sobrecarregados devido à presença especialmente de veículos elétricos, já que estes aumentam
a demanda de potência durante o período de pico de demanda. Quanto aos geradores
fotovoltaicos, estes não contribuem (exceto em casos extremos) para a sobrecarga dos
transformadores devido ao fato de que necessitam injetar potência na rede necessária para zerar
a demanda existente e exceder o carregamento nominal em 150%.

Figura 3.20 – Porcentagem de transformadores que apresentaram sobrecarga.

Nota-se que o número de transformadores que apresentam violações cresce

consideravelmente a partir da penetração de 25% para o caso base, atingindo cerca de 14% dos
transformadores para a penetração de 50%. Mesmo assim, a inserção de sistemas de
armazenamento de energia nos consumidores é capaz de mitigar este aumento em até 90% para
níveis de aquisição de 50% e 100%.
 57

3.6.5 Perdas técnicas

No Brasil, a ANEEL regulamenta metas que as concessionárias de distribuição

devem atingir quanto as perdas técnicas. Para tanto, utiliza-se um mecanismo de comparação
entre as distribuidoras com base no percentual de perdas a fim de estabelecer estas metas de
redução das perdas técnicas e não técnicas [63]. Além da questão regulatória, as concessionárias
são motivadas financeiramente para reduzir as perdas técnicas, pois esta diminuição resultará
em receita para a empresa. Isto ocorre porque o reajuste da tarifa é definido no início do ciclo
tarifário, em que as perdas técnicas representam uma parcela deste reajuste. Esta tarifação
permanece constante durante os quatros anos do ciclo tarifário, ou seja, caso a concessionária
reduza as respectivas perdas técnicas, o encargo financeiro que seria destinado à aquisição de
energia para atendimento destas perdas se reverte à lucro para a empresa [63].

Dada a importância das perdas técnicas, a Figura 3.21 apresenta as perdas presentes
nos circuitos primários e nos circuitos secundários além das perdas operacionais dos
transformadores (i.e, perdas no cobre). As perdas de energização dos transformadores (i.e.,
perdas no núcleo) não são consideradas visto que estas são inerentes ao processo de utilização
destes equipamentos.

Nota-se que a inserção de tecnologias emergentes no alimentador tende a aumentar

as perdas operacionais nas linhas, devido ao aumento de fluxo de corrente nos condutores, e
nos transformadores, devido ao aumento de carga. Contudo, ao passo que os sistemas de
armazenamento são adquiridos pelos consumidores, tem-se que as perdas diminuem
proporcionalmente com o aumento de sistemas de armazenamento de energia operando na rede.

Este efeito é mais acentuado nos transformadores e circuitos secundários já que

estes elementos concentram a maior porção de perdas do sistema. Em particular, as perdas
técnicas do circuito primário tendem a reduzir com a combinação de sistemas de
armazenamento com tecnologias renováveis ao passo que se aumenta o nível de penetração de
veículos elétricos e geradores fotovoltaicos.
 58

(a) (b)

(c)
Figura 3.21 – Perdas técnicas no circuito primário (a), no circuito secundário (b) e no transformador (c).

3.6.6 Sumário dos resultados apresentados

O estudo presente procurou mapear os possíveis benefícios que as concessionárias

de distribuição teriam no caso em que consumidores adquiram sistemas de armazenamento de
energia para deslocamento da demanda do horário de maior tarifação para o horário de menor
tarifação. Para tanto, utilizou-se uma abordagem estatística baseada na técnica de Monte Carlo.

Deste modo, avaliou-se inicialmente o potencial impacto que tecnologias

emergentes, como geradores fotovoltaicos e veículos elétricos, podem causar na operação dos
sistemas de distribuição. Dentre os critérios analisados, obteve-se que a elevação da tensão de
atendimento apresentou o maior número de consumidores afetados, em que, por exemplo, cerca
de 80% dos consumidores apresentam violações de elevação de tensão para o caso de 50% de
penetração de tecnologias emergentes. Isto se deve principalmente porque o tape do
transformador da subestação é configurado para operar próximo ao limite superior de tensão
adequada, i.e., 1,05 pu, já que tipicamente as redes tradicionais de distribuição apresentam
queda de tensão ao longo dos alimentadores. Consequentemente, uma pequena elevação de
 59

tensão causada pela injeção de potência na rede por geradores fotovoltaicos pode ser o
suficiente para violar os limites máximos de tensão.

Outros critérios que apresentaram impactos significativos na operação do sistema,

porém não tão limitante quanto a elevação da magnitude de tensão, foram o desequilíbrio de
tensão e o carregamento de transformadores. O desequilíbrio de tensão é originado
principalmente pela inserção de elementos monofásicos e bifásicos na rede enquanto a
sobrecarga em transformadores é ocasionada pelo aumento da carga durante o período de pico
referente à recarga de veículos elétricos.

Em seguida, verificou-se a influência da operação de sistemas de armazenamento

de energia nos consumidores. Para todos os critérios analisados, notou-se que os sistemas de
armazenamento de energia reduzem consideravelmente os impactos causados pela inserção de
geradores fotovoltaicos e veículos elétricos, mesmo operando na finalidade de deslocar a
demanda do consumidor, a qual a concessionária não possui controle direto. A fim de
quantificar tal afirmação, resume-se na Tabela 3.3 o porcentual de mitigação para o percentil
95 de cada critério técnico analisado no caso de 50% de penetração de tecnologias emergentes,
em que os níveis de aquisição de sistemas de armazenamento de energia são comparados ao
caso base.

Tabela 3.3 – Mitigação de impactos técnicos para o caso de 50% de penetração de tecnologias emergentes.
30% de 50% de 100% de
Critério
aquisição (%) aquisição (%) aquisição (%)
Tensão precária máxima 22,81 34,49 67,87
Tensão crítica máxima 44,49 65,75 85,56
Tensão precária mínima 67,70 85,27 89,33
Tensão crítica mínima 100,00 100,00 100,00
Desequilíbrio de tensão 11,56 19,27 27,44
Sobrecorrente condutores secundários 39,36 60,08 69,22
Sobrecarga transformadores 63,64 90,91 90,91
Perdas técnicas - circuitos primários 9,97 14,54 14,77
Perdas técnicas - circuitos secundários 17,62 25,49 36,46
Perdas técnicas - transformadores 20,10 29,95 35,00

Portanto, a mitigação dos impactos técnicos listados é principalmente motivada pela

operação de carregamento dos sistemas de armazenamento de energia durante a geração de
painéis fotovoltaicos e pela operação de descarregamento destes sistemas durante o pico de
demanda, coincidindo com a recarga de veículos elétricos.
 60

4. SISTEMAS DE ARMAZENAMENTO DE ENERGIA

CONTROLADOS PELA CONCESSIONÁRIA
No Capítulo 3, discutiu-se o benefício indireto que as concessionárias de
distribuição podem obter devido à operação de sistemas de armazenamento de energia pelos
consumidores. Neste capítulo o enfoque é distinto, explorando-se os benefícios para a
concessionária decorrentes da aplicação de sistemas de armazenamento de energia instalados
próximos ao secundário dos transformadores de média/baixa tensão.

O objetivo desta aplicação consiste em reduzir o pico de demanda e melhorar o fator

de carga (razão entre a demanda média e demanda de pico) do transformador, minimizando,
portanto, eventuais sobrecargas nestes equipamentos, além de mitigar a elevação de tensão em
consumidores, possibilitando o aumento da penetração de geradores fotovoltaicos. Deste modo,
as estratégias de controle da operação dos sistemas de armazenamento propostos neste capítulo
visam à redução mais acentuada dos impactos técnicos decorrentes da inserção de tecnologias
emergentes, conforme quantificado no capítulo anterior.

Dentre as principais vantagens das estratégias propostas, destaca-se a capacidade

de autoaprendizagem para definir a operação de carregamento e descarregamento do sistema
de armazenamento de energia, que se adapta às características de operação da rede ao longo do
tempo, considerando apenas variáveis mensuráveis localmente. Logo, a concessionária possui
maior flexibilidade para empregar as técnicas propostas, visto que não há necessidade de
instalação de infraestrutura de comunicação para aquisição de dados ao longo da rede nem a
necessidade de previsão de carga nos consumidores.

Assim, primeiramente, detalharam-se na Seção 4.1 as modificações realizadas no

algoritmo de análise baseado no método de Monte Carlo para adequá-lo à situação investigada
neste capítulo. Após a adequação do algoritmo de Monte Carlo, apresenta-se o detalhamento
das estratégias propostas para operação dos sistemas de armazenamento de energia na
Seção 4.2. Em seguida, definiu-se, na Seção 4.3, o sistema teste utilizado para os estudos de
casos apresentados na Seção 4.4 para demonstração e quantificação da eficácia das técnicas
propostas, sendo este sistema um circuito secundário presente no alimentador apresentado na
Seção 3.2. Finalmente, discutiram-se os resultados obtidos na Seção 4.5.
 61

4.1 Algoritmo Monte Carlo e considerações da inserção de tecnologias

emergentes
O algoritmo definido na Seção 3.1 foi adaptado neste capítulo para que se adequasse
aos estudos propostos para aplicação de sistemas de armazenamento de energia em
transformadores de média/baixa tensão, conforme apresentado na Figura 4.1. Além das
modificações no algoritmo de análise, destacam-se também que foram realizadas as
modificações referentes à inserção das tecnologias emergentes no sistema estudado, conforme
será explicado nesta seção. Tendo em vista que o principal impacto detectado nos estudos
conduzidos no Capítulo 3 referiram-se à elevação da tensão de atendimento aos consumidores,
limitou-se em inserir apenas geradores fotovoltaicos para os testes realizados neste capítulo.

Estabelecer limites e potência FV total

inserida na rede – Busca Binária

Estabelecer parâmetros iniciais –

Monte Carlo

Alocar FV

Distribuir potência FV total entre os

geradores FV

Fluxo de Carga (OpenDSS) e

amostragem de dados

Inserir SAE operando através dos

métodos propostos

Incrementa potência
FV total Fluxo de Carga (OpenDSS) e
amostragem de dados

Não

Máxima Convergiu
potência FV Sim consumidores Não Iniciar nova iteração
determinada? - afetados (Percentil Monte Carlo
casos com e sem 90)?
SAE
Sim

FIM

Figura 4.1 – Algoritmo baseado na técnica de Monte Carlo para estudo de aplicação de sistemas de
armazenamento de energia em circuitos secundários de distribuição sob penetração de geração fotovoltaica.

Em seguida, modificou-se a formação de cenários para o algoritmo de Monte Carlo.

Para os estudos propostos neste capítulo, fez-se necessário considerar a operação da rede ao
 62

longo de um ano a fim de avaliar a evolução de desempenho das estratégias propostas à medida
que a demanda dos consumidores e a geração dos sistemas fotovoltaicos variassem. Desta
forma, foi possível avaliar a flutuação de desempenho do sistema de armazenamento de energia
ao longo do ano quanto à melhora do fator de carga, à redução do pico de demanda no
transformador e ao aumento do limite de potência máxima de geração fotovoltaica na rede
secundária.

Além disso, modificou-se a forma de determinação da potência nominal dos

geradores fotovoltaicos apresentados na Seção 3.3. Nos estudos deste capítulo, definiu-se
primeiro a potência total a ser instalada no circuito secundário, para, posteriormente, dividi-la
proporcionalmente entre os consumidores de acordo com o consumo de cada cliente. Esta
potência total de geração fotovoltaica é incrementada em múltiplos de 1 kW até que se
determinem as potências máximas permissíveis para os casos com e sem sistema de
armazenamento de energia. Para realização do acréscimo da potência total, utilizou-se o critério
de busca binária detalhado a seguir.

Empregou-se a busca binária neste trabalho a fim de acelerar o processo de

convergência do algoritmo, visto que esta possui melhor desempenho comparada com o
incremento crescente de potência de geração fotovoltaica (busca linear). Basicamente, a busca
binária consiste em sucessivas divisões do espaço de busca, sempre a partir da análise do ponto
central que divide uma determinada lista de soluções possíveis em duas listas, decidindo em
qual parte da lista se encontra a solução desejada. Determinado em qual subconjunto se encontra
a solução desejada, avalia-se, de modo recursivo, o ponto médio deste subconjunto. Repete-se
este processo até que o subconjunto final seja menor que um determinado intervalo,
convergindo a busca para a solução desejada. Este processo é apresentado de forma esquemática
na Figura 4.2.

Sendo assim, definiu-se a lista inicial de potência total de geração fotovoltaica como
sendo os números inteiros contidos no intervalo entre 0 kW e a somatória de potência dos
geradores fotovoltaicos, conforme calculado em (3.4) considerando K igual a 100%, para todos
os consumidores que possuírem esta tecnologia. A análise considerada para escolher o
subconjunto da próxima iteração da busca binária se baseou na violação do limite superior de
tensão para os casos com e sem sistema de armazenamento de energia. Caso houvesse violação,
escolher-se-ia o subconjunto que apresentara potências totais de geração fotovoltaica menores
 63

que a analisada. Do contrário, escolher-se-ia o subconjunto de potências maiores que a

analisada.

Limites violados Limites não violados

sem SAE com SAE

Limites violados
Limites violados
sem SAE
com SAE

Limites violados
com SAE

Limites
Limites não violados não
Solução Solução
sem SAE violados
com SAE

1 kW 2 kW 3 kW 4 kW 5 kW 6 kW 7 kW 8 kW 9 kW 10 kW 11 kW

Figura 4.2 – Exemplo do processo de convergência utilizando busca binária para potência total de geração
fotovoltaica em um circuito secundário.

Outras modificações realizadas se referem à quantidade de dias considerados e à

resolução da curva de irradiância adotada para os geradores fotovoltaicos e das curvas de carga
dos consumidores. Para a curva de irradiância adotada, utilizou-se um perfil anual obtido da
mesma estação meteorológica descrita na Seção 3.3 na resolução de 1 minuto.
Consequentemente, a utilização de curvas reais de irradiância adicionou naturalmente as
incertezas relacionadas à geração de energia pelos sistemas fotovoltaicos, o que permitiu avaliar
a eficiência das estratégias propostas para controle dos sistemas de armazenamento de energia
de forma mais realística. Já para os consumidores, utilizaram-se curvas de carga sintéticas na
resolução de 1 minuto, as quais são detalhadas na Seção 4.3, já que as curvas típicas de demanda
não atenderiam a proposta de estudo deste capítulo.

Por fim, quanto ao dimensionamento do sistema de armazenamento de energia,

adotou-se como especificações técnicas 20 kW de potência nominal, a qual poderia ser
sustentado por 1,5 hora, resultando em 30 kWh de capacidade. Considerou-se ainda que o
sistema de armazenamento de energia fosse capaz de operar desde o descarregamento completo
até o carregamento completo, ou seja, com o estado de carga variando de 0 a 100%.
 64

4.2 Estratégias de controle do sistema de armazenamento de energia

Foram propostas duas estratégias de controle para um sistema de armazenamento
de energia instalado junto ao secundário de um transformador de média/baixa tensão, conforme
esquematizado na Figura 4.3, a saber: movimento dos limiares de operação e variação de tensão
utilizando a capacidade do inversor.

𝐼 𝐼
𝑉
𝑆𝐸 𝑆𝐸

𝑆𝐴𝐸 𝑆𝐴𝐸

MT/BT
Figura 4.3 – Representação do equivalente do sistema conectado a um transformador a qual possui um sistema
de armazenamento alocado no barramento secundário.

A estratégia denominada de movimento dos limiares de operação é destinada a

complementar (regularizar) a potência ativa demandada pelos consumidores somados às perdas
operacionais ( 𝑆𝐸 ) através da injeção ou consumo de potência ativa pelo sistema de
armazenamento de energia ( 𝑆𝐴𝐸 ), visando à melhora do fator de carga e à redução do pico de
demanda do transformador. Já a estratégia de variação de tensão utilizando a capacidade do
inversor, como o próprio nome sugere, utiliza-se da capacidade ociosa do conversor de interface
do sistema de armazenamento de energia para compensação de potência reativa ( 𝑆𝐴𝐸 ), a fim
de variar a tensão no secundário do transformador e adequá-la aos limites operacionais impostos
por regulação. Ressalta-se que as estratégias propostas são independentes e podem ser utilizadas
de modo separado ou conjunto na operação de um dado sistema de armazenamento. Maiores
detalhes sobre a estratégia de movimento dos limiares de operação são apresentados na
Subseção 4.2.1 e sobre a variação de tensão utilizando a capacidade do inversor na
Subseção 4.2.2.

4.2.1 Movimento dos limiares de operação

A ideia central para o qual esta estratégia se aplica consiste em operar os ciclos de
carregamento e descarregamento do sistema de armazenamento de modo a manter a curva de
carga do transformador dentro de dois patamares de potência, um limiar superior, 𝑑𝑒𝑠𝑐 , e um
limiar inferior, 𝑐𝑎𝑟 . Desta forma, a flexibilidade propiciada pelo sistema de armazenamento é
explorada para que a carga equivalente da rede secundária aumente quando há excesso de
 65

geração (i.e., a bateria é carregada, tipicamente em torno do meio dia solar, com potência
variável 𝑆𝐴𝐸 (𝑡 > 0) e para que a geração equivalente da rede secundária aumente quando há
elevada demanda (i.e., a bateria é descarregada, tipicamente no horário de pico de demanda da
rede secundária no final da tarde/início da noite, com potência variável 𝑆𝐴𝐸 (𝑡 < 0). Uma
ilustração desse modo de operação é apresentada na Figura 4.4 a seguir:

Figura 4.4 – Ilustração do modo de operação do sistema de armazenamento de energia pela estratégia do
movimento dos limiares.

Portanto, para que o objetivo de garantir a operação entre dois patamares de carga
seja atingido, o sistema deve carregar com potência 𝑆𝐴𝐸 (𝑡 enquanto a demanda agregada
𝑆𝐸 (𝑡 do circuito secundário a jusante do ponto de armazenamento for menor do que o
patamar inferior do ajuste e descarregar com potência 𝑆𝐴𝐸 (𝑡 enquanto a demanda agregada
no mesmo ponto for maior do que o patamar superior do ajuste, conforme apresentado em (4.1).

𝑐𝑎𝑟 𝑆𝐸 (𝑡 , 𝑠𝑒 𝑆𝐸 (𝑡 < 𝑐𝑎𝑟

𝑆𝐴𝐸 (𝑡 = {0, 𝑠𝑒 𝑐𝑎𝑟 < 𝑆𝐸 (𝑡 < 𝑑𝑒𝑠𝑐 (4.1)
𝑑𝑒𝑠𝑐 𝑆𝐸 (𝑡 , 𝑠𝑒 𝑆𝐸 (𝑡 > 𝑑𝑒𝑠𝑐

A operação do sistema de armazenamento demanda, portanto, o ajuste dos valores

𝑐𝑎𝑟 e 𝑑𝑒𝑠𝑐 e a medição da demanda equivalente da rede secundária ao longo do tempo,
𝑆𝐸 (𝑡 , a qual é realizada localmente.

4.2.1.1 Objetivos e desafios

A grande dificuldade para que o transformador, com o auxílio do sistema de

armazenamento, opere satisfatoriamente dentro de dois patamares de carga consiste em ajustar
os valores de 𝑐𝑎𝑟 e 𝑑𝑒𝑠𝑐 para que as potências máximas e mínimas da curva de demanda sejam
efetivamente reduzidas, dada a capacidade limitada do sistema de armazenamento e as
 66

incertezas na demanda e na geração da rede secundária. Para resolver este problema, a estratégia
de movimento dos limiares de operação propõe que estes ajustes que engatilharão o
carregamento e o descarregamento do sistema de armazenamento de energia sejam feitos
gradualmente, de modo iterativo, ao longo dos dias após o início da operação do sistema. Neste
processo iterativo, os valores 𝑐𝑎𝑟 e 𝑑𝑒𝑠𝑐 variam ao longo dos dias de acordo com o índice i e
vão continuamente adaptando os ajustes de acordo com as condições de operação:
𝑖 𝑖+ 𝑖+2 𝑖 𝑖+ 𝑖+2
𝑐𝑎𝑟 , 𝑐𝑎𝑟 , 𝑐𝑎𝑟 , … e 𝑑𝑒𝑠𝑐 , 𝑑𝑒𝑠𝑐 , 𝑑𝑒𝑠𝑐 , …

Este processo é inicializado através da medição ao longo do primeiro dia para

0 0
determinação da demanda mínima, 𝑚𝑖𝑛 , e da demanda máxima, 𝑚𝑎𝑥 , do transformador, os
0
quais serão iguais, respectivamente, ao limiar inicial de carregamento 𝑐𝑎𝑟 e descarregamento
0
𝑑𝑒𝑠 . Após o primeiro dia, os limiares de operação podem ser modificados de acordo com dois
modos de operação, a saber: 1) avanço e 2) recuo dos limiares de operação.

4.2.1.2 Avanço dos limiares de operação

𝑖
Esta etapa é executada sempre que for possível incrementar o limiar inferior 𝑐𝑎𝑟
𝑖
ou decrementar o limiar superior 𝑑𝑒𝑠𝑐 . Deste modo, caso o estado de carga máximo do sistema
𝑖
de armazenamento ao longo do 𝑖-ésimo dia 𝑆𝑜𝐶𝑚𝑎𝑥 não alcance a capacidade máxima de carga
𝑙𝑖𝑚 𝑖+
𝑆𝑜𝐶𝑚𝑎𝑥 do sistema, o limiar inferior para o dia seguinte 𝑐𝑎𝑟 é incrementado, conforme
apresentado em (4.2), definindo uma nova meta de operação para o dia seguinte. Este acréscimo
𝑖
Δ 𝑐𝑎𝑟 que atualiza o valor do limiar de potência de carregamento do dia 𝑖 é calculado pela
𝑙𝑖𝑚
diferença entre a capacidade máxima de carga 𝑆𝑜𝐶𝑚𝑎𝑥 e o estado de carga máximo observado
𝑖
ao longo do 𝑖-ésimo dia 𝑆𝑜𝐶𝑚𝑎𝑥 multiplicada pela potência nominal do sistema de
𝑛𝑜𝑚
armazenamento de energia 𝑆𝐴𝐸 e por um fator restritivo 𝐾. Este fator restritivo tem por
finalidade delimitar a máxima porcentagem da potência nominal do sistema de armazenamento
que pode ser aumentada em um único dia.

𝑖 𝑖+ 𝑖 𝑛𝑜𝑚 𝑙𝑖𝑚 𝑖 𝑖 𝑙𝑖𝑚

Δ 𝑐𝑎𝑟 = 𝑐𝑎𝑟 𝑐𝑎𝑟 =𝐾⋅ 𝑆𝐴𝐸 ⋅ (𝑆𝑜𝐶𝑚𝑎𝑥 𝑆𝑜𝐶𝑚𝑎𝑥 ), 𝑠𝑒 𝑆𝑜𝐶𝑚𝑎𝑥 < 𝑆𝑜𝐶𝑚𝑎𝑥 (4.2)

Em que:

𝑖
𝑆𝑜𝐶𝑚𝑎𝑥 : maior valor de estado de carga para o sistema de armazenamento de
energia durante o dia i (%);
𝑙𝑖𝑚
𝑆𝑜𝐶𝑚𝑎𝑥 : estado máximo de carga do sistema de armazenamento de energia (%);
𝑖+
𝑐𝑎𝑟 : limiar de potência para o carregamento no dia seguinte i+1 (kW);
 67

𝑖
𝑚𝑖𝑛 : demanda mínima de potência do transformador ao longo do dia i (kW).
𝐾: fator restritivo (%);
𝑆𝐴𝐸 : potência nominal do sistema de armazenamento de energia (kW).

Analogamente, se durante o descarregamento o sistema de armazenamento de

𝑙𝑖𝑚
energia não atingir o limite de carga mínima 𝑆𝑜𝐶𝑚𝑖𝑛 ao longo do 𝑖-ésimo dia, o limiar superior
𝑖+
para o dia seguinte 𝑑𝑒𝑠𝑐 é reduzido de acordo com (4.3), definindo a nova meta de operação
para o dia 𝑖 :
𝑖 𝑖+ 𝑖 𝑛𝑜𝑚 𝑙𝑖𝑚 𝑖 𝑖 𝑙𝑖𝑚
Δ 𝑑𝑒𝑠𝑐 = 𝑑𝑒𝑠𝑐 𝑑𝑒𝑠𝑐 =𝐾⋅ 𝑆𝐴𝐸 ⋅ (𝑆𝑜𝐶𝑚𝑖𝑛 𝑆𝑜𝐶𝑚𝑖𝑛 ), 𝑠𝑒 𝑆𝑜𝐶𝑚𝑖𝑛 > 𝑆𝑜𝐶𝑚𝑖𝑛 (4.3)

Em que:
𝑖
𝑆𝑜𝐶𝑚𝑖𝑛 : menor valor de estado de carga para o sistema de armazenamento de
energia durante o dia i (%);
𝑙𝑖𝑚
𝑆𝑜𝐶𝑚𝑖𝑛 : estado mínimo de carga do sistema de armazenamento de energia (%);
𝑖+
𝑑𝑒𝑠 : limiar de potência para o descarregamento no dia seguinte i+1 (kW);
𝑖
𝑚𝑎𝑥 : demanda máxima de potência do transformador ao longo do dia i (kW).

Para exemplificar o modo de avanço dos limiares de operação, considere o caso

apresentado na Figura 4.5. Devido ao fato que o estado de carga do sistema de armazenamento
𝑙𝑖𝑚
de energia não atingiu a capacidade máxima de carga 𝑆𝑜𝐶𝑚𝑎𝑥 para os dias 1 e 2, o controle de
2
avanço dos limiares de operação incrementou o limiar de carregamento de 𝑐𝑎𝑟 para 𝑐𝑎𝑟 ao
2 3
final do primeiro dia e de 𝑐𝑎𝑟 para 𝑐𝑎𝑟 ao final do segundo dia. Analogamente, o controle de
3
avanço dos limiares decrementou a potência de descarregamento de 𝑑𝑒𝑠𝑐 para 𝑑𝑒𝑠𝑐 , já que o
sistema de armazenamento de energia possuía energia suficiente após o final da operação dos
dias 1 e 2. Deste modo, notou-se que o avanço nos limiares de atuação do sistema de
armazenamento de energia melhorou a atuação deste sistema de acordo com os objetivos
3
impostos, já que o pico de demanda foi reduzido a 𝑚𝑎𝑥 e o fator de carga foi melhorado, pois
a demanda média se aproximou numericamente do pico de demanda.
 68

(a) (b)
Figura 4.5 – Exemplo de três dias de operação em modo de avanço dos limiares para o carregamento e
descarregamento (a) e o estado de carga (b) do sistema de armazenamento de energia.
4.2.1.3 Recuo dos limiares de operação

A curva de carga de um transformador pode variar significativamente de um dia

para o outro devido à natureza estocástica da demanda dos consumidores e da geração de
energia pelos painéis fotovoltaicos. Consequentemente, ao longo do processo de avanço dos
limiares descrito anteriormente, o estado de carga do sistema de armazenamento de energia
pode alcançar a capacidade máxima de carga devido a um aumento excessivo no limiar de
carregamento ou então alcançar o limite de carga mínima devido a um decremento excessivo
no limiar de descarregamento.

Para contornar este problema, propõe-se na estratégia que haja também a

possibilidade de recuo dos limiares de operação do sistema de armazenamento de energia, com
o objetivo de contrabalancear uma parcela do incremento ou decremento realizado pela etapa
de avanço dos limiares de operação. Assim, se o estado de carga atingisse a capacidade máxima
𝑙𝑖𝑚
de carga 𝑆𝑜𝐶𝑚𝑎𝑥 durante a operação do sistema de armazenamento para o dia i, o valor da
𝑖
demanda mínima do transformador ( 𝑚𝑖𝑛 ) passaria a ser menor do que o limiar de operação
𝑖
para o carregamento ( 𝑐𝑎𝑟 , o que ativaria a etapa de recuo de limiares de operação para
decrementar o limiar de carregamento de acordo com (4.4). O decremento do limiar de
𝑖 𝑖
carregamento, portanto, seria calculado pela diferença entre 𝑐𝑎𝑟 e 𝑚𝑖𝑛 multiplicado pelo fator
restritivo 𝐾.

𝑖 𝑖+ 𝑖 𝑖 𝑖 𝑖 𝑖
Δ 𝑐𝑎𝑟 = 𝑐𝑎𝑟 𝑐𝑎𝑟 = 𝐾⋅( 𝑐𝑎𝑟 𝑚𝑖𝑛 ), 𝑠𝑒 𝑐𝑎𝑟 > 𝑚𝑖𝑛 (4.4)

Analogamente, a operação do sistema de armazenamento de energia próximo ao

𝑙𝑖𝑚
estado mínimo de carga (𝑆𝑜𝐶𝑚𝑖𝑛 ) seria detectada no caso em que o limiar de descarregamento
 69

𝑖
para o dia i ( 𝑑𝑖𝑠𝑐 ) fosse menor do que a máxima demanda do transformador para o mesmo dia
𝑖
( 𝑚𝑎𝑥 ). Logo, o recuo dos limiares de operação calcularia o incremento do limiar de
𝑖+
descarregamento relacionado ao dia i+1 ( 𝑑𝑖𝑠𝑐 ), conforme apresentado em (4.5).

𝑖 𝑖+ 𝑖 𝑖 𝑖 𝑖 𝑖
Δ 𝑑𝑒𝑠𝑐 = 𝑑𝑒𝑠𝑐 𝑑𝑒𝑠𝑐 = 𝐾( 𝑚𝑎𝑥 𝑑𝑒𝑠𝑐 ), 𝑠𝑒 𝑑𝑒𝑠𝑐 < 𝑚𝑎𝑥 (4.5)

Para ilustrar o modo de recuo de limiares de operação, mostrou-se na Figura 4.6 o

perfil de carga de um transformador no caso em que o sistema de armazenamento presente no
barramento secundário deste atingisse os limites operacionais no segundo dia de atuação. O
2
limiar de operação para o carregamento ( 𝑐𝑎𝑟 adotado fez com que o estado máximo de carga
𝑙𝑖𝑚
𝑆𝑜𝐶𝑚𝑎𝑥 fosse atingido antes que o sistema de armazenamento nivelasse a demanda mínima do
2
transformador, resultando que esta demanda mínima 𝑚𝑖𝑛 fosse menor que o limiar de operação
de carregamento. Consequentemente, o modo de recuo dos limiares decrementou o ponto de
3
operação de carregamento do segundo dia para ser aplicado no terceiro dia ( 𝑐𝑎𝑟 ), o qual
adequadamente igualou a demanda mínima do perfil de carregamento do transformador.
Analogamente, notou-se que o pico de demanda não foi propriamente reduzido de acordo com
2
o limiar de descarregamento definido para o segundo dia ( 𝑑𝑒𝑠𝑐 ). Logo, este limiar foi
3
incrementado para a operação no terceiro dia ( 𝑑𝑒𝑠𝑐 ), sendo que este novo modo de operação
adequadamente ceifou o pico de demanda do transformador.

(a) (b)
Figura 4.6 – Exemplo de três dias de operação em modo de recuo dos limiares para o carregamento e
descarregamento (a) e o estado de carga (b) do sistema de armazenamento de energia.

Enfatiza-se que, embora os modos de avanço e recuo de limiares de operação foram

apresentados ocorrendo simultaneamente para um determinado dia de operação do
transformador, tem-se que estas etapas de definição dos limiares ocorrem independentemente.
Isto significa que para um dado dia, pode ocorrer que o modo de operação de carregamento seja
 70

definido pelo avanço dos limiares enquanto o modo de descarregamento seja definido pelo
recuo dos limiares, ou vice e versa. Adotou-se que tanto o carregamento quanto o
descarregamento apresentassem o mesmo modo de operação apenas para facilitar a explicação
da estratégia de movimento dos limiares de operação.

Em suma, a estratégia de movimento dos limiares é ilustrada no fluxograma

apresentado na Figura 4.7, em que são destacados os blocos lógicos de definição dos limiares
de carregamento e descarregamento.

Cálculo de 𝑐𝑎𝑟 Cálculo de 𝑑𝑒𝑠𝑐

M edição 𝑆𝐸 ao usando (4.4). usando (4.5).
INÍCIO longo do dia i. Não
Sim Sim
𝑖 𝑖 Não 𝑖 𝑖 Não Último dia
Definição 𝑚𝑎𝑥 e 𝑐𝑎𝑟 > 𝑚𝑖𝑛 𝑑𝑒𝑠𝑐 < 𝑚𝑎𝑥 de operação
𝑚𝑖𝑛 do dia i. do SAE?

Sim
Não Não

Primeiro
Não 𝑖 𝑙𝑖𝑚 𝑖 𝑙𝑖𝑚 FIM
dia de 𝑆𝑜𝐶𝑚𝑎𝑥 < 𝑆𝑜𝐶𝑚𝑎𝑥 𝑆𝑜𝐶𝑚𝑖𝑛 > 𝑆𝑜𝐶𝑚𝑖𝑛
operação?
Sim Sim Sim

𝑐𝑎𝑟= 𝑚𝑖𝑛 Cálculo de 𝑐𝑎𝑟 Cálculo de 𝑑𝑒𝑠𝑐

𝑑𝑒𝑠𝑐 = 𝑚𝑎𝑥 usando (4.2). usando (4.3).

Definição do Definição do limiar

limiar de de
carregamento. descarregamento.

Figura 4.7 – Fluxograma de operação da estratégia de movimento dos limiares.

4.2.2 Variação de tensão utilizando a capacidade do inversor

A potência requerida pela estratégia do movimento dos limiares de operação se

iguala à potência nominal do inversor de interface do sistema de armazenamento de energia por
apenas curtos períodos ao longo dos dias de operação. Por exemplo, na Figura 4.5, supondo que
3
a potência nominal do inversor fosse igual a 𝑚𝑖𝑛 𝑚𝑖𝑛 , apenas por um curto período durante
o terceiro dia o inversor dedicou sua completa capacidade para a estratégia de movimento dos
limiares. Para o restante do terceiro dia assim como para o primeiro e segundo dias, o inversor
possuía capacidade para compensar potência reativa à rede sem interferir na operação de
potência ativa.

Deste modo, a capacidade disponível do inversor pode ser utilizada indiretamente

para mitigar a elevação de tensão nos consumidores através da variação da tensão pela
 71

compensação de potência reativa no ponto de acoplamento do sistema de armazenamento de

energia. A eficácia desta variação de tensão pela compensação de potência reativa depende da
relação X/R da impedância equivalente até o transformador em análise. Definiu-se
matematicamente em [28] a relação entre potência ativa e reativa com a variação da tensão do
ponto de acoplamento, que é apresentada em (4.6).

∙𝑅 ∙𝑋
∆𝑉 ≈ (4.6)
𝑉

Assim, para determinar a potência reativa necessária para variar a tensão conforme
desejado, adotou-se uma abordagem baseada no método proposto em [65]. Para explicar a
estratégia de controle de tensão proposta, modificou-se a Figura 4.3 para o diagrama
apresentado na Figura 4.8. A impedância equivalente 𝑒𝑞 corresponde à soma da impedância
de curto-circuito trifásico e a impedância equivalente do transformador 𝑇 .

𝑉 0 𝑉2 2
𝑉
𝑆𝐸 𝑆𝐸

𝑒𝑞= 𝑇 𝑆𝐴𝐸
= 𝑅𝑒𝑞 𝑋𝑒𝑞 𝑆𝐴𝐸
Figura 4.8 – Diagrama monofásico representando a conexão do sistema de armazenamento de energia no
secundário do transformador.

Conforme apresentado em (4.7), o fluxo de potência da barra 2 foi definido pela

soma da potência demandada pelos consumidores e das perdas ôhmicas do secundário com a
soma da potência ativa do sistema de armazenamento de energia (definido pela estratégia de
movimento dos limiares de operação) e da potência reativa, a qual se deseja definir para variar
a tensão da barra 2 a um determinado valor.

=( 𝑆𝐴𝐸 𝑆𝐸 ( 𝑆𝐴𝐸 𝑆𝐸 (4.7)

Pode-se relacionar a potência reativa necessária para variar a tensão da barra 2 para
um nível desejado com a tensão medida da barra 2 através de (4.8), cuja demonstração foi
detalhada no Apêndice A.

𝜕 𝑑𝑒𝑠𝑒𝑗𝑎𝑑𝑜
Q𝑐𝑎𝑙𝑐
𝑆𝐴𝐸 ≈ (𝑉2 𝑉2𝑚𝑒𝑑𝑖𝑑𝑜 ) 𝑆𝐸 (4.8)
𝜕𝑉2
 72

Em que:

∂Q ∂A
= ∙ ( 8V2 Xeq ± A−2 ∙
∂V2 4 ∙ (Xeq 2 R eq ) 2 ∂V2

𝐴 = 4𝑉24 𝑋𝑒𝑞 2 4(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 )[ 2

(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 ) 𝑉22 𝑅𝑒𝑞 𝑉24 𝑉22 𝑉 2 ]

A tensão desejada para a barra 2 é definida conforme apresentado em (4.9). Caso

a tensão medida na barra 2 seja menor que um valor mínimo de referência, a tensão desejada
desta barra deve ser igual à tensão em aberto do transformador. Caso a tensão medida na barra
2 seja maior que um valor máximo de referência, a tensão desejada desta barra deve ser a tensão
nominal de fase do sistema. Os valores de referência máximo e mínimo foram definidos de
modo que a tensão nos consumidores permanecesse dentro da faixa adequada de operação, os
quais foram definidos em 1,035 pu e 1,02 pu, respectivamente.

𝑟𝑎𝑛𝑠𝑓 𝑚𝑖𝑛
𝑑𝑒𝑠𝑒𝑗𝑎𝑑𝑜 𝑉 , 𝑠𝑒 𝑉2𝑚𝑒𝑑𝑖𝑑𝑜 < 𝑉ref
𝑉2 ={ 0 𝑚𝑎𝑥
(4.9)
𝑉𝑛𝑜𝑚𝑖𝑛𝑎𝑙 , 𝑠𝑒 𝑉2𝑚𝑒𝑑𝑖𝑑𝑜 > 𝑉ref

Em que:

𝑟𝑎𝑛𝑠𝑓
𝑉0 : tensão em vazio do transformador (tensão de Thévenin) (pu);
𝑚𝑖𝑛
𝑉ref : tensão mínima de referência (pu);
𝑚𝑎𝑥
𝑉ref : tensão máxima de referência (pu);
𝑉𝑛𝑜𝑚𝑖𝑛𝑎𝑙 : tensão nominal de fase do sistema (pu).

Uma vez definida a potência reativa injetada pelo sistema de armazenamento de

energia necessária para variar a tensão medida para a tensão desejada, verifica-se se este sistema
possui capacidade disponível para fornecer tal potência. Caso a potência necessária implique
em sobrecarga do inversor, a potência reativa injetada/absorvida é limitada para que o inversor
não opere sobrecarregado, conforme apresentado em (4.10).

2
√𝑆 2 2
, 𝑖𝑓 √ 2
Q𝑐𝑎𝑙𝑐
𝑆𝐴𝐸 > 𝑆𝑆𝐴𝐸
2
𝑆𝐴𝐸 = { 𝑆𝐴𝐸 𝑆𝐴𝐸 𝑆𝐴𝐸 (4.10)
Q𝑐𝑎𝑙𝑐
𝑆𝐴𝐸 , 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜

4.3 Descrição do sistema teste utilizado

O circuito secundário utilizado para avaliar a eficácia da aplicação do sistema de
armazenamento de energia, controlado conforme as estratégias propostas, é descrito nesta
 73

seção. Trata-se de um circuito secundário do alimentador apresentado na Seção 3.2, porém as

cargas utilizadas na simulação deste sistema foram modificadas, utilizando-se para tal curvas
de demanda sintetizadas através de um simulador de redes de baixa tensão [66] para que
apresentassem resolução de 1 minuto. Esta rede é conectada ao circuito primário através de um
transformador cujas tensões nominais são de 11,4 kV no primário, o qual está conectado em
delta, e 220 V no secundário, o qual está conectado em estrela aterrada. A potência nominal do
transformador é 75 kVA e a potência de curto-circuito trifásica é de 77,36 MVA, referente ao
lado primário. O diagrama esquemático do circuito secundário estudado é apresentado na
Figura 4.9.
17 18 19

8 9 12 13 14 15 16

10 11
1 Δ Y 2

6 7

3
4 5

Figura 4.9 – Diagrama esquemático do circuito secundário estudado.

Esse circuito secundário atende 70 consumidores, sendo que os ramais de conexões

apresentados pelas setas na Figura 4.9 podem conter mais de um cliente alocado, os quais são
divididos em: 9 consumidores monofásicos, 59 consumidores bifásicos e 2 consumidores
trifásicos. Os perfis de consumo gerados para estes consumidores possuem média e desvio
padrão conforme apresentado na Figura 4.10.

Resumiu-se, na Tabela 4.1, informações adicionais do sistema teste estudado.

Tabela 4.1 – Componentes do sistema teste.

Componente Unidade
Barras 76 un.
Linhas aéreas – Circuito secundário 1,5 km
Linhas aéreas – Ramal de serviço 1,8 km
Consumidores 70 un.
Consumidor mais distante do transformador 196 m
 74

(a) (b)
Figura 4.10 – Média e desvio padrão das curvas de potência ativa (a) e potência reativa (b) utilizadas para
definir a demanda dos consumidores.

4.4 Estudos realizados

Investigou-se a eficiência de um sistema de armazenamento de energia para
melhorar o fator de carga do transformador, reduzir o pico de demanda e aumentar o nível
máximo de penetração de geração fotovoltaica sem provocar violações dos limites de tensão
nos consumidores por meio de três estudos.

O primeiro estudo de caso tem por objetivo avaliar as contribuições para mitigação
de impactos técnicos da aplicação de um sistema de armazenamento de energia instalado junto
ao transformador de média/baixa tensão. Para tanto, realizou-se uma análise determinística de
um cenário criado através do método de Monte Carlo, cuja penetração de geração fotovoltaica
correspondeu a 15% do total de consumidores do circuito secundário descrito na Seção 4.3.
Neste caso, inseriu-se 15 kW de geração fotovoltaica dividida entre os consumidores de forma
proporcional ao consumo de cada um.

O segundo estudo de caso tem por objetivo avaliar a eficácia da estratégia de

movimento dos limiares de operação. Para tanto, analisou-se o mesmo cenário proposto no
primeiro estudo. Os resultados obtidos durante o ano para o fator de carga e demanda máxima
do transformador foram comparados com uma estratégia ótima de operação do sistema de
armazenamento de energia para cada dia. Nessa estratégia de operação ótima, assumiu-se que
o perfil diário de demanda do transformador era plenamente conhecido para ajuste dos limiares
de carregamento e descarregamento do sistema de armazenamento de energia. Portanto, a
estratégia ótima de operação corresponde à melhor solução possível utilizando-se o sistema de
armazenamento considerado. O algoritmo utilizado para simulação da estratégia de operação
ótima consiste em dois passos:
 75

• O limiar de descarregamento é ajustado para sustentar o mínimo pico de

demanda a qual o sistema de armazenamento de energia tivesse capacidade útil
suficiente. Caso a potência necessária para atender ao limiar de descarregamento
seja maior que a potência nominal do inversor do sistema de armazenamento de
energia, limita-se este valor ao da potência nominal.
• Ajusta-se o limiar de carregamento baseado na capacidade utilizada para
sustentar o limiar de descarregamento.

Por último, o terceiro estudo de caso teve como finalidade analisar

probabilisticamente o aumento de potência de geração fotovoltaica total do circuito secundário
que não provocasse violações dos limites de tensão de regime permanente proporcionado pela
inserção de sistemas de armazenamento de energia. Para realização deste estudo, utilizou-se o
algoritmo baseado no método de Monte Carlo, conforme apresentado na Seção 4.1. Neste
estudo, consideraram-se três níveis de penetração de geradores fotovoltaicos: 5%, 15% e 25%
de penetração.

4.5 Resultados e discussões

Os resultados para cada um dos três estudos de casos descritos na seção anterior são
apresentados nas três subseções a seguir, além de uma subseção sumarizando os principais
resultados obtidos.

4.5.1 Estudo de caso 1

Neste primeiro estudo de caso, analisou-se detalhadamente a atuação do sistema de

armazenamento de energia aplicado em um transformador de média/baixa tensão durante um
ano completo de operação. A potência total de geração fotovoltaica instalada no circuito
secundário correspondeu a 15 kWp, sendo distribuída em 10 consumidores (cerca de 15% de
penetração).

O desempenho detalhado da estratégia de movimento dos limiares de operação ao

longo de uma semana do ano simulado pode ser avaliado na Figura 4.11. Nota-se que tanto para
operação durante o dia 1 quanto para a operação durante o dia 2, o sistema de armazenamento
de energia não atingiu os estados mínimo e máximo de carga, fazendo com que a etapa de
avanço dos limiares incrementasse o limiar de carregamento e decrementasse o limiar de
descarregamento. Tais avanços podem ser mais bem observados pelas linhas horizontais
indicadas na mesma figura.
 76

Para o dia 2, verifica-se que, durante o descarregamento do sistema de

armazenamento, não foi possível sustentar o limiar de operação apesar de haver energia
suficiente para tal. Isto ocorreu porque a potência de descarregamento requerida para manter
limitada a demanda agregada do transformador era superior à potência nominal do sistema de
armazenamento de energia. Assim, este sistema descarregou em potência nominal durante este
intervalo, o que resultou em um pico de demanda no perfil de carregamento do transformador.
Contudo, este pico de demanda ainda era consideravelmente menor do que o pico de demanda
para o caso sem sistema de armazenamento de energia.

Já para os dias 3, 4 e 5, o sistema de armazenamento de energia atingiu o estado

mínimo de carga durante a operação. Deste modo, incrementou-se o limiar de descarregamento
conforme proposto pela etapa de recuo dos limiares de operação, a fim de ceifar o pico de
demanda apropriadamente. Como o estado de carga do sistema de armazenamento não atingiu
o estado máximo de carga, continuou-se incrementando o limiar de carregamento.

Para o dia 6, verificou-se que a etapa de recuo dos limiares, ocorrida em razão do
completo descarregamento do sistema de armazenamento no dia 5, foi adequada ajustando um
novo patamar para o limiar de descarregamento, o que evitou que no dia 6 o sistema de
armazenamento atingisse o estado mínimo de carga. Por outro lado, notou-se que o sistema de
armazenamento atingiu o estado máximo de carga, o que desencadeou a etapa de recuo para o
limiar de carregamento do dia seguinte.

Finalmente no dia 7, nenhum limite de estado de carga foi atingido pela operação
do sistema de armazenamento de energia. Assim, aplicou-se o modo de avanço dos limiares
para ambos pontos de operação de carregamento e descarregamento.
 77

(a)

(b)
Figura 4.11 – Perfil de carregamento do transformador (a) e estado de carga do sistema de armazenamento de
energia (b) para operação ao longo de uma semana.

Essa análise pormenorizada não é viável de ser feita ao longo de um ano inteiro de
operação simulada. Para tanto, a fim de avaliar o desempenho do sistema de armazenamento de
energia ao longo do ano, substituiu-se a análise visual realizada anteriormente pela análise dos
histogramas apresentados na Figura 4.12.
 78

(a) (b)
Figura 4.12 – Histogramas contendo as frequências de redução do pico de demanda (a) e do aumento
absoluto do fator de carga (b) devido à utilização do sistema de armazenamento de energia.

Destes histogramas, destacam-se os seguintes resultados:

• A redução média do pico de demanda do transformador ao longo do ano foi de

12,6 kW, o que corresponde à 63% da potência nominal do sistema de
armazenamento de energia. Além disso, o sistema de armazenamento de energia
foi capaz de reduzir o pico de demanda em pelo menos 18 kW (90% da potência
nominal) por 91 dias, o que correspondeu a 25% do tempo operacional deste
dispositivo.
• O aumento absoluto médio do fator de carga foi de 8,27%, sendo que o sistema
de armazenamento de energia foi capaz de aumentar o fator de carga em pelo
menos 10% por 114 dias, correspondendo a 31% do tempo operacional deste
dispositivo.

Após avaliar a performance do sistema de armazenamento de energia em reduzir o

pico de demanda e melhorar o fator de carga do transformador, analisou-se o desempenho em
conjunto com a estratégia de variação de tensão utilizando a capacidade não aproveitada do
inversor. Na Figura 4.13 é apresentado o perfil de tensão de uma fase para um consumidor
durante a mesma semana para a qual foram apresentados os resultados da Figura 4.11.
 79

Figura 4.13 – Perfil de tensão de uma fase de um consumidor durante uma semana.

O perfil de tensão foi obtido com simulações de fluxo de carga série temporal com
resolução de 1 minuto, de acordo com as curvas de cargas e geração adotadas nestes estudos,
sendo posteriormente subamostrados para resolução de 10 minutos a fim de avaliar a qualidade
da tensão de atendimento em regime permanente, conforme regulamentado pela ANEEL [8].
Utilizou-se o valor médio da tensão em cada janela de 10 minutos para conversão da resolução
de 1 minuto para 10 minutos.

Quanto à qualidade da tensão de atendimento, analisando-se apenas a fase

apresentada na Figura 4.13, verificou-se que o limite de tensão adequado é transgredido durante
alguns instantes para o perfil de tensão sem aplicação do sistema de armazenamento de energia.
Estes instantes de transgressão do limite de tensão corresponderam a 5,1% do tempo
operacional medido, o que classifica o consumidor em atendimento precário. Por outro lado,
com o sistema de armazenamento de energia em operação, nota-se que não houve violação do
limite superior de tensão.

Desta forma, expandindo esta análise feita em apenas um consumidor a todos os

demais, teve-se que 15 consumidores apresentaram transgressão da tensão de atendimento, o
que corresponde a aproximadamente 21% dos consumidores. Com a adoção do sistema de
armazenamento operando conforme as estratégias investigadas, reduziu-se a zero o número de
consumidores que apresentaram transgressões de tensão de atendimento ao longo do ano.

4.5.2 Estudo de caso 2

No segundo estudo de caso, confrontou-se a estratégia de movimento dos limiares

de operação com a estratégia ótima descrita na Seção 4.4. Desta forma, apresentou-se na Figura
 80

4.14 o perfil de carregamento do transformador ao longo de uma semana, sendo esta a mesma
semana apresentada na Figura 4.11, para os casos com sistema de armazenamento de energia
operando por meio da estratégia de movimento de limiares ou pela estratégia ótima.

Figura 4.14 – Perfil de carregamento do transformador ao longo de uma semana para os casos com sistema de
armazenamento de energia operando de acordo com as estratégias de movimento dos limiares e ótima.

Nota-se que a distância dos pontos de operação de carregamento e descarregamento

calculados pelo movimento dos limiares flutuou em relação ao ponto ótimo no decorrer da
semana. A operação do sistema de armazenamento se aproximou do ponto ótimo até o dia 4,
sendo posteriormente afastado nos dias seguintes (principalmente no dia 7) porque o estado de
carga do sistema de armazenamento de energia atingiu tanto o estado mínimo de carga durante
o dia 5 quanto o estado máximo de carga durante o dia 6.

A fim de estender a análise do desempenho da estratégia de movimento dos limiares

ao longo do ano, analisa-se, primeiramente através da Figura 4.15, a flutuação dos limiares de
carregamento (a) e de descarregamento (b) para ambas estratégias. Verifica-se que o limiar de
carregamento para a estratégia de movimento dos limiares varia significativamente ao longo do
ano devido às reduções impostas pela etapa de recuo dos limiares, já que majoritariamente as
flutuações ocorrem abaixo do ponto ótimo de operação. Já para o limiar de descarregamento
determinado pelo movimento dos limiares, verifica-se que este continuamente se mantém
próximo ao limiar ótimo ao longo do ano.
 81

(a) (b)
Figura 4.15 – Flutuação dos limiares de carregamento (a) e descarregamento (b) para as estratégias de
movimento dos limiares e ótima.

Mesmo com as variações entre os limiares calculados através da estratégia de

movimento dos limiares e os pontos de operação definidos pela estratégia ótima, tem-se que a
primeira estratégia é capaz de alcançar uma razoável melhora para a operação do transformador
a qual o sistema de armazenamento de energia é alocado. A Tabela 4.2 apresenta os valores
médios de pico de demanda e fator de carga para os casos sem a operação de sistema de
armazenamento de energia, com a operação por meio da estratégia de movimento dos limiares
e com a operação por meio da estratégia ótima.

Tabela 4.2 – Comparação entre os casos sem sistema de armazenamento de energia, na presença destes sistemas
operando através da estratégia de movimento dos limiares e operação destes sistemas através da estratégia ótima.
Movimento dos
Critério Sem SAE Estratégia ótima
limiares
Pico de demanda médio (kW) 46,1 33,5 26,1
Fator de carga médio (%) 18,1 25,8 32,6

Assim, destacam-se os seguintes resultados:

• A estratégia ótima reduziu o pico de demanda do transformador em 20 kW em

média, comparando-o com o caso sem sistema de armazenamento de energia, o
que correspondeu a 100% da potência nominal do sistema de armazenamento
de energia ou a 43% do pico de demanda do transformador. Já a estratégia de
movimento dos limiares reduziu o pico de demanda em média 63% referente à
potência nominal do sistema de armazenamento ou em 27,5% do pico de
demanda do transformador.
• A estratégia ótima aumentou o fator de carga do transformador, em média, em
80% quando confrontado com o caso sem sistema de armazenamento de
 82

energia. Já na estratégia do movimento dos limiares, este aumento médio foi de

cerca de 42%.

A estratégia de movimento dos limiares proposta não é tão eficaz quanto a estratégia
ótima, contudo, destaca-se que a previsão de carga no transformador de média/baixa tensão é
um processo que acarreta erros significativos por causa da aleatoriedade de demanda dos
consumidores e de geração de energia por geradores fotovoltaicos devido às incertezas
meteorológicas. Consequentemente, as incertezas de previsão de carga reduzem a eficiência da
estratégia ótima.

Considerando que o desempenho da estratégia ótima dificilmente pode ser obtido

na operação real e que essa estratégia serve apenas de referência teórica para a avaliação da
estratégia proposta, os resultados mostram que a estratégia de movimento dos limiares
apresenta resultados bastante adequados. Além da redução da eficácia da estratégia ótima
relacionada aos erros de previsão de carga, salienta-se que este processo de previsão demanda
investimentos em infraestrutura por parte da concessionária, como aquisição e tratamento de
dados ao longo dos alimentadores, e a alocação de funcionários para realização de estudos
probabilísticos de previsão da demanda, tornando esta solução relativamente custosa para a
concessionária.

Portanto, a principal vantagem da estratégia de movimento dos limiares é a

obtenção de boas soluções, de modo relativamente simples, sem a necessidade de maior
sofisticação ou demanda por maiores informações que podem requerer altos investimentos por
parte da concessionária.

4.5.3 Estudo de caso 3

O terceiro estudo de caso teve como finalidade verificar o quanto a utilização do

sistema de armazenamento de energia operando segundo as estratégias propostas é capaz de
aumentar a potência de geração fotovoltaica instalada no circuito secundário sem que houvesse
transgressão da tensão de atendimento aos consumidores.

Para tanto, avaliaram-se três casos quanto à penetração de geração fotovoltaica: 5%,
15% e 25%. A máxima potência de geração fotovoltaica permissível para estes casos foi
apresentada na Tabela 4.3, na qual os valores são obtidos de acordo com um critério
probabilístico que será apresentado posteriormente.
 83

Tabela 4.3 – Máxima potência permissível para diferentes níveis de penetração para as situações sem e com
sistemas de armazenamento de energia.
5% de penetração 15% de penetração 25% de penetração
Potência limite
FV (kW) FV (kW) FV (kW)
Sem SAE 5 7 10
Com SAE 8 15 17

Analisando a Tabela 4.3, destacam-se os seguintes pontos:

• O aumento de potência permissível de geração fotovoltaica total nos

consumidores devido à operação de sistemas de armazenamento de energia para
níveis de penetração de 5%, 15% e 25% corresponderam a 60%, 114% e 70%,
respectivamente.
• O baixo limite de potência para geração fotovoltaica de 5% de penetração de
geradores foi devido à maior potência nominal concentrada em cada
consumidor do que, por exemplo, para o caso de 15% de penetração.
• Apesar de a penetração fotovoltaica de 25% distribuir a potência total instalada
por um número maior de consumidores, a probabilidade de consumidores com
sistemas fotovoltaicos conectados no mesmo ponto da rede secundária
aumentou, o que, consequentemente, concentrou em determinados pontos a
potência injetada na rede. Nesses casos em que há problemas mais concentrados
em pontos da rede secundária, o sistema de armazenamento instalado junto ao
transformador tem menor potencial para mitigação dos impactos de elevação de
tensão na rede de baixa tensão. Desta forma, o aumento porcentual da potência
permissível foi menor do que o caso com 15% de penetração.

O critério de convergência da análise probabilística adotado se baseou na avaliação

do valor de percentil 90 da quantidade de consumidores com transgressão de tensão em cada
um dos cenários simulados pelo método de Monte Carlo, sendo apresentado graficamente na
Figura 4.16 para o nível de 15% de penetração fotovoltaica. Encontram-se, no apêndice B, os
gráficos de convergência para os níveis de 5% e 25%.
 84

(a) (b)
Figura 4.16 – Processo de convergência do algoritmo de Monte Carlo para determinação do limite de
potência fotovoltaica permissível no circuito nos casos sem (a) e com (b) sistemas de armazenamento de
energia.

4.5.4 Sumário dos resultados apresentados

Os resultados apresentados analisaram a eficácia de um sistema de armazenamento

de energia instalado junto ao secundário de um transformador de média/baixa tensão, operando
conforme as estratégias de movimento dos limiares e variação de tensão utilizando a capacidade
do inversor. Nessa análise, avaliou-se a capacidade das estratégias de operação propostas em
reduzir o pico de demanda, melhorar o fator de carga do transformador e de mitigar os impactos
técnicos decorrentes da conexão de geração fotovoltaica em um circuito secundário de
distribuição, possibilitando com isso o aumento da penetração de geração fotovoltaica.

Inicialmente, verificou-se em um cenário determinístico ao longo de um ano de

operação, que as estratégias propostas são capazes de reduzir o pico de demanda em cerca de
63% da potência nominal em média, além de melhorar o fator de carga em 8,27% em média.
Confrontado com uma estratégia ótima de operação, que em tese apresenta o melhor
desempenho possível, notou-se que a média do pico de demanda obtida representa cerca de
63% do valor ótimo enquanto para o fator de carga a média obtida representa cerca de 53% do
valor ótimo. Desta forma, as estratégias propostas apresentaram resultados razoáveis
comparados com uma estratégia de referência ótima. Considerando-se que a estratégia dita
ótima é inviável do ponto de vista de utilização real, em função da complexidade e dos custos
associados, tem-se que a estratégia proposta é uma boa escolha para implementação de modos
de controle de sistemas de armazenamento visto que apresenta resultados muitos bons e é de
fácil implementação.
 85

Quanto a potência máxima de geração fotovoltaica que pode ser instalada no

circuito secundário estudado sem a ocorrências de transgressões de tensão, verificou-se
inicialmente em um estudo determinístico que o sistema de armazenamento de energia é capaz
de mitigar as transgressões de tensão nos consumidores mesmo estando instalado junto ao
transformador de conexão da rede secundária com a rede primária. Deste modo, expandiu-se
esse estudo, conforme descrito no terceiro estudo de caso, para um caso probabilístico de
inserção de geração fotovoltaica, sendo considerados três níveis de penetração: 5%, 15% e 25%.

Como resultados, obteve-se que o aumento da potência máxima total de geração

fotovoltaica do circuito correspondeu a 60%, 114% e 70% para os respectivos casos
mencionados. O caso com 15% apresentou maior incremento relativo na capacidade que pode
ser instalada no circuito secundário, haja vista que os outros dois casos de 5% e 25%
apresentaram maior concentração de potência injetada em pontos específicos da rede
secundária, situação em que o sistema de armazenamento proposto é menos eficaz na mitigação
dos impactos técnicos. Para o caso de 5% de penetração, isto ocorreu devido ao menor número
de consumidores, o que resultou em maior potência dos geradores fotovoltaicos. Já para o caso
de 25% de penetração, este acúmulo de potência foi resultado da maior probabilidade de
consumidores que estavam conectados em um mesmo ponto da rede secundária possuírem
geradores, o que consequentemente eleva a potência total injetada na rede neste ponto.
 86

5. CONCLUSÕES
Os sistemas de armazenamento apresentam potencial para modificar sensivelmente
os paradigmas da distribuição de energia elétrica à medida que flexibilizam tanto os
consumidores – que poderão gerar sua própria energia consumida, sem alterar profundamente
seus hábitos de consumo e, para tanto, depender cada vez menos das distribuidoras – quanto as
concessionárias – que devem manter índices de qualidade e confiabilidade de suprimento em
patamares cada vez mais exigentes e elevados, com recursos para investimento cada vez mais
restritos, em sistemas que se tornam mais complexos, incertos e desafiadores de serem
planejados e operados. Deste modo, esta dissertação teve por objetivo analisar e investigar
modos pelos quais a adoção de sistemas de armazenamento de energia controlados pelos
consumidores ou pela concessionária pode contribuir para mitigação dos impactos técnicos
causados pela inserção de geradores fotovoltaicos e de veículos elétricos nas redes de
distribuição de energia elétrica. Os resultados dos estudos realizados procuram subsidiar
elementos que respondam aos dois grupos de perguntas propostos no escopo desta dissertação:

• De que modo e quanto as concessionárias podem se beneficiar indiretamente da adoção de

sistemas de armazenamento por parte de seus consumidores?

Primeiramente, identificaram-se os impactos técnicos mais relevantes decorrentes

da inserção de tecnologias emergentes, sendo estes: elevação/redução da tensão de atendimento
aos consumidores em regime permanente, desequilíbrio de tensão e sobrecarga em
transformadores. Destes impactos técnicos, tem-se que a aplicação dos sistemas de
armazenamento de energia controlados pelos consumidores para deslocamento do pico de
demanda beneficia indiretamente a concessionária, já que esta aplicação mitiga os impactos
técnicos sem que haja atuação direta da concessionária para tal. Obteve-se, por exemplo, que a
redução mínima dos impactos técnicos para o cenário com 50% de penetração de tecnologias
emergentes e 50% de aquisição de sistemas de armazenamento de energia correspondeu a
aproximadamente 20%, significando que todos os impactos técnicos estudados foram mitigados
pelo menos nesta proporção.

• Como as concessionárias podem se beneficiar tecnicamente de sistemas de armazenamento

de energia estrategicamente controlados e posicionados em redes de distribuição
modernas, onde há forte presença de tecnologias como microgeração fotovoltaica
distribuída?
 87

Neste tópico, propôs-se uma estratégia de controle de sistema de armazenamento

instalado junto ao secundário de um transformador de distribuição e posteriormente analisou-
se sua eficácia na redução de pico de demanda e na melhoria de fator de carga. Duas abordagens
foram investigadas, uma na qual a operação é feita através da estratégia do movimento dos
limiares e outra baseada na variação de tensão utilizando a capacidade dos inversores
fotovoltaicos. Portanto, neste estudo, a concessionária detinha total controle do sistema de
armazenamento de energia instalado próximo ao transformador. A avaliação da capacidade das
estratégias propostas em reduzir o pico de demanda e melhorar o fator de carga do
transformador mostrou que tal estratégia possibilita o aumento da penetração de geradores
fotovoltaicos sem que houvesse violação nos limites da tensão de atendimento aos
consumidores.

Os resultados determinísticos e probabilísticos mostraram que a estratégia proposta,

que não exige conhecimento da carga a priori, atinge resultados razoáveis quando comparado
com situações em que é possível prever fielmente a curva de demanda do transformador.
Obteve-se que a redução média do pico de demanda correspondeu a 63% da potência nominal
do sistema de armazenamento enquanto o aumento médio do fator de carga foi de 8,27%. Já o
aumento da potência máxima de geração fotovoltaica sem que houvesse transgressões na tensão
de atendimento aos consumidores foi de pelo menos 60% nos casos estudados. Deste modo, os
as estratégias definidas se destacam pela simplicidade de funcionamento, relativa facilidade de
implementação e ainda baixo custo associado, visto que não necessitam da previsão do perfil
de carga do transformador tampouco da aquisição de dados ao longo da rede.

Por fim, os estudos propostos neste trabalho tiveram por finalidade quantificar os
impactos técnicos presentes na inserção de tecnologias emergentes nos sistemas de distribuição
assim como o benefício indireto das concessionárias referente à aquisição de sistemas de
armazenamento de energia pelos consumidores. Adicionalmente, foi proposto uma estratégia
relativamente de baixo custo e razoável eficiência o qual possui como principal vantagem a
flexibilidade de aplicação, característica a qual os sistemas de armazenamento de energia se
destacam.

5.1 Sugestões para trabalhos futuros

Os seguintes tópicos são sugeridos para aperfeiçoamento e expansão das
investigações apresentadas nesta dissertação:
 88

• Investigação dos benefícios para a rede de distribuição e para os consumidores

de outros modos de controle dos sistemas de armazenamento residenciais, que
contemplem cenários envolvendo, por exemplo:
- armazenamento residencial para situações futuras em que não haja
mecanismos de incentivo à microgeração solar fotovoltaica como a
compensação de energia (sem net metering);
- armazenamento para situações onde há limite de injeção de potência na
rede de distribuição (e.g. Alemanha, Havaí, alguns estados na
Austrália);
- armazenamento residencial para cenários em que haja variação da tarifa
num cenário mais dinâmico do que o de tarifação horossazonal
regulamentado.
• Inclusão de sistemas de armazenamento, tanto de consumidores quanto da
concessionária, na coordenação de um amplo esquema de controle de tensão
que envolva diversos elementos, tanto equipamentos tradicionais como
reguladores de tensão e bancos de capacitores quanto equipamentos emergentes
como inversor fotovoltaicos com funções avançadas.
• Melhorias na modelagem e na análise probabilística de aspectos tais como:
- perfis de demandas dos consumidores;
- perfil de irradiação solar;
- sazonalidades;
• Investigação para alimentadores com características distintas do utilizado nos
testes apresentados nesta dissertação, para que o modo como as características
de uma rede elétrica em particular interfiram no desempenho dos sistemas de
armazenamento possa ser mais bem compreendido e o alcance de
recomendações e conclusões possa ser ampliado.
• Limitação da capacidade utilizada dos sistemas de armazenamento de energia
entre determinados valores máximo e mínimo assim como o impacto na eficácia
das estratégias propostas decorrentes de tal consideração.
 89

REFERÊNCIAS BIBLIOGRÁFICAS
[1] M. Eremia, M. Shahidehpour, “Active Power and Frequency Control”, In: M. Eremia,
M. Shahidehpour, “Handbook of Electrical Power System Dynamics: Modeling,
Stability, and Control”, Wiley-IEEE Press, 2013. p. 291-339.
[2] CCEE, “Fontes de Energia”, Disponível em: https://www.ccee.org.br/portal/faces
/pages_publico/onde-atuamos/fontes?afrLoop=1296373792338039#%40%3F_afrLo
op%3D1296373792338039%26_adf.ctrl-state%3D144bds8l26_4, Acessado em: Jun.,
2017.
[3] J. Ekanayake, K. Liyanage, J. Wi, A. Yokoyama, N. Jenkins, “Smart Grid Technology
and Applications”, Wiley-IEEE Press, 2012.
[4] Forbes, “One expert’s view on the near-term future of energy storage”, Disponível em:
https://www.forbes.com/sites/peterdetwiler/2016/06/06/one-experts-view-on-the-
near-term-future-of-energy-storage/#5f49390e56f6, Acessado em: Jun., 2017.
[5] PVEUROPE, “Fenecon is reducing prices of its energy storage systems for distribution
partners in Europe up to 20%” Disponível em: http://www.pveurope.eu/News/Energy-
Storage/Fenecon-is-reducing-prices-of-its-energy-storage-systems-for-distribution-
partners-in-Europe-up-to-20, Acessado em: Ago., 2017.
[6] ROCKY MOUNTAIN INSTITUTE, “The Economics of grid defection”, Disponível
em: http://www.rmi.org/electricity_grid_defection, Acessado em: Set, 2016.
[7] Clean Techinica, “70% Decrease In Energy Storage Costs By 2030, Says Report”
Disponível em: https://cleantechnica.com/2016/01/25/70-decrease-energy-storage-
costs-2030-says-report/, Acessado em: Ago., 2017.
[8] ANEEL, “PRODIST - Módulo 8 – Qualidade de Energia Elétrica”, Disponível em:
http://www.aneel.gov.br/modulo-8, Acessado em: Junho, 2017.
[9] Forbes, “Solar energy storage about to take off in Germany and California”,
Disponível em: https://www.forbes.com/sites/justingerdes/2013/07/18/solar-energy-
storage-about-to-take-off-in-germany-and-california/#14e0360f5c29, Acessado em:
Jun., 2017.
[10] CATERVA, “Swarm Solutions for Energy Users”, Disponível em:
https://www.siemens.com/innovation/en/home/pictures-of-the-future/energy-and-
efficiency/smart-grids-and-energy-storage-caterva.html, Acessado em: Junho, 2017.
[11] SDG&E, “Energy Storage Implementation”, https://energy.gov/sites/prod/files/2014/
06/f17/EACJune2014-4Bialek.pdf, Acessado em: Junho, 2017.
 90

[12] ANEEL, “Resultado Chamada P&D Estratégico nº 21”, Disponível em:

http://www.aneel.gov.br/sala-de-imprensa-exibicao-2/-/asset_publisher/zXQREz8EV
lZ6/content/agencia-aprova-23-propostas-da-chamada-de-p-d-sobre-armazenamento-
de-energia/656877?inheritRedirect=false, Acessado em: Junho, 2017.
[13] CPFL Paulista “Proposta de projeto utilizando armazenamento no sistema de
distribuição de energia elétrica”, Disponível em: http://www.aneel.gov.br/documents
/656877/14911355/Felipe+Zaia+Workshop+ANEEL+Chamada+20+CPFL+v5.pdf/0
24ee3ac-c84d-475d-af46-20a91d3cb11a, Acessado em: Junho, 2017.
[14] Green Tech Media, “Global Solar Market to Hit 85GW in 2017—Double the Amount
Installed in 2014”, Disponível em: https://www.greentechmedia.com/articles/read/
global-solar-market-forecast-to-hit-85gw-in-2017-with-surge-in-china, Acessado em:
Jun., 2017.
[15] Portal Brasil, “Brasil estará entre os 20 países com maior geração solar em 2018”
Disponível em: http://www.brasil.gov.br/infraestrutura/2016/01/brasil-estara-entre-
os-20-paises-com-maior-geracao-solar-em-2018, Acessado em: Jun., 2017.
[16] IEA – International Energy Agency, “Photovoltaic Power Systems Programme”,
Disponível em: http://iea-pvps.org/index.php?id=6, Acessado em: Jun., 2017.
[17] Fraunhofer, “Recent Facts about Photovoltaics in Germany”, Disponível em:
https://www.ise.fraunhofer.de/content/dam/ise/en/documents/publications/studies/rec
ent-facts-about-photovoltaics-in-germany.pdf, Acessado em: Jun., 2017.
[18] ANEEL, “Resolução normativa nº 482, de 17 de abril de 2012”, Disponível em:
http://www2.aneel.gov.br/cedoc/ren2012482.pdf, Acessado em: Maio, 2017.
[19] ANEEL, “Resolução normativa nº 687, de 24 de novembro de 2015”, Disponível em:
http://www2.aneel.gov.br/cedoc/ren2015687.pdf Acessado em: Jun., 2017.
[20] ANEEL, “ Registro de Micro e Mini Geração Distribuída”, Disponível em:
http://www2.aneel.gov.br/scg/gd/VerGD.asp, Acessado em: Jun., 2017.
[21] The Telegraph, “Time to get switched on to electric vehicles”, Disponível em:
http://www.telegraph.co.uk/business/energy-efficiency/electric-vehicles/, Acessado
em: Jun., 2017.
[22] EV-VOLUMES, “Global Plug-in Sales”, Disponível em: http://www.ev-
volumes.com/news/global-plug-in-sales-for-2017-q1-april/, Acessado em: Jun., 2017.
[23] EV-VOLUMES, “Global Plug-in Sales – 2016”, Disponível em: http://www.ev-
volumes.com/news/global-plug-in-sales-for-2016/, Acessado em: Jun., 2017.
 91

[24] Independent, “ Germany pushes to ban petrol-fuelled cars within next 20 years”,
Disponível em: http://www.independent.co.uk/news/world/europe/germany-petrol-
car-ban-no-combustion-diesel-vehicles-2030-a7354281.html, Acessado em: Jun.,
2017.
[25] ANFAVEA, “Estatística”, Disponível em: http://www.anfavea.com.br/estatisticas.
html, Acessado em: Jun., 2017.
[26] Portal Trânsito, “Até 2020, Brasil deve ter frota de aproximadamente 40 mil veículos
elétricos”, Disponível em: http://portaldotransito.com.br/noticias/ate-2020-brasil-
deve-ter-frota-de-aproximadamente-40-mil-veiculos-eletricos/, Acessado em: Jun.
2017.
[27] F. Katiraei and J. R. Aguero, "Solar PV integration challenges," Power and Energy
Magazine, IEEE, vol. 9, pp. 62-71,2011.
[28] N. Jenkins, R. Allan, P. Crossley, D. Kirschen, and G. Strbac, “Embedded
Generation”, IEE Power and Energy Series 31, 2000.
[29] Y. P. Agalgaonkar, B.C. Pal and R.A. Jabr, “Distribution Voltage Control Considering
the Impact of PV Generation on Tap Changers and Autonomous Regulators,” IEEE
Transactions on Power Systems, vol. 29, no. 1, pp. 182-192, Jan. 2014.
[30] H. Turker, S. Bacha, and A. Hably, “Rule-based charging of plugin electric vehicles
(pevs): Impacts on the aging rate of low-voltage transformers,” IEEE Transactions on
Power Delivery, vol. PP, no. 99, pp. 1–1, 2014
[31] J. Quirós-Tortós, L. F. Ochoa, S. Alnaser and T. Butler, "Control of EV Charging
Points for Thermal and Voltage Management of LV Networks", IEEE Transactions on
Power Systems, 2015.
[32] K. Clement-Nyns, E. Haesen, and J. Driesen, “The impact of charging plug-in hybrid
electric vehicles on a residential distribution grid,” IEEE Transactions on Power
Systems, vol. 25, no. 1, pp. 371–380, Feb 2010.
[33] NBR 5416 “Aplicação de cargas em transformadores de potência – Procedimento”,
1997.
[34] H. Yifeng, B. Venkatesh, G. Ling, "Optimal scheduling for charging and discharging
of electric vehicles", IEEE Transactions on Smart Grid, vol. 3, no. 3, pp. 1095-1105,
Sep. 2012.
[35] X. Su, M. A. S. Masoum and P. J. Wolfs, "Optimal PV Inverter Reactive Power
Control and Real Power Curtailment to Improve Performance of Unbalanced Four-
 92

Wire LV Distribution Networks," IEEE Transactions on Sustainable Energy, vol. 5,

no. 3, pp. 967-977, July 2014.
[36] G. Delille, B. François, G. Malarange, J-L. Fraisse, “Energy Storage Systems in
Distribution Grids: New Assets to Upgrade Distribution Networks Abilities”, in
Proceedings of 20th International Conference and Exhibition on Electricity
Distribution (CIRED) – Part 1, paper n°0493, Jun. 2009.
[37] B. Roberts and C. Sandberg, “The role of energy storage in development of smart
grids,” Proceedings of the IEEE, vol. 99, no. 6, pp. 1139–1144, Jun. 2011.
[38] Dekka, R. Ghaffari, B. Venkatesh, B. Wu, “A Survey on Energy Storage Technologies
in Power Systems”, Electrical Power and Energy Conference (EPEC), 2015 IEEE.
[39] J.L. Meirinhos, D.E. Rua, L.M. Carvalho, A.G. Madureira, “Multi-temporal Optimal
Power Flow for voltage control in MV networks using Distributed Energy Resources”,
Electric Power Systems Research, Volume 146, May 2017, Pages 25–32.
[40] C. A. Hill, M. C. Such, D. Chen, J. Gonzalez, and W. M. Grady, “Battery energy
storage for enabling integration of distributed solar power generation,” IEEE
Transactions on Smart Grid, vol. 3, pp. 850–857, Jun. 2012.
[41] M. J. E. Alam, K. M. Muttaqi, D. Sutanto, "A controllable local peak-shaving strategy
for effective utilization of PEV battery capacity for distribution network
support", IEEE Transactions on Industry Applications, vol. 51, no. 3, pp. 2030-2037,
May–June 2015.
[42] A. Nourai, R. Sastry, and T. Walker, "A vision & strategy for deployment of energy
storage in electric utilities," in Power and Energy Society General Meeting, 2010
IEEE, 2010, pp. 1-4.
[43] Malvin H. Kalos, Paula A. Whitlock, “Monte Carlo Methods - Second Revised and
Enlarged Edition”, 2008, Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim.
[44] Navarro, Alejandro, Luis F. Ochoa, and Dan Randles. "Monte Carlo based assessment
of PV impacts on real UK low voltage networks." Power and Energy Society General
Meeting (PES), 2013 IEEE, IEEE, 2013.
[45] M. Shaaban, Y. Atwa, and E. El-Saadany, “PEVs modeling and impacts mitigation in
distribution networks,” IEEE Transactions on Power Systems, vol. 28, no. 2, pp. 1122–
1131, May 2013.
 93

[46] Lamberti Francesco, Calderaro Vito, Galdi Vincenzo, Piccolo Antonio, and Graditi
Giorgio “Impact Analysis of Distributed PV and Energy Storage Systems in
Unbalanced LV Networks,” PowerTech, 2015 IEEE Eindhoven, July 2015.
[47] V. Calderaro, V. Galdi, G. Graber, G. Graditi, F. Lamberti, "Impact assessment of
energy storage and electric vehicles on smart grids", in Proceedings of Electric Power
Quality and Supply Reliability Conference, 2014, pp. 15-18.
[48] ANEEL, “Tarifa Branca”, Disponível em: http://www.aneel.gov.br/tarifa-branca,
Acessado em: Junho, 2017.
[49] ANEEL, “Resolução normativa nº414, de 9 de setembro de 2010”, Disponível em:
http://www2.aneel.gov.br/cedoc/bren2010414.pdf, Acessado em: Maio, 2017.
[50] ANEEL, “Modalidades tarifárias”, Disponível em: http://www.aneel.gov.br/tarifas-
consumidores/-/asset_publisher/zNaRBjCLDgbE/content/modalidade/654800?inherit
Redirect=false, Acessado em: Jun., 2017.
[51] A. Doucet, N. de Freitas, and N. Gordon, “An Introduction to Sequential Monte Carlo
Methods,” in Sequential Monte Carlo Methods in Practice, Springer New York: New
York, NY, pp. 3-14.
[52] Open Distribution System Simulator (OpenDSS). Disponível em:
http://electricdss.source forge.net/. Acessado em: Mar., 2017.
[53] Python Programming Language. Disponível em: http://www.python.org/. Acessado
em: Mar., 2017.
[54] J. A. Jardini, C. M. V. Tahan, M. R. Gouvea, S. U. Ahn, F. M. Figueiredo, "Daily load
profiles for residential commercial and industrial low voltage consumers", IEEE
Transactions on Power Delivery, vol. 15, no. 1, pp. 375-380, Jan. 2000.
[55] ANEEL, “PRODIST - Módulo 2 – Planejamento da Expansão do Sistema de
Distribuição”, disponível em: http://www.aneel.gov.br/modulo-2, Acessado em:
Maio, 2017.
[56] A. Reinders, P. Verlinden, Wi. Sark, A. Freundlich, “Photovoltaic Solar Energy: From
Fundamentals to Applications,” Wiley, 2017.
[57] C. Jiang, R. Torquato, D. Salles, and W. Xu, “Method to Assess the Power-Quality
Impact of Plug-in Electric Vehicles,” IEEE Transactions on Power Delivery, vol. 29,
no. 2, pp. 958-965, Apr. 2014.
[58] Renault Zoe Brochure, Disponível em: https://www.cdn.renault.com/content/dam/
Renault/IE/Brochures/Vehicles/zoe-brochure.pdf, Acessado em: Maio, 2017.
 94

[59] SAE International, “SAE Charging Configurations and Ratings Terminology”,

Disponível em: http://www.sae.org/smartgrid/chargingspeeds.pdf, Acessado em:
Maio, 2017.
[60] J. A. Orr, A. E. Emanuel, e K. W. Oberg, “Current Harmonics Generated by a Cluster
of Electric Vehicles Battery Chargers,” IEEE Transactions on Power Apparatus and
Systems, vol. PAS-101, no. 3, pp. 691-700, março 1982.
[61] Tesla, “Powerwall”, Disponível em: https://www.tesla.com/powerwall Acessado em:
Jun., 2017.
[62] Panasonic, “Battery storage”, Disponível em: http://business.panasonic.com/products-
hvac-batterystorage, Acessado em: Jun., 2017.
[63] ANEEL, “Nota Técnica n° 0057/2014-SRD/ANEEL”, Disponível em:
http://www2.aneel.gov.br/aplicacoes/audiencia/arquivo/2014/026/documento/nota_te
cnica_0057_srd.pdf, Acessado em: Junho, 2017.
[64] N. Jenkins, R. Allan, P. Crossley, D. Kirschen, and G. Strbac, “Embedded
Generation”, IEE Power and Energy Series 31, 2000.
[65] F. Trindade, T. Sonnewend, M. Lopes, and W. Freitas, “Mitigation of Fast Voltage
Variations During Cloud Transients in Distribution Systems with PV Solar Farms,”
IEEE Transactions on Power Delivery, vol. 32, no. 2, pp. 921 - 932, April 2017.
[66] R. Torquato, Q. Shi, W. Xu, W. Freitas, "A Monte Carlo Simulation Platform for
Studying Low Voltage Residential Networks," IEEE Transactions on Smart Grid, vol.
5, no. 6, pp. 2766-2776, Nov. 2014.
 95

APÊNDICE A. DEMONSTRAÇÃO DO EQUACIONAMENTO

PROPOSTO PARA A ESTRATÉGIA DE VARIAÇÃO DE
TENSÃO UTILIZANDO A CAPACIDADE DO INVERSOR
Este apêndice tem por finalidade detalhar a formulação utilizada na Subseção 4.2.2
para variar a tensão do ponto de acoplamento do sistema de armazenamento de energia, em que
se explora a capacidade não utilizada do inversor deste equipamento para compensação de
potência reativa.

Deste modo, apresentou-se novamente o circuito simplificado para

desenvolvimento da formulação proposta na Figura A.1.

𝑉 0 𝑉2 2
𝑉
𝑆𝐸 𝑆𝐸

𝑒𝑞= 𝑇 𝑆𝐴𝐸
= 𝑅𝑒𝑞 𝑋𝑒𝑞 𝑆𝐴𝐸

Figura A.1 – Diagrama monofásico representando a conexão do sistema de armazenamento de energia no

secundário do transformador.

As equações de fluxo de potência podem ser escritas conforme apresentado em

(A.1) e (A.2).

𝑉 𝑉2 𝑐𝑜𝑠 2 = 𝑉2 2 (𝑅𝑒𝑞 𝑋𝑒𝑞 (A.1)

𝑉 𝑉2 𝑠𝑒𝑛 2 = ( 𝑋𝑒𝑞 𝑅𝑒𝑞 (A.2)

Para remover a dependência do ângulo da barra 2, elevaram-se ambas equações ao

quadrado e as somaram, obtendo (A.3).

2
(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 ) 𝑉22 𝑋𝑒𝑞 2
(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 ) 𝑉22 𝑅𝑒𝑞 𝑉22 (𝑉22
(A.3)
𝑉2 = 0

Desta forma, obteve-se uma equação quadrática em que o fluxo de potência na barra
2 correspondia à incógnita do problema. Portanto, resolvendo a equação de segundo grau
apresentada, a solução encontrada foi apresentada em (A.4).
 96

𝑉22 𝑋𝑒𝑞 ± √𝐴
= (A.4)
(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 )

Em que:

𝐴 = 4𝑉24 𝑋𝑒𝑞 2 4(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 )[ 2

(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 ) 𝑉22 𝑅𝑒𝑞 𝑉24 𝑉22 𝑉 2 ]

Derivando (A.4) em relação a tensão da barra 2, obteve-se a sensibilidade de

variação da potência reativa para dada variação de tensão desta barra. Logo, pôde-se aproximar
que a variação de potência reativa fosse dada pela multiplicação da sensibilidade de potência
reativa pela tensão da barra 2 e da variação de tensão da barra 2, conforme apresentado em
(A.5).

𝜕 𝑑𝑒𝑠𝑒𝑗𝑎𝑑𝑜
∆ ≈ (𝑉 𝑉2𝑚𝑒𝑑𝑖𝑑𝑜 (A.5)
𝜕𝑉2 2

Em que:

𝜕 𝜕𝐴
= ( 8𝑉2 𝑋𝑒𝑞 ± 𝐴−2
𝜕𝑉2 4(𝑋𝑒𝑞 2 𝑅𝑒𝑞 ) 2 𝜕𝑉2

𝜕𝐴
= 6𝑉23 𝑋𝑒𝑞 2 4(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 )[4 𝑉2 𝑅𝑒𝑞 4𝑉23 𝑉2 𝑉 2 ]
𝜕𝑉2

Finalmente, a potência reativa a qual o sistema de armazenamento de energia deverá

compensar foi dado por (A.6).

𝜕 𝑑𝑒𝑠𝑒𝑗𝑎𝑑𝑜
𝑆𝐴𝐸 ≈ (𝑉2 𝑉2𝑚𝑒𝑑𝑖𝑑𝑜 ) 𝑆𝐸 (A.6)
𝜕𝑉2
 97

APÊNDICE B. GRÁFICOS DE CONVERGÊNCIA DO

ALGORITMO BASEADO NO MÉTODO DE MONTE
CARLO
Este apêndice tem por finalidade apresentar os gráficos de convergência do
algoritmo baseado na técnica de Monte Carlo para os casos de 5% e 25% de penetração
fotovoltaica, conforme detalhado na Subseção 4.5.3.

(a) (b)
Figura B.1 – Processo de convergência do algoritmo de Monte Carlo para determinação do limite de potência
fotovoltaica permissível no circuito sob 25% de penetração nos casos sem (a) e com (b) sistemas de
armazenamento de energia.

Deste modo, verificou-se que na Figura B.1 que o valor calculado do percentil 90
para o caso de 25% de penetração de geração fotovoltaica variou conforme o avanço do
processo iterativo. Porém, o algoritmo foi finalizado visto que o número de consumidores
afetados convergiu a uma faixa constante por mais de 30 iterações, concluindo que estas
potências violaram os limites impostos de tensão em cenários suficientes para esta potência
total fosse considerada proibitiva.

Apresentou-se na Figura B.2 o processo iterativo para 5% de penetração de geração

fotovoltaica. Similarmente para este nível de penetração, o processo de parada do algoritmo de
Monte Carlo ocorreu motivado pela manutenção do porcentual de consumidores afetados ao
longo de 30 iterações.
 98

(a) (b)
Figura B.2 – Processo de convergência do algoritmo de Monte Carlo para determinação do limite de potência
fotovoltaica permissível no circuito sob 5% de penetração nos casos sem (a) e com (b) sistemas de
armazenamento de energia.