Escolar Documentos
Profissional Documentos
Cultura Documentos
RESUMO
Visto o cenário favorável à geração de energia fotovoltaica no Brasil, sobretudo no estado de
Minas Gerais, o presente trabalho visa ao desenvolvimento de um modelo probabilístico de
geração de energia solar, como tecnologia de geração distribuída, a partir de dados históricos
de temperatura e irradiação solar da região de Teófilo Otoni, município de Minas Gerais. A
modelagem da potência solar é obtida por meio da Simulação de Monte Carlo. Como forma de
minimizar o erro, ao se utilizar dados médios de variáveis estocásticas, foi feita uma análise da
correlação entre a temperatura e a irradiação solar, utilizando a cópula de banda diagonal. O
modelo de previsão de geração de potência solar com dados correlacionados resultou em um
aumento de 17% da produção anual, quando comparado ao que utiliza dados médios,
proporcionando uma maior confiabilidade e precisão na previsão.
Palavras-chave: Previsão de Geração. Geração Distribuída. Energia Fotovoltaica. Simulação
de Monte Carlo.
ABSTRACT
Given the favorable scenario for photovoltaic energy generation in Brazil, especially in the state
of Minas Gerais, this work aims to develop a probabilistic model of solar energy generation, as
a distributed generation technology, based on historical data on temperature and irradiation in
the region of Teófilo Otoni, municipality of Minas Gerais. The modeling of solar power is
obtained through the Monte Carlo simulation. As a way to minimize the error when using
average data of stochastic variables, an analysis of the correlation between temperature and
solar irradiation was performed, using the diagonal band copula. The solar power generation
prediction model with correlated data resulted in a 17% increase in annual production, when
compared to the one using average data, providing greater reliability and accuracy in the
forecast.
Keywords: Generation Forecast. Distributed Generation. Photovoltaic Energy. Monte Carlo
Simulation.
O Brasil possui grande potencial em geração de energia solar, devido aos altos níveis de
insolação. Esse setor passou a crescer quando, em 2012, entrou em vigor a Resolução
Normativa ANEEL nº 482/2012, autorizando o consumidor brasileiro a gerar sua própria
energia elétrica a partir de fontes renováveis ou cogeração qualificada e, inclusive, fornecer o
excedente para a rede de distribuição de sua localidade (ANEEL, 2018).
Com o advento da Geração Distribuída, o setor de energia solar vem crescendo nos
últimos anos e vários são os pesquisadores que estudam o dimensionamento e a viabilidade da
implantação de usinas solares. Entretanto, prever a geração de energia fotovoltaica não é uma
tarefa fácil, dada à natureza estocástica das variáveis que governam esse processo, como a
temperatura e a irradiação solar.
Com isso, este trabalho visa modelar e prever a geração de potência solar para o
município de Teófilo Otoni, localizado no Vale do Mucuri em Minas Gerais. Para isso, foi
adotada uma metodologia capaz de lidar com as características de intermitência e volatilidade
do perfil de irradiação solar. Para determinar a potência gerada, foi utilizada a simulação de
Monte Carlo, por meio das funções de densidade de probabilidade da série histórica de
irradiação solar e de temperatura da região de estudo. Posteriormente, foi feita a modelagem da
dependência estocástica entre a temperatura e a irradiação solar, a fim de minimizar o erro
causado ao utilizar dados médios das variáveis estocásticas.
2. FUNDAMENTAÇÃO TEÓRICA
Geração Distribuída, ou GD, são tecnologias que geram eletricidade diretamente ou bem
próximo ao local de consumo, tais como: painéis fotovoltaicos, geradores eólicos e biomassa.
Ao comparar a GD com a Geração Centralizada, que é a geração de energia obtida por meio de
geradoras de grande porte, a GD apresenta diversas vantagens (SOUZA, 2014).
Com a geração próxima ao local de consumo, diminuem-se possíveis perdas na
transmissão de energia, disponibilizando uma tensão elétrica mais estável; possibilita, ao
consumidor, o acesso à geração de energia elétrica mais barata do que a oferecida por
É difícil simular a energia solar com precisão por ela estar estreitamente ligada ao clima,
temperatura ambiente, estação do ano, hora do dia e geografia. Porém, métodos probabilísticos
de modelagem de dados respaldados em técnicas analíticas ou no método de Monte Carlo são
eficazes para lidar com a característica estocástica da energia solar e são amplamente utilizados
na literatura, como em Moradi e Abedini (2012), Oliveira (2013), Ahmadigorji e Amjady
(2014), Devi e Geethanjali (2014), Kaur, Kumbhar e Sharma (2014), Fiorotti (2015) e Pereira
(2018).
Apesar de serem mais complexos e demandarem grande esforço computacional,
procedimentos que se baseiam na Simulação de Monte Carlo são capazes de gerar resultados
mais precisos que os obtidos em métodos analíticos (ABDELAZIZ et al., 2014).
3. METODOLOGIA
Para modelar a geração de energia, foram utilizados os dados das séries históricas da
irradiação solar e temperatura, no período entre os anos de 2014 e 2019, de 1 em 1 hora, de uma
estação meteorológica próxima à região de estudo, fornecidos pelo Instituto Nacional de
Meteorologia (INMET). Os dados de irradiação solar e temperatura variam de acordo com a
hora do dia e a estação do ano, devendo, portanto, ser preservada sua sazonalidade.
Cada estação do ano foi subdividida em 14 segmentos de horas, que compreendem o
horário de 6 às 19 horas – período em que se tem incidência de radiação solar –, sendo que cada
hora representa uma hora específica para toda a estação. Portanto, o ano foi dividido em 56
segmentos de tempo (14h x 4 estações). Considerando 30 dias por mês, cada segmento de tempo
tem 540 leituras de dados (6 anos × 30 dias/mês × 3 meses/estação × 1 leitura/hora).
Os dados históricos são utilizados para modelar a irradiação solar, por meio da
distribuição Beta. A FDC de Beta é representada por (1).
Onde 𝜌(𝐹𝑋 (𝑋), 𝐹𝑌 (𝑌)) é a correlação de Pearson entre as duas FDCs e pode ser
calculado por (5).
𝐶𝑜𝑣(𝐹𝑋 , 𝐹𝑌 )
𝜌(𝐹𝑋 (𝑋), 𝐹𝑌 (𝑌)) = (5)
𝜎(𝐹𝑋 )𝜎(𝐹𝑌 )
𝜋 (6)
𝜌(𝑋, 𝑌) = 2𝑠𝑒𝑛 ( 𝜌𝑟 (𝑋, 𝑌))
6
Por definição, se as FDCs são inversíveis, então elas podem ser escritas na forma
𝐹𝑋 (𝑋) = 𝑢 e 𝐹𝑌 (𝑌) = 𝑣, de acordo com a relação (8).
1 4 1 27 11 (10)
𝜃= + 𝑠𝑒𝑛 ( 𝑎𝑟𝑐𝑠𝑒𝑛 ( |𝜌| − ))
3 3 3 16 16
−1
𝐶𝑉|𝑈 (𝑡|𝑢, 𝜃) = {(1 − 𝜃)𝑡, 𝑢 > 1−𝜃𝑒𝑡 (11)
𝑢
<1− (1 − 𝜃)𝑡 + 𝜃, 𝑢>𝜃𝑒𝑡
1−𝜃
1−𝑢
> 2(1 − 𝜃)𝑡 + 𝑢 − 1 + 𝜃, 𝑜𝑢𝑡𝑟𝑜𝑠
1−𝜃
𝑁𝑜𝑡 − 20
𝑇𝑐 = 𝑇𝑎 + 𝑟 ( ) (13)
0,8
𝑉 = 𝑉𝑜𝑐 − 𝐾𝑣 × 𝑇𝑐 (15)
𝑉𝑚𝑝𝑝 × 𝐼𝑚𝑝𝑝
𝐹𝐹 = (16)
𝑉𝑜𝑐 × 𝐼𝑠𝑐
𝑃𝑠 = 𝐹𝐹 × 𝑉 × 𝐼 (17)
Figura 4. Coeficiente de Pearson entre a temperatura e irradiação solar para os 56 intervalos horários
Figura 7. Comparação entre potência anual gerada com dados médios e correlacionados.
Observa-se que há geração durante todo o ano, e que ela tende a ser maior nos meses
que compreendem o verão, devido a maior incidência de raios solares.
O setor solar fotovoltaico vem crescendo nos últimos anos e boa parte do crescimento é
devido a instalações de geração distribuída. Considerando este cenário, foi apresentado, neste
trabalho, uma metodologia para obter o modelo probabilístico da geração de energia elétrica
por meio de painéis fotovoltaicos na região de Teófilo Otoni, município de Minas Gerais.
Foi adotada também uma modelagem da dependência estocástica entre a temperatura e
a irradiação solar, a fim de reduzir o erro gerado ao trabalhar com variáveis aleatórias. Ao
aplicar o ranque de correlação às variáveis aleatórias, observou-se uma dependência de
moderada a forte entre a temperatura e a irradiação solar.
Foi analisado o efeito da modelagem da dependência estocástica nos valores simulados
de previsão de geração de potência. O resultado com correlação aumentou em cerca de 17% a
potência anual gerada, proporcionando uma confiabilidade e precisão na previsão.
Agradecimentos
Os autores agradecem ao Instituto Federal do Norte de Minas Gerais pela bolsa de
iniciação científica e ao Instituto Nacional de Meteorologia pelos dados históricos fornecidos.
REFERÊNCIAS
KAUR, S.; KUMBHAR, G.; SHARMA, J. A MINLP technique for optimal placement of
multiple DG units in distribution systems. International Journal of Electrical Power &
Energy Systems, v. 63, p. 609-617, 2014.
KOTZ, S.; VAN DORP, J. R. Generalized diagonal band copulas with two-sided generating
densities. Decision Analysis, v. 7, n. 2, p. 196-214, 2010.
Submissão: 17/09/2020
Primeira decisão editorial: 22/09/2021
Versão final: 20/10/2021
Aceite: 23/10/2021