|
Abstract:
|
O aumento da geração distribuída por meio de painéis solares tem transformado o setor elétrico e despertado o interesse em novas estratégias de gestão de energia. Quando associado a baterias, esse recurso oferece ao consumidor a possibilidade de reduzir custos e aumentar sua independência da rede. No entanto, os resultados práticos dependem diretamente da forma como o sistema é controlado. Neste projeto de iniciação científica, desenvolveu-se uma simulação computacional de uma residência equipada com painéis fotovoltaicos de 5 kWp e uma bateria de 10 kWh, com o objetivo de avaliar diferentes estratégias de operação. Embora o objetivo inicial da bolsa fosse mais amplo, o estudo concentrou-se na comparação entre dois tipos de controle: um modelo reativo, que apenas responde às condições instantâneas do sistema, e um modelo preditivo, que utiliza informações sobre preços futuros de energia para tomar decisões antecipadas. Foram adotados modelos matemáticos simplificados para representar cada componente: • O painel solar foi descrito a partir de dados reais de irradiação solar. • A bateria foi modelada pela equação de balanço do estado de carga (SoC), considerando eficiência e limites de carga/descarga. • A carga da residência foi baseada em séries reais de consumo. • A rede elétrica foi representada pelas tarifas diferenciadas entre períodos de ponta e fora de ponta. Para validar os controladores, foram utilizados dois conjuntos de dados reais: • Semana de 2013, que permitiu avaliar o comportamento contínuo do sistema em diferentes dias, incluindo variações entre dias úteis e finais de semana. • Dia de 2007, que serviu como cenário pontual, oferecendo uma base histórica para observar o desempenho em condições distintas. Nos testes, o controle reativo e o preditivo apresentaram resultados próximos quando aplicamos restrições rígidas à bateria, como não permitir que o SoC caísse abaixo de 60%. Nesse caso, o preditivo não conseguiu mostrar vantagens relevantes. Já no cenário com maior flexibilidade, permitindo que o SoC chegasse a 20%, o preditivo destacou-se: carregou a bateria em horários de tarifa baixa (madrugada) e evitou compras de energia no horário de ponta, reduzindo de forma significativa o custo semanal. Os resultados evidenciam que, mesmo com modelos simplificados, é possível demonstrar a relevância de estratégias de controle na gestão de energia solar com armazenamento. Assim, o trabalho fornece uma prova de conceito baseada em dados históricos reais, indicando caminhos para pesquisas futuras com modelos mais detalhados e a aplicação de técnicas avançadas de otimização, como o Model Predictive Control (MPC). |
