Na última década, iniciou-se no cenário mundial de distribuição de energia elétrica uma grande revolução tecnológica com a introdução de redes inteligentes, também conhecido como Smart Grid. No Brasil, este cenário começou com a medição eletrônica, cujos impactos operacionais vão desde mudanças no volume de serviços até nos tipos de veículos e ferramentas utilizadas, devido à redução de leitura, corte remoto, menor número de inspeções, entre outros, impactos estes ainda pouco estudados e quantificados.
Surgem então duas necessidades: conhecer tais impactos e buscar soluções para adequação ao novo cenário. Para isso, foi necessário construir um sistema especializado para implementar as soluções operacionais resultantes desta pesquisa, trazendo benefícios na qualidade de serviço através da redução de tempo de atendimento das equipes de campo; na eficiência econômica, com a redução de custos de locomoção das unidades; e no meio ambiente, com a redução da emissão de CO2 na atmosfera a partir da redução das distâncias percorridas.
Desta forma, o objetivo central do estudo foi a definição da nova malha logística de bases e canteiros tendo em vista o desenvolvimento das novas tecnologias de medição eletrônica (Ampla Chip e Smart Grid) capaz de atender a estratégia de serviço da distribuidora para os próximos anos através de uma cadeia logística integrada. Além disso, a pesquisa buscou testar novos parâmetros operacionais de forma a compreender como mudanças na malha contribuem do ponto de vista de custos, serviços e ambiental. E para mensuração destes impactos foi desenvolvido uma ferramenta de otimização, cujo objetivo passa, também, por facilitar o processo de planejamento da malha logística.
A construção da ferramenta, inexistente no mercado, demandou estudos na área de matemática aplicada, medição eletrônica, smart grid, logística e meio ambiente.
A FERRAMENTA
Com objetivo de representar a operação de apoio à distribuição de energia e simular cenários futuros otimizando custos, emissão de CO2 e tempo de atendimento, foi construído um modelo de programação linear. O software escolhido para realizar tal programação foi o Aimms devido as qualidades técnicas e a forma amigável que pode ser construída para o usuário. Atualmente existem vários e importantes modelos de programação linear, no entanto, este foi criado exclusivamente para representar a operação de apoio à distribuição de energia elétrica e analisar o impacto das novas tecnologias na rede de distribuição.
A utilização do modelo, apelidado de Modelo Bases Operacionais Eficientes, como ferramenta de planejamento permite que sejam testados diversos cenários para representar a operação futura. E a combinação de um conjunto de possibilidades, como variações em parâmetros específicos, configuração de instalações disponíveis para seleção do modelo ou mesmo premissas sobre a operação, gera inúmeros cenários. Consequentemente, foi necessário um sistema flexível e amigável.
O modelo de otimização considerou todos os trade-offs relevantes para a definição da melhor configuração logística e teve como objetivo minimizar os custos operacionais e/ou ambientais da operação de apoio a distribuição de energia não esquecendo o nível de serviço que se deseja atingir. E, para atender a demanda do setor, o modelo foi desenvolvido para atender a três funções objetivas distintas:
- Minimizar Custo Logístico
- Minimizar Custo Ambiental
- Minimizar Custo Logístico + Ambiental
O custo logístico corresponde à soma dos custos de estrutura, de backoffice e operacionais, sendo os dois primeiros constituídos por uma parcela fixa, que depende apenas da abertura da localidade e outra parcela variável, dependente do volume de serviços executado pela base ou empreiteira. O custo operacional está diretamente relacionado à produtividade das equipes, e, portanto, depende da quantidade de equipes necessárias para realizar o atendimento da demanda dos diferentes tipos de serviço.
O custo ambiental refere-se à emissão de CO2 equivalente em duas situações distintas na operação da Ampla: no deslocamento das equipes entre a localidade e o município, ou seja, entre a base ou empreiteira e o primeiro ponto de atendimento (e consequente retorno da equipe) e no deslocamento realizado pelas equipes entre execução de serviços, ou seja, entre os pontos de atendimento em um mesmo município. O custo de emissão do CO2 equivalente utilizado no projeto, R$ 8,00/ tonelada CO2, se refere ao plantio de duas árvores, além da manutenção da área plantada.
Assim, a partir destes objetivos, foram obtidos resultados como: a localização das bases, localização dos canteiros, o volume movimentado em cada uma das instalações, os fluxos de atendimento, o tempo de atendimento, a emissão de CO2 equivalente e os custos da operação.
Além disso, o modelo conta com vários parâmetros de entrada que podem ser sensibilizados para avaliação dos impactos na operação como: demanda para cada tipo de serviço prestado, capacidades de atendimento das instalações, capacidade de prestação de serviço das equipes, tempos de atendimento, localização potencial das instalações, custos de estrutura, custo de pessoal, custos operacionais, distâncias e coeficientes de emissão de CO2.
A Figura 1 apresenta a tela de interface do modelo de otimização no software AIMMS. Através dessa tela, o usuário pode executar os principais procedimentos com relação ao modelo. A interface do Modelo em Aimms conta com alguns botões de interação com o usuário, com o objetivo de facilitar o relacionamento com o banco de dados e a geração de cenários.
Figura 1 – Interface da ferramenta de avaliação de impactos operacionais aplicada na distribuidora Ampla
Fonte: Projeto ILOS/Ampla 2011
A ferramenta apresenta decisões de nível estratégico com um horizonte de planejamento anual e outputs de quantidade, tamanho e localização da nova malha logística. E chega a um nível tático, através dos outputs de tempo e região de atendimento de cada uma das bases e canteiros propostos.
Esta ferramenta foi aplicada nas operações da Ampla, porém, o fato de o modelo ser parametrizável permite que o mesmo seja utilizado para diferentes áreas de concessão, ou mesmo, diferentes concessionárias de distribuição de energia. A aplicação em outra distribuidora depende apenas do levantamento dos parâmetros operacionais para input na ferramenta. A modelagem matemática e computacional está preparada para avaliar operações com ou sem as tecnologias de Redes Inteligentes e Ampla Chip. É possível inclusive avaliar os impactos na malha logística, tanto na localização de bases, quanto de canteiros e de outras mudanças tecnológicas, desde que se saibam quais os impactos destas mudanças nos parâmetros operacionais.
RESULTADOS
A operação logística da Ampla abrange mais de 60 municípios do Estado do Rio de Janeiro, 17 bases de atendimento (Ampla) e 13 canteiros (Parceiras). Foram analisadas às atividades de faturamento massivo, novas ligações, cobrança, perdas, manutenção (incluindo poda de árvores), obras e emergência e das novas tecnologias. Vários cenários foram testados, rodados e analisados ao longo do estudo e foram detalhados neste artigo os cenários Ampla Chip, Rede Inteligente e Ambiental.
CENÁRIO NOVAS TECNOLOGIAS COM AUMENTO AMPLA CHIP
O Ampla Chip é uma tecnologia de medição eletrônica que foi desenvolvida pela Ampla e, no início, foi um programa de relacionamento com os clientes faturados eletronicamente baseado na disponibilização instantânea de informação de consumo, o que gerou uma redução significativa das perdas de energia e melhoras na arrecadação. São muitos os benefícios do Ampla Chip: a) Benefícios operacionais: redução de custos de leitura, redução de leituras estimadas, melhora na qualidade de serviço de emergência, melhora na precisão do medidor, redução nos custos de análise de carga e menores custos de corte e religação; b) Melhor planejamento elétrico: menores investimentos em ativos de geração, transmissão e distribuição, maior efetividade na aplicação de programas de “aplanamento de carga” e economias em projeção de carga; c) Novas receitas: serviços de informação de carga para clientes e medição para outras distribuidoras (água, gás).
Para construção deste cenário, considerou-se um crescimento do Ampla Chip e uma expansão para outras regiões de acordo com o percentual de perda de cada região. Foram estimados aumento do Ampla Chip para todas as regiões com um percentual de perdas superior a 20%.
O aumento do Ampla Chip afeta diversas atividades, por exemplo: quando cresce o número de clientes Ampla Chip, diminui a quantidade do serviço de leitura imediata e cortes, assim como eleva as atividades de rede ampla e entregas. A Figura 2 apresenta o percentual de perda e a elevação ou redução de cada atividade com a entrada do Ampla Chip.
Figura 2 – Percentual de perdas na distribuição de energia e impacto com aumento da tecnologia
do Ampla Chip
Fonte: Projeto ILOS/Ampla 2011
Foram realizadas diversos cenários de crescimento do Ampla Chip, e o resultado ótimo trouxe ganhos financeiros e modificou a malha de atendimento da Ampla com o fechamento de duas bases e dois canteiros existentes, bem como a abertura de cinco novos canteiros. Ou seja, permaneceu com 15 bases, das 17 existentes, e os canteiros passaram de 13 para 16 locais.
CENÁRIO NOVAS TECNOLOGIAS COM REDES INTELIGENTES
Neste cenário foi analisado um acréscimo da demanda de Smart Grid. A rede inteligente é um projeto de energia para as cidades de um futuro sustentável, racional e eficiente. É uma rede elétrica flexível, mais confiável, altamente automatizada e totalmente integrada sobre os aspectos de controle centralizado, diagnóstico, reparação e telegestão de medidores.
São vários os benefícios, dentre eles: identificação com antecedência de quedas de rede e por isso, minimização das mesmas; redução das perdas de energia, incluindo os famosos “gatos”; apresentação em tempo real do consumo, da tarifa cobrada pela operadora naquele horário e o volume de energia vendido para o sistema ao longo do mês. Já o consumidor tem um sistema mais transparente e pode gerenciar as suas despesas. Atualmente, a tarifa é a mesma ao longo de todo o dia. Com o novo modelo, ela deve ser diferenciada por horário, como acontece com os telefones.
Para construção deste cenário, foi considerado um crescimento do uso da tecnologia Smart Grid para os 15 municípios com maior renda per capita (Fonte IBGE) entre os atendidos pela Ampla. O uso da tecnologia impacta proporcionalmente a demanda dos demais serviços. O aumento da rede inteligente afeta diversas atividades, por exemplo: com a expansão do número de rede inteligente, diminui a quantidade do serviço de leitura imediata e cortes, assim como eleva as atividades de obras e manutenção. A Figura 3 apresenta os municípios selecionados e a elevação ou redução de cada atividade com a entrada do Smart Grid.
Para cada um dos 15 municípios, foi considerada uma demanda crescente de Smart Grid. Atualmente a Ampla tem um projeto piloto em Búzios que atende cerca de 10.363 Clientes: 13 industriais, 1.518 comerciais e serviços públicos e 8.832 residenciais.
Figura 3 – Municípios potenciais e impacto com aumento da tecnologia Smart Grid
Fonte: Projeto ILOS/Ampla 2011
Foram realizadas sensibilidades de crescimento do Smart Grid. E, o resultado ótimo para este cenário também gerou ganhos financeiros e modificou a malha de atendimento da Ampla com o fechamento de dois canteiros existentes e a abertura de cinco novos canteiros. Ou seja, não houve alteração na quantidade de bases, permanecendo com as 17 existentes, e os canteiros passaram de 13 para 16 locais.
CENÁRIO AMBIENTAL
O cenário de otimização ambiental utilizou como função objetivo exclusivamente o custo ambiental.
Para cálculo da emissão, foi identificado qual tipo de viatura cada equipe operacional da Ampla utiliza para atender aos chamados. Em seguida foram levantadas, junto a Ampla, as informações do relatório de controle de gases de efeito estufa sobre a taxa de emissão dos veículos leves e pesados. Para veículos leves foi considerado um fator de tonelada de CO2 por litro de combustível de 0,00217 (ton CO2/L) e um consumo médio 11 Km/L. Isso gerou um coeficiente de emissão de CO2 por Km rodado de 0,0001973 (ton CO2/KM). Já para veículos pesados, o fator de CO2 por litro de combustível foi 0,00266 (ton CO2/L) e o consumo médio foi de 8 km/L, chegando a um coeficiente de emissão de CO2 por Km percorrido de 0,0003331 (ton CO2/KM).
Desta forma, o resultado ótimo para este cenário teve grande aumento na quantidade de instalações, passando de 17 para 21 bases operacionais, e os canteiros passaram de 13 para 23. Com um ganho de mais de 9% na emissão de CO2 conforme observado na Figura 4. Entretanto, houve aumento de custos operacionais. Este cenário mostra o maior ganho ambiental, entretanto, outros cenários foram gerados trazendo além da redução de CO2 (cerca de 7%), ganhos financeiros.
Figura 4 – Resultado da emissão de CO2 no cenário de otimização ambiental
Fonte: Projeto ILOS/Ampla 2011
CONCLUSÃO
O Modelo Bases Operacionais Eficientes contempla todos os fatores relevantes e restrições existentes para simular a operação de apoio à distribuição de energia e gerar cenários futuros. A ferramenta construída é parametrizável e tem uma interface amigável, por isso, novos cenários podem ser facilmente gerados e ela pode ser utilizada em outras empresas do setor. A ferramenta é aplicável em análises estratégicas anuais para discussão orçamentária e de estratégia de operação com foco na malha logística. Como a ferramenta possui um caráter multi-objetivo, pode ser utilizada para auxiliar decisões de alteração da malha logística com foco na redução de custos, redução da emissão de CO2 ou na redução do tempo de atendimento dos serviços.
As tecnologias de medição eletrônica geram uma redução significativa das perdas de energia e melhorias na arrecadação, por isso os cenários Ampla Chip e Smart Grid são operacionalmente viáveis e rentáveis. Além disso, é necessário avaliar os investimentos necessários para implantação destas novas tecnologias, sendo que para a Ampla, a medição eletrônica Ampla Chip é bem conhecida e atualmente utilizada e o Smart City é uma tecnologia nova com projeto piloto no Brasil localizado em Búzios, Rio de Janeiro.
Além de economias financeiras, os cenários podem gerar ganhos ambientais com a redução do CO2 emitido e ganhos no nível de serviço com a redução nos tempos de atendimento.
BIBLIOGRAFIA
BISSCHOP, J. (2009). Aimms: Optimization Modeling. Paragon Decision Technology.
BISSCHOP, J., & ROELOFS, M. (2009). Aimms: The Language Reference. Paragon Decision Technology.
FGV. (2011). http://www.portalbrasil.net/incc.htm.
FLEURY, P., WANKE, P., & FIGUEIREDO, K. (2006). Logística Empresarial: a perspectiva brasileira. São Paulo: Atlas.
GOLDBARG, M., & LUNA, H. (2005). Otimização Combinatória e Programação Linear: modelos e algoritmos. Rio de Janeiro: Elsevier.
HEERINK, K. (2009). Aimms: Tutorial for Professionals. Paragon Decision Technology.
IBGE. (2008). http://www.ibge.gov.br/home/download/estatistica.shtm.
INMETRO. (2011). http://www.inmetro.gov.br/consumidor/pbe/veiculos_leves_2011.pdf.
