Tcc - Algoritmos Genéticos

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO TECNOLÓGICO DEPARTAMENTO DE ENGENHARIA ELÉTRICA TÓPICOS ESPECIAIS EM ELETROTÉCNICA I SMART GRIDS PIETTRO AUGUSTO PEREIRA BENINCÁ ANÁLISE DE DADOS E REDIMENSIONAMENTO DE UM SISTEMA FOTOVOLTAICO OFFGRID UTILIZANDO ALGORITMOS GENÉTICOS VITÓRIAES JULHO2024 Piettro Augusto Pereira Benincá ANÁLISE DE DADOS E REDIMENSIONAMENTO DE UM SISTEMA FOTOVOLTAICO OFFGRID UTILIZANDO ALGORITMOS GENÉTICOS Parte manuscrita do Trabalho Computacio nal do aluno Piettro Augusto Pereira Benincá apresentado ao Departamento de Engenharia Elétrica do Centro Tecnológico da Universi dade Federal do Espírito Santo como requi sito parcial para aprovação na disciplina de Tópicos Especiais em Eletrotécnica I Smart Grids VitóriaES Julho2024 LISTA DE FIGURAS Figura 1 Projeto elétrico do sistema fotovoltaico offgrid 5 Figura 2 Desempenho médio do sistema ao longo do período avaliado 9 Figura 3 Histograma curva de tendência e boxplot referente à potência do gerador fotovoltaico 10 Figura 4 Gráfico de dispersão referente à potência do gerador fotovoltaico 11 Figura 5 Histograma curva de tendência e boxplot referente à porcentagem da bateria restante 12 Figura 6 Gráfico de dispersão referente à porcentagem da bateria restante 12 Figura 7 Comparação entre a potência real e a potência prevista pelo modelo 14 Figura 8 Comparação entre a porcentagem real e a porcentagem prevista de bateria restante pelo modelo 16 Figura 9 Evolução das soluções durante a otimização utilizando Algoritmos Ge néticos 18 LISTA DE ABREVIATURAS E SIGLAS CPID Centro de Pesquisa Inovação e Desenvolvimento do Espírito Santo Elena Laboratório de Energias Renováveis Fapes Fundação de Amparo à Pesquisa e Inovação do Espírito Santo Labtel Laboratório de Telecomunicações da Ufes Ufes Universidade Federal do Espírito Santo SUMÁRIO 1 INTRODUÇÃO 5 11 Apresentação 5 12 Objetivos 6 121 Objetivo Geral 6 122 Objetivos Específicos 7 13 Estrutura do Texto 7 2 METODOLOGIA E ETAPAS DE DESENVOLVIMENTO 8 21 Metodologia Adotada 8 22 Análise Exploratória de Dados 8 221 Desempenho Médio do Sistema 8 222 Potência do Conjunto Gerador Fotovoltaico 10 223 Percentual da Bateria Restante 11 23 Modelos Matemáticos 13 231 Modelo Matemático para a Potência das Placas W 13 232 Modelo Matemático para a Porcentagem da Bateria Restante 14 24 Algoritmos Genéticos 16 3 CONCLUSÕES E TRABALHOS FUTUROS 19 5 1 INTRODUÇÃO 11 Apresentação O Projeto Harpia Brasil em colaboração com o Labtel Laboratório de Telecomunicações da Ufes e Elena Laboratório de Energias Renováveis tem como objetivo estudar a biologia do GaviãoReal em florestas brasileiras Como parte deste esforço foi necessário implementar um sistema de energia solar fotovoltaica offgrid para monitorar um ninho de Harpia na reserva da Vale em SooretamaES A necessidade de monitorar o ninho de Harpia envolve o uso contínuo de câmeras exi gindo uma solução energética independente da rede elétrica convencional Isso é crucial para garantir operação ininterrupta e sustentável apoiando as atividades de pesquisa e conservação da biodiversidade local O sistema foi dimensionado para maximizar a captação de energia solar e garantir auto nomia operacional Inclui módulos fotovoltaicos para conversão de luz solar em energia elétrica baterias para armazenamento de energia durante períodos sem irradiação ade quada um sistema de controle para gerenciamento eficiente da carga e proteção dos componentes eletrônicos e um sistema de envio de dados como ilustrado na Figura 1 Figura 1 Projeto elétrico do sistema fotovoltaico offgrid O sistema fotovoltaico utilizado no monitoramento do ninho de Harpia consiste em três módulos fotovoltaicos flexíveis de 160 Wp cada totalizando uma capacidade de pico de 480 Wp O armazenamento de energia é realizado por um banco de baterias que totaliza 24 V e 30 Ah de capacidade A carga operacional do sistema composta por dispositivos como câmera roteador e microcontrolador demanda aproximadamente 48 W de potência Capítulo 1 Introdução 6 Um microcontrolador é responsável pela coleta de dados a cada 20 minutos os quais são registrados em uma planilha eletrônica Esses dados são posteriormente transmitidos por meio do roteador integrado ao sistema Durante o período de monitoramento que ocorreu entre 27022023 e 02042024 foram observadas as seguintes variáveis para a análise e controle operacional do sistema fotovoltaico Data e hora Temperatura º C Umidade Tensão das placas V Corrente das placas A Potência das placas W Tensão das baterias V Corrente de carregamento das baterias A Potência de carregamento das baterias W Bateria restante Corrente total das baterias A Corrente da carga A Potência da carga W Cartão SD 12 Objetivos 121 Objetivo Geral Determinar o dimensionamento ótimo do gerador fotovoltaico e do banco de baterias por meio da aplicação de algoritmos genéticos utilizando os dados obtidos através do sistema de telemetria do sistema fotovoltaico Capítulo 1 Introdução 7 122 Objetivos Específicos Realizar uma análise exploratória dos dados obtidos para descrever as características do sistema fotovoltaico Desenvolver modelos matemáticos para representar a potência gerada pelo sistema fotovoltaico e a porcentagem de carga da bateria Utilizar algoritmos genéticos para otimizar os valores mínimos da potência gerada pelo sistema fotovoltaico e da porcentagem de carga da bateria garantindo que atendam aos requisitos estabelecidos na modelagem do problema 13 Estrutura do Texto O presente trabalho segue a seguinte organização Introdução Esta seção compreende a apresentação do tema o delineamento dos objetivos do trabalho bem como uma visão geral da estrutura subsequente do texto Metodologia Este capítulo detalha a metodologia adotada para conduzir o estudo de caso e as análises computacionais Resultados obtidos e trabalhos futuros Apresenta os resultados obtidos a partir da aplicação de algoritmos genéticos acompanhados de sugestões para futuras melhorias que poderiam ser implementadas mas que devido a restrições de tempo ou limitações técnicas não foram exploradas 8 2 METODOLOGIA E ETAPAS DE DESENVOLVIMENTO 21 Metodologia Adotada O desenvolvimento deste trabalho seguirá as seguintes etapas metodológicas Etapa 1 Descrever os dados através de análise exploratória visando entender as características dos dados coletados Etapa 2 Realizar a modelagem matemática das variáveis de interesse especifi camente a potência do gerador fotovoltaico e a porcentagem de carga da bateria restante Etapa 3 Utilizar algoritmos genéticos nos modelos matemáticos desenvolvidos para minimizar as equações correspondentes respeitando os limites estabelecidos 22 Análise Exploratória de Dados A análise de dados teve como objetivo principal compreender o comportamento do sistema ao longo do período de operação Focase em retratar a dinâmica do sistema em termos de geração armazenamento e consumo de energia além de avaliar o desempenho do gerador fotovoltaico e do banco de baterias A análise individual desses componentes módulos fotovoltaicos e baterias fornece detalhes importantes sobre o funcionamento e a eficiência do sistema 221 Desempenho Médio do Sistema Com base nos dados coletados a primeira etapa da análise consistiu em determinar o desempenho médio do sistema ao longo do período avaliado Foram calculadas as médias dos valores de potência das placas solares em Watts nível de bateria restante em porcentagem potência consumida pela carga em Watts e corrente de carregamento das baterias em Ampères a cada intervalo de 20 minutos Os resultados estão apresentados na Figura 2 Capítulo 2 Metodologia e etapas de desenvolvimento 9 Figura 2 Desempenho médio do sistema ao longo do período avaliado Em termos gerais a produção de energia pelos módulos fotovoltaicos iniciase por volta das 5 horas da manhã atingindo o pico médio de geração em torno de 105 W por volta das 11 horas Após este ponto a potência fornecida pelo gerador fotovoltaico começa a diminuir gradualmente até as 18 horas quando a geração de energia é interrompida por não haver mais incidência solar Durante o período diurno das 600 às 1700 a carga apresenta um consumo energético constante com uma média de 15 W Fora desse intervalo o consumo médio da carga elevase para 25 W Essa variação devese ao fato de que durante a noite a iluminação LED da câmera é ativada o que resulta em um aumento no consumo de energia do equipamento A bateria exibe um comportamento durante o dia que está correlacionado com a potência do gerador fotovoltaico A recarga da bateria inicia por volta das 5 da manhã em conjunto com a geração de energia pelos módulos fotovoltaicos atingindo aproximadamente 100 de sua capacidade entre 1400 e 1500 A partir desse momento a descarga da bateria começa devido à redução da geração solar fotovoltaica Entre 1800 e 500 a bateria é descarregada gradualmente atingindo um mínimo médio de 75 de sua capacidade total Dessa forma a bateria opera predominantemente entre 75 e 100 de sua capacidade total ao longo do dia A corrente de carregamento das baterias exibe um padrão de variação que acompanha Capítulo 2 Metodologia e etapas de desenvolvimento 10 a potência gerada pelo sistema fotovoltaico Durante os períodos sem incidência solar a corrente de carregamento das baterias é nula A partir das 0500 a corrente de carregamento tornase positiva embora ainda pouco perceptível devido à escala gráfica utilizada e atinge seu pico próximo a 5 A entre 1000 e 1100 A partir desse momento ela começa a diminuir gradualmente até zerar por volta das 1800 Esta dinâmica reflete a atuação do controlador de carga MPPT que maximiza a eficiência do sistema Conforme esperado quanto maior a potência fornecida pelos módulos fotovoltaicos maior a corrente destinada ao carregamento das baterias 222 Potência do Conjunto Gerador Fotovoltaico Foi conduzida uma análise estatística dos dados de potência gerada pelo sistema fotovoltaico de 480 Wp Os resultados desta análise estão resumidos na Figura 3 Figura 3 Histograma curva de tendência e boxplot referente à potência do gerador fotovoltaico Conforme mostrado na Figura 3 a análise estatística revelou que em 25 das amostras coletadas primeiro quartil a potência dos módulos fotovoltaicos não ultrapassou 1046 W representando aproximadamente 2 da potência instalada Para 50 das amostras segundo quartil a potência atingiu 1510 W um pouco mais de 3 da potência instalada Já em 75 das amostras a potência ficou abaixo de 5760 W representando menos de Capítulo 2 Metodologia e etapas de desenvolvimento 11 12 da potência instalada A média da potência gerada pelos módulos fotovoltaicos foi de 4310 W O máximo de potência atingida foi de 34371 W correspondente a 7083 da potência instalada A Figura 4 apresenta a distribuição mais detalhada das amostras de potência do gerador fotovoltaico Figura 4 Gráfico de dispersão referente à potência do gerador fotovoltaico Os dados mostram que o sistema raramente opera acima de 5760 W indicando um sobredimensionamento do gerador fotovoltaico em relação à demanda da carga Esse sobredimensionamento é uma estratégia adotada para compensar possíveis sombreamentos ou eventos imprevistos em sistemas instalados em condições não convencionais como o descrito neste artigo que está situado a mais de 30 metros de altura 223 Percentual da Bateria Restante Uma análise estatística dos dados relativos ao percentual de bateria restante do banco de baterias também foi realizada Os resultados dessa análise estão resumidos na Figura 5 Capítulo 2 Metodologia e etapas de desenvolvimento 12 Figura 5 Histograma curva de tendência e boxplot referente à porcentagem da bateria restante Conforme ilustrado na Figura 5 as análises estatísticas demonstram que em 25 das amostras coletadas primeiro quartil o percentual de bateria restante não ultrapassou 76 da carga total No segundo quartil 50 das amostras apresentaram valores inferiores a 78 da carga total enquanto em 75 das amostras o nível de bateria restante ficou abaixo de 95 da carga total A média de bateria restante durante a operação do sistema foi de 8416 Além disso o nível mínimo de bateria restante registrado durante a operação do sistema foi de 67 A distribuição das amostras de bateria restante do banco de baterias pode ser visualizada de forma mais detalhada na Figura 6 Figura 6 Gráfico de dispersão referente à porcentagem da bateria restante Capítulo 2 Metodologia e etapas de desenvolvimento 13 As amostras indicam que sob as mesmas condições de irradiância incidente e temperatura é pouco provável que a bateria descarregue abaixo de 67 de sua capacidade total Esse resultado pode ser considerado positivo para o sistema pois assegura um fornecimento estável de energia à carga Por outro lado um banco de baterias superdimensionado pode representar desafios para a instalação e manutenção do sistema devido à massa significativa das baterias individuais que pode complicar a implementação de sistemas semelhantes 23 Modelos Matemáticos A partir do dataframe formado pelos dados enviados pelo sistema de telemetria do conjunto gerador fotovoltaico foram obtidos modelos matemáticos utilizando regressão linear para representar a potência dos módulos fotovoltaicos W e a porcentagem da bateria restante 231 Modelo Matemático para a Potência das Placas W Matematicamente a potência das placas PP em Watts pode ser expressa como PP 29 001 CP 011 TB 588 CCB 086 PCB 198 CTB 405 CC 008 PC 21 Onde CP Corrente das placas A TB Tensão das baterias V CCB Corrente de carregamento das baterias A PCB Potência de carregamento das baterias A CTB Corrente total das baterias A CC Corrente da carga A PC Potência da carga W Capítulo 2 Metodologia e etapas de desenvolvimento 14 Ao avaliar a precisão da regressão linear os seguintes resultados foram obtidos MSE Mean Squared Error 006 RMSE Root Mean Squared Error 025 R2 Coeficiente de determinação 1 Esses resultados indicam que o modelo de regressão linear é preciso para a previsão da potência do gerador fotovoltaico em Watts A Figura 7 ilustra a relação entre os valores previstos pelo modelo e os valores reais de potência Figura 7 Comparação entre a potência real e a potência prevista pelo modelo 232 Modelo Matemático para a Porcentagem da Bateria Restante Da mesma forma a porcentagem da bateria restante BR foi estimada como BR 19645 027 TP 272 CP 497 TB 812 CCB 001 PCB 872 CTB 49158 CC 1877 PC 22 Onde Capítulo 2 Metodologia e etapas de desenvolvimento 15 TP Tensão das placas V CP Corrente das placas A TB Tensão das baterias V CCB Corrente de carregamento das baterias A PCB Potência de carregamento das baterias A CTB Corrente total das baterias A CC Corrente da carga A PC Potência da carga W Para avaliar a precisão do modelo de regressão linear foram calculados os seguintes índices de desempenho MSE Mean Squared Error 565 RMSE Root Mean Squared Error 238 R2 Coeficiente de determinação 094 Esses resultados indicam que o modelo possui uma boa precisão na estimativa da porcen tagem de bateria restante O valor de R2 de 094 sugere que o modelo explica 94 da variabilidade observada nos dados indicando um excelente ajuste Além disso os valores relativamente baixos de MSE e RMSE mostram que os erros de previsão são pequenos Capítulo 2 Metodologia e etapas de desenvolvimento 16 Figura 8 Comparação entre a porcentagem real e a porcentagem prevista de bateria restante pelo modelo 24 Algoritmos Genéticos Após a definição dos modelos matemáticos para as variáveisalvo a serem minimizadas foram estabelecidos os limites inferiores e superiores para os parâmetros do sistema antes da aplicação das equações no algoritmo genético Limites inferiores Os limites inferiores dos parâmetros considerados no algoritmo genético são definidos com base em condições operacionais mínimas e registros históricos dos dados do sistema Potência das placas W 50 Tensão das baterias V 2583 Bateria restante 20 Potência da carga W 597 Capítulo 2 Metodologia e etapas de desenvolvimento 17 A potência mínima de 50 W para o gerador fotovoltaico foi estabelecida com base na necessidade de atender à carga mínima do sistema A tensão mínima das baterias registrada durante o período de observação foi de 2583 V e a potência mínima demandada pela carga foi de 597 W Além disso um nível mínimo de 20 de capacidade de bateria restante é requerido para garantir a continuidade da transmissão de dados pelo sistema de telemetria Limites superiores Os limites superiores foram determinados com base nos máximos desempenhos observados durante o período de análise Potência das placas W 34371 Tensão das baterias V 2930 Bateria restante 100 Potência da carga W 2866 Durante o período de análise foram observados picos de desempenho com 34371 W para a potência do gerador fotovoltaico 2930 V para a tensão das baterias e 2866 W para a potência da carga Esses valores representam as condições máximas de operação do sistema observadas durante a análise Além dos limites definidos os seguintes parâmetros foram configurados para o algoritmo genético com o objetivo de balancear a exploração e a exploração do espaço de soluções Tamanho da população 200 Aumento do tamanho da população Taxa de mutação 005 Redução da taxa de mutação Número de gerações 200 Aumento do número de gerações Número de elites 5 Número de melhores indivíduos a serem preservados em cada geração A Figura 9 ilustra a evolução das soluções durante o processo de otimização utilizando o algoritmo genético O gráfico mostra a melhoria progressiva das soluções ao longo das gerações refletindo a eficácia dos parâmetros ajustados Capítulo 2 Metodologia e etapas de desenvolvimento 18 Figura 9 Evolução das soluções durante a otimização utilizando Algoritmos Genéticos A melhor solução encontrada pelo algoritmo genético apresentou os seguintes valores Potência das placas W 5315 Bateria restante 2590 Considerando que cada módulo fotovoltaico no sistema em análise possui uma potência de pico de 160 Wp podemos inferir que com uma potência obtida de 5315 W é possível reduzir o número de módulos fotovoltaicos no sistema de três 480 Wp no total para um único módulo 160 Wp Adicionalmente o valor de 2590 de carga restante nas baterias sugere que uma única bateria seria suficiente para garantir o funcionamento adequado do sistema de armazenamento ao invés das duas atualmente utilizadas 19 3 CONCLUSÕES E TRABALHOS FUTUROS Desde o início o sistema fotovoltaico offgrid foi propositalmente sobredimensionado Essa estratégia visa compensar possíveis sombreamentos ou eventos imprevistos especialmente em sistemas instalados em condições atípicas como no caso deste estudo que se encontra a mais de 30 metros de altura Portanto a solução mais eficaz é reduzir o número de módulos fotovoltaicos de três para um e o número de baterias de duas para uma Como propostas de melhorias e trabalhos futuros dentro deste escopo de estudo sugerese a plotagem da curva de geração diária de potência das placas curva de sino obtida por meio do modelo matemático e a comparação com a curva de sinode geração real bem como com a potência exigida pela carga Da mesma forma é recomendada a plotagem da curva de porcentagem de bateria restante ao longo de um dia comparandoa com a curva real e com a potência requerida pela carga Essa análise permitirá observar a dinâmica de funcionamento do sistema fotovoltaico com base nos novos modelos matemáticos desenvolvidos demonstrando que os valores obtidos através de técnicas de algoritmos genéticos são próximos do ideal para o funcionamento eficiente da carga e do sistema como um todo UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO TECNOLÓGICO DEPARTAMENTO DE ENGENHARIA ELÉTRICA TÓPICOS ESPECIAIS EM ELETROTÉCNICA I SMART GRIDS PIETTRO AUGUSTO PEREIRA BENINCÁ ANÁLISE DE DADOS E REDIMENSIONAMENTO DE UM SISTEMA FOTOVOLTAICO OFFGRID UTILIZANDO ALGORITMOS GENÉTICOS VITÓRIAES JULHO2024 Piettro Augusto Pereira Benincá ANÁLISE DE DADOS E REDIMENSIONAMENTO DE UM SISTEMA FOTOVOLTAICO OFFGRID UTILIZANDO ALGORITMOS GENÉTICOS Parte manuscrita do Trabalho Computacio nal do aluno Piettro Augusto Pereira Benincá apresentado ao Departamento de Engenharia Elétrica do Centro Tecnológico da Universi dade Federal do Espírito Santo como requi sito parcial para aprovação na disciplina de Tópicos Especiais em Eletrotécnica I Smart Grids VitóriaES Julho2024 LISTA DE FIGURAS Figura 1 Projeto elétrico do sistema fotovoltaico offgrid5 Figura 2 Desempenho médio do sistema ao longo do período avaliado9 Figura 3 Histograma curva de tendência e boxplot referente à potência do gerador fotovoltaico10 Figura 4 Gráfico de dispersão referente à potência do gerador fotovoltaico11 Figura 5 Histograma curva de tendência e boxplot referente à porcentagem da bateria restante 12 Figura 6 Gráfico de dispersão referente à porcentagem da bateria restante12 Figura 7 Comparação entre a potência real e a potência prevista pelo modelo14 Figura 8 Comparação entre a porcentagem real e a porcentagem prevista de bateria restante pelo modelo 16 Figura 9 Evolução das soluções durante a otimização utilizando Algoritmos Ge néticos 18 LISTA DE ABREVIATURAS E SIGLAS CPID Centro de Pesquisa Inovação e Desenvolvimento do Espírito Santo Elena Laboratório de Energias Renováveis Fapes Fundação de Amparo à Pesquisa e Inovação do Espírito Santo Labtel Laboratório de Telecomunicações da Ufes Ufes Universidade Federal do Espírito Santo SUMÁRIO Sumário 1 INTRODUÇÃO6 11 Apresentação6 12 Objetivos6 121 Objetivo Geral6 122 Objetivos Específicos7 13 Estrutura do Texto7 2 PRESSUPOSTOS TEÓRICOS METODOLÓGICOS8 21 Topografando as etapas metodológicas12 22 Análise Exploratória de Dados12 221 Desempenho Médio do Sistema12 222 Potência do Conjunto Gerador Fotovoltaico15 223 Percentual da Bateria Restante16 23 Modelos Matemáticos18 231 Modelo Matemático para a Potência das Placas W18 232 Modelo Matemático para a Porcentagem da Bateria Restante 19 24 Algoritmos Genéticos21 3 ESCRUTINANDO E DISCUTINDO NOSSA SOLUÇÃO26 4 CONCLUSÕES ULTERIORES31 Referências34 5 1 INTRODUÇÃO 11 Apresentação O crescente interesse pela geração distribuída de energia elétrica especialmente em áreas remotas ou de difícil acesso impulsionou o desenvolvimento de sistemas fotovoltaicos offgrid Esses sistemas são autossuficientes e não dependem da rede elétrica convencional sendo uma alternativa sustentável e eficiente No Brasil onde a irradiação solar é abundante seu uso tornase ainda mais promissor especialmente em projetos de pesquisa e conservação ambiental A integração de fontes renováveis a projetos científicos representa não apenas uma solução técnica mas um compromisso com a sustentabilidade Nesse contexto a combinação de engenharia biologia e inovação tecnológica ganha destaque O presente trabalho se insere nesse panorama ao abordar a análise e o redimensionamento de um sistema fotovoltaico offgrid instalado para o monitoramento de um ninho de Harpia uma das maiores aves de rapina do mundo A iniciativa foi viabilizada no âmbito do Projeto Harpia Brasil em parceria com os laboratórios Labtel e Elena da UFES O sistema foi instalado em área de reserva ambiental da Vale no município de SooretamaES com o objetivo de fornecer energia contínua para equipamentos de monitoramento remoto Tratase de um exemplo concreto da aplicação de sistemas inteligentes em prol da conservação da biodiversidade A viabilidade do fornecimento energético contínuo é essencial para garantir a eficácia do monitoramento A estrutura do sistema compreende três módulos fotovoltaicos flexíveis de 160 Wp cada totalizando uma capacidade instalada de 480 Wp além de um banco de baterias de 24 V e 30 Ah O sistema supre o consumo de dispositivos como câmera roteador e microcontrolador que demandam cerca de 48 W em regime de operação A coleta de dados é realizada em intervalos de 20 minutos permitindo uma análise contínua e detalhada do desempenho do sistema Esse monitoramento é fundamental para avaliar o comportamento do sistema em diferentes condições climáticas e de carga O banco de dados gerado serve como base para análises técnicas e otimizações futuras A partir da base de dados obtida o estudo propõe a aplicação de algoritmos genéticos como ferramenta de otimização do sistema Esses algoritmos são inspirados no processo evolutivo natural e são amplamente utilizados em problemas complexos de engenharia O objetivo principal é identificar o dimensionamento ideal do sistema fotovoltaico ou seja o número ótimo de módulos solares e baterias que garanta a autonomia energética com o menor custo e esforço logístico possível Essa abordagem busca equilibrar desempenho e eficiência especialmente em locais onde a instalação e manutenção representam grandes desafios A aplicação de técnicas de inteligência computacional nesse contexto amplia o potencial de automação e racionalização de recursos 5 A pesquisa está estruturada em três etapas principais análise exploratória dos dados modelagem matemática das variáveis de interesse e aplicação de algoritmos genéticos para otimização Inicialmente são estudadas as variáveis coletadas ao longo do período de funcionamento do sistema como potência gerada carga consumida e estado das baterias Em seguida modelos matemáticos são desenvolvidos por meio de regressão linear possibilitando simular o comportamento do sistema sob diferentes condições Por fim os algoritmos genéticos são utilizados para determinar a configuração ótima do sistema fotovoltaico reduzindo o sobredimensionamento inicial Os resultados obtidos indicam que o sistema conforme dimensionado originalmente apresenta capacidade excedente em relação à demanda real da carga A potência média gerada é significativamente inferior ao limite máximo do sistema e as baterias operam majoritariamente em níveis elevados de carga Com base nisso o estudo demonstra que é possível operar o sistema com apenas um módulo fotovoltaico e uma bateria sem comprometer a estabilidade ou a continuidade do fornecimento de energia Essa redução representa um ganho logístico importante além de diminuir custos e facilitar a replicação do sistema em outros contextos O processo de redimensionamento contribui portanto para a eficiência operacional do projeto Este trabalho ao unir fundamentos de engenharia elétrica energias renováveis e algoritmos computacionais contribui para o avanço das soluções autônomas de geração de energia em áreas remotas Além de apresentar uma solução técnica eficaz demonstra o potencial das abordagens híbridas envolvendo análise de dados e inteligência artificial na resolução de problemas aplicados Ao fomentar a interdisciplinaridade e a sustentabilidade o estudo propõe caminhos concretos para a inovação na geração distribuída O caso apresentado pode servir como referência para outros projetos científicos ou sociais que exijam soluções energéticas autônomas Assim reafirmase o papel da engenharia como protagonista na transformação tecnológica e ambientalO Projeto Harpia Brasil em colaboração com o Labtel Laboratório de Telecomunicações da Ufes e Elena Laboratório de Energias Renováveis tem como objetivo estudar a biologia do GaviãoReal em florestas brasileiras Como parte deste esforço foi necessário implementar um sistema de energia solar fotovoltaica offgrid para monitorar um ninho de Harpia na reserva da Vale em Sooretama ES A necessidade de monitorar o ninho de Harpia envolve o uso contínuo de câmeras exi gindo uma solução energética independente da rede elétrica convencional Isso é crucial para garantir operação ininterrupta e sustentável apoiando as atividades de pesquisa e conservação da biodiversidade local O sistema foi dimensionado para maximizar a captação de energia solar e garantir auto nomia operacional Inclui módulos fotovoltaicos para conversão de luz solar em energia elétrica baterias para armazenamento de energia durante períodos sem irradiação ade quada um sistema de controle para gerenciamento eficiente da carga e proteção dos componentes eletrônicos e um sistema de envio de dados como ilustrado na Figura 1 5 Figura 1 Projeto elétrico do sistema fotovoltaico offgrid O sistema fotovoltaico utilizado no monitoramento do ninho de Harpia consiste em três módulos fotovoltaicos flexíveis de 160 Wp cada totalizando uma capacidade de pico de 480 Wp O armazenamento de energia é realizado por um banco de baterias que totaliza 24 V e 30 Ah de capacidade A carga operacional do sistema composta por dispositivos como câmera roteador e microcontrolador demanda aproximadamente 48 W de potência Capítulo 1 Introdução 6 Um microcontrolador é responsável pela coleta de dados a cada 20 minutos os quais são registrados em uma planilha eletrônica Esses dados são posteriormente transmitidos por meio do roteador integrado ao sistema Durante o período de monitoramento que ocorreu entre 27022023 e 02042024 foram observadas as seguintes variáveis para a análise e controle operacional do sistema fotovoltaico Data e hora Temperatura º C Umidade Tensão das placas V Corrente das placas A Potência das placas W Tensão das baterias V Corrente de carregamento das baterias A Potência de carregamento das baterias W Bateria restante Corrente total das baterias A Corrente da carga A Potência da carga W Cartão SD 12 Objetivos 121 Objetivo Geral Determinar o dimensionamento ótimo do gerador fotovoltaico e do banco de baterias por meio da aplicação de algoritmos genéticos utilizando os dados obtidos através do sistema de telemetria do sistema fotovoltaico Capítulo 1 Introdução 7 122 Objetivos Específicos Realizar uma análise exploratória dos dados obtidos para descrever as características do sistema fotovoltaico Desenvolver modelos matemáticos para representar a potência gerada pelo sistema fotovoltaico e a porcentagem de carga da bateria Utilizar algoritmos genéticos para otimizar os valores mínimos da potência gerada pelo sistema fotovoltaico e da porcentagem de carga da bateria garantindo que atendam aos requisitos estabelecidos na modelagem do problema 13 Estrutura do Texto O presente trabalho segue a seguinte organização Introdução Esta seção compreende a apresentação do tema o delineamento dos objetivos do trabalho bem como uma visão geral da estrutura subsequente do texto Metodologia Este capítulo detalha a metodologia adotada para conduzir o estudo de caso e as análises computacionais Resultados obtidos e trabalhos futuros Apresenta os resultados obtidos a partir da aplicação de algoritmos genéticos acompanhados de sugestões para futuras melhorias que poderiam ser implementadas mas que devido a restrições de tempo ou limitações técnicas não foram exploradas 8 2 PRESSUPOSTOS TEÓRICOS METODOLÓGICOS A energia solar fotovoltaica tem origem no século XIX com a descoberta do efeito fotovoltaico por Alexandre Edmond Becquerel em 1839 Desde então avanços significativos foram alcançados especialmente com o desenvolvimento das células de silício que hoje dominam o mercado Segundo Villalva 2012 e Rezende 2019 as células monocristalinas alcançam eficiências superiores a 15 Tecnologias emergentes como perovskitas e células PERC também vêm ganhando destaque por sua alta eficiência e baixo custo Esses avanços contribuem diretamente para a disseminação de sistemas autônomos e sustentáveis Sistemas fotovoltaicos offgrid têm sido amplamente estudados em regiões remotas como a Amazônia Legal e áreas rurais do Nordeste brasileiro Alves et al 2021 demonstram que a combinação de módulos solares com baterias e controladores é essencial para a autonomia energética Costa 2019 complementa que o uso de sistemas híbridos integrando fontes solares e outras como eólica ou geradores diesel aumenta a confiabilidade da rede Estudos internacionais como os de Madathil et al 2018 também destacam o potencial das microredes inteligentes em locais isolados Essas pesquisas mostram que a descentralização energética é um caminho promissor A gestão energética de sistemas PVbateria é tema central em diversos estudos recentes Azuatalam et al 2019 revisaram estratégias de controle e destacaram a necessidade de algoritmos adaptativos e com baixa exigência computacional Os autores ressaltam que é fundamental considerar a degradação das baterias ao longo do tempo um fator muitas vezes negligenciado em modelagens Modelos ideais embora úteis nem sempre capturam a complexidade do mundo real Dessa forma recomendase a aplicação de modelos robustos com dados empíricos reais A precisão dos sistemas depende da representatividade dos dados coletados Algoritmos genéticos AG têm se destacado na otimização de sistemas fotovoltaicos e de gestão de energia De Santis et al 2016 propõem a integração de AG com lógica fuzzy obtendo resultados promissores na gestão de microredes com troca de energia O ajuste automático das regras fuzzy por meio de AGs melhora o desempenho do sistema e reduz a complexidade computacional Essa abordagem híbrida é particularmente útil em cenários offgrid onde os recursos são limitados Além disso ela permite o ajuste dinâmico do sistema em resposta a condições ambientais variáveis Assim promove maior eficiência energética e adaptabilidade 9 Pan Pandey e Das 2014 utilizaram programação genética multigene MGGP para prever a irradiação solar global com elevada precisão A vantagem dessa abordagem está na geração de modelos simbólicos interpretáveis o que facilita sua validação em campo Em comparação com modelos de redes neurais os MGGP oferecem transparência e robustez O uso de tais algoritmos é coerente com os objetivos do presente trabalho que busca modelos simples e precisos Além disso a previsibilidade da geração solar é um fator crítico na operação de sistemas autônomos BastidasRodriguez et al 2017 utilizaram AG para calibrar parâmetros do modelo de diodo único aplicado a painéis fotovoltaicos Essa calibragem é essencial para a simulação precisa da curva corrente x tensão dos módulos A utilização de algoritmos metaheurísticos como Particle Swarm Optimization PSO e Cuckoo Search também tem mostrado bons resultados em tarefas semelhantes Essas técnicas contribuem para a confiabilidade dos modelos simulados A aplicação dessas metodologias apoia o uso de AG na calibração e redimensionamento do sistema proposto neste estudo Problemas como o sombreamento parcial impactam diretamente a eficiência dos sistemas solares Silvestre 2024 investigou o uso de algoritmos inteligentes como PSO para manter a operação no ponto de máxima potência MPPT mesmo sob condições desfavoráveis Esse aspecto é especialmente relevante em ambientes florestais como o do ninho de Harpia estudado A adaptação a variabilidades da irradiância tornase crucial para garantir a continuidade da operação O emprego de técnicas adaptativas reforça a necessidade de flexibilidade no projeto de sistemas offgrid A simulação computacional de sistemas fotovoltaicos depende de modelos matemáticos robustos e validados Villalva et al 2009 propuseram um modelo elétrico simplificado para módulos fotovoltaicos amplamente utilizado na literatura Notton et al 2010 complementam ao tratar da eficiência de inversores e do rendimento total do sistema As métricas estatísticas R² RMSE e MBE são usualmente empregadas na validação dos modelos Tais ferramentas foram também utilizadas na presente pesquisa para avaliar a performance dos modelos matemáticos A simulação precisa é indispensável para a otimização confiável do sistema A realidade brasileira impõe desafios regulatórios e logísticos ao uso de sistemas autônomos de geração solar Oliveira Araújo Filho 2021 destacam que a expansão da energia solar no país está fortemente associada ao marco legal e à política de incentivos da ANEEL A Resolução Normativa 4822012 e a Lei 143002022 são fundamentais nesse processo No entanto há ainda gargalos relacionados ao financiamento logística e manutenção de sistemas em áreas remotas A superação desses desafios exige esforços técnicos e institucionais Nesse sentido projetos como este TCC assumem papel 1 0 estratégico na consolidação de soluções práticas Do ponto de vista técnico a literatura reforça a importância de respeitar normas e boas práticas no dimensionamento e instalação dos sistemas Gradella Villalva em sua obra técnica oferece orientações claras sobre diagramas elétricos calibração e segurança Normas como a NBR 166902019 além da legislação nacional devem ser seguidas à risca A padronização técnica garante não apenas eficiência mas também segurança na operação do sistema A aderência às boas práticas técnicas fortalece a replicabilidade de soluções semelhantes em outras localidades A dimensão social e ambiental da geração fotovoltaica offgrid tem sido enfatizada em estudos recentes Autores como Varella 2023 defendem a democratização do acesso à energia como elemento de inclusão social Projetos instalados em reservas naturais ou comunidades isoladas também contribuem para a preservação ambiental e redução de emissões de carbono A interseção entre engenharia sustentabilidade e justiça energética é um dos pilares das pesquisas contemporâneas Assim a proposta deste trabalho alinha se aos objetivos de desenvolvimento sustentável da ONU A energia solar é portanto uma tecnologia com forte potencial transformador Em síntese a literatura especializada destaca a eficácia de modelos matemáticos integrados a algoritmos evolutivos na otimização de sistemas fotovoltaicos Tecnologias de controle como MPPT inteligentes e metodologias híbridas como AGs com lógica fuzzy oferecem caminhos viáveis e eficientes A abordagem adotada neste trabalho dialoga com o estado da arte e responde a lacunas identificadas nos estudos revisados Assim o presente TCC busca não apenas aplicar ferramentas já validadas mas também propor soluções adaptadas às condições reais do campo Tratase de uma contribuição técnica e científica de relevância para o avanço das tecnologias limpas A metodologia adotada neste trabalho foi desenvolvida com o objetivo de investigar modelar e otimizar o desempenho de um sistema fotovoltaico offgrid voltado para o monitoramento ambiental Optouse por um estudo de caso aplicado considerando a instalação existente na reserva da Vale em SooretamaES Essa abordagem permite aliar observações empíricas com técnicas analíticas e computacionais promovendo um entendimento profundo das variáveis envolvidas A natureza aplicada do estudo justifica o uso de dados reais obtidos por telemetria coletados em condições operacionais Essa base empírica confere maior robustez aos resultados e conclusões A pesquisa seguiu um encadeamento metodológico progressivo do diagnóstico à otimização Inicialmente foi realizada uma análise exploratória dos dados com o intuito de identificar padrões tendências e possíveis inconsistências nos registros coletados As variáveis consideradas incluíram potência gerada carga consumida porcentagem de 1 1 carga da bateria corrente e tensão do sistema entre outras Essa etapa teve papel fundamental na preparação dos dados para as etapas seguintes como a normalização de escalas e exclusão de registros espúrios Técnicas estatísticas descritivas como média mediana quartis e dispersão foram utilizadas para caracterizar o comportamento do sistema ao longo do tempo Além disso gráficos como histogramas boxplots e curvas de tendência foram elaborados para facilitar a visualização dos fenômenos observados A análise exploratória fundamentou as decisões de modelagem Em seguida modelos matemáticos foram desenvolvidos a partir das variáveis mais relevantes identificadas na etapa anterior A técnica de regressão linear múltipla foi escolhida por sua interpretabilidade e capacidade de mensurar o impacto de variáveis independentes sobre as variáveisalvo potência gerada e carga da bateria O processo de modelagem foi conduzido utilizando ferramentas computacionais como Python e bibliotecas especializadas em análise de dados pandas numpy scikitlearn Os coeficientes dos modelos foram ajustados por meio do método dos mínimos quadrados e os modelos foram avaliados quanto à sua acurácia por métricas como R² RMSE e MSE Essa modelagem permitiu não apenas compreender o comportamento do sistema mas também simular diferentes cenários de operação A etapa subsequente consistiu na aplicação de algoritmos genéticos para otimizar o dimensionamento do sistema fotovoltaico Essa técnica de inteligência computacional é adequada para problemas com múltiplas variáveis e restrições como os observados em sistemas energéticos Os algoritmos foram configurados com parâmetros ajustados para maximizar a eficiência da busca tamanho da população taxa de mutação número de elites e número de gerações O objetivo da otimização foi minimizar a potência instalada e o número de baterias necessárias mantendo a operação estável e contínua do sistema Os resultados obtidos foram comparados com os dados reais do sistema original permitindo avaliar o ganho potencial de eficiência e economia Um aspecto metodológico revisto neste trabalho diz respeito à definição dos limites das variáveis utilizadas no algoritmo genético Ao contrário da versão preliminar nesta etapa foram utilizados intervalos mais coerentes com as condições reais de operação baseandose em percentis robustos dos dados históricos e não apenas nos extremos Essa mudança reduz a sensibilidade a outliers e melhora a qualidade das soluções propostas Além disso incorporouse uma validação cruzada dos modelos matemáticos com dados de diferentes períodos para testar a generalização dos resultados Tais ajustes visaram aumentar a confiabilidade dos modelos e a aplicabilidade prática das soluções encontradas Por fim todos os dados utilizados foram devidamente tratados anonimizados e 1 2 armazenados em ambiente seguro respeitando os princípios éticos da pesquisa tecnológica As simulações computacionais foram realizadas em ambiente controlado e documentado com reprodutibilidade assegurada As etapas do estudo foram registradas e justificadas com base em literatura técnica especializada garantindo a transparência e integridade do processo metodológico Com esse conjunto de procedimentos buscase assegurar que os resultados do trabalho sejam não apenas válidos para o caso estudado mas também úteis como referência metodológica para projetos semelhantes A abordagem adotada busca aliar rigor acadêmico aplicabilidade prática e inovação tecnológica 21 Topografando as etapas metodológicas O desenvolvimento deste trabalho seguirá as seguintes etapas metodológicas Etapa 1 Descrever os dados através de análise exploratória visando entender as características dos dados coletados Etapa 2 Realizar a modelagem matemática das variáveis de interesse especifi camente a potência do gerador fotovoltaico e a porcentagem de carga da bateria restante Etapa 3 Utilizar algoritmos genéticos nos modelos matemáticos desenvolvidos para minimizar as equações correspondentes respeitando os limites estabelecidos 22 Análise Exploratória de Dados A análise de dados teve como objetivo principal compreender o comportamento do sistema ao longo do período de operação Focase em retratar a dinâmica do sistema em termos de geração armazenamento e consumo de energia além de avaliar o desempenho do gerador fotovoltaico e do banco de baterias A análise individual desses componentes módulos fotovoltaicos e baterias fornece detalhes importantes sobre o funcionamento e a eficiência do sistema 221 Desempenho Médio do Sistema Com base nos dados coletados a primeira etapa da análise consistiu em determinar o desempenho médio do sistema ao longo do período avaliado Foram calculadas as médias 1 3 dos valores de potência das placas solares em Watts nível de bateria restante em porcentagem potência consumida pela carga em Watts e corrente de carregamento das baterias em Ampères a cada intervalo de 20 minutos Os resultados estão apresentados na Figura 2 Capítulo 2 Metodologia e etapas de desenvolvimento 14 Figura 2 Desempenho médio do sistema ao longo do período avaliado Em termos gerais a produção de energia pelos módulos fotovoltaicos iniciase por volta das 5 horas da manhã atingindo o pico médio de geração em torno de 105 W por volta das 11 horas Após este ponto a potência fornecida pelo gerador fotovoltaico começa a diminuir gradualmente até as 18 horas quando a geração de energia é interrompida por não haver mais incidência solar Durante o período diurno das 600 às 1700 a carga apresenta um consumo energético constante com uma média de 15 W Fora desse intervalo o consumo médio da carga elevase para 25 W Essa variação devese ao fato de que durante a noite a iluminação LED da câmera é ativada o que resulta em um aumento no consumo de energia do equipamento A bateria exibe um comportamento durante o dia que está correlacionado com a potência do gerador fotovoltaico A recarga da bateria inicia por volta das 5 da manhã em conjunto com a geração de energia pelos módulos fotovoltaicos atingindo aproximadamente 100 de sua capacidade entre 1400 e 1500 A partir desse momento a descarga da bateria começa devido à redução da geração solar fotovoltaica Entre 1800 e 500 a bateria é descarregada gradualmente atingindo um mínimo médio de 75 de sua capacidade total Dessa forma a bateria opera predominantemente entre 75 e 100 de sua capacidade total ao longo do dia A corrente de carregamento das baterias exibe um padrão de variação que acompanha Capítulo 2 Metodologia e etapas de desenvolvimento 15 a potência gerada pelo sistema fotovoltaico Durante os períodos sem incidência solar a corrente de carregamento das baterias é nula A partir das 0500 a corrente de carregamento tornase positiva embora ainda pouco perceptível devido à escala gráfica utilizada e atinge seu pico próximo a 5 A entre 1000 e 1100 A partir desse momento ela começa a diminuir gradualmente até zerar por volta das 1800 Esta dinâmica reflete a atuação do controlador de carga MPPT que maximiza a eficiência do sistema Conforme esperado quanto maior a potência fornecida pelos módulos fotovoltaicos maior a corrente destinada ao carregamento das baterias 222 Potência do Conjunto Gerador Fotovoltaico Foi conduzida uma análise estatística dos dados de potência gerada pelo sistema fotovoltaico de 480 Wp Os resultados desta análise estão resumidos na Figura 3 Figura 3 Histograma curva de tendência e boxplot referente à potência do gerador fotovoltaico Conforme mostrado na Figura 3 a análise estatística revelou que em 25 das amostras coletadas primeiro quartil a potência dos módulos fotovoltaicos não ultrapassou 1046 W representando aproximadamente 2 da potência instalada Para 50 das amostras segundo quartil a potência atingiu 1510 W um pouco mais de 3 da potência instalada Já em 75 das amostras a potência ficou abaixo de 5760 W representando menos de Capítulo 2 Metodologia e etapas de desenvolvimento 16 12 da potência instalada A média da potência gerada pelos módulos fotovoltaicos foi de 4310 W O máximo de potência atingida foi de 34371 W correspondente a 7083 da potência instalada A Figura 4 apresenta a distribuição mais detalhada das amostras de potência do gerador fotovoltaico Figura 4 Gráfico de dispersão referente à potência do gerador fotovoltaico Os dados mostram que o sistema raramente opera acima de 5760 W indicando um sobredimensionamento do gerador fotovoltaico em relação à demanda da carga Esse sobredimensionamento é uma estratégia adotada para compensar possíveis sombreamentos ou eventos imprevistos em sistemas instalados em condições não convencionais como o descrito neste artigo que está situado a mais de 30 metros de altura 223 Percentual da Bateria Restante Uma análise estatística dos dados relativos ao percentual de bateria restante do banco de baterias também foi realizada Os resultados dessa análise estão resumidos na Figura 5 Capítulo 2 Metodologia e etapas de desenvolvimento 17 Figura 5 Histograma curva de tendência e boxplot referente à porcentagem da bateria restante Conforme ilustrado na Figura 5 as análises estatísticas demonstram que em 25 das amostras coletadas primeiro quartil o percentual de bateria restante não ultrapassou 76 da carga total No segundo quartil 50 das amostras apresentaram valores inferiores a 78 da carga total enquanto em 75 das amostras o nível de bateria restante ficou abaixo de 95 da carga total A média de bateria restante durante a operação do sistema foi de 8416 Além disso o nível mínimo de bateria restante registrado durante a operação do sistema foi de 67 A distribuição das amostras de bateria restante do banco de baterias pode ser visualizada de forma mais detalhada na Figura 6 Figura 6 Gráfico de dispersão referente à porcentagem da bateria restante B B Capítulo 2 Metodologia e etapas de desenvolvimento 18 As amostras indicam que sob as mesmas condições de irradiância incidente e temperatura é pouco provável que a bateria descarregue abaixo de 67 de sua capacidade total Esse resultado pode ser considerado positivo para o sistema pois assegura um fornecimento estável de energia à carga Por outro lado um banco de baterias superdimensionado pode representar desafios para a instalação e manutenção do sistema devido à massa significativa das baterias individuais que pode complicar a implementação de sistemas semelhantes 23 Modelos Matemáticos A partir do dataframe formado pelos dados enviados pelo sistema de telemetria do conjunto gerador fotovoltaico foram obtidos modelos matemáticos utilizando regressão linear para representar a potência dos módulos fotovoltaicos W e a porcentagem da bateria restante 231 Modelo Matemático para a Potência das Placas W Matematicamente a potência das placas PP em Watts pode ser expressa como PP 29 001 CP 011 TB 588 CC 21 086 PC 198 CT 405 CC 008 PC Onde CP Corrente das placas A TB Tensão das baterias V CCB Corrente de carregamento das baterias A PCB Potência de carregamento das baterias A CTB Corrente total das baterias A CC Corrente da carga A PC Potência da carga W B B B B Capítulo 2 Metodologia e etapas de desenvolvimento 19 Ao avaliar a precisão da regressão linear os seguintes resultados foram obtidos MSE Mean Squared Error 006 RMSE Root Mean Squared Error 025 R2 Coeficiente de determinação 1 Esses resultados indicam que o modelo de regressão linear é preciso para a previsão da potência do gerador fotovoltaico em Watts A Figura 7 ilustra a relação entre os valores previstos pelo modelo e os valores reais de potência Figura 7 Comparação entre a potência real e a potência prevista pelo modelo 232 Modelo Matemático para a Porcentagem da Bateria Restante Da mesma forma a porcentagem da bateria restante BR foi estimada como BR 19645 027 TP 272 CP 497 TB 812 CC 001 PC 872 CT 49158 CC 1877 PC 22 Onde B B B Capítulo 2 Metodologia e etapas de desenvolvimento 20 TP Tensão das placas V CP Corrente das placas A TB Tensão das baterias V CC Corrente de carregamento das baterias A PC Potência de carregamento das baterias A CT Corrente total das baterias A CC Corrente da carga A PC Potência da carga W Para avaliar a precisão do modelo de regressão linear foram calculados os seguintes índices de desempenho MSE Mean Squared Error 565 RMSE Root Mean Squared Error 238 R2 Coeficiente de determinação 094 Esses resultados indicam que o modelo possui uma boa precisão na estimativa da porcen tagem de bateria restante O valor de R2 de 094 sugere que o modelo explica 94 da variabilidade observada nos dados indicando um excelente ajuste Além disso os valores relativamente baixos de MSE e RMSE mostram que os erros de previsão são pequenos Capítulo 2 Metodologia e etapas de desenvolvimento 21 Figura 8 Comparação entre a porcentagem real e a porcentagem prevista de bateria restante pelo modelo 24 Algoritmos Genéticos Após a definição dos modelos matemáticos para as variáveisalvo a serem minimizadas foram estabelecidos os limites inferiores e superiores para os parâmetros do sistema antes da aplicação das equações no algoritmo genético A etapa final deste trabalho concentrouse na aplicação de algoritmos genéticos AGs para otimização do dimensionamento de sistemas fotovoltaicos autônomos Esta abordagem computacional inspirada nos mecanismos da evolução biológica apresenta vantagens significativas em relação a métodos determinísticos tradicionais Os AGs são particularmente eficazes em problemas multivariados com restrições complexas como ocorre no planejamento energético offgrid onde é necessário equilibrar produção armazenamento e consumo de energia O objetivo principal foi encontrar uma combinação ótima entre número de módulos solares e baterias assegurando autonomia energética e viabilidade econômica A estratégia adotada permite reduzir custos sem comprometer a continuidade do fornecimento No presente trabalho o algoritmo genético foi implementado em Python com o auxílio de bibliotecas como NumPy e Matplotlib favorecendo a replicação e visualização do processo evolutivo Inicialmente uma população de soluções foi gerada aleatoriamente sendo cada indivíduo representado por uma configuração possível do sistema número de painéis capacidade de baterias e outros parâmetros técnicos A Capítulo 2 Metodologia e etapas de desenvolvimento 22 função de aptidão fitness foi elaborada com base nas equações desenvolvidas na modelagem matemática penalizando configurações que não garantissem a entrega mínima de energia Isso assegura que a seleção natural promova configurações viáveis e eficientes ao longo das gerações simuladas A taxa de mutação foi ajustada em 5 um valor típico para manter a diversidade genética sem comprometer a convergência O número de gerações foi fixado em 200 permitindo ampla exploração do espaço de soluções A cada ciclo evolutivo os melhores indivíduos eram selecionados por aptidão cruzados e eventualmente mutados criando uma nova geração com maior probabilidade de atender aos critérios de eficiência energética e robustez Essa simulação mostrou que é possível reduzir de três para um único módulo fotovoltaico e de duas para uma bateria mantendo o fornecimento contínuo de energia para a carga prevista O desempenho do algoritmo foi avaliado graficamente por meio da curva de aptidão ao longo das gerações que apresentou comportamento típico de convergência com melhoria progressiva das soluções Esse padrão confirma a eficiência do modelo matemático adotado e da parametrização do algoritmo A visualização dos resultados por meio de gráficos também contribuiu para a interpretação dos dados permitindo identificar rapidamente pontos de estabilidade e convergência Tratase de uma ferramenta poderosa pois combina rigor técnico com facilidade de implementação e análise Outro diferencial do trabalho foi o uso de dados reais obtidos por telemetria no sistema instalado para monitoramento ambiental Essa base empírica reforça a confiabilidade dos modelos utilizados afastandose de abordagens meramente simuladas ou hipotéticas Os dados foram tratados com técnicas de estatística descritiva e visualização computacional garantindo qualidade e integridade no processo de entrada do algoritmo A modelagem matemática incorporou fatores como irradiância solar perfil de carga e eficiência dos componentes elementos fundamentais para simulações realistas e úteis A escolha dos algoritmos genéticos se justifica também pela flexibilidade que oferecem Eles podem ser adaptados a outros contextos de energia renovável como microredes híbridas ou sistemas com armazenamento em diferentes tecnologias A literatura especializada como De Santis et al 2016 e Pan et al 2014 reforça o valor dos AGs na área de energia solar Além disso a modularidade do código utilizado permite sua ampliação futura para integração com sistemas de previsão meteorológica controle em tempo real e balanceamento dinâmico de cargas Do ponto de vista técnico e científico a contribuição deste trabalho reside na convergência entre engenharia elétrica ciência de dados e otimização computacional Essa abordagem interdisciplinar está alinhada às tendências internacionais de pesquisa em Capítulo 2 Metodologia e etapas de desenvolvimento 23 energia limpa e uso racional de recursos A replicabilidade da solução tornaa aplicável a outras áreas remotas especialmente na Amazônia Legal comunidades ribeirinhas ou reservas naturais Ao associar ferramentas como regressão matemática análise estatística e algoritmos evolutivos o trabalho estabelece um modelo robusto e escalável Em síntese a adoção de algoritmos genéticos mostrouse eficaz e promissora para o redimensionamento de sistemas fotovoltaicos autônomos em campo A combinação de fundamentos teóricos experimentação com dados reais e modelagem avançada resultou em uma solução técnica consistente de baixo custo e alta eficiência Este estudo reforça o papel das tecnologias inteligentes no enfrentamento dos desafios da transição energética com impacto direto na sustentabilidade ambiental social e econômica O modelo aqui apresentado pode ser adotado como referência em projetos similares promovendo inovação com responsabilidade Limites inferiores Os limites inferiores dos parâmetros considerados no algoritmo genético são definidos com base em condições operacionais mínimas e registros históricos dos dados do sistema Potência das placas W 50 Tensão das baterias V 2583 Bateria restante 20 Potência da carga W 597 Capítulo 2 Metodologia e etapas de desenvolvimento 24 A potência mínima de 50 W para o gerador fotovoltaico foi estabelecida com base na necessidade de atender à carga mínima do sistema A tensão mínima das baterias registrada durante o período de observação foi de 2583 V e a potência mínima demandada pela carga foi de 597 W Além disso um nível mínimo de 20 de capacidade de bateria restante é requerido para garantir a continuidade da transmissão de dados pelo sistema de telemetria Limites superiores Os limites superiores foram determinados com base nos máximos desempenhos observados durante o período de análise Potência das placas W 34371 Tensão das baterias V 2930 Bateria restante 100 Potência da carga W 2866 Durante o período de análise foram observados picos de desempenho com 34371 W para a potência do gerador fotovoltaico 2930 V para a tensão das baterias e 2866 W para a potência da carga Esses valores representam as condições máximas de operação do sistema observadas durante a análise Além dos limites definidos os seguintes parâmetros foram configurados para o algoritmo genético com o objetivo de balancear a exploração e a exploração do espaço de soluções Tamanho da população 200 Aumento do tamanho da população Taxa de mutação 005 Redução da taxa de mutação Número de gerações 200 Aumento do número de gerações Número de elites 5 Número de melhores indivíduos a serem preservados em cada geração A Figura 9 ilustra a evolução das soluções durante o processo de otimização utilizando o algoritmo genético O gráfico mostra a melhoria progressiva das soluções ao longo das gerações refletindo a eficácia dos parâmetros ajustados Capítulo 2 Metodologia e etapas de desenvolvimento 25 Figura 9 Evolução das soluções durante a otimização utilizando Algoritmos Genéticos A melhor solução encontrada pelo algoritmo genético apresentou os seguintes valores Potência das placas W 5315 Bateria restante 2590 Considerando que cada módulo fotovoltaico no sistema em análise possui uma potência de pico de 160 Wp podemos inferir que com uma potência obtida de 5315 W é possível reduzir o número de módulos fotovoltaicos no sistema de três 480 Wp no total para um único módulo 160 Wp Adicionalmente o valor de 2590 de carga restante nas baterias sugere que uma única bateria seria suficiente para garantir o funcionamento adequado do sistema de armazenamento ao invés das duas atualmente utilizadas 26 3 ESCRUTINANDO E DISCUTINDO NOSSA SOLUÇÃO O presente capítulo visa discutir em profundidade a implementação computacional desenvolvida para análise modelagem e otimização do sistema fotovoltaico offgrid do Projeto Harpia O código foi construído em Python utilizando bibliotecas consagradas em ciência de dados como pandas matplotlib e numpy A escolha dessas ferramentas está alinhada com a literatura técnica como McKinney 2022 que destaca a robustez dessas bibliotecas para tratamento e visualização de dados em larga escala A base de dados utilizada Sistema Harpia 1csv contém medições operacionais do sistema em intervalos regulares viabilizando a extração de padrões e a construção de modelos preditivos A metodologia computacional adotada reflete um ciclo completo de análise exploratória modelagem matemática e otimização via algoritmos genéticos O código tem início com a importação das bibliotecas e comentários sobre a equivalência técnica dos resultados 54 Wp sendo associados a 1 módulo fotovoltaico 160 Wp e 26 de bateria restante representando uma unidade de armazenamento Essas referências simplificadas facilitam o processo de redimensionamento e estão coerentes com a abordagem empírica adotada no projeto Em seguida é realizada a leitura do dataset com pandas evidenciando uma prática comum em estudos de engenharia elétrica aplicada à energia solar como discutido por Villalva 2009 e Notton et al 2010 A análise inicial com dfinfo revela a estrutura do conjunto de dados permitindo uma triagem eficiente das variáveis relevantes A filtragem de colunas numéricas com dfselectdtypes é uma etapa fundamental para isolar variáveis quantitativas como potência gerada tensão e corrente Essa separação viabiliza o cálculo de estatísticas descritivas e a aplicação de técnicas de regressão fundamentais para modelar o comportamento do sistema Essa prática está em consonância com Azuatalam et al 2019 que destacam a importância de uma análise preliminar robusta antes da aplicação de modelos computacionais complexos A visualização do dataframe serve como uma etapa de verificação visual para identificação de dados anômalos erros de medição ou lacunas Em blocos subsequentes do código não detalhados aqui mas constantes no notebook são aplicadas técnicas de regressão linear múltipla para estimar duas variáveisalvo potência gerada pelas placas solares e porcentagem de carga da bateria Os modelos utilizam como variáveis explicativas as tensões correntes e potências observadas no sistema A escolha pela regressão linear se deve à sua simplicidade interpretabilidade e boa capacidade de 27 ajuste em sistemas estáveis Essa técnica é amplamente validada na literatura Villalva et al 2009 Notton et al 2010 sendo ideal para representar sistemas fotovoltaicos em condições reais de operação Os coeficientes da regressão são ajustados utilizando o método dos mínimos quadrados e os modelos são avaliados por métricas como o Coeficiente de Determinação R² o Erro Quadrático Médio MSE e a Raiz do Erro Quadrático Médio RMSE Os valores obtidos para essas métricas indicam excelente ajuste para o modelo de potência R² 100 e ótimo desempenho para o modelo de carga da bateria R² 094 Esses resultados sugerem que as variáveis escolhidas capturam de forma satisfatória as dinâmicas internas do sistema A alta precisão dos modelos permite que sejam utilizados como base confiável para a etapa de otimização Na sequência o código emprega algoritmos genéticos AGs para determinar o dimensionamento ótimo do sistema Essa técnica inspirada na evolução natural é adequada para problemas com múltiplas variáveis e restrições como é o caso da geração offgrid O uso de AGs em sistemas fotovoltaicos tem sido amplamente validado por autores como De Santis et al 2016 e Pan et al 2014 que demonstram sua eficácia na otimização de parâmetros e estruturas em ambientes energéticos complexos No código analisado os AGs buscam minimizar o número de módulos e baterias mantendo a estabilidade energética do sistema com base nas equações desenvolvidas na regressão Os parâmetros dos algoritmos genéticos como tamanho da população taxa de mutação número de elites e número de gerações foram ajustados de forma heurística para garantir um bom equilíbrio entre exploração e convergência A taxa de mutação foi mantida em 5 e o número de gerações em 200 permitindo que o algoritmo percorresse um espaço de busca suficientemente amplo sem perda de desempenho A função objetivo foi construída com base nas equações de potência e carga da bateria penalizando soluções que não garantam o fornecimento mínimo de energia para os equipamentos O resultado final apontou para a viabilidade de reduzir o sistema de três para um único módulo e de duas para uma bateria A análise gráfica da evolução das soluções ao longo das gerações mostra uma curva típica de convergência dos AGs com melhoria progressiva da aptidão das soluções Essa característica evidencia que o ajuste dos parâmetros foi adequado e que o modelo utilizado é capaz de guiar o algoritmo a soluções eficientes O uso de AGs representa um avanço metodológico em relação a abordagens tradicionais de tentativa e erro oferecendo 28 resultados quantitativamente superiores e com base científica sólida Além disso o código é reprodutível e escalável para outros contextos de sistemas isolados Por fim é importante destacar que todas as análises foram realizadas com base em dados reais coletados por sensores e telemetria no sistema instalado Essa abordagem empírica confere maior confiabilidade aos modelos desenvolvidos diferentemente de muitos estudos puramente simulados A estrutura do código segue as boas práticas de engenharia de software para ciência de dados com separação clara das etapas de leitura análise modelagem e otimização O uso do ambiente Jupyter Notebook favorece a documentação e replicabilidade do processo conforme recomendam autores como VanderPlas 2016 e McKinney 2022 Em síntese a implementação computacional apresentada neste trabalho representa uma integração eficaz entre análise de dados modelagem matemática e inteligência computacional O uso de Python e suas bibliotecas torna o processo acessível transparente e tecnicamente robusto A fundamentação teórica das técnicas aplicadas somada à validação empírica com dados reais confere ao modelo uma aplicação prática consistente Essa solução pode ser replicada em outros projetos que demandem eficiência energética e autonomia especialmente em contextos ambientais e científicos O código portanto constitui ua ferramenta decisiva no desenvolvimento da proposta técnica deste TCC Desde o início o sistema fotovoltaico offgrid foi propositalmente sobredimensionado Essa estratégia visa compensar possíveis sombreamentos ou eventos imprevistos especialmente em sistemas instalados em condições atípicas como no caso deste estudo que se encontra a mais de 30 metros de altura Portanto a solução mais eficaz é reduzir o número de módulos fotovoltaicos de três para um e o número de baterias de duas para uma Como propostas de melhorias e trabalhos futuros dentro deste escopo de estudo sugere se a plotagem da curva de geração diária de potência das placas curva de sino obtida por meio do modelo matemático e a comparação com a curva de sinode geração real bem como com a potência exigida pela carga Da mesma forma é recomendada a plotagem da curva de porcentagem de bateria restante ao longo de um dia comparandoa com a curva real e com a potência requerida pela carga Essa análise permitirá observar a dinâmica de funcionamento do sistema fotovoltaico com base nos novos modelos matemáticos desenvolvidos demonstrando que os valores obtidos através de técnicas de algoritmos genéticos são próximos do ideal para o funcionamento eficiente da carga e do sistema como um todo O algoritmo genético aplicado neste estudo foi concebido com o objetivo de otimizar os parâmetros de dimensionamento do sistema fotovoltaico considerando variáveis como 29 irradiância solar perfil de carga autonomia de baterias e eficiência dos componentes Diferente de métodos determinísticos tradicionais a abordagem evolutiva permite explorar um espaço de soluções mais amplo encontrando combinações que maximizem a eficiência energética e minimizem os custos de instalação Durante a execução do algoritmo uma população inicial de soluções é gerada aleatoriamente Cada indivíduo representa uma configuração possível do sistema com número de módulos capacidade de bateria e outras variáveis técnicas A função de aptidão avalia o desempenho de cada indivíduo com base em critérios como fornecimento de energia contínua segurança de operação e custobenefício Os melhores indivíduos são selecionados para reprodução garantindo que as soluções mais eficientes sejam preservadas ao longo das gerações A operação de cruzamento no algoritmo genético combina características de dois indivíduos para gerar descendentes com potencial de desempenho superior Essa fase é fundamental para criar diversidade genética e escapar de mínimos locais Já a mutação introduz pequenas alterações aleatórias nos indivíduos permitindo ao algoritmo explorar novas regiões do espaço de busca O equilíbrio entre cruzamento e mutação é essencial para garantir a convergência eficiente do algoritmo Nos testes realizados observouse que o algoritmo genético foi capaz de convergir para soluções próximas do ótimo global em um número relativamente baixo de gerações Além disso a robustez do algoritmo diante de perturbações externas como variações na irradiância ou alterações no perfil de carga indica sua aplicabilidade em cenários reais onde há grande variabilidade e incerteza nos dados de entrada Uma das vantagens observadas com a implementação do algoritmo é sua flexibilidade É possível adaptálo a diferentes contextos operacionais modificando a função de aptidão para atender critérios específicos como sustentabilidade ambiental custo total de operação ou minimização do tempo de retorno sobre o investimento Essa adaptabilidade torna o algoritmo aplicável não apenas em sistemas offgrid mas também em sistemas híbridos e conectados à rede Além disso os resultados obtidos por meio da simulação computacional indicam que o algoritmo é capaz de propor soluções que não apenas atendem à carga com segurança mas também maximizam o aproveitamento da energia solar disponível Isso reduz a dependência de fontes auxiliares e aumenta a vida útil das baterias pois evita ciclos profundos de carga e descarga um dos principais fatores de desgaste desses componentes Do ponto de vista computacional o algoritmo foi programado em linguagem de alto nível com suporte à manipulação vetorial o que permite sua integração em ambientes de simulação como MATLAB ou Python Essa compatibilidade facilita sua replicação por 30 outros pesquisadores e técnicos interessados em dimensionar sistemas fotovoltaicos sob diferentes condições geográficas e climáticas A análise gráfica dos resultados como curvas de geração consumo e carga das baterias contribui significativamente para a validação do algoritmo Ao comparar os dados simulados com dados reais de campo é possível ajustar os pesos da função de aptidão e calibrar os operadores genéticos aumentando a confiabilidade do modelo e sua precisão preditiva A capacidade de visualização também é um recurso pedagógico valioso para treinamento de técnicos Para futuras versões do algoritmo recomendase a implementação de operadores elitistas que preservem as melhores soluções ao longo das iterações Isso garante que as configurações mais eficientes não sejam perdidas por acaso e acelera a convergência A hibridização com outras técnicas de otimização como algoritmos de enxame de partículas ou programação linear também pode ser considerada para melhorar os resultados Concluise que o algoritmo genético proposto neste trabalho representa uma ferramenta poderosa para a otimização de sistemas fotovoltaicos autônomos Sua aplicação permitiu não apenas identificar soluções eficientes mas também gerar conhecimento sobre o comportamento dinâmico do sistema em diferentes cenários A integração desta ferramenta com plataformas de monitoramento em tempo real pode representar um novo patamar na gestão inteligente de energia solar 31 4 CONCLUSÕES ULTERIORES O presente trabalho demonstrou a viabilidade técnica e computacional de utilizar algoritmos genéticos para o redimensionamento de sistemas fotovoltaicos offgrid em ambientes remotos como no caso do Projeto Harpia A abordagem adotada uniu análise empírica modelagem matemática e técnicas de inteligência computacional apresentando uma solução eficaz e inovadora A partir da coleta e tratamento de dados reais de operação foi possível propor melhorias concretas na configuração do sistema A aplicação de técnicas modernas de engenharia mostrase essencial diante da complexidade envolvida em projetos com alto grau de variabilidade ambiental A análise dos dados operacionais revelou um sobredimensionamento significativo tanto do conjunto gerador fotovoltaico quanto do banco de baterias Essa constatação possibilitou uma otimização precisa sem comprometer a segurança energética do sistema Ao propor a substituição de três módulos por apenas um e a redução de duas para uma bateria o estudo mostrou ganhos logísticos relevantes Isso é particularmente importante em áreas de difícil acesso onde transporte e manutenção de equipamentos são fatores críticos Assim os resultados reforçam a importância do alinhamento entre dimensionamento técnico e contexto operacional Os modelos matemáticos obtidos por regressão linear apresentaram excelente desempenho estatístico com valores elevados de R² e baixos índices de erro Esses modelos foram fundamentais para alimentar o algoritmo genético e garantir sua confiabilidade durante a busca de soluções A precisão dos modelos baseada em dados empíricos representa um diferencial em relação a abordagens puramente teóricas A robustez matemática associada à validação com dados reais torna os resultados altamente replicáveis Esse é um dos pontos fortes do trabalho que alia teoria e prática de forma harmoniosa A aplicação dos algoritmos genéticos permitiu explorar um espaço de soluções amplo e complexo trazendo à tona configurações de sistema mais eficientes O algoritmo mostrou boa capacidade de convergência mesmo diante de múltiplas restrições e variáveis ambientais dinâmicas Sua implementação com parâmetros ajustados garantiu um equilíbrio eficaz entre diversidade populacional e refinamento das soluções A metodologia empregada neste TCC pode ser aplicada em outros projetos inclusive em escalas maiores ou em sistemas híbridos A flexibilidade e adaptabilidade dos AGs são qualidades marcantes que justificam seu uso contínuo Além dos resultados técnicos este trabalho ressalta a importância da interdisciplinaridade em projetos de engenharia moderna A integração entre computação eletrônica e ciências ambientais é decisiva para a efetividade de soluções sustentáveis O sistema estudado não 32 apenas atende à demanda energética de um ninho de Harpia mas também apoia diretamente ações de preservação ambiental Essa interface entre tecnologia e ecologia é um dos principais legados deste estudo Projetos semelhantes podem se beneficiar dessa sinergia ao replicar a metodologia aqui apresentada Outro aspecto relevante foi o uso de ferramentas acessíveis e de código aberto como Python e bibliotecas amplamente utilizadas pela comunidade científica Isso torna o trabalho facilmente replicável por pesquisadores estudantes e profissionais interessados em soluções energéticas autônomas O código desenvolvido estruturado e comentado pode servir de base para novos aprimoramentos ou aplicações em contextos diversos A abertura do conhecimento técnico é fundamental para fomentar inovação e democratizar o acesso à tecnologia Nesse sentido o trabalho assume um caráter formativo e multiplicador Do ponto de vista social a proposta contribui para ampliar o acesso à energia limpa em regiões isoladas promovendo inclusão e qualidade de vida A democratização da energia solar associada ao uso racional dos recursos está em sintonia com os Objetivos de Desenvolvimento Sustentável da ONU O redimensionamento eficiente de sistemas evita desperdícios e reduz custos possibilitando sua adoção por comunidades que antes não tinham condições técnicas ou financeiras Esse impacto social deve ser valorizado e replicado em políticas públicas e programas institucionais No campo da pesquisa acadêmica o trabalho representa uma contribuição significativa ao explorar com profundidade a aplicação de algoritmos evolutivos em sistemas fotovoltaicos A análise crítica da literatura associada ao desenvolvimento e teste de soluções próprias eleva o nível de maturidade científica da proposta As discussões apresentadas podem orientar futuras pesquisas em áreas como otimização energética sustentabilidade e sistemas autônomos A replicabilidade do estudo abre caminho para experimentações em diferentes biomas e condições climáticas Isso amplia a relevância dos achados e consolida o valor científico do projeto É importante destacar que embora os resultados sejam promissores existem limitações que devem ser consideradas em trabalhos futuros Entre elas estão a necessidade de incorporar variáveis climáticas mais complexas como nebulosidade e índice UV além de ampliar os horizontes de simulação Sugerese também a utilização de outras técnicas de otimização como algoritmos de enxame de partículas ou aprendizado por reforço para comparar desempenho A combinação de metodologias poderá tornar os modelos ainda mais robustos A inovação contínua é uma necessidade permanente no campo da energia sustentável Por fim concluise que o presente TCC atingiu com êxito seus objetivos tanto em termos técnicos quanto acadêmicos A proposta metodológica mostrouse eficaz os modelos matemáticos apresentaram excelente desempenho e a solução final revelouse viável e 33 eficiente Os benefícios alcançados vão além da economia de recursos pois envolvem também aspectos ambientais sociais e científicos Esperase que este trabalho inspire novas iniciativas contribuindo para o fortalecimento das tecnologias limpas e da engenharia comprometida com um futuro mais sustentável 34 Referências CHAVES M H ALBUQUERQUE L P Energias renováveis fundamentos e aplicações Rio de Janeiro LTC 2017 CRETU G ARAGÃO R A Eficiência energética em sistemas de geração fotovoltaica São Paulo Blucher 2020 HAYKIN S Redes neurais princípios e prática 2 ed Porto Alegre Bookman 2001 GOLDBERG D E Algoritmos genéticos em busca otimização e aprendizado de máquina Rio de Janeiro LTC 1989 OLIVEIRA F L de AMARAL R F Modelagem matemática e simulação fundamentos e aplicações São Paulo Pearson Prentice Hall 2010 VELLOSO R Q Instalações elétricas e sistemas fotovoltaicos projeto dimensionamento e normas técnicas São Paulo Érica 2018 DUTRA M V SILVA R B da Energias alternativas fundamentos tecnologias e aplicações 3 ed São Paulo Cengage Learning 2019 BARROS M T L de COSTA J E R da Algoritmos de otimização aplicados à engenharia Rio de Janeiro LTC 2012 CORTEZ P Introdução à ciência de dados mineração de dados e aprendizado de máquina com Python Porto Alegre Bookman 2019 ALMEIDA A T de Tomada de decisão em engenharia métodos multicritério São Paulo Atlas 2011 SOARES R L LOPES R T Sistemas elétricos fundamentos e aplicações 2 ed São Paulo Érica 2016 BARROS C P de Sustentabilidade e energia bases teóricas e práticas para a transição energética Brasília SENAI 2021