Avaliação dos efeitos da tarifa horária para consumidores rurais utilizando a geração fotovoltaica e/ou biomassa
Bibliographic record
Abstract
Os consumidores em Baixa Tensao (BT) sao considerados os maiores responsaveis pelo carregamento do sistema eletrico no horario de ponta, acarretando custos na expansao dos sistemas de distribuicao. Buscando estimular o uso eficiente da energia eletrica, a Agencia Nacional de Energia Eletrica (ANEEL) estabeleceu uma nova modalidade tarifaria aos consumidores em BT, a Tarifa Branca, em vigor desde janeiro de 2018. A Tarifa Branca e uma Tarifa Horaria com tres postos tarifarios diferentes ao longo do dia. Alem dessa nova modalidade tarifaria, a ANEEL estabeleceu as condicoes para o acesso a microgeracao e minigeracao distribuida desde 2012 por meio da Resolucao Normativa (RN) no 482, buscando incentivar a insercao de Geracao Distribuida (GD) em consumidores de BT. Neste sentido, a proposta desta dissertacao e apresentar um estudo dos efeitos desta adesao a Tarifa Branca para consumidores rurais utilizando em conjunto fontes de energia fotovoltaica e/ou da biomassa, considerando para tal analise as tarifas de energia vigentes e as curvas de carga tipicas para cada faixa de consumo. O programa Hybrid Optimization Model for Electric Renewables (HOMER) foi utilizado para realizar as simulacoes auxiliando na analise economica e tomada de decisao quanto a adesao ou nao a Tarifa Branca em conjunto com a GD. Diversas configuracoes foram avaliadas sob aspecto economico e para diferentes regioes (Regiao Sul, Regiao Nordeste e Hemisferio Norte). Os resultados permitiram identificar quais as faixas de consumo e regioes que mais se beneficiariam com a adesao a Tarifa Horaria em conjunto com a GD. Concluiu-se que dos quinze cenarios analisados em apenas nove destes a utilizacao da Tarifa Horaria em conjunto com a GD se tornou economicamente viavel, sendo dois cenarios para a Regiao Sul, outros dois para a Regiao Nordeste e cinco cenarios para a Provincia de Ontario.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".