Fazendo as primeiras projeções com o 4MD
fazendo_projecoes.RmdO pacote epe4md possui diferentes funções encadeadas
para realizar as projeções de difusão da Micro e Minigeração Distribuída
(MMGD) no Brasil. No entanto, a função epe4md_calcula
condensa todas as funções intermediárias e permite gerar resultados a
partir da execução de apenas essa função.
Definindo argumentos obrigatórios
Há apenas dois argumentos obrigatórios que precisam ser definidos
para rodar a função epe4md_calcula.
Em primeiro lugar, deve-se definir o argumento ano_base
que indica o último ano do histórico com dados disponíveis. Esse
argumento está relacionado especialmente com a importação da base de
dados.
Na sequência, um argumento essencial para a execução da projeção é a
definição das premissas regulatórias. Ou seja, qual o modelo de
compensação dos créditos de energia gerada, quando haverá mudanças no
modelo, se haverá tarifas binômias para consumidores de baixa tensão,
etc. Essas premissas são definidas através de um arquivo
.xlsx. Um exemplo de entrada é apresentado a seguir, a
partir de um arquivo que é instalado junto com o pacote. No entanto, o
usuário pode carregar um arquivo similar a partir de suas premissas.
premissas_regulatorias <-
readxl::read_xlsx(system.file("dados_premissas/2022/premissas_reg.xlsx",
package = "epe4md"))
print(premissas_regulatorias)
#> # A tibble: 17 × 5
#> ano alternativa p_transicao binomia demanda_g
#> <dbl> <dbl> <dbl> <lgl> <lgl>
#> 1 2021 0 1 FALSE FALSE
#> 2 2022 0 1 FALSE FALSE
#> 3 2023 1 0.15 FALSE TRUE
#> 4 2024 1 0.3 FALSE TRUE
#> 5 2025 1 0.45 FALSE TRUE
#> 6 2026 1 0.6 FALSE TRUE
#> 7 2027 1 0.75 FALSE TRUE
#> 8 2028 1 0.9 FALSE TRUE
#> 9 2029 1 1 FALSE TRUE
#> 10 2030 1 1 FALSE TRUE
#> 11 2031 1 1 FALSE TRUE
#> 12 2032 1 1 FALSE TRUE
#> 13 2033 1 1 FALSE TRUE
#> 14 2034 1 1 FALSE TRUE
#> 15 2035 1 1 FALSE TRUE
#> 16 2036 1 1 FALSE TRUE
#> 17 2037 1 1 FALSE TRUEAs variáveis da tabela são explicadas a seguir:
alternativas
Valor entre 0 e 5 que representa a forma de compensação da parcela da geração injetada na rede.
- 0: Consumidor compensa todas as componentes tarifárias.
- 1: Paga TUSD Distribuição.
- 2: Anterior + TUSD Transmissão.
- 3: Anterior + TUSD Encargos.
- 4: Anterior + TUSD Perdas.
- 5: Anterior + TE Encargos. Ou seja, compensa somente a TE Energia.
A figura a seguir ilustra as alternativas de compensação. 
p_transicao
Representa a parcela da alternativa anterior a ser paga pelo consumidor. Varia de 0 a 1, sendo 1 = 100%. Esse parâmetro permite um escalonamento da cobrança.
Rodando o modelo 4MD
A função epe4md_calcula possui outros argumentos
pré-definidos, que podem ser alterados caso seja de interesse do
usuário. A seguir, por exemplo, iremos especificar o horizonte desejado
da projeção como sendo 2035. Caso não fosse atribuído valor para esse
argumento da função, o resultado iria até 2060. Para mais informações,
verificar a documentação da função.
resultado <- epe4md_calcula(ano_base = 2022,
premissas_reg = premissas_regulatorias,
ano_max_resultado = 2035)A saída da função traz um data frame com a projeção do número de adotantes, da capacidade instalada e da geração de energia. Os resultados estão em base mensal.
# Exemplo de resultado para o estado do RJ
resumo_potencia_rj <- resultado %>%
filter(uf == "RJ") %>%
group_by(ano) %>%
summarise(adotantes_ano = sum(adotantes_mes),
capacidade_ano_mw = sum(pot_mes_mw)) %>%
ungroup() %>%
mutate(adotantes_acum = cumsum(adotantes_ano),
capacidade_acum_mw = round(cumsum(capacidade_ano_mw))) %>%
select(ano, adotantes_acum, capacidade_acum_mw) %>%
print()
#> # A tibble: 23 × 3
#> ano adotantes_acum capacidade_acum_mw
#> <dbl> <dbl> <dbl>
#> 1 2013 8 0
#> 2 2014 38 1
#> 3 2015 205 2
#> 4 2016 763 5
#> 5 2017 1883 12
#> 6 2018 3993 31
#> 7 2019 11184 91
#> 8 2020 23111 203
#> 9 2021 50198 407
#> 10 2022 91417 699
#> # ℹ 13 more rowsO usuário pode explorar esses resultados da forma como achar melhor, embora existam algumas funções no pacote que resumam os resultados em nível nacional.
resumo_potencia <- epe4md_sumariza_resultados(resultado)
#Resultado de capacidade instalada, em GW.
print(resumo_potencia)
#> # A tibble: 23 × 5
#> ano pot_ano geracao_gwh pot_acum geracao_mwmed
#> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 2013 0.00240 1.57 0.00240 0.179
#> 2 2014 0.00300 6.14 0.00541 0.701
#> 3 2015 0.0165 23.7 0.0219 2.70
#> 4 2016 0.0645 118. 0.0864 13.5
#> 5 2017 0.156 336. 0.243 38.4
#> 6 2018 0.433 867. 0.675 99.0
#> 7 2019 1.60 2287. 2.27 261.
#> 8 2020 2.91 5795. 5.18 661.
#> 9 2021 4.64 10960. 9.82 1251.
#> 10 2022 7.60 19754. 17.4 2255.
#> # ℹ 13 more rows
epe4md_graf_pot_acum(dados = resultado)
Projeção de capacidade instalada de MMGD
epe4md_graf_pot_segmento(dados = resultado)
Projeção de capacidade instalada de MMGD por segmento
epe4md_graf_geracao_mes(dados = resultado)
Projeção de geração mensal de MMGD