Eduardo Martins Deschamps

OTIMIZAÇÃO DO FATOR DE CARREGAMENTO DE

INVERSORES PARA SISTEMAS SOLARES FOTOVOLTAICOS
CONECTADOS À REDE ELÉTRICA PÚBLICA

Dissertação submetida ao Programa de

Pós-Graduação em Engenharia Civil
da Universidade Federal de Santa
Catarina para a obtenção do Grau de
Mestre em Engenharia Civil.

Orientador: Ricardo Rüther, Ph.D.

Florianópolis

2018
 Eduardo Martins Deschamps

OTIMIZAÇÃO DO FATOR DE CARREGAMENTO DE

INVERSORES PARA SISTEMAS SOLARES FOTOVOLTAICOS
CONECTADOS À REDE ELÉTRICA PÚBLICA

Esta Dissertação foi julgada adequada para obtenção do Título de

Mestre em Engenharia Civil e aprovada em sua forma final pelo
Programa de Pós-Graduação em Engenharia Civil.

Florianópolis, 05 de setembro 2018.

Prof. Enedir Ghisi, Ph.D.

Coordenador do PPGEC

Banca Examinadora:

Ricardo Rüther, Ph.D. Roberto Lamberts, Ph.D.

Orientador ECV/UFSC ECV/UFSC

Roberto Zilles, Dr. IEE/USP Rubipiara Cavalcante Fernandes, D. Eng.

EMBRAPII/IFSC
 AGRADECIMENTOS

À minha família, por todo o apoio, suporte financeiro e incentivo

durante os estudos de graduação e pós-graduação.
Ao Prof. Ricardo Rüther, por suas contribuições como orientador
desse trabalho e seu importante papel na pesquisa e desenvolvimento da
energia solar fotovoltaica no Brasil. Agradeço a oportunidade de
participar em importantes projetos como esse, de grande valor para a
construção do conhecimento e para o avanço da energia solar no país.
Aos professores Roberto Lamberts, Roberto Zilles e Rubipiara
Cavalcante Fernandes, por sua disponibilidade em participar da banca
avaliadora e por suas importantes contribuições a este trabalho.
À empresa MONEL Monjolinho, pelo seu investimento em
projetos de pesquisa na área de energia solar fotovoltaica, e ao corpo
técnico que colaborou em diversas etapas do projeto.
Aos colegas do Grupo Fotovoltaica-UFSC por sempre
propiciarem um ambiente agradável de trabalho, estudo e principalmente
cooperação durante as atividades desenvolvidas. Em especial aos colegas
Lucas Nascimento, Rafael Campos, Bernardo Hickel, Julio Dal Bem,
André Cechinel, Anelise Pires, Eduardo Watzko e Pedro Veríssimo pelas
horas de pesquisa e discussão durante as reuniões de análises dos
resultados do projeto.
Agradecimento especial aos colegas Lucas Rafael do
Nascimento, Rafael Antunes Campos e Bernardo Meyer Hickel pelo
tempo compartilhado nos trabalhos em campo e pelas horas de análises e
discussões envolvendo esse projeto.
Agradecimento especial ao colega Rafael Antunes Campos por
seu trabalho na análise e tratamento dos dados do projeto e pelas horas de
discussão e aprofundamento.
Agradecimento especial ao colega Manfred Kratzenberg por seu
trabalho na análise e validação dos dados de irradiação difusa.
A todos meus amigos e amigas, pelo tempo que não foi
compartilhado para que se cumprisse esse estudo, e que de alguma forma
colaboraram para o bom andamento deste trabalho.
À Fernanda Cristina Facchini, pela compreensão durante minha
ausência e por seu companheirismo e constante incentivo durante meus
estudos.
 RESUMO

Este trabalho apresenta um estudo qualitativo e quantitativo da

otimização do fator de carregamento de inversores fotovoltaicos em
sistemas FV de grande porte conectados à rede elétrica pública.
É avaliado o recurso solar do local do projeto e comparado com
as estimativas de satélite. São realizadas análises da distribuição de
irradiância e seus potenciais efeitos no dimensionamento dos inversores.
São avaliados os efeitos da resolução temporal de aquisição dos dados de
irradiação nas curvas de distribuição de irradiância. Avalia-se também o
desempenho das diferentes tecnologias que compõem o projeto mediante
análise remota das variáveis ambientais, como irradiação e temperatura,
e também variáveis elétricas do sistema. Essa avaliação é feita tendo
como base uma das principais figuras de mérito para sistemas
fotovoltaicos, a Performance Ratio (Taxa de Desempenho - PR). Por fim,
é elaborada uma metodologia para estimar o fator de carregamento ótimo
considerando aspectos como perdas por sobrecarregamento do inversor e
aspectos econômicos, para diferentes fatores de carregamento do
inversor, visando a otimização e redução dos custos de geração de energia
solar fotovoltaica.
Foi observado forte correlação entre o desempenho das cinco
diferentes tecnologias avaliadas e fatores ambientais (temperatura,
mudança espectral, acúmulo de sujeira). Foi observada a degradação
inicial para a tecnologia de silício amorfo (a-Si). O fator de capacidade
médio das tecnologias foi de 20% e a produtividade (yield) média mensal
foi de 150 kWh/kWp.mês. A Taxa de Desempenho (PR) anual variou de
76,9% a 85,1%, dependendo da tecnologia. O recurso solar local, medido
durante três anos, foi comparado com cinco diferentes bancos de dados
de irradiação, apresentando maior aderência aos dados estimados pelo
Atlas Solarimétrico Brasileiro. Foi obtida a distribuição de irradiância
para cada mês dos três anos de dados de irradiação disponíveis, onde foi
possível observar características locais marcantes, com maior
nebulosidade nos meses de verão e consequentemente maior ocorrência
do efeito borda de nuvem. No balanço anual, cerca de 4% da irradiação
incidente possui níveis de irradiância superiores a 1200 W/m².
 A metodologia desenvolvida para a otimização do fator de
carregamento de inversor foi aplicada sobre um ano completo de dados
de geração para as cinco tecnologias. Observou-se que para
carregamentos normalmente empregados no projeto de usinas FV (nas
redondezas de 120%), as perdas por sobrecarregamento variam de 0,3%
a 2,4%, dependendo da tecnologia. O FCI ótimo, para as tecnologias FV
mais consolidadas e mais comumente empregadas em usinas FV (m-Si e
p-Si), foi estimado em cerca de 126%.

Palavras-chave: Energia solar fotovoltaica. Distribuição de irradiância.

Fator de carregamento de inversor. Performance Ratio.
 ABSTRACT

This work presents a qualitative and quantitative analysis of

inverter sizing optimization for large scale grid connected solar
photovoltaics.
The local solar resource is evaluated and compared to the
available satellite data. Analysis of the solar irradiance distribution and
its potential effects on inverter sizing are performed. The effects of
temporal resolution on solar data acquisition are considered for the solar
irradiance distribution curves. It is also evaluated the performance of
different PV module technologies, that are part of the project, by means
of remote data analysis of the environmental variables, such as irradiation
and temperature, and the electrical variables for the system. This is
performed using the concept of the Performance Ratio (PR) for solar PV
systems. At last, it is developed a methodology for estimating the optimal
inverter sizing considering the overload losses and economic aspects for
different inverter loading ratios, aiming for the optimization and reduction
of costs for solar PV energy generation.
A strong correlation between the performance of the five
different technologies and environmental factors (temperature, spectral
shift, soiling) could be observed. It was also possible to observe the initial
degradation for amorphous silicon (a-Si) technology. Considering the five
technologies, the mean capacity factor was 20% and the yield was 150
kWh/kWp on a monthly basis. The annual Performance Ratio ranged
from 76.9% to 85.1% depending on technology. The local solar resource,
measured during three years, was compared to five distinct solar
databases and presented greater adherence to the Brazilian Solar Atlas.
The cloud enhancement and cloud edge effect were observed through the
monthly solar irradiation distribution over the three years of
measurements. Around 4% of the incident annual irradiation was at
irradiance levels above 1200 W/m².
The developed methodology for the optimal inverter loading
ratio was applied over one full year of solar generation data for the five
technologies. It was observed that for inverter loading ratios commonly
used on large scale solar PV (around 120%), the overload losses varied
from 0.3% to 2.4%, depending on technology. The optimal ILR, for the
most used solar technologies (m-Si and p-Si), was estimated to be 126%.

Keywords: PV Solar Energy. Irradiance distribution. Inverter loading

ratio. Performance Ratio.
 LISTA DE FIGURAS

Figura 1 - Comparação entre o atlas solarimétrico brasileiro e os

locais onde estão localizados os 94 projetos contratados nos leilões
(Adaptado de MME, 2017). .............................................................. 21
Figura 2 - Média anual do total diário da irradiação solar global
horizontal (Wh/m²/dia) para o território brasileiro. (Pereira et al.,
2017)................................................................................................. 24
Figura 3 – Espectro solar terrestre de referência. (ASTM, 2012) ..... 26
Figura 4 - Curva de irradiância para um dia de céu limpo (vermelho –
30/11/2014), um dia de céu nublado (azul – 18/12/2013) e um dia
de céu ensolarado com presença de nuvens e do efeito borda de
nuvem (verde – 02/03/2014), e suas respectivas distribuições de
irradiância. Dados medidos em Brotas de Macaúbas/BA.
(Deschamps, 2015) ........................................................................... 28
Figura 5 - Efeitos de borda de nuvem e lente de nuvem ocorrendo
simultaneamente. (Rüther et al.,2017) ............................................ 29
Figura 6 - Medição do valor máximo de 1822 W/m². (Rüther et
al.,2017) ............................................................................................ 30
Figura 7 - Efeitos borda de nuvem + lente de nuvem com irradiância
máxima acima de 1400 W/m² com longa duração (minutos). (Rüther
et al.,2017) ....................................................................................... 30
Figura 8 – Curva típica de um dia com variações bruscas e picos
elevados de irradiância, para diferentes resoluções temporais (1
segundo, 1 minuto, 5 minutos e 1 hora). (Deschamps, 2015) ......... 33
Figura 9 - Curva característica (IxV) de um módulo FV .................... 35
Figura 10 - Comparação da eficiência de rastreamento do ponto de
MPP para o algoritmo OptiTrack do fabricante de inversores SMA e
outros algoritmos. (Adaptado de SMA, 2012) ................................. 36
Figura 11 – Diagrama de blocos das topologias com e sem
transformador de alta frequência. (Adaptado de ABB, 2015 e ABB,
2017)................................................................................................. 38
Figura 12 - Curvas de eficiência para o inversor do fabricante SMA
SB3000HF ......................................................................................... 39
Figura 13 - Curvas de eficiência para o inversor ABB PVI-3.0-TL-
OUTD.................................................................................................40
Figura 14 - Diagrama simplificado do inversor ABB TRIO-50.0-TL-
OUTD.................................................................................................42
Figura 15 - Topologia elétrica de um sistema FV de grande porte.
Inversor central (1), caixas de junção (2) e módulos FV (3). ............43
Figura 16 – Topologias elétricas para inversor string, otimizadores
c.c. e microinversores. (Adaptado de ENERGYSAGE.COM) ..............45
Figura 17 - Curvas de limitação térmica (derating térmico) do
inversor ABB PRO-33.0-TL-OUTD. (Adaptado de ABB, 2015). ..........48
Figura 18 - Curvas de limitação térmica (derating térmico) do
inversor ABB TRIO-8.5-TL-OUTD. (Adaptado de ABB, 2015). ...........49
Figura 19 - Limitação de potência pelo inversor através da
modificação do ponto de operação do gerador FV; Pmpp 1 - ponto
de operação sem limitação a 1000 W/m²; Pmpp 2 - ponto de
operação caso não houvesse limitação pelo inversor a 1200 W/m²;
Pmpp 3 – ponto de operação durante a limitação de potência pelo
inversor a 1200 W/m². (Adaptado de CIVICSOLAR.COM) ................50
Figura 20 - Sistema de aquisição de dados com monitoramento de
variáveis ambientais. 1 – Inversores string ou centrais, 2 –
Datalogger, 3 – Sensores ambientais (irradiação, temperatura,
velocidade do vento), 4 – Servidor e dispositivos de visualização
local e remota (ABB, 2017). ..............................................................52
Figura 21. Supervisório de sistemas FV em plataforma online (ABB,
2017). ................................................................................................52
Figura 22 - Fatores de Capacidade das UFVs dos leilões. .................56
Figura 23 - Curva típica de eficiência do inversor (linha contínua) e
da tensão c.c. (linha tracejada) em função do carregamento do
inversor (percentual da potência nominal) (Burger e Rüther, 2006).
..........................................................................................................59
Figura 24 - Fatores de Carregamento de Inversor das UFVs dos
leilões. ...............................................................................................61
Figura 25 – Histórico da proporção de custo de módulos FV em
sistemas FV entre 2006 e 2017. (Adaptado de Fraunhofer, 2018) ..62
Figura 26 - Vista geral do sistema. 1 – CIGS, 2 - a-Si/µc-Si, 3 - a-Si, 4 -
m-Si, 5 - c-Si. ..................................................................................... 66
Figura 27 – Inversores do fabricante SMA SB2500HF. ..................... 68
Figura 28 - Estação solarimétrica. .................................................... 69
Figura 29 - Fluxograma de análise dos dados brutos. ...................... 72
Figura 30 - Procedimento de medição IxV durante o
comissionamento do sistema FV, em 14 de Dezembro de 2013. .... 74
Figura 31 - Fixação da célula de referência (esq.) e do sensor de
temperatura (dir.) ............................................................................ 75
Figura 32 - Curvas de geração FV para diferentes FCIs (100% a 150%)
para um inversor com limitação em 1000 W. .................................. 77
Figura 33 – Representação gráfica da Equação 3 utilizando valores
de simulação. Geração Marginal em função do FCI (linha azul) e sua
referência (linha tracejada), caso não houvessem perdas por
sobrecarregamento. ......................................................................... 79
Figura 34 - Representação gráfica da Equação 4 utilizando três
cenários de proporção de custo c.c. (60, 70 e 80%). Custo Marginal
em função do FCI (linhas azul, amarela e cinza) e sua referência
(linha tracejada), caso o custo c.c. correspondesse a 100% do custo
total. ................................................................................................. 80
Figura 35 – Representação gráfica da Equação 2. Relação Geração
Marginal/Custo Marginal para diferentes FCIs, considerando três
cenários de custo c.c. (60, 70 e 80%). .............................................. 81
Figura 36 - Irradiação global horizontal média diária (kWh/m².dia)
para várias fontes de dados. Média entre os anos de 2014, 2015 e
2016. ................................................................................................. 85
Figura 37 - Irradiação horizontal - global, difusa e direta para o ano
de 2014. ............................................................................................ 86
Figura 38 - Distribuição de irradiância para diferentes intervalos de
aquisição de dados para o ano de 2014. .......................................... 95
Figura 39 - Energia acumulada da distribuição de irradiância para
diferentes intervalos de aquisição de dados para o ano de 2014. .. 95
Figura 40 - Performance Ratio c.a. - Temperatura média estimada do
módulo FV. ....................................................................................... 98
Figura 41 – Produtividade (Yield) mensal das cinco tecnologias para
o ano de 2014 .................................................................................101
Figura 42 - Fator de capacidade. ....................................................103
Figura 43 - Curvas de irradiância e energia (parcela gerada e
perdida) para um dia limpo, considerando um carregamento de
150% para a tecnologia a-Si/uc-Si. .................................................105
Figura 44 - Potência ca x irradiância (Tecnologia a-Si). ..................106
Figura 45 - Perdas por sobrecarregamento (overload loss) para cada
tecnologia e diferentes FCI (em relação à potência c.a. do inversor).
........................................................................................................107
Figura 46 – FCI ótimo (em roxo) para a tecnologia a-Si/uc-Si de
acordo com diferentes proporções de custo c.c. e fatores de
carregamento de inversor. .............................................................109
Figura 47 - FCI ótimo (em roxo) para a tecnologia a-Si de acordo com
diferentes proporções de custo c.c. e fatores de carregamento de
inversor. ..........................................................................................110
Figura 48 - FCI ótimo (em roxo) para a tecnologia CIGS de acordo
com diferentes proporções de custo c.c. e fatores de carregamento
de inversor. .....................................................................................111
Figura 49 FCI ótimo (em roxo) para a tecnologia m-Si de acordo com
diferentes proporções de custo c.c. e fatores de carregamento de
inversor. ..........................................................................................112
Figura 50 - FCI ótimo (em roxo) para a tecnologia p-Si de acordo
com diferentes proporções de custo c.c. e fatores de carregamento
de inversor. .....................................................................................113
 LISTA DE QUADROS

Quadro 1 - Topologias de inversores FV e suas principais

características. (Adaptado de Fraunhofer, 2018)............................. 46
Quadro 2 – Fatores de carregamento médios, separados por leilão.
.......................................................................................................... 60
Quadro 3 - Distribuição de custo dos principais componentes de um
sistema FV. (Adaptado de Fraunhofer, 2018 e Relatório Engie PE-
0403-0027/2011, 2017). ................................................................... 63
Quadro 4 – Resumo das características elétricas dos sistemas FV
utilizados no projeto. ....................................................................... 67
Quadro 5 - Equipamentos da estação solarimétrica ........................ 68
Quadro 6 - Perdas por sobrecarregamento para as curvas de
potência apresentadas (dia de céu limpo). ...................................... 77
Quadro 7 – Irradiação global horizontal mensal (kWh/m².mês) para
os anos de 2014, 2015 e 2016, e diferença percentual da média para
diferentes base de dados. Os dados para os meses de maio, junho e
julho de 2015 (em vermelho) foram considerados como sendo a
média dos anos 2014 e 2016 dos mesmos meses. .......................... 84
Quadro 8 – Irradiação horizontal - global, difusa e direta para o ano
de 2014. ............................................................................................ 87
Quadro 9 - Distribuição de irradiância para o ano de 2014. ............ 89
Quadro 10 - Distribuição de Irradiância para o ano de 2015. Não
existem dados para os meses de maio, junho e julho. Existem cerca
de 50% de dias válidos para os meses de abril e agosto. ................. 90
Quadro 11 - Distribuição de Irradiância para o ano de 2016. .......... 91
Quadro 12 - Distribuição de Irradiância para todo o período
analisado (2014, 2015 e 2016). ........................................................ 92
Quadro 13 - Distribuição de irradiância para todo o período
analisado (2014, 2015 e 2016). ........................................................ 93
Quadro 14 - Performance Ratio c.a. ................................................. 99
Quadro 15 - Produtividade mensal média. .................................... 100
Quadro 16 - Perdas por sobrecarregamento (overload loss) para
cada tecnologia e diferentes FCI (em relação à potência c.a. do
inversor). .........................................................................................107
Quadro 17 - Resumo dos FCIs ótimos de acordo com a variação
estimada para a proporção de custo c.c.........................................114
 SUMÁRIO

1 INTRODUÇÃO ........................................................................... 19
1.1. OBJETIVOS .......................................................................... 20
1.2. JUSTIFICATIVA E RELEVÂNCIA .................................... 20
2 REVISÃO BIBLIOGRÁFICA ................................................... 23
2.1. O RECURSO SOLAR........................................................... 23
2.1.1 ATLAS SOLARIMÉTRICO BRASILEIRO .................. 23
2.1.4 ESPECTRO SOLAR ....................................................... 25
2.1.5 DISTRIBUIÇÃO DE IRRADIÂNCIA ........................... 26
2.1.6 EVENTOS EXTREMOS DE IRRADIÂNCIA ............... 29
2.1.7 RESOLUÇÃO TEMPORAL DA AQUISIÇÃO DE
DADOS .................................................................................... 31
2.2 ENERGIA SOLAR FOTOVOLTAICA................................. 34
2.2.1 MÓDULOS FV ............................................................... 34
2.2.2. INVERSORES ............................................................... 36
2.2.3. MONITORAMENTO DE SISTEMAS FV.................... 50
2.3. AVALIAÇÃO DE DESEMPENHO DE SISTEMAS FV .... 53
2.3.1 FIGURAS DE MÉRITO ................................................. 53
2.4. FATOR DE CARREGAMENTO DE INVERSOR (FCI) .... 57
2.5. PROPORÇÃO DE CUSTO EM UM SISTEMA FV ............ 62
3 METODOLOGIA ....................................................................... 65
3.1. ANÁLISE DOS DADOS ...................................................... 70
3.2. MEDIÇÕES DE CURVA CARACTERÍSTICA (TENSÃO X
CORRENTE - IxV) ...................................................................... 73
3.2.1. EQUIPAMENTOS ......................................................... 73
 3.2.2. INCERTEZAS DOS EQUIPAMENTOS .......................75
3.3. PERDAS POR SOBRECARREGAMENTO ........................76
3.4. ANÁLISE ECÔNOMICA DE CUSTO BENEFÍCIO ...........78
4 RESULTADOS E DISCUSSÕES ...............................................83
4.1 AVALIAÇÃO DA IRRADIAÇÃO SOLAR ..........................83
4.1.1 IRRADIAÇÃO GLOBAL HORIZONTAL MEDIDA X
ESTIMADA POR DIFERENTES BANCOS DE DADOS ......83
4.1.2. IRRADIAÇÃO GLOBAL, DIFUSA E DIRETA...........86
4.2.1. DISTRIBUIÇÃO DE IRRADIÂNCIA – INTERVALO
DE AQUISIÇÃO ......................................................................94
4.3. DESEMPENHO DOS SISTEMAS .......................................96
4.3.1. TAXA DE DESEMPENHO (PERFORMANCE RATIO
– PR) .........................................................................................96
4.4. ANÁLISE DE CARREGAMENTO DO INVERSOR ........104
4.4.1. PERDAS POR SOBRECARREGAMENTO ...............104
4.4.2. ANÁLISE PARA DIFERENTES FATORES DE
CARREGAMENTO DO INVERSOR - FCI ..........................106
4.5. SISTEMA DE AQUISIÇÃO DE DADOS ..........................115
5 CONCLUSÃO ............................................................................117
GLOSSÁRIO ................................................................................127
 19

1 INTRODUÇÃO

As projeções futuras para a demanda energética do país indicam

que o consumo de energia elétrica em 2024 atingirá cerca de 690
TWh/ano, em comparação com os atuais 524 TWh/ano (2017), ou seja,
um aumento de 30%, ou 3,9% ao ano (MME, 2015). Isso exigirá um
aumento expressivo na oferta de energia elétrica.
O Brasil conta com uma estrutura energética privilegiada quando
comparada à de outros países, com potencial hidrelétrico e possibilidades
para o uso abundante da biomassa, da energia eólica e da energia solar
(Montenegro, 2013).
Com base nesse contexto, uma das alternativas para assegurar o
fornecimento de energia do país, é a diversificação da matriz energética
por intermédio do uso de fontes renováveis como a energia solar
fotovoltaica.
Felizmente, nos últimos anos, o Brasil vem presenciando um
crescimento significativo da energia solar fotovoltaica, tanto distribuída
(em residências, comércios e indústrias) como centralizada, a partir dos
leilões de usinas fotovoltaicas.
As reduções de custo da energia solar fotovoltaica, que
recentemente ocorreram mais acentuadamente nos módulos
fotovoltaicos, assim como os avanços em eficiência e confiabilidade dos
demais componentes, fizeram com que a energia solar fotovoltaica se
tornasse uma fonte competitiva de geração de energia elétrica.
Para assegurar a competitividade e sua inserção na matriz
energética com elevada confiabilidade, a energia solar necessitou de
diversos esforços no âmbito da pesquisa e desenvolvimento, dentre os
quais estudando-se as particularidades do território brasileiro para o
aproveitamento desse recurso.
Estudos de otimização na fase do projeto e dimensionamento,
levando-se em conta características locais, podem trazer importantes
reduções de custo e ganhos em confiabilidade.
20

1.1. OBJETIVOS

Através de dados de medição de irradiação e de resultados de

desempenho (desde janeiro de 2014 até dezembro de 2016) de uma planta
piloto operando no município de Brotas de Macaúbas, localizado no
interior da Bahia, realizar um estudo qualitativo e quantitativo sobre qual
seria o carregamento ótimo para inversores fotovoltaicos instalados na
região, em vista de novos empreendimentos de grande porte previstos
para o local e considerando aspectos como vida útil dos equipamentos,
produção de energia e custo total da energia.

Objetivos específicos:

 Avaliar o recurso solar da região, comparando com estimativas

de satélite;
 Avaliar brevemente o desempenho das cinco tecnologias FV
utilizadas no projeto;
 Avaliar as perdas por sobrecarregamento no inversor para
diferentes FCI (Fatores de Carregamento de Inversor);
 Elaborar uma metodologia para a análise econômica de custo-
benefício para diferentes FCIs;
 Através de dados medidos e simulações de geração e de retorno
de investimento, estimar o fator de carregamento (FCI) ótimo dos
inversores para um novo empreendimento de grande porte na
região;

1.2. JUSTIFICATIVA E RELEVÂNCIA

Com a aprovação da Resolução Normativa nº 482 da Agência

Nacional de Energia Elétrica - ANEEL, de 17 de Abril de 2012, ficaram
estabelecidas as condições gerais para o acesso de microgeração e
minigeração distribuída aos sistemas de distribuição de energia elétrica, a
partir de fontes renováveis, como a solar fotovoltaica.
Em maio de 2017, a ANEEL revisou as projeções de
crescimento, feitas em 2015, de sistemas fotovoltaicos distribuídos com
base na quantidade instalada até o final de 2016 (7.148 sistemas). Com a
 21

revisão, a ANEEL projeta que em 2024 existirão cerca de 886 mil

sistemas, correspondendo a 3,2 GW de potência instalada (ANEEL,
2017).
No âmbito da geração centralizada (usinas fotovoltaicas), a partir
do Leilão de Energia de Reserva de 2014, ocorreu efetivamente
contratação de fonte solar fotovoltaica. Somando-se todos os leilões até a
publicação deste trabalho, foram contratados 143 projetos, totalizando
5.030,95 MWp1 (4.033,44 MW)2 de potência instalada. (MME, 2014,
2015 e 2016; EPE, 2017, 2018; CCEE, 2018).
A Figura 1 mostra uma comparação entre o atlas solarimétrico
brasileiro e os locais onde estão localizados 94 dos 143 projetos
contratados nos leilões. No mapa, os 94 projetos estão agrupados em 27
regiões. Observa-se forte correlação entre os níveis de irradiação e os
locais escolhidos para realização desses empreendimentos.

Figura 1 - Comparação entre o atlas solarimétrico brasileiro e os locais onde

estão localizados os 94 projetos contratados nos leilões (Adaptado de MME,
2017).

1 Potência c.c. dos empreendimentos, definida em MWp, corresponde à soma das

capacidades nominais de todos os módulos fotovoltaicos.
2 Potência c.a. dos empreendimentos, definida em MW, corresponde à soma das
potências nominais de todos os inversores.
22

O nordeste brasileiro possui enorme potencial em termos de

recurso solar e consequentemente abriga a grande maioria dos projetos
contemplados nos leilões. Portanto, é importante a realização de estudos
visando a otimização da geração de energia solar fotovoltaica nas
condições encontradas nessas localidades. Estudos feitos a partir do perfil
de irradiância, carregamento de inversor e desempenho de diferentes
tecnologias fotovoltaicas podem ter grande impacto nos custos totais de
geração e no retorno de investimento, principalmente para
empreendimentos de grande porte. Além disso, muitos dos sistemas FV
utilizados como estudo de caso para determinação de parâmetros relativos
à otimização de carregamento de inversor, por exemplo, são instalados
em regiões que não apresentam as mesmas características climáticas
experimentadas por sistemas FV instalados no Brasil.
 23

2 REVISÃO BIBLIOGRÁFICA

2.1. O RECURSO SOLAR

2.1.1 ATLAS SOLARIMÉTRICO BRASILEIRO

Os níveis de irradiação solar incidentes no Brasil foram

mapeados pelo projeto SWERA (Solar and Wind Energy Resource
Assessment) financiado pelo PNUMA (Programa das Nações Unidas
para o Meio Ambiente) e co-financiado pelo GEF (Fundo Global para o
Meio Ambiente). O SWERA teve por objetivo montar uma extensa base
de dados de alta qualidade e confiabilidade que permitissem o
desenvolvimento de projetos e políticas públicas para a área solar e eólica,
assim como atrair investimentos do capital privado para estas áreas
(Martins, Pereira, et al., 2008).
Os dados do SWERA permitiram a elaboração do Atlas
Brasileiro de Energia Solar (lançado em 2006), que apresenta dados de
irradiação na superfície terrestre, obtidos a partir do tratamento, via
modelo matemático, de uma série histórica de dez anos (jul/1995 a
dez/2005) de dados e imagens de satélite geoestacionário, posteriormente
validados por dados coletados em estações de superfície. Recentemente,
foi lançada a 2ª Edição do Atlas, ampliada e revisada, e que agora conta
com mais de 17 anos de dados (Pereira et al., 2017). Os dados fornecidos
pelo atlas apresentam estimativas do total diário de irradiação solar com
resolução espacial de 10 x 10 km. Os mapas são hoje a fonte de dados
solarimétricos de maior confiabilidade disponível no Brasil. A Figura 2
ilustra o mapa com a média anual do total diário da irradiação solar global
horizontal (Wh/m².dia) para o território brasileiro.
24

Figura 2 - Média anual do total diário da irradiação solar global horizontal

(Wh/m²/dia) para o território brasileiro. (Pereira et al., 2017)

O desvio médio relativo (rMBE) - razão entre o desvio médio e

a irradiância diária média - apresentado pelo Atlas Solarimétrico para a
região Nordeste é de até 8,3%, que representa um desvio médio (MBE)
de até aproximadamente 13,6 kWh/m².mês da irradiação solar.
 25

2.1.4 ESPECTRO SOLAR

A Figura 3 mostra o espectro solar padrão G173 para a avaliação

do desempenho de dispositivos fotovoltaicos. Em vermelho, tem-se o
espectro solar extraterrestre (AM0) e em azul, o espectro solar de
referência para a superfície terrestre (AM1,5) com orientação específica
e sob um conjunto de condições atmosféricas. As condições selecionadas
foram consideradas como sendo uma média razoável para a porção
continental dos Estados Unidos em um período de um ano. O ângulo de
inclinação escolhido é aproximadamente a latitude média daquele país. O
espectro padrão fornece uma referência comum para avaliar diferentes
tecnologias de módulos FV com respostas espectrais distintas sob
condições naturais e artificiais diversas. (ASTM, 2012).
As curvas em vermelho e azul possuem formato diferente pois os
elementos presentes na atmosfera (O3, O2, H2O e CO2), atenuam partes
diferentes do espectro solar. O ozônio (O3) atenua os comprimentos de
onda ultravioleta (próximos a 250 nm) e o oxigênio (O2), atua
pontualmente próximo a 750 nm. As próximas atenuações (900, 1150,
1350, 1850 e 2500 nm) são causadas pelas moléculas de água (H2O)
presentes na atmosfera. Será visto posteriormente que as tecnologias FV
possuem resposta espectral predominante nos comprimentos de onda de
350 a até cerca de 1250 nm e que a faixa de resposta varia de uma
tecnologia para a outra.
26

Figura 3 – Espectro solar terrestre de referência. (ASTM, 2012)

As informações do conteúdo espectral da radiação solar ainda são

pouco disponíveis no Brasil, dado o alto custo dos equipamentos
envolvidos na medição do recurso. Alternativas para calcular a
distribuição espectral da radiação solar estão sendo elaboradas,
utilizando-se banco de dados atmosféricos, criados a partir de
informações obtidas por vários instrumentos de medidas, a bordo de
satélites, radiômetros em superfície, além de equipamentos de
radiossondagem. Estes parâmetros servem como entrada em modelos de
transferência radiativa que calculam a distribuição espectral da radiação
solar (Haag e Krenzinger, 2010).

2.1.5 DISTRIBUIÇÃO DE IRRADIÂNCIA

A análise da distribuição de energia para faixas de irradiância

faz-se necessária quando se deseja avaliar quais são os índices de
irradiância mais frequentes na região. Isto permite uma avaliação da
eficiência média em que o inversor irá operar, levando em consideração
um determinado carregamento desse inversor (Deschamps, 2015). A
avaliação da distribuição de irradiância possui grande relevância para a
otimização dos processos de dimensionamento de usinas solares
 27

fotovoltaicas, principalmente no Brasil, onde pode-se dizer que sua

medição e qualificação sistemática são inéditos.
A Figura 4 mostra a curva de irradiância e a respectiva
distribuição de irradiância para três dias distintos medidos em Brotas de
Macaúbas/BA. Em vermelho, tem-se as curvas para um dia de céu limpo
(sem a presença de nuvens), onde é possível observar que a maior parte
da irradiação (energia) está contida em níveis de irradiância elevados,
entre 800 e 1150 W/m².
Em azul é mostrado um dia tipicamente nublado com forte
presença de nuvens, de forma que o sol não aparece. Para esse dia, a maior
parte da energia está contida em níveis baixos de irradiância (inferiores a
200 W/m²).
Em verde é mostrado um dia ensolarado com presença de nuvens,
de forma que existem períodos com elevadíssima irradiância e períodos
com irradiância baixa ou moderada, resultando em uma distribuição de
irradiância mais constante porém com uma grande parcela da energia
contida em níveis muito elevados de irradiância, devido aos fenômenos
borda de nuvem e/ou lente de nuvem, que serão abordados mais adiante.
28

Figura 4 - Curva de irradiância para um dia de céu limpo (vermelho –

30/11/2014), um dia de céu nublado (azul – 18/12/2013) e um dia de céu
ensolarado com presença de nuvens e do efeito borda de nuvem (verde –
02/03/2014), e suas respectivas distribuições de irradiância. Dados medidos em
Brotas de Macaúbas/BA. (Deschamps, 2015)
 29

2.1.6 EVENTOS EXTREMOS DE IRRADIÂNCIA

Podem ser considerados eventos extremos de irradiância quando

o valor da irradiância medida em solo ultrapassa o valor da irradiância
extraterrestre para aquele momento do dia. Esses eventos extremos
ocorrem devido aos fenômenos borda de nuvem e lente de nuvem3, e
foram anteriormente relatados na literatura (Almeida et al, 2014)
(Andrade et al, 2016). A Figura 5 mostra um exemplo de ambos os efeitos
ocorrendo simultaneamente.
Cloud-edge and cloud-enhancement effects

Extreme overirradiance events: 1822 2

Figura 5 - Efeitos de borda de nuvem e lente de nuvemW/m
ocorrendo
simultaneamente. (Rüther et al.,2017)

O valor máximo de irradiância relatado na literatura até agora é

de 1832 W/m² (Emck e Richter, 2008), medido a 3400 m de altitude na
região do Equador nos Andes, onde a instalação de um sistema FV de
grande porte é improvável devido a se tratar de uma localidade remota e
isolada dos grandes centros de consumo de eletricidade. O maior valor de
irradiância medido no Brasil, em locais onde grandes usinas FVs vêm
sendo instaladas, foi de 1822 W/m², e aparece na Figura 6.

3
Efeito borda de nuvem ou cloud edge effect ocorre quando há uma cobertura
parcial de nuvens, onde, pelo efeito de reflexão da luz, a borda da nuvem age
como um refletor, concentrando a radiação no plano do arranjo solar fotovoltaico.
30

Figura 6 - Medição do valor máximo de 1822 W/m². (Rüther et al.,2017)

Embora esse evento de extrema irradiância tenha duração de

apenas alguns segundos, foram também registrados outros eventos
extremos de irradiancia que duraram muitos minutos, como mostrado na
Figura 7, e que podem levar a consequências prejudiciais para a operação
e manutenção de usinas FV.

Figura 7 - Efeitos borda de nuvem + lente de nuvem com irradiância máxima

acima de 1400 W/m² com longa duração (minutos). (Rüther et al.,2017)
 31

Esses eventos extremos de irradiancia só podem ser detectados

se a irradiância solar for medida em alta resolução temporal com
piranômetros com baixo tempo de resposta e de alta qualidade, aliado a
equipamentos de aquisição de dados (dataloggers) de elevada resolução
e qualidade. A importância da resolução temporal na aquisição de dados
solarimétricos é demonstrada em seção dedicada.

2.1.6.1. IMPACTOS ELÉTRICOS NO DESEMPENHO DE USINAS

FV

Conforme mencionado, os eventos extremos de irradiância

podem levar a consequências prejudiciais para a operação e manutenção
de usinas FV. Mais especificamente, podem ser observados efeitos como
perdas por limitação da potência de saída dos inversores (overload loss),
rampas de geração acentuadas e a queima de fusíveis.
O dimensionamento de um sistema FV com um fusível
classificado acima do valor máximo especificado pelo fabricante levará à
anulação da garantia do módulo FV. As correntes máximas do fusível são
geralmente especificadas para temperaturas de operação de 20°C e, na
maioria dos locais em que as usinas FVs no Brasil irão operar, as
temperaturas ambiente e os níveis de irradiação são altos e as caixas de
junção onde os fusíveis estão instalados podem atingir temperaturas
acima de 70 °C, em que o fator de redução típico é 0.7
Esse fato, associado a valores extremos de irradiância de 1400 a
1600 W/m² para intervalos de tempo na faixa dos minutos, resulta em
condições que podem levar à queima de fusíveis, quando projetados
conforme as especificações de fusíveis do fabricante do módulo FV.
(Rüther et al., 2017).

2.1.7 RESOLUÇÃO TEMPORAL DA AQUISIÇÃO DE DADOS

A radiação solar é um recurso intermitente, podendo variar mais

de 100% de seu valor nominal (1000 W/m²) e atingir picos maiores do
que 150%, conforme já observado na Figura 4. Em alguns casos, por
32

exemplo, durante eventos extremos de irradiância (i.e. borda de nuvem),

essa variação pode ocorrer em poucos segundos.
A resolução temporal da aquisição de dados solarimétricos
possui forte influência na observação de variações bruscas e na detecção
de picos de irradiância. A Figura 8 exemplifica esse efeito, onde é
possível observar, para a mesma curva de irradiância, diferentes
resoluções temporais. É importante notar a diferença dos picos de
irradiância entre as diferentes resoluções de aquisição, que vão de 1550
W/m² até 750 W/m², para resolução de um segundo e 1 hora,
respectivamente.
A primeira curva é apresentada como referência e tem resolução
de 1 segundo, que pode ser considerada instantânea para dados de
radiação solar. A segunda curva tem resolução de 1 minuto, pois é a
melhor resolução utilizada no presente trabalho (para os dados da estação
solarimétrica). A terceira curva utiliza resolução de 5 minutos pois é a
utilizada nos inversores do projeto. Por fim, é apresentada a resolução de
1 hora, que é a mais comumente utilizada por softwares de simulação de
geração fotovoltaica.
Dessa forma, é possível perceber como medições de irradiância
com uma resolução temporal menor mascaram eventos extremos de
irradiância, escondendo informações valiosas sobre os picos de irradiação
e pode levar a conclusões equivocadas sobre a real disponibilidade de
recursos de irradiação solar em um determinado local.
 33

1 segundo

1 minuto

5 minutos

1 hora

Figura 8 – Curva típica de um dia com variações bruscas e picos elevados de

irradiância, para diferentes resoluções temporais (1 segundo, 1 minuto, 5
minutos e 1 hora). (Deschamps, 2015)
34

Foi demonstrado por Burger e Rüther (2006) que, utilizando

diferentes resoluções temporais na aquisição de dados solarimétricos
(para Freiburg e Florianópolis), obtém-se resultados diferentes nos
cálculos da eficiência anual e perdas por sobrecarregamento nos
inversores, com diferença considerável ao passar de médias horárias para
médias minutais e diferença pouco significativa ao passar para dados
instantâneos (10 segundos).

2.2 ENERGIA SOLAR FOTOVOLTAICA

2.2.1 MÓDULOS FV

Os módulos fotovoltaicos produzem eletricidade em corrente

contínua (CC) utilizando-se de materiais semicondutores, como o Silício
monocristalino (c-Si) e multcristalino (m-Si), Silício Amorfo (a-Si),
Disseleneto de Cobre, Gálio e Índio (CIGS), Silício microcristalino (a-
Si/µc-Si), Telureto de Cádmio (CdTe), dentre outros.
Dependendo da tecnologia utilizada e do arranjo das células que
compõem o módulo, os níveis de tensão e corrente (respectivamente),
para módulos tipicamente utilizados em usinas, variam entre 30 a 100 VCC
e 1 a 9 ACC.
A curva de corrente pela tensão (IxV), ou curva característica do
módulo FV, é apresentada na Figura 9, e possui três pontos notáveis:
corrente de curto circuito (ISC), ponto de máxima potência (MPP) e tensão
de circuito aberto (VOC). Para se levantar a curva característica, são
utilizadas cargas variáveis resistivas ou capacitivas de modo a se varrer
todos os pontos do curva. Para realizá-la é necessário que o módulo FV a
ser analisado esteja desconectado do sistema.
A curva característica (IxV) permite uma completa visão dos
parâmetros elétricos do módulo FV, sendo que o ponto de máxima
potência (MPP) permite avaliar o estado de funcionamento do módulo,
confrontando com o valor de potência de pico fornecido pelo fabricante.
Durante sua operação, o inversor - componente responsável por converter
 35

energia em corrente contínua (CC) para energia em corrente alternada

(CA) - constantemente busca o ponto de máxima potência do módulo FV,
dando a este recurso o nome de rastreador do ponto de máxima potência
(MPPT – Maximum Power Point Tracking).

Figura 9 - Curva característica (IxV) de um módulo FV

Os algoritmos de MPPT têm se desenvolvido bastante nos

últimos anos visando aumentar a eficiência de rastreamento em condições
de incidência solar adversas (i.e. sombreamento parcial dos módulos FV).
Em condições ideais de operação, algoritmos de MPPT atingem
eficiências superiores a 99% no rastreamento do ponto de máxima
potência. Já em condições não-ideais, existem diversas técnicas que
podem ser utilizadas para melhorar a eficiência de rastreamento. Uma
delas é realizar periodicamente uma varredura completa da curva IxV
para verificar se o algoritmo de MPPT não ficou preso em um ponto de
MPP falso. O intervalo ótimo da varredura completa depende muito das
condições de sombreamento em que o sistema foi instalado e, dependendo
do fabricante, pode ser configurado.

A Figura 10 mostra uma comparação da eficiência de

rastreamento do ponto de MPP para o algoritmo OptiTrack do fabricante
36

de inversores SMA e outros algoritmos mais simples. É possível observar

que, para condições adversas em termos de irradiação, o algoritmo
OptiTrack apresenta uma vantagem relevante na eficiência de
rastreamento.

Figura 10 - Comparação da eficiência de rastreamento do ponto de MPP para o

algoritmo OptiTrack do fabricante de inversores SMA e outros algoritmos.
(Adaptado de SMA, 2012)

2.2.2. INVERSORES

O inversor é o equipamento eletroeletrônico responsável pela

conversão da energia de corrente contínua (c.c.) dos módulos FV em
energia de corrente alternada (c.a.) a ser disponibilizada para a rede. Os
inversores para sistemas FV conectados à rede recebem a energia em c.c.
diretamente dos módulos FV. A energia c.a. na sua saída é fornecida
diretamente para a rede elétrica convencional. Assim, as duas ondas de
tensão devem estar em fase e ter características elétricas bastante
similares, de modo a possibilitar o paralelismo dos geradores.
 37

2.2.2.1 TOPOLOGIAS ELÉTRICAS

Os inversores para sistemas FV são concebidos com diferentes

circuitos de conversão de energia e opções de transformadores. Eles
podem ser categorizados com base no número de estágios de
processamento de energia; localização dos capacitores de
desacoplamento; transformador de baixa ou de alta frequência ou
ausência do mesmo; e tipo de interface com a rede elétrica (Kjaer et al.,
2005). Os estágios de processamento de energia (único ou múltiplos
estágios) são responsáveis por adaptar o nível de tensão c.c. do painel FV
e fazer a busca do MPP. Os capacitores de desacoplamento encontram-se
em paralelo com o painel FV e também no barramento c.c. dos circuitos
com múltiplos estágios. Os transformadores são responsáveis pela
adaptação do nível de tensão e pela isolação galvânica entre o arranjo FV
e a rede elétrica, permitindo o aterramento do painel FV quando
necessário.
A estratégia de modulação PWM, normalmente utilizada no
estágio de saída dos inversores, requer a presença de filtros de saída
formados por indutores e capacitores, com o intuito de reduzir o conteúdo
harmônico da corrente injetada na rede elétrica (Martins e Barbi, 2005).
Cada topologia possui características próprias, o que resulta em vantagens
e desvantagens umas em relação às outras. Por exemplo: o número de
interruptores eletrônicos; necessidade de isolamento do sinal aplicado ao
gate dos interruptores superiores da ponte (meia ponte ou ponte
completa); isolação galvânica com transformador de alta ou de baixa
frequência ou até ausência de transformador (transformerless) frequência
de comutação dos interruptores; quantidade de circuitos MPPT; faixa de
valores da tensão c.c. de entrada e da tensão c.c. efetivamente entregue ao
circuito inversor (meia ponte ou ponte completa); circuitos de proteção;
entre outros.
Atualmente, as topologias de inversores comumente empregadas
em inversores são as sem transformadores ou com transformadores em
alta frequência, sendo a primeira mais utilizada, devido ao menor custo e
peso, e à maior eficiência. A topologia com transformador de alta
frequência é utilizada somente quando a tecnologia dos módulos FV
38

requer o aterramento de um dos pólos do circuito c.c e consequentemente

a isolação galvânica entre os lado c.c. e c.a. A Figura 11 mostra o
diagrama de blocos para as topologias com e sem transformador de alta
frequência, respectivamente.

Figura 11 – Diagrama de blocos das topologias com e sem transformador de alta

frequência. (Adaptado de ABB, 2015 e ABB, 2017)

Os inversores comercialmente disponíveis são formados por

variações dessas topologias. Porém, a existência ou não do transformador
de baixa frequência é uma característica que tem impacto importante no
peso, volume e rendimento do inversor.
Inversores sem transformador chegam a ter cerca de 2%
(absoluto) a mais de eficiência de conversão CC-CA se comparados aos
inversores com transformador (Haeberlin, 2001).
Outros aspectos que interferem no rendimento são o percentual
de potência aplicado na entrada em relação à potência nominal do
inversor, e também o nível de tensão c.c. disponibilizado pelo arranjo FV
na entrada do inversor (Baumgartner et al., 2007; Driesse et al., 2008;
Haeberlin et al., 2006).
A Figura 12 apresenta as curvas de eficiência para o modelo de
inversor do fabricante SMA SB3000HF (com transformador de alta
 39

frequência). Pode-se observar que os maiores níveis de eficiência são

obtidos com tensões de operação cc maiores, próximas de 550 V cc.

Figura 12 - Curvas de eficiência para o inversor do fabricante SMA SB3000HF

A Figura 13 apresenta as curvas de eficiência para o modelo de

inversor ABB PVI-3.0-TL-OUTD (sem transformador). Pode-se observar
que, para esse inversor, os maiores níveis de eficiência são obtidos com
tensões de operação cc intermediárias, próximas de 360 V cc.
40

Figura 13 - Curvas de eficiência para o inversor ABB PVI-3.0-TL-OUTD.

Atualmente, os inversores comercialmente disponíveis para

sistemas FV conectados à rede, utilizam, em sua maioria, a topologia sem
transformador. Em segundo lugar, vem a topologia com transformador de
alta frequência. Isso ocorre por diversos motivos. A topologia sem
transformador, conforme já mencionado, confere ao inversor menor peso
e custo, com maior eficiência. Por outro lado, a topologia com
transformador de alta frequência permite utilizar algumas tecnologias FV
de filmes finos (silício amorfo, micro-amorfo e CIGS, por exemplo) pois
estas necessitam de aterramento no circuito elétrico dos painéis
(comumente no polo negativo) e isolação galvânica. Nessas tecnologias,
o aterramento de um dos pólos do gerador FV evita a delaminação dos
módulos causada por componentes residuais de corrente alternada
provenientes do inversor. Dessa forma, o transformador se faz necessário
para isolar galvânicamente o lado c.c. do lado c.a. de forma que o
aterramento funcional de um dos pólos não caracterize uma falha à terra
no gerador FV.
A tecnologia de filmes finos de telureto de cádmio (CdTe), não
necessita o uso do inversor com transformador. Além disso, a tecnologia
de silício cristalino (mono e multi) e de telureto de cádmio, juntas,
 41

responderam por aproximadamente 97,8% do mercado em 2016

(Fraunhofer, 2018).
Ao longo dos anos, os inversores foram se aprimorando de
diversas maneiras. Passaram a não utilizar mais transformadores de baixa
frequência, trabalhar com tensões c.c. cada vez mais elevadas, e até
agregar mais funções gradativamente, como por exemplo, caixa de junção
c.c. (proteção, seccionamento e medição), proteção e seccionamento para
o lado c.a., monitoramento dos dados, serviçoes ancilares e de suporte à
rede, entre outros.
A Figura 14 mostra o diagrama simplificado do inversor ABB
modelo TRIO-50.0-TL-OUTD. Destaca-se a presença de compartimentos
separados para o lado c.c e c.a. O lado c.c contendo fusíveis de proteção
contra correntes reversas (necessário para sistemas com 3 ou mais séries
fotovoltaicas (strings), chave seccionadora, dispositivos de proteção
contra surtos (DPS), e medição de corrente de cada série fotovoltaica.
42

Figura 14 - Diagrama simplificado do inversor ABB TRIO-50.0-TL-OUTD.

 43

2.2.2.2. INVERSORES CENTRAIS VS INVERSORES STRING

Atualmente existem disponíveis no mercado quatro topologias

elétricas (no que diz respeito à configuração dos inversores) para sistemas
FV de pequeno porte a até grandes usinas. Cada uma delas com suas
vantagens e desvantagens. O Quadro 1 resume as principais
características das topologias aqui discutidas.
Inversores de maior porte, conhecidos como inversores centrais
(acima de 100 kW e até 3 MW), necessitam caixas de junção externas,
localizadas normalmente próximas aos módulos FV. Esses inversores
possuem elevada eficiência (98,5% - ligeiramente maior que inversores
string) e alta confiabilidade. Devido ao seu volume e aos ganhos de
escala, apresentam maior densidade de potência e menor custo por watt.
Na maioria dos casos são comercializados juntamente com um contrato
de operação. A Figura 15 mostra a topologia elétrica de um sistema FV
de grande porte (i.e. usina fotovoltaica).

Figura 15 - Topologia elétrica de um sistema FV de grande porte. Inversor

central (1), caixas de junção (2) e módulos FV (3).
44

As caixas de junção (2) têm função de agrupar (conexão em

paralelo das séries fotovoltaicas - strings), seccionar (chave de
seccionamento c.c. para manobra sob carga), proteger (fusíveis e DPS) e,
em alguns casos, monitorar as séries fotovoltaicas (strings). Para proteger
os módulos FV contra correntes reversas utilizam-se fusíveis nos polos
positivo e negativo. Para a proteção do lado c.c. do inversor contra surtos
de tensão provenientes de descargas atmosféricas, utilizam-se
dispositivos de proteção contra surtos (DPS).
Inversores de porte intermediário, conhecidos como inversores
string, normalmente agregam a caixa de junção para o lado c.c. Esses
inversores possuem elevada eficiência (98%) e custos razoáveis, mas que
podem variar bastante com a classe de potência. São inversores com
potências iniciando em 1 kW a até cerca de 100 kW.
Os microinversores, como o nome já indica, são inversores de
pequeno porte, operando na faixa de potência dos módulos FV (250, 300,
500 e 1000 W). São instalados normalmente juntamente aos módulos FV
(abaixo dos mesmos), o que apresenta grande redução de custo com
cabeamento c.c. e do tempo de instalação para sistemas de pequeno porte.
Uma das principais vantagens em sua utilização é o fato de cada módulo
operar individualmente em seu próprio ponto de máxima potência,
eliminando perdas por descasamento elétrico (mismatch) entre módulos e
entre séries fotovoltaicas (strings) e reduzindo drasticamente eventuais
perdas por sombreamento. Seus pontos negativos são a eficiência
consideravelmente inferior (na faixa de 90 a 95%), elevado custo (duas a
três vezes o custo dos inversores string), e preocupações acerca da
facilidade de substituição em caso de falha.
Mais recentemente, surgiram os otimizadores c.c., seguindo a
mesma linha dos microinversores, são instalados sob os módulos (em
alguns casos os módulos já acompanham o otimizador – Smart Modules),
possuem seguimento de máxima potência individual, monitoramento de
potência entregue por módulo, maior segurança operacional (em caso de
incêndios os otimizadores “desligam” o circuito c.c.), entre outros. Nesse
caso, os otimizadores operam em conjunto com um inversor string. A
Figura 16 ilustra as três topologias.
 45

A topologia a ser escolhida em um projeto FV irá depender de

diversos fatores, tais como: tamanho do sistema FV, localização,
sombreamento, custos de implantação, custos de operação e manutenção,
entre outros.

Figura 16 – Topologias elétricas para inversor string, otimizadores c.c. e

microinversores. (Adaptado de ENERGYSAGE.COM)
46

Participação
Inversor Potência Eficiência Custo Vantagens Desvantagens Recomendação
de Mercado
0,06 Euro/Wp Menor custo (inversor) Apenas 1 MPPT

Normalmente Necessário uso Usinas de grande

Inversores Centrais > 100 kWp até 98,5% 54%
vendido com Alta confiabilidade de caixas de porte (> 5 MW)
contrato de operação junção
Vários MPPTs na planta Maior custo
Inversores String ≤ 100 kWp até 98% 42% 0,07-0,20 Euro/Wp Plantas até 5 MW
Fácil de substituir (inversor)
Maior custo Sistemas
240 W a 1 kW MPPT e
residenciais e
Microinversores (1 a 4 90-95% 1% 0,33 Euro/Wp monitoramento Substituição
comerciais de
módulos) dedicado por módulo mais complicada
pequeno porte
Maior custo
Substituição Sistemas
faixa de MPPT e
Conversores CC-CC mais complicada
residenciais e
potência do até 98,8% 3% 0,09 Euro/Wp monitoramento
(Otimizadores) comerciais de
módulo dedicado por módulo Ainda necessário
pequeno porte
Inversor CC/CA

Quadro 1 - Topologias de inversores FV e suas principais características. (Adaptado de Fraunhofer, 2018)

 47

2.2.2.3 LIMITAÇÃO (OU DERATING4) TÉRMICA

Os inversores monitoram a temperatura interna e reduzem a

potência de saída quando necessário para prevenir danos ao inversor,
dispositivos de proteção e cabeamento interno. Se a temperatura do
inversor continuar subindo ou as correntes envolvidas forem muito
elevadas, o inversor irá se desconectar da rede elétrica e apontar falha de
sobretemperatura. Quando a temperatura cair o inversor irá novamente se
conectar à rede.

A limitação de potência de saída, de maneira geral, pode ocorrer

devido aos seguintes fatores:

- Condições ambientais adversas (sobretemperatura, baixo

arrefecimento);
- Limitação imposta pelo usuário (ajustável);
- Sobretensão, subtensão ou sobrefrequência da rede elétrica;
- Sobretensão ou sobrecorrente na entrada;

A Figura 17 apresenta, como exemplo, o inversor da ABB

modelo PRO-33.0-TL-OUTD de 33 kW de potência nominal e sem
transformador. Observa-se que a potência nominal de saída pode ser
mantida até temperaturas ambientes de 45 °C para toda a faixa de MPP
do inversor (580 a 850 Vcc). Entre 45 e 60 °C, a potência de saída é
reduzida gradativamente até cerca de 50%. Essas características de
operação são aplicáveis em altitudes de até 1000 metros, acima disso, a
capacidade de refrigeração é reduzida devido ao ar mais rarefeito. O
sistema de controle irá tentar compensar pela capacidade de refrigeração
reduzida e a redução de potência pode ocorrer em temperaturas mais
baixas (ABB, 2015).

A Figura 18 mostra as curvas de limitação térmica (derating)

para o inversor ABB TRIO-8.5-TL-OUTD, em função da temperatura
ambiente (acima), para a tensão de entrada nominal de 620 Vcc, e em

4
Derating: Limitação, depreciação ou redução de classe. Derating
Térmico é a redução pontual da potência de saída devido a uma temperatura de
operação superior à máxima permitida.
48

função da tensão de entrada (abaixo), considerando temperatura ambiente

de 50 °C.

Figura 17 - Curvas de limitação térmica (derating térmico) do inversor ABB

PRO-33.0-TL-OUTD. (Adaptado de ABB, 2015).
 49

Figura 18 - Curvas de limitação térmica (derating térmico) do inversor ABB

TRIO-8.5-TL-OUTD. (Adaptado de ABB, 2015).

2.2.2.4 LIMITAÇÃO DE POTÊNCIA

A limitação de potência imposta pelo inversor, devido a qualquer

uma das situações expostas acima, ocorre por meio da alteração do ponto
de máxima potência (Pmpp) do gerador FV. Para realizar isso, o buscador
do ponto de máxima potência (MPPT) do inversor modifica o ponto de
operação em direção à tensão de circuito aberto (Voc) do gerador FV,
conforme mostra a Figura 19. É possível observar que a tensão de
50

operação c.c aumenta durante a limitação de potência imposta pelo

inversor, e portanto, a corrente de operação c.c é reduzida.

Figura 19 - Limitação de potência pelo inversor através da modificação do ponto

de operação do gerador FV; Pmpp 1 - ponto de operação sem limitação a 1000
W/m²; Pmpp 2 - ponto de operação caso não houvesse limitação pelo inversor a
1200 W/m²; Pmpp 3 – ponto de operação durante a limitação de potência pelo
inversor a 1200 W/m². (Adaptado de CIVICSOLAR.COM)

2.2.3. MONITORAMENTO DE SISTEMAS FV

O monitoramento de um sistema FV é de extrema importância

para garantir um bom desempenho e conferir alta disponibilidade ao
sistema. Atualmente a maioria dos fabricantes de inversores já fornece
um sistema de aquisição de dados de baixo custo, acessível mesmo para
sistemas FV residenciais. (Nascimento, 2013)
 51

Para se determinar com clareza quando um sistema FV apresenta

alguma falha, é necessário, além de monitorar a geração de energia
elétrica, monitorar também a irradiação solar por meio de um piranômetro
ou uma célula de referência. Em um sistema residencial, não é necessário
investir em sensores de alta precisão, pois estes possuem custo bastante
elevado que não se justifica nestes casos. Nessas aplicações, muitas vezes
o fabricante do inversor já possui um sistema de aquisição de dados com
monitoramento de variáveis ambientais. A Figura 20 ilustra uma das
soluções apresentada por um fabricante de inversores FV.
O equipamento responsável pelo armazenamento de dados é
chamado de datalogger. Em um sistema FV, todos os dados elétricos
medidos pelo inversor, assim como os dados ambientais medidos por
piranômetros (e/ou células de referência) e sensores de temperatura, são
coletados pelo datalogger. Este equipamento de aquisição de dados pode
ter conexão local com um computador, assim como pode disponibilizar
os dados na internet, em um portal de monitoramento. Este portal de
monitoramento atua como um sistema supervisório e, normalmente, é
oferecido pelos fabricantes dos inversores. A Figura 21 ilustra um sistema
supervisório disponibilizado por um fabricante de inversores.
52

Figura 20 - Sistema de aquisição de dados com monitoramento de variáveis

ambientais. 1 – Inversores string ou centrais, 2 – Datalogger, 3 – Sensores
ambientais (irradiação, temperatura, velocidade do vento), 4 – Servidor e
dispositivos de visualização local e remota (ABB, 2017).

Figura 21. Supervisório de sistemas FV em plataforma online (ABB, 2017).

 53

2.3. AVALIAÇÃO DE DESEMPENHO DE SISTEMAS FV

O desempenho de um sistema FV é afetado por diversos fatores

ambientais, podendo-se destacar: irradiação, orientação solar (inclinação
e desvio azimutal), temperatura de operação, acúmulo de sujeira,
sombreamento parcial, espectro solar, entre outros menos importantes.

2.3.1 FIGURAS DE MÉRITO

Para poder avaliar o desempenho de sistemas FV e poder

comparar diferentes sistemas FV, de diferentes tecnologias, em diferentes
localidades e configurações, são utilizadas duas principais figuras de
mérito, a PR (Performance Ratio), também chamada de Taxa de
Desempenho, e a Produtividade (Yield).

2.3.1.1. PRODUTIVIDADE - YIELD

A produtividade de um sistema, também chamada de yield (2),

reflete o desempenho de cada sistema fotovoltaico normalizado em
relação à potência instalada, ou seja, representa o quanto de energia
elétrica um sistema produz (kWh) por unidade de potência nominal
instalada (kWp), normalmente na base anual. Desta forma, sistemas
fotovoltaicos de diferentes tamanhos, arranjos e tecnologias podem ser
comparados.
𝐸𝑡
𝑌𝑖𝑒𝑙𝑑𝑡 =
𝑃𝑜 (2)

Onde:

Yieldt = Produtividade de energia para o período “t” [kwh/kwp.ano]

54

Et = Energia gerada [kWh] pelo sistema fotovoltaico para o período

“t”, em corrente alternada

Po = Potência nominal total do sistema fotovoltaico [kWp]

2.3.1.2. TAXA DE DESEMPENHO - PR

A Taxa de Desempenho (PR, do inglês Performance Ratio) é o

quociente entre a geração real em corrente alternada (e.g. kWh/ano) de
um sistema fotovoltaico com a geração esperada em função da potência
nominal do gerador (kWp) e é, portanto, um parâmetro adimensional e
pode ser calculada a partir de (3).

𝐸𝑡 𝐺 (3)
𝑃𝑅𝑡 = ×
𝑃𝑜 𝐻𝑡

Onde:
PRt = Taxa de desempenho [%] para o período “t”
Et = Energia gerada [kWh] pelo sistema fotovoltaico para o período
“t”, em corrente alternada
Po = Potência nominal total do sistema fotovoltaico [kWp]
G = Irradiância de referência [1000 W/m2]
Ht = Irradiação sobre o plano dos módulos para o período “t”
[Wh/m2], calculada a partir dos valores de irradiância [W/m2] medidos
por sensores de radiação solar.

O desempenho de um sistema fotovoltaico é tipicamente medido

pela Taxa de Desempenho (Performance Ratio – PR), que é definido
como a relação entre o desempenho real do sistema e o desempenho
máximo teórico possível. A PR é um parâmetro muito utilizado, pois
permite comparar sistemas FV instalados em locais e/ou orientações
diferentes e avalia a geração de energia elétrica levando em consideração
a potência real do sistema sob condições de operação. A PR contabiliza
todas as perdas envolvidas no sistema, como perdas por queda de tensão,
 55

devido à resistência elétrica de condutores e conectores, além das perdas

por sujeira, rendimento do inversor, temperatura de operação dos
módulos FV, entre outras. O rendimento dos módulos – e o consequente
desempenho do sistema – é afetada negativamente pelo aumento da
temperatura de operação. Dependendo da tecnologia fotovoltaica, essa
influência será maior (e.g. silício cristalino e CIGS) ou menor (e.g. filmes
finos de silício amorfo e CdTe) (Skoplaki e Palyvos, 2009).

2.3.1.3. FATOR DE CAPACIDADE

O fator de capacidade de um gerador de energia é dado pela razão

entre a energia gerada em determinado intervalo de tempo e sua potencial
geração caso estivesse operando continuamente com potência máxima
(capacidade nominal) no mesmo período. A capacidade nominal de
produção de uma usina fotovotaica é definida como a soma das potências
c.a. dos inversores5, ou seja, a potência máxima da usina,
independentemente da potência instalada de módulos (kWp). Os fatores
de capacidade encontrados, para diferentes usinas FV, variam bastante de
acordo com a irradiação média anual do local, o fator de carregamento
dos inversores e a topologia da usina (sistemas fixos ou com rastreadores).
Historicamente, valores típicos normalmente situam-se entre 10
e 20% e eram basicamente proporcionais aos níveis de irradiação
presentes no local. Nos últimos anos, contudo, observou-se um aumento
expressivo nos fatores de capacidade de usinas fotovoltaicas. Esse
aumento foi devido basicamente a dois fatores: ao aumento do fator de
carregamento de inversores (FCI) impulsionado pelas reduções de custo
dos módulos fotovoltaicos; e ao crescente uso de sistemas de rastreamento
(seguidor solar).

5
Alguns autores utilizam a potência instalada c.c. (kWp) como
referência no cálculo do fator de capacidade. Atualmente existe o consenso de se
utilizar a potência c.a. pois esta representa, de fato, a maior potência que a usina
poderá disponibilizar ao sistema elétrico.
56

Dentre os empreendimentos vencedores dos leilões, são

observados fatores de capacidade (de projeto) na faixa entre 18,0% e
31,5%. Para fins de comparação, o fator de capacidade dos
empreendimentos vencedores que utilizam sistema de rastreamento (um
eixo) varia de 23,1% a 31,5% e os que utilizam estrutura de suporte fixa
apresentaram valores de 18,0% a 25,0% (MME, 2014, 2015 e 2016). A
Figura 22 mostra os fatores de capacidade das usinas fotovoltaicas
(UFVs) dos leilões.

Figura 22 - Fatores de Capacidade das UFVs dos leilões.

Umas das maneiras de aumentar o fator de capacidade de um

sistema FV é aumentando-se o carregamento do inversor (FCI), ou seja,
ampliando-se a potência instalada c.c. ou, alternativamente, reduzindo-se
a potência do inversor. Ao aumentar-se o carregamento do inversor,
converte-se mais energia para cada unidade de potência c.a. instalada,
resultando em um maior fator de capacidade do sistema.
Sistemas FV com rastreamento naturamente irão possuir fatores
de capacidade mais elevados do que um sistema semelhante porém sem
rastramento, pois estes possuem uma produtividade (yield) maior,
 57

convertendo mais energia para cada unidade de potência c.a. (e c.c.)

instalada. É possível observar que os empreendimentos que utilizam
sistema de rastreamento de um eixo possuem, em média, fatores de
capacidade mais elevados.

2.4. FATOR DE CARREGAMENTO DE INVERSOR (FCI)

Quando é realizado dimensionamento do sistema, este deve ser

feito de maneira que o inversor não seja nem pouco utilizado nem
demasiadamente sobrecarregado. Se for possível utilizar um inversor de
menor capacidade para o mesmo painel FV, sem impactar na quantidade
de energia e na qualidade do sistema, a energia gerada terá um menor
custo por kWh (Nascimento, 2013).
Os módulos FV apresentam uma redução de sua potência quando
submetidos a um aumento de sua temperatura de operação. Desta forma,
mesmo quando as irradiâncias são próximas de 1000 W/m², a potência do
painel dificilmente se aproxima de sua potência nominal. Esta
característica física do dispositivo, associada à otimização econômica do
sistema, leva à recomendação de se subdimensionar (10 a 30%) os
inversores de sistemas FV, devendo o dimensionamento levar em conta a
tecnologia FV utilizada além dos parâmetros climáticos locais
(temperatura e distribuição de irradiação).
Conforme já apontado por alguns estudos sobre este tema, não
existe uma regra geral e definitiva para o fator de carregamento do
inversor, já que este depende de múltiplos fatores intrísecos a cada
instalação ou projeto (Macedo e Zilles, 2007).
Nas situações em que a potência do painel FV ultrapassa a
potência máxima do inversor, ocorre, por parte do inversor, uma limitação
da potência de saída por meio da alteração do seu ponto de máxima
potência MPP, em direção à tensão de circuito aberto (Voc – Open circuit
voltage), fazendo com que o módulo deixe de operar no seu ponto de
máxima potência, consequentemente desperdiçando uma parcela da
energia. Essa parcela desperdiçada seria contabilizada como perda por
sobrecarregamento.
58

O FCI (Fator de Carregamento do Inversor) representa a relação

entre a potência pico do gerador FV (potência nas condições padrão), e a
potência nominal do inversor, como mostra a Equação 1.

𝑃𝑀𝑃𝑃
𝐹𝐶𝐼 =
𝑃𝑛𝑜𝑚 (1)
Onde:

FCI = Fator de carregamento do inversor (adimensional)

𝑃𝑛𝑜𝑚 = Potência c.a. nominal do inversor (W)6

𝑃𝑀𝑃𝑃 = Potência pico do painel fotovoltaico (Wp)

O FDI (Fator de Dimensionamento de Inversor), por sua vez, é o

inverso do FCI, pois utiliza a potência de pico do painel fotovoltaico no
denominador da Equação 1, de forma que inversores subdimensionados
(sobrecarregados) possuam FDI entre 0 e 1. Essa definição é amplamente
encontrada na literatura (Macedo e Zilles, 2007; Chen et al., 2013; Luoma
et al., 2012)
Neste trabalho, no entanto, optou-se pela utilização do FCI pois
trata-se de uma maneira mais intuitiva de visualizar o sobrecarregamento
do inversor (o excesso de potência c.c. em relação à c.a.). Essa definição
também é comumente utilizada (Burger e Rüther, 2006; Wang et al.,
2017; Peippo e Lund, 1994; Mondol et al., 2006).
A Figura 23 mostra a curva típica de eficiência do inversor e da
tensão cc de operação, em função do carregamento do inversor
(percentual da potência nominal). É possível observar que a eficiência
relativa do inversor decai linearmente para carregamentos superiores ao
nominal devido à limitação de potência por meio da modulação do ponto
de máxima potência do painel. Ao mesmo tempo, a tensão c.c. aumenta
pois a modulação do ponto de MPP para limitação de potência se dá na
direção da tensão de circuito aberto.

6
Alguns autores utilizam a potência c.c. do inversor como referência para o
cálculo do FCI.
 59

Figura 23 - Curva típica de eficiência do inversor (linha contínua) e da tensão

c.c. (linha tracejada) em função do carregamento do inversor (percentual da
potência nominal) (Burger e Rüther, 2006).

A potência do painel FV e do inversor devem ser combinadas de

modo que o FCI do inversor tenha a melhor razão custo/benefício. O FCI
irá depender do inversor selecionado, tecnologia do módulo FV,
orientação e inclinação do sistema, além das condições ambientais como
temperatura e irradiação local. A otimização do FCI exige simulação
numérica que deve ser realizada por um projetista experiente.
(Nascimento, 2013)
Um aspecto importante que pode ser negligenciado quando se
mede a irradiância em baixas resoluções temporais é o fato de que uma
parcela considerável da irradiação solar incidente em um local pode estar
em altos níveis de irradiação (acima de 1000 W/m²). Na maioria das
vezes, esses altos níveis de irradiação são causados pelo efeito borda de
nuvem, e já foi observado, que a maior parte das perdas por
sobrecarregamento podem ocorrer devido a esse fenômeno. No mesmo
estudo, foi visto que as perdas por sobrecarregamento devido ao efeito
borda de nuvem, só podem ser devidamente quantificadas quando são
utilizados dados de alta resolução temporal (10 segundos ou melhor)
60

(Luoma et al., 2012). Isso pode levar a uma subestimativa para as perdas
por sobrecarregamento feitas por ferramentas tracidionais de projeto que
utilizam dados e realizam as simulações em base tipicamente horária.
Conforme será visto mais adiante, devido à acentuada redução de
custos dos módulos fotovoltaicos, existe uma tendência crescente em se
sobrecarregar os inversores, priorizando-se o benefício econômico de tal
prática e deixando-se em segundo plano a produtividade específica do
sistema (kWh/kWp).
A Figura 24 mostra os fatores de carregamento de inversor das
usinas fotovoltaicos dos leilões. Observa-se grande variação entre os
projetos ganhadores, desde 104% até 162%. Levando-se em consideração
o fato de que a grande maioria das usinas se encontram em locais com
elevados níveis de irradiação e condições ambientais relativamente
próximas (clima majoritariamente quente) seria esperado encontrar
valores de FCI com menor variação. Isso indica para a possibilidade de,
em alguns projetos, esse aspecto do dimensionamento de usinas não ter
sido avaliado com maior critério. O Quadro 2 mostra os fatores de
carregamento médios, separados por leilão. O fator de carregamento
médio, considerando todos os projetos foi de 124%.

Leilão 1 Leilão 2 Leilão 3 Leilão 4 Leilão 5

FCI Médio
(2014) (2015) (2015) (2017) (2018)
Sistema Fixo 114,5% 122,9% 119,6%
137,0% 127,6%
Rastreamento 123,7% 125,1% 120,4%
Quadro 2 – Fatores de carregamento médios, separados por leilão.
 61

Figura 24 - Fatores de Carregamento de Inversor das UFVs dos leilões.

62

2.5. PROPORÇÃO DE CUSTO EM UM SISTEMA FV

Historicamente, o componente que responde pela maior parcela

do custo em um sistema FV é o módulo FV. Nos últimos anos, os módulos
FV vêm apresentando acentuada redução de custo. Os inversores, apesar
de também terem apresentado redução de custos, não têm acompanhado
o mesmo nível de redução apresentado pelos módulos FV.
A Figura 25 mostra um histórico da proporção de custo de
módulos FV em sistemas FV entre 2006 e 2017. Observa-se que a
proporção do custo do sistema correspondente aos módulos FV, entre
2006 e 2008, era cerca de 70%, e entre 2009 e 2012 houve um período de
redução para cerca de 50%, que se manteve até 2017.
Isto vem levando a uma tendência de se otimizar ao máximo o
inversor utilizado, de modo a se obter um custo final de energia produzida
mais competitivo. Dessa forma, FCIs elevados (inversores mais
sobrecarregados) estão se tornando uma prática comum no projeto de
sistemas FV.

Figura 25 – Histórico da proporção de custo de módulos FV em sistemas FV

entre 2006 e 2017. (Adaptado de Fraunhofer, 2018)
 63

Todavia, ao se abordar o problema da otimização no

dimensionamento de um sistema FV, não se pode levar em consideração
apenas a proporção de custo dos módulos FV com relação ao restante do
sistema, mas sim todos os componentes relevantes de acordo com o tipo
de análise. Por exemplo, quando são adicionados módulos FV a um
sistema FV, necessariamente também são adicionados estrutura metálica,
cabeamento c.c., caixas de junção (quando for o caso), mão de obra, entre
outros.
O Quadro 3 mostra os principais componentes de um sistema FV
e sua distribuição de custo, bem como uma faixa de variação para cada
componente. Foram separados em dois grupos: c.c. e c.a. O grupo c.c.
representando o componentes mais diretamente relacionados aos módulos
FV (ou à potência c.c.) e o grupo c.a. aos inversores FV (ou à potência
c.a.).

Distribuição de Custo - Usina FV

Módulos FV 50% 48-52%
Estrutura Metálica 12% 10-15%
Cabeamento c.c. 3% 2-4%
Mão de obra c.c. 3% 2-4%
Subtotal c.c. 68% 62-75%
Inversor FV 14% 12-15%
Cabeamento c.a. 2% 1-3%
Subestação 4% 3-5%
Mão de obra c.a. 3% 2-4%
Engenharia 3% 2-4%
Gestão 3% 2-4%
Instalação Auxiliar 4% 3-5%
Subtotal restante 32% 25-40%
Quadro 3 - Distribuição de custo dos principais componentes de um sistema FV.
(Adaptado de Fraunhofer, 2018 e Relatório Engie PE-0403-0027/2011, 2017).
64

Nesta revisão foram abordados os temas mais relevantes para o

estudo.
A seção sobre o recurso solar, contemplando o atlas solarimétrico
e as características da radiação solar e suas particularidades (distribuição
de irradiância, espectro solar, entre outras) são particularmente
importantes na avaliação da irradiação solar da região, com suas
componentes global, difusa e direta e na compreensão dos resultados de
distribuição de irradiância obtidos e suas consequências para sistemas FV
operando na região. A resolução temporal de aquisição de dados é
importante para conhecer o alcance (e também as limitações) do estudo
realizado, assim como, de estudos que utilizam apenas dados de
simulação ou com menor resolução.
A seção sobre os equipamentos utilizados em sistemas FV
(módulos e inversores) faz-se necessária para compreender as diferenças
entre as tecnologias utilizadas no projeto e como elas respondem sob
diferentes condições climáticas e, juntamente com a seção sobre
desempenho de sistemas FV, cria a base para as análises da Taxa de
Desempenho, Produtividade e Fator de Capacidade. Também é relevante
para contextualizar o projeto no âmbito da energia solar fotovoltaica, para
compreender o funcionamento das diferentes topologias de inversores e
possíveis dimensionamentos que poderiam ser utilizados em projetos de
usinas solares de grande porte, que são a motivação deste estudo.
Por fim, as seções sobre o fator de carregamento de inversor e a
proporção de custo em projetos de usinas solares abordam as principais
variáveis que podem influenciar na otimização do carregamento do
inversor.
O próximo capítulo irá tratar da metodologia utilizada e
parcialmente desenvolvida para alcancar os objetivos propostos neste
estudo.
 65

3 METODOLOGIA

O Sistema Fotovoltaico (FV) utilizado nesse estudo (Figura 26)

está localizado no interior do estado da Bahia (Lat.: -12.36, Long.: -42.28)
e teve sua operação iniciada em 14 de Dezembro de 2013. O sistema
possui 10,712 kWp de potência instalada total, distribuída em cinco
tecnologias. O Quadro 4 exibe as principais características elétricas dos
sistemas FV utilizados no projeto, como coeficientes de temperatura para
potência, tensão e corrente, as perdas por temperatura sob condições de
operação em campo, o fator de carregamento dos inversores e a tensão de
operação cc.
66

Figura 26 - Vista geral do sistema. 1 – CIGS, 2 - a-Si/µc-Si, 3 - a-Si, 4 - m-Si, 5 - c-Si.

 67

Eficiência Tensão Perdas

Potência Coef. Coef. Coef.
Série x do Vmpp Pmpp
Tecnologia Nominal FCI Pmpp Voc Isc
Paralelo Módulo @50°C @50°C
[kWp] (%/°C) (%/°C) (%/°C)
(%) (V) (%)
a-Si/µc-Si 2,272 2x8 9,1 205 0,91 -0,30 -0,35 0,09 7,5
a-Si 2,100 3x7 6,4 190 0,84 -0,25 -0,30 0,09 6,25
CIGS 2,160 6x3 11,0 220 0,86 -0,39 -0,31 0,004 9,75
c-Si 2,065 7x1 15,2 220 0,83 -0,45 -0,35 0,05 11,25
m-Si 2,115 9x1 14,4 230 0,85 -0,45 -0,33 0,06 11,25
Quadro 4 – Resumo das características elétricas dos sistemas FV utilizados no projeto.
68

O sistema FV utiliza cinco inversores, de potência nominal 2500

W, modelo SMA SB2500HF idênticos (Figura 27) com intervalo de
aquisição de dados de cinco minutos.

Figura 27 – Inversores do fabricante SMA SB2500HF.

O projeto dispõe também de uma estação solarimétrica com

piranômetros de padrão secundário para medição de irradiação global
horizontal, global inclinada (no plano dos módulos) e difusa, sensores de
temperatura ambiente, umidade e pressão. (Quadro 5 e Figura 28).

# Equipamento
1 Piranômetro – Irradiação Global Horizontal
2 Piranômetro – Irradiação Global Inclinada
3 Piranômetro c/ anel de sombreamento – Irradiação Difusa
4 Sensor de Temperatura, Umidade e Pressão
5 Datalogger
Quadro 5 - Equipamentos da estação solarimétrica
 69

Figura 28 - Estação solarimétrica.

Para a análise do sistema FV instalado, foram disponibilizados

dados ambientais, como de irradiação global horizontal e incidente no
70

plano dos módulos, irradiação difusa e temperatura ambiente, além de

dados das variáveis elétricas de interesse do sistema, como tensão,
corrente e potência, ca e cc, para cada tecnologia fotovoltaica.
Para realizar uma análise de dados de geração FV que tenha
validade estatística, recomenda-se, no mínimo, que se tenha um ano de
dados medidos. Como o sistema começou a operar em 15 de Dezembro
de 2013, o trabalho foi feito com base em um ano calendário de dados, no
caso, o ano de 2014.
A universidade, por intermédio do Grupo de Pesquisa Estratégica
em Energia Solar e no âmbito desse projeto de pesquisa, fez o tratamento
dos dados e a elaboração de relatórios bimestrais de avaliação do sistema,
a partir do recebimento regular dos dados brutos do sistema FV e da
estação solarimétrica.

3.1. ANÁLISE DOS DADOS

Para a análise dos dados foi utilizado o software Microsoft Excel.

Devido à grande quantidade de dados e complexidade dos cálculos, em
alguns casos, o programa ficou sobrecarregado e, por diversas vezes, foi
considerada a possibilidade de utilizar outro software. Todavia, foi
possível concluir todas as análises de forma satisfatória no Excel.
A Figura 29 mostra o fluxograma de análise dos dados
solarimétricos e de geração FV.
Os dados brutos do inversor e da estação solarimétrica possuem
intervalos de aquisição diferentes, cinco minutos e um minuto,
respectivamente.
Os dados brutos do inversor são salvos em um padrão diferente,
no qual, para os pontos (de 5 min) em que não houve valor significativo
registrado (por exemplo, à noite), o valor da hora não é gravado, ou seja,
ao baixar os dados, essas linhas não existem. Além disso, cada vez que o
sistema, por alguma falha de comunicação, não registra um dado, essa
linha também desaparece, resultando na necessidade da adequação
temporal.
 71

A validação dos dados, tanto para o inversor como para os

piranômetros inclinado e horizontal, seguiu uma metodologia na qual
eram filtrados os dados espúrios (valores fisicamente não possíveis).
A validação dos dados de radiação difusa foi feita a partir da
metodologia de Younes et al (2005), onde foram levantados dados
espúrios que, posteriormente, foram excluídos da análise.
A partir dos dados validados de radiação difusa e global
horizontal, obtém-se facilmente os valores de radiação direta.
A distribuição de irradiância (tanto os valores em tabela como as
curvas) é calculada de forma discretizada, ou seja, é feito uma integração
da energia (irradiação) correspondente a um intervalo de valores de
irradiância. O formato da curva sofre alterações de acordo com o intervalo
escolhido. Após diversos testes foi escolhido o intervalo de 50 W/m² por
possibilitar boa representabilidade e visualização dos dados aliado a um
esforço computacional razoável.
Os cálculos de Produtividade (Yield) e Taxa de Desempenho
(PR) seguem as Equações 2 e 3 já apresentadas. Os cálculos foram feitos
tanto na base de 5 minutos quanto na base mensal.
72

Figura 29 - Fluxograma de análise dos dados brutos.

 73

3.2. MEDIÇÕES DE CURVA CARACTERÍSTICA (TENSÃO X

CORRENTE - IxV)

A medição IxV é uma importante ferramenta na avaliação do

impacto da sujeira em módulos FV. Além de quantificar a redução de
potência devido ao acúmulo de sujeira, permite observar diversos
parâmetros elétricos das diferentes tecnologias FV, com suas respectivas
topologias elétricas, quando submetidas à sujeira não homogênea.
Além de medições dos sistemas como um todo, foram realizadas
medições em cada série fotovoltaica e medição amostral de dois módulos
de cada sistema, um com aparência mais suja e outro mais limpa. O
objetivo disso foi verificar as diferenças de desempenho causadas pela
sujeira no módulo, na série fotovoltaica (string) e no gerador FV como
um todo.

3.2.1. EQUIPAMENTOS

O equipamento utilizado para as medições foi o traçador de curva

IxV, modelo PVPM1000C, com peso de 11 kg e dimensões 48x35x16 cm
(PV-ENGINEERING). O equipamento realiza a medição da curva IxV
através do método a 4 fios. Para a melhor utilização e rapidez no processo
de obtenção das curvas IxV, um computador portátil conectado à porta
serial do equipamento fez-se necessário. A Figura 30 mostra o
procedimento de medição IxV realizado no comissionamento do sistema.
74

Figura 30 - Procedimento de medição IxV durante o comissionamento do

sistema FV, em 14 de Dezembro de 2013.

Para a obtenção dos dados de irradiância solar no instante das

medições, uma célula de referência estava conectada ao traçador de curva
IxV e posicionada no mesmo plano e junto ao módulo ou gerador
avaliado.
A Figura 31 mostra a fixação da célula de referência e do sensor de
temperatura (Termopar Tipo J, precisão: ± [0.20% + 0.3°C]).
 75

Figura 31 - Fixação da célula de referência (esq.) e do sensor de temperatura (dir.)

3.2.2. INCERTEZAS DOS EQUIPAMENTOS

O processo de medição para módulos fotovoltaicos é definido

para condições-padrão, as chamadas STC (Standard Test Conditions:
Irradiância = 1000 W/m2; temperatura da junção da célula solar
fotovoltaica = 25 °C; conteúdo espectral da irradiância equivalente a AM
1,5). Tais condições não são reproduzidas simultaneamente no ambiente
e para medições em campo são aplicados modelos matemáticos para
correção dos valores medidos para valores em STC, sendo assim
produzido algum tipo de incerteza. Os procedimentos de correção
utilizados pelo equipamento apresentam uma incerteza de 1% nos valores
corrigidos (Wagner, 2000); contudo a incerteza total do equipamento
(incertezas associadas à célula de referência, medição IxV e correção para
STC) é de 5%.
Para reduzir as incertezas dessas medições, diversas precauções
foram tomadas, podendo-se destacar:
76

 Utilizar o mesmo equipamento (traçador IxV) e mesma célula de

referência em todas as medições;
 Realizar as medições com níveis de irradiância próximos a 1000
W/m², reduzindo assim as incertezas relativas à correção dos valores
medidos para valores em STC;
 Tomar medidas de temperatura dos módulos, utilizando
metodologia adequada e sensores de boa precisão;

Vale ressaltar que, no caso específico da avaliação do impacto de

sujeira sobre os módulos FV, todas as medidas são relativas, ou seja, as
medições com os módulos sujos foram feitas com o mesmo equipamento
nas mesmas condições e sofreram as mesmas correções das medições dos
módulos limpos. Além disso, após a limpeza dos sistemas, foi dado o
devido tempo para que a temperatura retornasse aos mesmos níveis da
medida suja. Isso faz com que as incertezas no resultado da avaliação de
sujeira, proveniente das medições em si, sejam reduzidas.

3.3. PERDAS POR SOBRECARREGAMENTO

As perdas por sobrecarregamento ocorrem quando a potência

entregue pelos módulos fotovoltaicos é superior à potência que o inversor
consegue processar. Esse efeito normalmente ocorre quando se utilizam
níveis de sobrecarregamento elevados, mas podem ocorrer até mesmo em
sistemas com FCI unitário quando submetidos a eventos extremos de
irradiância.
As perdas por sobrecarregamento para diferentes FCIs podem ser
estimadas de maneira numérica a partir dos dados de geração FV e
informações de dimensionamento do sistema estudado.
A Figura 32 mostra curvas de geração FV de um dia de céu limpo
e FCIs variando de 100% a 150% para um inversor teórico com limitação
em 1000 W. Observa-se que existe limitação da potência de saída para
carregamentos de 110% em diante.
 77

Figura 32 - Curvas de geração FV para diferentes FCIs (100% a 150%) para um

inversor com limitação em 1000 W.

Para quantificar-se numericamente as perdas, seleciona-se

preferencialmente um inversor sobredimensionado (FCI<1) em que as
perdas por sobrecarregamento sejam negligenciáveis para o período
analisado e então extrapolam-se os valores medidos de potência de saída
c.a. para carregamentos maiores. Caso os valores extrapolados estejam
acima da potência nominal do inversor, a diferença entre o valor
extrapolado e o limite de potência do inversor é considerada perda por
sobrecarregamento.
Para as curvas apresentadas neste exemplo, pode-se estimar as
perdas por sobrecarregamento (energia perdida) utilizando a metodologia
proposta, obtendo-se os resultados apresentados no Quadro 6. A
metodologia proposta deve ser então aplicada a todos os pontos do
período avaliado.

FDI 100% 110% 120% 130% 140% 150%

Perdas por
0,0% 0,3% 3,2% 7,1% 11,6% 16,4%
Sobrecarregamento

Quadro 6 - Perdas por sobrecarregamento para as curvas de potência

apresentadas (dia de céu limpo).
78

Conforme mencionado anteriormente, a resolução temporal dos

dados utilizados possui importância fundamental e impacto direto nesse
tipo de análise. De forma que resoluções temporais baixas (base horária,
por exemplo) iriam descaracterizar completamente a análise e invalidar
os resultados. Recomenda-se utilizar resolução de, pelo menos, cinco
minutos (idealmente um minuto) para obter-se um bom custo benefício
entre o esforço computacional necessário e a representatividade dos dados
de irradiâncias elevadas.
Além disso, para obter-se resultados com maior precisão, pode-
se reduzir o tamanho dos passos de FCI, fazendo-os a cada 1%, por
exemplo.

3.4. ANÁLISE ECÔNOMICA DE CUSTO BENEFÍCIO

Sob o ponto de vista econômico, este trabalho propõe que o FCI

ótimo pode ser determinado calculando-se a razão máxima entre o ganho
marginal de geração e o aumento marginal do custo ao sobrecarregar o
inversor FV, conforme a Equação 2.

𝐺𝑒𝑟𝑎çã𝑜 𝑀𝑎𝑟𝑔𝑖𝑛𝑎𝑙𝑖
𝐹𝐷𝐼 ó𝑡𝑖𝑚𝑜 = 𝑀𝑎𝑥 [ ] (2)
𝐶𝑢𝑠𝑡𝑜 𝑀𝑎𝑟𝑔𝑖𝑛𝑎𝑙𝑖

Em outras palavras, deseja-se atingir o maior incremento de

geração FV por unidade de valor financeiro despendida (MWh/CAPEX).
A geração FV marginal depende das perdas por
sobrecarregamento obtidas para cada FCI e pode ser calculada
multiplicando-se as perdas por sobrecarregamento pelo respectivo FCI e
subtraindo-se o valor do mesmo, conforme a Equação 3.

𝐺𝑒𝑟𝑎çã𝑜 𝑀𝑎𝑟𝑔𝑖𝑛𝑎𝑙𝑖 = 𝐹𝐷𝐼𝑖 − [𝐹𝐷𝐼𝑖 × 𝑃𝑒𝑟𝑑𝑎𝑠𝑖 ] (3)

 79

A Figura 33 mostra a representação gráfica da Equação 3,

utilizando valores simulados de perdas por sobrecarregamento para cada
FCI. É possível observar que a geração marginal (linha azul)
aparentemente tende a um valor limite, ou seja, a partir de certo ponto,
não é mais possível aumentar-se a geração de maneira significativa
devido a um aumento desproporcional das perdas por sobrecarregamento.

Figura 33 – Representação gráfica da Equação 3 utilizando valores de

simulação. Geração Marginal em função do FCI (linha azul) e sua referência
(linha tracejada), caso não houvessem perdas por sobrecarregamento.

Já o custo marginal é basicamente o custo devido ao

sobrecarregamento (ou seja, o incremento devido ao custo c.c.), e que por
sua vez depende do nível de sobrecarregamento empregado (do FCI
escolhido em relação ao FCI de referência de 100%) e pode ser calculado
com a Equação 4:

𝐶𝑢𝑠𝑡𝑜 𝑀𝑎𝑟𝑔𝑖𝑛𝑎𝑙𝑖 = 1 + [(𝐹𝐷𝐼𝑖 − 1) × 𝐶𝑢𝑠𝑡𝑜 𝑐. 𝑐. ] (4)

A Figura 34 mostra a representação gráfica da Equação 4,

utilizando três cenários de proporção de custo c.c. (60, 70 e 80%). É
possível observar que o custo marginal (linhas azul, amarela e cinza)
80

aumenta de maneira proporcional ao custo total, de acordo com cada

proporção de custo c.c.

Figura 34 - Representação gráfica da Equação 4 utilizando três cenários de

proporção de custo c.c. (60, 70 e 80%). Custo Marginal em função do FCI
(linhas azul, amarela e cinza) e sua referência (linha tracejada), caso o custo c.c.
correspondesse a 100% do custo total.

A Figura 35 mostra a representação gráfica da Equação 2, ou seja,

a divisão da Equação 3 pela Equação 4 (para cada um dos três cenários
de custo c.c.). Observa-se que, para cada um dos três cenários existe um
ponto máximo, no qual ocorre o maior incremento de geração FV (em
relação ao FCI de referência) por unidade de custo despendida. Antes de
cada curva atingir o seu valor máximo cada incremento marginal de
geração é maior do que o incremento marginal de custo (derivada
positiva), e, após o valor máximo, o incremento marginal de geração
torna-se menor do que o incremento marginal de custo (derivada
negativa) devido ao aumento das perdas por sobrecarregamento.
 81

Figura 35 – Representação gráfica da Equação 2. Relação Geração

Marginal/Custo Marginal para diferentes FCIs, considerando três cenários de
custo c.c. (60, 70 e 80%).

Para obter-se resultados com maior precisão, recomenda-se

utilizar passos de 1% para o FCI.
Deve-se também atentar para o fato de que, para o FCI de
referência, que pode ser arbitrado (e não apenas o unitário), as perdas por
sobrecarregamento sejam negligenciáveis ou que sejam devidamente
consideradas na análise (subtraídas das perdas dos demais FCIs).
Ressalta-se que nesta metodologia não são analisadas variáveis
como, por exemplo, redução de vida útil do inversor ao ser
sobrecarregado e degradação anual dos módulos FV.
82
 83

4 RESULTADOS E DISCUSSÕES

4.1 AVALIAÇÃO DA IRRADIAÇÃO SOLAR

4.1.1 IRRADIAÇÃO GLOBAL HORIZONTAL MEDIDA X

ESTIMADA POR DIFERENTES BANCOS DE DADOS

Nesta seção, serão comparados o recurso solar medido

(irradiação global horizontal) para os anos de 2014, 2015 e 2016 em
Brotas de Macaúbas com diferentes fontes de dados. Apesar do Atlas
Solarimétrico ser a base de dados mais comumente utilizada para o Brasil,
essa não é a única fonte de dados disponível. O Quadro 7 e a Figura 36
resumem as diferenças entre cada uma das bases de dados e valores
medidos.
Em uma primeira análise, é possível observar que, na maioria dos
meses, os valores medidos de irradiação global horizontal superam os
valores estimados pelas diferentes bases de dados.
Apesar da aparente subestimativa dos diferentes bancos de
dados, é importante considerar os seguintes pontos:
 O período dos dados medidos é de apenas um ano, enquanto
que os bancos de dados avaliados se baseiam em séries
históricas com períodos que variam de 10 a 22 anos.
 A medição do recurso solar para os bancos de dados
utilizados ocorre em diferentes períodos (SWERA – 1995 a
2005; OLADE – 1987 a 1997; METEONORM – 1986 a
2005; NASA – 1992 a 2014).
Os valores medidos encontram-se dentro das incertezas dos
diferentes bancos de dados avaliados. Idealmente, seria necessário um
período maior de medições para confimar a aparente subestimativa do
recurso solar da região pelos diferentes bancos de dados.
84

Fonte Local Distância Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Anual
Medido 2014 Planta Piloto 0 217,0 180,8 196,8 167,8 161,7 156,2 163,8 195,0 207,3 211,6 191,0 188,2 2237,2
Medido 2015 Planta Piloto 0 228,5 170,6 192,6 175,0 168,7 157,0 167,4 196,6 226,3 225,6 197,4 230,8 2336,5
Medido 2016 Planta Piloto 0 146,5 213,1 215,7 182,7 175,7 157,7 171,0 197,0 194,9 208,6 182,1 194,2 2239,2
Média Planta Piloto 0 197,3 188,2 201,7 175,2 168,7 157,0 167,4 196,2 209,5 215,3 190,2 204,4 2271,0
SWERA Brotas de Macaúbas 5 15% -9% 1% 0% -8% -11% -19% -18% -6% 0% 2% -12% -5,3%
SWERA Atlas Brotas de Macaúbas 5 1% -2% -6% -2% -13% -11% -9% -13% -10% -6% 0% -2% -5,9%
NASA Brotas de Macaúbas 5 -2% -5% -9% -2% -3% 0% 1% -4% -7% -10% -9% -11% -5,4%
Meteonorm Brotas de Macaúbas 5 -8% -15% -13% -13% -19% -17% -13% -10% -15% -16% -11% -18% -13,9%
OLADE Bom Jesus Da Lapa 160 -5% -16% -13% -11% -7% -9% -2% -8% -19% -22% -11% -7% -11,1%
Quadro 7 – Irradiação global horizontal mensal (kWh/m².mês) para os anos de 2014, 2015 e 2016, e diferença percentual da
média para diferentes base de dados. Os dados para os meses de maio, junho e julho de 2015 (em vermelho) foram considerados
como sendo a média dos anos 2014 e 2016 dos mesmos meses.
 85

Figura 36 - Irradiação global horizontal média diária (kWh/m².dia) para várias fontes de dados. Média entre os anos de 2014,
2015 e 2016.
86

4.1.2. IRRADIAÇÃO GLOBAL, DIFUSA E DIRETA

A Figura 37 e o Quadro 8 apresentam o perfil mensal da

irradiação global horizontal (barras laranjas), irradiação difusa (barras
amarelas) e irradiação direta (barras vermelhas). O comportamento da
fração da componente difusa em relação à componente global (triângulo
azul) também é apresentado e pode ser considerado um indicador do
percentual de nebulosidade da região.

Figura 37 - Irradiação horizontal - global, difusa e direta para o ano de 2014.

 87

Mês Global Difusa Direta Difusa/Global

Jan 217,0 73,7 143,3 34%
Fev 180,8 81,8 99,1 45%
Mar 196,8 86,0 110,8 44%
Abr 167,8
Mai 161,7 52,7 109,0 33%
Jun 156,2 55,1 101,2 35%
Jul 163,8 48,8 115,0 30%
Ago 194,9 54,2 140,7 28%
Set 207,3 81,9 125,4 39%
Out 211,6 72,4 139,2 34%
Nov 191,1 68,6 122,5 36%
Dez 188,2 71,1 117,1 38%
Anual 2237,2 746,3 1323,2 33%
Quadro 8 – Irradiação horizontal - global, difusa e direta para o ano de 2014.

É possível avaliar que, nos meses de inverno, a irradiação difusa

tem menor participação (menor presença de nuvens e aerossóis);
enquanto que, nos meses de verão, a componente difusa tem maior
participação.
Os dados apresentados já se encontram corrigidos por meio de
uma validação dos dados obtidos, especialmente dos dados provenientes
do sensor de irradiância difusa. Esse sensor consiste num piranômetro
sombreado por um anel de sombreamento, que precisa ter sua posição
ajustada periodicamente. Quando o anel não está bem ajustado,
dependendo do ângulo de incidência solar, pode ocorrer a incidência de
radiação direta sobre o piranômetro, o que acarreta em valores medidos
que são irreais e que portanto são considerados como espúrios e
descartadados da análise. Devido à complexidade do método, ao grande
volume de dados e ao fato de não se tratar de um fator determinante para
esse trabalho, foi apenas realizado o tratamento e análise dos dados de
irradiação difusa para o ano de 2014.
88

4.2. DISTRIBUIÇÃO DE IRRADIÂNCIA

Os Quadro 9, Quadro 10 e Quadro 11 mostram, respectivamente,

os valores de distribuição de irradiância para todos os meses dos anos de
2014, 2015 e 2016. O Quadro 12 mostra a distribuição considerando todo
o período analisado (2014, 2015 e 2016).
O valor de irradiância correspondente a cada coluna representa o
valor inicial do intervalo de irradiância analisado. O limite superior do
intervalo é o valor de irradiância correspondente da coluna seguinte. Os
valores apresentados representam a quantidade percentual da energia
(irradiação) total do mês que se encontra naquele intervalo de irradiância.
É possível observar que a distribuição de energia varia consideravelmente
ao longo do ano. Para os meses de maio a outubro, tem-se uma
concentração maior de energia em valores em torno de 1000 W/m²;
enquanto que, para os demais meses, nota-se uma diminuição de
concentração de energia nesse intervalo e um aumento de concentração
para irradiâncias acima de 1200 W/m². Isso pode estar relacionado ao
aumento da nebulosidade nos meses de verão e, consequentemente, ao
aumento de ocorrências do efeito borda de nuvem.
O maior valor de irradiância durante o período avaliado foi de 1786
W/m² no dia 13/10/2016 às 11:44 (valor máximo registrado – 1 segundo
– dentro do período de integralização de 1 minuto).
Observa-se que para os três anos consecutivos da análise, o padrão
da distribuição de irradiância se mantém relativamente estável, podendo-
se afirmar ser esta uma característica marcante da região.
Nota-se também a falta de dados para os meses de Maio, Junho e
Julho de 2015, cujas causas são abordadas em seção dedicada.
 89

Irradiância Solar (W/m²)

2014
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000 1050 1100 1150 1200 1250 1300 1350 1400 1450 1500

JAN 0,3% 1% 1% 1% 2% 2% 3% 3% 3% 3% 3% 3% 3% 3% 4% 4% 4% 5% 5% 6% 6% 7% 8% 6% 4% 3% 2% 1% 0,4% 0,2% 0,2%

FEV 1% 1% 1% 1% 2% 3% 3% 3% 3% 4% 3% 4% 3% 4% 4% 4% 4% 4% 5% 5% 6% 7% 8% 7% 5% 2% 2% 1% 0,5% 0,2% 0,3%

MAR 0,5% 1% 1% 1% 2% 3% 3% 3% 3% 3% 3% 4% 4% 4% 4% 4% 4% 5% 6% 6% 7% 7% 8% 5% 4% 2% 1% 1% 0,4% 0,2% 0%

ABR 1% 1% 1% 2% 3% 3% 3% 3% 4% 4% 3% 3% 4% 4% 4% 5% 5% 6% 7% 10% 9% 6% 4% 2% 2% 1% 0,2% 0,1% 0% 0% 0%

MAI 1% 1% 2% 2% 3% 4% 4% 4% 4% 4% 4% 5% 5% 5% 6% 6% 7% 11% 9% 6% 3% 2% 2% 1% 0,3% 0,1% 0% 0% 0% 0% 0%

JUN 0,5% 1% 1% 2% 3% 3% 3% 4% 4% 4% 5% 5% 5% 6% 7% 9% 13% 15% 4% 3% 2% 1% 0,4% 0% 0% 0% 0% 0% 0% 0% 0%

JUL 0,5% 1% 2% 2% 3% 3% 3% 3% 4% 4% 4% 5% 5% 6% 7% 8% 10% 13% 9% 5% 2% 1% 0,5% 0,2% 0% 0% 0% 0% 0% 0% 0%

AGO 0,3% 1% 1% 1% 2% 2% 2% 2% 3% 3% 3% 4% 4% 5% 5% 6% 8% 11% 16% 13% 4% 1% 1% 0,3% 0,1% 0,1% 0% 0% 0% 0% 0%

SET 0,3% 1% 1% 2% 2% 2% 2% 2% 2% 3% 3% 3% 3% 3% 4% 4% 5% 6% 9% 13% 16% 9% 2% 1% 1% 1% 0,1% 0,1% 0% 0% 0%

OUT 0,4% 1% 1% 2% 2% 2% 2% 2% 2% 2% 3% 3% 3% 3% 4% 4% 5% 6% 7% 7% 9% 12% 11% 3% 2% 1% 1% 0,1% 0% 0% 0%

NOV 0,4% 1% 2% 2% 2% 2% 3% 3% 3% 3% 3% 3% 3% 4% 4% 5% 5% 5% 5% 6% 7% 8% 10% 5% 2% 1% 1% 0% 0,1% 0% 0%

DEZ 1% 1% 2% 2% 2% 3% 4% 4% 3% 3% 3% 4% 3% 4% 4% 4% 5% 5% 5% 6% 6% 6% 7% 6% 4% 3% 1% 1% 0,4% 0,1% 0,1%

ANO 0,4% 1% 1% 2% 2% 3% 3% 3% 3% 3% 3% 4% 4% 4% 5% 5% 6% 7% 7% 7% 7% 6% 5% 3% 2% 1% 1% 0% 0% 0% 0%

Quadro 9 - Distribuição de irradiância para o ano de 2014.

90

Irradiância Solar (W/m²)

2015
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000 1050 1100 1150 1200 1250 1300 1350 1400 1450 1500

JAN 0,4% 1% 1% 1% 2% 2% 2% 2% 2% 2% 2% 2% 3% 3% 3% 4% 4% 5% 6% 6% 8% 10% 11% 6% 3% 2% 2% 1% 0,4% 0,1% 0%

FEV 1% 1% 1% 2% 2% 3% 3% 4% 4% 4% 4% 4% 4% 4% 4% 4% 4% 5% 4% 5% 5% 6% 8% 7% 4% 2% 1% 1% 0,5% 0,2% 0%

MAR 0,5% 1% 2% 2% 2% 3% 3% 3% 3% 3% 3% 3% 4% 4% 4% 4% 4% 5% 6% 6% 7% 8% 7% 4% 3% 3% 1% 1% 0,2% 0% 0%

ABR 0,4% 1% 2% 2% 3% 3% 3% 3% 3% 3% 4% 3% 3% 3% 4% 5% 6% 6% 7% 7% 8% 7% 6% 4% 3% 1% 0,5% 0,1% 0,1% 0% 0%

MAI
JUN
JUL
AGO 0,4% 1% 1% 2% 2% 3% 2% 3% 3% 3% 3% 4% 4% 4% 5% 6% 6% 7% 8% 14% 12% 4% 2% 1% 0,3% 0% 0% 0% 0% 0% 0%

SET 0,3% 1% 1% 1% 1% 1% 2% 2% 2% 2% 3% 3% 3% 4% 4% 5% 5% 7% 8% 11% 17% 14% 3% 0,3% 0% 0% 0% 0% 0% 0% 0%

OUT 0,4% 1% 1% 1% 2% 2% 2% 2% 2% 2% 3% 3% 3% 3% 4% 4% 5% 5% 6% 7% 10% 15% 13% 2% 1% 1% 0,1% 0,1% 0,2% 0,1% 0,1%

NOV 0,4% 1% 1% 1% 2% 3% 3% 3% 3% 3% 3% 3% 3% 4% 4% 4% 4% 5% 5% 6% 7% 9% 14% 3% 2% 1% 0,4% 0,1% 0,2% 0% 0%

DEZ 0,4% 1% 1% 1% 2% 2% 2% 2% 2% 3% 3% 3% 3% 3% 4% 4% 4% 5% 6% 6% 7% 11% 16% 5% 3% 1% 0,5% 0,2% 0,1% 0% 0%

ANO 0,4% 1% 1% 1% 2% 2% 2% 3% 3% 3% 3% 3% 3% 4% 4% 4% 5% 5% 6% 7% 9% 10% 10% 4% 2% 1% 1% 0,4% 0,2% 0,1% 0%

Quadro 10 - Distribuição de Irradiância para o ano de 2015. Não existem dados para os meses de maio, junho e julho. Existem
cerca de 50% de dias válidos para os meses de abril e agosto.
 91

Irradiância Solar (W/m²)

2016
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000 1050 1100 1150 1200 1250 1300 1350 1400 1450 1500

JAN 1% 2% 3% 4% 4% 4% 5% 5% 5% 4% 5% 4% 5% 4% 4% 4% 3% 3% 3% 3% 3% 4% 4% 4% 3% 3% 1% 1% 0,4% 0,2% 0,1%

FEV 0,3% 1% 1% 1% 2% 2% 2% 2% 2% 2% 2% 2% 2% 3% 3% 4% 5% 5% 6% 7% 7% 9% 13% 7% 4% 2% 1% 0,4% 0,2% 0,1% 0,1%

MAR 0,3% 1% 1% 1% 2% 2% 2% 2% 3% 3% 3% 3% 3% 3% 3% 4% 5% 5% 6% 7% 8% 12% 8% 5% 4% 2% 1% 0,4% 0,2% 0,1% 0,1%

ABR 0,4% 1% 1% 2% 2% 2% 3% 3% 3% 3% 4% 4% 4% 4% 5% 5% 6% 7% 9% 12% 10% 4% 2% 1% 1% 0,3% 0,1% 0% 0% 0% 0%

MAI 0,5% 1% 1% 2% 2% 2% 3% 3% 3% 4% 4% 5% 5% 6% 6% 8% 9% 12% 10% 6% 4% 2% 1% 0,2% 0% 0% 0% 0% 0% 0% 0%

JUN 0,5% 1% 2% 2% 3% 3% 3% 3% 3% 4% 4% 5% 6% 6% 7% 11% 18% 12% 4% 3% 1% 0,4% 0,1% 0% 0% 0% 0% 0% 0% 0% 0%

JUL 0,4% 1% 1% 2% 2% 3% 3% 3% 4% 4% 4% 4% 5% 6% 7% 8% 11% 15% 9% 3% 2% 1% 0,3% 0,1% 0% 0% 0% 0% 0% 0% 0%

AGO 0,4% 1% 1% 1% 2% 2% 2% 2% 3% 3% 4% 4% 4% 5% 6% 6% 7% 10% 16% 14% 5% 2% 0,4% 0,2% 0,1% 0,1% 0% 0% 0% 0% 0%

SET 0,4% 1% 1% 1% 2% 2% 2% 3% 3% 3% 3% 3% 3% 4% 4% 5% 5% 6% 8% 10% 16% 10% 2% 1% 1% 0,3% 0,1% 0,1% 0% 0% 0%

OUT 0,4% 1% 1% 1% 2% 2% 2% 2% 3% 3% 3% 3% 4% 4% 4% 4% 4% 5% 6% 7% 8% 10% 13% 4% 2% 1% 1% 0,2% 0,1% 0% 0%

NOV 0,5% 1% 2% 3% 3% 3% 3% 3% 3% 3% 3% 3% 3% 3% 3% 4% 4% 4% 5% 6% 7% 9% 12% 4% 2% 2% 1% 0,4% 0,1% 0,1% 0%

DEZ 1% 1% 2% 3% 3% 2% 3% 3% 3% 3% 3% 3% 3% 4% 4% 4% 4% 5% 5% 6% 6% 8% 8% 5% 3% 2% 2% 1% 0,2% 0,2% 0%

ANO 0,4% 1% 1% 2% 2% 2% 3% 3% 3% 3% 3% 4% 4% 4% 5% 5% 7% 7% 7% 7% 7% 6% 6% 3% 2% 1% 1% 0,3% 0,1% 0,1% 0%

Quadro 11 - Distribuição de Irradiância para o ano de 2016.

92

Irradiância Solar (W/m²)

TOTAL
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000 1050 1100 1150 1200 1250 1300 1350 1400 1450 1500

JAN 0,5% 1% 2% 2% 2% 3% 3% 3% 3% 3% 3% 3% 3% 4% 4% 4% 4% 5% 5% 5% 6% 7% 8% 6% 3% 3% 2% 1% 0,4% 0,2% 0,1%

FEV 0,5% 1% 1% 2% 2% 2% 3% 3% 3% 3% 3% 3% 3% 4% 4% 4% 4% 5% 5% 6% 6% 7% 10% 7% 4% 2% 1% 1% 0,4% 0,2% 0,1%

MAR 0,4% 1% 1% 2% 2% 2% 3% 3% 3% 3% 3% 3% 4% 4% 4% 4% 4% 5% 6% 7% 7% 9% 8% 5% 3% 2% 1% 1% 0,3% 0,1% 0%

ABR 0,5% 1% 1% 2% 2% 3% 3% 3% 3% 3% 4% 3% 4% 4% 5% 5% 5% 6% 8% 10% 9% 5% 4% 2% 1% 1% 0,2% 0% 0% 0% 0%

MAI 0,5% 1% 2% 2% 3% 3% 3% 4% 4% 4% 4% 5% 5% 5% 6% 7% 8% 12% 9% 6% 4% 2% 1% 0,5% 0,2% 0,1% 0% 0% 0% 0% 0%

JUN 0,5% 1% 2% 2% 3% 3% 3% 4% 4% 4% 4% 5% 5% 6% 7% 10% 15% 13% 4% 3% 1% 1% 0,2% 0% 0% 0% 0% 0% 0% 0% 0%

JUL 0,5% 1% 1% 2% 3% 3% 3% 3% 4% 4% 4% 5% 5% 6% 7% 8% 11% 14% 9% 4% 2% 1% 0,4% 0,2% 0% 0% 0% 0% 0% 0% 0%

AGO 0,3% 1% 1% 1% 2% 2% 2% 3% 3% 3% 3% 4% 4% 5% 5% 6% 7% 10% 14% 14% 6% 2% 1% 0,3% 0,1% 0,1% 0% 0% 0% 0% 0%

SET 0,3% 1% 1% 1% 1% 2% 2% 2% 2% 3% 3% 3% 3% 4% 4% 5% 5% 6% 8% 11% 16% 11% 3% 1% 1% 0,4% 0,1% 0% 0% 0% 0%

OUT 0,4% 1% 1% 1% 2% 2% 2% 2% 2% 3% 3% 3% 3% 3% 4% 4% 5% 5% 6% 7% 9% 13% 12% 3% 1% 1% 0,4% 0,1% 0,1% 0% 0%

NOV 0,5% 1% 2% 2% 2% 3% 3% 3% 3% 3% 3% 3% 3% 4% 4% 4% 5% 5% 5% 6% 7% 9% 12% 4% 2% 1% 1% 0,3% 0,1% 0% 0%

DEZ 0,5% 1% 1% 2% 2% 2% 3% 3% 3% 3% 3% 3% 3% 3% 4% 4% 4% 5% 5% 6% 6% 9% 11% 5% 3% 2% 1% 1% 0,2% 0,1% 0%

ANO 0,4% 1% 1% 2% 2% 2% 3% 3% 3% 3% 3% 3% 4% 4% 4% 5% 6% 7% 7% 7% 7% 7% 7% 3% 2% 1% 1% 0,3% 0,1% 0,1% 0%

Quadro 12 - Distribuição de Irradiância para todo o período analisado (2014, 2015 e 2016).
 93

O Quadro 13 mostra a distribuição da energia solar (irradiação)

incidente para os principais intervalos de irradiância para todo o período
analisado.

Distribuição de Irradiância (Energia)

JAN-FEV MAR-ABR MAI-JUN JUL-AGO SET-OUT NOV-DEZ ANUAL
G<300 9% 9% 10% 9% 7% 10% 9%
300<=G<700 25% 26% 34% 30% 22% 24% 26%
700<=G<1000 27% 35% 50% 55% 35% 28% 36%
1000<=G<1200 29% 25% 5% 6% 34% 31% 24%
G>=1200 9% 5% 0% 0% 2% 6% 4%
Quadro 13 - Distribuição de irradiância para todo o período analisado (2014,
2015 e 2016).

Os intervalos de irradiância foram definidos em função das

características do inversor e do módulo FV para o atual dimensionamento
do sistema FV. Para valores de irradiância G≤ 300, o inversor utilizado
possui uma menor eficiência quando comparado à eficiência nominal do
equipamento. Baixos níveis de irradiância também possuem influência no
desempenho do módulo FV.
Quando módulos FV são testados em laboratório, sua eficiência é
medida sob irradiância de 1000 W/m², que equivale à irradiância máxima
de um dia claro sem nuvens. Apesar de grande parte da energia de um
sistema FV ser gerada sob altos níveis de irradiância (Burger e Rüther,
2006), dependendo da época do ano e índice de nebulosidade, baixas
irradiâncias podem ter grande influência no desempenho do sistema FV
(Rüther et al., 2010).
Os valores de irradiância 300<G≤700 estão relacionados aos
maiores níveis de eficiência do inversor utilizado no projeto, quando este
se encontra submetido a carregamentos típicos de sistemas FV, de cerca
de 120 %.
O intervalo de irradiância 700<G≤1000, assim como o intervalo
anterior, está relacionado à melhor eficiência do inversor, para um sistema
FV utilizando carregamento próximo a 90%, que é o utilizado no
dimensionamento do sistema em estudo. Este intervalo de irradiância
94

também apresenta o limite superior de 1000 W/m², que equivale à

irradiância máxima padrão de um dia claro sem nuvens.
Para irradiâncias acima de 1000 W/m² tem-se uma quebra em 1200
W/m², representando o valor no qual possivelmente ocorreriam perdas
por ceifamento (“clipping”) para sistemas com carregamentos próximos
ao unitário (100%).
Para o período analisado, a maior parte da energia (irradiação),
está entre 300 W/m² e 1000 W/m², correspondendo a cerca de 62% da
irradiação total recebida. Cerca de 28% da irradiação encontra-se com
níveis iguais ou superiores ao valor padrão de 1000 W/m2 e 4% da
irradiação encontra-se com níveis superiores a 1200 W/m².

4.2.1. DISTRIBUIÇÃO DE IRRADIÂNCIA – INTERVALO DE

AQUISIÇÃO

Um fator importante que deve ser levado em consideração na

análise da distribuição de irradiância é o intervalo de aquisição de dados,
isto é, o intervalo em que o sistema de aquisição de dados faz a leitura e
registro da irradiância. Uma vez que o instrumento de medição faz a
média das medidas lidas no intervalo definido, quanto maior o intervalo
de aquisição de dados, menor o peso de cada ponto individualmente.
Sendo assim, o registro de efeitos de pouca duração – como o efeito borda
de nuvem – acaba sendo prejudicado, conforme já foi apresentado na
Figura 8.
 95

Figura 38 - Distribuição de irradiância para diferentes intervalos de aquisição de

dados para o ano de 2014.

Figura 39 - Energia acumulada da distribuição de irradiância para diferentes

intervalos de aquisição de dados para o ano de 2014.

As Figura 38 e Figura 39 explicitam a influência do intervalo de

aquisição de dados na distribuição de irradiância, tomado como exemplo
o ano de 2014. Como pode ser observado, para intervalos de aquisição
elevados, como o intervalo de 1h (que é comumente utilizado em
96

softwares de simulação) a energia associada aos maiores níveis de

irradiância é distribuída para níveis menores.
Mais especificamente, na Figura 39, nota-se que, para a curva de
medição de 1 hora, só existe 5% de energia acima de 1000 W/m²;
enquanto que, para a curva de medição de 1 minuto, existe 18% de energia
acima de 1000 W/m². Para uma análise de eficiência e/ou
sobrecarregamento de inversores, é necessário que a curva de distribuição
de energia seja o mais real possível, uma vez que a potência de saída do
sistema FV depende diretamente do nível de irradiância incidente. Para o
intervalo de aquisição de dados de geração utilizado neste trabalho, que é
de 5 minutos, observa-se, para o caso da irradiância, que cerca de 15% da
energia se encontra acima de 1000 W/m². Este valor é consideravelmente
mais próximo daquele encontrado para o intervalo de 1 minuto.

4.3. DESEMPENHO DOS SISTEMAS

4.3.1. TAXA DE DESEMPENHO (PERFORMANCE RATIO – PR)

A Figura 40 e o Quadro 14, resumem os resultados de

desempenho (Performance Ratio – PR) das tecnologias FV estudadas
para o ano de 2014. Na análise de desempenho dos sistemas puderam ser
observados e identificados diversos fatores que contribuíram
positivamente ou negativamente no desempenho das tecnologias FV.
Com base na natureza física de cada fenômeno, e no conhecimento prévio
de alguns aspectos de desempenho de cada tecnologia FV, poderia-se
elaborar hipóteses para explicar a causa dos eventos observados, porém
foge ao escopo deste trabalho realizar tal análise.
De todo modo, pode-se citar os principais fatores que
influenciam o desempenho dos sistemas:

 Degradação inicial;
 Acúmulo de sujeira;
 Resposta espectral das diferentes tecnologias FV;
 Resposta sob baixas irradiâncias (weak-light response);
 97

 Perdas por temperatura em módulos FV;

Alguns pontos marcantes podem ser observados no gráfico

(Figura 40). A tecnologia de silício amorfo (a-Si) inicia a operação com
desempenho consideravelmente superior às demais. Isso ocorre porque os
módulos de silício amorfo ainda estão na fase de estabilização do efeito
Staebler-Wronski7. Devido a esta estabilização inicial, os módulos da
tecnologia a-Si são normalmente comercializados com potência inicial
superior à nominal.
Entre os meses de julho e setembro foi observada uma forte
redução de desempenho em todas as tecnologias avaliadas; esta redução
foi causada devido a um acúmulo de sujeira atípico e repentino sobre os
módulos FV. No mês de Outubro, observou-se uma relevante melhora no
desempenho de todas as tecnologias. Esta melhora deve-se à limpeza do
sistema realizada entre 29 de Setembro e 02 de Outubro de 2014, durante
a avaliação do acúmulo de sujeira.
Por fim, observa-se que as tecnologias CIGS e a-Si/μc-Si tiveram
um desempenho consistentemente inferior às demais. Durante as
medições IxV dos sistemas, tanto no comissionamento quanto durante a
avaliação do acúmulo de sujeira, foram encontradas divergências entre as
potências declaradas pelos fabricantes e as medidas e corrigidas para as
condições padrão, com destaque para as tecnologias CIGS e a-Si/μc-Si,
que apresentaram divergências negativas, sendo que a última somente na
segunda medição, após sua degradação inicial. Porém, para poder fazer
qualquer comparação com os valores declarados pelos fabricantes, faz-se
necessário realizar as medições em ambiente controlado, replicando-se as
condições padrão de teste (STC), e utilizando equipamentos e
metodologia reconhecidos internacionalmente.

7
Quando o silício amorfo é exposto à luz, ele sofre mudanças em suas
propriedades materiais que acarretam em uma redução de sua fotocondutividade,
causando uma redução em sua eficiência. (Staebler e Wronski, 1977)
98

Figura 40 - Performance Ratio c.a. - Temperatura média estimada do módulo FV.

 99

Tecnologia 1º Bimestre 2º Bimestre 3º Bimestre 4º Bimestre 5º Bimestre 6º Bimestre Média

JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ

Temp. Média 49,5 49,6 50,5 49,9 49,2 47,9 47,5 48,2 49,9 49,9 49,9 48,67 49,2

a-Si/µc-Si 82,1% 81,6% 81,0% 80,7% 79,3% 78,2% 77,0% 75,8% 75,4% 77,5% 78,0% 77,9% 78,7%

a-Si 93,8% 91,1% 89,6% 89,7% 85,4% 82,7% 80,9% 79,1% 79,7% 82,6% 83,8% 83,0% 85,1%

CIGS 79,1% 78,9% 77,4% 76,5% 76,6% 76,9% 76,6% 76,2% 75,0% 76,5% 76,3% 76,5% 76,9%

m-Si 83,2% 84,1% 83,3% 83,4% 82,1% 81,8% 81,8% 82,4% 81,1% 83,7% 84,2% 85,1% 83,0%

p-Si 83,4% 84,2% 83,2% 83,2% 82,4% 82,2% 81,7% 79,2% 75,7% 82,9% 83,5% 84,3% 82,2%

Quadro 14 - Performance Ratio c.a.

100

4.3.2. PRODUTIVIDADE (YIELD)

Outra figura de mérito relevante é a Produvitidade (Yield), do

sistema, medida em kWh/kWp. Na Figura 41, é apresentada a
Produtividade mensal dos cinco sistemas para todo o ano.
No caso específico da avaliação de desempenho entre sistemas
instalados no mesmo local e com mesma orientação, a Produtividade não
acrescenta informação relevante além da Taxa de Desempenho, sendo
somente útil para a comparação com sistemas instalados em outras
localidades ou orientações.
A produtividade dos sistemas, conforme esperado, acompanhou
a irradiação mensal. A menor produtividade foi obtida no mês de
novembro para a tecnologia de CIGS, 122,94 kWh/kWp.mês, e a maior
no mês de janeiro para a tecnologia de a-Si (antes de sua degradação
inicial), 187,8 kWh/kWp.mês. As produtividades médias variaram de
142,7 para a tecnologia de CIGS a 157,8 para a tecnologia de a-Si.
O Quadro 15 mostra a produtividade mensal média para as cinco
tecnologias avaliadas. O ranking das tecnologias por produtividade é o
mesmo que pela taxa de desempenho, conforme esperado.

Produtividade
Tecnologia
(kWh/kWp.mês)
a-Si/uc-Si 145,97
a-Si 157,85
CIGS 142,67
m-Si 153,97
p-Si 152,28
Quadro 15 - Produtividade mensal média.

A produtividade mensal média dos sistemas (considerando todas

as tecnologias), para o ano de 2014, foi de aproximadamente 150
kWh/kWp.mês. Esse valor é consideravelmente alto, entre os maiores
obtidos em território nacional, e coerente com os índices de irradiação
medidos no local.
 101

Figura 41 – Produtividade (Yield) mensal das cinco tecnologias para o ano de 2014
102

4.3.3. FATOR DE CAPACIDADE

A Figura 42 apresenta os valores mensais do fator de capacidade

para as cinco tecnologias do sistema FV. O fator de capacidade médio
para todas as tecnologias para o ano de 2014 foi de 20%.
Nos projetos vencedores do leilões, são observados fatores de
capacidade na faixa entre 18,0% e 31,5%. O fator de capacidade dos
empreendimentos vendedores que utilizam estrutura de suporte fixa
apresentaram valores de 18,0% a 25,0%.
Portanto, o valor de 20% obtido nesse estudo é bastante coerente
e é relativamente elevado em se tratando de um sistema fixo (sem
rastreamento) e com sub-dimensionamento do gerador com relação ao
inversor. O valor obtido reflete o alto índice de irradiação observado na
região.
Conforme já mencionado, uma das maneiras de aumentar-se o
fator de capacidade de um sistema FV é aumentando-se o carregamento
do inversor (FCI), ou utilizando-se o rastreamento (de um ou dois eixos).
 103

Figura 42 - Fator de capacidade.

104

4.4. ANÁLISE DE CARREGAMENTO DO INVERSOR

4.4.1. PERDAS POR SOBRECARREGAMENTO

As perdas por sobrecarregamento (overload loss), ou por

“ceifamento” (clipping), ocorrem normalmente quando o sistema FV
possui uma configuração com o inversor sobrecarregado (Potência do
painel fotovoltaico superior à nominal do inversor). Quando a potência
dos módulos ultrapassa a potência nominal cc do inversor, por exemplo
devido a elevados níveis de irradiância, o inversor sai da operação em
MPP, limitando a potência convertida a um valor máximo seguro. No
caso dos sistemas aqui estudados, os carregamentos variam de 83% a
91%. Esses valores de carregamento, foram escolhidos justamente
visando reduzir ao máximo as perdas por ceifamento, para que estas
tivessem mínimo efeito nas análises de desempenho.
A Figura 43 ilustra a título de exemplo a energia gerada e
descartada devido a um sobrecarregamento de 150% do inversor utilizado
no projeto com a tecnologia a-Si/uc-Si para um dia limpo sem nuvens.
 105

Figura 43 - Curvas de irradiância e energia (parcela gerada e perdida) para um

dia limpo, considerando um carregamento de 150% para a tecnologia a-Si/uc-Si.

Conforme já mencionado, a região estudada, no nordeste

brasileiro, está sujeita a níveis de irradiação elevados. Isso fez com que,
para a tecnologia de silício amorfo, ainda em seu estágio inicial de
estabilização, pudesse ser observado o fenômeno do “ceifamento”.
A Figura 44 mostra a potência ca, com cada ponto representando
um período de 5 minutos, do inversor relacionada com seus respectivos
valores de irradiância. É possível visualizar claramente a saturação da
potência ca em 2500 W, para valores de irradiância maiores que 1200
W/m².
A irradiação perdida por ceifamento (overload loss) para o
período analisado foi estimada em 707,6 Wh/m² ou 0,1022% (energia
perdida foi estimada em 1,34 kWh) e ocorreu somente para a tecnologia
de a-Si nos primeiros quatro meses de operação, sendo significativa
apenas nos dois primeiros meses. Para os meses de março e abril, houve
apenas três pontos em que ocorreu a limitação de potência por parte do
inversor.
106

Figura 44 - Potência ca x irradiância (Tecnologia a-Si).

4.4.2. ANÁLISE PARA DIFERENTES FATORES DE

CARREGAMENTO DO INVERSOR - FCI

As perdas para os diferentes carregamentos foram estimadas

aplicando-se a metodologia proposta neste trabalho.
O Quadro 16 e a Figura 45 mostram as perdas por
sobrecarregamento do inversor (overload loss) para cada tecnologia e
diferentes FCI.
 107

FCI a-si/uc-si a-Si CIGS m-Si p-Si

Real 0,0% 0,0% 0,0% 0,0% 0,0%
100% 0,0% 0,2% 0,0% 0,0% 0,0%
105% 0,1% 0,5% 0,0% 0,1% 0,1%
110% 0,3% 0,9% 0,0% 0,2% 0,2%
115% 0,5% 1,6% 0,1% 0,6% 0,5%
120% 1,0% 2,4% 0,3% 1,2% 1,0%
125% 1,7% 3,5% 0,7% 2,2% 1,8%
130% 2,7% 4,8% 1,3% 3,3% 2,9%
135% 3,9% 6,3% 2,1% 4,7% 4,2%
140% 5,2% 7,8% 3,2% 6,1% 5,6%
145% 6,5% 9,3% 4,4% 7,6% 7,0%
150% 8,0% 10,8% 5,7% 9,1% 8,5%

Quadro 16 - Perdas por sobrecarregamento (overload loss) para cada tecnologia

e diferentes FCI (em relação à potência c.a. do inversor).

Figura 45 - Perdas por sobrecarregamento (overload loss) para cada tecnologia

e diferentes FCI (em relação à potência c.a. do inversor).

Como pode ser observado, as perdas reais por sobrecarregamento

no inversor são praticamente nulas, conforme era esperado. À medida
108

que o carregamento do inversor aumenta, as perdas por

sobrecarregamento crescem quase que exponencialmente, atingindo um
máximo de quase 11% para a tecnologia a-Si. Para carregamentos
normalmente empregados no projeto de usinas FV (nas redondezas de
120%), as perdas por sobrecarregamento variam de 0,3 a 2,4%,
dependendo da tecnologia.
No estudo realizado por Burger e Rüther (2006), é definido um
critério de perdas máximas por sobrecarregamento de 0,5%, resultando
em um carregamento ótimo, em relação a potência c.a. do inversor, em
torno de 120%, para a tecnologia de silício cristalino operando na região
de Florianópolis. Ao aplicar o mesmo critério para este estudo, obtém-se
um carregamento ótimo de 115% para a mesma tecnologia, ou seja, cerca
de 5% menor que para Florianópolis. Esse resultado é esperado pois a
região estudada possui níveis de irradiância maiores que em
Florianópolis.
Para realizar uma otimização do carregamento dos inversores
visando o melhor custo-benefício (melhor retorno do investimento), foi
aplicada a metodologia proposta neste trabalho, que leva em consideração
o custo da adição de potência c.c. ao sistema (custo dos módulos FV,
estrutura metálica, mão-de-obra c.c. e etc) e sua geração adicional ao
sistema, já consideradas as perdas por sobrecarregamento. A razão entre
essas duas variáveis (incremento de geração total dividido pelo
incremento no custo total) deve ser maximizada para atingir o ponto
ótimo de FCI. De maneira geral, pode-se afirmar que, quanto mais baratos
forem os módulos FV (ou relativamente mais caros forem os inversores e
o restante do sistema), torna-se mais vantajoso aumentar o carregamento,
sendo que no limite (adição de módulos FV com custo zero) o
carregamento ideal tenderia a valores muito elevados (tendendo ao
infinito).
As Figura 46, Figura 47, Figura 48, Figura 49 e Figura 50
mostram os resultados da otimização do FCI para as cinco tecnologias
estudadas. Os FCI ótimos, para cada proporção de custo c.c. (que varia de
60 a 80%), estão indicados em roxo.
 109

FCI ótimo (a-Si/uc-Si)

Proporção de Custo c.c.
FCI
60% 61% 62% 63% 64% 65% 66% 67% 68% 69% 70% 71% 72% 73% 74% 75% 76% 77% 78% 79% 80%
100% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
101% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
102% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
103% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
104% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
105% 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
106% 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
107% 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01
108% 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01
109% 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01
110% 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02
111% 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02
112% 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02
113% 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02
114% 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02
115% 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02
116% 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02
117% 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
118% 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
119% 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02
120% 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02
121% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02
122% 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02
123% 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02
124% 1,07 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02
125% 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02
126% 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02
127% 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02
128% 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02
129% 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02
130% 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02
131% 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02
132% 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02
133% 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02
134% 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02
135% 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,01
136% 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01
137% 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01
138% 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01
139% 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01
140% 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01
141% 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00
142% 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00
143% 1,07 1,07 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00
144% 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00
145% 1,07 1,06 1,06 1,06 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00
146% 1,07 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99
147% 1,07 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99
148% 1,06 1,06 1,06 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,00 1,00 1,00 0,99 0,99
149% 1,06 1,06 1,06 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99
150% 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99

Figura 46 – FCI ótimo (em roxo) para a tecnologia a-Si/uc-Si de acordo com
diferentes proporções de custo c.c. e fatores de carregamento de inversor.
110

FCI ótimo (a-Si)

Proporção de Custo c.c.
FCI
60% 61% 62% 63% 64% 65% 66% 67% 68% 69% 70% 71% 72% 73% 74% 75% 76% 77% 78% 79% 80%
100% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
101% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
102% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
103% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
104% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,00 1,00 1,00 1,00 1,00
105% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,00 1,00
106% 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
107% 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
108% 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
109% 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
110% 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01
111% 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01
112% 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01
113% 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01
114% 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01
115% 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01
116% 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01
117% 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01
118% 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01
119% 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01
120% 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01
121% 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01
122% 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01
123% 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01
124% 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01
125% 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00
126% 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,00
127% 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00 1,00
128% 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,00 1,00
129% 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00 1,00 1,00
130% 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00 1,00 1,00 1,00
131% 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00 1,00 1,00 1,00
132% 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00 1,00 1,00 1,00 0,99
133% 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99
134% 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00 1,00 1,00 1,00 0,99 0,99
135% 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99
136% 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,99
137% 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 1,00 0,99 0,99 0,99 0,98
138% 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,99 0,98
139% 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98
140% 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98 0,98
141% 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,99 0,98 0,98 0,98
142% 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98 0,98 0,97
143% 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98 0,98 0,98 0,97
144% 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98 0,98 0,97 0,97
145% 1,04 1,03 1,03 1,03 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98 0,98 0,97 0,97 0,97
146% 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98 0,97 0,97 0,97 0,97
147% 1,03 1,03 1,03 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98 0,98 0,97 0,97 0,97 0,96
148% 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,98 0,98 0,98 0,97 0,97 0,97 0,96 0,96
149% 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98 0,98 0,97 0,97 0,97 0,96 0,96
150% 1,03 1,03 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,98 0,98 0,98 0,97 0,97 0,97 0,96 0,96 0,96

Figura 47 - FCI ótimo (em roxo) para a tecnologia a-Si de acordo com
diferentes proporções de custo c.c. e fatores de carregamento de inversor.
 111

FCI ótimo (CIGS)

Proporção de Custo c.c.
FCI
60% 61% 62% 63% 64% 65% 66% 67% 68% 69% 70% 71% 72% 73% 74% 75% 76% 77% 78% 79% 80%
100% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
101% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
102% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,00 1,00 1,00 1,00 1,00 1,00
103% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
104% 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
105% 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
106% 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01
107% 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01
108% 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01
109% 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02
110% 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02
111% 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02
112% 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02
113% 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
114% 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02
115% 1,05 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03
116% 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03
117% 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03
118% 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03
119% 1,07 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03
120% 1,07 1,07 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03
121% 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03
122% 1,07 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03
123% 1,08 1,07 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03
124% 1,08 1,08 1,07 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03
125% 1,08 1,08 1,07 1,07 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03
126% 1,08 1,08 1,08 1,07 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04
127% 1,08 1,08 1,08 1,08 1,07 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04
128% 1,08 1,08 1,08 1,08 1,07 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04
129% 1,09 1,08 1,08 1,08 1,08 1,07 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04
130% 1,09 1,08 1,08 1,08 1,08 1,07 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04
131% 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,03
132% 1,09 1,09 1,08 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03
133% 1,09 1,09 1,08 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03
134% 1,09 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03
135% 1,09 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03
136% 1,09 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03
137% 1,09 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03
138% 1,09 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03
139% 1,09 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03
140% 1,09 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03
141% 1,09 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03
142% 1,09 1,09 1,09 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02
143% 1,09 1,09 1,09 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02
144% 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02
145% 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02
146% 1,09 1,09 1,08 1,08 1,08 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,02 1,02 1,02
147% 1,09 1,09 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02
148% 1,09 1,09 1,08 1,08 1,07 1,07 1,07 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,02 1,02 1,02 1,01
149% 1,09 1,08 1,08 1,08 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01
150% 1,09 1,08 1,08 1,08 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,01 1,01

Figura 48 - FCI ótimo (em roxo) para a tecnologia CIGS de acordo com
diferentes proporções de custo c.c. e fatores de carregamento de inversor.
112

FCI ótimo (m-Si)

Proporção de Custo c.c.
FCI
60% 61% 62% 63% 64% 65% 66% 67% 68% 69% 70% 71% 72% 73% 74% 75% 76% 77% 78% 79% 80%
100% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
101% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
102% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
103% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
104% 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
105% 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
106% 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
107% 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01
108% 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01
109% 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02
110% 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02
111% 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02
112% 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02
113% 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02
114% 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02
115% 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02
116% 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02
117% 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02
118% 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
119% 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
120% 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
121% 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
122% 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
123% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02
124% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02
125% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02
126% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02
127% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02
128% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02
129% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01
130% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01
131% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01
132% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01
133% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01
134% 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01
135% 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01
136% 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00
137% 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00
138% 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,00 1,00
139% 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00
140% 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 1,00
141% 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99
142% 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99
143% 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99
144% 1,06 1,05 1,05 1,05 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99
145% 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 0,99 0,99 0,99 0,99
146% 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98
147% 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98
148% 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98
149% 1,05 1,05 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98 0,98 0,98
150% 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,98 0,98 0,98 0,97

Figura 49 FCI ótimo (em roxo) para a tecnologia m-Si de acordo com diferentes
proporções de custo c.c. e fatores de carregamento de inversor.
 113

FCI ótimo (p-Si)

Proporção de Custo c.c.
FCI
60% 61% 62% 63% 64% 65% 66% 67% 68% 69% 70% 71% 72% 73% 74% 75% 76% 77% 78% 79% 80%
100% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
101% 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
102% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,00 1,00 1,00 1,00 1,00 1,00 1,00
103% 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
104% 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
105% 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
106% 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01
107% 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,01 1,01
108% 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,01 1,01
109% 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02
110% 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02
111% 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02 1,02
112% 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02 1,02
113% 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,02
114% 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02
115% 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02 1,02
116% 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
117% 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
118% 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02 1,02
119% 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02
120% 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02
121% 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,03 1,02
122% 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02
123% 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02
124% 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02
125% 1,07 1,06 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02
126% 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02
127% 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,03 1,02 1,02
128% 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02
129% 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02
130% 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02
131% 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02
132% 1,07 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,02
133% 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01
134% 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01
135% 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01
136% 1,07 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01
137% 1,07 1,06 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01
138% 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,01
139% 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,00
140% 1,07 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00
141% 1,07 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00
142% 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00
143% 1,06 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00
144% 1,06 1,06 1,06 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99
145% 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,00 1,00 1,00 0,99 0,99
146% 1,06 1,06 1,05 1,05 1,05 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99
147% 1,06 1,06 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99
148% 1,06 1,05 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99
149% 1,06 1,05 1,05 1,05 1,04 1,04 1,03 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,00 1,00 1,00 0,99 0,99 0,99 0,98
150% 1,06 1,05 1,05 1,04 1,04 1,04 1,03 1,03 1,02 1,02 1,02 1,01 1,01 1,01 1,00 1,00 0,99 0,99 0,99 0,98 0,98

Figura 50 - FCI ótimo (em roxo) para a tecnologia p-Si de acordo com
diferentes proporções de custo c.c. e fatores de carregamento de inversor.
114

Observa-se que o FCI ótimo é bastante sensível à proporção de

custo c.c. do sistema. Se considerarmos o valor médio de proporção de
custo c.c. estimado neste trabalho, de 68%, temos FCIs ótimos de 128%,
122%, 134%, 125% e 127%, respectivamente, para as tecnologias de a-
Si/uc-Si, a-Si, CIGS, m-Si e p-Si. O Quadro 17 resume os resultados
encontrados.

FCI Ótimo
Proporção c.c. a-si/uc-si a-Si CIGS m-Si p-Si
62% (mín.) 132% 126% 138% 128% 130%
68% (média) 128% 122% 134% 125% 127%
75% (máx.) 125% 118% 131% 121% 123%
Quadro 17 - Resumo dos FCIs ótimos de acordo com a variação estimada para a
proporção de custo c.c.

Para as tecnologias FV mais consolidadas e mais comumente

empregadas em usinas FV, tais como m-Si e p-Si, o FCI ótimo fica entre
121% e 130%, dependendo da proporção de custo c.c., com valor médio
de 126%. Aceitando-se, portanto, perdas por sobrecarregamento entre
1,37% e 2,93%, com valor médio (ótimo) de 2,16% (m-Si) e 2,25% (p-
Si). As perdas por sobrecarregamento que resultariam em um FCI ótimo,
para as tecnologias de silício cristalino, foram ligeiramente superiores aos
0,5% estabelecidos por Burger e Rüther (2006).
 115

4.5. SISTEMA DE AQUISIÇÃO DE DADOS

O sistema de aquisição de dados do sistema FV apresentou falha a

partir do dia 11 de abril até o dia 13 de maio de 2014, data na qual o
datalogger do sistema foi substituído. Apesar da substituição, o novo
datalogger apresentou falhas nos dias 22 a 25 de maio, mas voltou a
funcionar corretamente.
O sistema de aquisição de dados novamente apresentou falha entre
os dias 02 e 21 de Julho de 2014. Neste período, o datalogger não
armazenou dados em sua memória.
O sistema de aquisição de dados da estação solarimétrica apresentou
falhas no período de 19 a 21 de novembro de 2014. Os dados para estes
dias foram calculados utilizando interpolação dos dados presentes.
Além disso, o datalogger Sunny Webbox conectado aos inversores
atualizou seu relógio para horário de verão, o que fez com que os dados
dos inversores ficassem dessincronizados com os dados da estação
solarimétrica. Esse problema foi resolvido atrasando em uma hora os
dados do datalogger.
No ano de 2015, ocorreram também falhas no envio e no
armazenamento local dos dados da estação solarimétrica, sendo
comprometidos os dados entre 17 de Abril e 17 de Agosto de 2015.
Devido a esse erro, criou-se um procedimento redundante, no qual a
equipe técnica do parque eólico (responsável de campo pelo projeto
fotovoltaico) coletava periodicamente, de forma manual, os dados da
estação solarimétrica. A partir disso não houveram mais dados perdidos.
Os dados do ano de 2016 não possuem qualquer falha ou intermitência.
Para os dados de geração dos inversores (Sunny Webbox),
durante o ano de 2015 surgiram problemas de comunicação entre os
inversores e o datalogger (o equipamentos de comunicavam via um cabo
RS-485 por uma distância de cerca de 350 metros). Os problemas
alternavam entre falha de comunicação em um ou dois dos inversores, até
todos os cinco. Por esses motivos, para o ano de 2015, apenas os 3
primeiros meses possuem dados completos. Visando evitar futuras perdas
de dados, recentemente foi feita uma reestruturação da infraestrutura de
116

comunicação do projeto, utilizando transmissão sem fio de internet ponto

a ponto entre o servidor e o local dos inversores.
Devido às falhas apresentadas, todas as análises foram feitas para os
períodos com disponibilidade de dados de boa representatividade e para
os períodos com falha, em alguns casos, foram estimados os dados
utilizando-se os dias em que o sistema de aquisição de dados apresentou
dados corretamente (fazendo-se extrapolação de dados diários para dados
mensais, quando viável), ou, em casos particulares, utilizando
interpolação de dados.
Mesmo com algumas falhas nos dados, as análises como um todo
não foram prejudicadas e a metodologia desenvolvida pôde ser aplicada
de maneira satisfatória.
 117

5 CONCLUSÃO

Este trabalho apresentou os resultados de desempenho de cinco

tecnologias FV diferentes operando no nordeste Brasileiro, para o período
compreendido entre os meses de janeiro a dezembro de 2014. O sistema
foi avaliado comparando-se dados medidos de diversas variáveis elétricas
com dados adquiridos pela estação solarimétrica.
Os dados de irradiação global horizontal medidos durante três
anos (2014, 2015 e 2016) foram comparados com os dados de diferentes
bancos de dados de irradiação e foram encontradas variações,
considerando médias anuais, entre 5,3% e 13,9%, dependendo do banco
de dados analisado.
Apesar de o valor medido ser relativamente próximo ao estimado
pelo Atlas Solarimétrico Brasileiro, estando os valores médios
encontrados dentro do rMBE (desvio médios relativos) para a região,
idealmente seriam ainda necessários mais anos de dados para poder
afirmar que o atlas é uma boa estimativa da irradiação para a região.
A análise da distribuição de irradiância mostrou que para o
período analisado, a maior parte da energia (irradiação), está contida entre
300 W/m² e 1000 W/m², correspondendo a cerca de 62% da irradiação
total recebida. Cerca de 28% da irradiação encontra-se com níveis iguais
ou superiores ao valor padrão de 1000 W/m² e 4% da irradiação encontra-
se com níveis superiores a 1200 W/m². Esses valores mostram o grande
potencial solar da região, com destaque para a quantidade de energia
disponível em altas irradiâncias e, consequentemente, à necessidade de
realizar estudos para a otimização do dimensionamento dos componentes
do sistema, principalmente o inversor. Foi também possível observar
características locais marcantes, com maior nebulosidade nos meses de
verão e consequentemente maior ocorrência do efeito borda de nuvem.
Durante a avaliação das tecnologias fotovoltaicas foi possível
observar os efeitos da degradação inicial para as tecnologias de filmes
finos, em especial, para silício amorfo (a-Si).
A Taxa de Desempenho (PR) anual variou de 76,9% a 85,1%,
dependendo da tecnologia, sendo que o pior desempenho foi verificado
na tecnologia de CIGS e o melhor na de a-Si. Durante o período avaliado
118

as tecnologias que apresentaram melhor desempenho foram a-Si, m-Si e

p-Si. Contudo, as tecnologias de silício cristalino, devido à disposição de
suas células no módulo FV, durante os períodos com maior incidência de
sujeira, tiveram maior queda de desempenho. Nas medições IxV dos
sistemas, tanto no comissionamento quanto durante a avaliação de
soiling, para algumas tecnologias, foram encontradas divergências entre
as potências declaradas pelos fabricantes e as medidas e corrigidas para
as condições padrão, com destaque para as tecnologias CIGS e a-Si/μc-
Si, que apresentaram divergências negativas, sendo que a última somente
na segunda medição, após sua degradação inicial. Porém, para poder
fazer qualquer comparação com os valores declarados pelos fabricantes,
faz-se necessário realizar as medições em ambiente controlado,
replicando-se as condições padrão de teste (STC), e utilizando
equipamentos e metodologia reconhecidos internacionalmente.
O fator de capacidade médio das tecnologias foi de 20% e a
produtividade (yield) média mensal foi de 150 kWh/kWp.mês. O fator de
capacidade encontrado é bastante elevado em se tratando de um sistema
fixo com subdimensionamento do inversor. A produtividade também foi
elevada e possivelmente entre as maiores encontradas no Brasil. Os
valores encontrados são coerentes com os níveis de irradiação medidos
na região.
Foram estimadas as perdas por sobrecarregamento para
diferentes fatores de carregamento de inversor (FCI) para as cinco
tecnologias. Observou-se que para carregamentos normalmente
empregados no projeto de usinas FV (nas redondezas de 120%), as perdas
por sobrecarregamento variam de 0,3% a 2,4%, dependendo da
tecnologia. O FCI ótimo, para as tecnologias FV mais consolidadas e mais
comumente empregadas em usinas FV (m-Si e p-Si), foi estimado em
cerca de 126%. Os resultados obtidos apontam para a utilização de
carregamentos cerca de 5% menores para a região em relação aos
carregamentos ótimos para Florianópolis, onde, em estudos passados, foi
utilizado como critério perdas máximas de 0,5%.
Devido a problemas ocorridos nos sistemas de aquisição de
dados durante o decorrer do projeto, parte dos dados foi comprometida.
Sobre o conjunto de dados coletados com sucesso, onde ocorriam, de
 119

maneira pontual, dados considerados espúrios (valores não realistas), foi

realizada a interpolação de dados. Também, em alguns casos, foi feita
extrapolação de dados (de base diária para mensal), quando tecnicamente
viável, sem prejuízo para as análises. Por este motivo, parte das analises
abrangem um ano de dados e outra parte três anos. Alguns dos dados
fornecidos, principalmente relacionados a custos de equipamentos,
naturalmente irão sofrer mudanças com o passar dos anos e de acordo
com particularidades de cada projeto. Por fim, ressalta-se que os
resultados obtidos, são válidos para o conjunto de dados disponíveis e que
a metodologia desenvolvida pôde ser aplicada de maneira satisfatoria.
120
 121

REFERÊNCIAS

ABB. PRODUCT MANUAL - PRO-33.0-TL string inverters. 2015.

ABB. PRODUCT FLYER FOR PVI-3.0/3.6/3.8/4.2-TL-OUTD. 2015.

ABB. PRODUCT FLYER FOR UNO-DM-1.2/2.0/3.0 -TL-PLUS. 2017.

ABNT. NBR 10899:2006 - Energia Solar Fotovoltaica – Terminologia.

2006.

ALMEIDA, M.P., ZILLES, R. & LORENZO, E. Extreme overirradiance

events in São Paulo, Brazil. Solar Energy 110, pp. 168-171. 2014.

ANDRADE, R.C., & TIBA, C. Extreme global solar irradiance due to

cloud enhancement in northeastern Brazil. Renewable Energy 86, pp.
1433-1441. 2016.

ANEEL. NOTA TÉCNICA n° 0056/2017-SRD/ANEEL - Atualização das

projeções de consumidores residenciais e comerciais com microgeração
solar fotovoltaicos no horizonte 2017-2024. 2017.

ASTM – American Society for Testing and Materials. Reference Solar

Spectral Irradiance: ASTM G173-03. 2012.

BAUMGARTNER, F. P.; SCHMIDT, H.; BURGER, B.;

BRÜNDLINGER,R.; HAEBERLIN, H.; ZEHNER, M. Status and
relevance of the DC voltage dependency of the inverter efficiency. 22nd
European Photovoltaic Solar Energy Conference and Exhibition. Milano.
2007.

ANEEL. NOTA TÉCNICA n° 0056/2017-SRD/ANEEL - Atualização das

projeções de consumidores residenciais e comerciais com microgeração
solar fotovoltaicos no horizonte 2017-2024. 2017.

BURGER, B.; RÜTHER, R. Inverter sizing of grid-connected

photovoltaic systems in the light of local solar resource distribution
characteristics and temperature. Solar Energy. Issue 1, v.80, p.32-45,
2006.
122

CCEE. InfoLeilão - Nº 022 – 27º Leilão de Energia Nova (A-4). CCEE.

Brasil. 2017.

CHEN, S.; LI, P.; BRADY, D.; LEHMAN, B.; Determining the
optimum grid-connected photovoltaic inverter size. Solar Energy. 87.
96–116. 2013.

CIVICSOLAR -
https://www.civicsolar.com/support/installer/articles/solectria-
array-oversizing - Acessado em 13/02/2018.

DESCHAMPS, E. M. Avaliação do desempenho de diferentes tecnologias

solares fotovoltaicas no nordeste brasileiro. Departamento de Engenharia
Elétrica - UFSC, Florianópolis – SC, 2015.

DRIESSE, A.; JAIN, P.; HARRISON, S. Beyond the curves: Modeling the
electrical efficiency of photovoltaic inverters. 33st IEEE Photovoltaic
Specialists Conference. San Diego, 2008.

EMCK, P., RICHTER, M. An upper threshold of enhanced global

shortwave irradiance in the troposphere derived from field masurements
in tropical mountains. Journal of Applied Meteorology and Climatology 47,
pp. 2828-2845, 2008.

ENERGYSAGE - https://www.energysage.com/solar/101/string-
inverters-microinverters-power-optimizers/ - Acessado em
03/08/2017.

EPE. Informe Técnico - Leilão de Energia de Reserva A-4/2017– EPE-

DEE-IT-096/2017-rev0. Rio de Janeiro, Brasil, 2017.

EPE. Informe Técnico - Leilão de Energia de Reserva A-4/2018. Rio de

Janeiro, Brasil, 2018.

FRAUNHOFER INSTITUTE FOR SOLAR ENERGY SYSTEMS ISE.

Photovoltaics Report 2018
 123

HAAG, R.; KRENZINGER, A. Estimativa da distribuição espectral da

radiação solar no Brasil utilizando modelos de transferência radiativa e
análise multiinstrumental: satélite, radiômetros em superfície e
radiossondagem: Labsol, Universidade Federal do Rio Grande do Sul. III
Congresso Brasileiro de Energia Solar. Belém - PA, 2010.

HAEBERLIN, H. Evolution of inverters for grid connected PV-systems

from 1989 to 2000. 17th European Photovoltaic Solar Energy Conference.
Munich. Germany. 2001.

HAEBERLIN, H.; BORGNA, I.; KAEMPFER, M.; ZWAHLEN, U. New

tests at grid-connected PV inverters: Overview over test results and
measured values of total efficiency. 21st European Photovoltaic Solar
Energy Conference. Dresden. Germany. 2006.

PEIPPO, K.; LUND, P.; Optimal sizing of solar array and inverter in
grid-connected photovoltaic systems. Solar Energy Materials and Solar
Cells. 32. 95-114. 1994.

PEREIRA, E. B.; MARTINS, F. R.; GONÇALVES, A. R.; COSTA, R. S.;

LIMA, F. J. L. D.; RÜTHER, R.; ABREU, S. L. D.; TIEPOLO, G. M.;
PEREIRA, S. V.; SOUZA, J. G.; Atlas Brasileiro de Energia Solar – 2a
Edição. INPE. São José dos Campos, São Paulo – Brasil. 2017.

KJAER, S. B.; PEDERSEN, J. K.; BLAABJERG, F. A review of single-

phase grid-connected inverters for photovoltaic modules. Industry
Applications, IEEE Transactions on. Issue 5, v.41, p.1292-1306, 2005.

LUOMA, J.; KLEISSL, J.; MURRAY, K.; Optimal inverter sizing

considering cloud enhancement. Solar Energy. 86. 421-429. 2012.

MACÊDO, W. N.; ZILLES, R.; Operational Results of Grid-

Connected Photovoltaic System with Different Inverter's Sizing
Factors (ISF). Progress in Photovoltaics: Research and Applications. 15.
337 - 352. 2007.

MARTINS, D. C.; BARBI, I. Eletrônica de potência: Introdução ao

estudo dos conversores CC-CA. Florianópolis. 2005.
124

MARTINS, F. R.; PEREIRA, E. B.; SILVA, S. A. B.; ABREU, S. L.;

COLLE, S. Solar energy scenarios in Brazil, Part one: Resource
assessment. Energy Policy. Issue 8, v.36, p.2853-2864, 2008

MME; EPE. NOTA TÉCNICA DEA 03/15 - Projeção de Demanda de

Energia Elétrica – para os próximos 10 anos (2015-2024) – Série
Estudos da Demanda. Rio de Janeiro, 2015.

MME; EPE. LEILÃO DE ENERGIA DE RESERVA DE 2014 –

Participação dos Empreendimentos Solares Fotovoltaicos: Visão
Geral – EPE-DEE-NT-150/2014-r0. Rio de Janeiro, 2014.

MME; EPE. EXPANSÃO DA GERAÇÃO - 1º LEILÃO DE ENERGIA

DE RESERVA DE 2015 - Participação dos Empreendimentos Solares
Fotovoltaicos: Visão Geral – EPE-DEE-NT-127/2015-r0. Rio de Janeiro,
2015.

MME; EPE. EXPANSÃO DA GERAÇÃO - 2º LEILÃO DE ENERGIA

DE RESERVA DE 2015 - Participação dos Empreendimentos Solares
Fotovoltaicos: Visão Geral – EPE-DEE-NT-023/2016-r0. Rio de Janeiro,
2016.

MME; EPE. ESTUDOS PARA A EXPANSÃO DA TRANSMISSÃO –

Análise Técnico-Econômica de Alternativas: Relatório R1 – Estudo
Prospectivo para Escoamento do Potencial Solar das Regiões Norte e
Noroeste de Minas Gerais – EPE-DEE-RE-031/2017. Rio de Janeiro,
2017.

MONDOL, J. D.; YOHANIS, Y. G.; NORTON, B.; Optimal sizing of

array and inverter for grid-connected photovoltaic systems. Solar
Energy. 80. 2006.

MONTENEGRO, A. Avaliação do retorno do investimento em

sistemas fotovoltaicos integrados a residências unifamiliares urbanas
no Brasil. Departamento de Engenharia Civil - UFSC, Florianópolis –
SC, 2013.
 125

NASCIMENTO, L. A avaliação de longo prazo de um sistema fotovoltaico

integrado à edificação urbana e conectado à rede elétrica pública.
Departamento de Engenharia Civil - UFSC, Florianópolis – SC, 2013.

PV-ENGINEERING - http://pv-
engineering.de/fileadmin/user_upload/Produkte/PVPM1000C/pvpm-
datasheet_02.pdf - Acessado em 03/08/2017.

PVSYST SA, PVsyst V6.26: Study of Photovoltaic Systems, Licença

Online, 2014.

RÜTHER, R. Edifícios solares fotovoltaicos. O Potencial da Geração

Solar Fotovoltaica Integrada a Edificações Urbanas e Interligada à Rede
Elétrica Pública no Brasil. Florianopolis: LABSOLAR, 2004.

RÜTHER, R.; NASCIMENTO, L.; CAMPOS, R. A.; Avaliação de

Desempenho de Tecnologias Fotovoltaicas em Diferentes Regiões
Climáticas do Brasil. UFSC. Florianópolis - SC, 2017.

SKOPLAKI, E.; PALYVOS, J. A. On the temperature dependence of

photovoltaic module electrical performance: A review of
efficiency/power correlations. Solar Energy. Issue 5, v.83, p.614-624,
2009a.

SKOPLAKI, E.; PALYVOS, J. A. Operating temperature of

photovoltaic modules: A survey of pertinent correlations. Renewable
Energy. Issue 1, v.34, p.23-29, 2009b.

SMA. Course of inverter SMA. Niestetal. 2008a.

SMA. Technical Brochure 7 - OptiTrack. 2012.

SMA. Technical data - SUNNY BOY 2500. S. S. T. Ag. 2009.

STAEBLER, D. L.; WRONSKI, C. R. Reversible conductivity changes in

discharge-produced amorphous Si. Applied Physics Letters. Issue 4, v.31,
p.292-294, 1977.
126

WAGNER, A. Peak-power and internal series resistance

measurement under natural ambient conditions. University of
Applied Sciences Dortmund. 2000.

WANG, H.; MUÑOZ-GARCÍA, M.; MOREDA, G.P; ALONSO-

GARCÍA, M.C.; Optimum inverter sizing of grid-connected
photovoltaic systems based on energetic and economic
considerations. Renewable Energy. 118. 2017.

YOUNES S., CLAYWELL R., MUNEER T. Quality control of solar

radiation data: Present status and proposed new
approaches. Energy. 2005.
 127

GLOSSÁRIO

ANEEL – Agência Nacional de Energia Elétrica

a-Si - Silício Amorfo
a-Si/µc-Si - Silício microcristalino
ca - corrente alternada
cc - corrente contínua
CdTe - Telureto de Cádmio
CIGS - Disseleneto de Cobre, Índio e Gálio
c-Si - Silício Monocristalino
FCI - Fator de carregamento do inversor
FV – Fotovoltaico
GEF - Fundo Global para o Meio Ambiente
MBE - Desvio Médio
MPP - Maximum Power Point (Ponto de máxima potência)
MPPT – Maximum Power Point Tracker (Buscador do ponto de máxima
potência)
m-Si – Silício Multicristalino
PNUMA - Programa das Nações Unidas para o Meio Ambiente
PR - Performance Ratio (Taxa de Desempenho)
rMBE - Desvio médio relativo (razão entre o desvio médio e a
irradiância diária média)
STC – Standard Test Conditions (Condições padrão de teste)
String - Série Fotovoltaica: Conexão de módulos FV associados em
série
SWE - Efeito Staebler-Wroski
SWERA - Solar and Wind Energy Resource Assessment
UFSC - Universidade Federal de Santa Catarina
Yield - Produtividade ou Rendimento do sistema FV