Help for package epe4md

Title:

EPE's 4MD Model to Forecast the Adoption of Distributed Generation

Version:

0.1.4

Language:

pt-BR

Description:

EPE's (Empresa de Pesquisa Energética) 4MD (Modelo de Mercado da Micro e Minigeração Distribuída - Micro and Mini Distributed Generation Market Model) model to forecast the adoption of Distributed Generation. Given the user's assumptions, it is possible to estimate how many consumer units will have distributed generation in Brazil over the next 10 years, for example. In addition, it is possible to estimate the installed capacity, the amount of investments that will be made in the country and the monthly energy contribution of this type of generation. https://www.epe.gov.br/sites-pt/publicacoes-dados-abertos/publicacoes/PublicacoesArquivos/publicacao-689/topico-639/NT_Metodologia_4MD_PDE_2032_VF.pdf.

License:

GPL (≥ 3)

Encoding:

UTF-8

LazyData:

true

RoxygenNote:

7.2.3

Suggests:

testthat (≥ 3.0.0), knitr, rmarkdown, tidyverse

Config/testthat/edition:

Config/testthat/parallel:

true

Imports:

dplyr (≥ 1.1.1), scales, purrr, tidyr, readxl, jrvFinance, janitor, stats, furrr, zoo, lubridate, tsibble, stringr, fabletools, feasts, tibble, assertthat, forcats, future, magrittr, readr, utils, ggplot2

Depends:

R (≥ 3.5.0)

URL:

https://epe-gov-br.github.io/epe4md/

NeedsCompilation:

Packaged:

2023-07-03 16:42:41 UTC; joao.santos

Author:

Gabriel Konzen [aut, cre], Bruno Crotman [aut], João Santos [aut], Leticia Minini [aut], Empresa de Pesquisa Energética [cph, fnd]

Maintainer:

Gabriel Konzen <gabriel.konzen@epe.gov.br>

Repository:

CRAN

Date/Publication:

2023-07-05 14:23:07 UTC

Roda o modelo 4MD

Description

O resultado do modelo 4MD são projeções de capacidade instalada, número de adotantes e geração de energia em base mensal.

Usage

epe4md_calcula(
  premissas_reg,
  ano_base,
  sequencial = FALSE,
  filtro_de_uf = "N",
  filtro_nome4md = "N",
  filtro_de_segmento = "N",
  filtro_de_custo_unitario_max = NULL,
  ano_max_resultado = 2050,
  altera_sistemas_existentes = FALSE,
  ano_decisao_alteracao = 2023,
  inflacao = 0.0375,
  taxa_desconto_nominal = 0.13,
  custo_reforco_rede = 200,
  ano_troca_inversor = 11,
  pagamento_disponibilidade = 0.3,
  disponibilidade_kwh_mes = 100,
  filtro_renda_domicilio = "maior_3sm",
  desconto_capex_local = 0,
  anos_desconto = 0,
  tx_cresc_grupo_a = 0.016,
  spb = 0.3,
  p_max = 0.01,
  q_max = 1,
  filtro_comercial = NA_real_,
  ajuste_ano_corrente = FALSE,
  ultimo_mes_ajuste = NA_integer_,
  metodo_ajuste = NA_character_,
  dir_dados_premissas = NA_character_
)

Arguments

premissas_reg

data.frame. Input de premissas regulatórias para serem consideradas nos cálculos. O dataframe deve ter as seguintes colunas

ano, numérico
alternativa, numérico. Uma das seguintes opções:
- 0: Consumidor compensa todas as componentes tarifárias;
- 1: Paga TUSD Distribuição;
- 2: Anterior + TUSD Transmissão.
- 3: Anterior + TUSD Encargos.
- 4: Anterior + TUSD Perdas.
- 5: Anterior + TE Encargos. Ou seja, compensa somente a TE Energia.
p_transicao, numérico. Parcela do custo da alternativa escolhida no parâmetro alternativa a ser pago pelo consumidor
binomia e, binário. Define se há cobrança de uma tarifa binômia na baixa tensão, em que as componentes TUSD Distribuição e TUSD Transmissão passariam a ser cobradas de forma fixa, não sendo passíveis de compensação
demanda_g, binário. Define se há cobrança de TUSDg para a demanda de consumidores do grupo A. Caso seja FALSE, é considerada a cobrança da TUSD consumo.

Um arquivo excel instalado com este pacote, acessível via system.file("dados_premissas/2021/premissas_reg.xlsx", package = "epe4md"), contém um exemplo de premissas de entrada.

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

sequencial

logic. Parâmetro que define se a projeção deve ser realizada de forma sequencial ou paralela. Para executar a projeção de forma sequencial defina o parâmetro como TRUE. Default FALSE.

filtro_de_uf

string. Parâmetro que define uma unidade federativa (UF) a ser filtrada. Caso uma UF não seja indicada ou seja informado um valor inválido, o resultado será apresentado sem filtros.

filtro_nome4md

string. Parâmetro que define o nome de uma concessionária de energia a ser filtrado. Caso não seja informado um valor ou seja informado um valor inválido o resultado será apresentado sem filtro.

filtro_de_segmento

string. Parâmetro que define um segmento a ser filtrado. Pode se escolher entre "comercial_at", "comercial_at_remoto", "comercial_bt", "residencial" e "residencial_remoto". Caso não seja informado um valor ou seja informado um valor inválido o resultado será apresentado sem filtro.

filtro_de_custo_unitario_max

numeric. Parâmetro que define o valor máximo do custo unitário para ser utilizado no cálculo do payback. Default igual a NULL.

ano_max_resultado

numeric. Ano final para apresentação dos resultados. Máximo igual a 2050. Default igual a 2050.

altera_sistemas_existentes

logic. TRUE se alterações regulatórias afetam investimentos realizados em anos anteriores à revisão da regulação. Default igual a FALSE.

ano_decisao_alteracao

numeric. Ano em que são definidas novas regras e se tornam de conhecimento público. Esse parâmetro só tem efeito caso o anterior seja igual a TRUE. Default igual a 2023.

inflacao

mumeric. Taxa anual de inflacao considerada no reajuste das tarifas e para calcular o retorno real de projetos. Default igual a 0.0375.

taxa_desconto_nominal

numeric. Taxa de desconto nominal considerada nos cálculos de payback descontado. Default igual a 0.13.

custo_reforco_rede

numeric. Custo em R$/kW aplicado a projetos de geracao remota em Alta Tensão. Representa um custo pago pelo empreendedor para reforços na rede. Default igual a 200.

ano_troca_inversor

numeric. Ano, a partir do ano de instalação, em que é realizada a troca do inversor fotovoltaico. Default igual a 11.

pagamento_disponibilidade

numeric. Percentual de meses em que o consumidor residencial paga custo de disponbilidade em função da variabilidade da geração FV. Default igual a 0.3.

disponibilidade_kwh_mes

numeric. Consumo de disponbilidade do consumidor em kWh/mês. Default igual a 100, equivalente a um consumidor trifásico.

filtro_renda_domicilio

string. Define o filtro aplicado a consumidores residenciais, de acordo com a renda mensal do responsável, em salários mínimos. Permite: "total", "maior_1sm", maior_2sm", "maior_3sm" ou "maior_5sm". Default igual a "maior_3sm".

desconto_capex_local

numeric. Percentual de desconto a ser aplicado no CAPEX de sistemas de geração local(ex: 0.1) para simulação de incentivos. Default igual a 0.

anos_desconto

vector. Anos em que há a incidência do desconto no CAPEX. Default igual a 0.

tx_cresc_grupo_a

numeric. Taxa de crescimento anual dos consumidores cativos do Grupo A. Default igual a 0.016 representa crescimento entre 2006 e 2019.

spb

numeric. Fator de Sensibilidade ao Payback (SPB). Default igual a 0.3.

p_max

numeric. Fator de inovação (p) máximo. Default igual a 0.01.

q_max

numeric. Fator de imitação (q) máximo. Default igual a 1.

filtro_comercial

numeric. Fator percentual para definir o nicho do segmento comercial. Default é calculado pelo modelo com base no nicho residencial.

ajuste_ano_corrente

logic. Se TRUE indica que a projeção deverá incorporar o histórico mensal recente, verificado em parte do primeiro ano após o ano base. Default igual a FALSE. O arquivo base_mmgd.xlsx deve incorporar esse histórico.

ultimo_mes_ajuste

numeric. Último mês com dados completos na base_ano_corrente. Default igual a NA. Só tem efeito caso ajuste_ano_corrente seja igual a TRUE.

metodo_ajuste

string. Se igual a "extrapola" o modelo irá extrapolar a potência e o número de adotantes até o final do ano base + 1 com base no verificado até o ultimo_mes_ajuste. Default igual a NA. Só tem efeito caso ajuste_ano_corrente seja igual a TRUE.

dir_dados_premissas

Diretório onde se encontram as premissas. Se esse parâmetro não for passado, a função usa os dados default que são instalados com o pacote. É importante que os nomes dos arquivos sejam os mesmos da pasta default.

Value

data.frame com os resultados da projeção de capacidade instalada de micro e minigeração distribuída, número de adotantes e geração mensal de energia.

Examples

  
    premissas_regulatorias <- structure(
    list(ano = 2021,
         alternativa = 0,
         p_transicao = 1,
         binomia = FALSE,
         demanda_g = FALSE),
    class = c("tbl_df", "tbl", "data.frame"),
    row.names = c(NA, -1L)
    )

    resultado <- epe4md_calcula(premissas_reg = premissas_regulatorias,
                                ano_base = 2021,
                                sequencial = FALSE,
                                filtro_de_uf = "RR",
                                filtro_de_segmento = "comercial_at",
                                filtro_de_custo_unitario_max = 6,
                                ano_max_resultado = 2021)

Calibra o modelo de Bass com dados históricos e gera curvas S de adoção.

Description

Calibra o modelo de Bass com dados históricos e gera curvas S de adoção.

Usage

epe4md_calibra_curva_s(
  resultado_payback,
  consumidores,
  ano_base,
  ano_max_resultado = 2050,
  spb = 0.3,
  p_max = 0.01,
  q_max = 1,
  dir_dados_premissas = NA_character_
)

Arguments

resultado_payback

data.frame. Resultado da função epe4md_payback.

consumidores

list. Resultado da função epe4md_mercado_potencial.

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

ano_max_resultado

numeric. Ano final para apresentação dos resultados. Máximo igual a 2050. Default igual a 2050.

spb

numeric. Fator de Sensibilidade ao Payback (SPB). Default igual a 0.3.

p_max

numeric. Fator de inovação (p) máximo. Default igual a 0.01.

q_max

numeric. Fator de imitação (q) máximo. Default igual a 1.

dir_dados_premissas

Value

data.frame com curvas de difusão e mercado potencial

Examples

resultado_payback <- structure(
  list(segmento = c("comercial_at", "comercial_at", "comercial_at",
                    "comercial_at", "comercial_at"),
       fonte_resumo = c("Fotovoltaica", "Fotovoltaica", "Fotovoltaica",
                        "Fotovoltaica", "Fotovoltaica"),
       fator_autoconsumo = c(0.8, 0.8, 0.8, 0.8, 0.8),
       oem_anual = c(0.01, 0.01, 0.01, 0.01, 0.01),
       nome_4md = c("RORAIMA", "RORAIMA", "RORAIMA", "RORAIMA", "RORAIMA"),
       fc = c(0.150559213009562, 0.150559213009562, 0.150559213009562,
              0.150559213009562, 0.150559213009562),
       vida_util = c(25, 25, 25, 25, 25),
       degradacao = c(0.005, 0.005, 0.005, 0.005, 0.005),
       pot_sistemas = c(70, 70, 70, 70, 70),
       geracao_1_kwh = c(92322.9094174635, 92322.9094174635,
                         92322.9094174635, 92322.9094174635,
                         92322.9094174635),
       ano = c(2017, 2018, 2019, 2020, 2021),
       custo_unitario = c(4.6, 4.23, 3.4, 3.62, 3.81),
       custo_inversor = c(0.69, 0.6345, 0.51, 0.543, 0.5715),
       capex_inicial = c(322000, 296100, 238000, 253400, 266700),
       capex_inversor = c(69795.6224290695, 64181.6267119487,
                          51588.0687519209, 54926.1202593981,
                          57808.9829249466),
       uf = c("RR", "RR", "RR", "RR", "RR"),
       subsistema = c("MAN", "MAN", "MAN", "MAN", "MAN"),
       regiao = c("N", "N", "N", "N", "N"),
       payback = c(9.8778051007831, 6.84888025046529, 5.42743545180765,
                   6.58428138751385, 6.57787077623868),
       payback_desc = c(25, 12.9151902647661, 7.76175962915069,
                        11.9207871041042, 11.8969973448089),
       tir_nominal = c(0.117295199807788, 0.177811894010469,
                       0.237962995155112, 0.186855919654218,
                       0.1870853811094),
       tir_real = c(0.0769110359593141, 0.135240379769127,
                    0.193217344727818, 0.143957512919728,
                    0.144178680587373)),
  class = c("tbl_df", "tbl", "data.frame"),
  row.names = c(NA, -5L)
)

consumidores <- list(
  consumidores = structure(
    list(nome_4md = c("RORAIMA", "RORAIMA", "RORAIMA", "RORAIMA", "RORAIMA"),
         ano = c(2017, 2018, 2019, 2020, 2021),
         segmento = c("comercial_at", "comercial_at", "comercial_at",
                      "comercial_at", "comercial_at"),
         consumidores = c(656, 678, 751, 764, 791)),
    row.names = c(NA, -5L),
    class = c("tbl_df", "tbl", "data.frame")),
  consumidores_totais = structure(
    list(ano = c(2017, 2018, 2019, 2020, 2021),
         total_ucs = c(187922, 187853, 184276, 182048, 181394),
         segmento = c("comercial_at", "comercial_at", "comercial_at",
                      "comercial_at", "comercial_at")),
    row.names = c(NA, -5L),
    class = c("tbl_df", "tbl", "data.frame"))
  )

casos_otimizados <-
  epe4md_calibra_curva_s(resultado_payback = resultado_payback,
                         consumidores = consumidores,
                         ano_base = 2021,
                         ano_max_resultado = 2050,
                         spb = 0.3,
                         p_max = 0.01,
                         q_max = 1,
                         dir_dados_premissas = NA_character_
  )

Cria a base de casos para serem simulados posteriormente no cálculo do payback.

Description

Cria a base de casos para serem simulados posteriormente no cálculo do payback.

Usage

epe4md_casos_payback(
  ano_base,
  ano_max_resultado = 2050,
  inflacao = 0.0375,
  ano_troca_inversor = 11,
  fator_custo_inversor = 0.15,
  dir_dados_premissas = NA_character_
)

Arguments

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

ano_max_resultado

numeric. Ano final para apresentação dos resultados. Máximo igual a 2050. Default igual a 2050.

inflacao

numeric. Taxa de inflacão considerada no reajuste das tarifas e para calcular o retorno real de projetos.

ano_troca_inversor

numeric. Ano, a partir do ano de instalação, em que é realizada a troca do inversor fotovoltaico. Default igual a 11.

fator_custo_inversor

numeric. Custo do inversor para a substituição em percentual do CAPEX total do sistema de geração. Default igual a 0.15.

dir_dados_premissas

Value

data.frame. Casos para serem simulados posteriormente no cálculo do payback.

Examples


casos_payback <-
  epe4md_casos_payback(
    ano_base = 2021,
    ano_max_resultado = 2050,
    inflacao = 0.0375,
    ano_troca_inversor = 11,
    fator_custo_inversor = 0.15,
    dir_dados_premissas = NA_character_
)

Altera fatores para facilitar entendimento em publicações

Description

Altera fatores para facilitar entendimento em publicações

Usage

epe4md_fatores_publicacao(dados)

Arguments

dados

data.frame. Base de dados para ser alterada.

Value

data.frame com nomes dos segmentos alterados.

Examples


dados <- tibble::tibble(
  fonte_resumo = c("comercial_bt",
                   "comercial_at_remoto",
                   "comercial_at",
                   "residencial_remoto",
                   "residencial")
)

fatores <- epe4md_fatores_publicacao(dados)

Gráfico da geração anual em MWmed

Description

Gráfico de área que mostra a geração de energia em MWmed agrupada por ano.

Usage

epe4md_graf_geracao_ano(
  dados,
  ano_inicio = 2013,
  cor = "#953735",
  tamanho = 14
)

Arguments

dados

data.frame. Resultados mensais de potência e energia.

ano_inicio

numeric. Define o ano em que se inicia o eixo x. Default igual a 2013.

cor

string. Escolha da cor do gráfico. Default igual a Vermelho.

tamanho

numeric. Altera o tamanho da fonte da legenda. Default igual a 14.

Value

Plota um gráfico de área que mostra a geração de energia em MWmed agrupada por ano.

Examples


dados <- structure(
  list(data = structure(c(17928, 20485, 19997), class = "Date"),
       ano = c(2019, 2026, 2024),
       mes = c(2, 2, 10),
       nome_4md = c("EDP ES", "EQUATORIAL AL", "EFLJC"),
       subsistema = c("SE", "NE", "S"),
       uf = c("ES", "AL", "SC"),
       segmento = c("comercial_at", "comercial_at_remoto", "residencial"),
       fonte_resumo = c("Termelétrica", "Termelétrica", "Fotovoltaica"),
       energia_mwh = c(103.488, 624.740392156863, 41.7707091331081),
       energia_autoc_mwh = c(51.744, 0, 16.7082836532433),
       energia_inj_mwh = c(51.744, 624.740392156863, 25.0624254798649),
       energia_mwmed = c(Feb = 0.154, Feb = 0.929673202614379, Oct = 0.0561434262541776),
       pot_mes_mw = c(0, 0, 0.0118333352680657),
       adotantes_mes = c(0, 0, 3),
       p = c(0.000329161453402278, 0.000197086794290392, 0.00025238142355137),
       q = c(1, 1, 0.676434758626127),
       regiao = c("SE", "NE", "S")),
  row.names = c(NA, -3L),
  class = c("tbl_df", "tbl", "data.frame")
)

graf_geracao_ano <- epe4md_graf_geracao_ano(
  dados = dados,
  ano_inicio = 2021,
  cor = "#953735",
  tamanho = 14
)

Gráfico da geração mensal em MWmed

Description

Gráfico de área que mostra a soma da geração de energia em MWmed agrupada por mês.

Usage

epe4md_graf_geracao_mes(
  dados,
  ano_inicio = 2013,
  cor = "#953735",
  tamanho = 14
)

Arguments

dados

data.frame. Resultados mensais de potência e energia.

ano_inicio

numeric. Define o ano em que se inicia o eixo x. Default igual a 2013.

cor

string. Escolha da cor do gráfico. Default igual a Vermelho.

tamanho

numeric. Altera o tamanho da fonte da legenda. Default igual a 14.

Value

Plota um gráfico de área que mostra a soma da geração de energia em MWmed agrupada por mês.

Examples


dados <- structure(
  list(data = structure(c(17928, 20485, 19997), class = "Date"),
       ano = c(2019, 2026, 2024),
       mes = c(2, 2, 10),
       nome_4md = c("EDP ES", "EQUATORIAL AL", "EFLJC"),
       subsistema = c("SE", "NE", "S"),
       uf = c("ES", "AL", "SC"),
       segmento = c("comercial_at", "comercial_at_remoto", "residencial"),
       fonte_resumo = c("Termelétrica", "Termelétrica", "Fotovoltaica"),
       energia_mwh = c(103.488, 624.740392156863, 41.7707091331081),
       energia_autoc_mwh = c(51.744, 0, 16.7082836532433),
       energia_inj_mwh = c(51.744, 624.740392156863, 25.0624254798649),
       energia_mwmed = c(Feb = 0.154, Feb = 0.929673202614379, Oct = 0.0561434262541776),
       pot_mes_mw = c(0, 0, 0.0118333352680657),
       adotantes_mes = c(0, 0, 3),
       p = c(0.000329161453402278, 0.000197086794290392, 0.00025238142355137),
       q = c(1, 1, 0.676434758626127),
       regiao = c("SE", "NE", "S")),
  row.names = c(NA, -3L),
  class = c("tbl_df", "tbl", "data.frame")
)

graf_geracao_mes <- epe4md_graf_geracao_mes(
  dados = dados,
  ano_inicio = 2021,
  cor = "#953735",
  tamanho = 14
)

Gráfico da participação de cada tecnologia na geração de energia

Description

Gráfico de barras que mostra a participação de cada fonte ('Fotovoltaica', 'Termelétrica', 'Hidro', 'Eólica') na geração de energia somente no parâmetro ano_max_resultado passado na função epe4md::epe4md_calcula.

Usage

epe4md_graf_part_fonte_geracao(dados, cor = "#953735", tamanho = 14)

Arguments

dados

data.frame. Resultados mensais de potência e energia.

cor

string. Escolha da cor do gráfico. Default igual a Vermelho.

tamanho

numeric. Altera o tamanho da fonte da legenda. Default igual a 14.

Value

plota um gráfico de barras que mostra a participação de cada fonte ('Fotovoltaica', 'Termelétrica', 'Hidro', 'Eólica') na geração de energia somente no parâmetro ano_max_resultado passado na função epe4md::epe4md_calcula.

Examples


dados <- structure(
  list(data = structure(c(17928, 20485, 19997), class = "Date"),
       ano = c(2019, 2026, 2024),
       mes = c(2, 2, 10),
       nome_4md = c("EDP ES", "EQUATORIAL AL", "EFLJC"),
       subsistema = c("SE", "NE", "S"),
       uf = c("ES", "AL", "SC"),
       segmento = c("comercial_at", "comercial_at_remoto", "residencial"),
       fonte_resumo = c("Termelétrica", "Termelétrica", "Fotovoltaica"),
       energia_mwh = c(103.488, 624.740392156863, 41.7707091331081),
       energia_autoc_mwh = c(51.744, 0, 16.7082836532433),
       energia_inj_mwh = c(51.744, 624.740392156863, 25.0624254798649),
       energia_mwmed = c(Feb = 0.154, Feb = 0.929673202614379, Oct = 0.0561434262541776),
       pot_mes_mw = c(0, 0, 0.0118333352680657),
       adotantes_mes = c(0, 0, 3),
       p = c(0.000329161453402278, 0.000197086794290392, 0.00025238142355137),
       q = c(1, 1, 0.676434758626127),
       regiao = c("SE", "NE", "S")),
  row.names = c(NA, -3L),
  class = c("tbl_df", "tbl", "data.frame")
)

graf_part_fonte_geracao <- epe4md_graf_part_fonte_geracao(
  dados = dados,
  cor = "#953735",
  tamanho = 14
)

Gráfico da participação de capacidade por fonte

Description

Gráfico de barras que mostra a participação de cada fonte ('Fotovoltaica', 'Termelétrica', 'Hidro' e 'Eólica') na capacidade instalada.

Usage

epe4md_graf_part_fonte_potencia(
  dados,
  cor = "#112446",
  tamanho = 14
)

Arguments

dados

data.frame. Resultados mensais de potência e energia.

cor

string. Escolha da cor do gráfico.

tamanho

numeric. Altera o tamanho da fonte da legenda. Default igual a 14.

Value

Plota um gráfico de barras que mostra a participação de cada fonte ('Fotovoltaica', 'Termelétrica', 'Hidro' e 'Eólica') na capacidade instalada.

Examples


dados <- structure(
  list(data = structure(c(17928, 20485, 19997), class = "Date"),
       ano = c(2019, 2026, 2024),
       mes = c(2, 2, 10),
       nome_4md = c("EDP ES", "EQUATORIAL AL", "EFLJC"),
       subsistema = c("SE", "NE", "S"),
       uf = c("ES", "AL", "SC"),
       segmento = c("comercial_at", "comercial_at_remoto", "residencial"),
       fonte_resumo = c("Termelétrica", "Termelétrica", "Fotovoltaica"),
       energia_mwh = c(103.488, 624.740392156863, 41.7707091331081),
       energia_autoc_mwh = c(51.744, 0, 16.7082836532433),
       energia_inj_mwh = c(51.744, 624.740392156863, 25.0624254798649),
       energia_mwmed = c(Feb = 0.154, Feb = 0.929673202614379, Oct = 0.0561434262541776),
       pot_mes_mw = c(0, 0, 0.0118333352680657),
       adotantes_mes = c(0, 0, 3),
       p = c(0.000329161453402278, 0.000197086794290392, 0.00025238142355137),
       q = c(1, 1, 0.676434758626127),
       regiao = c("SE", "NE", "S")),
  row.names = c(NA, -3L),
  class = c("tbl_df", "tbl", "data.frame")
)

graf_part_fonte_potencia <- epe4md_graf_part_fonte_potencia(
  dados = dados,
  cor = "#112446",
  tamanho = 14
)

Gráfico da evolução da participação por segmento

Description

Gráfico de colunas que mostra a participação de cada segmento 'Comercial (AT)', 'Comercial(BT)', 'Comercial Remoto (AT/BT)', Residencial' e 'Residencial Remoto' na geração de energia em cada ano.

Usage

epe4md_graf_part_segmento(dados, ano_inicio = 2013, tamanho = 14)

Arguments

dados

data.frame. Resultados mensais de potência e energia.

ano_inicio

numeric. Define o ano em que se inicia o eixo x. Default igual a 2013.

tamanho

numeric. Altera o tamanho da fonte da legenda. Default igual a 14.

Value

Plota um gráfico de colunas que mostra a participação de cada segmento 'Comercial (AT)', 'Comercial(BT)', 'Comercial Remoto (AT/BT)', Residencial' e 'Residencial Remoto' na geração de energia em cada ano.

Examples


dados <- structure(
  list(
    data = structure(c(18932, 17956, 18201), class = "Date"),
    ano = c(2021, 2019, 2019),
    mes = c(11, 3, 11),
    nome_4md = c("RORAIMA", "RORAIMA", "RORAIMA"),
    subsistema = c("MAN", "MAN", "MAN"),
    uf = c("RR", "RR", "RR"),
    segmento = c("comercial_at", "comercial_at", "comercial_at"),
    fonte_resumo = c("Fotovoltaica", "Fotovoltaica", "Fotovoltaica"),
    energia_mwh = c(627.959044043851, 42.0777734281515, 42.5086240693568),
    energia_autoc_mwh = c(502.36723523508, 33.6622187425212, 34.0068992554854),
    energia_inj_mwh = c(125.59180880877, 8.41555468563031, 8.50172481387135),
    energia_mwmed = c(Nov = 0.872165338949792, Mar = 0.0565561470808488,
                      Nov = 0.0590397556518844),
    pot_mes_mw = c(0.01199, 0, 0),
    adotantes_mes = c(1, 0, 0),
    p = c(0.000122298434419402, 0.000122298434419402, 0.000122298434419402),
    q = c(1, 1, 1),
    regiao = c("N", "N", "N")),
  row.names = c(NA, -3L),
  class = c("tbl_df", "tbl", "data.frame")
  )

graf_part_segmento <- epe4md_graf_part_segmento(
  dados = dados,
  ano_inicio = 2021,
  tamanho = 14
)

Gráfico da capacidade instalada acumulada

Description

Mostra a soma acumulada das potências entre os parâmetros ano_inicio e ano_max_resultado passado na função epe4md::epe4md_calcula.

Usage

epe4md_graf_pot_acum(dados, ano_inicio = 2013, cor = "#13475d", tamanho = 14)

Arguments

dados

data.frame. Resultados mensais de potência e energia.

ano_inicio

numeric. Define o ano em que se inicia o eixo x. Default igual a 2013.

cor

string. Escolha da cor do gráfico. Default igual a Azul Escuro.

tamanho

numeric. Altera o tamanho da fonte da legenda. Default igual a 14.

Value

Plota um gráfico que mostra a soma acumulada das potências entre os parâmetros ano_inicio e ano_max_resultado passado na função epe4md::epe4md_calcula.

Examples


dados <- structure(
    list(data = structure(c(17928, 20485, 19997), class = "Date"),
         ano = c(2019, 2026, 2024),
         mes = c(2, 2, 10),
         nome_4md = c("EDP ES", "EQUATORIAL AL", "EFLJC"),
         subsistema = c("SE", "NE", "S"),
         uf = c("ES", "AL", "SC"),
         segmento = c("comercial_at", "comercial_at_remoto", "residencial"),
         fonte_resumo = c("Termelétrica", "Termelétrica", "Fotovoltaica"),
         energia_mwh = c(103.488, 624.740392156863, 41.7707091331081),
         energia_autoc_mwh = c(51.744, 0, 16.7082836532433),
         energia_inj_mwh = c(51.744, 624.740392156863, 25.0624254798649),
         energia_mwmed = c(Feb = 0.154, Feb = 0.929673202614379, Oct = 0.0561434262541776),
         pot_mes_mw = c(0, 0, 0.0118333352680657),
         adotantes_mes = c(0, 0, 3),
         p = c(0.000329161453402278, 0.000197086794290392, 0.00025238142355137),
         q = c(1, 1, 0.676434758626127),
         regiao = c("SE", "NE", "S")),
    row.names = c(NA, -3L),
    class = c("tbl_df", "tbl", "data.frame")
)

graf_pot_acum <- epe4md_graf_pot_acum(
  dados = dados,
  ano_inicio = 2021,
  cor = "#13475d",
  tamanho = 14
)

Gráfico da capacidade instalada anual

Description

Gráfico de colunas que mostra a soma simples da potência em cada ano, entre os parâmetros ano_inicio e ano_max_resultado passado na função epe4md::epe4md_calcula.

Usage

epe4md_graf_pot_anual(dados, ano_inicio = 2013, cor = "#13475d", tamanho = 14)

Arguments

dados

data.frame. Resultados mensais de potência e energia.

ano_inicio

numeric. Define o ano em que se inicia o eixo x. Default igual a 2013.

cor

string. Escolha da cor do gráfico. Default igual a Azul Escuro.

tamanho

numeric. Altera o tamanho da fonte da legenda. Default igual a 14.

Value

Plota um gráfico de colunas que mostra a soma simples da potência em cada ano, entre os parâmetros ano_inicio e ano_max_resultado passado na função epe4md::epe4md_calcula.

Examples


dados <- structure(
  list(data = structure(c(17928, 20485, 19997), class = "Date"),
       ano = c(2019, 2026, 2024),
       mes = c(2, 2, 10),
       nome_4md = c("EDP ES", "EQUATORIAL AL", "EFLJC"),
       subsistema = c("SE", "NE", "S"),
       uf = c("ES", "AL", "SC"),
       segmento = c("comercial_at", "comercial_at_remoto", "residencial"),
       fonte_resumo = c("Termelétrica", "Termelétrica", "Fotovoltaica"),
       energia_mwh = c(103.488, 624.740392156863, 41.7707091331081),
       energia_autoc_mwh = c(51.744, 0, 16.7082836532433),
       energia_inj_mwh = c(51.744, 624.740392156863, 25.0624254798649),
       energia_mwmed = c(Feb = 0.154, Feb = 0.929673202614379, Oct = 0.0561434262541776),
       pot_mes_mw = c(0, 0, 0.0118333352680657),
       adotantes_mes = c(0, 0, 3),
       p = c(0.000329161453402278, 0.000197086794290392, 0.00025238142355137),
       q = c(1, 1, 0.676434758626127),
       regiao = c("SE", "NE", "S")),
  row.names = c(NA, -3L),
  class = c("tbl_df", "tbl", "data.frame")
)

graf_pot_anual <- epe4md_graf_pot_anual(
  dados = dados,
  ano_inicio = 2021,
  cor = "#13475d",
  tamanho = 14
)

Gráfico da capacidade instalada acumulada por região

Description

Gráfico da capacidade instalada acumulada por região.

Usage

epe4md_graf_pot_regiao(dados, ano_inicio = 2013, tamanho = 14)

Arguments

dados

data.frame. Resultados mensais de potência e energia.

ano_inicio

numeric. Define o ano em que se inicia o eixo x. Default igual a 2013.

tamanho

numeric. Altera tamanho da fonte da legenda. Default igual a 14.

Value

Plota um gráfico da capacidade instalada acumulada por região.

Examples


dados <- structure(
  list(
    data = structure(c(16587, 16953, 17348), class = "Date"),
    ano = c(2015, 2016, 2017),
    mes = c(6, 6, 7),
    nome_4md = c("EQUATORIAL PA", "AME", "AME"),
    subsistema = c("N", "MAN", "MAN"),
    uf = c("PA", "AM", "AM"),
    segmento = c("comercial_at", "comercial_at", "residencial"),
    fonte_resumo = c("Fotovoltaica", "Fotovoltaica", "Fotovoltaica"),
    energia_mwh = c(2.91887385534686, 1.47730302655558, 6.59899395709866),
    energia_autoc_mwh = c(2.33509908427749, 1.18184242124447, 2.63959758283946),
    energia_inj_mwh = c(0.583774771069372, 0.295460605311116, 3.9593963742592),
    energia_mwmed = c(Jun = 0.00405399146575953, Jun = 0.00205180975910497,
                      Jul = 0.00886961553373476),
    pot_mes_mw = c(0, 0, 0),
    adotantes_mes = c(0, 0, 0),
    p = c(0.000218228349678747, 0.000336532886429228, 0.000109941017035186),
    q = c(1, 0.677467408094237, 0.68352139010882),
    regiao = c("N", "N", "N")),
  row.names = c(NA, -3L),
  class = c("tbl_df", "tbl", "data.frame")
)

graf_pot_regiao <- epe4md_graf_pot_regiao(
  dados = dados,
  ano_inicio = 2013,
  tamanho = 14
)

Gráfico da capacidade instalada acumulada por segmento

Description

Mostra a soma acumulada da potência entre o intervalo de anos solicitado, agrupada entre os segmentos : ' Comercial (AT) ', Comercial (BT) ', ' Comercial Remoto (AT/BT) ', ' Residencial ' e ' Residencial Remoto '.

Usage

epe4md_graf_pot_segmento(dados, ano_inicio = 2013, tamanho = 14)

Arguments

dados

data.frame. Resultados mensais de potência e energia.

ano_inicio

numeric. Define o ano em que se inicia o eixo x. Default igual a 2013.

tamanho

numeric. Altera tamanho da fonte da legenda. Default igual a 14.

Value

Plota um gráfico que mostra a soma acumulada da potência entre o intervalo de anos solicitado, agrupada entre os segmentos : ' Comercial (AT) ', Comercial (BT) ', ' Comercial Remoto (AT/BT) ', ' Residencial ' e ' Residencial Remoto '.

Examples


dados <- structure(
  list(data = structure(c(16953, 17167, 17532), class = "Date"),
       ano = c(2016, 2017, 2018),
       mes = c(6, 1, 1),
       nome_4md = c("RORAIMA", "RORAIMA", "RORAIMA"),
       subsistema = c("MAN", "MAN", "MAN"),
       uf = c("RR", "RR", "RR"),
       segmento = c("residencial", "residencial", "comercial_at"),
       fonte_resumo = c("Fotovoltaica", "Fotovoltaica", "Fotovoltaica"),
       energia_mwh = c(0.14901698211027, 0.31989258307487, 21.4846247221392),
       energia_autoc_mwh = c(0.0596067928441078, 0.127957033229948,
                             17.1876997777114),
       energia_inj_mwh = c(0.0894101892661617, 0.191935549844922,
                           4.29692494442784),
       energia_mwmed = c(Jun = 0.000206968030708708, Jan = 0.00042996314929418,
                         Jan = 0.0288771837663161),
       pot_mes_mw = c(0.00297, 0, 0),
       adotantes_mes = c(1, 0, 0),
       p = c(1e-04, 1e-04, 0.000122345127598721),
       q = c(0.779421829099793, 0.779421829099793, 1),
       regiao = c("N", "N", "N")),
  row.names = c(NA, -3L),
  class = c("tbl_df", "tbl", "data.frame")
)

graf_pot_segmento <- epe4md_graf_pot_segmento(
  dados = dados,
  ano_inicio = 2013,
  tamanho = 14
)

Calcula o montante investido

Description

Calcula o montante investido

Usage

epe4md_investimentos(
  resultados_mensais,
  ano_base,
  ano_max_resultado = 2050,
  dir_dados_premissas = NA_character_
)

Arguments

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

ano_max_resultado

numeric. Ano final para apresentação dos resultados. Máximo igual a 2050. Default igual a 2050.

dir_dados_premissas

resultados_mensais

Resultado da função epe4md_calcula.

Value

data.frame com o montante estimado de investimentos relativos à expansão da capacidade instalada de micro e minigeração distribuída.

Examples


resultados_mensais <- tibble::tibble(
    data = c('2021-01-01', '2021-01-01', '2021-01-01'),
    ano = 2021,
    nome_4md = c("ENEL RJ", "ENF", "LIGHT"),
    subsistema = "SE",
    uf = "RJ",
    segmento = "comercial_at",
    fonte_resumo = "Fotovoltaica",
    energica_mwh = c(2019.6225, 69.06433, 2303.18754),
    energica_autoc_mwh = c(1615.698, 55.25146, 1842.55003),
    energia_inj_mwh = c(403.92450, 13.81287, 460.63751),
    energia_mwmed = c(2.714546380, 0.092828390, 3.095682180),
    pot_mes_mw = c(1.5275, 0.0000, 3.09568218),
    adotantes_mes = c(21, 0, 4),
    p = c(0.00027826110, 0.00060785180, 0.00137570060),
    q = c(1.0000000, 1.0000000, 0.5282319)
)

investimentos <- epe4md_investimentos(
  resultados_mensais = resultados_mensais,
  ano_base = 2021,
  ano_max_resultado = 2050,
  dir_dados_premissas = NA_character_
)

Cria a base do mercado potencial inicial para a adoção.

Description

Cria a base do mercado potencial inicial para a adoção.

Usage

epe4md_mercado_potencial(
  ano_base,
  filtro_renda_domicilio = "maior_3sm",
  filtro_comercial = NA,
  tx_cresc_grupo_a = 0.016,
  dir_dados_premissas = NA_character_
)

Arguments

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

filtro_renda_domicilio

string. Define o filtro aplicado a consumidores residenciais, de acordo com a renda mensal do responsável, em salários mínimos. Permite: "total", "maior_1sm, maior_2sm", "maior_3sm" ou "maior_5sm". Default igual a "maior_3sm".

filtro_comercial

numeric. Fator percentual para definir o nicho do segmento comercial. Default é calculado pelo modelo com base no nicho residencial.

tx_cresc_grupo_a

numeric. Taxa de crescimento anual dos consumidores cativos do Grupo A. Default igual a 0.016 representa crescimento entre 2006 e 2019.

dir_dados_premissas

Value

list com dois data.frames. "consumidores" possui o mercado potencial inicial. "consumidores_totais" possui dados de mercado total.

Examples


mercado_potencial <- epe4md_mercado_potencial(
  ano_base = 2021,
  filtro_renda_domicilio = "maior_3sm",
  filtro_comercial = NA,
  tx_cresc_grupo_a = 0.016,
  dir_dados_premissas = NA_character_
)

Roda um fluxo de caixa para cada caso e retorna métricas financeiras.

Description

Roda um fluxo de caixa para cada caso e retorna métricas financeiras.

Usage

epe4md_payback(
  casos_payback,
  premissas_reg,
  ano_base,
  sequencial,
  filtro_de_uf,
  filtro_de_segmento,
  filtro_de_custo_unitario_max,
  altera_sistemas_existentes = TRUE,
  ano_decisao_alteracao = 2023,
  inflacao = 0.0375,
  taxa_desconto_nominal = 0.13,
  custo_reforco_rede = 200,
  ano_troca_inversor = 11,
  pagamento_disponibilidade = 0.3,
  disponibilidade_kwh_mes = 100,
  desconto_capex_local = 0,
  anos_desconto = 0,
  dir_dados_premissas = NA_character_
)

Arguments

casos_payback

data.frame. Base gerada pela função epe4md_casos_payback

premissas_reg

data.frame. Input de premissas regulatórias para serem consideradas nos cálculos.

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

sequencial

logic. Parâmetro que define se a projeção deve ser realizada de forma sequencial ou paralela. Para executar a projeção de forma sequencial defina o parâmetro como TRUE. Para executar a projeção de forma paralela, defina o parâmetro como FALSE.

filtro_de_uf

string. Parâmetro que define uma unidade federativa (UF) a ser filtrada. Caso uma UF não seja indicada ou seja informado um valor inválido, o resultado será apresentado sem filtros.

filtro_de_segmento

filtro_de_custo_unitario_max

numeric. Parâmetro que define o valor máximo do custo unitário para ser utilizado no cálculo do payback. Default igual a NULL.

altera_sistemas_existentes

logic. TRUE se alterações regulatórias afetam investimentos realizados em anos anteriores à revisão da regulação. Default igual a FALSE.

ano_decisao_alteracao

numeric. Ano em que são definidas novas regras e se tornam de conhecimento público. Esse parâmetro só tem efeito caso o anterior seja igual a TRUE. Default igual a 2021.

inflacao

mumeric. Taxa anual de inflacao considerada no reajuste das tarifas e para calcular o retorno real de projetos. Default igual a 0.0375.

taxa_desconto_nominal

numeric. Taxa de desconto nominal considerada nos cálculos de payback descontado. Default igual a 0.13.

custo_reforco_rede

numeric. Custo em R$/kW aplicado a projetos de geracao remota em Alta Tensão. Representa um custo pago pelo empreendedor para reforços na rede. Default igual a 200.

ano_troca_inversor

numeric. Ano, a partir do ano de instalação, em que é realizada a troca do inversor fotovoltaico. Default igual a 11.

pagamento_disponibilidade

numeric. Percentual de meses em que o consumidor residencial paga custo de disponbilidade em função da variabilidade da geração FV. Default igual a 0.3. Tem efeito somente até o ano de 2022.

disponibilidade_kwh_mes

numeric. Consumo de disponbilidade do consumidor em kWh/mês. Default igual a 100, equivalente a um consumidor trifásico. Tem efeito somente até o ano de 2022.

desconto_capex_local

numeric. Percentual de desconto a ser aplicado no CAPEX de sistemas de geração local(ex: 0.1) para simulação de incentivos. Default igual a 0.

anos_desconto

vector. Anos em que há a incidência do desconto no CAPEX. Default igual a 0.

dir_dados_premissas

Value

data.frame. Métricas financeiras para cada caso.

Examples


casos_payback <- tibble::tibble(
  segmento = "comercial_at",
  fonte_resumo = "Fotovoltaica",
  fator_autoconsumo = 0.8,
  oem_anual = 0.01,
  nome_4md = c("OUTRA", "RGE", "RORAIMA", "SULGIPE", "UHENPAL"),
  fc = c(0.1633388, 0.1513311, 0.1505592, 0.1649651, 0.1481121),
  vida_util = 25,
  degradacao = 0.005,
  pot_sistemas = 70,
  geracao_1_kwh = c(100159.36, 92796.22, 92322.91, 101156.62, 90822.36),
  ano = 2021,
  custo_unitario = 3.81,
  custo_inversor = 0.5715,
  capex_inicial = 266700,
  capex_inversor = 57808.98
)

premissas_regulatorias <- tibble::tibble(
  ano = 2021,
  alternativa = 0,
  p_transicao = 1.00,
  binomia = FALSE,
  demanda_g = FALSE
)

payback <- epe4md_payback(
  casos_payback = casos_payback,
  premissas_reg = premissas_regulatorias,
  ano_base = 2021,
  sequencial = TRUE,
  filtro_de_uf = "RR",
  filtro_de_segmento = "comercial_at",
  filtro_de_custo_unitario_max = 6,
  altera_sistemas_existentes = TRUE,
  ano_decisao_alteracao = 2023,
  inflacao = 0.0375,
  taxa_desconto_nominal = 0.13,
  custo_reforco_rede = 200,
  ano_troca_inversor = 11,
  pagamento_disponibilidade = 0.3,
  disponibilidade_kwh_mes = 100,
  desconto_capex_local = 0,
  anos_desconto = 0,
  dir_dados_premissas = NA_character_
)

Prepara a base de dados da ANEEL com geradores existentes para ser utilizada nas funções seguintes.

Description

Prepara a base de dados da ANEEL com geradores existentes para ser utilizada nas funções seguintes.

Usage

epe4md_prepara_base(
  base_aneel,
  ano_base,
  resumida = TRUE,
  dir_dados_premissas = NA_character_
)

Arguments

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

dir_dados_premissas

base_aneel

Dataframe com a base de dados disponibilizada pela ANEEL na sua página de dados abertos com dados individualizados dos micro e minigeradores distribuídos. Sugestão ler base com read.csv2

resumida

Logic. Se TRUE, retorna a base resumida (Default). Se FALSE retorna base com mais desagregações.

Value

data.frame. Base tratada e resumida.

Examples


base <- tibble::tibble(
  DatGeracaoConjuntoDados = "2023-03-22",
  AnmPeriodoReferencia = "03/2023",
  NumCNPJDistribuidora = c(3.467321e+12, 8.644416e+13, 2.508603e+13),
  SigAgente = c("EMT", "CEGERO", "ETO"),
  NomAgente = c("Energisa Mato Grosso - Distribuidora de Energia S.A.",
  "COOPERATIVA DE ELETRICIDADE DE S<c3>O LUDGERO",
  "ENERGISA TOCANTINS DISTRIBUIDORA DE ENERGIA S.A."),
  CodClasseConsumo = c(1, 3, 1),
  DscClasseConsumo = c("Residencial", "Rural", "Residencial"),
  CodSubGrupoTarifario = c(9, 10, 9),
  DscSubGrupoTarifario = c("B1", "B2", "B1"),
  codUFibge = c(51, 42, 17),
  SigUF = c("MT", "SC", "TO"),
  codRegiao = c(5102, 4206, 1702),
  NomRegiao = c("Centro Oeste", "Sul", "Norte"),
  CodMunicipioIbge = c(5101803, 4211702, 1721000),
  NomMunicipio = c("Barra do Gar<e7>as", "Orleans", "Palmas"),
  CodCEP = c("78600***", "88870***", "77000***"),
  SigTipoConsumidor = "PF",
  NumCPFCNPJ = c("***.529.008-**", "***.075.129-**", "***.730.731-**"),
  NomeTitularEmpreendimento = "***",
  CodEmpreendimento = c("GD.MT.000.001.703", "GD.SC.000.051.177", "GD.TO.000.000.763"),
  DthAtualizaCadastralEmpreend = c("2016-04-08", "2018-12-04", "2016-09-29"),
  SigModalidadeEmpreendimento = c("R", "P", "P"),
  DscModalidadeHabilitado = c("Caracterizada como Autoconsumo remoto",
  "Com Microgeracao ou Minigeracao distribuida",
  "Com Microgeracao ou Minigeracao distribuida"),
  QtdUCRecebeCredito = c(2, 1, 1),
  SigTipoGeracao = "UFV",
  DscFonteGeracao = "Radia<e7><e3>o solar",
  DscPorte = "Microgeracao",
  MdaPotenciaInstaladaKW = c(3.00, 5.00, 4.00),
  NumCoordNEmpreendimento = NA,
  NumCoordEEmpreendimento = NA,
  NomSubEstacao = NA,
  NumCoordESub = NA,
  NumCoordNSub = NA
)

base <- epe4md_prepara_base(
  base_aneel = base,
  ano_base = 2021,
  resumida = TRUE,
  dir_dados_premissas = NA_character_
)

Realiza a projeção do número de adotantes de micro e minigeração distribuída

Description

Realiza a projeção do número de adotantes de micro e minigeração distribuída

Usage

epe4md_proj_adotantes(
  casos_otimizados,
  consumidores,
  ano_base,
  dir_dados_premissas = NA_character_
)

Arguments

casos_otimizados

data.frame. Resultado da funcao epe4md_calibra_curva_s.

consumidores

list. Resultado da função epe4md_mercado_potencial.

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

dir_dados_premissas

Value

list com dois data.frames. "proj_adotantes" possui os resultados da projeção de adotantes de micro e minigeração distribuída. "part_adotantes" possui o resultado em termos de participação do número de adotantes frente ao total de unidades consumidoras.

Examples

casos_otimizados <-
  structure(
    list(nome_4md = c("MUXENERGIA", "EPB", "EFLJC"),
         segmento = c("comercial_bt", "comercial_at", "residencial"),
         p = c(0.01, 0.000316252847258369, 0.00025238142355137),
         q = c(1, 1, 0.676434758626127),
         spb = c(0.3, 0.3, 0.3),
         ano = c(2029, 2025, 2026),
         Ft = c(0.999996472365327, 0.992930172901814, 0.829136572246132),
         consumidores = c(257, 1871, 847),
         payback = c(4.38236607048146, 7.216158855616, 4.25745937192023),
         mercado_potencial = c(69, 215, 236)),
    row.names = c(NA, -3L),
    class = c("tbl_df", "tbl", "data.frame"))

consumidores <-
  list(
    structure(
      list(nome_4md = c("CPFL PIRATININGA", "EMS", "RGE"),
           ano = c(2020, 2028, 2034),
           segmento = c("comercial_at_remoto", "residencial", "comercial_at"),
           consumidores = c(6736, 113412, 13515)),
      class = c("tbl_df", "tbl", "data.frame"),
      row.names = c(NA, -3L)),
    structure(
      list(ano = c(2017, 2035, 2031),
           total_ucs = c(67352162.358959, 88092914.3204848, 83828643.0017198),
           segmento = c("residencial", "residencial", "residencial")),
      row.names = c(NA, -3L),
      class = c("tbl_df", "tbl", "data.frame"))
    )

names(consumidores) <- c("consumidores", "consumidores_totais")

proj_adotantes <- epe4md_proj_adotantes(
casos_otimizados = casos_otimizados,
consumidores = consumidores,
ano_base = 2021
)

Estima a geração de eletricidade a partir da projeção de potência

Description

Estima a geração de eletricidade a partir da projeção de potência

Usage

epe4md_proj_geracao(
  proj_mensal,
  ano_base,
  filtro_de_uf,
  filtro_de_segmento,
  dir_dados_premissas = NA_character_
)

Arguments

proj_mensal

dataframe. Resultado da função epe4md_proj_mensal.

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

filtro_de_uf

string. Parâmetro que define uma unidade federativa (UF) a ser filtrada. Caso uma UF não seja indicada ou seja informado um valor inválido, o resultado será apresentado sem filtros.

filtro_de_segmento

dir_dados_premissas

Value

data.frame com os resultados da projeção de capacidade instalada de micro e minigeração distribuída, número de adotantes e geração mensal de energia.

Examples


projecao_mensal <- structure(
  list(ano = c(2018, 2019, 2020),
       nome_4md = c("COSERN", "EQUATORIAL AL", "ERO"),
       fonte_resumo = c("Fotovoltaica", "Fotovoltaica", "Fotovoltaica"),
       segmento = c("residencial", "comercial_bt", "residencial_remoto"),
       adotantes_mes = c(29, 38, 4),
       pot_mes_mw = c(0.16773, 0.42818, 0.01418),
       mes_ano = c("2018 jul 1", "2019 jun 1", "2020 ago 1"),
       mes = c(7, 6, 8),
       p = c(1e-04, 0.000321082460336051, 1e-04),
       q = c(0.999129117163193, 1, 0.788982959999952),
       Ft = c(0.0385425368844212, 0.260610809377481, 0.0652161787454779)),
  row.names = c(NA, -3L),
  class = c("tbl_df", "tbl", "data.frame")
)

projecao_mensal <- dplyr::mutate(projecao_mensal, mes_ano = strptime(mes_ano, "%Y %b %d"))

proj_geracao <- epe4md_proj_geracao(
  proj_mensal = projecao_mensal,
  ano_base = 2021,
  filtro_de_uf = "N",
  filtro_de_segmento = "comercial_at",
  dir_dados_premissas = NA_character_
)

Faz a abertura mensal da projeção de potência

Description

Faz a abertura mensal da projeção de potência

Usage

epe4md_proj_mensal(
  lista_potencia,
  ano_base,
  filtro_nome4md,
  filtro_de_segmento,
  ano_max_resultado = 2050,
  ajuste_ano_corrente = FALSE,
  ultimo_mes_ajuste = NA,
  metodo_ajuste = NA,
  dir_dados_premissas = "inst/dados_premissas"
)

Arguments

lista_potencia

list. Resultado da função epe4md_proj_potencia.

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

filtro_nome4md

string. Parâmetro que define o nome de uma concessionária de energia a ser filtrado. Caso não seja informado um valor ou seja informado um valor inválido o resultado será apresentado sem filtro.

filtro_de_segmento

ano_max_resultado

numeric. Ano final para apresentação dos resultados. Máximo igual a 2050. Default igual a 2050.

ajuste_ano_corrente

ultimo_mes_ajuste

numeric. Último mês com dados completos na base_ano_corrente. Default igual a NA. Só tem efeito caso ajuste_ano_corrente seja igual a TRUE.

metodo_ajuste

string. Se igual a "extrapola" o modelo irá extrapolar a potência e o número de adotantes até o final do ano base + 1 com base no verificado até o ultimo_mes_ajuste. Se igual a "substitui", o modelo substitui a projeção até o ultimo_mes_ajuste e mantém o restante do ano com a projeção normal. Só tem efeito caso ajuste_ano_corrente seja igual a TRUE.

dir_dados_premissas

Value

data.frame com os resultados da projeção de capacidade instalada de micro e minigeração distribuída e número de adotantes mensal

Examples

lista_potencia <- list(
 proj_potencia = structure(
   list(nome_4md = c("RORAIMA", "RORAIMA", "RORAIMA", "RORAIMA", "RORAIMA"),
        segmento = c("comercial_at", "comercial_at", "comercial_at",
        "comercial_at", "comercial_at"),
        p = c(0.000122298434419402, 0.000122298434419402,
        0.000122298434419402, 0.000122298434419402, 0.000122298434419402),
        q = c(1, 1, 1, 1, 1),
        spb = c(0.3, 0.3, 0.3, 0.3, 0.3),
        ano = c(2017, 2018, 2019, 2020, 2021),
        Ft = c(0.0177177153816275, 0.0469352065606947, 0.118237854106428,
        0.267268529395706, 0.497952210651889),
        consumidores = c(656, 678, 751, 764, 791),
        payback = c(25, 12.9151902647661, 7.76175962915069,
        11.9207871041042, 11.8969973448089),
        mercado_potencial = c(0.25, 3.5, 18.25, 5.25, 5.5),
        adotantes_ano = c(3, 1, 1, 3, 6),
        adotantes_acum = c(3, 4, 5, 8, 14),
        fonte_resumo = c("Fotovoltaica", "Fotovoltaica", "Fotovoltaica",
        "Fotovoltaica", "Fotovoltaica"),
        part_fonte = c(1, 1, 1, 1, 1),
        adotantes_hist = c(3, 1, 1, 3, 6),
        pot_media = c(353.694375, 353.694375, 353.694375, 353.694375,
        353.694375),
        pot_ano = c(199, 80, 94, 4602, 529.11),
        pot_hist = c(199, 80, 94, 4602, 529.11),
        pot_ano_mw = c(0.199, 0.08, 0.094, 4.602, 0.52911),
        pot_acum_mw = c(0.199, 0.279, 0.373, 4.975, 5.50411)),
   class = c("tbl_df", "tbl", "data.frame"),
   row.names = c(NA, -5L)
 ),
 part_adotantes = structure(
   list(ano = c(2017, 2018, 2019, 2020, 2021),
        segmento = c("comercial_at", "comercial_at", "comercial_at",
        "comercial_at", "comercial_at"),
        adotantes = c(3, 4, 5, 8, 14),
        mercado_potencial = c(1, 14, 73, 21, 22),
        total_ucs = c(187922, 187853, 184276, 182048, 181394),
        penetracao_total = c(1.5964070199338e-05, 2.12932452502755e-05,
        2.71332132236428e-05, 4.39444542098787e-05, 7.71800610825055e-05),
        mercado_nicho = c(187922, 187853, 184276, 182048, 181394),
        penetracao_nicho = c(1.5964070199338e-05, 2.12932452502755e-05,
        2.71332132236428e-05, 4.39444542098787e-05, 7.71800610825055e-05),
        penetracao_potencial = c(3, 0.285714285714286, 0.0684931506849315,
        0.380952380952381, 0.636363636363636)),
   row.names = c(NA, -5L),
   class = c("tbl_df", "tbl", "data.frame")
 )
)

proj_mensal <- epe4md_proj_mensal(
 lista_potencia = lista_potencia,
 ano_base = 2021,
 filtro_nome4md = "RORAIMA",
 filtro_de_segmento = "comercial_at",
 ano_max_resultado = 2021
)

Realiza a projecao da capacidade instalada de micro e minigeracao distribuida

Description

Realiza a projecao da capacidade instalada de micro e minigeracao distribuida

Usage

epe4md_proj_potencia(
  lista_adotantes,
  ano_base,
  dir_dados_premissas = "inst/dados_premissas"
)

Arguments

lista_adotantes

data.frame. Data.frame que contém dados relativos aos adotantes.

ano_base

numeric. Ano base da projeção. Define o ano em que a função irá buscar a base de dados. Último ano completo realizado.

dir_dados_premissas

Value

list com dois data.frames. "proj_potencia" possui os resultados da projeção de capacidade instalada de micro e minigeração distribuída. "part_adotantes" possui o resultado em termos de participação do número de adotantes frente ao total de unidades consumidoras.

Examples


lista_adotantes <- list(
  structure(
    list(nome_4md = c("CEB", "EQUATORIAL MA", "LIGHT"),
         segmento = c("comercial_at_remoto", "comercial_bt", "comercial_at_remoto"),
         p = c(0.000314088483901221, 0.000326288160094334, 0.01),
         q = c(0.860602105239079, 0.796618861208451, 0.0771175699573262),
         spb = c(0.3, 0.3, 0.3),
         ano = c(2024, 2028, 2022),
         Ft = c(0.917955265426745, 0.992968921614641, 0.137575817915978),
         consumidores = c(12146, 47955, 22878),
         payback = c(5.00924084667372, 4.40202323859729, 8.53878219211533),
         mercado_potencial = c(675.75, 3200.75, 441.5),
         adotantes_ano = c(309, 0, 4),
         adotantes_acum = c(2361, 0, 42),
         fonte_resumo = c("Fotovoltaica", "Eólica", "Fotovoltaica"),
         part_fonte = c(1, 0, 0.186666666666667),
         adotantes_hist = c(NA_real_, NA_real_, NA_real_)),
    row.names = c(NA, -3L),
    class = c("tbl_df", "tbl", "data.frame")),
  structure(
    list(ano = c(2030, 2016, 2020),
         segmento = c("comercial_bt", "residencial", "residencial"),
         adotantes = c(694432, 7214, 357386),
         mercado_potencial = c(620539, 857786, 2931122),
         total_ucs = c(14858570, 66148593.0147109, 71001451.6735913),
         penetracao_total = c(0.0467361260202025, 0.000109057497238009, 0.00503350271826806),
         mercado_nicho = c(2541888, 10668970, 11014026),
         penetracao_nicho = c(0.273195357151849, 0.000676166490298501, 0.0324482618798975),
         penetracao_potencial = c(1.11907873638885, 0.00841002301273278, 0.121928053489415)),
    row.names = c(NA, -3L),
    class = c("tbl_df", "tbl", "data.frame"))
  )

names(lista_adotantes) <- c("proj_adotantes", "part_adotantes")

proj_potencia <- epe4md_proj_potencia(
  lista_adotantes = lista_adotantes,
  ano_base = 2021
)

Resume os resultados de capacidade instalada

Description

Resume os resultados de capacidade instalada

Usage

epe4md_sumariza_resultados(resultados_mensais)

Arguments

resultados_mensais

data.frame. Saída da função epe4md::epe4md_calcula

Value

data.frame com projeção de capacidade instalada nacional, em GW e geração de energia, em GWh e MWméd.

Examples


resultados_mensais <- structure(
  list(data = structure(c(18628, 18628, 18628),
       class = "Date"),
       ano = c(2021, 2021, 2021),
       mes = c(1, 1, 1),
       nome_4md = c("RORAIMA", "SULGIPE", "UHENPAL"),
       subsistema = c("MAN", "NE", "S"),
       uf = c("RR", "SE", "RS"),
       segmento = c("comercial_at", "comercial_at", "comercial_bt"),
       fonte_resumo = c("Fotovoltaica", "Fotovoltaica", "Fotovoltaica"),
       energia_mwh = c(536.436102870736, 83.2181016179793, 128.993567632682),
       energia_autoc_mwh = c(429.148882296589, 66.5744812943834, 64.4967838163411),
       energia_inj_mwh = c(107.287220574147, 16.6436203235959, 64.4967838163411),
       energia_mwmed = c(Jan = 0.721016267299377, Jan = 0.11185228712094, Jan = 0.173378451119196),
       pot_mes_mw = c(0, 0, 0.05441),
       adotantes_mes = c(0, 0, 5),
       p = c(0.000122345127598721, 0.000242743031345856, 0.00368794049368357),
       q = c(1, 1, 0.550183036478482)),
  row.names = c(NA, -3L),
  class = c("tbl_df", "tbl", "data.frame")
)

resultado <- epe4md_sumariza_resultados(resultados_mensais)

Paleta de cores da EPE

Description

Vetor contendo 11 cores diferentes referentes às cores utilizadas pela EPE.

Usage

paleta_epe

Format

Um vetor com 11 cores.