TCC - André Felipe-F

UNIVERSIDADE FEDERAL DO PARÁ
INSTITUTO DE TECNOLOGIA
FACULDADE DE ENGENHARIA ELÉTRICA E BIOMÉDICA
ANDRÉ FELIPE PACHECO COSTA
DESENVOLVIMENTO DE FERRAMENTA PARA A ANÁLISE OPERACIONAL DE

UMA NANORREDE DE DISTRIBUIÇÃO EM CORRENTE CONTÍNUA
UTILIZANDO SOFTWARE DE BUSINESS INTELLIGENCE
BELÉM
2022

Trabalho de Conclusão de Curso apresentado para

obtenção do grau de Bacharel em Engenharia Elétrica,
Faculdade de Engenharia Elétrica e Biomédica, Instituto
de Tecnologia, Universidade Federal do Pará.
Orientador: Prof. Dr. Wilson Negrão Macêdo.
BELÉM
2022

Trabalho de Conclusão de Curso apresentado para

obtenção do grau de Bacharel em Engenharia Elétrica,
Faculdade de Engenharia Elétrica e Biomédica, Instituto
de Tecnologia, Universidade Federal do Pará.
Orientador: Prof. Dr. Wilson Negrão Macêdo.
APROVADA EM: 19 / 12 / 2022
BANCA EXAMINADORA
_____________________________________________________
Prof. Dr. WILSON NEGRÃO MACÊDO
Orientador – UFPA
_____________________________________________________
Prof. Dr. MARCOS ANDRÉ BARROS GALHARDO
Coorientador – UFPA
_____________________________________________________
Eng. ARTHUR CORRÊA DA FONSECA
Examinador Interno – UFPA
_____________________________________________________
Prof. Me. JOSÉ DE ARIMATEIA
Examinador Externo – UFPA
À Nossa Senhora do Monte Carmelo.
AGRADECIMENTOS
Pelo dom da vida, sustentar minha existência mesmo quando O ofendo, propiciar a
salvação da minha alma e, sem eu merecer, perdoar meus pecados, agradeço a Deus, Nosso
Senhor Jesus Cristo. “Por Cristo, com Cristo, em Cristo, a vós, Deus Pai todo-poderoso, na
unidade do Espírito Santo, toda a honra e toda a glória, por todos os séculos dos séculos”.
Agradeço também à minha mãe do céu, a Santíssima Virgem Maria, em seus títulos de
Nossa Senhora do Carmo, Nossa Senhora das graças, Nossa Senhora de Fátima e Nossa Senhora
de Nazaré, a qual tem mostrado sua face misericordiosa sempre que preciso, sendo eu o pior
dos seus filhos, Ela não me desampara por nenhum segundo. “Santa Maria, Mãe de Deus, rogai
por nós pecadores agora e na hora de nossa morte”.
A todo o coro celeste, que não cansa de interceder junto a Deus pelas nossas
necessidades, em especial a São José, São Miguel Arcanjo, Santa Teresa d’Ávila, São Tomás
de Aquino, São Pio X, São Paulo, São Pedro, Santa Margarida Maria Alacoque, São Bento, São
Dom Bosco, São Felipe Neri e São Simão Stock.
À minha mãe, Alice Pacheco, por todas suas orações, que tem me sustentado quando
não mereço, por todo bem, disposição, cuidados, sacrifícios e favores que têm me feito ao longo
da minha vida, desde o meu nascimento até o meu último suspiro serei grato e te amarei.
Ao meu pai, José Ribamar, por todo apoio dado a mim sem nunca me desamparar.
À minha avó, Jesuina Pacheco, in memoriam, sempre carinhosa e com muito amor por
mim, sentirei para sempre sua falta, que descanse em paz nos esplendores da luz divina.
Ao meu orientador Wilson Macêdo, que me orientou desde o primeiro parafuso apertado
até os dias de hoje, sempre prezando pelo meu melhor.
Aos meus supervisores de estágio Ana Lúcia Nascimento e Marcos Silveira, que me
mostraram o caminho para ser um profissional competente e valorizado, os quais tenho o prazer
de poder chamá-los de amigos.
Aos meus amigos de faculdade, Rafael Rezende, Rafael Prado, Jean Batsita, José
William, Ivanildo Ramos, Ivana Natividade, Patrick Gaia, Nelson Yamaguti, Rodrigo Santos,
Jamilly Azevedo e Jacielle Ferreira. Indispensáveis para tornar os dias de aulas muito mais
divertidos e fáceis.
Ao meu amigo Armando Tadao, responsável por deixar todos os dias em que não
faltávamos muito melhores com as conversas e gracejos.
Ao meu amigo mais antigo Juan da Costa, por longos onze anos de amizade, sendo
alguém que eu sempre pude contar para qualquer dificuldade e alguém também que sempre
poderá contar comigo para o que for.
À minha família de Macapá por todo amor e carinho me dado.
Aos amigos do GEDAE, antigos e presentes, principalmente ao Pedro Torres, Arthur
Corrêa, Ivan Parijós, Ana Laura Ruivo, Orlando Lemos, Professores Edinaldo Pereira e Marcos
Galhardo.
Aos amigos da Kinross Paracatu, principalmente ao Lucas Monteiro, Isac Silva, Marcos
Oliveira, Luiz Martins e Monique Evelyns pelo apoio e solicitude.
Às amigas do DCE tridentino, Marcely Cunha, Brenda Cunha, Adelaide Bastos e Ana
Clara Cerveira pelo apoio, descontração e orações.
À Jhennifer Freitas pela amizade, conversas, orações e disponibilidade para ajudar
sempre que peço.
A todos que torceram por mim e me querem bem, meu muito obrigado!
RESUMO
O mundo está criando quantidades cada vez mais massivas de dados e a necessidade de
transformar esses números e informações em conhecimento empírico cria uma demanda O
mundo está criando quantidades cada vez mais massivas de dados e a necessidade de
transformar esses números e informações em conhecimento empírico cria uma demanda
crescente por recursos humanos e operacionais que sejam capazes de executar essas análises.
Dessa maneira, para atender esse propósito, foi criado o Business Intelligence (BI) que, com
suas ferramentas e metodologias, é capaz de otimizar o processo analítico de grandes bancos
de dados, proporcionando a aplicação do BI a diversos setores, tanto acadêmicos quanto
industriais, sendo exemplo as áreas de finanças, recursos humanos e engenharia. Neste sentido,
o presente trabalho visa construir uma análise estratificada dos dados operacionais coletados
acerca de uma nanorrede de distribuição elétrica localizada na Ilha das Onças, no município de
Barcarena – PA, projetada e instalada pelo Grupo de Estudos e Desenvolvimento de
Alternativas Energéticas (GEDAE) da Universidade Federal do Pará (UFPA). A geração de
energia para suprimento da rede é feita por meio de sistemas fotovoltaicos divididos entre as
residências ribeirinhas vizinhas e empregam-se subsistemas de armazenamento em bancos de
baterias distribuídos da mesma forma. Os conceitos utilizados para a elaboração da ferramenta
de análise dos dados, bem como o seu desenvolvimento, são o principal escopo do presente
trabalho, tendo como resultado um relatório estruturado que servirá de guia para as análises da
operação da nanorrede, garantindo escalabilidade e fácil navegação e entendimento, o que
comprova que a utilização de ferramentas de Business Intelligence é uma excelente proposta
para análises de grandes bancos de dados para estudos acadêmicos, garantindo automatização
e confiabilidade dos trabalhos.
Palavras-chaves: Business Intelligence, Microsoft Power BI, Nanorrede c.c.,

Energia solar fotovoltaica, ETL e Modelagem de dados.
ABSTRACT
The world is creating increasingly massive amounts of data and the need to transform
these numbers and information into empirical knowledge creates a growing demand for human
and operational resources capable of performing these analyses. Thus, to meet this purpose,
Business Intelligence (BI) was created, which, with its tools and methodologies, can optimize
the analytical process of large databases, providing the application of BI to various sectors, both
academic and industrial, for examples the areas of finance, human resources and engineering.
In this sense, the present work aims to build a stratified analysis of the operational data collected
about an electrical distribution nanogrid located on the island of onças in the municipality of
Barcarena - PA designed and installed by the Group of Studies and Development of Energy
Alternatives (GEDAE) of the Federal University of Pará (UFPA). The electric grid is powered
by photovoltaic systems divided between the neighboring riverside residences and it is used
storage subsystems battery banks distributed in the same way. The concepts used for the
elaboration of the data analysis tool, as well as its development, will be the main scope of the
present work, resulting in a structured report that will serve as a guide for the analyzes of the
nanogrid operation, guaranteeing scalability and easy navigation and understanding, which
proves that the use of Business Intelligence tools is an excellent proposal for analysis of large
databases for academic studies, ensuring automation and reliability of the work.
Keywords: Business Intelligence, Microsoft Power BI, D.C. Nanogrid, Photovoltaic

solar energy, ETL and Data modeling.
LISTA DE FIGURAS
Figura 2.1 - Esquema de modelagem de dados em estrela ........................................... 20

Figura 2.2 - Quadrante mágico da Gartner de avaliação de programas de BI .............. 21
Figura 2.3 - Tela inicial do Power BI Desktop ............................................................. 22
Figura 2.4 - Página inicial do Power BI Service ........................................................... 23
Figura 2.5 - Aba "Obter dados" do Microsoft Power BI .............................................. 24
Figura 2.6 - Aba Navegador de fonte de dados ............................................................ 24
Figura 2.7 - Editor do Power Query ............................................................................. 25
Figura 2.8 - Editor de relatórios do Power BI Desktop ................................................ 26
Figura 2.9 - Painel de seleção e painel de indicadores do Power BI Desktop .............. 27
Figura 3.1 - Localização dos sistemas .......................................................................... 30
Figura 4.1 - Tabela de fatos .......................................................................................... 37
Figura 4.2 - Colunas calculadas .................................................................................... 38
Figura 4.3 - Código DAX da tabela de dimensões "dCalendário" ............................... 39
Figura 4.4 – Tabela de dimensões "dGeográfico" ........................................................ 40
Figura 4.5 - Tabela calculada "Histogram table" .......................................................... 41
Figura 4.6 - Relacionamentos criados para o modelo ................................................... 42
Figura 5.1 – Análise energética global ......................................................................... 44
Figura 5.2 - Mapa de bolhas de geração e consumo energético ................................... 45
Figura 5.3 - Análise diária de energia gerada ............................................................... 47
Figura 5.4 - Análise diária de energia consumida ........................................................ 48
Figura 5.5 - Análise do perfil de geração e consumo energético diário ....................... 49
Figura 5.6 - Histogramas energéticos ........................................................................... 51
Figura 5.7 - Análise global de corrente e potência da nanorrede ................................. 53
Figura 5.8 - Análise operacional do controlador de carga ............................................ 54
Figura 5.9 - Análise dos parâmetros por sistema .......................................................... 55
Figura 5.10 - Análise comparativa por sistema dos parâmetros da nanorrede ............. 56
Figura 5.11 - Análise de tensão por subsistema ........................................................... 57
Figura 5.12 - Menu de navegação................................................................................. 59
LISTA DE TABELAS
Tabela 3.1 - Algumas possibilidades de aplicações de minirredes elétricas ................ 29

Tabela 4.1 - Campos da base de dados ......................................................................... 34
LISTA DE QUADROS
Quadro 3.1 - Especificações dos bancos de baterias .................................................... 31

Quadro 3.2 - Geradores fotovoltaicos instalados .......................................................... 31
Quadro 3.3 - Levantamento da carga instalada............................................................. 32
SIGLAS E ABREVIATURAS
Ah Unidade de energia Ampère-hora

ANEEL Agência Nacional de Energia Elétrica
BI Business Intelligence
C.C. Corrente contínua
DAX Data Analysis Expressions
DW Data Warehouse
ETL Extract, Transform, Load (extrair, transformar, carregar)
ER Estação de Recarga
GEDAE Grupo de Estudos e Desenvolvimento de Alternativas Energéticas
kWh Unidade de energia quilowatt-hora
NDCC Nanorrede de Distribuição em Corrente Contínua
PU Sistema por Unidade
UFPA Universidade Federal do Pará
Wp Unidade de potência de sistemas fotovoltaicos em sol pleno Watt-pico
SUMÁRIO
1. INTRODUÇÃO ........................................................................................................ 14
1.1. OBJETIVOS .................................................................................................................. 15

1.1.1. Objetivo geral ............................................................................................................. 15
1.1.2. Objetivos específicos .................................................................................................. 15
1.2. ESTRUTURA DO TRABALHO ......................................................................................... 16
2. BUSINESS INTELLIGENCE ................................................................................. 17
2.1. ETL (EXTRACT, TRANSFORM, LOAD) .......................................................................... 17

2.2. MODELAGEM DOS DADOS ............................................................................................ 18
2.2.1. Data warehouses ......................................................................................................... 19
2.2.1.1. Esquema de modelagem de dados em estrela ............................................................ 19
2.3. MICROSOFT POWER BI ................................................................................................ 21
2.3.1. Power BI Desktop e Power BI service ....................................................................... 22
2.3.2. Power Query e modelagem ........................................................................................ 23
2.3.3. Relatório ..................................................................................................................... 25
3. DESCRIÇÃO DA REDE ELÉTRICA INSTALADA ........................................... 29
3.1. GERAÇÃO DISTRIBUÍDA E MINIRREDES DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA ........ 29

3.2. CONFIGURAÇÃO .......................................................................................................... 30
3.3. CARGAS....................................................................................................................... 32
4. ETL E MODELAGEM ............................................................................................ 34
4.1. BASE DE DADOS ........................................................................................................... 34

4.1.1. Aquisição .................................................................................................................... 34
4.1.2. ETL (Extract, Transform, Load) ................................................................................ 35
4.1.2.1. Extração ...................................................................................................................... 35
4.1.2.2. Transformação ............................................................................................................ 36
4.1.2.3. Carregamento ............................................................................................................. 36
4.2. MODELAGEM DO DATA WAREHOUSE ........................................................................... 37
4.2.1. Colunas calculadas ..................................................................................................... 37
4.2.2. Tabelas de dimensões ................................................................................................. 38
4.2.2.1. dCalendário ................................................................................................................ 38
4.2.2.2. dGeográfico ................................................................................................................ 39
4.2.3. Tabelas calculadas ...................................................................................................... 40
4.2.4. Relacionamentos ........................................................................................................ 41
5. CONSTRUÇÃO DO RELATÓRIO ....................................................................... 43
5.1. ANÁLISE ENERGÉTICA ................................................................................................. 43

5.1.1. Análise energética global ........................................................................................... 43
5.1.2. Análise energética por sistema ................................................................................... 46
5.1.2.1. Análise de geração e consumo energético diário por período .................................... 46
5.1.2.2. Análise do perfil diário de geração e consumo energético ......................................... 49
5.1.3. Histograma de energia ................................................................................................ 50
5.2. ANÁLISE DOS PARÂMETROS OPERACIONAIS DA NANORREDE ....................................... 52
5.2.1. Análise de potência e corrente global......................................................................... 53
5.2.2. Análise operacional dos controladores de carga por sistema ..................................... 54
5.2.3. Análise dos parâmetros da rede por sistema .............................................................. 55
5.2.4. Análise da tensão por sistema .................................................................................... 57
5.2.5. Menu de navegação (Capa) ........................................................................................ 58
6. CONCLUSÃO .......................................................................................................... 60
14
1. INTRODUÇÃO
No Brasil, o atendimento elétrico é realizado na sua maior parte pelo Sistema Interligado
Nacional (SIN), o qual consiste em um conjunto de equipamentos e instalações que geram e
transmitem energia elétrica coordenadamente, conectando a geração aos consumidores. O SIN
permite que os seus usuários usufruam de uma maior confiabilidade do sistema, isso porque há
a minimização dos riscos de interrupção (ONS, 2022).
Entretanto, o atendimento pelo SIN possui dificuldades financeiras e técnicas para
chegar em algumas localidades nos estados da região mais ao norte do país, sendo necessário
que essa parcela do país seja atendida com sistemas isolados públicos fornecidos pelas
concessionárias. Ainda assim, em localidades mais remotas, a população local depende de
geração própria para ter acesso à eletricidade apenas algumas horas por dia, quase sempre
utilizando óleo diesel como fonte energética.
Segundo o relatório “Exclusão elétrica na Amazônia Legal: quem ainda está sem acesso
à energia elétrica” publicado pelo Instituto de Energia e Meio Ambiente (IEMA) utilizando
dados da plataforma eletrônica da Empresa de Pesquisa Energética (EPE), em 2018 cerca de
990.113 pessoas ainda não tinham acesso à energia elétrica sem depender de geração própria,
sendo o Pará o estado com maiores valores absolutos de excluídos, chegando a 409.593 pessoas,
representando 4,8% da população paraense (INSTITUTO DE ENERGIA E MEIO
AMBIENTE, 2020).
Muitas dessas regiões remotas sem acesso à energia elétrica se localizam nas áreas à
beira de rios cercadas por florestas, que são popularmente conhecidas como ribeirinhas
(PINHO, BARBOSA, et al., 2008). Todas essas características locais dificultam até mesmo a
aquisição do óleo diesel, pois é necessário deslocamentos por meio de embarcações até o local
em que compram o combustível e regressar às suas comunidades, aumentando bastante o custo
do combustível no final, além de ser uma fonte energética muito poluente tanto durante a sua
utilização, ao emitir gases de efeito estufa, quanto no momento no descarte do óleo diesel e
óleos lubrificantes já utilizados, comumente sendo despejado em rios ou na terra (WWF, 2020).
Dessa maneira, surge a necessidade de estudar-se alternativas à geração a diesel que
possibilitem redução de gastos, maior sustentabilidade e disponibilidade contínua de energia
elétrica para essa camada populacional. Sendo assim, alguns trabalhos vêm sendo
desenvolvidos no Grupo de Estudos e Desenvolvimento de Alternativas Energéticas (GEDAE)
com a proposta de implantar uma nanorrede elétrica em corrente contínua em localidade
ribeirinha (TORRES, 2019); (VIEIRA, 2021); (COSTA, 2021).
15
Então, a partir dos estudos realizados, foi projetada e construída uma rede isolada
localizada na Ilha das Onças, próxima ao município de Belém e pertencente ao município de
Barcarena, englobando 8 instalações ribeirinhas, interconectadas entre si, com a geração de
energia a partir de sistemas fotovoltaicos com potência nominal total de 7,4 kWp e bancos de
bateria com capacidade de armazenamento total de 1400 Ah. Portanto, para avaliar tanto a
escalabilidade dessa topologia quanto a sua confiabilidade, é necessário que haja constante
monitoração dos parâmetros da nanorrede.
Por conseguinte, torna-se indispensável a construção de uma ferramenta para
automatizar a análise dos dados obtidos em campo, os quais são provenientes dos controladores
de carga, em um relatório padrão que viabilize estudos refinados do histórico de operação da
nanorrede a partir de uma plataforma interativa de fácil manipulação. Devido à grande
quantidade de dados, é necessário um software com bastante poder de processamento, dessa
maneira, foi utilizado para a construção do relatório o Microsoft Power BI que atende de
maneira satisfatória a demanda de trabalho.
Desta forma, o presente trabalho visa descrever o procedimento utilizado para a criação
dessa ferramenta em forma de relatório interativo no programa Microsoft Power BI, assim como
descrever cada visual utilizado para a construção do relatório.
1.1. Objetivos
1.1.1. Objetivo geral

• Criar uma ferramenta utilizando o software Microsoft Power BI para avaliação
operacional da rede elétrica isolada instalada em uma comunidade localizada na Ilha das
Onças, nos arredores do município de Barcarena – PA.
1.1.2. Objetivos específicos

• Identificar principais parâmetros de monitoração para analisar a operacionalidade da
nanorrede;
• Estruturar Data Warehouse dos parâmetros selecionados;
• Extrair, transformar e carregar dados fornecidos pelos controladores de carga no
Microsoft Power BI;
• Gerar um único relatório condensando todas as informações necessárias para se realizar
uma análise refinada da operação da nanorrede.
16
1.2. Estrutura do trabalho

O presente trabalho está estruturado em seis capítulos, sendo o primeiro capítulo sobre
a contextualização da problemática envolvida, seus objetivos e a sua estrutura. O segundo
capítulo trata do referencial teórico ao que diz respeito a Business Intelligence, seus conceitos,
ferramentas e programas. O terceiro capítulo aborda a classificação da rede elétrica instalada e
descreve suas características de operação. O quarto capítulo discorre sobre o processo de
obtenção, tratamento e modelagem dos dados para preparar o ambiente para a construção do
relatório. O quinto capítulo descreve a construção do relatório, apresentando em detalhe as
análises geradas em cada página do relatório. Finalmente, o último capítulo conclui o trabalho
e apresenta sugestões para evoluir a ferramenta e a sua análise.
17
2. BUSINESS INTELLIGENCE
A tecnologia de Business Intelligence (BI) surgiu como uma maneira de transformar

dados brutos em informações significativas, a fim de fornecer às empresas maneiras para
embasar as tomadas de decisões estratégicas para melhor operação dos negócios. A tradução
livre do termo significa “inteligência de negócio”, definindo um conjunto de regras e técnicas
para organizar adequadamente um grande volume de dados, transformando-os em depósitos
estruturados de informações (Data Warehouse) (BARBIERI, 2011).
As ferramentas de Business Intelligence são comumente utilizadas para análises de
dados históricos e atuais apresentando-as em formatos visuais intuitivos. A construção do
conhecimento a partir dos dados é feita em quatro etapas principais: coleta e transformação dos
dados de várias fontes (ETL, do inglês extract, transform, load); modelagem dos dados;
visualização de dados e estruturação de estratégias de acordo com a necessidade do panorama
(MICROSOFT, 2022a).
O Business Intelligence é aplicado em diversas indústrias: finanças, bens de consumo,
energia, tecnologia, governo, educação, saúde, manufatura e serviços profissionais. Essa gama
de aplicações é possível devido aos variados benefícios do uso de BI, tais como: maior
eficiência operacional, parâmetros de comparação claros com base em dados históricos e atuais,
análises que podem ser compartilhadas em tempo real entre departamentos e facilidade na
utilização das plataformas tanto pela equipe de desenvolvimento quanto para equipes de
operação (MICROSOFT, 2022a).
Os tópicos a seguir descrevem as etapas da construção de informação a partir dos dados
utilizando ferramentas de BI.
2.1. ETL (Extract, transform, load)

O primeiro passo para realizar a análise de dados utilizando plataformas de BI é a
integração da base de dados, também conhecida como data integration. A maneira mais
comumente utilizada pelos softwares baseia-se em um método dividido em três partes chamado
ETL, sigla em inglês que significa “extrair, transformar e carregar” (SAS: ANALYTICS,
INTELIGÊNCIA ARTIFICIAL E GERENCIAMENTO DE DADOS, 2022).
As etapas de ETL são descritas a seguir:
• Extrair (Extract): a extração identificará os dados a partir da conexão estabelecida com
a fonte de dados e os copia para armazená-los no destino. Os dados podem vir de fontes
18
estruturadas ou não estruturadas, incluindo documentos, e-mails, aplicações de

negócios, bancos de dados, equipamentos, sensores etc.
• Transformar (Transform): normalmente os dados extraídos não estão adequados para o
manuseio, dessa maneira é necessário mapear e transformá-los. Nessa etapa os dados
são validados, autenticados, desduplicados e/ou agregados de forma a estruturar o banco
de dados resultante confiáveis e consultáveis.
• Carregar (Load): no carregamento os dados transformados são armazenados no destino.
Esta etapa pode implicar o carregamento inicial de todos os dados de origem ou pode
ser o carregamento de alterações incrementais nos dados de origem. O carregamento
dos dados pode ser realizado em tempo real ou em lotes programados.
O processo ETL é fundamental para muitos setores devido à capacidade de gerir dados
de forma rápida e confiável, criando modelos de alta qualidade. As soluções ETL também
podem carregar e transformar dados transacionais em escala para criar uma visão organizada
de grandes volumes de dados. Isso permite que as empresas e instituições visualizem
comportamentos e prevejam tendências. Vários setores contam com o ETL para permitir
insights acionáveis, tomada de decisões rápida e maior eficiência (ORACLE, 2022).
2.2. Modelagem dos dados

O processo de modelagem de dados consiste na criação de uma representação visual que
define os sistemas de coleta e gerenciamento de informações com o objetivo de gerar uma visão
unificada dos dados da organização. O modelo resultante descreve quais dados a empresa
coleta, a relação entre diferentes conjuntos de dados e os métodos que serão utilizados para
armazenar e analisar esses dados.
Diversas técnicas podem ser aplicadas para criar modelos de dados distintos, dentre elas,
a modelagem de dados relacional possui grande relevância devido à sua utilização para banco
de dados estruturados e popularidade. Nessa abordagem as classes de dados são visualizadas
como tabelas que se unem ou vinculam usando chaves que representam a relação de entidades
do mundo real.
As chaves utilizadas nessa técnica podem ser classificadas como primárias ou
estrangeiras sendo definidas por:
• Chave primária: consiste em uma ou mais colunas cujos dados contidos são usados para
identificar exclusivamente cada linha na tabela.
• Chave estrangeira: conjunto de uma ou mais colunas em uma tabela que se refere à
chave primária previamente definida em outra tabela.
19
A partir do estabelecimento dos relacionamentos entre as chaves, as tabelas conectam-

se e possibilita realizar análises entre as informações anteriormente desvinculadas (AMAZON
WEB SERVICES, INC., 2022a)
2.2.1. Data warehouses

A partir dos bancos de dados relacionais, ocorre o despejamento em um repositório
central de informações conhecidos como data warehouse (DW), sendo o acesso a esses dados
realizado por meio de ferramentas de inteligência de negócios (BI).
Os relatórios e painéis para monitorar a performance dos negócios e apoiar tomadas de
decisão das instituições que trabalham com Business Intelligence são alimentados a partir do
data warehouse construído de acordo com a necessidade da análise a ser feita. Dessa maneira,
diversas topologias de modelagem são utilizadas para a correta estruturação do DW, sendo,
dentre eles, o esquema em estrela uma das abordagens mais maduras e amplamente adotada por
DW relacionais (AMAZON WEB SERVICES, INC., 2022b).
2.2.1.1. Esquema de modelagem de dados em estrela
Para a utilização do esquema em estrela, deve-se classificar as tabelas de modelo como
dimensão ou fato.
• Tabela de dimensões: descrevem as entidades de negócios que podem incluir produtos
pessoas, locais e conceitos, incluindo o próprio tempo. É muito comum a criação de uma
tabela de dimensão de data para maior consistência das análises temporais. Uma tabela
de dimensões deve conter uma ou mais colunas de chaves primárias.
• Tabela de fatos: armazenam observações ou eventos podendo ser de vendas, saldos de
ações, taxas de câmbio, temperaturas etc. Uma tabela de fatos contém colunas
relacionadas a tabelas de dimensões e colunas de medidas numéricas. As colunas chave
de dimensão determinam a dimensionalidade de uma tabela de fatos, enquanto os
valores de chave de dimensão determinam a granularidade de uma tabela de fatos.
Cada elemento de um relatório irá gerar uma consulta ao modelo de dados que são
utilizadas para filtrar, agrupar e resumir os dados, sendo necessário que as tabelas de dimensões
sejam compatíveis com filtragem e agrupamento, enquanto as tabelas de fatos sejam
compatíveis com resumo, o que se adequa aos princípios do esquema em estrela.
Uma relação de modelo estabelece um caminho de propagação de filtro entre duas
tabelas, sendo a cardinalidade da relação que determina o tipo de tabela, podendo ser uma
relação de um para muitos, muitos para um ou muitos para muitos. O lado “um” deve ser uma
20
tabela de dimensões enquanto o lado “muitos” uma tabela de fatos (MICROSOFT, 2022b). O
esquema de estrela pode ser entendido de acordo com a figura 2.1.
Figura 2.1 - Esquema de modelagem de dados em estrela
Fonte: Microsoft, 2022b.
Há outros conceitos adicionais que se relacionam ao design de um esquema em estrela

e que podem ser aplicados a um modelo, como:
• Colunas calculadas: algumas análises podem necessitar de um ou mais campos
específicos na base de dados que não estão contidos no modelo em criação, dessa
maneira, essas colunas faltantes podem ser criadas a partir de comandos no software de
BI. O valor dos campos pode ser numérico ou textual, sendo possível construir fórmulas
matemáticas, estruturas condicionais e diversas outras formas a partir dos dados
disponíveis das outras colunas. A avaliação é feita utilizando o contexto de linha no
momento da atualização dos dados.
• Medidas: assim como as colunas calculadas, as medidas são utilizadas para adicionar
cálculos ao modelo de dados. Porém, diferentemente das colunas calculadas, as medidas
definem como resumir os dados do modelo, saindo do contexto de linha para o contexto
de filtro. O armazenamento não é feito em colunas, mas o cálculo da medida só é feito
quando solicitado por visuais do software.
Com a aplicação desses conceitos, finaliza-se a modelagem do data warehouse e os
dados estão prontos para serem analisados em gráficos e visuais (MICROSOFT, 2022b). Há
diversos softwares com as funcionalidades necessárias para executar o processo de tratamento
21
e análise dos dados e, para esse trabalho, foi escolhido o Microsoft Power BI que é abordado a
seguir.
2.3. Microsoft Power BI

O software Power BI foi desenvolvido pela Microsoft com o objetivo de fornecer um
serviço de análise de negócios que possibilita decisões rápidas e baseadas em dados. O
lançamento foi realizado em 24 de julho de 2015 e vem sendo utilizado em áreas como finanças,
engenharia, tecnologias de informação, marketing e saúde (SOLUTIONS FOR RESULTS -
S4R, 2019).
Atualmente, o Microsoft Power BI é considerado por muitos o programa de Business
Intelligence com melhor custo-benefício disponível no mercado, noção essa corroborada pelo
relatório de quadrante mágico da empresa Gartner que, pelo quarto ano consecutivo, posicionou
o software da Microsoft na posição de líder, sendo o mais visionário e possuindo maior
habilidade em executar (GARTNER, 2022). O quadrante resumo do relatório pode ser visto na
figura 2.2.
Figura 2.2 - Quadrante mágico da Gartner de avaliação de programas de BI
Fonte: Gartner, 2022.
O programa pode ser utilizado gratuitamente para construção dos relatórios e

publicação, mas para alguns recursos mais avançados como uso de gateways para agendamento
de atualizações ou controle de acesso de relatório é necessário adquirir a versão pro ou premium
22
no site da Microsoft. Normalmente as empresas que utilizam a ferramenta adquirem a licença

por capacidade para que haja vários pontos focais de desenvolvedores de relatórios em cada
departamento. Há também a possibilidade de integrar as análises construídas a smartphones,
permitindo monitorar os negócios em qualquer lugar, sem necessidade de utilizar um
computador para verificar indicadores e operações (MICROSOFT, 2022a).
É importante abordar algumas ferramentas e conceitos utilizados pelo software para
melhor compreensão do relatório construído neste trabalho, dessa maneira os tópicos seguintes
explicam alguns termos e processos.
2.3.1. Power BI Desktop e Power BI service

O Power BI Desktop é um aplicativo que é baixado e instalado gratuitamente em um
computador local. O app é uma ferramenta completa de análise de dados e criação de relatórios
usada para conectar, transformar, visualizar e analisar seus dados. O Editor de Consultas
incluído é utilizado para conectar a várias fontes de dados diferentes e combiná-las em um
modelo de dados. Os relatórios podem ser compartilhados com outras pessoas diretamente ou
por meio da publicação no serviço do Power BI (MICROSOFT, 2021). A tela inicial do Power
BI Desktop pode ser visualizada na figura 2.3.
Figura 2.3 - Tela inicial do Power BI Desktop
Fonte: Captura de tela feita pelo autor.

23
O Power BI Service é um serviço baseado em nuvem que dá suporte à edição e à

colaboração de relatórios para equipes e organizações. Também é possível conectar fontes de
dados no serviço do Power BI, entretanto, a modelagem é limitada comparada ao desktop. O
Power BI Service é utilizado criar painéis, criar e compartilhar aplicativos, analisar e explorar
dados para descobrir informações de negócios e outras funcionalidades. A tela inicial do Service
é mostrada na figura 2.4, sendo baseada em nuvem, é necessário conexão estável com a internet
e acessá-lo por meio de um navegador (MICROSOFT, 2021).
Figura 2.4 - Página inicial do Power BI Service
2.3.2. Power Query e modelagem

O processo de ETL do Microsoft Power BI é feito utilizando o Power Query, um
mecanismo de transformação e preparação de dados. Primeiramente a extração de dados é feita
por meio do “obter dados”, onde é possível selecionar o tipo da fonte de dados e integrar o
arquivo escolhido. Há cerca de 60 conectores específicos com integração com o Power BI,
podendo ser de arquivos em excel, CSV, JSON ou de banco de dados como Acess, SQL e
servidores da Azure (MICROSOFT, 2022c).
Na figura 2.5 observa-se a aba de seleção da fonte de dados disponíveis para conexão.
24
Figura 2.5 - Aba "Obter dados" do Microsoft Power BI
Após a conexão, a primeira janela que é mostrada será o navegador onde são exibidas
as tabelas ou entidades da fonte de dados e a seleção fornece uma visualização de seu conteúdo.
Em seguida, é possível importar as tabelas ou entidades selecionadas imediatamente,
selecionando “Carregar”, ou pode selecionar “Transformar Dados” para transformar e tratar os
dados antes da importação. NA figura 2.6 mostra-se a aba do navegador de fonte de dados.
Figura 2.6 - Aba Navegador de fonte de dados
Fonte: Microsoft, 2022c.

25
Ao selecionar transformar dados, será exibido o editor do Power Query, como mostra a
figura 2.7.
Figura 2.7 - Editor do Power Query
Fonte: Microsoft, 2021.
Os números marcados na figura 2.7 representam, respectivamente:

1. Faixa de opções: permite interação com os dados na coluna;
2. Consultas: painel onde as consultas são listas e disponibilizadas para seleção, exibição
e formatação;
3. Painel central: onde os dados da consulta selecionada são exibidos e estão disponíveis
para formatação;
4. Configurações da consulta: lista as propriedades da consulta e as etapas aplicadas.
Em alguns cenários de transformação de dados, há algumas modificações que não
podem ser feitas da melhor forma por meio do editor gráfico, exigindo configurações e
definições especiais que a interface gráfica não dá suporte atualmente. O mecanismo do Power
Query usa uma linguagem de script internamente para todas as transformações realizadas: a
linguagem de fórmula M. Dessa maneira, é possível fazer modificações com maior nível de
customização no dataset por meio do editor avançado do Power Query M (MICROSOFT,
2022d).
2.3.3. Relatório
Ao finalizar e aplicar as transformações feitas no Power Query, os dados estão prontos
para serem manuseados, a fim de construir o relatório para análise. Um relatório pode ser
26
definido como uma ou mais páginas de texto, gráficos e visuais interativos que juntos
constituem um único arquivo. O Power BI baseia um relatório em um único conjunto de dados
(MICROSOFT, 2022g). O editor de relatórios, onde formata-se a análise a ser feita de acordo
com as necessidades, é ilustrado na figura 2.8.
Figura 2.8 - Editor de relatórios do Power BI Desktop
Fonte: Microsoft, 2022e.
Observa-se que o editor é dividido em cinco sessões principais que, de acordo com
(MICROSOFT, 2022e), são classificadas em:
1. Faixa de opções: menu com as ferramentas e ações disponibilizadas no Power BI
Desktop;
2. Tela do relatório: local em que o trabalho é exibido. Quando se utiliza os painéis
campos, filtros e visualizações para criar elementos visuais, eles são exibidos na tela de
relatório. Cada guia na parte inferior da tela representa uma página no relatório.
3. Painel de filtros: o painel de filtros exibe, configura e modifica filtros para os relatórios
no nível de página, relatórios, detalhamento e visual. O estado dos filtros é salvo com o
relatório.
4. Painel de visualizações: na parte superior do painel, há a caixa de seleção de tipos de
visualizações, com ícones mostrando os diferentes tipos de visuais possíveis de criar,
totalizando 36 possíveis visuais, a exemplo de gráficos de linha, colunas, dispersão, de
27
mapas e outros. A caixa inferior varia de acordo com o tipo de visualização selecionada,
podendo ser: gerenciar os campos em uma visualização; formatar os elementos visuais
e adicionar análises às visualizações;
5. Painel de campos: exibe as tabelas, pastas e campos nos dados que estão disponíveis
para serem usados para criar visualizações.
Há também outros dois painéis, os quais podem ser habilitados no menu exibir da faixa
de opções, que desempenham importantes funções na construção de uma navegação prática no
relatório, são eles o painel de indicadores e o painel de seleção. Na figura 2.9 apresentam-se os
painéis de seleção e de indicadores no Power BI Desktop.
Figura 2.9 - Painel de seleção e painel de indicadores do Power BI Desktop
No painel de seleção, todas as formas, botões e visuais que estão na página do relatório
são mostradas, possibilitando ocultar e agrupar essas seleções, a fim de personalizar a
visualização e manuseio dos itens no relatório. Já os indicadores servem para capturar o estado
atual de uma página de relatório. Os indicadores salvam os visuais com realce cruzado, a ordem
de classificação, os filtros e as segmentações atuais. Ao criar os indicadores é possível associá-
los a botões e acioná-los ao clicar, propiciando a navegação entre páginas, seleções ou filtros
no relatório (MICROSOFT, 2022f).
Para criar medidas, colunas calculadas ou tabelas personalizadas, o desenvolvedor deve
utilizar a linguagem de programação DAX (Data Analysis Expressions) que é uma coleção de
funções, operadores e constantes que pode ser usada em uma fórmula ou expressão para calcular
28
e retornar um ou mais valores. É possível utilizar o DAX para resolver vários problemas de
cálculo e análise de dados que podem ajudar a criar informações por meio de dados que já
estejam no modelo (MICROSOFT, 2022b).
29
3. DESCRIÇÃO DA REDE ELÉTRICA INSTALADA
3.1. Geração distribuída e minirredes de distribuição de energia elétrica

O sistema de transmissão e distribuição de eletricidade convencional se desenvolveu a
partir de uma lógica centralizada de geração no qual as usinas produzem a energia elétrica
distante do ponto de consumo. Contudo, a expansão da geração distribuída nos últimos anos
tem mudado esse paradigma, pois, nessa configuração, a produção e o consumo da eletricidade
estão próximos, possibilitando uma melhor adaptação à demanda energética nos grandes
centros, além de contribuir para o atingimento de metas ambientais de ampliação de fontes
limpas de energia elétrica (INSTITUTO NACIONAL DE EFICIÊNCIA ENERGÉTICA -
INEE, 2022).
A geração distribuída pode assumir diversas configurações que possuem aplicabilidades
distintas, sendo uma delas as minirredes elétricas. Nessa topologia, a geração, o armazenamento
e a distribuição são feitas na mesma localidade. As arquiteturas das minirredes podem ser
classificadas de acordo com a potência, aplicação, infraestrutura e exigências dos usuários do
sistema. Algumas possibilidades de aplicações podem ser vistas na tabela 3.1.
Tabela 3.1 - Algumas possibilidades de aplicações de minirredes elétricas

Conexão com a rede de Potência de
Localização Tipo de Corrente
distribuição Geração/Carga
Isolada Remoto Minirredes Corrente Alternada
Integrada Urbano Microrredes Corrente Contínua
Nanorredes Híbrido
Fonte: elaborada pelo autor com base em (CHANDAK e ROUT, 2020) e (COSTA, 2021).
Por se tratar de uma localidade remota, sem possibilidade de integração com a rede
elétrica convencional de distribuição, o sistema instalado na comunidade ribeirinha na Ilha das
Onças é classificado como uma nanorrede de distribuição em corrente contínua (NDCC).
Apesar da classificação por potência não ter seu limite numérico definido consensualmente na
literatura, optou-se por utilizar o termo nanorrede para classificá-la devido à sua baixa demanda
por potência de geração e consumo. Além disso, diferentemente das redes convencionais que
tem sua distribuição em corrente alternada, esse tipo de rede em corrente contínua possui maior
eficiência e menos processos de conversão quando alimentando cargas c.c., sendo vantajoso na
aplicação proposta (CHANDAK e ROUT, 2020) e (COSTA, 2021).
30
3.2. Configuração
A NDCC, que está localizada na Ilha das Onças na região de Barcarena-PA, foi
modelada e instalada pelo Grupo de Estudos e Desenvolvimento de Alternativas Energéticas da
Universidade Federal do Pará (GEDAE-UFPA). A rede foi projetada para propiciar a
escalabilidade do sistema, aumentando sua capacidade de geração e armazenamento de maneira
modular conforme são instalados novos subsistemas. Atualmente, a NDCC atende oito
residências ribeirinhas e uma estação de recarga de barco elétrico a partir de oito subsistemas
de geração. Na figura 3.1, é possível visualizar a localização no mapa de cada um dos
subsistemas representados pela bolha azul.
Figura 3.1 - Localização dos sistemas
A alimentação elétrica da rede consiste em oito geradores fotovoltaicos instalados entre

as residências e a estação de recarga de barco elétrico. Cada um dos geradores conta com um
controlador de carga do tipo MPPT, com conversor c.c.-c.c. de topologia buck, modelo
EPEVER XTRA 3210N, 4210N e EPEVER TRACER 60A para a estação de recarga. Os
controladores contam também com um registrador de dados datalogger no qual os dados
operacionais da rede coletados pelos sensores são armazenados para serem posteriormente
baixados e possibilitar a análise comportamental do sistema.
O armazenamento energético é feito por meio de bancos de baterias projetados para
trabalhar em regime de descarga C10 distribuídos entre os sistemas de acordo com o
levantamento descrito no quadro 3.1.
31
Quadro 3.1 - Especificações dos bancos de baterias
Sistema Quantidade Fabricante Armazenamento (Ah) Total (Ah)

Sr João - Cozinha 4 OUTBACK 100 400
Sr João - Sala 2 MOURA 220 440
Sr Jõao Casa Nova 2 TUDOR 220 440
Estação de recarga 2 TUDOR 220 440
Sr Raul 2 TUDOR 220 440
Sr Matoso 2 TUDOR 220 440
Sr Yuri 2 TUDOR 220 440
Sr Bruno 2 TUDOR 220 440
TOTAL 18 - - 3480
Fonte: Elaborado pelo autor.
O controlador utilizado conta com quatro status de carregamento:

• Not charging: geração fotovoltaica é nula ou insuficiente para fornecer energia para o
banco de baterias e para as cargas;
• Raising charge: geração fotovoltaica é suficiente para alimentar o banco de baterias e/ou
as cargas;
• Float charge: controlador limita a geração fotovoltaica pois o banco de baterias está
completamente carregado e não há demanda energética pelas cargas;
• Equalizing charge: controlador sobrecarrega o banco de baterias para igualar o nível de
tensão de cada bateria entre si e remover os cristais de sulfato acumulados nas placas.
A potência dos geradores fotovoltaicos está descrita no quadro 3.2.
Quadro 3.2 - Geradores fotovoltaicos instalados
Quantidade Fabricante Potência (Wp) Potência Total (Wp)

Sistema 1 2 Soyang 315 630
Sistema 2 2 BYD 330 660
Sistema 3 1 JYPCO 550 550
Sistema 4 2 BYD 330 660
Sistema 5 4 OSDA 400 1600
TOTAL 20 - - 7400
A configuração das conexões do controlador de carga à rede foi feita utilizando duas
topologias: no sistema 5, o controlador de carga tem apenas a entrada da geração fotovoltaica
32
e a saída para o banco de baterias (que é conectada ao barramento da rede); já nos sistemas
restantes, os controladores têm as respectivas saídas tanto para o banco de bateria quanto para
as cargas que é conectada à rede.
Os sistemas 1 a 5 começaram a ser monitorados a partir da coleta de dados do
controlador de carga em novembro de 2021, enquanto os sistemas 6 a 8 foram instalados
posteriormente e o início da sua coleta de dados data do mês de agosto de 2022.
3.3. Cargas
A maior parte das cargas são alimentadas diretamente por corrente contínua, seja por
padrão de fábrica ou por adaptações feitas pela equipe, a exemplo do rádio e batedeiras de açaí,
entretanto, há algumas cargas que fazem uso de inversores (conversores c.c.-c.a.) de baixa
potência para o funcionamento, que é o caso das televisões, máquina de costurar e roteadores
de internet. No quadro 3.3 pode-se observar o levantamento da carga instalada e a descrição
dos equipamentos utilizados.
Quadro 3.3 - Levantamento da carga instalada

Edificação/Setor Quantidade Carga Potência (W) Potência Total (W)
1 Batedeira de açaí 400 400
7 Lâmpadas 9 63
1 Tomada USB 15 15
1 TUG 100 100
Fernanda, Matoso,
1 Máquina de costurar 90 90
Seu João
2 Geladeira 80 160
1 Freezer 70 70
2 Televisão 32" 100 200
2 Roteador de internet 30 60
1 Televisão 32" 100 100
1 TUG 100 100
Raul 1 Roteador de internet 30 30
6 Lâmpadas 9 54
1 Televisão 52" 275 275
6 Lâmpadas 9 54
Bruno 1 Tomada USB 15 15
1 Refletor 20 20
1 TUG 100 100
Porto Raul 1 Lâmpadas 9 9
6 Lâmpadas 9 54
Mãe do Seu João 1 Rádio 3 3
1 Televisão 32" 100 100
33
Edificação/Setor Quantidade Carga Potência (W) Potência Total (W)

1 TUG (Inversor) 100 100
Yuri 3 Lâmpadas 9 27
Seu João – Casa
9 Lâmpadas 9 81
Nova
Potência Instalada - - - 3450
Fonte: Elaborado pelo autor.
A partir desse levantamento, foi constatado que a potência instalada na rede é cerca de
3450 W, assim também se observa a diversificação dos tipos de carga, tendo em vista que o
perfil de equipamentos utilizados é comumente encontrado nas residências da população de
região ribeirinha, onde muitos moradores tiram seu sustento da extração e venda do açaí.
34
4. ETL E MODELAGEM
Neste capítulo está descrito o processo de desenvolvimento da ferramenta, desde a

aquisição e tratamento dos dados, construção da data warehouse, seleção dos parâmetros e
formas de visualizações até as análises mais refinadas a partir de cálculos utilizando o dataset.
4.1. Base de dados

A base de dados do relatório consiste no conjunto de informações dos parâmetros da
geração fotovoltaica, do sistema de armazenamento de energia por baterias e das cargas (rede)
acompanhados com a data e hora de cada amostragem. Os campos presentes na base são
descritos na tabela 4.1:
Tabela 4.1 - Campos da base de dados
Geração fotovoltaica Consumo das cargas Armazenamento das baterias

Corrente Corrente Corrente
Tensão Tensão Tensão
Potência Potência Estado de carga
Status do gerador Status da carga Tensão máxima
Energia gerada diária Energia consumida diária Tensão mínima
Energia gerada mensal Energia consumida mensal Temperatura
Energia gerada anual Energia consumida anual Status de carregamento
Energia gerada total Energia consumida total Status da bateria
A taxa de amostragem padrão do datalogger do controlador de carga é de dez minutos,

contudo, para possibilitar uma análise mais criteriosa da operação da rede, foi necessário
reconfigurar essa taxa utilizando o software da fabricante dos controladores para um minuto
entre as aquisições, assim é possível ter uma melhor percepção do perfil de funcionamento da
rede. Entretanto, a quantidade de dados aumentou significativamente visto que a cada dia são
geradas 1440 linhas com 24 colunas para cada um dos oito subsistemas, o que torna necessário
a utilização de um software com alta capacidade de processamento de grandes conjuntos de
dados.
4.1.1. Aquisição
A aquisição dos dados é feita in loco semanalmente ou a cada duas semanas para que
não se perca nenhum dado devido à falta de memória, pois a capacidade de armazenamento do
datalogger se limita a 20000 linhas, então, para salvar os novos dados, a rotina programada
apaga os dados mais antigos liberando a memória. Cada um dos sistemas tem seus dados
35
baixados individualmente, sendo necessário dirigir-se a todas as localizações dos

equipamentos. Por meio de uma saída USB, o datalogger do controlador de carga é conectado
a um notebook com o programa da EPEVER instalado para fazer a descarga dos dados em um
arquivo CSV que é salvo para ser posteriormente tratado.
O tratamento se inicia convertendo os arquivos em CSV para o formato de planilha
utilizando um código em VBA, a fim de automatizar e tornar mais eficiente esse processo
inicial, que consiste em fazer a separação dos campos para colunas, remover possíveis dados
duplicados e criar os filtros automáticos no programa Microsoft Excel. Cada um dos
subsistemas tem uma planilha mestra em formato XLSX, na qual todas as aquisições são
armazenadas, então, a partir do último valor salvo, faz-se um filtro para copiar apenas os dados
subsequentes para a planilha mestra de cada um dos subsistemas.
Ao verificar a consistência dos dados, percebeu-se que na ocorrência de desligamentos
do controlador de carga causados por falhas na operação, o datalogger pausa a aquisição dos
parâmetros e, ao retornar, os dados apresentam o intervalo de aquisição alterado para um valor
proporcional ao tempo no qual o equipamento ficou desligado, ocasionando uma perda de dados
e alteração no cálculo de integração da energia consumida e gerada. Dessa maneira, na eventual
desconfiguração do armazenamento, necessita-se realizar a reconfiguração do tempo de
aquisição por meio do software do fabricante.
Por esse motivo foi criada uma coluna na planilha em excel utilizando uma estrutura
condicional que retorna a diferença em minutos entre o horário de aquisição da linha anterior e
a da linha atual, tornando possível uma integração mais exata dos valores energéticos nos dias
que ocorrer essa falha.
4.1.2. ETL (Extract, Transform, Load)

Após essa primeira adequação da base de dados, segue-se para a etapa de ETL, onde o
Microsoft Power BI irá obter, ajustar e carregar os dados no programa para posterior construção
do DW e do dashboard.
4.1.2.1. Extração
A primeira etapa do ETL consiste na extração dos dados da base de dados armazenada
em planilhas organizadas para cada um dos subsistemas em um diretório em nuvem da
Microsoft OneDrive totalizando oito arquivos com as aquisições dos parâmetros da rede e uma
nona com a localização em coordenadas do sistema para possibilitar a visualização da região
via satélite.
36
Para importar os dados das planilhas para o Microsoft Power BI, utilizou-se o recurso
“Obter Dados” do próprio Software no menu de opções, selecionado a opção “Excel” e
inserindo o caminho das pastas para cada uma das conexões necessárias.
4.1.2.2. Transformação
Na segunda etapa é utilizado o editor do Power Query onde são realizadas as últimas
adequações nas tabelas a serem carregadas. Para esse relatório, adicionou-se uma nova coluna
que informa a localização da instalação do subsistema; filtrou-se as linhas vazias; removeu-se,
para melhor processamento, os campos não utilizados e fez-se a combinação das consultas em
uma única tabela fato para possibilitar melhor manejo do dataset.
Como foi criada uma tabela nova a partir da combinação das planilhas carregadas, o
carregamento das tabelas fonte foi desabilitada do modelo, o que diminuiu o tamanho do
arquivo para aproximadamente 50% do tamanho anterior a essa modificação, melhorando o
desempenho para apresentação do relatório. Essa etapa de combinação seria feita anteriormente
no Microsoft excel, entretanto, isso limitaria o número de linhas de dados a 1.048.576, o que
seria excedido em alguns meses, dessa maneira, visto que no Power Query não há essa
limitação, manteve-se uma planilha para cada sistema e a combinação foi feita na etapa de
transformação no Power BI Desktop.
4.1.2.3. Carregamento
Ao fim desse processo, o arquivo é carregado para o Power BI Desktop criando assim
uma única tabela de fatos, possibilitando a criação de visuais e relatórios utilizando esses dados
tratados. A figura 4.1 mostra a tabela fato final na aba de dados no Power BI Desktop.
37
Figura 4.1 - Tabela de fatos
4.2. Modelagem do data warehouse

Finalizada a etapa de ETL, dá-se prosseguimento ao processo de construção do data
warehouse, sendo crucial para o correto funcionamento do relatório, pois onde são criadas as
medidas, colunas, tabelas calculadas e relacionamentos entre tabelas.
4.2.1. Colunas calculadas

Algumas informações necessárias para a construção do relatório não estão na base de
dados importada do controlador de carga, portanto é necessário a criação de novos campos a
partir dos dados disponíveis para obter-se as informações faltantes. Dessa maneira, os campos
calculados nesse relatório foram: potência da bateria; tensão da carga em p.u; status da carga;
status do controlador; corrente direcional da bateria; energia gerada; energia consumida pela
rede; energia armazenada pelas baterias e energia consumida pela rede provida pelas baterias.
Alguns dos campos calculados criados já estavam na base, contudo houve a necessidade
de remodelar os dados para se adequar ao que o relatório buscava mostrar, a exemplo da
corrente da bateria que não era especificada se em regime de carregamento ou de descarga,
então criou-se a coluna corrente direcional da bateria para facilitar essa visualização da corrente
em termos de entrada e saída além dos outros campos relacionados a energia cujos cálculos
derivam dessa adequação. As colunas calculadas são apresentadas na figura 4.2.
38
Figura 4.2 - Colunas calculadas
4.2.2. Tabelas de dimensões

Para modelar os dados da tabela de fatos de acordo com a necessidade da análise, foi
necessário criar tabelas de dimensões, a fim de complementar as informações da base de dados
e, assim, garantir maior flexibilidade no manuseio do dataset. Dessa maneira, criaram-se duas
tabelas de dimensões, sendo elas chamadas de “dCalenário” e “dGeográfico”, tendo a letra “d”
posta à frente do nome a que se referem para identificá-las como tabelas de dimensões. A seguir,
apresenta-se a descrição de cada uma delas.
4.2.2.1. dCalendário
A criação dessa tabela transcorreu pela necessidade de lidar com o aspecto temporal da
tabela de fatos, possibilitando o manuseio dos dados a partir do campo data/hora da base de
dados, assim sendo, inserindo maior fluidez ao parametrizar e resumir os dados por hora, dia,
semana, mês e ano.
O desenvolvimento desta tabela foi feito no ambiente de programação em DAX do
Power BI Desktop, criando-se primeiramente a série de data baseada na tabela de fatos, a partir
da função “CALENDARAUTO (10)”, para iniciar o período de data a partir de novembro de
2021, mês do início da monitoração do sistema, e escalonar à medida que os dados vão sendo
inseridos na plataforma, fazendo-se o cruzamento com a sequência gerada de horas e minutos
com o passo de um minuto entre linhas. A partir desse campo, foi possível formatar a criação
das outras colunas com as informações detalhadas do nome do mês, número e dia da semana.
A figura 4.3 apresenta o código em DAX junto à tabela de dimensões “dCalendário”.
39
Figura 4.3 - Código DAX da tabela de dimensões "dCalendário"
4.2.2.2. dGeográfico
Já em relação à tabela “dGeográfico”, sua criação decorreu a partir da demanda por
apresentar as localidades no mapa via satélite disponibilizado no software, possibilitando
visualizar algumas informações relativas à geração, consumo e fluxo de carga de maneira
espacial.
As coordenadas geográficas de localização dos sistemas foram obtidas por meio do
google maps e armazenadas em uma planilha XLSX com os campos da numeração do sistema
e nome do proprietário da instalação. A tabela “dGeográfico” pode ser visualizada na figura
4.4.
40
Figura 4.4 – Tabela de dimensões "dGeográfico"
4.2.3. Tabelas calculadas

Algumas análises necessitam de uma modelagem mais refinada da base de dados, sendo
facilitadas com a construção de tabelas calculadas. Dessa maneira, para organizar diariamente
a geração e o consumo energético dos sistemas, a fim de possibilitar a criação de visuais de
histogramas, que são muito importantes para o ranqueamento das classes de energia que mais
contribuem para o sistema.
Assim, duas tabelas calculadas foram criadas com o intuito de resumir esses dados de
geração e consumo de energia para cada um dos dias de operação. A tabela calculada
“histogram table” foi segmentada por sistema enquanto a tabela “histogram table general”
resume as informações de energia diária sem segmentações, a fim de possibilitar a análise dos
dados categorizando tanto a rede geral quanto especificado por sistema.
Assim como a tabela dimensão “dCalendário”, essas duas tabelas calculadas foram
desenvolvidas utilizando a linguagem DAX no ambiente de dados no Power BI Desktop. A
função sumarize foi utilizada para resumir os dados somando as gerações e consumos diários
agrupando por sistema e local em “histogram table”.
Então, para classificar os dados energéticos em classes, criou-se um agrupamento para
cada campo, a fim de dividir os dados numéricos em compartimentos de tamanhos iguais, sendo
inserido o tamanho de 0,05 dos compartimentos para a “histogram table” e 0,3 para a
“histogram table general” que possui uma faixa de dados mais espalhada. O código e uma
parcela da tabela “Histogram table” pode ser analisado na figura 4.5.
41
Figura 4.5 - Tabela calculada "Histogram table"
4.2.4. Relacionamentos
Para que a tabela de dimensões e a tabela de fatos trabalhem em conjunto, é necessário
estabelecer quais as colunas devem ser relacionadas, conectando o identificador exclusivo que
determinam a dimensionalidade aos campos da tabela de fatos, por meio da aba do diagrama de
modelo de dados do Power BI Desktop. Os campos relacionáveis das tabelas são “date/time” e
“Local” da tabela “Geral” com o “DateTime” da tabela “dCalendário” e com o “Nome” da
tabela “dGeográfico”, respectivamente, aplicando a cardinalidade muitos para 1 (*:1) para
ambos os relacionamentos.
Já em relação às tabelas calculadas, para que o filtro de data da tabela de dimensões
“dCalendário” também seja aplicado nos visuais de histogramas, foram relacionados os campos
“Date” das tabelas “Histogram table generator” e “Histogram table” com o campo “Date” da
tabela de dimensões, sendo as cardinalidades aplicadas muitos para 1 (*:1) e muitos para muitos
(*:*), respectivamente. A aba de modelo de relacionamentos do projeto pode ser visualizada na
imagem 4.6.
42
Figura 4.6 - Relacionamentos criados para o modelo
Observa-se o padrão de modelagem de dados em estrela, na qual a tabela de fatos

“Geral” é conectada de maneira central em relação às tabelas de dimensões construídas
“dCalendário” e “dGeográfico”.
43
5. CONSTRUÇÃO DO RELATÓRIO
Após finalizar a estruturação do data warehouse, pode-se dar início à construção das
páginas do relatório onde as informações e análises poderão ser visualizadas de maneira
organizada e interativa.
Para esse relatório, foram criadas 9 páginas com diferentes análises e 1 página para capa
e navegação. As análises foram divididas em dois tópicos: em relação à energia gerada e
consumida da rede e em relação aos parâmetros instantâneos operacionais da rede com 4 e 5
páginas de relatório respectivamente.
5.1. Análise Energética

As análises que têm a energia gerada e consumida como principal parâmetro foram
classificadas na primeira seção e divididas em quatro páginas de relatório de forma a estratificar
a visualização, partindo de um panorama geral até uma análise mais refinada e pontual. O
processo de criação de cada uma das páginas está descrito a seguir.
5.1.1. Análise energética global

Nessa primeira página é mostrado o panorama energético geral desde o início da
monitoração da rede até a atualização mais recente, dessa maneira optou-se por utilizar visuais
simples que facilite a análise, mas também que possibilite fazê-la para períodos e sistemas que
o usuário quiser segmentar através de filtros de data e de sistema. A figura 5.1 apresenta essa
primeira página.
44
Figura 5.1 – Análise energética global
Os filtros de data e de sistema interagem com todos os visuais da página, alterando a

faixa de dias e sistemas analisados de acordo com o escolhido pelo usuário. Inseriu-se um ícone
de cabeçalho no filtro de sistema que informa o nome dos responsáveis pelos sistemas ao passar
o cursor do mouse no ícone de interrogação acima do visual, esse ícone foi disponibilizado em
cada filtro de sistema nas páginas conseguintes e em alguns gráficos.
O primeiro visual é um mapa de bolhas que mostra a localização geográfica de cada um
dos sistemas, no qual a dimensão das formas é proporcional à geração ou consumo energético
de cada residência, sendo possível alternar essa visualização por meio de um filtro de
parâmetros construído a partir de medidas que somam a energia gerada e consumida no período
segmentado. Ao passar o cursor do mouse nas bolhas, as dicas de ferramenta mostram
informações de latitude, longitude, geração ou consumo energético, local e sistema referente à
bolha, conforme exemplifica a figura 5.2.
45
Figura 5.2 - Mapa de bolhas de geração e consumo energético
O gráfico em rosca ao lado do mapa demonstra também uma informação importante

para a rede: a quantidade percentual do consumo energético direto da geração fotovoltaica e do
consumo através do armazenamento da bateria. Por meio desse visual é possível ter a percepção
se a rede está sendo mais requisitada durante o período com ou sem geração fotovoltaica
presente, seja pelo valor percentual ou pelo valor absoluto mostrado na dica de ferramenta.
O gráfico de área localizado na metade superior direita da figura 5.1 demonstra o
acumulado energético gerado, em verde, e o consumido, em vermelho. Os valores são exibidos
em kWh. As medidas utilizadas nesse visual foram calculadas somando as energias na faixa de
dias filtrado pelo usuário de forma que, para qualquer data de início da análise, o gráfico irá
começar contabilizar a partir do primeiro dia selecionado, garantindo melhor apuração do
período.
Já em relação à segunda linha de visuais, os gráficos correspondem a uma análise da
geração e consumo energético segmentado por sistema, no qual o eixo vertical apresenta os
valores em kWh. No segundo gráfico dessa linha, o consumo é dividido com base no fluxo
energético: a barra em azul representa a energia que foi primeiramente armazenada pelo banco
de baterias para depois ser consumida pela rede, enquanto a barra em laranja foi consumida
diretamente pela carga sem passar pela etapa de armazenamento. As medidas utilizadas nessa
análise foram construídas baseadas nos campos calculados “Provided Energy by Battery” e
“Acumulated Stored Energy (Daily)”, os quais calculam o consumo a partir de uma estrutura
condicional da coluna “Corrente Direcional da Bateria”.
Dessa maneira, a análise comparativa do perfil de consumo de cada residência é
proporcionada por esse visual e, com o filtro de data, é possível equiparar para diferentes faixas
46
do calendário. As informações apresentadas nas dicas de ferramentas para o gráfico de geração

são: sistema, energia gerada absoluta, energia gerada proporcional em porcentagem e o nome
do proprietário do sistema. Já em relação ao gráfico de consumo, as informações são: sistema,
consumo provido pela bateria, consumo provido diretamente pela geração, energia consumida
absoluta, energia consumida proporcional e o nome do proprietário do sistema. Ao filtrar os
sistemas, a análise se limita aos que estão selecionados e a proporção é calculada baseada na
soma dos sistemas escolhidos.
5.1.2. Análise energética por sistema

As próximas duas páginas do relatório aprofundam mais a análise ao possibilitar fazer
um comparativo diário e horário entre os sistemas, criando uma estratificação temporal entre as
páginas. A descrição detalhada das páginas é feita a seguir.
5.1.2.1. Análise de geração e consumo energético diário por período
Essa parte do relatório segue o mesmo princípio do gráfico de área da primeira página:
uma análise da energia gerada e consumida diária, mas diferentemente do primeiro, não é
acumulada, assim cada dia representa o valor gerado ou consumido individualmente. No eixo
vertical secundário foi esboçada a linha de energia acumulada, a fim de observar o impacto de
cada período em relação à energia total. Os gráficos de energia diária gerada e consumida
contam também com um filtro de data com controle deslizante para selecionar o período que se
deseja analisar, permitindo visualizações mais detalhadas, as páginas podem ser visualizadas
nas figuras 5.3 e 5.4.
47
Figura 5.3 - Análise diária de energia gerada

48
Figura 5.4 - Análise diária de energia consumida
Para alternar entre as visualizações entre energia gerada e consumida foram criados dois
botões que acionam indicadores que ocultam um grupo de visuais enquanto exibem o outro,
criando o efeito de mudança na visualização dos gráficos.
Inseriu-se também um controle deslizante no eixo horizontal e no eixo vertical principal
para facilitar a visualização em diferentes perspectivas de energia e de período. A dica de
ferramenta configurada no visual, além de informar a data e a quantidade de energia de
determinado dia, informa o proprietário do sistema.
49
Ao analisar os gráficos da figura 5.4, nota-se que o sistema 5 não possui dados de energia
consumida, isso se deve à configuração descrita no tópico 3.2, na qual o controlador de carga
empregado no referido sistema tem apenas a saída destinada a carga do banco de baterias e esta
foi conectada ao barramento da nanorrede, assumindo que a geração é toda armazenada, então,
por esse motivo entende o consumo da estação de recarga como nulo.
5.1.2.2. Análise do perfil diário de geração e consumo energético
Seguindo na estratificação temporal, o próximo gráfico refina a análise para o período
de um único dia, o que possibilita verificar de maneira pontual algumas características da
geração e consumo energético. A página está apresentada na figura 5.5 e em seguida será
descrito os pontos importantes de cada visual e filtros.
Figura 5.5 - Análise do perfil de geração e consumo energético diário
Diferentemente das outras páginas, o filtro de data não define um período, mas seleciona
um único dia, dessa maneira foram separados os campos ano, mês e dia em visuais de filtro
separados, tornando assim a seleção do dia mais simples e interativa. Adicionou-se também um
50
cartão informando qual o dia da semana que foi selecionado, enquanto o filtro de sistemas se
mantém parecido com os anteriores, mas dessa vez a seleção é única, impossibilitando
visualizar os dados de mais de um sistema ao mesmo tempo.
O primeiro gráfico permite a análise do perfil de geração e consumo diário de cada
sistema, plotando os dados acumulados de energia no eixo horizontal em horas. As linhas do
gráfico são medidas organizadas em parâmetros para possibilitar a seleção das informações que
serão plotadas, podendo ser energia consumida, energia gerada, energia provida e armazenada
pelo banco de baterias, além de ter sido inserido controle deslizante nos dois eixos.
Ao lado direito, encontram-se os cartões de informações para o total do dia, mostrando
os dados de geração e consumo total do dia em kWh, como também a energia provida e
armazenada pelo banco de baterias. O gráfico de rosca abaixo dos cartões aponta a proporção
entre a energia consumida diretamente do gerador fotovoltaico e a energia consumida provida
pelo banco de baterias.
Na segunda linha estão os gráficos em colunas empilhadas, informando para cada
sistema a geração e o consumo do dia selecionado, permitindo uma análise comparativa
facilitada. No segundo gráfico, foi também segmentado o consumo direto da geração
fotovoltaica e o que foi do armazenamento das baterias, como no gráfico da primeira página
descrito no tópico 5.1.1.
5.1.3. Histograma de energia

A fim de analisar a dispersão da geração e consumo energético diário, a terceira página
do relatório apresenta esse indicador por meio de histogramas da nanorrede geral, assim como
de cada sistema individualmente, permitindo a comparação das frequências das classes de
energia. A página pode ser visualizada na figura 5.6.
51
Figura 5.6 - Histogramas energéticos

52
Para construção desses visuais, foi necessário a elaboração das duas tabelas calculadas,
visto que a utilização das medidas para efetuar os cálculos necessários exige elevado
processamento, devido à massiva quantidade de dados, então a cada mudança no filtro de data
haveria que executar esse processo demorado, dessa forma, optou-se pela utilização das tabelas
calculadas na qual resume as informações necessárias para a construção dos gráficos de maneira
estática, demandando muito menos processamento ao fazer alterações nos gráficos.
A necessidade da construção de duas tabelas calculadas diferentes decorre do diferente
grau da sumarização, pois na tabela do histograma da nanorrede geral há o resumo apenas pela
data, somando-se cada linha do campo independente do sistema, enquanto a outra tabela
calculada é segmentada por sistema e, ao agrupar as classes, a classificação dos dias não se
somam, mas permanecem cada uma como uma ocorrência daquele dia, gerando um histograma
que não corresponde à análise proposta.
Para alternar entre a visualização de dados de geração e consumo, é utilizado um botão
com a mesma mecânica do mostrado no item 5.1.2. O agrupamento de dados foi realizado
utilizando a ferramenta de criação de grupos do Power BI Microsoft, classificando cada grupo
do histograma geral com o passo de 0,3 kWh, enquanto para o histograma individual é de 0,05
kWh, pois seus dados têm uma faixa mais restrita, o que possibilita grupos menores. A
classificação é feita no intervalo superior ao valor do grupo, a exemplo: em um dia em que a
geração foi de 1,22 kWh seria classificado no grupo 1,2 visto que este grupo compreende o
intervalo de 1,2 fechado a 1,25 aberto.
Em relação às dicas de ferramentas, as informações disponibilizadas são: classe de
energia, densidade de frequência, frequência, energia gerada ou consumida em kWh e energia
gerada ou consumida acumulada em kWh. A curva sob o gráfico representa a quantidade de
energia acumulada para cada uma das classes.
5.2. Análise dos parâmetros operacionais da nanorrede

O segundo tipo de análise feita no relatório compreende os parâmetros operacionais da
rede correspondendo aos valores de tensão, corrente, potência e status de operação. Nessas
páginas é possível verificar visuais que auxiliam a entender de maneira aprofundada o
funcionamento da rede em cada momento, permitindo um estudo refinado do seu
comportamento sob diversas condições de operação.
A seguir, descreve-se cada análise feita nessa segunda parte do relatório.
53
5.2.1. Análise de potência e corrente global

Partindo do cenário mais abrangente, a primeira página soma as contribuições de
potência e de corrente de cada sistema em um gráfico, resultando em uma análise global do
comportamento da rede em uma escala horária limitada a um dia. Na figura 5.7 apresenta-se
essa face do relatório.
Figura 5.7 - Análise global de corrente e potência da nanorrede
A partir dessa análise, é possível quantificar os valores totais de potência e corrente de

trabalho da nanorrede, assim como verificar os impactos de diferentes cenários e ocorrências
no panorama geral.
Para a construção do gráfico e filtro de campos, criaram-se dois grupos de parâmetros:
de corrente e de potência, cada um incluindo especificação por gerador, bateria e cargas.
Também se incluiu os filtros de data e hora no mesmo modelo da página da análise do perfil
energético diário.
Nota-se que as linhas do gráfico apresentam oscilações abruptas, e, estudando os dados,
constatou-se que são devidas às lacunas de informações ocasionadas pelo problema descrito no
tópico 4.1.2. A solução proposta para essa ocorrência é calcular as médias aritméticas dos
parâmetros a cada 10 minutos, suavizando assim o gráfico e melhorando a análise.
54
5.2.2. Análise operacional dos controladores de carga por sistema

Aprofundando a análise em relação aos parâmetros de corrente, tensão e potência, foi
construído um gráfico para verificar comparativamente o status de funcionamento do
barramento das cargas, o status de carregamento do controlador de carga e os parâmetros
instantâneos da rede. Com esse visual, torna-se possível acompanhar a operação da nanorrede
em conjunto com o do controlador de carga. Essa página é mostrada na figura 5.8.
Figura 5.8 - Análise operacional do controlador de carga
Ao verificar os dados no gráfico construído, nota-se que o comportamento do status de

carregamento do controlador de carga afeta diretamente os parâmetros da nanorrede, visto que
ele é o responsável por limitar a geração de acordo com o nível de carga do banco de baterias e
com o consumo naquele momento. Dessa forma, realizar essa análise é crucial para
compreender a dinâmica da limitação da geração no dia a dia.
Nessa página foram incluídos os filtros de data do mesmo modelo da página da análise
global, assim como o filtro por sistema, tendo em vista que é necessário observar
individualmente cada subsistema para possibilitar a compreensão. O filtro de campo dos
parâmetros foi construído do mesmo modo do filtro da página anterior, incluindo, agora, o
parâmetro de tensão. Para facilitar a visualização foi incluído também um filtro dos parâmetros
de cada componente do subsistema (geração, carga e banco de baterias).
55
5.2.3. Análise dos parâmetros da rede por sistema

A fim de verificar todos os parâmetros operacionais resumidos em um local, foi criada
essa página condensando os visuais de tensão, corrente, potência, energia gerada e consumida
além dos histogramas de potência de geração e consumo em uma única face do relatório. Essa
apresentação possibilita analisar todos esses aspectos de uma vez, sem precisar alterar filtros
ou trocar de página. A figura 5.9 destaca essa análise.
Figura 5.9 - Análise dos parâmetros por sistema
Os filtros de data e sistema seguem os moldes das páginas anteriores, assim como os
controles deslizantes também se fazem presentes nos gráficos de tensão, corrente e potência
para facilitar a visualização dos dados. O gráfico de energia também segue o modelo do gráfico
da primeira página de análise energética global. Os últimos dois visuais representam dois
histogramas, sendo o primeiro da potência consumida e o segundo da potência gerada.
56
Os histogramas foram construídos utilizando o visual criado pela Microsoft chamado

“histogram 2.1.1”, facilitando o processo de criação e selecionando a divisão fixa em 12
compartimentos. No eixo vertical é apresentada a densidade de frequência das classes
distribuídas no eixo horizontal.
Para realizar comparações mais exatas de parâmetros de corrente, tensão e potência do
sistema, foi criada uma outra página com os mesmos gráficos desta, alterando o layout para que
fiquem enfileirados em duas colunas possibilitando alterar o campo de visualização a partir de
um filtro de campo criado para cada parâmetro. Essa página é mostrada na figura 5.10.
Figura 5.10 - Análise comparativa por sistema dos parâmetros da nanorrede

57
Nessa configuração, mantém-se os filtros de data e os controles deslizantes no eixo

vertical para melhores visualizações, porém excluiu-se o filtro de sistema pois cada gráfico já
está representando todos.
5.2.4. Análise da tensão por sistema

A seguinte análise se concentra no comportamento da tensão dos subsistemas da
nanorrede. Os visuais dessa página possibilitam perceber o fluxo de potência entre os
subsistemas de acordo com o nível de tensão performado por cada um a cada momento do dia.
A figura 5.11 apresenta os visuais inseridos na análise de tensão.
Figura 5.11 - Análise de tensão por subsistema

58
Os filtros foram estruturados de maneira a limitar o período de análise a um dia, como

foi feito nos parâmetros anteriores, além de proporcionar maior refinamento em torno das horas
do dia. Ao filtrar um horário, os visuais se limitam ao intervalo de tempo que compreende as
horas selecionadas, possibilitando verificar as alterações no perfil de fluxo de carga e nível de
tensão da carga ao longo do dia.
O primeiro visual que é apresentado na página é o de mapas, seguindo o mesmo padrão
do mapa de bolhas da página de análise energética global, entretanto o diâmetro das bolhas é
agora de acordo com o nível de tensão de cada subsistema, proporcionando uma rápida
identificação visual de qual sistema mais contribuiu para a rede no dia e horário selecionados.
O filtro adicionado no canto superior esquerdo do mapa serve para alterar o campo que
determina o tamanho da bolha, sendo possível selecionar a tensão média, máxima ou mínima.
A tabela ao lado mostra as informações que o mapa reproduz de maneira descritiva,
classificando os níveis de tensão de cada subsistema em ordem decrescente. O histograma
relaciona os valores de tensão média nas classes de acordo com a sua frequência de ocorrência.
Foi utilizado o visual histogram 2.1.1 também como na página de análise dos sistemas e
inserido um filtro para selecionar os subsistemas a serem verificados.
Os oito gráficos distribuídos na parte inferior da página descrevem o comportamento do
nível de tensão ao longo do dia selecionado, estabelecendo uma faixa de cor gradiente entre o
nível de subtensão (azul), o nível nominal (verde) e o nível de sobretensão (vermelho) com
valores respectivos mínimo, nominal e máximo atingidos pelos subsistemas de 0,98 p.u.; 1 p.u.
e 1,10 p.u.
5.2.5. Menu de navegação (Capa)

Ao final do desenvolvimento da ferramenta, percebeu-se que seria necessário criar um
menu de navegação para facilitar o manuseio do relatório, dessa maneira, a primeira página do
relatório passou a ser a capa que disponibilizará botões e informações gerais do sistema. A
figura 5.12 ilustra o resultado.
59
Figura 5.12 - Menu de navegação
As informações de data da última atualização, desenvolvedor e do sistema de geração

fotovoltaica foram inseridas, assim como as logos do GEDAE e da UFPA para identificação.
60
6. CONCLUSÃO
Após a construção e publicação do relatório na plataforma online do Power BI Service,

foi disponibilizado o link de acesso à ferramenta à equipe do GEDAE, possibilitando que todos
tenham acesso às análises feitas no relatório. Dessa maneira, o trabalho atingiu seu objetivo
principal de criar essa ferramenta para análise operacional da nanorrede instalada na Ilha das
Onças, cobrindo de maneira satisfatória todos os dados disponibilizados pelos sistemas
instalados.
O relatório foi construído de maneira a facilitar sua utilização sendo intuitivo nas suas
interações, além de permitir fácil escalabilidade do conjunto de dados com um procedimento
simples de atualização. Assim, o estudo da operação da nanorrede se torna mais objetivo,
diminuindo o tempo utilizado para verificações e análise da operação dos sistemas, estruturando
um fluxo de análise fixo com maior confiabilidade no exame do sistema.
Ao decorrer da elaboração do trabalho, a dificuldade mais impactante para a sua
utilização foi a recorrente falta de padrão na aquisição dos dados, pois devido ao salto de tempo
que ocorre no armazenamento do datalogger dos controladores, há uma defasagem entre as
aquisições, o que pode afetar a análise global da rede ao somar os parâmetros entre os
subsistemas e a própria integração da energia gerada e consumida, desafio esse superado em
partes pela programação em excel e VBA, ficando a suavização do gráfico de potência global
para uma futura edição do relatório.
Como sugestão de trabalhos futuros, destaca-se a implementação de um sistema de
aquisição conectado à rede de internet, possivelmente uma API, para armazenar os dados
coletados em tempo real, possibilitando uma análise remota da operação dos sistemas
integrando-os em um banco de dados com níveis de segurança. Além disso, análises de detecção
automáticas de eventos podem ser embarcadas na ferramenta, tornando-as muito mais objetiva
na avaliação de falhas dos sistemas.
Portanto, espera-se que o relatório desenvolvido neste trabalho seja referência no estudo
de operacionalidade de minirredes situadas em áreas remotas e fomente a pesquisa e
implantação dessas nanorredes em comunidades tradicionais na Amazônia que ainda não
possuem um sistema de suprimento de eletricidade confiável e contínuo de maneira econômica
e sustentável.
61
REFERÊNCIAS
AMAZON WEB SERVICES, INC. Seção Aprenda da empresa Amazon Web Services, Inc. O
que é modelagem de dados?, 2022a. Disponivel em: <https://aws.amazon.com/pt/what-
is/data-modeling/>. Acesso em: 07 Novembro 2022.
AMAZON WEB SERVICES, INC. Seção Aprenda da empresa Amazon Web Services, Inc.
Conceitos de Data Warehouse, 2022b. Disponivel em: <https://aws.amazon.com/pt/data-
warehouse/>. Acesso em: 07 Novembro 2022.
BARBIERI, C. BI2 Business Intelligence. Modelagem e Qualidade. 1ª. ed. Rio de Janeiro:
Elsevier, v. I, 2011.
CHANDAK, S.; ROUT, P. K. The implementation framework of a microgrid: A review.

International Journal of Energy Research, Bhubaneswar, 31 Agosto 2020.
COSTA, T. O. MODELAGEM E SIMULAÇÃO EM AMBIENTE SIMULINK DE UMA

NANORREDE DE DISTRIBUIÇÃO EM CORRENTE CONTÍNUA. Universidade
Federal do Pará. Belém. 2021.
GARTNER. Magic Quadrant for Analytics and Business Intelligence Platforms. Gartner.
Stamford. 2022.
INSTITUTO DE ENERGIA E MEIO AMBIENTE. EXCLUSÃO ELÉTRICA NA

AMAZÔNIA LEGAL: QUEM AINDA ESTÁ SEM ACESSO À ENERGIA ELÉTRICA?
Instituto de Energia e Meio Ambiente. São Paulo. 2020.
INSTITUTO NACIONAL DE EFICIÊNCIA ENERGÉTICA - INEE. Site do INEE. O que é

geração distribuída, 2022. Disponivel em: <http://www.inee.org.br/forum_ger_distrib.asp>.
Acesso em: 26 Setembro 2022.
MICROSOFT. Documentação do Microsoft Power BI. Comparing Power BI Desktop and

the Power BI service, 11 Janeiro 2021. Disponivel em: <https://learn.microsoft.com/en-
us/power-bi/fundamentals/service-service-vs-desktop>. Acesso em: 10 Novembro 2022.
62
MICROSOFT. Documentação do Microsoft Power BI. O que é Business Intelligence?, 2022a.

Disponivel em: <https://powerbi.microsoft.com/pt-br/what-is-business-intelligence/>. Acesso
em: 05 Novembro 2022.
MICROSOFT. Documentação do Microsoft Power BI. Entenda o esquema em estrela e a

importância para o Power BI, 05 Outubro 2022b. Disponivel em:
<https://learn.microsoft.com/pt-br/power-bi/guidance/star-schema>. Acesso em: 07 Novembro
2022.
MICROSOFT. Treinamento de Microsoft Power BI. Conectar às fontes de dados, 2022c.

Disponivel em: <https://learn.microsoft.com/pt-br/training/modules/get-data-power-bi/3-
connect-data-sources-power-bi-desktop>. Acesso em: 10 Novembro 2022.
MICROSOFT. Documentação do Microsoft Power BI. O que é o Power Query?, 2022d.

Disponivel em: <https://learn.microsoft.com/pt-br/power-query/power-query-what-is-power-
query>. Acesso em: 11 Novembro 2022.
MICROSOFT. Documentação do Microsoft Power BI. Visão geral do editor de relatório no

Power BI, 2022e. Disponivel em: <https://learn.microsoft.com/pt-br/power-bi/create-
reports/service-the-report-editor-take-a-tour>. Acesso em: 22 Novembro 2022.
MICROSOFT. Documentação do Microsoft Power BI. Criar indicadores de relatório no

Power BI para compartilhar insights e criar histórias, 2022f. Disponivel em:
<https://learn.microsoft.com/pt-br/power-bi/create-reports/desktop-bookmarks?tabs=powerbi-
desktop>. Acesso em: 11 Novembro 2022.
MICROSOFT. Documentação do Microsoft Power BI. Conceitos básicos para usuários de

negócios do serviço do Power BI, 2022g. Disponivel em: <https://learn.microsoft.com/pt-
br/power-bi/consumer/end-user-basic-concepts>. Acesso em: 11 Novembro 2022.
ONS. Páginas ONS. O que é o SIN, 2022. Disponivel em:

<http://www.ons.org.br/paginas/sobre-o-sin/o-que-e-o-sin>. Acesso em: 13 set. 2022.
63
ORACLE. Aprenda da empresa Oracle Brasil. O que é ETL?, 2022. Disponivel em:
<https://www.oracle.com/br/integration/what-is-etl/>. Acesso em: Novembro jun. 2022.
PINHO, J. T. et al. Sistemas Híbridos: Soluções Energéticas para a Amazônia. 1ª. ed. Belém:
Ministério de Minas e Energia, v. I, 2008.
SAS: ANALYTICS, INTELIGÊNCIA ARTIFICIAL E GERENCIAMENTO DE DADOS.

Insights da empresa SAS. ETL - O que é e qual a sua importância?, 2022. Disponivel em:
<https://www.sas.com/pt_br/insights/data-management/o-que-e-etl.html>. Acesso em: 06
Novembro 2022.
SOLUTIONS FOR RESULTS - S4R. S4R Webpage. Power BI entenda o que é, 06 Setembro
2019. Disponivel em: <https://s4r.com.br/powerbi/power-bi-entenda-o-que-e/>. Acesso em: 09
Novembro 2022.
TORRES, P. F. DESENVOLVIMENTO E MODELAGEM DE UMA NANORREDE DE

DISTRIBUIÇÃO EM CORRENTE CONTÍNUA EM BAIXA TENSÃO COM
SISTEMAS DE GERAÇÃO DISTRIBUÍDA. Universidade Federal do Pará. Belém. 2019.
VIEIRA FILHO, J. D. A. BATEDEIRA DE AÇAÍ EM CORRENTE CONTÍNUA E SUA

APLICAÇÃO EM FAMÍLIA RIBEIRINHA DA AMAZÔNIA SUPRIDA POR UM
SISTEMA FOTOVOLTAICO ISOLADO. Universidade Federal do Pará. Belém. 2021.
WWF. Acesso à energia com fontes renováveis em regiões remotas no Brasil. Site da WWF,
2020. Acesso em: 14 Setembro 2022.

TCC - André Felipe-F

Enviado por

Direitos autorais:

Formatos disponíveis

TCC - André Felipe-F

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

TCC - André Felipe-F

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DO PARÁ

ANDRÉ FELIPE PACHECO COSTA

DESENVOLVIMENTO DE FERRAMENTA PARA A ANÁLISE OPERACIONAL DE

DESENVOLVIMENTO DE FERRAMENTA PARA A ANÁLISE OPERACIONAL DE

Trabalho de Conclusão de Curso apresentado para

Orientador: Prof. Dr. Wilson Negrão Macêdo.

DESENVOLVIMENTO DE FERRAMENTA PARA A ANÁLISE OPERACIONAL DE

Trabalho de Conclusão de Curso apresentado para

Orientador: Prof. Dr. Wilson Negrão Macêdo.

APROVADA EM: 19 / 12 / 2022

Palavras-chaves: Business Intelligence, Microsoft Power BI, Nanorrede c.c.,

Keywords: Business Intelligence, Microsoft Power BI, D.C. Nanogrid, Photovoltaic

Figura 2.1 - Esquema de modelagem de dados em estrela ........................................... 20

Tabela 3.1 - Algumas possibilidades de aplicações de minirredes elétricas ................ 29

Quadro 3.1 - Especificações dos bancos de baterias .................................................... 31

Ah Unidade de energia Ampère-hora

1.1. OBJETIVOS .................................................................................................................. 15

2. BUSINESS INTELLIGENCE ................................................................................. 17

2.1. ETL (EXTRACT, TRANSFORM, LOAD) .......................................................................... 17

3. DESCRIÇÃO DA REDE ELÉTRICA INSTALADA ........................................... 29

3.1. GERAÇÃO DISTRIBUÍDA E MINIRREDES DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA ........ 29

4. ETL E MODELAGEM ............................................................................................ 34

4.1. BASE DE DADOS ........................................................................................................... 34

5. CONSTRUÇÃO DO RELATÓRIO ....................................................................... 43

5.1. ANÁLISE ENERGÉTICA ................................................................................................. 43

1.1.1. Objetivo geral

1.1.2. Objetivos específicos

1.2. Estrutura do trabalho

A tecnologia de Business Intelligence (BI) surgiu como uma maneira de transformar

2.1. ETL (Extract, transform, load)

estruturadas ou não estruturadas, incluindo documentos, e-mails, aplicações de

2.2. Modelagem dos dados

A partir do estabelecimento dos relacionamentos entre as chaves, as tabelas conectam-

2.2.1. Data warehouses

Figura 2.1 - Esquema de modelagem de dados em estrela

Fonte: Microsoft, 2022b.

Há outros conceitos adicionais que se relacionam ao design de um esquema em estrela

2.3. Microsoft Power BI

Figura 2.2 - Quadrante mágico da Gartner de avaliação de programas de BI

Fonte: Gartner, 2022.

O programa pode ser utilizado gratuitamente para construção dos relatórios e

no site da Microsoft. Normalmente as empresas que utilizam a ferramenta adquirem a licença

2.3.1. Power BI Desktop e Power BI service

Figura 2.3 - Tela inicial do Power BI Desktop

Fonte: Captura de tela feita pelo autor.

O Power BI Service é um serviço baseado em nuvem que dá suporte à edição e à

Figura 2.4 - Página inicial do Power BI Service

Fonte: Captura de tela feita pelo autor.

2.3.2. Power Query e modelagem

Figura 2.5 - Aba "Obter dados" do Microsoft Power BI

Fonte: Captura de tela feita pelo autor.

Figura 2.6 - Aba Navegador de fonte de dados

Fonte: Microsoft, 2022c.

Figura 2.7 - Editor do Power Query

Fonte: Microsoft, 2021.

Os números marcados na figura 2.7 representam, respectivamente:

Figura 2.8 - Editor de relatórios do Power BI Desktop

Fonte: Microsoft, 2022e.

Figura 2.9 - Painel de seleção e painel de indicadores do Power BI Desktop

Fonte: Captura de tela feita pelo autor.