Otimizando a tarifa de eletricidade de uma empresa de telecomunicações
Uma ferramenta de otimização para reduzir os custos de energia otimizando simultaneamente as tarifas e o uso da bateria
Em resumo
Desafio
Uma empresa de telecomunicações teve como objetivo reduzir os custos de energia em mais de 2.000 locais usando uma abordagem baseada em dados. Cada local, com sua própria tarifa de energia e baterias de reserva, exigiu otimização para garantir a disponibilidade do serviço e, ao mesmo tempo, minimizar os custos. O projeto desenvolveu uma ferramenta de otimização para agilizar a seleção de tarifas e o uso da bateria, visando reduções significativas de custos sem comprometer a estabilidade da rede.
Solução
O projeto implementou uma abordagem baseada em dados para otimizar a seleção de tarifas e o uso da bateria em sites de telecomunicações, substituindo processos manuais e ineficientes. Ele analisou o perfil de consumo e a estrutura tarifária de cada site, que inclui custos fixos e variáveis, para identificar as tarifas mais econômicas. O uso da bateria foi otimizado para carregar fora do horário de pico (mais barato) e descarregar durante horas fora do pico (caro), aproveitando as diferenças tarifárias para reduzir custos.
Os limites de segurança foram estabelecidos para a bateria de cada local com base nos dados históricos de perda de energia e na criticidade, garantindo um serviço ininterrupto e maximizando a eficiência de custos. Essa estratégia dinâmica não apenas reduziu os custos de energia, mas também fortaleceu a resiliência da rede contra interrupções de energia.
Resultados
O novo processo de otimização baseado em dados simplificou as decisões sobre tarifas e uso de baterias, antes tratadas manualmente, tornando as operações mais escaláveis e adaptáveis a novas tarifas ou locais. Uma ferramenta especializada permite uma avaliação rápida de cenários hipotéticos, aumentando a eficiência do planejamento estratégico.
O teste da abordagem revelou uma redução direta nos custos anuais de energia em até 7%, aproveitando o potencial das baterias de forma mais eficaz. Isso representa um avanço significativo em eficiência de custos e escalabilidade operacional para a empresa de telecomunicações.
Em todos os setores, muitas empresas estão vendo os custos totais de energia atingirem valores sem precedentes. Não há exceção no setor de telecomunicações. Nesse desafio, uma conhecida empresa buscou reduzir os custos anuais de energia dos equipamentos de rede móvel adotando uma abordagem baseada em dados para suas decisões relacionadas à energia.
Para fornecer um serviço de rede móvel bom e estável para seus clientes, essa empresa possui mais de dois mil sites (ou antenas) espalhados por todo o país, cada um com um contrato tarifário independente. Além disso, cada site tem baterias para garantir um serviço estável durante eventos de perda de energia. Essas baterias também podem reduzir os custos de energia por meio da seleção dos períodos de carga e descarga.
Diante desse cenário, o principal objetivo deste projeto foi desenvolver uma ferramenta de otimização capaz de reduzir os custos de energia otimizando simultaneamente as tarifas e o uso da bateria ao mesmo tempo em que garante a disponibilidade do site.
O desafio foi direcionado com uma nova abordagem para o planejamento tarifário, mudança de um processo manual, mal aproveitado por insights de dados, para um método sistemático e baseado em dados, com base no perfil de consumo de cada site e nas tarifas disponíveis.
Para contextualizar como as tarifas são aplicadas, é essencial entender os termos fixos e variáveis. O prazo fixo deve ser pago mensalmente, sem exceção, enquanto o componente variável depende do consumo do site. Uma tarifa pode definir diferentes custos variáveis horários, estabelecendo períodos em que a energia tem um preço mais alto e outros em que a energia é mais barata. Para ilustrar, a figura abaixo mostra o consumo de um determinado site durante um dia e os diferentes custos variáveis: as horas “fora do pico”, as mais baratas, e as horas “extra-pico”, as mais caras.
Como esperado, o consumo é menor durante a noite e maior durante o dia — devido às nossas rotinas. Também é interessante verificar que os custos variáveis tendem a ser maiores em períodos de alta demanda, pois é fácil prever os horários em que a maioria das pessoas precisará de uma conexão. A diferença entre os custos variáveis durante o dia permite determinar a melhor tarifa para cada site, selecionando aquela que reflete menos custos gerais de acordo com o perfil de consumo do site.
O uso da bateria também é uma alavanca crítica da abordagem. A política de uso da bateria de um site pode permitir carregar nos períodos mais baratos e descarregar nos mais caros, beneficiando-se da diferença na tarifa. A abordagem desenvolvida aproveita o histórico de perda de energia e os padrões de consumo existentes para determinar a capacidade mínima que deve ser mantida para garantir o nível de serviço exigido de cada local. Os dados históricos foram usados para avaliar a criticidade de cada local, protegendo os mais importantes e aproveitando os mais robustos. Para cada local, o limite de segurança da bateria foi determinado para otimizar essa compensação. Um exemplo de uso da bateria pode ser visto na figura abaixo.
No exemplo acima, a bateria de um site específico começa com 60% da capacidade. Ele carrega totalmente durante os períodos mais baratos até ser usado para substituir a rede elétrica durante os horários de “pico extra”. O limite de 60% corresponde ao limite de segurança definido pela abordagem, considerando o nível de criticidade do site para a rede móvel.
Ao determinar dinamicamente o uso da bateria de cada local, os custos gerais de energia são reduzidos e, ao mesmo tempo, aumentam a proteção das redes contra perdas de energia elétrica.
O novo processo baseado em dados reduziu substancialmente o esforço de determinar as melhores tarifas e condições de uso da bateria, decisões antes tomadas manualmente para cada local. Uma ferramenta de otimização permite testar diferentes cenários, abrindo portas para cenários hipotéticos que ajudam a equipe de planejamento a avaliar suas estratégias rapidamente. Suas operações agora são mais escaláveis e fáceis de suportar ao adicionar novas tarifas ou sites à sua rede.
Para testar a abordagem, foi feita uma comparação entre os gastos anuais com as tarifas atuais e a política de uso de baterias e os custos anuais das novas tarifas determinadas dinamicamente. As recomendações sugeridas diretamente custos de energia reduzidos em até 7 pontos percentuais, explorando significativamente o potencial das baterias.
