Otimização da tarifa de eletricidade de uma empresa de telecomunicações
Uma ferramenta de otimização para reduzir os custos de energia através da otimização simultânea das tarifas e da utilização da bateria
Em resumo
Desafio
Uma empresa de telecomunicações tinha como objetivo reduzir os custos de energia em mais de 2000 locais utilizando uma abordagem baseada em dados. Cada local, com a sua própria tarifa de energia e baterias de reserva, necessitava de otimização para garantir a disponibilidade do serviço, minimizando os custos. O projeto desenvolveu uma ferramenta de otimização para simplificar a seleção de tarifas e a utilização de baterias, visando reduções de custos significativas sem comprometer a estabilidade da rede.
Solução
O projeto implementou uma abordagem baseada em dados para otimizar a seleção de tarifas e a utilização de baterias para sites de telecomunicações, substituindo processos manuais e ineficientes. O projeto analisou o perfil de consumo de cada site e a estrutura tarifária, que inclui custos fixos e variáveis, para identificar as tarifas mais rentáveis. A utilização das baterias foi otimizada para carregar durante as horas de vazio (mais baratas) e descarregar durante as horas de ponta (mais caras), tirando partido das diferenças tarifárias para reduzir os custos.
Foram estabelecidos limites de segurança para a bateria de cada local com base em dados históricos de perda de energia e criticidade, garantindo um serviço ininterrupto e maximizando a eficiência de custos. Esta estratégia dinâmica não só reduziu os custos de energia, como também reforçou a capacidade de resistência da rede contra interrupções de energia.
Resultados
O novo processo de otimização baseado em dados simplificou as decisões sobre tarifas e utilização de baterias, anteriormente 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 planeamento estratégico.
O teste da abordagem revelou uma redução direta nos custos anuais de energia até 7%, aproveitando o potencial das baterias de forma mais eficaz. Isto representa um avanço significativo na eficiência de custos e na escalabilidade operacional para a empresa de telecomunicações.
Em todos os setores, muitas empresas estão a assistir a custos totais de energia que atingem valores sem precedentes. O setor das telecomunicações não é exceção. Neste desafio, uma empresa conhecida procurou reduzir os custos anuais de energia do equipamento de rede móvel, adotando uma abordagem baseada em dados para as suas decisões relacionadas com a energia.
Para fornecer um serviço de rede móvel bom e estável aos seus clientes, esta empresa tem mais de dois mil sítios (ou antenas) espalhados por todo o país, cada um com um contrato de tarifa independente. Além disso, cada sítio tem baterias para garantir um serviço estável durante as falhas de energia. Estas baterias podem também reduzir os custos de energia através da seleção dos períodos de carga e descarga.
Perante este cenário, o principal objetivo deste projeto foi desenvolver uma ferramenta de otimização capaz de reduzir os custos de energia através da otimização simultânea das tarifas e da utilização das baterias, garantindo a disponibilidade do site.
O desafio foi lançado com uma nova abordagem ao planeamento de tarifas, passando de um processo manual, pouco alavancado por dados, para um método sistemático e orientado por dados, baseado no perfil de consumo de cada site e nas tarifas disponíveis.
Para contextualizar a forma como as tarifas são aplicadas, é essencial compreender os termos fixo e variável. O termo fixo deve ser pago mensalmente sem exceção, enquanto a componente variável depende do consumo do local. Um tarifário pode definir diferentes custos variáveis horários, estabelecendo períodos em que a energia tem um preço mais elevado e outros em que a energia é mais barata. Para ilustrar, a figura abaixo mostra o consumo de um determinado sítio durante um dia e os diferentes custos variáveis: as horas “Fora de 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. É também interessante verificar que os custos variáveis tendem a ser mais elevados nos períodos de maior procura, uma vez que é fácil prever as horas em que a maioria das pessoas necessita de ligação. A diferença entre os custos variáveis durante o dia permite determinar a melhor tarifa para cada local, selecionando a que reflete menos custos globais de acordo com o perfil de consumo do local.
A utilização da bateria é também uma alavanca crítica da abordagem. A política de utilização da bateria de um sítio pode permitir o carregamento nos períodos mais baratos e a descarga nos mais caros, beneficiando da diferença na tarifa. A abordagem desenvolvida aproveita o histórico de perdas de energia e os padrões de consumo existentes para determinar a capacidade mínima que deve ser mantida para garantir o nível de serviço exigido por cada sítio. Os dados históricos foram utilizados para avaliar a criticidade de cada local, protegendo os mais cruciais e tirando partido dos mais robustos. Para cada site, o limiar de segurança da bateria foi determinado para otimizar este compromisso. Um exemplo de utilização da bateria pode ser visto na figura abaixo.
No exemplo acima, a bateria de um determinado site começa com 60% da capacidade. Carrega-se totalmente durante os períodos menos dispendiosos até ser utilizada para substituir a rede elétrica durante as horas de “pico extra”. O limiar de 60% corresponde ao limiar de segurança definido pela abordagem que tem em conta o nível de criticidade do sítio para a rede móvel.
Ao determinar dinamicamente a utilização da bateria de cada local, os custos globais de energia são reduzidos, aumentando simultaneamente a proteção das redes contra perdas de energia eléctrica.
O novo processo baseado em dados reduziu substancialmente o esforço de determinar a melhor tarifa e as melhores condições de utilização da bateria, decisões que antes eram tomadas manualmente para cada local. Uma ferramenta de otimização permite testar diferentes cenários, abrindo portas para cenários hipotéticos que ajudam a equipa de planeamento a avaliar rapidamente as suas estratégias. As suas operações são agora mais escaláveis e mais fáceis de suportar quando se adicionam novas tarifas ou locais à sua rede.
Para testar a abordagem, foi feita uma comparação entre as despesas anuais com as tarifas atuais e a política de utilização das baterias e os custos anuais das novas tarifas determinadas dinamicamente. As recomendações sugeridas reduziram diretamente os custos de energia em até 7 pontos percentuais, explorando significativamente o potencial das baterias.
