Otimização da relação custo benefício de projetos de eficiência energética do tipo baixa renda

The electricity utilities are required to invest part of its net operating income in the implementation of energy efficiency projects, according to the National Electric Energy Agency (ANEEL). The low-income type design is part of portfolio of possible projects and captures most of this application. Thus, it becomes very important to create a methodology to scale projects of this type and direct decision making of utilities in Brazil. Bioinspired optimization methods deal with combinatorial and nonlinear problems, if the mathematical equations for calculating the cost benefit rate of energy efficiency projects in low-income type. This paper proposes two recognized bioinspired optimization methods, the Ant Colony Optimization (ACO) and the Particle Swarm Optimization (PSO) to calculate and optimize the cost effectiveness of energy efficiency regulatory projects, the low-income type. Thus, propose a scientific methods of sizing of the energy efficiency projects, while optimizing these projects, obtaining the best operating result, from the point of view of energy efficiency with the best cost to society.As concessionárias de energia são obrigadas a aplicar parte de sua receita operacional líquida na execução de projetos de eficiência energética, de acordo com a Agência Nacional de Energia Elétrica (ANEEL). O projeto do tipo baixa renda é parte desse portfólio de projetos possíveis e capta a maior parte dessa aplicação. Dessa forma, torna-se de suma importância a criação de uma metodologia para dimensionar os projetos dessa tipologia e direcionar as tomadas de decisões das concessionárias de energia do Brasil. Métodos de otimização bioinspirados tratam de problemas combinatórios e não lineares, caso do equacionamento matemático do cálculo da relação custo benefício de projetos de eficiência energética de tipologia baixa renda. O presente trabalho propõe a aplicação de dois métodos de otimização reconhecidos, a otimização por colônia de formigas, ou Ant Colony Optimization (ACO), e a otimização por enxame de partículas, ou Particle Swarm Optimization (PSO), para calcular e otimizar a relação custo benefício de projetos de eficiência energética regulatórios do tipo baixa renda. Sendo assim, aplica métodos computacionais bioinspirados no dimensionamento dos projetos de eficiência energética, além de otimizar esses projetos, obtendo o melhor resultado operacional, do ponto de vista da eficiência energética, com o melhor custo para a sociedade