Resumo A luta contra doenças pode levar as pessoas a tomar decisões precipitadas. Um método controverso que estamos discutindo é o da Crotalaria atraindo libélulas, porém nenhuma pesquisa científica apoia essa premissa. As libélulas são predadoras generalistas e, eventualmente, são empregadas de uma maneira incorreta como predadoras de mosquitos vetores. No Brasil, depois de dez anos, ainda encontramos pessoas que estão plantando Crotalaria com a tentativa de evitar a propagação da dengue. Discutimos as razões pelas quais os Odonata não seriam atraídos pela Crotalaria e, portanto, não poderiam ser utilizados como método eficiente de controle de vetores. Por fim, não deixar a água parada é a maneira mais eficaz de evitar doenças tropicais.

Abstract The struggle to control insect-borne diseases can lead to make rash decisions. For instance, the controversial method of planting of Crotalaria spp. to attract predatory dragonflies can be used to control insect vectors of dengue fever and several other medically significant insect-borne diseases. Nevertheless, there is no scientific support for this assumption. Despite the lack of evidence, in Brazil, there remains a multitude of online articles and grey literature sources still promote Crotalaria planting as a means to prevent dengue fever. Here we discuss the reasons why Odonata would not be attracted by Crotalaria and, therefore, it cannot not be considered as an efficient method for vector control. Finally, the best practice to avoid the spread of insect-borne diseases in the tropics is to avoid the accumulation of standing water in urban areas.

Este artículo plantea una metodología para estimar la energía eléctrica requerida por los vehículos eléctricos, teniendo en cuenta los hábitos de conducción y estadísticas de movilidad de los vehículos particulares. Inicialmente se construye la función de probabilidad de las distancias acumuladas que recorre el vehículo eléctrico en un día de operación normal a partir de los patrones de movilidad (distancias recorridas, número de desplazamientos, etc.). Con la información obtenida se generan distribuciones de probabilidad para las distancias recorridas por los vehículos y para la energía requerida por un vehículo luego de un día de recorrido normal. Las distribuciones de probabilidad permiten asignar a cada vehículo, una distancia recorrida y una energía requerida siguiendo un comportamiento basado en datos reales. Con las funciones obtenidas se determina la energía requerida por un vehículo, que es una información indispensable para evaluar el efecto de la conexión masiva de estos en la red eléctrica. De esta manera, bajo la metodología propuesta se provee una herramienta que permite predecir la cantidad de energía requerida por un determinado número de vehículos eléctricos que se conectan a la red. Finalmente, la metodología propuesta se valida en Bogotá, Colombia determinando la distribución de probabilidad que representa la energía consumida por vehículo.

This paper presents a methodology to estimate electric energy required by electric vehicles, taking into account driving habits and mobility statistics of private vehicles. Initially, a probability function of accumulated distances that an electric vehicle travels on a normal operation day is developed based on mobility patterns (travelled distances, number of trips, etc.). The obtained information is used to generate probability distributions for travelled distances by vehicles and for energy required by a vehicle after its daily operation. Probability distributions allow assigning to each vehicle a travelled distance and a required energy with a behavior based on real data. From obtained functions, energy required by each electric vehicle is analyzed, which is essential information to evaluate the effect of massive connection to the power grid. In this way, under the proposed methodology it is provided a tool that could predict the amount of energy required by a given quantity of electric vehicles that are connected to the grid. Finally, the proposed methodology was validated in Bogota, Colombia determining the probability distribution of the energy consumed per vehicle.

El vehículo eléctrico es una tecnología de transporte que requiere un sistema de gestión para las redes eléctricas del futuro para evitar sobrecargas y efectos negativos en el nivel de voltaje y la calidad de potencia. Por lo tanto, este articulo presenta un algoritmo de gestión para ajustar las condiciones de operación y recarga de los vehículos eléctricos en tiempo real, optimizando el uso de la capacidad de la red y mejorando el perfil de voltaje a través de la coordinación de las recargas dependiendo de la sensibilidad de perdidas, un enfoque que identifica los nodos donde las pérdidas de potencia pueden disminuir o aumentar bajo condiciones de carga especifica. Los resultados obtenidos aplicando la estrategia, son presentados a través de un modelo de consumo aleatorio de los vehículos basado en los patrones de movilidad existentes, usando un circuito de distribución de 628 nodos. Esto permite la identificación del nivel de penetración después del cual se hace necesario implementar el esquema de gestión propuesto.

The electric vehicle is a transportation technology that requires a management system for the electric networks of the future in order to avoid overloads and adverse effects on voltage level and power quality. This article presents a management algorithm to adjust the operation and recharge conditions of electric vehicles in real time, optimizing the use of network capacity and improving the voltage profile through the coordination of recharges depending on loss sensitivity; an approach to identify nodes where power losses can decrease or increase under a specific load condition. The results obtained by applying the strategy are presented through a random consumption model of vehicles based on existing mobility patterns using a distribution circuit of 628 nodes. This allows the identification of electric vehicle penetration after which it becomes necessary to implement the proposed management scheme.