[pt] O setor elétrico nos últimos anos vem passando por grandes mudanças estruturais em diversas regiões do planeta. Essas mudanças são devidas a processos de reestruturação do setor energético visando o aumento da eficiência e da qualidade. No Brasil, para este fim, foram criados órgãos responsáveis pelo setor, de modo que se viabilizem e regulamentem estas mudanças, seja por meio da criação de instrumentos de incentivos à competição ou permitindo a participação de agentes privados nos processos de geração, distribuição e comercialização de energia. Neste contexto foi criada a ANEEL (Agência Nacional de Energia Elétrica), responsável por instituir as regras de mercado de energia elétrica visando assegurar a competitividade do setor. Dentro das atribuições da ANEEL, está a realização de revisões tarifárias periódicas. Esta revisão tarifária compreende: a) reposicionamento das tarifas de fornecimento de energia elétrica em nível compatível com a preservação do equilíbrio econômico-financeiro do contrato de concessão; e b) determinação do Fator X que será aplicado nos reajustes tarifários com o objetivo de compartilhar ganhos de produtividade com os consumidores. Para determinar o Fator X é necessário medir a eficiência, o que pode ser feito basicamente através de duas alternativas: 1) comparar a empresa com fronteiras de eficiência construídas para o mercado regulado a partir de grupos de similaridade; 2) comparar a empresa com o mercado não regulado. Desta forma, o objetivo da tese é propor uma metodologia para definição de fronteiras de eficiência entre as empresas de distribuição de energia elétrica através da conjugação de redes neurais e de modelos econométricos, particularmante, os modelos de análise de fronteira estocástica. / [en] In recent years, the electric power supply sector has undergone major structural changes in a variety of regions throughout the planet. These changes are due to restructuring processes taking place in the energy sector towards the increase of quality and efficiency. In Brazil, it was created agencies responsible for the sector, in order to foster and regulate those changes, either by means of creating instruments for promoting competition or by allowing private agents participation in the processes of generating, distributing and trading energy. In this context, it was created the Brazilian Electricity Regulatory Agency (ANEEL), responsible for binding rules to assure market competition in the electric power supply sector. Among the duties of the regulatory agency of the electric power supply sector in Brazil there is the periodical revision of energy prices. Such revisions involve estimating the X Factor applied to update prices so that gains in productivity are shared with consumers. To estimate the X Factor it is necessary to measure efficiency and, for this, two issues are important: the choices of benchmarks and of techniques for productivity measurement. This thesis proposes an approach to define frontier efficiency of electric power distribution utilities based on clustering homogeneous utilities using neural networks and estimating the frontiers through econometric techniques.

[pt] Esta tese apresenta os principais resultados de medidas de eficiência dos custos operacionais de 60 distribuidoras brasileiras de energia elétrica. Baseado no esquema yardstick competition, foi utilizado uma Rede Neural d e Kohonen (KNN) para identificar grupos de empresas similares. Os resultados obtidos pela KNN não são determinísticos, visto que os pesos sinápticos da rede são inicializados aleatoriamente. Então, é realizada uma simulação de Monte Carlo para encontrar os clusters mais frequentes. As medidas foram obtidas por modelos DEA (input oriented, com e sem restrições aos pesos) e modelos Bayesianos e frequencistas de fronteira estocástica (utilizando as funções Cobb-Douglas e Translog). Em todos os modelos, DEA e SFA, a única variável input refere-se ao custo operacional (OPEX). Os índices de eficiência destes modelos representam a potencial redução destes custos de acordo com cada concessionária avaliada. Os outputs são os cost drivers da variável OPEX: número de unidades consumidoras (uma proxy da quantidade de serviço), montante de energia distribuída (uma proxy do produto total) e a extensão da rede de distribuição (uma proxy da dispersão dos consumidores na área de concessão). Finalmente, vale registrar que estas técnicas podem mitigar a assimetria de informação e aprimorar a habilidade do agente regulador em comparar os desempenhos das distribuidoras em ambientes de regulação incentivada. / [en] This thesis presents the main results of the cost efficiency scores of 60 Brazilian electricity distribution utilities. Based on yardstick competition scheme, it was applied a Kohonen Neural Networks (KNN) to identify and to group the similar utilities. The KNN results are not deterministic, since the estimated weights are randomly initialized. Thus, a Monte Carlo simulation was used in order to find the most frequent clusters. Therefore was examined the use of the DEA methodology (input oriented, with and without weight constraints) and Bayesian and non- Bayesian Stochastic Frontier Analysis (centered on a Cobb- Douglas and Translog cost functions) to evaluate the cost efficiency scores of electricity distribution utilities. In both models the only input variable is operational cost (OPEX). The efficiency measures from these models reflect the potential of the reduction of operational costs of each utility. The outputs are the cost-drivers of the OPEX: the number of customers (a proxy for the amount of service), the total electric power supplied (a proxy for the amount of product delivered) and the distribution network size (a proxy of the customers scattering in the operating territory of each distribution utility). Finally, it is important to mention that these techniques can reduce the information assimetry to improve the regulator´s skill to compare the performance of the utilities in incentive regulation environments.

[pt] A perdas não técnicas de energia elétrica (PNT) constituem, atualmente, um dos principais problemas enfrentados pelas concessionárias de distribuição de eletricidade no Brasil. Entende-se que parte desses fatores não são gerenciáveis pelas distribuidoras, e assim, são repassadas aos consumidores através de tarifas de eletricidade, seguindo os limites definidos pela Agência Nacional de Energia Elétrica (ANEEL). Apesar do progresso realizado pela ANEEL, a metodologia atualmente empregada pela Agência utiliza-se de dados em painel para formulações desses limites, no entanto, define-se algumas medidas ad-hoc que acabam resultando em metas de perdas pouco condizentes com a realidade das distribuidoras brasileiras. Essa dissertação tem por objetivo selecionar modelos de forma automática para dados em painel, avaliando sua aplicabilidade na definição das metas de perdas não técnicas. Os modelos propostos foram empregados a um painel de dados contendo observações anuais de 62 concessionárias de distribuição de energia elétrica brasileira no período de 2007 a 2017, gerando, assim, 1.097.789 modelos com respeitando os tipos de regressões em dados em painel, resultando em 3 modelos potenciais com metas de PNT mais aderentes às PNT reais das distribuidoras brasileiras. / [en] Non-technical electricity losses (NTL) are currently one of the main problems faced by electricity distribution utilities in Brazil. It is understood that part of these factors is not manageable by the utilities, and thus, they are passed on to consumers through electricity tariffs, following the limits defined by the Brazilian Electric Energy Agency (ANEEL). Despite the progress made by ANEEL, the methodology currently used by the Agency uses panel data to formulate these limits, however, some ad hoc measures are defined which end up resulting in loss targets that are not consistent with the reality of Brazilian distribution utilities. This dissertation aims to select models automatically for panel data, evaluating their applicability in setting non-technical loss targets. The proposed models were used in a panel data containing annual observations from 62 Brazilian electricity distribution utilities in the period from 2007 to 2017, thus generating 1,097,789 models with respect to the types of regressions in panel data, resulting in 3 potential models with NTL targets more adherent to the real possibilities of the Brazilian distribution utilities.