• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

[pt] DIMENSIONAMENTO DE UMA ESTOCAGEM DE GÁS NATURAL SOB INCERTEZA DE DEMANDA E PREÇO DE GNL / [en] SIZING OF A NATURAL GAS STORAGE UNDER DEMAND AND PRICE UNCERTAINTY

LILIAN ALVES MARTINS 26 February 2019 (has links)
[pt] No Brasil, a demanda de gás natural possui um comportamento estocástico devido ao consumo das usinas termelétricas, as quais operam em regime de complementariedade ao sistema hidrelétrico. O suprimento de gás natural para estas usinas depende em grande parte do fornecimento de Gás Natural Liquefeito (GNL) spot, importado através de navios metaneiros. Em função do tempo de trânsito dos navios, as compras de GNL devem ocorrer com antecedência em relação ao despacho hidrotérmico. Este descasamento de tempo incentiva a utilização de mecanismos de compatibilização da dinâmica do setor elétrico com a dinâmica da cadeia do gás natural. Uma possibilidade de aumentar a sinergia entre estes domínios é utilizar uma estocagem de gás natural para inserir flexibilidade no sistema. A viabilidade da estocagem dependerá do preço do gás e da demanda ao longo do horizonte de análise. O objetivo deste trabalho é a construção de um modelo de programação linear para dimensionar a capacidade de uma estocagem de gás natural sob incerteza de demanda e de preço de GNL. O modelo apresentado é um híbrido de otimização estocástica, construído para considerar a incerteza do consumo de gás, com otimização robusta, construído para levar em conta a incerteza relacionada aos preços do GNL. O modelo caracteriza o perfil de risco do supridor de gás natural pela utilização do Conditional Value-at-Risk (CVaR) e utiliza um critério de segurança que reproduz um processo de suprimento avesso a risco de déficit. Ao final do trabalho é apresentado um estudo de caso hipotético, utilizando dados públicos do setor elétrico e de gás natural, para avaliar a implantação da estocagem para 2.000 cenários de demanda e patamares distintos de robustez à variação do preço do GNL. / [en] In Brazil, natural gas demand has stochastic behavior since gas-fired power plants operate in conjunction with the hydroelectric system. Natural gas supply to these plants relies upon Liquefied Natural Gas (LNG), imported through cryogenic ships. LNG acquisitions must occur before the natural gas demand is known because of the time of displacement of the ships. This lack of synchronism stimulates the use of harmonizing mechanisms between the electric sector and the natural gas sector. In this context, natural gas storage could be used to introduce flexibility into the system and increase synergy between natural gas supply and demand dynamics. However, the economic performance of the storage will depend on actual gas prices and demand behavior during the period of analysis. This study aims to construct a linear programming model to determine the size of a natural gas storage under demand and LNG price uncertainty. The model is a hybrid of a stochastic optimization algorithm – developed to consider gas demand uncertainty – and a robust optimization algorithm – built to take into account LNG price uncertainty. A convex combination between Conditional Value-at-Risk (CVaR) and expected value is also used to indicate the supplier risk profile as well as a security criterion, introduced to represent a deficit-averse supply process. At the end, a hypothetic case is presented to evaluate the implementation of a natural gas storage. The case presented uses public data from the Brazilian electric and gas natural sectors and considers 2.000 demand scenarios and various levels of robustness to LNG price variation.

Page generated in 0.0389 seconds