A comercialização de energia elétrica no Brasil e no mundo sofreu diversas modificações nos últimos 20 anos. Com o objetivo de alcançar o equilíbrio econômico entre oferta e demanda do bem chamado eletricidade, os agentes deste mercado seguem as regras definidas pela sociedade (governo, empresas e consumidores) e também as leis da natureza (hidrologia). Para tratar de problemas tão complexos, estudos são realizados na área da heurística computacional. O objetivo deste trabalho é elaborar um software de previsão de preços do mercado spot utilizando redes neurais artificiais (RNA). As RNA são muito utilizadas em diversas aplicações, principalmente em heurística computacional, nas quais sistemas não lineares apresentam desafios computacionais difíceis de serem superados devido ao efeito da maldição da dimensionalidade. Tal maldição se deve pelo fato do poder computacional atual não ser suficiente para processar problemas com elevada combinação de variáveis. O problema de prever os preços do mercado spot depende de fatores como: (a) a previsão de demanda (carga); (b) a previsão da oferta (reservatórios, regime de chuvas e clima), fator de capacidade; e (c) o equilíbrio da economia (precificação, leilões, influência de mercados externos, política econômica, orçamento governamental, política governamental). Estes fatores são utilizados na construção do sistema de previsão e os resultados de sua eficácia são testados e apresentados. / The commercialization of electricity in Brazil as well as in the world has undergone several changes over the past 20 years. In order to achieve an economic balance between supply and demand of the good called electricity, stakeholders in this market follow both rules set by society (government, companies and consumers) and set by the laws of nature (hydrology). To deal with such complex issues, various studies have been conducted in the area of computational heuristics. This work aims to develop a software to forecast spot market prices in using artificial neural networks (ANN). ANNs are widely used in various applications especially in computational heuristics, where non-linear systems have computational challenges difficult to overcome because of the effect named curse of dimensionality. This effect is due to the fact that the current computational power is not enough to handle problems with such a high combination of variables. The challenge of forecasting prices depends on factors such as: (a) foresee the demand evolution (electric load); (b) the forecast of supply (reservoirs, hydrology and climate), capacity factor; and (c) the balance of the economy (pricing, auctions, foreign markets influence, economic policy, government budget and government policy). These factors are considered be used in the forecasting model for spot market prices and the results of its effectiveness are tested and huge presented.

Made available in DSpace on 2016-08-17T14:53:21Z (GMT). No. of bitstreams: 1 Sergio Augusto.pdf: 2350058 bytes, checksum: 7c3c67925b0b27a77105c3cb0799c4e6 (MD5) Previous issue date: 2012-05-04 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / This work provides a framework to obtain the optimal bidding strategy for a GENCO in long-term electricity auction. The tool is based on intelligent techniques for optimizing the proposed Utility Function. The goal is to find the optimal strategy that maximizes the expected payoff of GENCO and simultaneously minimize the risks. The risks are modeled by two classical metrics: the Variance (Portfolio Theory) and Value at Risk (VaR). The proposed methodology is applied to auctions for long-term forward contracts, such that used in the Brazilian power system for buying and selling energy in the regulated market. The Bidding Strategy is formed through a Supply Curve which relates the optimal amount of energy to different offer prices. Thus, it allows the GENCO define the best bid (offer) for a given offer price. The proposed approach is validated for three test cases: First, concerning the variation of generation and price of energy scenarios for evaluation of the bidding strategy and the GENCOS risk perception; The second, consider a cascade hydro-term system for evaluation of MRE; and The third, considers the northeastern Brazilian subsystem where the supply curve is formed for the CHESF company's power plants portfolio. The results show how the offer may be changed according the variation of the spot prices and physical generation and demonstrate the efficacy of meta-heuristics proposed to optimize the supply model. / Este trabalho apresenta uma ferramenta de auxílio e suporte à tomada de decisões na formação de estratégias de oferta para agentes geradores (GENCOS) participantes de leilões de eletricidade de longo-prazo. A ferramenta é baseada em técnicas inteligentes para a otimização da Função de Utilidade proposta média-risco . O objetivo é encontrar a Estratégia Ótima que maximize o retorno esperado da GENCO e, simultaneamente, minimize os riscos relacionados às incertezas no montante de energia produzida e no preço spot, modelados por duas métricas clássicas de risco: a Variância (teoria dos portfólios) e o Valor em Risco (VaR). A abordagem proposta é aplicada ao mercado brasileiro de eletricidade, especificamente, ao ambiente de Leilões de Energia Existente na categoria Quantidade de Energia, tais quais os leilões aplicados pelo órgão regulador brasileiro para compra e venda de energia no mercado regulado. Sugere-se aqui a formação de uma Curva de Oferta que relacione a quantidade de energia ótima para diferentes preços de oferta. E, deste modo, permita a GENCO definir qual o melhor lance (oferta) para dado preço de oferta durante o processo do leilão. Para a avaliação da abordagem foram utilizados três casos testes: O primeiro considera cenários de geração física e preço de energia a fim de avaliar a estratégia de oferta e a percepção ao risco de contratação da GENCO quanto à variação de tais cenários; o segundo, considera um sistema em cascata onde é possível observar o efeito do Mecanismo de Realocação de Energia (MRE) sobre a oferta das GENCOS; e o terceiro considera o subsistema nordeste brasileiro onde a curva de oferta é formada para o portfólio de usinas pertencentes à empresa CHESF. Os resultados demonstram como a oferta de energia pode ser alterada de acordo com cenários de oferta gerados e comprovam a eficiência da meta-heurística proposta para otimização do modelo de oferta.