Made available in DSpace on 2016-04-25T16:45:08Z (GMT). No. of bitstreams: 1 Elias Barquete Albarello.pdf: 1196736 bytes, checksum: ddecfb7e3d553fe21e67003659251643 (MD5) Previous issue date: 2008-10-22 / In the context of the new model of the electric sector, the market projection has became a important tool for the sectorial planning and necessary in reason of the complexity of the national energy system, such in supply side and demand side. The social-economic and politic-institutional changes that will occur in the next decades allow to affirm, with reasonable security, that the future evolution of the energy demand, in particular of the electricity, will hardly follow the standards of the past, having to register differentiated movements duo to of the dynamic of the variable that determine its performance. In fact, the future is uncertain and it cannot be foreseen with exactness and security, being in the truth the result of discontinuities, ruptures and inflections of the standard past, highly influenced for new facts of the future and fruit of the social construction. Objectifying to analyze the importance of the construction of scenarios for the projection of electric energy market, a case study of the biggest electric energy distribution company of the country, AES Eletropaulo, was developed, in which it can verify the necessity of the use of scenario construction models, in reason of the results of the use of traditional methodologies, that might impact in the contract level of energy, conditioned by macroeconomic, social, institutional, ambient and technological factors, that present a relation of interdependence between itself, configuring an extensive net of mutual influences / No contexto do novo modelo do setor elétrico, a projeção de mercado tornou-se uma ferramenta de considerada importância para o planejamento setorial e necessária em razão da complexidade do sistema energético nacional, tanto do lado da oferta quanto do da demanda. As mudanças sócio-econômicas e político-institucionais que ocorrerão nas próximas décadas permitem afirmar, com razoável segurança, que a evolução futura da demanda de energia, em particular da eletricidade, dificilmente seguirá os padrões do passado, devendo registrar movimentos diferenciados decorrentes das dinâmicas das variáveis que determinam o seu desempenho. De fato, o futuro é incerto e não pode ser previsto com exatidão e segurança, sendo na verdade o resultado de descontinuidades, rupturas e inflexões do padrão passado, altamente influenciado por novos fatos portadores de futuro e fruto de uma construção social. Com o objetivo de analisar a importância da construção de cenários para a projeção de mercado de energia elétrica, foi conduzido um estudo de caso da maior distribuidora de energia elétrica do país, a AES Eletropaulo, na qual se pode verificar a necessidade de utilização de modelos de construção de cenários, referenciados no desenvolvimento desta pesquisa, em razão dos resultados decorrentes do uso de metodologias tradicionais, que poderão impactar no nível de contratação de energia, condicionada a fatores macroeconômicos, sociais, institucionais, ambientais, tecnológicos etc, que apresentam uma relação de interdependência entre si, configurando uma extensa rede de influências mútuas

As regras definidas pelo Decreto 5.163/2004 trazem incentivos e penalidades aos Distribuidores no processo de apresentação de suas declarações de necessidades de compra de energia ao Ministério de Minas e Energia. Nesse sentido, é importante para os Geradores estabelecer uma metodologia robusta para prever o comportamento dos agentes de distribuição com confiabilidade razoável, de forma a permitir uma preparação adequada para os leilões de que pretendem participar e, adicionalmente, simular os cenários pós-leilões de modo a compreender os efeitos dos preços e volumes contratados no ambiente regulado sobre as condições de contratação no ambiente livre. Este trabalho propõe-se a analisar as referidas regras, apresentando um modelo de otimização utilizando Algoritmos Genéticos que simula o comportamento das distribuidoras, obtendo-se uma importante ferramenta de apoio à definição de estratégias de comercialização de uma empresa geradora. / The rules defined by the Decree 5.163/2004 bring incentives and penalties for Distribution companies to present their power purchase necessity declaration for the Ministry of Mines and Energy. In this sense, it is important for the Generation companies to establish a robust methodology for predicting Distribution companies behavior with enough accountability in order to allow an adequate preparation for the auctions in which those agents intend to participate and, additionally, simulate post auctions scenarios in order to understand the effects of prices and contracted volumes in the regulated environment over the free market contracting conditions. This work is supposed to analyze those rules, presenting an optimization model using Genetic Algorithms, which simulates Distribution companies behavior, getting an important power trading strategy decision support tool for a Generation Company.

Submitted by Nadir Basilio (nadirsb@uninove.br) on 2017-04-27T18:03:46Z No. of bitstreams: 1 Francisco Elanio Bezerra.pdf: 3173273 bytes, checksum: d46cdeb01bbd348e3926275e79daa4f3 (MD5) / Made available in DSpace on 2017-04-27T18:03:46Z (GMT). No. of bitstreams: 1 Francisco Elanio Bezerra.pdf: 3173273 bytes, checksum: d46cdeb01bbd348e3926275e79daa4f3 (MD5) Previous issue date: 2017-02-02 / The technological advance, in the world, has brought about profound changes in the way the electric energy is generated, distributed and consumed. The increase in electricity consumption and the interruption of power supply in Brazil led to the creation of Decree 5.163/2004, proposing a new model for the sale of electricity in the National Interconnected System through auctions in the free contracting environments between buyers and Sellers, or regulated through auctions promoted by the Electric Energy Trading Chamber (CCEE), which accounts for the difference between contracting and energy consumption and through the settlement price of the differences and promotes the settlement of this energy short-term market .If you have more contracts than consumption, or more consumption than contracts, you will suffer penalties. With the change in the commercialization of energy, the generators and distributors suffer with forecast of consumption and with amount of energy that must contract in the auctions. In this scenario, several techniques such as genetic algorithm, multicriteria decision, fuzzy logic, artificial neural networks among others have been used to optimize the system of buying and selling energy in this new environment. Therefore, the proposal of this work is to develop an intelligent computational system, using historical data from a distributor to forecast demand by consumption class to support decision making in the short term market. The result of the work may provide conditions for a distributor to monitor energy demand by consumption class, provide possibilities for short-term market trading and minimize losses with subcontracting and over-contracting. / O avanço tecnológico, no mundo, trouxe profundas mudanças na forma como a energia elétrica é gerada, distribuída e consumida. O aumento do consumo de energia elétrica e a interrupção no fornecimento de energia no Brasil levaram à criação do Decreto 5.163/2004, propondo um novo modelo de comercialização de energia elétrica no Sistema Interligado Nacional por meio de leilões nos ambientes de contratação livre entre compradores e vendedores, ou regulada, por meio de leilões promovidos pela Câmara de Comercialização de Energia Elétrica (CCEE). A diferença entre contratação e consumo é contabilizada pela CCEE mensalmente e negociada no mercado de curto prazo. Por meio do preço de liquidação das diferenças é promovida a liquidação dessa energia, cujo mecanismo pode gerar prejuízos ou lucros para a distribuidora que, caso tenha mais contratos do que consumo, ou mais consumo do que contratos, sofrerá penalizações. Com a modificação na comercialização de energia, os geradores e distribuidores sofrem com previsão de consumo e com montante de energia que devem contratar nos leilões. Neste cenário, diversas técnicas, como algoritmo genético, decisão multicritério, lógica fuzzy, redes neurais artificiais entre outras vêm sendo utilizadas para otimizar o sistema de compra e venda que atenda o decreto e mantenha as receitas da geradora e distribuidora. Sendo assim, a proposta deste trabalho é desenvolver uma abordagem computacional utilizando dados históricos de uma distribuidora para previsão de demanda por classe de consumo que sirva de apoio à tomada de decisão no mercado de curto prazo. O resultado do trabalho poderá oferecer condições para uma distribuidora acompanhar a demanda de energia por classe de consumo, fornecer possibilidades para negociação no mercado de curto prazo e minimizar prejuízos com subcontratação e sobrecontratação.

As regras definidas pelo Decreto 5.163/2004 trazem incentivos e penalidades aos Distribuidores no processo de apresentação de suas declarações de necessidades de compra de energia ao Ministério de Minas e Energia. Nesse sentido, é importante para os Geradores estabelecer uma metodologia robusta para prever o comportamento dos agentes de distribuição com confiabilidade razoável, de forma a permitir uma preparação adequada para os leilões de que pretendem participar e, adicionalmente, simular os cenários pós-leilões de modo a compreender os efeitos dos preços e volumes contratados no ambiente regulado sobre as condições de contratação no ambiente livre. Este trabalho propõe-se a analisar as referidas regras, apresentando um modelo de otimização utilizando Algoritmos Genéticos que simula o comportamento das distribuidoras, obtendo-se uma importante ferramenta de apoio à definição de estratégias de comercialização de uma empresa geradora. / The rules defined by the Decree 5.163/2004 bring incentives and penalties for Distribution companies to present their power purchase necessity declaration for the Ministry of Mines and Energy. In this sense, it is important for the Generation companies to establish a robust methodology for predicting Distribution companies behavior with enough accountability in order to allow an adequate preparation for the auctions in which those agents intend to participate and, additionally, simulate post auctions scenarios in order to understand the effects of prices and contracted volumes in the regulated environment over the free market contracting conditions. This work is supposed to analyze those rules, presenting an optimization model using Genetic Algorithms, which simulates Distribution companies behavior, getting an important power trading strategy decision support tool for a Generation Company.