A participação da energia eólica na geração de energia elétrica tem apresentado incremento importante nos últimos anos e a tendência é de representar 11,6% da capacidade instalada brasileira em 2024, segundo a Empresa de Pesquisa Energética (EPE). Hoje, nos modelos de otimização para o despacho das usinas no atendimento da carga de energia do sistema, a energia eólica, assim como as pequenas centrais hidrelétricas e a energia a biomassa, são abatidas da carga de forma determinística, não representando a incerteza na produção dessas usinas. Dada a variabilidade na geração de energia eólica, devido às variações nas velocidades dos ventos e considerando o aumento da participação eólica na matriz de eletricidade brasileira, fato que realça a relevância da fonte, este trabalho desenvolve uma representação estocástica da geração eólica a partir de dados históricos reconstruídos de velocidades de vento de 16 coordenadas do Brasil, em especial das regiões Nordeste e Sul. Os valores de velocidade de vento são transformados em energia eólica através de curvas de potência de turbinas e as usinas eólicas são representadas como se fossem usinas hidráulicas a fio d água no modelo de otimização Newave. A representação do histórico de geração eólica é feita através de vazões nos rios, considerando-se também a expansão no horizonte até 2020. O trabalho tem como base os dados do Newave oficial de agosto de 2016. Com a simulação do modelo considerando-se as séries históricas e sintéticas, o trabalho simula o despacho das usinas, o comportamento dos custos marginais, verificando-se as diferenças no comportamento dessas variáveis quando se utiliza uma representação estocástica para a energia eólica, em comparação com a modelagem determinística utilizada hoje. / Wind power has an increasing share of the Brazilian energy market and has the potential to represent 11.6% of the total capacity by 2024, according to Energy Research Company (EPE). The current optimization models, that dispatch power plants to meet demand, only optimize the demand using hydroelectric and thermal power plants. The remaining sources of generation including wind power, small hydroelectric plants and biomass plants, are not part of the optimization model and are included deterministically. There is variability in wind power generation because of wind speeds variations and considering the increase of the wind power share in the Brazilian electricity matrix, which stresses its importance, this work evaluates a stochastic representation for wind power generation through historical wind speed data of 16 coordinates from the Northeast and South of Brazil. It proposes to introduce wind power plants into the optimization model called Newave by proxy of run-of-river hydropower plants and their inflow. This study also considers wind power expansion in Brazil up to 2020 and the database is the official Newave as of August 2016. This work aims to verify the dispatches of the power plants and the marginal costs, considering the differences between the model used today and the stochastic model presented in the study.

A participação da energia eólica na geração de energia elétrica tem apresentado incremento importante nos últimos anos e a tendência é de representar 11,6% da capacidade instalada brasileira em 2024, segundo a Empresa de Pesquisa Energética (EPE). Hoje, nos modelos de otimização para o despacho das usinas no atendimento da carga de energia do sistema, a energia eólica, assim como as pequenas centrais hidrelétricas e a energia a biomassa, são abatidas da carga de forma determinística, não representando a incerteza na produção dessas usinas. Dada a variabilidade na geração de energia eólica, devido às variações nas velocidades dos ventos e considerando o aumento da participação eólica na matriz de eletricidade brasileira, fato que realça a relevância da fonte, este trabalho desenvolve uma representação estocástica da geração eólica a partir de dados históricos reconstruídos de velocidades de vento de 16 coordenadas do Brasil, em especial das regiões Nordeste e Sul. Os valores de velocidade de vento são transformados em energia eólica através de curvas de potência de turbinas e as usinas eólicas são representadas como se fossem usinas hidráulicas a fio d água no modelo de otimização Newave. A representação do histórico de geração eólica é feita através de vazões nos rios, considerando-se também a expansão no horizonte até 2020. O trabalho tem como base os dados do Newave oficial de agosto de 2016. Com a simulação do modelo considerando-se as séries históricas e sintéticas, o trabalho simula o despacho das usinas, o comportamento dos custos marginais, verificando-se as diferenças no comportamento dessas variáveis quando se utiliza uma representação estocástica para a energia eólica, em comparação com a modelagem determinística utilizada hoje. / Wind power has an increasing share of the Brazilian energy market and has the potential to represent 11.6% of the total capacity by 2024, according to Energy Research Company (EPE). The current optimization models, that dispatch power plants to meet demand, only optimize the demand using hydroelectric and thermal power plants. The remaining sources of generation including wind power, small hydroelectric plants and biomass plants, are not part of the optimization model and are included deterministically. There is variability in wind power generation because of wind speeds variations and considering the increase of the wind power share in the Brazilian electricity matrix, which stresses its importance, this work evaluates a stochastic representation for wind power generation through historical wind speed data of 16 coordinates from the Northeast and South of Brazil. It proposes to introduce wind power plants into the optimization model called Newave by proxy of run-of-river hydropower plants and their inflow. This study also considers wind power expansion in Brazil up to 2020 and the database is the official Newave as of August 2016. This work aims to verify the dispatches of the power plants and the marginal costs, considering the differences between the model used today and the stochastic model presented in the study.