Return to search

Otimização e geração de cenários aplicadas à contratação de energia elétrica.

A sustentabilidade de um setor de infra-estrutura no longo prazo depende da capacidade dos seus agentes de atuarem de maneira responsável, controlando a rentabilidade e os riscos associados às suas operações e, ainda, do governo e dos órgãos reguladores, gerando um ambiente estável e competitivo. O presente trabalho faz uma revisão do setor elétrico brasileiro e de suas características regulatórias, propondo uma modelagem matemática que facilite a tomada de decisões dos agentes dentro das regras impostas pelo novo modelo setorial. A capacidade de avaliação entre o retorno esperado e o risco incorrido permitirá que as empresas honrem suas obrigações mesmo na ocorrência dos cenários mais desfavoráveis. No atual modelo do setor elétrico brasileiro, os principais riscos para os agentes são as variações desua demanda por eletricidade e e a alta volatilidade dos preços no curto prazo ( Preço de Liquidação de Diferença - PLD)A metodologia proposta atua na geração de cenários das variáveis de risco por meio de simulações de Monte Carlo e Quasi-Monte Carlo e do Newave, software de programação estocástica dual utilizado oficialmente pelo setor, para posterior redução e otimização do retorno esperado com a comercialização de energia. Para a geração dos cenários, utilizou-se uma técnica com abordagem probabilística (Monte Carlo) e uma determinística (Quasi-Monte Carlo), para a avaliação do impacto da mudança dos cenários nas respostas do modelo de otimização. Para a redução dos cenários, adotaram-se as reduções Backward e a Backward-Média, que adotam a técnica de aproximar as séries por meio da soma das probabilidades das séries de menor distância euclideana entre elas. Para controle do risco, utilizou-se a métrica conhecida como CVaR (Conditional Value at Risk), que atua como uma restrição linear do problema de otimização e, portanto, permite que a resposta do problema já considere o valor esperado máximo das perdas aceito na negociação para um dado nível de confiança. Para a modelagem do problema, adotou-se a otimização sobre árvore de cenários, cujos cenários eram compostos pelos PLDs dos submercados Sudeste/Centro-Oeste e Sul, pelas cargas da distribuidora no Sudeste e dos clientes livres na região Sul e Sudeste. As principais variáveis de decisão são as compras de energia pelas distribuidoras no longo prazo, com antecedências de três e cinco anos (Leilões A-3 e A-5), e a alocação da energia entre as empresas do grupo para o atendimento da demanda. A combinação das técnicas de simulação, redução de cenários e otimização demonstrou-se eficiente para indicar a melhor solução de compras nos leilões de A-3 e A-5, considerando as decisões que poderão ser tomadas a posteriori conforme realização dos cenários. A utilização conjunta da restrição do nível de risco aceito (CVaR) para a carteira possibilitou a análise da variação do retorno esperado em função da alteração dos resultados de cenários extremos. Essa modelagem matemática de simulação e cenários da análise da distribuição de resultados antecipa ao gestor clareza e segurança quanto às decisões a serem tomadas.

Identiferoai:union.ndltd.org:IBICT/oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:798
Date30 May 2008
CreatorsJoão Rodolfo Côrtes Pires
ContributorsTakashi Yoneyama, Paulo Sérgio Franco Barbosa
PublisherInstituto Tecnológico de Aeronáutica
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações do ITA, instname:Instituto Tecnológico de Aeronáutica, instacron:ITA
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0016 seconds