[pt] Neste trabalho usamos o arcabouço dos modelos GAS para gerar previsões conjuntas de fator de capacidade eólico, pertencentes a diferentes usinas localizadas em áreas geográficas distintas. Esses cenários são insumos para gerar uma distribuição de fluxo de caixa associada a um portfólio de contratos atrelados aos parques eólicos em questão. Inicialmente modelamos as densidades marginais via um modelo GAS, supondo densidade Beta. De maneira a capturar a estrutura de dependência entre esses fatores de capacidade, usamos uma cópula t-Student com a matriz de correlação também sendo atualizada via mecanismo GAS. Uma das contribuições importantes desse trabalho para o setor elétrico está na geração de cenários conjuntos apenas em um passo, evitando a necessidade de modelar variáveis transformadas e posteriormente transforma-las para retornar às suas respectivas escalas originais. Assim como é feito no caso supondo normalidade para as marginais. Como é sabido, exponenciar valores simulados a partir de uma densidade normal pode gerar resultados equivocados para fatores de capacidade eólico, e por propagação, isso pode afetar severamente as medidas de risco que são obtidas a partir da distribuição simulada de fluxo de caixa associada com o portfolio das usinas eólicas. Nossos resultados mostram que quando a dependência é levada em consideração, os fluxos de caixa tendem a ser maiores do que quando ignora-se a dependência. / [en] In this work we use the framework of GAS models to generate joint forecasts for capacity factors of several wind plants belonging to different geographical areas. Such scenarios are then used as input to raise the distribution of cash flows associated with a portfolio of contracts attached to these wind plants. We first model the marginal density of each capacity factor using a GAS model with Beta density. In order to capture the observed dependence among these capacity factors, we use a copula t- Student with correlation matrix evolving through a GAS mechanism. One of the important contributions of our framework is that generation of scenarios is accomplished in just one step, avoiding the need of transforming back variables to its original scale, as it is the case under a Gaussian assumption for the marginals. As it is known, exponentiation of simulated Gaussian values can result in unrealistic sampling paths for the wind capacity factor, and by propagation, this can badly a ect the risk measures obtained from the simulated distribution of the cash flows associated with a particular portfolio of wind plants. Our results shows that when taking into account dependence the cash flows are higher than when ignoring dependence.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:25286 |
Date | 06 October 2015 |
Creators | HENRIQUE HELFER HOELTGEBAUM |
Contributors | CRISTIANO AUGUSTO COELHO FERNANDES |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | Portuguese |
Detected Language | Portuguese |
Type | TEXTO |
Page generated in 0.0018 seconds