Uma ferramenta computacional para comercialização de

UMA FERRAMENTA COMPUTACIONAL PARA
COMERCIALIZAÇÃO DE ENERGIA DO AGENTE
AUTOPRODUTOR
Fabrício Yutaka Kuwabata Takigawa (2); Fabio Matheus Mantelli (3);Thiago Cantusio Muraro (3)
(1) Trabalho executado com recursos do Edital Universal 12/2013, da Pró-Reitoria de Pesquisa, Pós-Graduação e Inovação
(2)Professor; Instituto Federal de Educação Ciência e Tecnologia de Santa Catarina – IFSC; Florianópolis, SC;
[email protected]; (3)Estudante; IFSC.
1.
COMERCIALIZAÇÃO DE ENERGIA ELÉTRICA
Atualmente no Brasil [1-2], existem dois ambientes de contratação para a
compra e venda de energia, o ACR e o ACL. A Figura 1 ilustra as possíveis formas
de comercialização do agente autoprodutor.
4.
ANÁLISE DA FERRAMENTA COMPUTACIONAL
A Figura 4 ilustra as formas de comercialização do agente autoprodutor, para o
cenário de caso proposto. Pode-se observar que são consideradas uma usina
geradora e duas fábricas, dispostas em dois submercados distintos. O horizonte de
estudo é de um ano, discretizado em 12 meses, resultando em um problema de
otimização com 144 variáveis e 48 restrições.
Na Figura 5 pode-se observar o resultado da ferramenta computacional
desenvolvida com a otimização do problema linear com 48 linhas (restrições) e 144
colunas (variáveis). Para a solução do problema, o Gurobi Optimizer efetuou 27
iterações em 0,01 segundos. O custo total nesse horizonte é de R$ 293.390,00.
Figura 1: Compra e venda de energia pelo agente autoprodutor.
O objetivo principal deste trabalho é o desenvolvimento de uma ferramenta
computacional baseada no Gurobi Optimizer [3] e no Visual Studio C++ para
auxiliar a tomada de decisão do agente autoprodutor. A ferramenta desenvolvida
está baseada no problema de otimização apresentado em [4].
2.
GUROBI OPTIMIZER E VISUAL STUDIO C++
O Gurobi Optimizer é uma ferramenta computacional consolidada pela
indústria devido ao seu desempenho em programação linear, quadrática e inteira
mista. Neste trabalho, optou-se pela elaboração de um aplicativo em linguagem
C++ [5] efetuando a comunicação diretamente com o Gurobi Optimizer por meio do
paradigma computacional orientado a objetos.
Figura 5: Tela de saída da ferramenta desenvolvida.
Figura 4: Formas de comercialização para o problema proposto.
Como resultado da solução do
problema de otimização, obtém-se a
contratação ilustrada na Figura 6.
Pode-se observar que o agente atende
a demanda de suas fábricas por meio
da geração autoproduzida, contratos
no mercado cativo (170 MW no
primeiro estágio para a fábrica 1 e
10MW no sétimo estágio para a fábrica
2) e compras no mercado de curto
prazo para suprir as demandas.
A comunicação entre o Visual Studio 2010 e o Gurobi Optimizer é realizada
por meio do arquivo gurobi56.lib – arquivo responsável pela comunicação com as
bibliotecas do Gurobi Optimizer e o Visual Studio 2010 – e do arquivo de cabeçalho
gurobic++.h. Com isso, é possível instanciar as classes do Gurobi Optimizer para
serem utilizadas como objetos na formulação do problema de otimização linear em
linguagem C++.
3.
IMPLEMENTAÇÃO DO PROBLEMA DE OTIMIZAÇÃO
Inicialmente, são criados dois construtores: GRBEnv() e GRBModel(). O
construtor GRBEnv() é denominado como ambiente Gurobi, pois define onde será
resolvido o modelo de otimização (ambiente local ou servidor de computação). No
presente estudo, optou-se pelo ambiente local. O construtor GRBEnv() é
responsável pela criação do objeto env que possui os atributos e os métodos
necessários ao processo de otimização pelo Gurobi Optimizer.
Ressalta-se que caso esse cenário
se concretizasse, o agente poderia ter
um resquício contratual de 10MW
relacionado à compra bilateral (caso a
vigência fosse maior que seis meses).
A Figura 3 a seguir ilustra a implementação da função objetivo e das
restrições do problema de otimização.
Figura 6: Montantes de energia comercializados.
5.
CONCLUSÕES
Neste trabalho foi apresentada a ferramenta computacional desenvolvida para
amparar as estratégias de comercialização de energia do agente autoprodutor.
Salienta-se que essa ferramenta pode contribuir para que o agente evite exposições
em demasia e/ou possíveis penalidades.
Ressalta-se ainda que a ferramenta computacional desenvolvida propicia a
possibilidade ao agente de efetuar diversas simulações adicionais.
5.
REFERÊNCIAS
[1] NERY, E. Mercados e Regulação de Energia Elétrica, Editora Interciência, 2012.
[2] TOLMASQUIM, M. O Novo Modelo do Setor Brasileiro. Edição 1, Ed. Synergia,
2011.
[3] GUROBI v. 5.5. Disponível em http://www.gurobi.com. Acesso 10 outubro de 2013.
[4] TAKIGAWA, F. Y. K.; LAGRANHA, J. F.; RITA, L. K.; FERNANDES, R.
C.;MOROZOWSKI, M. F.; FINARDI, E. C.; CARVALHO, L. C. X. Estratégias de
contratação de um agente de mercado. XV Encontro Regional Ibero Americano – XV
ERIAC, 2013.
●
Figura 3: Implementação do problema de otimização.
[5] BACKES, A. Linguagem C ampliada e descomplicada. Elsevier. Rio de Janeiro,
2013.
.