- Pós Graduação Engenharia Elétrica
Transcrição
- Pós Graduação Engenharia Elétrica
Curso de Pós-Graduação em Engenharia Elétrica Dissertação de Mestrado Rafael Valim Xavier de Souza ANÁLISE DOS IMPACTOS DE POLÍTICAS DE RESPOSTA DA DEMANDA NA FORMAÇÃO DO PREÇO DA LIQUIDAÇÃO DAS DIFERENÇAS NO MERCADO DE ENERGIA ELÉTRICA BRASILEIRO Trabalho apresentado como requisito parcial para obtenção do título de Mestre em Engenharia Elétrica, sob orientação do Professor Doutor Thales Sousa. Santo André - SP 2014 “Bons marinheiros não são formados em mares calmos”. (autor desconhecido) AGRADECIMENTOS Ao meu orientador, prof. Dr. Thales Sousa, por acreditar em mim e me mostrar o caminho da ciência e engenharia. À minha namorada, tão prestativa, que sempre me incentivou na constante busca pelo conhecimento e por toda sua paciência, carinho e compreensão. À minha família, a qual amo muito, pelo carinho, paciência e incentivo. Aos meus pais que sempre foram para mim exemplo de coragem, determinação e honradez para enfrentar os desafios que a vida nos impõe. Ao meu irmão, por me ajudar a dar valor para as coisas simples da vida. À Alexandra Januário, da Ecom Energia pelo material fornecido. Ao Flávio Borsato Guimarães, da Duke Energy, Marcos Brasil Abreu, da Service Energy, e Renato Alaby, da Santo Antônio Energia, pelo suporte técnico. À Thymos Energia, por disponibilizar os modelos NEWAVE e DECOMP para que os cenários desse trabalho fossem processados. A todos os colegas e professores da pós-graduação em Engenharia Elétrica pelo convívio e aprendizado. Por fim, o meu profundo agradecimento a todas as pessoas que contribuíram indiretamente para a concretização desta dissertação com estímulo intelectual e motivacional. RESUMO SOUZA, R.V.X. (2014). Análise dos Impactos de Políticas de Resposta da Demanda na Formação do Preço da Liquidação das Diferenças no Mercado de Energia Elétrica Brasileiro. 2014. 159 p. Dissertação de Mestrado - Curso de Pós-graduação de Engenharia Elétrica - Universidade Federal do ABC. No Brasil a taxa de crescimento de demanda é elevada por se tratar de um país em desenvolvimento. No entanto, em alguns períodos, a capacidade elétrica instalada não acompanha esse ritmo de crescimento. Tal fato resulta em problemas como redução da segurança do sistema e dificuldades em manter a energia a preços baixos nos períodos de maior consumo. A resposta da demanda é um conceito que pode ser aplicado a fim de minimizar esses impactos. Nesse sentido, foi proposto um estudo de como a resposta da demanda pode ser aplicada em mercados de energia elétrica e quais são os impactos no preço de curto prazo nesse tipo de mercado. Além disso, foi discutida a importância do preço de curto prazo na tomada de decisões de diferentes classes de agentes do setor elétrico brasileiro. Os modelos DECOMP e NEWAVE foram apresentados e analisados de forma abrangente. Foram analisados os impactos da implantação da modalidade tarifária branca no preço de curto prazo. Por fim, foi proposta uma política de resposta da demanda de maneira que os impactos na formação do preço de curto prazo fossem avaliados. Palavras-chave: curto prazo, formação de preços, mercado de energia elétrica, resposta da demanda. ABSTRACT SOUZA, R.V.X. (2014). Analysis of the Impacts of Demand Response Policies on Spot Price in the Brazilian Electricity Market. 2014. 159 p. Dissertação de Mestrado - Curso de Pós-graduação de Engenharia Elétrica - Universidade Federal do ABC. In this study, it has been a presented detailing of the electric energy demand and the expectations of the demand evolution in the Brazilian electric system as it is predicted by the system planner. The rate of growth of demand in Brazil is high, since it is a developing country, nevertheless, the installed electrical capacity do not follow this rate of growth. This fact results in problems such as the reducing of the security of the system and difficulties in keeping the low prices of energy in peak period. The demand response is a concept that can be applied in order to minimize these impacts. It has been studied how the demand response can be applied in electric market and what are the impacts in the short term price in this type of market. Besides, it has been discussed the importance of the short term price in decision-making of different classes of electric sector agents. The models to be used in DECOMP and NEWAVE were presented and analysed in a comprehensive manner. It has been analysed the impacts of the implementing of the Brazilian white tariff in the short term pricing. Finally, it has been proposed a demand response policy in a manner that the impacts in the short term pricing were analysed. Key-words: short term, pricing, electricity market, demand response. SUMÁRIO LISTA DE FIGURAS ....................................................................................................... 10 LISTA DE TABELAS ...................................................................................................... 12 LISTA DE ABREVIATURAS .......................................................................................... 14 1. 2. INTRODUÇÃO ......................................................................................................... 17 1.1. Contextualização ............................................................................................ 17 1.2. Motivação......................................................................................................... 19 1.3. Objetivos .......................................................................................................... 19 1.4. Estrutura do Trabalho .................................................................................... 20 RESPOSTA DA DEMANDA EM SISTEMAS ELÉTRICOS ................................... 22 2.1. Resposta da Demanda ................................................................................... 22 2.2. Resposta da demanda: visão microeconômica .......................................... 27 2.3. Impactos da RD no Mercado de Curto Prazo de Energia Elétrica ............ 29 2.4. Impactos no Sistema Elétrico ....................................................................... 32 2.4.1. Confiabilidade .......................................................................................... 32 2.4.2. Perfil de Carga ......................................................................................... 37 2.4.3. Serviço Ancilar de Reserva Girante ...................................................... 38 2.5. Impactos na Carga .......................................................................................... 39 2.5.1. Residencial ............................................................................................... 39 2.5.2. Comercial e Industrial ............................................................................. 41 2.6. Políticas de Resposta da Demanda .............................................................. 43 2.6.1. 2.6.1.1. Tarifa Horosazonal .............................................................................. 43 2.6.1.2. Bandeiras Tarifárias ............................................................................ 44 2.6.1.3. Tarifa Branca ........................................................................................ 46 2.6.2. 3. Políticas de Resposta da Demanda no Brasil ...................................... 43 Políticas de Resposta da Demanda Pelo Mundo ................................. 48 2.6.2.1. New York Independent System Operator ......................................... 50 2.6.2.2. Boneville Power Administration ........................................................ 51 2.6.2.3. Projeto Energy Internet (Duke Energy) ............................................. 52 2.6.2.4. Projetos V2G ........................................................................................ 53 MERCADO DE ENERGIA ELÉTRICA NO CURTO PRAZO ................................. 55 3.1. Mercados de Curto Prazo pelo Mundo......................................................... 55 3.1.1. Mercado Ibérico ....................................................................................... 55 3.1.1.1. Mercado Diário (day ahead) ............................................................ 56 3.1.1.2. Mercado Intradiário (intraday) ........................................................ 60 3.1.2. Mercado do Reino Unido ........................................................................ 61 3.1.2.1. Comercialização de Energia ........................................................... 63 3.1.2.2. Mecanismo de Compensação ........................................................ 63 3.1.2.3. Liquidação das Diferenças ............................................................. 63 3.1.2.4. Preço da Energia .............................................................................. 63 3.1.3. 4. 3.2. Mercado de Curto Prazo Brasileiro .............................................................. 67 3.3. Preço de Curto Prazo na Tomada de Decisões .......................................... 71 MODELOS UTILIZADOS NA FORMAÇÃO DO PREÇO ....................................... 73 4.1. Visão Geral do Problema ............................................................................... 73 4.2. Desagregação do Planejamento da Operação em Etapas ........................ 75 4.3. Objetivo dos Modelos: Mínimo Custo Global ............................................. 76 4.4. Modelagem das usinas .................................................................................. 78 4.4.1. Termoelétricas ......................................................................................... 78 4.4.2. Hidroelétricas ........................................................................................... 79 4.5. Formulação Geral do NEWAVE ..................................................................... 83 4.6. Formulação Geral do DECOMP..................................................................... 86 4.7. Métodos de Solução do Problema................................................................ 91 4.8. Mecanismo Antigo de Aversão ao Risco: Curva de Aversão ao Risco ... 95 4.9. Mecanismo Atual de Aversão ao Risco: Critério CVaR ............................. 97 4.10. 5. Mercado Australiano ............................................................................... 64 Diferenças Entre os Estudos do ONS e da CCEE ................................. 102 POLÍTICA DE RESPOSTA DE DEMANDA - ANÁLISE PROPOSTA................. 104 5.1. Considerações Iniciais ................................................................................. 104 5.2. Análise dos Impactos da Tarifa Branca no Preço de Curto Prazo ......... 110 5.3. Proposta de Política de RD e Seus Impactos no PLD .............................. 122 5.3.1. Política de Resposta da Demanda Proposta...................................... 122 5.3.2. Carga Gerenciável para a Resposta da Demanda ............................. 125 5.3.3. Impactos no PLD ................................................................................... 127 5.3.4. Impactos para o consumidor participante ......................................... 137 5.3.4.1. Contabilização do Programa de Resposta da Demanda .............. 137 5.3.4.2. Penalidade de Resposta da Demanda ............................................ 139 6. CONCLUSÕES ...................................................................................................... 142 7. REFERÊNCIAS BIBLIOGRÁFICAS ..................................................................... 146 Apêndice 1.................................................................................................................... 155 Apêndice 2.................................................................................................................... 158 LISTA DE FIGURAS Figura 1 – Preço de equiíbrio em um mercado competitivo perfeito......................................... 27 Figura 2 – Efeito simplificado da RD nos preços de curto prazo de energia elétrica. ................. 28 Figura 3 – Efeitos da RD nos preços de curto prazo.................................................................... 29 Figura 4 – Impacto da RD no preço de curto prazo..................................................................... 30 Figura 5 – Impacto da RD no preço de curto prazo..................................................................... 31 Figura 6 – Volatilidade do preço de curto prazo com a resposta da demanda. ......................... 32 Figura 7 – Mudança da curva de carga provocada pela resposta da demanda .......................... 38 Figura 8 – Evolução da Elasticidade-Preço .................................................................................. 41 Figura 9 – Relação entre tarifa branca e convencional ............................................................... 47 Figura 10 – Redução de demanda de alguns ISOs do EUA no verão de 2010............................. 48 Figura 11 – Tipos de programas de resposta da demanda pelo mundo ..................................... 49 Figura 12 – Geração de energia elétrica por tipo de fonte em Portugal e Espanha em 2011 .... 55 Figura 13 – Sequência de funcionamento do MIBEL .................................................................. 56 Figura 14 – Fluxograma de operações e informações do mercado diário do MIBEL.................. 57 Figura 15 – Dinâmica de preço de equilíbrio do mercado diário ................................................ 58 Figura 16 – Preço de equilíbrio do mercado diário para Portugal e Espanha ............................. 59 Figura 17 – Sessões do mercado intradiário do MIBEL ............................................................... 60 Figura 18 – Geração de energia elétrica por tipo de fonte no Reino Unido em 2011 ................ 61 Figura 19 – Estrutura do BETTA................................................................................................... 62 Figura 20 – Geração de energia elétrica por tipo de fonte na Austrália em 2012. ..................... 65 Figura 21 – Fluxos de energia entre as regiões do NEM em 2009 .............................................. 65 Figura 22 – Fluxo financeiro no NEM .......................................................................................... 66 Figura 23 – Ilustração gráfica da formação de preço de um dos subsistemas do NEM ............. 67 Figura 24 – Estrutura do mercado de energia elétrica brasileiro. .............................................. 69 Figura 25 – Processo de Decisão para Sistemas Hidrotérmicos.................................................. 74 Figura 26 – Uso Ótimo da Água em Sistemas Hidrotermicos. .................................................... 77 Figura 27 – Curva típica de entrada e saída de uma turbina. ..................................................... 79 Figura 28 – Perfil Típico de Uma Usina Hidrelétrica.................................................................... 79 Figura 29 – Representação Esquemática dos Aproveitamentos de uma Usina Hidrelétrica ...... 80 Figura 30 – Processo Recursivo da Programação Dinâmica Estocástica. .................................... 92 Figura 31 – Função de Custo Futuro. .......................................................................................... 94 Figura 32 – Árvore completa (DECOMP) e árvore incompleta (NEWAVE).................................. 94 Figura 33 – Penalidade sobre o valor da água no caso de ultrapassagem da CAR ..................... 96 Figura 34 – Distribuição da frequência de perdas financeiras e VaR .......................................... 98 Figura 35 – Distribuição da frequência de perdas financeiras e CVaR. ....................................... 99 Figura 36 – Comparativo entre CAR e CVaR.............................................................................. 101 Figura 37 – Variação da Energia Armazenada para Diferentes Cenário de CVaR. .................... 101 Figura 38 – Variação do CMO para Diferentes Cenário de CVaR. ............................................. 102 Figura 39 – Fluxo de atividades da CCEE para formação do PLD. ............................................. 103 Figura 40 – Projeção do PLD de Dezembro/13 a Dezembro/17 ............................................... 106 Figura 41 – ENA projetada no PMO de Dez/13 para o horizonte ............................................. 106 Figura 42 – EAR projetada pelo NEWAVE para o horizonte de estudo..................................... 107 10 Figura 43 – Comparação entre a EAR média projetada no horizonte do estudo do NEWAVE por subsistemas e cenários.............................................................................................................. 115 Figura 44 – Comparação entre a EAR projetada pelo DECOMP para as semanas de dezembro/13 por subsistemas e cenários. ............................................................................... 120 Figura 45 – Fluxograma das regras do programa de ................................................................. 122 Figura 46 – Comparação da evolução mensal do PLD .............................................................. 129 Figura 47 – Comparação entre a EAR média projetada no horizonte do estudo do NEWAVE por subsistemas e cenários.............................................................................................................. 130 Figura 48 – Comparação entre a EAR projetada pelo DECOMP para as semanas de dezembro/13 por subsistemas e cenários. ............................................................................... 135 Figura 49 – Variação percentual do PLD entre períodos consecutivos..................................... 136 11 LISTA DE TABELAS Tabela 1 – Aumento da conta de energia para os consumidores residenciais, considerando a implantação da tarifa branca para todos os consumidores desse setor de consumo................ 40 Tabela 2 – Elasticidades e oportunidade de gerenciamento da resposta da demanda por setor econômico.. ................................................................................................................................. 43 Tabela 3 – Critérios para aplicação das bandeiras tarifárias. ...................................................... 45 Tabela 4 – PLD conforme posição contratual e tipo de agente. ................................................. 64 Tabela 5 – Evolução do PLD calculado pelo NEWAVE com base no PMO de Dez/13 para todos os subsistemas (em R$/MWh). ................................................................................................. 105 Tabela 6 – Preços de curto prazo, em R$/MWh, para o mês de .............................................. 108 Tabela 7 – Projeção de geração hidrelétrica, térmica e de pequenas usinas, em MWméd, por patamar, para as semanas do mês............................................................................................ 109 Tabela 8 – Energia Armazenada nos Subsistemas (% EAR_Máxima) ........................................ 109 Tabela 9 – Cenários para Análises dos Impactos da Tarifa Branca no PLD ............................... 111 Tabela 10 – Impacto da resposta da demanda no PLD no horizonte de médio prazo calculado pelo NEWAVE para o subsistema SE/CO (valores em R$/MWh) .............................................. 112 Tabela 11 – Impacto da resposta da demanda no PLD no horizonte de médio prazo calculado pelo NEWAVE para o subsistema SUL (valores em R$/MWh) .................................................. 112 Tabela 12 – Impacto da resposta da demanda no PLD no horizonte de médio prazo calculado pelo NEWAVE para o subsistema NE (valores em R$/MWh) .................................................... 113 Tabela 13 – Impacto da resposta da demanda no PLD no horizonte de médio prazo calculado pelo NEWAVE para o subsistema N (valores em R$/MWh)...................................................... 113 Tabela 14 – PLD calculado para as semanas do mês de dezembro/13 para os cenários de redução de 2,5% e 5% da carga no patamar pesado, em R$/MWh. ........................................ 116 Tabela 15 – PLD calculado para as semanas do mês de dezembro/13 para o cenário de redução de 7,5% da carga no patamar pesado, em R$/MWh. ............................................................... 117 Tabela 16 – Geração hidrelétrica, térmica e de pequenas usinas projetadas para as semanas do mês de dezembro/13 para os cenários de redução de 2,5% e 5% da carga no patamar pesado, em MWméd. ............................................................................................................................. 118 Tabela 17 – Geração hidrelétrica, térmica e de pequenas usinas projetadas para as semanas do mês de dezembro/13 para os cenários de redução de 7,5% da carga no patamar pesado, em MWméd. ................................................................................................................................... 119 Tabela 18 – Desvio padrão das projeções do preço no horizonte de ....................................... 121 Tabela 19 – Definição da Carga Participante do Programa de RD ............................................ 126 Tabela 20 – Definição de cenários e usinas termelétricas virtuais para simulação do programa de RD. ........................................................................................................................................ 127 Tabela 21 – Impacto da resposta da demanda no PLD no horizonte de médio prazo calculado pelo NEWAVE para o subsistema SE/CO (valores em R$/MWh) .............................................. 127 Tabela 22 – Impacto da resposta da demanda no horizonte de médio prazo calculado pelo NEWAVE para o subsistema SUL (valores em R$/MWh) .......................................................... 128 Tabela 23 – Impacto da resposta da demanda no horizonte de médio prazo calculado pelo NEWAVE para o subsistema NE (valores em R$/MWh) ............................................................ 128 12 Tabela 24 – Impacto da resposta da demanda no horizonte de médio prazo calculado pelo NEWAVE para o subsistema N (valores em R$/MWh).............................................................. 128 Tabela 25 – PLD calculado para as semanas do mês de dezembro/13..................................... 132 Tabela 26 – Geração hidrelétrica, térmica e de pequenas usinas projetadas para as semanas do mês de dezembro/13 para os cenários 1 e 2, em MWméd. ..................................................... 133 Tabela 27 – Desvio padrão das projeções do preço no horizonte de ....................................... 135 Tabela 28 – Volatilidade do PLD para as séries simuladas ........................................................ 136 Tabela 29 – Detalhamento da contabilização do mercado de RD para consumidor que cumpriu suas obrigações de redução de carga ....................................................................................... 138 Tabela 30 – Detalhamento da contabilização do mercado de RD ............................................ 139 Tabela 31 – Detalhamento da contabilização do mercado de RD ............................................ 141 13 LISTA DE ABREVIATURAS ABRACEEL – Associação Brasileira dos Comercializadoras de Energia; ACCI – Average Customer Curtailment Index; ACL – Ambiente de Contratação Livre; ACR – Ambiente de Contratação Regulado; AEMO – Australian Energy Market Operator; AENS – Average Energy Not Supplied; AER – Australian Energy Regulator; ANEEL – Agência Nacional de Energia Elétrica; ASAI – Average Service Availability Index; ASCI – Average System Curtailment Index; ASUI – Average System Unavailability Index; BETTA – British Electricity Trading and Transmission Arrangements; BPA – Boneville Power Administration; BSC – Balancing and Settlement Code; CADDI – Customer Average Demand Response Duration Index; CADFI – Customer Average Demand Response Frequency Index; CAIDI – Customer Average Interruption Duration Index; CCEAR – Contrato de Compra de Energia no Ambiente Regulado; CCEE – Câmara de Comercialização de Energia Elétrica; CEPEL – Centro de Pesquisas de Energia Elétrica; CNPE – Conselho Nacional de Política Energética; CPP – Critical Peak Pricing; CVaR – Conditional Value at Risk; CVU – Custo Variável Unitário; DADRP – Day-Ahead Demand Response Program; 14 DEC – Duração Equivalente de Interrupção por Unidade Consumidora; DECC – Department of Energy & Climate Change; DGEG – Direcção Geral de Energia e Geologia; DMIC – Duração Máxima de Interrupção Contínua por Unidade Consumidora; DIC – Duração de Interrupção Individual por Unidade Consumidora; DR – Demand Response; EAR – Energia Armazenada; EDRP – Emergency Demand Response Program; EENS – Expected Energy Not Supplied; ENA – Energia Natural Afluente; EPE – Empresa de Pesquisa Energética; ESS_SE – Encargo de Serviço de Sistema para Segurança Energética; FEC – Frequência Equivalente de Interrupção por Unidade Consumidora; FERC – Federal Energy Regulatory Commission; FIC – Frequência de Interrupção Individual por Unidade Consumidora; IBP – Incentive Based Programs; MAE – Mercado Atacadista de Energia; MIBEL – Mercado Ibérico de la Energía Eléctrica; MIET – Ministerio de Industria, Energía y Turismo; MIP – Market Index Price; MME – Ministério de Minas e Energia; MRE – Mecanismo de Realocação de Energia; N – Subsistema Norte; NE – Subsistema Nordeste; NEM – National Electricy Market; NGC – National Grid Company; NYISO – New York Independent System Operator; 15 OMIE – Operador do Mercado Ibérico-Polo Español; OMIP – Operador do Mercado Ibérico-Polo Portugal; ONS – Operador Nacional do Sistema; PBP – Price Based Programs; PCH – Pequenas Centrais Hidroelétricas; PDDE – Programação Dinâmica Dual Estocástica; PDE – Programaçã Dinâmica Estocástica; PLD – Preço de Liquidação das Diferenças; PMO – Programação Mensal da Operação; POCP – Procedimentos Operativos de Curto Prazo; RD – Resposta da Demanda; RTP – Real Time Pricing; SADDI – System Average Demand Response Duration Index; SADFI – System Average Demand Response Frequency Index; SAIDI – System Average Interruption Duration Index; SBP – System Buy Price; SCR – Special Case Resources; SE/CO – Subsistema Sudeste/Centro-Oeste; SIN – Sistema Interligado Nacional; SSP – System Sell Price; SUL – Subsistema Sul; TOU – Time of Use; UFSC – Universidade Federal de Santa Catarina; V2G – vehicle to grid; VaR – Value at Risk. 16 1. INTRODUÇÃO 1.1. Contextualização Antes da década de 90, praticamente toda indústria de oferta de eletricidade no mundo era verticalmente integrada com mercado de consumo cativo controlado pelo Estado, à exceção dos Estados Unidos que detinham um regime de propriedade privada regulada (RODRIGUES, 2007). No início da década de 90, uma visão diferente em relação à estrutura verticalmente integrada de energia elétrica tomou forma. Como as redes de transmissão já estavam densamente interligadas na maioria dos países e até mesmo entre países, foi definido que um gerador localizado em qualquer barra da rede poderia vender energia diretamente para o consumidor (GOMÉZ-EXPÓSITO et al., 2008). A desverticalização do setor elétrico provocou o surgimento de mercados de curto prazo dentro dos mercados de energia devido à necessidade de um balanço de energia entre potência gerada e demanda. Ademais, o comportamento do preço da eletricidade dentro de um mercado é bastante característico conforme a matriz energética adotada pelo sistema. (SILVA, 2011). Atualmente, no mercado brasileiro de energia elétrica, o preço de curto prazo é intitulado de Preço de Liquidação das Diferenças (PLD). A liquidação das diferenças entre consumo e energia contratada é valorada a este preço. A Câmara de Comercialização de Energia Elétrica (CCEE) é responsável pela 17 administração e viabilização das operações de compra e venda de energia no sistema elétrico brasileiro (CCEE, 2013a). A matriz elétrica brasileira é bastante peculiar uma vez que o país detém um dos maiores potenciais de geração hidroelétrica do mundo. Por conta disso, foi possível desenvolver um sistema interligado capaz de aproveitar diferentes situações hidrológicas em diferentes partes do país possibilitando o intercâmbio de energia entre diferentes regiões. O custo de operação das usinas hidrelétricas é baixo, pois depende principalmente do custo de manutenção, uma vez que não é necessária a compra de combustíveis para que o despacho ocorra. Já as usinas termelétricas possuem um custo de operação relacionado diretamente com a potência gerada e com o tipo de combustível utilizado. Nesse sentido, o risco futuro de falta de água nos reservatórios deve ser considerado na programação da operação e o parque termelétrico deverá ser despachado por ordem de mérito a fim de minimizar riscos futuros de suprimento hidroelétrico (ANTUNES, 2011). O PLD é então calculado avaliando o estado atual e futuro da água armazenada nos reservatórios, o custo do combustível das usinas termoelétricas, a proporção ótima de geração hidráulica e térmica e o intercâmbio entre submercados considerando um risco aceitável para o sistema (RODRIGUES, 2006). No Brasil, os modelos oficiais atualmente utilizados para a determinação do preço de curto prazo são o NEWAVE e o DECOMP, desenvolvidos pelo CEPEL em parceria com o ONS. 18 Atualmente não existem políticas de resposta da demanda no planejamento da operação no curto prazo. Tais políticas podem proporcionar mais segurança e preços mais baixos ao sistema uma vez que consumidores poderiam disponibilizar ao sistema reduções de suas cargas. Ademais, as reduções de carga provenientes dessas políticas fazem com que menos geradores termoelétricos despachem (energia mais cara e poluente) ao mesmo tempo em que mais água pode ser mantida estocada em reservatórios. Esse tipo de operação pode ser simulada nos modelos NEWAVE e DECOMP através da metodologia de termoelétricas virtuais, da mesma forma que hoje é modelado o risco de déficit. 1.2. Motivação A busca por maior segurança no abastecimento elétrico faz com que programas de resposta da demanda tornem-se cada vez mais atrativos. Dessa forma, o desenvolvimento desses programas será relevante para a formação do preço no curto prazo brasileiro e poderão ser inseridos no cálculo dos modelos atualmente vigentes. No âmbito regulatório, pode ser observado que cada vez mais o conceito de resposta da demanda vem sendo utilizado, no entanto esse artifício ainda pode ser bastante explorado. 1.3. Objetivos O objetivo deste trabalho de pesquisa é estudar os impactos da modalidade tarifária branca no preço da energia elétrica no mercado de curto prazo e propor uma política de resposta da demanda a fim de observar os impactos na 19 formação do preço de curto prazo. Para atingir os objetivos propostos será necessário um estudo dos modelos atualmente vigentes, NEWAVE e DECOMP, assim como casos de sucesso de programas de resposta da demanda já implantados em mercados internacionais de energia elétrica. Por meio de simulações computacionais nos modelos atualmente vigentes pretende-se desenvolver cenários que indiquem os impactos da resposta da demanda na formação do preço no mercado de curto prazo. 1.4. Estrutura do Trabalho No primeiro capítulo foi apresentada uma visão geral do trabalho, destacando a motivação para estudar o tema escolhido, os objetivos e o panorama geral. No segundo capítulo são apresentadas as características e os aspectos microeconômicos da resposta da demanda, assim como os impactos no sistema elétrico e no mercado de energia elétrica. Alguns mercados de energia elétrica, mantendo o foco nos mecanismos de curto prazo, são analisados no terceiro capítulo. Em seguida, são apresentados modelos e trabalhos desenvolvidos a respeito da formação do preço de energia elétrica em mercados de curto prazo, considerando programa de resposta da demanda. Os modelos NEWAVE e DECOMP são discutidos e analisados no quarto capítulo. A modelagem matemática dos dois programas é discutida para que a expansão desse trabalho seja possível posteriormente. 20 O quinto capítulo apresenta a metodologia empregada para verificar os impactos da tarifa branca e de um programa de resposta da demanda na formação do preço de curto prazo. Finalizando o estudo, no sexto capítulo são apresentadas as conclusões referentes à abordagem proposta. 21 2. RESPOSTA DA DEMANDA SISTEMAS ELÉTRICOS 2.1. EM Resposta da Demanda A resposta da demanda ocorre quando o consumidor faz um ajuste em seu perfil de consumo em resposta a algum estímulo, ou seja, a resposta da demanda pode ser definida como o fornecimento de incentivos destinados a induzir um menor consumo de eletricidade nos momentos em que os preços estão altos ou quando a confiabilidade do sistema está prejudicada. Uma política de resposta da demanda pode resultar em três tipos gerais de respostas dos consumidores. A primeira, conhecida como load shedding, ocorre a partir da redução do consumo de eletricidade nos períodos de maior consumo do sistema, quando os preços estão mais altos, sem que o padrão de consumo de outros períodos seja alterado. Essa medida resulta em uma perda de conforto momentânea do consumidor. Um exemplo desse tipo de resposta ocorre quando os ajustes de termostatos de aquecedores ou aparelhos de ar condicionado são alterados temporariamente (CHAKRABARTI et al., 2012). Um segundo tipo de resposta, chamada de load shifting, é quando os consumidores respondem aos preços altos deslocando consumos no horário de pico para o horário fora de pico. Um exemplo seria a mudança de algumas atividades residenciais (por exemplo, máquinas de lavar, secar ou bombas de piscina) para horário fora de pico (CHAKRABARTI et al., 2012). 22 A terceira forma de resposta é quando o consumidor utiliza geração própria. Nesse caso o consumidor deve possuir geração distribuída. A partir da geração local os consumidores obtém pouca, ou nenhuma mudança no padrão de consumo de energia elétrica. No entanto a geração estará fornecendo mais capacidade para o sistema, uma vez que o sistema enxerga que o consumidor reduziu seu consumo de energia elétrica (CHAKRABARTI et al., 2012). Na literatura especializada existem diversas classificações para os diferentes programas de resposta da demanda. De acordo com MOHAGHEGHI & YANG (2011), os programas podem ser classificados em três grupos conforme as iniciativas de redução de demanda: - Programas de RD baseados em confiabilidade (Reliability-Based DR Programs): são enviados ao cliente sinais para redução voluntária ou compulsória de demanda. Alguns equipamentos que são afetados por esse programa: ar condicionado, recarregamento de carros elétricos, luzes, processos de esfriamento e aquecimento. - Programas de RD baseados em tarifas (Rate-Based DR Programs): nessa categoria de programa, o preço da eletricidade muda dinamicamente baseado em vários períodos de dias/semanas/anos de acordo com a reserva marginal. Os consumidores pagam altas tarifas nos horários de pico e baixas nos horários fora pico. - Programas baseados em oferta de redução de demanda (Demand Reduction Bids): os consumidores participantes desse programa enviam ofertas de redução de demanda ao sistema. As ofertas normalmente incluem a capacidade disponível de redução da demanda e do preço pedido por isso. 23 Para ALBADI & SAADANY (2007), os programas de resposta da demanda podem ser classificados da seguinte forma: • Baseados em Programas de Incentivos (IBP) o Clássico Controle Direto Programa de Interrupção o Baseados em Mercado Oferta de Redução de Demanda Redução de Demanda Emergencial Mercado de Capacidade Mercado de Serviços Ancilares • Baseados em Programas de Preços (PBP) o Tempo de Uso (TOU) o Precificação do Período de Ponta (CPP) o Precificação em Tempo Real (RTP) No IBP clássico os consumidores participantes recebem créditos ou descontos em suas faturas de energia por sua participação nos programas. Nos programas de controle direto de carga, as concessionárias têm a capacidade de desligar remotamente equipamentos participantes em um curto espaço de tempo. Os equipamentos controlados geralmente são condicionares de ar e aquecedores de água. Este tipo de programa pode ser interessante principalmente para consumidores residenciais e pequenos consumidores comerciais. Nos programas de interrupção os consumidores recebem créditos ou descontos quando são convocados para desligarem cargas previamente definidas. Os participantes que não responderem aos sinais desse programa estão sujeitos a penalidades, dependendo das condições do programa (ALBADI & SAADANY, 2007; CHAKRABARTI et al., 2012). 24 No IBP baseado em mercado por oferta de redução de demanda, os consumidores podem ofertar redução de consumo no mercado livre de eletricidade, sendo que as ofertas apenas são aceitas quando o preço for inferior ao preço marginal de mercado. Quando a oferta é aceita, o consumidor deve reduzir sua carga ao montante especificado na oferta de redução de carga ou então pagará uma penalidade caso não realize a redução. Por outro lado, nos programas de redução de demanda em emergência, os participantes recebem incentivos para as reduções medidas durante situações de emergência (ALBADI & SAADANY, 2007; CHAKRABARTI et al., 2012). Os programas baseados em mercado de capacidade consistem em oferecer benefícios financeiros para aqueles consumidores que se comprometem a fornecer reduções de carga pré-especificadas quando surgirem condições de contingências no sistema. Os participantes que não conseguirem cumprir suas obrigações de redução de carga estão sujeitos a penalidades (ALBADI & SAADANY, 2007; CHAKRABARTI et al., 2012). Os programas de resposta da demanda no contexto do mercado de serviços ancilares são estabelecidos de modo que os consumidores possam oferecer corte de carga como reserva operacional no mercado spot. Quando as propostas são aceitas, participantes são pagos ao preço spot para ficar em stand-by por um determinado período de tempo (ALBADI & SAADANY, 2007). Os programas PBP são baseados em precificação dinâmica, no qual as tarifas estabelecidas não são constantes em todos os períodos do dia. A precificação da energia nesses programas geralmente segue o custo de energia em tempo real ou tenta se aproximar o máximo possível disso. O 25 principal objetivo desses programas é planificar a curva de demanda, oferecendo preços mais elevados no período de pico e mais baixos durante os períodos fora de pico (ALBADI & SAADANY, 2007). O tipo mais básico de um programa PBP é a tarifa TOU. As tarifas do tipo TOU são compostas de maneira que os preços de eletricidade por unidade de consumo difiram em diferentes blocos de tempo. A tarifa durante os períodos de pico é mais elevada em relação aos períodos fora de pico. As modalidades mais simples têm tarifas para apenas dois blocos de tempos, no entanto existem modalidades onde existem muitos blocos de tempos. As tarifas TOU buscam refletir o custo médio de energia durante períodos diferentes (CHAKRABARTI et al., 2012). As tarifas CPP incluem um elevado preço de eletricidade pré-especificado sobrepostos às tarifas TOU. A precificação CPP apenas é chamada durante contingências ou altas do preço do mercado de curto prazo de energia elétrica para um número limitado de dias ou horas no ano (ALBADI & SAADANY, 2007). Os RTP são programas onde são cobrados preços horários dinâmicos aos consumidores pela energia elétrica, sendo que esses preços refletem o custo real de eletricidade no mercado de curto prazo. Muitos economistas afirmam que os programas RTP são os programas mais diretos para obter a resposta da demanda em mercados de eletricidade competitivos (EEE, 2005). 26 2.2. Resposta da demanda: visão microeconômica A teoria microeconômica diz que em mercados com competição perfeita existe uma eficiente alocação de recursos quando a demanda marginal é igual ao custo marginal de fornecimento. Na Figura 1, esse efeito é representado pela interseção da curva de demanda com a curva de fornecimento obtendo um preço de equilíbrio p* para um consumo de q* (ANDERSEN et al., 2006). Figura 1 – Preço de equiíbrio em um mercado competitivo perfeito. Fonte: ANDERSEN et al., 2006 (adaptado). A curva de suprimento é constituída posicionando os geradores com o custo de geração do menor para o mais elevado. Em um sistema predominantemente termoelétrico, as gerações de menores custos são as nucleares, hidrelétricas, eólicas e termelétricas a carvão. No final da curva de suprimento estão posicionadas as térmicas a óleo e a gás natural (ANDERSEN et al., 2006). No entanto, para o caso brasileiro, onde o sistema é predominantemente hidrelétrico, é definido um valor da água baseado em seu custo de oportunidade com base nas afluências e estados futuros dos reservatórios. 27 Dessa forma, as usinas hidrelétricas têm suas gerações posicionadas na curva de fornecimento com base no valor da água calculado pelo modelo de otimização energética. Nos horários de pico, a curva de demanda se desloca para a direita atingindo uma posição , fazendo com que o preço aumente consideravelmente, pois a curva de fornecimento é mais íngreme no seu final. A curva de demanda de consumidores que estão inseridos no mercado de maneira que não sentem as variações do preço de curto prazo é uma reta vertical, ou seja, a demanda é inelástica. Quando os consumidores, de alguma forma, sentem as variações do preço de curto prazo a curva de demanda passa a ser uma reta inclinada, ou seja, a demanda é elástica. As diferentes curvas de demanda podem ser observadas na Figura 2. Figura 2 – Efeito simplificado da RD nos preços de curto prazo de energia elétrica. Fonte: ALBADI & SAADANY, 2007 (adaptado). Se o consumidor tiver alguma flexibilidade em sua demanda de eletricidade e se ele está exposto a variações de preços horários no mercado, ocorre uma melhora na eficiência econômica, ou seja, o consumidor irá pagar menos pelo seu consumo em relação ao cenário onde não existe a flexibilidade. A Figura 3 mostra uma curva de oferta, uma curva de demanda fora ponta e uma curva de demanda na ponta. Essa figura ilustra a resposta da demanda do tipo load shifting que resulta na diminuição da demanda na ponta e aumento na 28 fora ponta. Na área delimitada pelos pontos ABC, é representado o custo de energia adicional do horário fora de ponta, enquanto a área delimitada pelos pontos A'B'C' representa o custo de energia evitado no horário de ponta. É perceptível que a área A'B'C' é maior que ABC, uma vez que a curva de fornecimento possui uma derivada maior no horário de ponta em relação ao horário fora ponta. Dessa forma, quanto maior é a flexibilidade do consumidor para realizar o load shifting, maior é a economia desse consumidor (ANDERSEN et al., 2006). Figura 3 – Efeitos da RD nos preços de curto prazo. Fonte: ANDERSEN et al., 2006 (adaptado). 2.3. Impactos da RD no Mercado de Curto Prazo de Energia Elétrica A implantação de política de resposta da demanda faz com que sejam observados diversos impactos no mercado de curto prazo. Os principais impactos são: redução do preço de curto prazo, custo de geração evitado, economia para os agentes do mercado, redução da volatilidade do preço de curto prazo, aumento da competição e postergação de investimento com 29 expansão da rede de transmissão e novas unidades geradoras (NGUYEN et al., 2011; CHAKRABARTI et al., 2012). Os maiores benefícios são representados pela redução do preço de curto prazo e pelo custo de geração evitado, que podem ser vistos no diagrama apresentado na Figura 4. A configuração do despacho ótimo é feita de maneira que as unidades geradoras com menores preços de geração ($/MWh) gerem por ordem de mérito econômico. O preço de curto prazo é definido com base na curva de demanda. Caso o mercado não possua uma política de resposta da demanda, o preço de curto prazo será a intersecção entre a curva de geração e a curva de demanda D. Para o caso em que a resposta da demanda está presente, o preço do mercado de curto prazo será o valor obtido da interseção entre a curva de geração e a curva de demanda DDR. O fato de usinas térmicas mais caras não terem sido despachadas gera uma economia para o sistema que é repassada para todos os agentes. Figura 4 – Impacto da RD no preço de curto prazo. Fonte: CHAKRABARTI et al., 2012 (adaptado). 30 A Figura 5 trata da curva de oferta e demanda utilizada para a formação do preço de curto prazo para a 1ª semana operativa de dezembro de 2013. A aplicação de um programa de resposta da demanda faria com que a curva de demanda D se deslocasse para a esquerda, conforme é representado pela curva DDR. Figura 5 – Impacto da RD no preço de curto prazo. Fonte: CCEE, 2013b (adaptado). O preço de curto prazo apresenta-se menos volátil na presença de programas de resposta da demanda. Isso ocorre devido principalmente a maior planificação da curva de carga seguido do aumento de capacidade de atendimento do sistema (JIDONG et al., 2011). Na Figura 6 é apresentado o comparativo de preços do mercado curto prazo de Otahuhu, na Nova Zelândia, considerando o cenário sem RD e com 5% de RD no período de ponta. Percebe-se que no cenário com RD, além dos preços se apresentarem mais baixos, percebe-se que também se apresentam menos voláteis (EA, 2012). 31 Figura 6 – Volatilidade do preço de curto prazo com a resposta da demanda. Fonte: EA, 2012 (adaptado). 2.4. Impactos no Sistema Elétrico 2.4.1. Confiabilidade Confiabilidade de um sistema elétrico é a capacidade do sistema de realizar e manter seu funcionamento em circunstâncias normais ou em circunstâncias de contingências (GOMEZ-EXPOSITO et al., 2008). A confiabilidade de sistemas de potência pode ser avaliada em dois aspectos: adequação e segurança. Enquanto a adequação está relacionada à existência de instalações suficientes para satisfazer as demandas das cargas (análise estática de rede), a segurança é a habilidade do sistema em superar distúrbios (análise dinâmica do sistema). São definidas três categorias de índices que são utilizadas para avaliar a confiabilidade do sistema. São eles: índices relacionados com o serviço ao cliente, com a energia e com a carga (MOHAGHEGHI & YANG, 2011). 32 Índices relacionados com o serviço ao cliente (MOHAGHEGHI & YANG, 2011): • System Average Interruption Frequency Index (SAIFI): número médio de interrupções em um ano; • System Average Interruption Duration Index (SAIDI): duração média das interrupções de um cliente, em horas, em um período de um ano; • Customer Average Interruption Duration Index (CAIDI): duração média das interrupções de um cliente, em horas, dividido pela quantidade de interrupções; • Average Service Availability Index (ASAI): horas, em média, que o cliente ficou com a disponibilidade do serviço dividido pelas horas que o cliente demandou o serviço; • Average System Unavailability Index (ASUI): horas, em média, que o cliente ficou sem a disponibilidade do serviço dividido pelas horas que o cliente demandou o serviço. Valem as relações: CAIDI = SAIDI/SAIFI e ASUI = 1 – ASAI Índices relacionados à energia (MOHAGHEGHI & YANG, 2011): • Expected Energy Not Supplied (EENS): número esperado de horas em um período durante o qual a carga excederá a capacidade de geração; • Loss of Energy Expectation (LOEE): expectativa de duração da perda de carga; 33 • Average Energy Not Supplied (AENS): média da energia não fornecida durante um ano; • Average System Curtailment Index (ASCI): média anual de corte de carga; • Average Customer Curtailment Index (ACCI); média anual de corte de carga para um determinado cliente. No Brasil existem alguns indicadores similares aos definidos por MOHAGHEGI & YANG para monitorar a qualidade do fornecimento da energia. São eles (ANEEL, 2012): • DEC (Duração Equivalente de Interrupção por Unidade Consumidora): indica o número de horas que, em média, as unidades consumidoras de determinado conjunto ficaram sem energia elétrica durante um determinado período: mensal, trimestral ou anual; • FEC (Frequência Equivalente de Interrupção por Unidade Consumidora): indica quantas vezes, em média, as unidades consumidoras de determinado conjunto sofreram interrupção; • DIC (Duração de Interrupção Individual por Unidade Consumidora): quantidade de horas que o consumidor ficou sem energia elétrica; • FIC (Frequência de Interrupção Individual por Unidade Consumidora): quantidade de interrupções que o consumidor experimentou no período de apuração (mensal, trimestral ou anual); 34 • DMIC (Duração Máxima de Interrupção Contínua por Unidade Consumidora): indica o número de horas da maior interrupção experimentada pelo consumidor no período de apuração. Índices relacionados à carga (MOHAGHEGHI & YANG, 2011): • Probabilidade de falha; • Taxa de falha; • Média de interrupção em um determinado período de tempo; • Média anual de interrupção. A resposta da demanda frequentemente interrompe cargas com notificação prévia enquanto em um tradicional corte de carga, o corte é feito sem que o consumidor seja avisado ou possa tomar qualquer precaução a respeito disso. Quando um sistema de eletricidade possui resposta da demanda, são definidos outros índices de confiabilidade para que seja possível realizar comparações de como seria a confiabilidade do sistema sem resposta da demanda em relação ao sistema com esse artifício (MOHAGHEGHI & YANG, 2011). Índices de confiabilidade na presença de resposta da demanda (MOHAGHEGHI & YANG, 2011): • System Average Demand Response Frequency Index (SADFI): número médio de reduções de demanda em um ano. 35 • Customer Average Demand Response Frequency Index (CADFI): número médio de clientes que sofreram redução de demanda em um ano. • System Average Demand Response Duration Index (SADDI): duração média anual de todos os eventos de resposta da demanda. • Customer Average Demand Response Duration Index (CADDI): duração média em minutos de um evento de resposta da demanda. Esses índices podem ser calculados a partir de dados históricos do perfil de carga do sistema (MOHAGHEGHI & YANG, 2011). A melhora da confiabilidade do sistema com resposta da demanda, quando comparado com o sistema sem resposta da demanda, pode ser quantificado através dos índices definidos. Um modelo probabilístico de resposta da demanda foi proposto por MOHAGHEGI & YANG (2011). Na prática, quando o consumidor recebe um sinal de resposta da demanda, ele pode ou não acatar com o sinal para reduzir seu nível de consumo. Isso depende de vários fatores como data do evento e sua duração, montante de incentivos oferecidos por isso, assim como alguns fatores não determinísticos como o número de pessoas na casa, o comportamento das pessoas na casa, etc. Esses comportamentos podem ser modelados como probabilísticos ou estocásticos. Deve ser considerado a probabilidade do consumidor aceitar o sinal de redução ou não. Segundo o modelo de MOHAGHEGI & YANG (2011), devem ser considerados três passos para a análise da confiabilidade: 36 1. Selecionar uma contingência com uma determinada probabilidade de ocorrência no sistema de distribuição; 2. Avaliar os impactos da contingência; 3. Calcular o índice de confiabilidade considerando a probabilidade de contingência. O modelo de resposta da demanda pode ser integrado no passo 2, e a partir daí poderá ser avaliado como um evento de resposta da demanda irá influenciar tanto os impactos da contingência quanto a probabilidade usada para ponderar o impacto de contingência. 2.4.2. Perfil de Carga O perfil de carga pode responder a algum estímulo proveniente de programas de resposta da demanda. Uma maneira de causar esse estímulo pode ser a adoção de um mercado com precificação dinâmica, onde os preços da energia mudam de hora em hora, causando a resposta direta dos consumidores a esses preços, ou seja, o consumidor buscará utilizar energia nos horários onde o preço estará mais baixo. Outras maneiras de provocar esse estímulo na demanda do consumidor é fornecendo incentivos econômicos, como por exemplo desconto na tarifa devido ao corte programado de determinadas cargas, contratos interrompíveis de energia elétrica ou até mesmo conscientização social (MAURER, 2009). A diminuição do perfil de carga no horário de pico faz com que seja necessária a utilização de menos capacidade do sistema elétrico nos horários de pico e, portanto, o aumento da capacidade do sistema pode ser adiado. A 37 Figura 7 ilustra um comparativo do perfil de carga com e sem resposta da demanda. a) sem resposta da demanda b) com resposta da demanda Figura 7 – Mudança da curva de carga provocada pela resposta da demanda. Fonte: MAURER, 2009 (adaptado). 2.4.3. Serviço Ancilar de Reserva Girante A segurança é um importante fator na operação de sistemas de potência e deve ser avaliada considerando a nova estrutura das redes elétricas. Geralmente a segurança dos sistemas elétricos é aumentada através de serviços ancilares. Entre eles, a reserva girante possui um papel importante para aumento da segurança em situações de contingência. A capacidade de geração disponível no sistema elétrico que excede a carga é chamada de reserva girante (MILLER, 1987). Recentemente algumas ISOs como PJM, New York ISO e ISO-New England têm desenvolvido oportunidades para usar seus recursos de resposta da demanda em mercados de serviços ancilares, especialmente no mercado de reserva girante (PARTOVI et al., 2011). 38 O nível de segurança do sistema é diretamente proporcional ao montante de reserva de capacidade considerada no sistema (PARTOVI et al., 2011). 2.5. Impactos na Carga Cada segmento de consumo é afetado de maneiras diferentes quando um programa de resposta da demanda é implantado. Nessa seção, são analisados os impactos sobre a carga nos segmentos residencial, comercial e industrial. 2.5.1. Residencial Recentemente diversos estudos a respeito dos impactos da resposta da demanda no setor residencial vêm sendo publicados. KURODA et al. (2012) esquematizou os benefícios econômicos a que os consumidores residenciais estão sujeitos quando programas tarifários que incentivam a resposta da demanda são implantados no setor elétrico. Segundo KURODA et al. (2012), no programa de resposta da demanda, a redução da demanda dos consumidores resulta em uma redução de receita de vendas para os geradores de eletricidade. Portanto, é necessário obter benefícios maiores que as receitas reduzidas pelo programa de resposta da demanda para que o programa seja regulatoriamente eficiente. Um ponto de estudo a respeito da resposta da demanda no setor residencial é sobre as razões para a gradual penetração dos programas nesse setor de consumo. Segundo KURODA et al. (2012), a implantação desses programas no setor residencial está estritamente relacionada com a 39 substituição dos medidores eletromecânicos por medidos eletrônicos. Em contrapartida, os estudos apresentados por MASIELLO (2010) e AMPLA (2011) apontam que os preços desses medidores estão com grandes tendências de queda para os próximos anos. No cenário brasileiro, FIGUEIRÓ et al. (2013) apresentou os impactos financeiros nas contas de energia dos consumidores residenciais caso nenhuma resposta da demanda ocorresse após a implantação das tarifas brancas, onde o preço da energia passa a ter maiores valores nos períodos de maior consumo e menores valores nos períodos de menores consumo. O impacto para os consumidores residenciais seria um aumento superior a 65% do valor atual da fatura de energia, conforme é mostrado pela Tabela 1. Tabela 1 – Aumento da conta de energia para os consumidores residenciais, considerando a implantação da tarifa branca para todos os consumidores desse setor de consumo. Fonte: FIGUERÓ et al., 2013. Energia Consumida (kWh/mês) 0 – 80 80 – 160 160 – 220 220 – 500 500 – 1.000 >1000 Aumento na Conta de Energia (%) 67,40% 66,16% 67,46% 71,53% 67,92% 69,67% Outro ponto a ser destacado é o caráter de baixa elasticidade do preço e a renda da demanda residencial. A elasticidade é a relação existente entre as alterações provocadas nas quantidades demandadas, decorrentes de alterações relativas introduzidas nos preços. A depender dos valores alcançados para as elasticidades, pode-se classificar as elasticidades-preço da demanda como unitária (ε = |1|), inelástica, (ε < |1|) ou elástica (ε > |1|) (VIANA, 2010). 40 2.5.2. Comercial e Industrial Com o passar dos anos e, principalmente, após o racionamento de 2001, a elasticidade-preço da demanda para os segmentos comercial e industrial começou a apresentar consideráveis acréscimos, de maneira que os estudos mais atuais apontam para um comportamento elástico das demandas desses dois setores. A Figura 8, elaborada por VIANA (2010), faz um comparativo da evolução das elasticidades-preço da demanda no cenário brasileiro de acordo com diversos trabalhos. Figura 8 – Evolução da Elasticidade-Preço. Fonte: VIANA, 2010. BARATTO & CADENA (2011) definiram a elasticidade no mercado de curto prazo baseado na capacidade dos consumidores industriais e comerciais rearranjarem suas demandas no horário de ponta para o horário fora ponta através da seguinte formulação: 41 ε = ∂Q P ∂P Q Q −Q Q ε = P −P Pi Q =ε ∗ Onde: P −P ∗Q +Q P (1) (2) (3) ε é a elasticidade preço-demanda; Qf é a demanda final de um determinado consumidor no horário de pico (kWh, pois a base do estudo é horária); Qi é a demanda inicial de um determinado consumidor no horário de pico (kWh, pois a base do estudo é horária); Pf é o preço spot para a hora em que a demanda é transferida; Pi é o preço spot no horário de pico ($/kWh). Cada setor industrial ou comercial possui índices específicos de elasticidade. Não foram encontrados estudos que verificavam as variações das elasticidades em função do preço da energia elétrica por setor, no entanto, experiências internacionais nos Estados Unidos apontaram as elasticidades e possibilidades do gerenciamento da resposta da demanda. Essas informações são apresentadas na Tabela 2 (NEENAN et al., 2005). 42 Tabela 2 – Elasticidades e oportunidade de gerenciamento da resposta da demanda por setor econômico. Fonte: NEENAN et al., 2005. Setor Elasticidade Têxtil Alimentos Plástico Serviços Públicos (água) Mineração Comércio Papel e Celulose Manufatura Transporte e Comunicações Metalurgia Agricultura Financeiro Educacional 0,16 0,16 0,16 0,02 0,02 0,06 0,16 0,16 0,02 0,16 0,16 0,06 0,10 2.6. Resposta da Demanda Gerenciável Sim Sim Não Sim Não Sim Sim Sim Não Sim Sim Sim Sim Políticas de Resposta da Demanda 2.6.1. Políticas de Resposta da Demanda no Brasil Atualmente o Brasil não possui sólidas políticas de resposta da demanda, ficando essas restritas apenas às tarifas aplicadas pela distribuidora aos seus consumidores cativos. Nesse contexto, destacam-se a tarifa horosazonal, as bandeiras tarifárias e a tarifa branca. 2.6.1.1. Tarifa Horosazonal Através do Decreto nº 86.463, de 13/10/1981, o Governo Federal definiu uma estrutura tarifária para a energia elétrica no Brasil com base nos custos marginais do setor (PACCOLA et al., 2005). Esse modelo de tarifa é denominado de horosazonal. Horo porque as tarifas se diferenciam entre horários de ponta e fora ponta, ou seja, a tarifa é mais elevada nos momentos 43 de pico de carga do sistema. Sazonal porque as tarifas também se diferenciam entre períodos úmidos e secos, sendo o período úmido definido entre dezembro e abril enquanto o período seco é definido entre maio e novembro. Essa modalidade tarifária é aplicada principalmente aos grandes e médios consumidores, conectados em alta tensão, sendo que um dos objetivos implícitos a esse tipo de tarifação é reduzir a demanda nos horários de ponta e incentivar um racionamento de energia nos meses secos, onde a tarifa é mais cara. A modalidade horosazonal passou a ser extinta a partir das revisões do 3º Ciclo Tarifário que começou em 2012 e terminará no segundo semestre de 2014, quando nenhuma distribuidora terá mais esse tipo de modalidade como opção de tarifação, sendo esta modalidade substituída pelas bandeiras tarifárias. 2.6.1.2. Bandeiras Tarifárias Após a 3º Revisão Tarifária, a modalidade tarifária horosazonal foi substituída pelas bandeiras tarifárias. As bandeiras tarifárias têm como essência sinalizar as condições hidrológicas do sistema aos consumidores do mercado regulado. O custo marginal de operação é sensível à hidrologia atual. Quando condições hidrológicas desfavoráveis ocorrem, o custo marginal de operação (CMO) aumenta devido ao aumento do despacho de usinas termoelétricas. Quando a condição hidrológica é crítica, o ONS pode optar por despachar usinas térmicas fora da ordem do mérito econômico para aumentar a 44 segurança do sistema. Os despachos realizados fora da ordem de mérito compõem o Encargo de Serviço de Sistema por Segurança Elétrica (ESS_SE) que são pagos pelos consumidores livres (LINO et al., 2011). Com as bandeiras tarifárias, pode ser adicionado um valor à tarifa de energia do consumidor conforme as condições do sistema eletroenergético. Os valores adicionais à tarifa são dados pelas bandeiras verde, amarela e vermelha, e são de, respectivamente, R$ 0/MWh, R$ 15/MWh e R$ 30/MWh. A bandeira utilizada pela distribuidora em um determinado ciclo de faturamento é função do CMO e ESS_SE, conforme Tabela 3 a seguir: Tabela 3 – Critérios para aplicação das bandeiras tarifárias. Fonte: ANEEL, 2013a. Bandeira Tarifária Verde Amarela Vermelha Intervalo CMO+ESS_SE (R$/MWh) < 200 ≥ 200, <350 ≥ 350 Preço Adicional à Tarifa (R$/MWh) 0 15 30 Ao contrário da tarifa horosazonal, as bandeiras tarifárias não apresentam tarifas diferenciadas entre período úmido e seco, no entanto a tarifação diferenciada no período de ponta e fora ponta do sistema está presente nesta modalidade. As bandeiras tarifárias promovem a resposta da demanda nos períodos com adversidades hidrológicas. Ou seja, enquanto os níveis dos reservatórios estiverem em níveis confortáveis, a tarifa estará mais barata, pois a bandeira utilizada será do tipo verde. A utilização das bandeiras dos tipos amarela e vermelha, que ocorrem nas adversidades, podem levar aos consumidores 45 instalarem uma política de racionamento de carga nos meses em que essas bandeiras de fato forem utilizadas (LINO et al., 2011). 2.6.1.3. Tarifa Branca Em novembro de 2011, a ANEEL aprovou a criação da modalidade tarifária branca, que a partir de 2012 começou a ser aplicada pelas distribuidoras aos consumidores conectados em baixa tensão. Essa modalidade tarifária é opcional, sendo necessária a instalação de um medidor eletrônico para aqueles consumidores que optarem por essa tarifação (ANEEL, 2011). Na tarifa branca existem três patamares diferentes de preços de segunda a sexta-feira. Nos finais de semana e feriados, prevalece apenas a tarifa do horário fora de pico. Segue divisão dos horários (ANEEL, 2011): • Horário de pico: segunda à sexta das 18h às 22h; • Horário intermediário: segunda à sexta das 17h às 18h e 22h às 23h; • Horário fora de pico: segunda à sexta das 0h às 17h e das 23h às 0h, e aos fins de semana. A Figura 9 ilustra as diferenças de tarifação entre a tarifa convencional (atual) e a tarifa branca. 46 Figura 9 – Relação entre tarifa branca e convencional. Fonte: FIGUEIRÓ et al., 2012 (adaptado). A tarifa do horário de pico é cinco vezes maior que no horário fora de pico, o que provocará uma resposta do perfil de carga ao preço da energia, modificando assim o perfil de carga dos consumidores que optarem por esta modalidade e descongestionando o sistema no horário de pico (ANEEL, 2011). Segundo BUENO et al. (2013), a redução de carga no horário de pico proveniente da resposta de demanda dos consumidores conectado em baixa tensão fará com que investimentos na expansão do sistema elétrica sejam postergados apenas se grande parte desses consumidores aderirem à esse tipo de tarifação. BUENO et al. (2013) cita também que experiência internacional aponta que, caso esse tipo de tarifação torne-se obrigatória, as chances de ocorrer uma postergação nos investimentos de expansão aumentam. 47 2.6.2. Políticas de Resposta da Demanda Pelo Mundo De acordo com a Navigant Research (2013), existem ao menos 1.300 programas de resposta da demanda em andamento em todo o mundo, sendo 95% deles na América do Norte. Segundo a FERC, são reduzidos através de resposta da demanda pelo menos 58.000 MW nos Estados Unidos. Na Figura 10 são apresentados os dados de redução de demanda proveniente de programas de resposta da demanda em alguns sistemas dos Estados Unidos durante o verão de 2010 (NERC, 2010). Figura 10 – Redução de demanda de alguns ISOs do EUA no verão de 2010. Fonte: NERC, 2010 (adaptado). Fora dos Estados Unidos, há apenas algumas dezenas desses programas localizados em alguns países da Europa, Ásia, Oriente Médio e África. No entanto, os acessos aos programas de resposta da demanda estão melhorando devido o aumento de carga dos consumidores, resultando em uma 48 maior procura dos operadores de rede e mercado às estratégias de resposta da demanda (NAVIGANT RESEARCH, 2013). Atualmente, concessionárias e operadores de rede e mercado no Canadá, Reino Unido, França, Itália, Irlanda, Austrália, Nova Zelândia, Coréia do Sul e África do Sul estão dando aos clientes a oportunidade de participar de programas formais de resposta da demanda para reduzir a sua demanda elétrica (NAVIGANT RESEARCH, 2013). No estudo da NAVIGANT RESEARCH (2013), os programas de resposta da demanda foram classificados em quatro modelos de mercado: capacidade, programas econômicos, livre negociação e serviços ancilares, conforme apresentados na Figura 11. Figura 11 – Tipos de programas de resposta da demanda pelo mundo. Fonte: NAVIGANT RESEARCH, 2013 (adaptado). A seguir, foram selecionados quatro exemplos de programas de resposta da demanda em mercados de energia internacionais para fins de exemplificação do tema. Os exemplos selecionados foram: New York Independent System 49 Operator (NYISO), Boneville Power Administration (BPA) e projeto Energy Internet da Duke Energy e projetos V2G. 2.6.2.1. New York Independent System Operator O NYISO possui quatro programas de resposta da demanda: programa de resposta da demanda de emergência (EDRP), de caso especial de recursos (SCR), de resposta da demanda para o dia seguinte (DADRP) e de resposta da demanda como serviços ancilares (NYISO, 2013). Tanto o programa EDRP como SCR podem ser implementados em situações de falta de energia para manter a confiabilidade da rede elétrica. Ambos os programas são concebidos para reduzir o consumo de energia através de acordos com grandes consumidores. Os consumidores, na maior parte industrial e comercial, inscrevem-se para participar desses programas. Os consumidores são pagos pelo NYISO para reduzir o consumo de energia quando solicitado. As reduções são voluntárias para os participantes do EDRP. Já para os participantes do SCR, as reduções de consumo de energia são obrigatórias e, como parte do acordo, são pagos antecipadamente por concordar em reduzir o consumo de energia quando solicitado (CHAKRABARTI et al., 2012; NYISO, 2013). O programa de resposta da demanda para o dia seguinte (DADRP) permite que os consumidores ofertem reduções de carga dentro do mercado do dia seguinte (day-ahead energy market) como os geradores fazem. As ofertas são 50 realizadas em uma plataforma online, chamada MIS system, onde os consumidores podem ofertar quantidades de energia reduzida a determinados valores (NYISO, 2013). O programa de resposta da demanda como serviço ancilar (DSASP) oferece aos consumidores cativos a oportunidade de ofertar redução de carga em tempo real para fornecer reserva operativa ou serviços de regulação para o mercado (CHAKRABARTI et al., 2012). 2.6.2.2. Boneville Power Administration O Bonneville Power Administration (BPA) é uma agência federal americana que foi criada na década de 30 para ser o agente do mercado responsável pelos projetos hidrelétricos na região da Costa do Pacífico Americano. Atualmente, a BPA opera e mantém cerca de 75% da transmissão de alta tensão no seu território de serviço. O território de serviço da BPA inclui Idaho, Oregon, Washington, Montana Ocidental e pequenas partes do leste da Califórnia, Montana, Nevada, Utah e Wyorning (SOUZA, 2010). Até recentemente, o BPA tem sido capaz de atender às necessidades de capacidade no horário de pico através da flexibilidade do sistema hidrelétrico. No entanto, o crescimento da carga projetada e outras forças externas estão apontando para falta de capacidade em um futuro próximo. Dessa forma, o BPA começou a explorar a resposta da demanda como uma opção para atender a demanda de pico (SOUZA, 2010). 51 Nesse contexto, a BPA desenvolveu um programa de resposta da demanda voluntária que oferece incentivos para os consumidores a reduzirem suas cargas nos horários de pico. As operações são realizadas através da plataforma Demand Exchange (DEMX). A DEMX é um leilão realizado pela internet onde os consumidores podem visualizar os preços em tempo real e a partir disso ofertar reduções de carga a um determinado preço (SOUZA, 2010). Através do DEMX, o sistema economizou um valor de aproximadamente $1,9 milhão durante o período da crise energética americana nos anos de 2001 e 2002 (SOUZA, 2010). 2.6.2.3. Projeto Energy Internet (Duke Energy) O projeto Energy Internet, da Duke Energy, tem como objetivos alcançar uma melhoria da utilização de recursos energéticos e aumentar a capacidade de redução de custos para os clientes, assim como possibilitar o gerenciamento do consumo de energia (HAMILTON & GULHAR, 2010). A Duke Energy fornecerá uma plataforma integrada para utilização, armazenamento, produção, compra e venda de energia elétrica. Um portal na internet será disponibilizado para que consumidores tenham acesso a informações em tempo real sobre o consumo e os preços de energia para que sejam feitas escolhas que possam trazer economias para o cliente (HAMILTON & GULHAR, 2010). 52 A Energy Internet irá detectar as preferências dos clientes a fim de otimizar os recursos energéticos, oferecer novos produtos e serviços, e gerenciar a carga dos clientes para atender a segurança e metas financeiras. Por exemplo, os preços da energia, dados meteorológicos entre outros sinalizarão quando os recursos são ambientalmente ou financeiramente dispendiosos. Da mesma forma, as preferências dos clientes sobre como a energia é usada em sua residência ou em empresas também são gerenciados (DUKE ENERGY, 2009; HAMILTON & GULHAR, 2010). 2.6.2.4. Projetos V2G Os veículos elétricos (PHEVs, do inglês: plug-in hybrid electric vehicles) são uma grande promessa pois, com a popularização deles, serão evitadas emissões de poluentes e os custos com transportes serão diminuídos. A previsão é de que a popularização dos PHEVs resulte na criação de novos mercados, além do crescimento da receita das concessionárias devido a eletrificação do segmento do mercado de transportes (IPAKCHI & ALBUYEH, 2009). O custo operacional de um PHEV é significantemente menor quando comparado com os carros tradicionais a gasolina ou álcool. A economia que esta modalidade de veículo proporcionará será enorme, visto que o custo da eletricidade por quilômetro é cerca de um quarto ou um terço do custo da gasolina, dependendo da região e preço da gasolina (IPAKCHI & ALBUYEH, 2009). 53 Para que um veículo elétrico ande 50 km, são necessários aproximadamente 10 kWh, sendo que o tempo necessário para a recarga dessa quantidade de energia varia de 2 a 5 horas. Esses veículos serão geralmente carregados a noite ou no trabalho, resultando na mudança do perfil de carga atual, e estarão circulando durante 1 ou 2 horas por dia, em média, ficando estacionados o restante do tempo. A maior parte dos veículos pode ficar conectada à rede de 10 a 15 horas por dia. A diferença entre o tempo necessário para a recarga do veículo e o tempo em que o veículo fica conectado à rede pode ser aproveitado para fornecer serviços para a rede, enquanto ao mesmo tempo satisfaz as necessidades do condutor. Esse tipo de carregamento é chamado de carregamento inteligente ou vehicle-to-grid (V2G) (IPAKCHI & ALBUYEH, 2009; BROOKS et al., 2010). A maioria dos PHEVs será equipada com comunicação via internet, e por isto este veículo poderá ser agregado à rede como uma fonte de despacho de carga. Quando o motorista conectar seu veículo à rede através do V2G, a recarga não iniciará imediatamente. O veículo inicialmente se comunicará com a rede fornecendo informações como sua localização, energia requerida e quando o condutor irá precisar que a carga do seu veículo esteja completa. Após isso, comandos da rede determinarão como e quando o veículo será carregado. O sistema V2G rodará algoritmos que poderão requisitar o despacho ou recarga do veículo, de maneira que o custo para o proprietário do veículo seja minimizado (BROOKS et al., 2010). Alguns testes de V2G já começaram a ser feitos no mercado interconectado americano PJM para verificar na prática o comportamento de um PHEV em respostas aos sinais da rede (IPAKCHI & ALBUYEH, 2010). 54 3. MERCADO DE ENERGIA ELÉTRICA NO CURTO PRAZO 3.1. Mercados de Curto Prazo pelo Mundo 3.1.1. Mercado Ibérico A geração de energia elétrica em Portugal e Espanha é composta majoritariamente por termoelétricas. Em Portugal, a geração total foi de 52.460 GWh em 2011, sendo que cerca de 79,9% dessa energia gerada foi proveniente de termoelétricas. Já na Espanha, a geração total foi de 274.758 GWh em 2011, sendo que cerca de 69,5% foi proveniente de termoelétricas, conforme apresentado pela Figura 12. Figura 12 – Geração de energia elétrica por tipo de fonte em Portugal e Espanha em 2011. Fonte: DGEG, 2012 e MIET, 2012. Os governos de Portugal e Espanha criaram juntos um mercado regional de eletricidade, chamado Mercado Ibérico de la Energia Eléctrica (MIBEL). O MIBEL foi criado com o objetivo de beneficiar os consumidores dos dois países por meio da integração dos dois sistemas elétricos. 55 O MIBEL é composto por dois operadores de mercados distintos: Operador del Mercado Ibérico de la Energia (OMIE) e Operador do Mercado Ibérico de Energia (OMIP). O OMIE é de responsabilidade da Espanha e é o operador dos mercados de curto prazo, constituído pelos mercados diário (day ahead market) e intradiário (intraday market). A sequência de operação do MIBEL é apresentada pela Figura 13. Figura 13 – Sequência de funcionamento do MIBEL. Fonte: HEITOR, 2008. 3.1.1.1. Mercado Diário (day ahead) A maior parte da energia negociada no MIBEL é realizada no mercado diário. Essa modalidade de mercado fecha às 10h do dia anterior e até às 11h o operador de mercado informa a agenda de operação com base nas 56 definições desse mercado. É um mercado composto por lances de compra e venda de energia, no qual os consumidores devem informar sua necessidade para o dia de cálculo e os geradores devem dar lances que envolvem montante de geração e preço para o dia de cálculo com base horária. O operador do sistema deve informar o resultado dos leilões de capacidade, com a identificação dos agentes aos quais tenham sido atribuídos direitos de utilização da capacidade do sistema. Também é obrigação do operador do sistema informar o resultado dos leilões de interligação, sendo que geralmente os leilões de interligação são realizados com a rede elétrica francesa. Na Figura 14 é apresentado um detalhamento das informações que devem ser fornecidas ao operador do mercado para que o custo marginal seja calculado (MIBEL, 2008). Figura 14 – Fluxograma de operações e informações do mercado diário do MIBEL. Fonte: MIBEL, 2008 (adaptado). Uma vez que os lances de ofertas e demandas são submetidos, o operador do mercado confecciona uma curva de despacho por ordem de mérito 57 ordenando os lances de fornecimento e a demanda de maneira crescente e decrescente, respectivamente, calculando assim o preço de equilíbrio entre oferta e demanda (Figura 15). O algoritmo de correspondência inicialmente calcula a solução considerando que todas as interconexões internacionais têm capacidade de importação e exportação ilimitadas. Figura 15 – Dinâmica de preço de equilíbrio do mercado diário. Fonte: MIBEL, 2008 (adaptado). Após o cálculo inicial do preço de equilíbrio, é feita uma verificação para ver se existe um excedente do saldo líquido de energia em qualquer uma das interligações no sistema ibérico de eletricidade, considerando contratos bilaterais e declarações de uso de direitos. No caso em que existe congestionamento na interligação francesa, a energia que gera congestionamento será levada para fora da direção do congestionamento até este desaparecer, começando com a energia das unidades sem direitos de capacidade, seguindo a ordem de mérito preço até que não ocorra congestionamento. Caso o congestionamento continue, a energia será retirada das unidades com direitos de capacidade, seguindo a 58 ordem de mérito de preços, até que não ocorra congestionamento da interconexão (GARCÍA, 2010 e MIBEL, 2012). Após o ajuste das interconexões do sistema ibérico, o intercâmbio de energia entre os sistemas da Espanha e Portugal é calculado com base nas informações fornecidas pelos operados dos sistemas. No caso em que o limite de intercâmbio entre os dois países é atingido, ocorre uma separação dos dois mercados. As curvas de compra e venda de energia elétrica são computadas separadamente para ambos os sistemas, com a consideração do sistema com energia mais barata exportar até sua capacidade máxima, e o sistema com energia mais cara importar até sua capacidade máxima. Nesse caso, cada sistema elétrico tem um preço diferente para o dia de cálculo, conforme esquema da Figura 16. Figura 16 – Processo de determinação do preço de equilíbrio do mercado diário para Portugal e Espanha. Fonte: TEIXEIRA, 2011. 59 3.1.1.2. Mercado Intradiário (intraday) Após a publicação da programação diária definida no mercado diário, os participantes podem ajustar suas posições de energia em uma sequência de seis sessões de compensação (Figura 17). Por exemplo, os geradores podem apresentar propostas de compra ou venda caso eles esperem ter uma geração abaixo ou acima, respectivamente, daquela negociada no mercado diário. As possibilidades de ajustes nos mercados intradiários são aplicáveis a todos os agentes do mercado (GARCÍA, 2010 e MIBEL, 2012). Figura 17 – Sessões do mercado intradiário do MIBEL. Fonte: TEIXEIRA, 2011. O operador do sistema deve resolver as restrições técnicas do sistema resultantes do mercado intradiário através da retirada de todas as propostas que fazem com que as condições do sistema violem as restrições, sendo dessa forma necessários lances adicionais para reestabelecer o equilíbrio entre geração e consumo. 60 3.1.2. Mercado do Reino Unido A geração de energia elétrica por fonte no Reino Unido em 2011 é ilustrada pela Figura 18. Observa-se que, se somada a geração proveniente de carvão e gás, resulta um percentual de 70% de geração térmica. Dessa forma, verificase grande predominância da geração térmica nessa região. Figura 18 – Geração de energia elétrica por tipo de fonte no Reino Unido em 2011. Fonte: DECC, 2012. O British Electricity Trading and Transmission Arrangements (BETTA) entrou em vigor em abril de 2005. Pela primeira vez foi estabelecido um mercado livre competitivo para a Escócia, Inglaterra e País de Gales garantindo um sistema uniforme na região para a geração, transmissão, distribuição e comercialização de energia (CLARK et al., 2008). O principal benefício para a Escócia, que produz mais energia do que o necessário é a possibilidade de venda de energia gerada em um mercado mais amplo, incluindo também para a Europa continental através da interligação anglo-francesa (CLARK et al., 2008). 61 As operações no BETTA são baseadas em negociação bilateral entre geradores, comercializadores e consumidores por meio de uma série de mercados que operam em regime de meia-hora. Existem três etapas no mercado, além de um processo de liquidação pós-evento, conforme Figura 19. Figura 19 – Estrutura do BETTA. Fonte: NATIONAL GRID, 2012 (adaptado). A maior parte da energia comercializada ocorre por meio de contratos a termo, com uma quantidade muito pequena de energia negociada e sujeitos ao regime de balanceamento. Os volumes negociados devem ser notificados ao operador do sistema, o National Grid Company (NGC), para que a geração e demanda sejam cuidadosamente monitorados, controlados e balanceados (NATIONAL GRID, 2012). A geração pode ser modificada em conformidade, utilizando o mecanismo de compensação. Isso mantém a segurança do abastecimento, mantendo o 62 sistema como um todo em equilíbrio em tempo real sendo governado pelo Balancing and Settlement Code (BSC). 3.1.2.1. Comercialização de Energia A comercialização de energia elétrica ocorre em blocos de meia hora para cada dia do ano. Todos os participantes do mercado devem notificar a sua posição final esperada uma hora antes do fechamento da janela para um determinado período de meia hora, ou seja, o fechamento da janela de um período das 9h às 9h30 se encerra às 8h. 3.1.2.2. Mecanismo de Compensação Há também a oportunidade dos agentes do mercado participarem do mecanismo de compensação. Trata-se de um ambiente envolvendo a apresentação de propostas ou lances para alterar a geração ou demanda uma hora antes da entrega, o que ajuda a equilibrar a oferta e demanda. 3.1.2.3. Liquidação das Diferenças Qualquer desequilíbrio entre a geração ou consumo real em comparação com as posições contratuais é verificado e calculado para todos os períodos de meia hora. Os preços pagos por essas diferenças são descritos na sessão 3.1.2.4, mas tem o objetivo de refletir os custos incorridos na operação do mecanismo de compensação. 3.1.2.4. Preço da Energia Os preços praticados no BETTA são ditados por um mercado competitivo, tanto do ponto de vista da geração como do consumo. Existem três preços associados a compra e venda de energia no mercado de curto prazo, são eles: 63 System Sell Price (SSP), System Buy Price (SBP) e Market Index Price (MIP) (NATIONAL GRID, 2012). Os preços são calculados por MWh de energia elétrica e dependem de quanto a geração e consumo atuais se desviam do que havia sido notificado antes do fechamento da janela para determinado período de meia hora. O SSP será pago se o gerador produzir mais do que o montante definido antes do fechamento da janela ou se o consumidor consumir menos que o montante definido antes do fechamento da janela. Já o SBP será pago se ocorrer a situação inversa, conforme descrito pela Tabela 4. Tabela 4 – Preço para liquidação de diferenças conforme posição contratual e tipo de agente. Fonte: NATIONAL GRID, 2012. SSP SBP Gerador Excesso Déficit Consumidor Déficit Excesso O MIP é um preço que corresponde à média ponderada do SSP e SBP. 3.1.3. Mercado Australiano A geração de energia elétrica australiana é composta majoritariamente por termoelétricas, sendo que aproximadamente 79,9% da geração total de energia em 2012 foram provenientes desse tipo de fonte. Nesse mesmo ano, 15,5% da geração foi proveniente de geração hidroelétrica e 4,1% de geração eólica. A matriz elétrica da Austrália de 2012 é ilustrada pela Figura 20. 64 Figura 20 – Geração de energia elétrica por tipo de fonte na Austrália em 2012. Fonte: AEMO, 2013 (adaptado). A reestruturação do setor elétrico na Austrália começou em 1994. No leste e sul da Austrália, o mercado de energia elétrica é denominado National Electricy Market (NEM), também conhecida como mercado spot. O NEM iniciou suas operações em 1998 e a operação do mercado é baseada numa rede interconectada de vários subsistemas nacionais, incluindo as redes dos seguintes estados: Queensland, New South Wales, Victoria, South Australia e Tasmania, conforme apresentada pela Figura 21. Figura 21 – Fluxos de energia entre as regiões do NEM em 2009. Fonte: AER, 2010. 65 No mercado spot, os clientes principais dos geradores são os retails, que compram eletricidade para revender no mercado ou para consumidores residenciais. Consumidores finais podem comprar energia diretamente do mercado de curto prazo, no entanto, poucos fazem isso (ASX ENERGY, 2010). As relações entre os agentes desse mercado são apresentadas pela Figura 22. Figura 22 – Fluxo financeiro no NEM. Fonte: SPALDING, 2008 (adaptado). O preço no mercado spot é calculado separadamente para cada um dos subsistemas e é determinado de maneira ex-ante para cada período de trinta minutos, sendo que o preço de despacho médio é verificado a cada cinco minutos, fazendo com que seis preços médios de despacho formem o preço de curto prazo para a próxima meia hora operativa, conforme Figura 23. O mecanismo de formulação de preços no NEM permite que os preços do mercado spot respondam quando existe uma pequena diferença entre oferta e demanda por energia, elevando os preços nessas situações para que os consumidores reduzam o consumo nos períodos de pico (AER, 2010). 66 Figura 23 – Ilustração gráfica da formação de preço de um dos subsistemas do NEM. Fonte: AER, 2010 (adaptado). 3.2. Mercado de Curto Prazo Brasileiro No Brasil, o setor elétrico começou a ser reestruturado a partir de 1995, e então foi criado o Mercado Atacadista de Energia Elétrica (MAE) em 1998 (ZILBER, 2003 e LEME, 2009). O MAE tinha a finalidade de viabilizar as transações de energia elétrica por meio de contratos bilaterais e do mercado de curto prazo (mercado spot). Em 2004, foi definido o formato do mercado de energia elétrica que perdura até os dias atuais. Foi determinado por meio de decretos que o mercado deveria ser constituído por dois ambientes de contratação: Ambiente de Contratação Regulada (ACR) e Ambiente de Contratação Livre (ACL). Para administrar esses dois ambientes foi fundada a Câmara de Comercialização de Energia Elétrica (CCEE). No ACR são firmados contratos entre geradores e distribuidores, chamados de Contratos de Comercialização de Energia em Ambiente Regulado (CCEAR), resultantes de leilões promovidos pela CCEE, com o objetivo de assegurar o 67 fornecimento dos consumidores cativos, que são aqueles que compram sua energia diretamente das distribuidoras. O CCEAR poderá ser celebrado na modalidade quantidade de energia elétrica ou disponibilidade de energia elétrica. Na modalidade por quantidade, o ponto de entrega da energia se dá no centro de gravidade do empreendimento de geração e os riscos hidrológicos são assumidos pelas geradoras (SILVA, 2009). Na modalidade por disponibilidade de energia elétrica, os custos decorrentes dos riscos hidrológicos serão assumidos pelos agentes compradores, e eventuais exposições financeiras no mercado de curto prazo da CCEE, positivas ou negativas, serão assumidas pelos agentes de distribuição, garantido o repasse ao consumidor final (SILVA, 2009). No ACL, os agentes de geração, comercialização, importadores e exportadores de energia, e consumidores livres podem fechar contratos bilaterais com valores de energia negociados de forma livre entre eles (BRASIL, 2004). Ou seja, os consumidores cativos compram a energia por meio de tarifa regulada proveniente do portfólio de energia da sua respectiva distribuidora, enquanto os consumidores livres podem comprar sua energia de qualquer gerador ou comercializadora a um preço livremente negociável. Os agentes vendedores devem comprovar o seu lastro de venda. A EPE é o órgão responsável por publicar o cálculo da garantia física das usinas, sendo que é com base nesse valor que as operações na CCEE são realizadas. Já os consumidores livres devem ter sua demanda 100% contratada. Os agentes estão sujeitos à penalidade por falta de lastro e insuficiência de contratação 68 apurada ao longo de 12 meses através da apuração por meio de uma média móvel (LIMA, 2012). A CCEE é responsável pela comparação mensal entre a energia consumida e contratada, para o caso dos consumidores. Os montantes transacionais e não contratados são então liquidados ao Preço de Liquidação das Diferenças (PLD) no mercado spot, conforme esquematizado na Figura 24. O PLD é baseado no custo marginal de operação do sistema (CMO), sendo determinado semanalmente para cada patamar de carga e submercado (CCEE, 2013a e RODRIGUES, 2007). Figura 24 – Estrutura do mercado de energia elétrica brasileiro. Fonte: RODRIGUES, 2007 Os contratos registrados na CCEE são puramente financeiros, sendo o ONS responsável pela entrega física da energia dos geradores, uma vez que o despacho do sistema é centralizado. Os agentes associados à CCEE dividem-se nas categorias de geração, distribuição e de comercialização, conforme definido na Convenção de Comercialização. Se um consumidor deseja ingressar para o ambiente de contratação livre, ele deverá inicialmente se associar à CCEE. Os consumidores cativos têm como fornecedores compulsórios de energia a distribuidora, com tarifa regulada, portanto estão inseridos no contexto do 69 ACR. O preço é o resultado de um mix de contratos de longo prazo, com contratação de até 103%, feita por meio de leilões visando a modicidade tarifária. Consumidores livres são aqueles que adquirem energia elétrica por meio de contratos bilaterais livremente negociados com uma empresa de geração ou comercialização, portanto estão inseridos no contexto do ACL. O consumidor livre tem obrigação de comprovar 100% de contratação após a medição do montante consumido (ENERTRADE, 2011 e ABRACEEL, 2011). Um consumidor pode se tornar consumidor livre se possuir demanda igual ou superior a 3,0 MW. No entanto, existe o consumidor que pode atuar no ACL como consumidor especial, caso possua demanda igual ou superior a 0,5 MW e negocie a sua energia a partir de fontes alternativas (hidrelétrica de pequeno porte, termelétrica movida à biomassa, eólica ou solar) (CCEE, 2013a). As relações comerciais entre os agentes participantes da CCEE são regidas, predominantemente, por contratos de compra e venda de energia, e todos os contratos celebrados entre os agentes no âmbito do Sistema Interligado Nacional devem ser registrados na CCEE. Esse registro inclui apenas as partes envolvidas, os montantes de energia e o período de vigência, os preços de energia dos contratos não são registrados na CCEE, sendo utilizados especificamente pelas partes envolvidas em suas liquidações bilaterais (CCEE, 2013a). 70 3.3. Preço de Curto Prazo na Tomada de Decisões No caso do consumidor livre, o preço de curto prazo é fundamental para a gestão de risco e definição do seu perfil de risco, de modo que seja decidido se este ficará apenas parcialmente contratado e exposto no mercado de curto prazo. O preço no mercado spot influencia os contratos de hedge que são negociados visando o longo prazo, tornando assim esse preço fundamental para decisões de contratação tanto no curto quanto no longo prazo. A volatilidade do PLD incentiva práticas prudentes por parte dos consumidores e geradores que minimizam o risco de todo o mercado. Na maior parte do tempo, o preço de curto prazo é baixo, no entanto nos momentos adversos os preços são muitos altos. Isso faz com que seja prudente, tanto para os consumidores quanto para os geradores, que contratos de longo prazo sejam firmados para evitar riscos provenientes da volatilidade desse preço (BARROSO, 2011). O PLD também é responsável por incentivar a economia de energia em situações de escassez hidrográfica. Quando os níveis de água dos reservatórios estão baixos devido à falta de chuvas, isso é refletido no preço de curto prazo que tende a se elevar. Dessa forma, os consumidores respondem a este preço procurando economizar energia a fim de não obter grandes prejuízos em seus orçamentos. As distribuidoras são impactadas pelo PLD, pois muitas vezes os contratos acordados nos leilões não dão margem de manobra para minimizar as 71 exposições no mercado de curto prazo. Esse impacto é repassado posteriormente nos reajustes tarifários, impactando assim os consumidores cativos (BARROSO, 2011). Os geradores térmicos que vendem energia em leilões no ACR não são impactados significativamente pelo PLD, uma vez que as exposições no mercado de curto prazo são de responsabilidade das distribuidoras. Algumas usinas hidroelétricas participam do Mecanismo de Realocação de Energia (MRE). Esse mecanismo trata-se de um hedge automático e compulsório que distribui a energia gerada pelo conjunto de hidroelétricas, de forma que qualquer superávit ou déficit de energia de uma determinada central hidroelétrica em relação à garantia física total das hidroelétricas é repartido de forma igualitária entre todas elas. Por este mecanismo, uma usina que gera muito menos que a sua garantia física, por falta de água ou por decisão do Operador Nacional do Sistema, recebe das demais hidroelétricas energia suficiente para cobrir seu déficit. Desta forma, o conjunto das hidroelétricas funciona como um condomínio, repartindo o risco hidrológico. O risco está limitado ao conjunto dos geradores hídricos produzirem menos do que a garantia física total das hidroelétricas, caso em que todas elas estarão sujeitas na mesma proporção a ajustes, no mercado de curto prazo onde as diferenças serão valoradas ao PLD (CASTRO et al., 2011). Os geradores hidroelétricos que participam do MRE também utilizam previsões de PLD para definir a sazonalização de sua energia assegurada e depois para analisar o risco de venda de energia no ambiente livre. 72 4. MODELOS UTILIZADOS NA FORMAÇÃO DO PREÇO 4.1. Visão Geral do Problema A complexidade dos modelos para operação e formação do preço de energia elétrica do mercado brasileiro é maior do que a da maioria dos modelos dos mercados por se tratar de um sistema hidrotérmico. Em sistemas termoelétricos, a formação de preço é feita geralmente na base diária, sem considerar os resultados da operação no passado e sem se preocupar com riscos de abastecimentos no futuro. No entanto, a operação dos sistemas hidrotérmicos e, consequentemente, a formação do preço spot estão acoplados no tempo, sendo que o modelo deve considerar os impactos atuais da operação em cenários futuros. Além do mais, os resultados da operação do passado impactam diretamente os resultados do presente. As principais características da operação de um sistema hidrotérmico são (SILVA, 2012): • relação entre decisão presente e consequências futuras. Se no presente for utilizada muita água dos reservatórios e no futuro as afluências forem baixas, será necessário um grande despacho térmico para atender a carga, o que acarretará em um aumento do preço do curto prazo e também risco de não suprimento (Figura 25); • interdependência dos reservatórios das hidrelétricas, fazendo com que a operação de uma usina afete as usinas que estejam a jusante; 73 • a impossibilidade de uma previsão perfeita de afluências futuras, fazendo com que o problema seja essencialmente estocástico; • a grande quantidade existente de reservatórios e a necessidade de uma otimização multiperíodo tornam o problema de grande porte; • existem não-linearidades implícitas ao problema devido às funções de custos futuros de operação das termoelétricas e às funções de produção de energia das hidrelétricas; • a água armazenada nos reservatórios das usinas hidrelétricas têm um valor indireto associado à oportunidade de economizar combustíveis das termelétricas; • necessidade de considerar uma grande quantidade de atividades relacionadas com o uso múltiplo da água nos reservatórios (navegação, controle de cheias, irrigação, saneamento e abastecimento de água), em conjunto com o despacho de geração de otimização multiperíodo dos reservatórios. Figura 25 – Processo de Decisão para Sistemas Hidrotérmicos. Fonte: SILVA, 2012 (adaptado). 74 4.2. Desagregação do Planejamento da Operação em Etapas O planejamento da operação de médio prazo é definido para um horizonte de cinco anos com base mensal. A resolução do problema dessa etapa determina os totais de geração térmica e hidráulica e os valores esperados dos custos marginais de operação de um período qualquer até o final do horizonte. O horizonte de cinco anos é definido baseando-se no mais longo período seco ocorrido na região sudeste, correspondendo este a primeira metade da década de 50 (CCEE e ONS, 2010; SILVA, 2012). Já no curto prazo, o horizonte considerado é de 2 a 6 meses com base semanal. Nessa etapa as usinas são vistas com mais detalhes assim como as principais linhas de transmissão (CCEE e ONS, 2010). Na programação diária, o sistema é visto em intervalos de meia hora, com um horizonte de uma semana. O sistema é detalhado por todos os barramentos elétricos de interesse, restrições elétricas e hidráulicas e representações detalhadas das unidades geradoras (CCEE e ONS, 2010). O modelo NEWAVE é utilizado para o médio prazo, enquanto o modelo DECOMP é utilizado para o curto prazo. O modelo de programação diária chama-se DESSEM e atualmente está em processo de validação. Esses modelos são desenvolvidos pelo CEPEL e utilizados pelo ONS para programação da operação e pela CCEE para formação dos preços spot. Quanto menor é a discretização temporal do modelo, observa-se que maior é o grau de detalhamento da modelagem dos componentes do sistema. Os 75 modelos com discretização temporal maiores alimentam os modelos com discretização temporal menores com seus dados de saída. Ou seja, dados de saída do NEWAVE alimentam parte dos dados de entrada do DECOMP, a mesma relação ocorre entre o DECOMP e o DESSEM. 4.3. Objetivo dos Modelos: Mínimo Custo Global O planejamento da operação é um problema que consiste em minimizar o custo total no horizonte de estudo, buscando operar sempre com segurança. A estratégia é definida para que o mínimo custo seja alcançado através do gerenciamento das decisões de geração de origem hidrelétrica e termoelétrica por usina, de intercâmbio de energia entre as diversas regiões do sistema interligado e de corte de carga. O custo total é composto por uma parcela denominada custo imediato e outra chamada de custo futuro. O custo imediato está relacionado com as decisões tomadas no presente e o custo futuro com as decisões que estão previstas para serem adotas no futuro. A operação no presente afeta diretamente o planejamento da operação no futuro, afetando o custo futuro (CCEE e ONS, 2010). A derivada da função de custo futuro, também chamada de valor da água, indica como varia o custo futuro em relação ao volume armazenado. Já a curva de custo imediato representa, em ordem crescente, os custos de geração térmica e déficit de energia (TRAJANO, 2008). Com o conhecimento da função de custo futuro e dos custos de geração térmica e de déficit, o despacho energético que conduz ao menor custo total é 76 obtido ao se equilibrar a geração hidráulica e a térmica de forma a igualar o valor da água ao custo de geração térmica mais cara que estiver sendo acionada, conforme é mostrado pela Figura 26 (CCEE e ONS, 2010). Figura 26 – Uso Ótimo da Água em Sistemas Hidrotermicos. Fonte: CCEE e ONS, 2010. Dessa forma, a soma da função de custo futuro (FCF) com a função de custo imediato (FCI) equivale ao custo total (CT). O valor mínimo do custo total acontece quando a derivada da curva de custo total em relação ao volume final é nula, conforme as Equações (4) e (5). = = − + = 0 (4) (5) 77 4.4. Modelagem das usinas 4.4.1. Termoelétricas As usinas térmicas podem ser classificadas em dois tipos principais de usinas: unidades térmicas convencionais e nucleares. As unidades térmicas convencionais têm como combustível carvão, óleo ou gás natural, sendo que seus custos de operação dependem diretamente da potência gerada. Já as usinas nucleares possuem custos de operação praticamente constantes para qualquer potência gerada, pois a maior parte do custo é referente à manutenção, por isso essas usinas são utilizadas como usinas térmicas de base (BORGES, 2005). As usinas convencionais possuem limites máximos e mínimos de geração. O limite máximo está relacionado com limitações físicas das máquinas geradoras. Já o limite mínimo, chamado também de inflexibilidade, está relacionado com a manutenção da estabilidade do ciclo termodinâmico ou do consumo de combustível secundário nas usinas a carvão e, também, com contratos da modalidade take-or-pay celebrados entre a usina e fornecedores de combustíveis (SILVA, 2012). Em usinas térmicas convencionais, existe relação entre a vazão de combustível H e a potência elétrica de saída P, conforme é mostrado pela Figura 27. 78 Figura 27 – Curva típica de entrada e saída de uma turbina. Fonte: BORGES, 2005 (adaptado). 4.4.2. Hidroelétricas As usinas hidrelétricas geralmente possuem barragens responsáveis para criar uma diferença de potencial entre um nível montante à usina e outro à jusante. O aproveitamento da energia potencial da água é feito por meio de uma turbina instalada logo após a queda da água, ou seja, a energia potencial é convertida em energia mecânica rotacional para posteriormente energia elétrica ser gerada através de uma máquina elétrica operando como gerador. Na Figura 28 é ilustrado um perfil típico de uma usina hidrelétrica. Figura 28 – Perfil Típico de Uma Usina Hidrelétrica. Fonte: SILVA, 2012. 79 FINARDI (1999) modelou o comportamento de um sistema tipicamente hidrelétrico, considerando como referência o conjunto de hidrelétricas localizadas em uma mesma bacia hidrográfica apresentado na Figura 29. Figura 29 – Representação Esquemática dos Aproveitamentos de uma Usina Hidrelétrica. Fonte: FINARDI, 1999. O princípio de conservação de massa de água deve ser respeitado, dessa forma a água que flui a cada reservatório em um determinado período é igual à soma dos valores perdidos sob a forma de evaporação, infiltração, variação do nível do reservatório e defluído, conforme a Equação (6). yt,i = at,i + xrt,i + ut,i +st,i (6) Onde: yt,i é a vazão afluente ao reservatório i no período t; at,i é a vazão correspondente às perdas por evaporação e infiltração no reservatório i no período t; xrt,i é a vazão correspondente à variação do nível do reservatório i (armazenado ou deplecionado) no período t; ut,i é a vazão turbinada do reservatório i no período t; 80 st,i é a vazão vertida pelo reservatório i no período t. A vazão afluente da usina i (yt,i) é composta por uma parcela controlável correspondente à operação das usinas imediatamente à montante da usina i, e uma parcela não controlável que corresponde à contribuição da área de drenagem, conforme é representado pela Equação (7). y , =∑ Onde: ∈%& u , +s , " + z , (7) UMi é o conjunto das usinas imediatamente a montante da usina i; zt,i é a vazão lateral afluente do reservatório i. A potência gerada por uma turbina hidráulica é dependente da altura de queda correspondente à diferença de altura entre o nível montante e o nível jusante. O nível montante é função não-linear do volume armazenado, enquanto o nível jusante é função não-linear da vazão defluente. Dessa forma, a altura de queda bruta é definida pela Equação (8). hi = Ψi(xi,di) = fcmi(xi) – fcji(di) (8) Onde: hi é a altura de queda bruta da usina i em um dado instante; Ψi é a função altura de queda bruta da usina i; xi é o volume armazenado no reservatório i no momento considerado; di é a vazão defluente da usina i, composta por di = ui + si; fcmi é a função cota montante, a qual expressa a relação entre a cota de montante da usina i e o volume armazenado no seu reservatório; fcji é a função cota jusante, a qual representa a relação entre a cota jusante no canal de fuga da usina i e o volume defluente da mesma. 81 Para se calcular a energia elétrica gerada por uma turbina hidrelétrica, pode-se fazer a seguinte aproximação: a geração equivale à energia potencial da água no nível a montante multiplicado por um fator de rendimento, que corresponde às perdas mecânicas na queda da água e rendimento da máquina elétrica, conforme descrito pela Equação (9). Ei = Epi*ηi Onde: (9) Ei é a energia produzida na usina hidrelétrica i ao longo de um período de tempo t; Epi é a energia potencial da massa de água que é usada para acionar as turbinas na usina i ao longo do período de tempo t considerado; ηi é o rendimento médio dos conjuntos turbina-gerador da usina i. Considerando que a energia potencial é o produto da massa de água pela aceleração da gravidada multiplicada pela altura de queda líquida, a Equação 10 pode ser expressa conforme a Equação (10). Ei = 9,81*10-3*ui*t*hli*ηi Onde: (10) hli é a queda líquida da usina i (m); t é o tempo (s). Consequentemente a potência ativa corresponde à energia produzida por unidade de tempo conforme apresentado pela Equação (11). pi = 9,81*10-3*ui*hli*ηi (11) 82 Também é definido o fator ρi pela Equação (12). O fator ρi é chamado de produtividade da usina i, sendo usualmente expresso em MW/(m³/s). A produtividade é constante no instante de tempo considerado. ρi = 9,81*10-3*hli*ηi (12) Finalmente, tem-se a expressão final para a potência produzida por uma usina hidrelétrica, Equação (13): pi = ρi*ui 4.5. (13) Formulação Geral do NEWAVE O NEWAVE é um modelo complexo de otimização de médio prazo que considera o problema do planejamento da operação em um horizonte de cinco anos. Este modelo busca orientar as decisões no curto prazo, informando as consequências futuras de cada uma das decisões, uma vez que no NEWAVE decide-se qual o nível de armazenamento que o reservatório deverá atingir ao final do mês, cujo custo esperado no futuro somado ao custo imediato da geração térmica deve ser o mínimo possível. A metodologia do NEWAVE é implementada via otimização estocástica, ou seja, conhecendo-se as afluências ao longo do período de estudo e o volume armazenado no início do período, tem-se a seguinte formulação simplificada do problema (SILVA, 2012): α (X * = E,-|/- 0Min 3C (U * + 7 α∗86 (X 6 86 *9: (14) Sujeito a: 83 X g 86 = f (X , y , U * 86 (X 86 * ≥ 0 h (U * ≥ 0 (15) ∀t = T, T − 1, … , 1e∀X Onde: (16) (17) (18) t é o índice que define o estágio onde se encontra o problema; Xt é o vetor de variáveis que definem o estado do sistema em um determinado estágio t; yt é o vetor de afluências ao sistema durante o estágio t; Eyt|Xt é o valor esperado do custo total de operação sobre o conjunto de valores possíveis de afluências no estágio t, condicionadas pelo estado Xt, considerado conhecido no início do estágio t; Ut é o vetor que engloba as decisões em um determinado estágio t; T é o total de estágios do horizonte de planejamento; Ct(Ut) é o custo operativo relacionado com a decisão Ut (custo imediato); αt(Xt) é o valor do custo total esperado de operação do estágio t até o final do horizonte do período de planejamento; ft(Xt, yt, Ut) é a equação de transição de estados. Esta equação relaciona Xt com Xt+1. Para a operação energética esta equação é a que representa a conservação da água nos reservatórios do sistema; β é o valor do fator de atualização monetária; gt+1(Xt+1) é o conjunto de restrições relativas ao vetor de estados Xt; ht(Ut) é o conjunto de restrições relativas ao vetor de decisão Ut. 84 Na Seção 4.7 será mostrado que a Equação 14 é resolvida recursivamente no sentido inverso, ou seja, de t = T até t =1, o que garante que αt+1(Xt+1) tenha sido previamente calculado. O custo imediato de operação, Ct(Ut), é representado pelo gasto com os combustíveis utilizados pelas termelétricas mais o custo pelo não atendimento da demanda no estágio t (déficit). Com isso Ct(Ut) pode ser obtido em dois passos. O primeiro passo é o cálculo do total de geração hidráulica do sistema para o estágio t e o segundo é o calculo do valor da geração termelétrica necessária e mais o déficit complementar para o atendimento a demanda não coberta pela parte hidráulica do sistema (SILVA, 2012). GH (U * = ∑I%J K6 Ψ (x , , d , * Onde: (19) NUH é o número total de usinas hidrelétricas do sistema; GHt(Ut) é o total de geração hidrelétrica produzida pelo sistema durante o estágio t; Ψi(xt,i,dt,i) é a função de geração da usina hidrelétrica i. Sujeito a: C (U * = C (u , s * = MinLM∑I% NK6 CTN GT ,N O + CDD Q I% ∑I%J K6 Ψ (x , , d , * + ∑NK6 GT ,N + D = M GT ,N ≤ GT ,N ≤ GT ,N Onde: (20) (21) (22) NUT é o número de usinas termelétricas participantes do sistema; GTt,j é a geração da j-ésima unidade termelétrica do sistema durante o estágio t; CTj é o custo unitário de geração para a j-ésima unidade termelétrica do sistema; 85 CD é o custo de penalização pelo não atendimento a demanda; Dt é a demanda não suprida no sistema durante o estágio t. Usualmente este corte de carga é representado por uma termelétrica fictícia de elevado custo unitário e com capacidade de geração infinita; Mt é a demanda de energia durante o estágio t. Pode-se ainda detalhar algumas restrições provenientes da conservação de massa entre os reservatórios do sistema, conforme já apresentado pela Equação (6) e a Equação (23) que explicita a Equação (15). x 86, = x , + y , − u , + s , " + ∑S∈& u ,S + s ,S " (23) x 86, ≤ x 86, ≤ x 86, (24) Sujeito a: u , ≤u , ≤u , L , ≤ u , + s , ≤L , Onde: (25) (26) i é o índice das usinas hidrelétricas do sistema; Mi representa o conjunto de usinas imediatamente a montante da usina i; L , e L , representam os limites inferiores e superiores da vazão defluente para i-ésima usina hidrelétrica. 4.6. Formulação Geral do DECOMP O planejamento da operação de curto prazo tem como objetivo determinar o despacho individual de cada uma das unidades geradoras. Para tanto, o DECOMP utiliza a função de custo futuro, gerada pelo NEWAVE. 86 Segundo SILVA (2012), uma formulação generalizada no modelo DECOMP pode ser feita partindo da consideração de que os estudos de longo e médio prazo disponibilizaram a função de custo futuro de operação do estágio T+1 em diante e que está função pode ser desagregada por usina: \ min f = V VL ct6 pt Y + ct Y pt + ct Z " × u Q K6 K6 (27) \ + V V[st (x , ^6 *u (1 − u , ^6 *] + α K6 K6 Sujeito a: va, 86 − va + c6 [da ∑ Qa + sa = da (d* ∈ef da, ^bcd " − ya ] (29) dQa − ∑NK6 q Na = 0 h va \ 0 ≤ Qa ≤ Qa ij da \ (30) ≤ va, 86 ≤ va 0 ≤ sa ≤ sa ij (31) (32) ij ≤ da ≤ da α + ∑eaK6 πal va, (33) ij 86 (34) ≥ αml (35) od od ij 6Y ∑SK6 phNSa\ zNSa ≤ phNa (qpNa , d6Y a , va * ≤ ∑SK6 phNSa zNSa n (28) n (36) 87 0 ≤ q Na ≤ q Na ij (37) zNSa ∈ q0,1r, zNam = zt sam , wNam = wt sam (38) od ∑SK6 zNSa ≤ 1 n (39) od zsa = ∑SK6 zNSa n zsa = v (40) 1se1 ≤ wNa ≤ t Na wl 0se − 1 ≤ wNa ≤ t xyz\ Na 0ou1emcasocontrárioàsrestriçõesacima wNa = ‚ max wNa, ^6 , 0" + 1sewNa = 1 min wNa, ^6 , 0" − 1sewNa = 0 (42) tm ;u m = u pt m = pt t;x tm m m =x „pt − pt , ^6 „ ≤ ∆ u =† x =‚ (43) (44) 1se1 ≤ x ≤ t wl 0se1 ≥ x ≥ −t xyz\ 0ou1emcasocontrárioàsrestriçõesacima max x , ^6 , 0" + 1seu = 1 min x , ^6 , 0" − 1seu = 0 d∑ ∈ ‡ pt + ∑a∈e‡ ∑hNK6 phNa va , q Na , da " − ∑ −fˆ ≤ Œ‡- ^Œc- ∑eaK6 PHa j‡c ij (41) ≤ fˆ (45) (46) ^6 Š‹‡ xˆ θˆ p 6Y 6Y − ∑eaK6 ∑ha NK6 phNa (q Na , da , va * ≥ RH = Dˆ (47) (48) (49) Onde: T é a quantidade de estágios de tempo [h]; 88 t é o índice dos estágios de tempo, em que t=1,T; R é o número de reservatórios; r é o índice dos reservatórios, em que r=1, R; vrt é o volume do reservatório r no início do estágio t [hm3]; c1 é o fator de conversão para a vazão turbinada da unidade hidrelétrica [m3/s] em volume armazenado [hm3]; srt é a vazão vertida do reservatório r no estágio de tempo t [m3/s]; R+(r) é o conjunto de reservatórios imediatamente a montante do reservatório r; τmr é o tempo de viagem da água entre os reservatórios m e r [h]; yrt é a vazão afluente incremental no reservatório r no estágio t [m3/s]; Qrt é a vazão turbinada do reservatório r no estágio t [m3/s]; drt é a vazão total do reservatório r no estágio t [m3/s]; Jrt é a quantidade total de unidades hidrelétricas do reservatório r, no estágio t; j é o índice das unidades hidrelétricas, j=1,Jrt; qirt é a vazão turbinada da unidade j do reservatório r no estágio t [m3/s]; phjrt(.) é a potência de saída da unidade j, do reservatório r no estágio t [MW]; Φjr é a quantidade total de zonas proibidas de operação da unidade hidrelétrica j do reservatório r; k é o índice das zonas proibidas de operação, k=1, Φjr ; phjkrmin,max é a potência mínima (máxima) da unidade j, zona proibida k e reservatório r [MW]; zjkrt é a variável binária que indica se a unidade j do reservatório r está em operação (zjkrt=1) ou não (zjkrt=0) na zona k no estágio t; zjr0,wjr0 é a condição inicial da unidade j do reservatório r; tjrup, tjrdown minimum uptime (tjrup) e downtime (tjrdown) da unidade hidrelétrica j do reservatório r [h]; 89 wjrt é a variável que indica o número de estágios que a unidade j do reservatório r está ligada ou desligada até o estágio t; vrmin,max é o volume mínimo (máximo) do reservatório r [hm3]; α é o custo futuro esperado correspondente ao estágio T+1 (R$); P é o índice relacionado à função linear por partes da função de custo futuro; πrp é o fator constante associado ao reservatório r e ao segmento linear p por partes da função de custo futuro; α0P é o termo independente associado ao segmento linear p por partes da FCF; nt é número das usinas termelétricas; i é o índice das usinas termelétricas, i=1, nt; ptit é a potência termelétrica da usina i, no estágio t [MW]; c1i,..,c3i são constantes do custo de geração quadrático da usina termelétrica i; ptit0 é a potência inicial da usina termelétrica [MW]; ∆i é a máxima variação de geração da usina termelétrica i, entre dois estágios consecutivos de tempo [MW]; ptimin,max é a potência mínima (máxima) da usina i [MW]; Ib, Rb é o conjunto das usinas termelétricas/hidrelétricas que pertencem à barra b; Ωb é o conjunto de barras conectadas à barra e; Xbm é a reatância da linha entre a barra b e m [pu]; θbm é a diferença angular da tensão da barra b e m no estágio t [rad]; Dbt é a demanda associada à barra b, no estágio t [MW]; fˆ é a capacidade da linha de transmissão entre a barra b e m [MW]; θbt é o ângulo da tensão da barra b no estágio t [rad]; θmt é o ângulo da tensão da barra m no estágio t [rad]; PHrtmax é a máxima geração hidrelétrica da usina r no estágio t [MW]; 90 RHet é o valor de reserva energética do parque hidrelétrico para cada estágio t [MW]. 4.7. Métodos de Solução do Problema O custo imediato é determinado a partir das despesas como o pagamento do combustível a ser utilizado para a geração em usinas termoelétricas. No entanto, para determinar o custo futuro é necessário saber o que ocorrerá nos próximos anos, ou seja, o custo futuro depende das afluências que vão ocorrer nos rios em que estão instaladas as usinas hidrelétricas. A previsibilidade das afluências possui um alto grau de incerteza uma vez que estão relacionadas a questões climáticas. Dessa forma, a indicação do custo futuro é feito através do estudo estatístico das afluências. Isso é feito estudando-se o histórico de afluências conhecido desde o ano de 1931, através dos seguintes índices estatísticos: média, desvio padrão (que indica o grau de variabilidade), correlação temporal (que indica o quanto um evento depende do que ocorreu anteriormente) e correlação espacial (que indica o quanto um evento em um local depende do que está ocorrendo em outro local) (CCEE e ONS, 2010). O modelo estatístico que melhor se ajustou ao problema de otimização em questão foi o modelo autoregressivo periódico de ordem p (modelo PAR(p)). Isso significa que as afluências, por este modelo, dependem das afluências que ocorrem nos mesmos locais até p meses anteriores. O caráter periódico está ligado à sazonalidade do regime hidrológico. 91 Geralmente as afluências em meses iniciais do período chuvoso dependem no máximo dos dois meses anteriores, no entanto as afluências em meses iniciais do período seco dependem do que ocorreu em vários meses do período úmido anterior. O custo futuro médio é calculado em função do estado de cada etapa, sendo que o estado do sistema corresponde ao nível do armazenamento do reservatório de uma usina e cada etapa corresponde a um determinado intervalo de tempo. O método da Programação Dinâmica Estocástica (PDE) permite, através de um estado final de armazenamento no futuro, estudar a evolução do sistema e com isso encontrar custos futuros por meio das trajetórias de evolução da operação, Figura 30. Figura 30 – Processo Recursivo da Programação Dinâmica Estocástica. Fonte CCEE e ONS, 2010. O método PDE não é computacionalmente viável quando aplicado para o problema do despacho ótimo, pois os estados são combinações dos níveis de armazenamento de todos os reservatórios. Dessa forma, para dois, três e dez reservatórios deveriam ser determinados, respectivamente, 104, 106 e 1020 92 estados. A inviabilidade computacional desse método para este problema é chamada de maldição da dimensionalidade. Foi desenvolvido o método da Programação Dinâmica Dual Estocástica (PDDE) para resolver o problema da maldição da dimensionalidade. Agora, ao invés de se calcular o custo futuro para um número muito grande de estados, é calculado apenas para alguns estados. Além do custo futuro, é calculada também a taxa de variação do custo futuro nas vizinhanças do estado em que este foi calculado, taxa essa chamada de derivada do custo futuro (CCEE e ONS, 2010). Por meio do método PDDE são determinados os estados A e B, e o estado V, entre os estados A e B, pode ser determinado matematicamente através de um problema linear em que consiste em minimizar CF(V), sujeito a: Ž•(•* ≥ Ž•(‘* + (• − ‘* ∗ Ž•(•* ≥ Ž•(™* + (• − ™* ∗ ’“”(•* ’–—˜ (50) ’–˜— (51) ’“”(š* A Figura 31 ilustra o calculo de CF(V) através de C(A) e CF(B). 93 Figura 31 – Função de Custo Futuro. Fonte CCEE e ONS, 2010 (adaptado). A PDDE limita o cálculo do custo futuro em poucos estados, sendo que os estados são escolhidos através da simulação da operação utilizando algumas sequências de afluências sorteadas a partir da distribuição estatística. No modelo DECOMP, é adotada a árvore completa de estados, onde cada hipótese se ramifica, sucessivamente, em cada etapa. Já no modelo NEWAVE é adotado a árvore incompleta, sendo que todas as hipóteses se ramificam apenas a partir do início do horizonte através da seleção amostral por Monte Carlo (Figura 32). Figura 32 – Árvore completa (DECOMP) e árvore incompleta (NEWAVE) Fonte CCEE e ONS, 2010. 94 A vantagem do enfoque em árvore completa é a possibilidade de considerar qualquer conjunto de cenários independentemente do modelo estocástico, no entanto existe o inconveniente da dimensão crescer exponencialmente com o número de etapas. No caso do enfoque em árvore incompleta, a sua dimensão se mantém inalterada como o número de etapas, mas exige que os cenários se originem de um modelo estocástico autoregressivo (CCEE e ONS, 2010). Depois de obtida a convergência na construção da função de custo futuro, são obtidos os índices de desempenho através da avaliação do atendimento para 2000 cenários sintéticos gerados a partir das séries históricas de afluências desde 1931. Dessa forma, os 2000 cenários sintéticos possuem todas as relações estatísticas iguais em relação às séries históricas. Opta-se por utilizar as 2000 séries sintéticas para que os melhores e piores cenários não sejam limitados àqueles das séries históricas (CCEE e ONS, 2010). 4.8. Mecanismo Antigo de Aversão ao Risco: Curva de Aversão ao Risco Em dezembro de 2000, o nível do reservatório do subsistema SE/CO foi de 29%. Por outro lado, o preço de curto prazo em janeiro de 2001 foi de R$ 57/MWh, sinalizando uma tranquilidade de suprimento futuro. Dois meses depois o ONS solicitou um racionamento de 20% da demanda nos subsistemas SE/CO, NE e N. A situação do subsistema SUL era confortável, pois as afluências e os níveis dos reservatórios estavam bons. Ademais, o baixo limite de intercâmbio entre o subsistema SUL e SE/CO fez com que as situações dos subsistemas definitivamente ficassem opostas. 95 O racionamento de energia iniciado em 2001 alertou os especialistas sobre a necessidade de inserir novos mecanismos de riscos nos modelos vigentes daquela época para que a segurança do sistema fosse mantida e o cenário de racionamento não fosse atingido novamente. Para isso foi criado um mecanismo de risco chamado curva de aversão ao risco (CAR). A CAR foi inserida no modelo NEWAVE e era formada por níveis de armazenamento que preservavam o armazenamento dos reservatórios SUL, SE/CO e NE em níveis seguros. A CAR era definida para os dois primeiros anos do horizonte de estudo, considerando severas condições hidráulicas (CCEE e ONS, 2010). A partir de 2012, a CAR começou a ser considerada nos cinco anos do horizonte de estudo do NEWAVE. A inserção da CAR no modelo NEWAVE determinava que caso algum subsistema estivesse com o nível do reservatório abaixo do estabelecido pela CAR, o valor da água seria acrescido de uma penalidade de referência, que automaticamente provocaria o acionamento de fontes de geração térmica para que ocorresse a recuperação do nível de armazenamento dos reservatórios, conforme representado pela Figura 33 (CCEE e ONS, 2010). Figura 33 – Acréscimo de penalidade sobre o valor da água no caso de ultrapassagem da CAR. Fonte: CCEE e ONS, 2010. 96 Com a métrica de aversão ao risco pela CAR, frequentemente era necessário que o ONS realizasse procedimentos operativos de curto prazo (POCP) para manter os reservatórios em níveis aceitáveis. Os POCP resultavam no despacho de usinas térmicas de CVU alto fora da ordem de mérito, resultando em ESS_SE para o sistema que era arcado pelos agentes consumidores (CCEE e ONS, 2010). No mês de setembro de 2013, a CAR foi retirada do modelo NEWAVE, sendo substituída pela metodologia CVaR. 4.9. Mecanismo Atual de Aversão ao Risco: Critério CVaR A fim de aperfeiçoar os modelos de otimização energética vigentes, foi definido através da Resolução CNPE nº3/2013, divulgada em março de 2013, que um mecanismo de risco deveria ser aplicado à formulação desses modelos. Após muitas discussões no setor, foi escolhido adotar o critério do Conditional Value at Risk (CVaR). Essa métrica de risco foi inserida tanto no NEWAVE como no DECOMP. O NEWAVE com o CVaR começou a ser utilizado na primeira semana operativa de setembro de 2013, enquanto no DECOMP o início ocorreu a partir da primeira semana operativa de dezembro de 2013 (CNPE, 2013; ANEEL, 2013b). O critério do CVaR é capaz de valorar um peso maior para os cenários onde os valores de risco de déficit são maiores e, consequentemente, os níveis de armazenamentos são menores em relação aos cenários onde a segurança energética é mais confortável (MACEIRA, 2013). 97 Esse critério de risco teve sua origem no mercado financeiro, iniciado com o Value at Risk (VaR). O VaR representa o valor da perda máxima em unidade monetária, dado um nível de confiança e horizonte de tempo especificado pelo investidor, que uma instituição financeira pode sofrer. Pode ser obtido a partir da distribuição de probabilidade da carteira z = f(x,w) onde αβ é o menor valor para um nível de confiança β, conforme as equações (52) e (53) (SOARES, 2013). β = œ^• z(x, w*dw = prob(z ≥ α7 * 8• 1 − β = œ^• z(x, w*dw = prob(z ≤ α7 * Ÿ (52) (53) Na Figura 34 o VaR se localiza na cauda direita da distribuição. No entanto, o VaR não fornece nenhuma informação a respeito das perdas que o excedem. Figura 34 – Distribuição da frequência de perdas financeiras e VaR. Fonte: SOARES, 2013 No caso do CVaR, é medido a média das piores perdas esperadas em um determinado intervalo de tempo e um determinado nível de segurança. Matematicamente, o CVaR (φβ) de uma distribuição de retornos esperados 98 pode ser escrito conforme a Equação (54). Na Figura 35, a Equação (54) é representada graficamente. ∅7 (x* = ELz„z ≥ α7 (x*Q = œ^• z. p 0w¢z ≥ α7 (x*: dw 8• (54) Figura 35 – Distribuição da frequência de perdas financeiras e CVaR. Fonte: SOARES, 2013 A metodologia escolhida para ser implantada no NEWAVE e DECOMP foi proposta por SHAPIRO (2011), sendo que nela é considerado que a função objetivo do problema é uma combinação convexa entre o valor esperado e CVaR, conforme Equação (55) (FINARDI & MATOS, 2013; PENNA et al., 2013; MACEIRA, 2013). (55) 99 Onde: x1 é um determinado estágio em T; x2 é um determinado estágio em T+1; c1.x1 representa o custo de operação em x1; c2.x2 representa o custo de operação em x2; α é o percentual de quantos piores cenários serão considerados; CVaRα é o Conditional Value at Risk dos α% piores cenários; λ é o peso dos α% piores cenários. Para o CVaR implantado nos modelos NEWAVE e DECOMP, foram definidos o valor de α = 50% e λ = 25% (ANEEL, 2013c). Na Figura 36 é apresentado um esquema comparativo entre a otimização com CAR e com CVaR. No caso da CAR, conforme discutido no item 4.8., apenas aqueles cenários com armazenamentos de reservatórios abaixo da CAR têm o acréscimo de uma penalidade no valor da água, sendo que essa metodologia não é suficiente para preservar os reservatórios em níveis seguros, sendo necessários os POCP. No caso do CVaR, como os cenários desfavoráveis têm um peso maior na minimização do custo médio, o modelo provoca um maior despacho de usinas térmicas de modo que os reservatórios não cheguem em níveis críticos, não sendo necessário a utilização de POCP (SOARES, 2013). 100 Figura 36 – Comparativo entre CAR e CVaR. Fonte: SOARES, 2013. FINARDI & MATOS (2013) realizaram simulações das variações da EAR e CMO em função do parâmetro λ (L) no modelo SMERA (modelo que, ao contrário do NEWAVE, utiliza um modelo estocástico para as energias afluentes sem dependência temporal). Os resultados obtidos para o submercado SE/CO para ENA e CMO são apresentados, respectivamente, pelas Figuras 37 e 38. Figura 37 – Variação da Energia Armazenada para Diferentes Cenário de CVaR. Fonte: FINARDI & MATOS, 2013. 101 Figura 38 – Variação do CMO para Diferentes Cenário de CVaR. Fonte: FINARDI e MATOS, 2013. Claramente pode-se observar que CVaR mantém a energia armazenada em níveis maiores que aqueles sem essa métrica de risco, isso ocorre devido à maiores despachos térmicos sinalizados quando o modelo possui a métrica em questão e, consequentemente, ocorre mais despacho térmico aumentando o CMO. 4.10. Diferenças Entre os Estudos do ONS e da CCEE Tanto a CCEE quanto o ONS utilizam, entre outros modelos, os modelos NEWAVE e DECOMP. No entanto, o objetivo da utilização de cada um desses dois órgãos é diferente. O ONS utiliza esses modelos para fazer a programação da operação da melhor maneira possível, enquanto a CCEE utiliza esses modelos para calcular o PLD que é utilizado para balizar as operações no mercado spot. O PLD é definido por submercado, portanto este preço é do tipo zonal. Dessa forma é necessário considerar que não existem restrições elétricas dentro de um mesmo subsistema, pois apenas assim é possível fazer com que 102 os preços marginais sejam os mesmos para todos os agentes dentro de um mesmo subsistema. O ONS fornece os dados de entrada dos modelos em questão para a CCEE, sendo que esta realiza duas alterações fundamentais para a formação do preço spot: retiram-se dados de disponibilidade provenientes de unidades geradoras em fase de teste e retiram-se os dados de restrições operativas internas de cada subsistema, conforme ilustrado pela Figura 39. Figura 39 – Fluxo de atividades da CCEE para formação do PLD. Fonte: CCEE e ONS, 2010. 103 5. POLÍTICA DE RESPOSTA DE DEMANDA - ANÁLISE PROPOSTA 5.1. Considerações Iniciais O modelo DECOMP passou a incorporar a métrica do CVaR em seus cálculos a partir da 1ª semana operativa de dezembro de 2013 com base no PMO para o mês de dezembro de 2013. Dessa forma, as informações provenientes desse PMO para os posteriores cálculos do PLD tornam-se um ótimo cenário base para simulações que buscam considerar os impactos de alterações de carga, geração ou restrições elétricas de intercâmbio nos preços de curto prazo após a implantação do CVaR nos modelos de formação de PLD. A previsão mensal de carga média utilizada como dados de entrada no modelo NEWAVE são apresentados no Apêndice 1. Já as demandas esperadas por patamares de carga no curto prazo utilizadas como dados de entrada no modelo DECOMP para o cálculo do PLD da 1ª semana operativa de dezembro/13 estão no Apêndice 2. Nesse trabalho foi utilizado o NEWAVE versão 18 e o DECOMP versão 20. Os decks do NEWAVE e DECOMP foram processados em um computador com o processador Intel(R) Core(TM) i5-3470 CPU @ 3,20 GHz e 4,0 GB de memória RAM. O tempo médio do processamento de cada cenário no NEWAVE foi de aproximadamente 39 horas e no DECOMP foi de aproximadamente 56 minutos. Os dados de saída do NEWAVE apontam uma evolução de PLD conforme as informações da Tabela 5 e Figura 40. Através da tabela e figura em questão 104 é possível notar que o PLD tende a apresentar-se elevado em 2014 devido às baixas expectativas de chuvas (Figura 40), seguido de uma queda nos anos posteriores decorrentes da recomposição dos principais reservatórios (Figura 41). O desvio padrão das séries da Tabela 5 é de R$ 62,66/MWh, R$ 58,26/MWh, R$ 72,66/MWh e R$ 74,15/MWh para os subsistemas SE/CO, SUL, NE, N, respectivamente. Tabela 5 – Evolução do PLD calculado pelo NEWAVE com base no PMO de Dez/13 para todos os subsistemas (em R$/MWh). Mês SE/CO SUL NE N Mês SE/CO SUL NE dez/13 368,08 367,46 363,75 363,71 jan/14 333,87 331,90 309,73 309,61 jan/16 135,40 147,06 77,47 fev/14 307,02 305,02 270,03 268,82 fev/16 122,55 134,43 57,35 mar/14 291,74 294,03 240,67 238,78 mar/16 123,29 138,55 57,92 abr/14 282,00 284,19 210,10 207,97 abr/16 127,69 140,40 50,35 mai/14 277,20 276,05 215,54 214,45 mai/16 137,54 144,06 59,66 jun/14 278,21 269,73 239,87 239,99 jun/16 160,72 158,55 92,40 jul/14 jul/16 267,59 256,62 240,35 240,98 170,47 163,32 112,76 ago/14 263,71 251,86 234,38 235,84 ago/16 168,92 161,90 114,76 set/14 260,45 243,27 230,20 231,76 set/16 166,38 155,86 111,97 out/14 256,85 236,64 226,43 226,09 out/16 164,62 152,98 109,43 nov/14 248,24 237,85 210,63 209,60 nov/16 157,82 154,24 103,10 dez/14 216,14 214,86 177,43 177,01 dez/16 126,81 130,33 78,28 jan/15 185,79 191,77 148,21 148,43 jan/17 114,09 122,60 64,08 fev/15 169,40 181,14 121,33 120,78 fev/17 103,64 117,99 51,41 mar/15 177,42 193,56 113,74 110,36 mar/17 105,91 124,53 53,53 abr/15 176,79 194,95 abr/17 121,74 138,58 93,54 92,91 55,87 mai/15 184,78 191,94 112,66 112,67 mai/17 136,22 155,74 66,33 jun/15 197,52 195,36 134,90 134,93 jun/17 160,48 157,35 86,12 jul/15 jul/17 215,87 207,80 143,55 143,73 170,74 163,36 119,60 ago/15 217,42 209,25 140,77 142,72 ago/17 173,70 165,62 118,88 set/15 212,61 193,29 135,99 138,72 set/17 171,45 159,77 119,78 out/15 228,92 191,28 134,67 140,32 out/17 166,40 155,61 109,88 nov/15 195,08 186,38 128,82 132,38 nov/17 151,64 146,79 100,45 dez/15 154,96 154,69 101,50 101,70 dez/17 129,56 129,78 84,23 N 77,69 57,35 57,62 50,34 59,66 92,42 112,76 114,76 111,97 109,41 103,09 78,28 62,22 47,11 41,61 30,28 50,23 80,52 119,60 118,88 119,80 110,26 100,42 82,98 105 Figura 40 – Projeção do PLD de Dezembro/13 a Dezembro/17. A previsão de ENA para o período de dezembro/13 a dezembro/17 é apresentada pelo gráfico da Figura 41. A ENA permaneceu a mesma para todos os cenários de estudo, uma vez que se trata de previsões hidrológicas independentes da operação do sistema elétrico. Figura 41 – ENA projetada no PMO de Dez/13 para o horizonte do estudo do NEWAVE 106 Os valores de energia armazenada (EAR) por subsistema resultante da operação no horizonte de estudo do NEWAVE é apresentado na Figura 42. Nota-se que o subsistema SE/CO possui o maior potencial de armazenamento de energia, seguido dos subsistemas NE, SUL e N, respectivamente. Também é possível observar que existe uma perspectiva de aumento na EAR dos subsistemas SE/CO e NE, visto que atualmente (no início de 2014) os reservatórios desses subsistemas encontram-se em níveis críticos. Figura 42 – EAR projetada pelo NEWAVE para o horizonte de estudo. Os resultados calculados pelo DECOMP são apresentados na Tabela 6. Nessa tabela é possível observar as perpectivas de preços de curto prazo de todas as semanas de dezembro de 2013 calculadas pelo DECOMP. No entanto, apenas a primeira semana do estudo torna-se um resultado oficial divulgado pela CCEE. Todas as operações no mercado de energia elétrica de curto prazo serão valoradas conforme esses valores de PLD. O PLD médio é calculado através da média ponderada de todos os patamares de uma semana 107 específica, sendo que a ponderação é realizada através da quantidade de horas de cada um desses patamares na semana de estudo. Tabela 6 – Preços de curto prazo, em R$/MWh, para o mês de dezembro/13 com base no PMO Subsistema SE/CO Semana 1 2 3 4 5 Pesado 313,81 308,63 304,09 296,74 296,75 Médio 313,81 308,63 304,09 296,29 296,46 Leve 302,28 301,45 296,45 294,71 291,62 Média 309,62 306,03 301,32 295,65 294,38 Subsistema SUL Semana 1 2 3 4 5 Pesado 313,81 308,63 304,09 296,74 296,75 Médio 313,81 308,63 304,09 296,29 296,46 Leve 302,28 301,45 296,45 294,71 291,62 Média 309,62 306,03 301,32 295,65 294,38 Subsistema NE Semana 1 2 3 4 5 Pesado 313,81 308,63 304,09 296,74 296,75 Médio 313,81 308,63 304,09 296,29 296,46 Leve 302,28 301,45 296,45 294,71 291,62 Média 309,62 306,03 301,32 295,65 294,38 Subsistema N Semana 1 2 3 4 5 Pesado 313,81 308,63 304,09 296,74 296,75 Médio 313,81 308,63 304,09 296,29 296,46 Leve 302,28 301,45 296,45 294,71 291,62 Média 309,62 306,03 301,32 295,65 294,38 As projeções semanais de geração térmica, hidráulica e pequenas usinas (PCHs e eólicas) para o mês de dezembro de 2013 são mostradas na Tabela 7. É possível perceber que os despachos térmico e hidráulico no patamar pesado e médio são próximos, o que explica o PLD ser igual ou serem muito próximos nesses patamares. Quando o despacho marginal no patamar pesado e médio é realizado por uma mesma usina, obtem-se o cenário de PLD igual nos dois patamares. No 108 caso da semana 1 de dezembro de 2013, como não existe nenhuma usina térmica com CVU de R$ 313,81/MWh, conclui-se que o despacho marginal foi realizado por uma usina hidráulica, sendo que o custo de oportunidade da água marginal para os dois patares foram iguais. Ademais, os PLDs são iguais para todos os subsistemas devido ao fato de nenhum limite máximo de intercâmbio de energia ter sido atingido. Tabela 7 – Projeção de geração hidrelétrica, térmica e de pequenas usinas, em MWméd, por patamar, para as semanas do mês de dezembro/13 com base no PMO Patamar Pesado Semana 1 2 3 4 5 Geração Hidráulica 56.568,6 56.625,6 55.952,6 53.115,1 53.334,7 Geração Térmica 11.509,8 12.221,8 11.663,8 11.757,3 12.074,7 Geração Peq. Usinas 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 Patamar Médio Semana 1 2 3 4 5 Geração Hidráulica 56.153,7 56.232,7 56.107,8 50.305,6 49.736,0 Geração Térmica 11.473,8 12.170,8 11.620,8 11.703,3 12.019,7 Geração Peq. Usinas 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 Patamar Leve Semana 1 2 3 4 5 Geração Hidráulica 41.097,6 41.462,6 42.107,6 40.171,1 38.403,7 Geração Térmica 11.475,8 11.717,8 11.662,8 11.742,3 12.060,7 Geração Peq. Usinas 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 A evolução da energia armazenada nos reservatórios dos subsistemas do sistema elétrico brasileiro do mês de dezembro de 2013 é apresentada pela Tabela 8. Os valores são apresentados em % da EAR_Máxima, ou seja, os valores correspondem ao percentual do nível máximo do reservatório. Tabela 8 – Energia Armazenada nos Subsistemas (% EAR_Máxima) Subsistema Inicial Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 SE/CO 41,5% 41,3% 41,5% 42,1% 43,6% 45,8% S 73,3% 70,7% 69,1% 68,3% 70,3% 72,1% NE 21,4% 21,1% 21,4% 22,4% 23,9% 26,0% N 34,0% 34,1% 34,2% 33,8% 34,7% 36,0% 109 5.2. Análise dos Impactos da Tarifa Branca no Preço de Curto Prazo A tarifa branca foi uma novidade regulatória que surgiu em meados de 2012 para ajudar a promover uma redução de carga nos horários onde o sistema normalmente apresenta-se mais carregado. Atualmente, a tarifa branca não é aplicada a todos os consumidores residenciais, principalmente pelo fato dos consumidores não estarem adaptados com uma tarifação horária e não possuirem os medidores eletrônicos capazes de distinguir o consumo em diferentes períodos do dia. Existe uma tendência mercadológica, que pode ser observada nos países europeus, de dinamizar cada vez mais o mercado, sendo possível que a tarifa branca torne-se compulsória dentro de alguns anos. Uma redução do consumo residencial e comercial, que são cargas tipicamente do mercado regulado, nos horários de maiores demandas do sistema pode impactar o PLD, balizador que atinge principalmente os agentes que atuam efetivamente no mercado livre de energia elétrica. Com o advento da métrica de risco pelo CVaR, essas variações tendem a ser mais evidentes devido o aumento da volatilidade dos preços no mercado de curto prazo. Com base nos dados dos Apêndices 1 e 2, serão elaborados quatro diferentes estudos de caso dos impactos da tarifa branca no PLD. Os cenários serão compostos por uma redução de 2,5%, 5% e 7,5% da carga residencial de todos os subsistemas no patamar pesado e redistribuição dessa carga para os patamares médio e leve. 110 A redistribuição da carga do patamar pesado para os patamares médio e leve nos cenários propostos será feita distribuindo a carga reduzida no patamar pesado em duas parcelas iguais para cada uma dos outros dois patamares. Além dos impactos no PLD, serão analisados os impactos na EAR, geração hidráulica e geração térmica nos 2000 cenários simulados pelo NEWAVE. Na Tabela 9, são apresentados os valores de redução no patamar pesado e realocação no patamar médio e leve por cenário. Tabela 9 – Cenários para Análises dos Impactos da Tarifa Branca no PLD Redução do Redução da Realocação Realocação da Consumo Energia Total da Carga Carga Reduzida Cenário Residencial Consumida Reduzida no no Patamar no Patamar no Patamar Patamar Leve Pesado Pesado Médio Base 0,00% 0,00% 0,00% 0,00% (PMO de dez/13) 2,50% 0,67% 50,00% 50,00% Redução 2,5% 5,00% 1,34% 50,00% 50,00% Redução 5% 7,50% 2,00% 50,00% 50,00% Redução 7,5% Os impactos da redução carga residencial no patamar pesado no PLD em um horizonte de médio prazo, nos cenários simulados, são apresentados pelas Tabelas 10, 11, 12 e 13. O modelo busca a operação ótima do sistema como um todo e não apenas de um subsistema específico, dessa maneira, faz-se necessário a análise simultânea dos resultados de todos os subsistemas. 111 Tabela 10 – Impacto da resposta da demanda no PLD no horizonte de médio prazo calculado pelo NEWAVE para o subsistema SE/CO (valores em R$/MWh) 2015 2016 Cenários (SE/CO) Patamar 2014 Pesado 273,80 193,72 147,17 Base (PMO de dez/13) Médio 273,73 193,55 147,04 Leve 273,33 192,17 146,50 Pesado 271,51 193,01 147,21 Redução 2,5% Médio 271,41 192,91 147,08 Leve 270,93 191,25 146,32 Pesado 273,47 190,14 146,89 Redução 5% Médio 273,40 190,07 146,77 Leve 272,89 188,37 146,31 Pesado 272,64 193,00 147,06 Redução 7,5% Médio 272,54 192,81 146,94 Leve 272,11 191,69 146,26 Tabela 11 – Impacto da resposta da demanda no PLD no horizonte de médio prazo calculado pelo NEWAVE para o subsistema SUL (valores em R$/MWh) 2015 2016 Cenários (SUL) Patamar 2014 Pesado 272,96 199,95 155,98 Base (PMO de dez/13) Médio 272,53 199,44 155,02 Leve 252,60 174,40 135,42 Pesado 271,83 198,76 154,96 Redução 2,5% Médio 271,60 198,59 154,02 Leve 251,26 173,88 134,64 Pesado 292,49 198,24 154,12 Redução 5% Médio 292,22 198,17 154,09 Leve 256,23 171,96 134,24 Pesado 280,07 208,60 154,08 Redução 7,5% Médio 282,01 209,35 154,67 Leve 254,40 177,17 134,42 112 Tabela 12 – Impacto da resposta da demanda no PLD no horizonte de médio prazo calculado pelo NEWAVE para o subsistema NE (valores em R$/MWh) Cenários (NE) Patamar 2014 2015 2016 Pesado 242,89 132,53 89,87 Base (PMO de dez/13) Médio 238,84 128,88 88,41 Leve 224,38 119,86 80,22 Pesado 240,96 130,83 89,01 Redução 2,5% Médio 237,56 127,91 87,55 Leve 224,72 118,21 80,10 Pesado 241,67 128,93 88,70 Redução 5% Médio 239,80 126,91 87,90 Leve 226,55 116,77 79,97 Pesado 243,81 132,76 90,17 Redução 7,5% Médio 239,58 129,17 88,83 Leve 226,56 119,25 81,26 Tabela 13 – Impacto da resposta da demanda no PLD no horizonte de médio prazo calculado pelo NEWAVE para o subsistema N (valores em R$/MWh) 2015 2016 Cenários (N) Patamar 2014 Pesado 240,83 132,20 89,60 Base (PMO de dez/13) Médio 238,10 130,08 88,44 Leve 224,98 120,51 80,24 Pesado 238,86 129,55 89,06 Redução 2,5% Médio 236,61 127,95 87,79 Leve 225,28 118,62 80,05 Pesado 240,11 128,40 88,73 Redução 5% Médio 238,98 127,28 87,93 Leve 227,29 117,38 79,99 Pesado 241,75 131,22 90,07 Redução 7,5% Médio 238,85 129,22 88,88 Leve 227,14 119,65 81,31 A partir dos resultados apresentados para os cenários de redução de 2,5% e 5%, é possível observar que o alívio de carga no patamar pesado dos subsistemas do SIN através do load shifting da carga para os patamares médio e leve resultou, na maioria dos anos, não só em uma ligeira redução do PLD no patamar pesado, mas também para os patamares médio e leve. Esse resultado é reflexo da redução do custo de oportunidade da água nos patamares médio e 113 leve decorrente da redução de carga do pesado. Dessa forma, observa-se que mesmo aumentando a carga nos patamares médio e leve, a redução da carga no patamar pesado poderia ocasionar uma redução do PLD em todos os patamares. Faz-se exceção os anos de 2014 para os subsistemas NE e N, onde ocorre a redução do PLD no patamar pesado, mas o PLD nos patamares leve e médio apresentam tendências de aumento. Para o ano de 2014, no cenário de 5% de redução de carga, o load shifting no subsistema SUL traria acréscimos indesejáveis de PLD para este subsistema. Nos dados do PMO apresentados pelas Tabelas A1.2 e A2.1, percebe-se a demanda máxima a ser atendida no patamar médio é maior mesmo do que a demanda máxima que deve ser atendida no patamar pesado. Essa é uma característica atípica da carga desse sistema. O aumento da carga dos patamares médio e leve faz com que o subsistema em questão fique ainda mais sobrecarregado de maneira que o limite de intercâmbio de importação de energia entre os subsistema SUL e SE/CO seja atingido, sendo necessário um maior despacho de usinas térmicas no subsistema SUL e consequente elevação do PLD nesse subsistema. Já para o cenário de redução de 7,5%, foi possível constatar que a redução de carga não foi benéfica para a operação e para os preços dos subsistemas, uma vez que o load shifting para o patamar médio fez com que a carga no patamar médio ficasse superior ao patamar pesado em determinados momentos do horizonte de estudo. Isso explica também porque em alguns momentos o PLD do patamar médio apresentou-se até mesmo superior ao PLD no patamar pesado. 114 Na Figura 43 são apresentados quatro gráficos comparativos nos quais podem ser observados os impactos na EAR por subsistema em cada um dos cenários de estudo. Figura 43 – Comparação entre a EAR média projetada no horizonte do estudo do NEWAVE por subsistemas e cenários As variações da EAR são mais significantes para os subsistemas SUL e N. No subsistema SUL a redução de carga no patamar pesado faz com que nos dois primeiros anos de estudo a EAR apresente-se menor do que no caso base e a situação oposta ocorre nos últimos meses de estudo. No início do estudo, o subsistema SUL encontra-se com um nível de armazenamento de reservatórios médio de 73,3%, contra 41,5% no subsistema SE/CO. A redução acentuada da EAR ocorre porque o despacho hidrelétrico no SUL aumenta para ajudar na recomposição dos reservatórios do SE/CO. A EAR do N é a que mais varia em relação ao caso base devido aos reservatórios desse subsistema serem bastante pequenos e sensíveis a 115 mudanças no planejamento energético. Ainda através da análise da Figura 43, conclui-se que a EAR no subsistema NE terminou em níveis maiores nos cenários com redução de carga pesada quando comparado ao cenário base no final do horizonte do estudo, indicando assim um acréscimo na segurança energética desse subsistema. Na Tabela 14 são apresentados os resultados do PLD calculados pelo DECOMP para os cenários propostos de redução de 2,5% e 5% do patamar pesado para as semanas do mês de dezembro de 2013. A Tabela 15 apresenta as mesmas informações para o cenário de redução de 7,5%. Tabela 14 – PLD calculado para as semanas do mês de dezembro/13 para os cenários de redução de 2,5% e 5% da carga no patamar pesado, em R$/MWh. Semana Cenário Redução 2,5% Cenário Redução 5% Subsistema SE/CO Subsistema SE/CO 1 2 3 4 5 Semana 1 2 3 4 5 Pesado 307,98 303,87 299,82 291,27 291,56 Pesado 310,76 304,42 302,21 293,74 293,91 Médio 307,98 303,87 299,82 291,27 291,56 Médio 310,76 304,42 302,21 293,74 293,91 Leve 298,59 297,41 292,91 290,99 287,40 Leve 301,28 298,60 296,21 293,46 290,46 Média 304,57 301,52 297,31 291,14 289,75 Média 307,32 302,31 300,03 293,62 292,41 Subsistema SUL Semana 1 2 3 Subsistema SUL 4 5 Semana 1 2 3 4 5 Pesado 307,98 303,87 299,82 291,27 291,56 Pesado 310,76 304,42 302,21 293,74 293,91 Médio 307,98 303,87 299,82 291,27 291,56 Médio 310,76 304,42 302,21 293,74 293,91 Leve 298,59 297,41 292,91 290,99 287,40 Leve 301,28 298,60 296,21 293,46 290,46 Média 304,57 301,52 297,31 291,14 289,75 Média 307,32 302,31 300,03 293,62 292,41 Subsistema NE Semana 1 2 3 Subsistema NE 4 5 Semana 1 2 3 4 5 Pesado 307,98 303,87 299,82 291,27 291,56 Pesado 310,76 304,42 302,21 293,74 293,91 Médio 307,98 303,87 299,82 291,27 291,56 Médio 310,76 304,42 302,21 293,74 293,91 Leve 298,59 297,41 292,91 290,99 287,40 Leve 301,28 298,60 296,21 293,46 290,46 Média 304,57 301,52 297,31 291,14 289,75 Média 307,32 302,31 300,03 293,62 292,41 Subsistema N Semana 1 2 3 Subsistema N 4 5 Semana 1 2 3 4 5 Pesado 307,98 303,87 299,82 291,27 291,56 Pesado 310,76 304,42 302,21 293,74 293,91 Médio 307,98 303,87 299,82 291,27 291,56 Médio 310,76 304,42 302,21 293,74 293,91 Leve 298,59 297,41 292,91 290,99 287,40 Leve 301,28 298,60 296,21 293,46 290,46 Média 304,57 301,52 297,31 291,14 289,75 Média 307,32 302,31 300,03 293,62 292,41 116 Tabela 15 – PLD calculado para as semanas do mês de dezembro/13 para o cenário de redução de 7,5% da carga no patamar pesado, em R$/MWh. Cenário Redução 7,5% Subsistema SE/CO Semana 1 2 3 4 5 Pesado 308,64 304,40 299,87 292,06 292,30 Médio 308,64 304,40 299,87 292,06 292,30 Leve 299,22 297,43 292,75 290,58 287,65 Média 305,22 301,87 297,29 291,42 290,28 Subsistema SUL Semana 1 2 3 4 5 Pesado 308,64 304,40 299,87 292,06 292,30 Médio 308,64 304,40 299,87 292,06 292,30 Leve 299,22 297,43 292,75 290,58 287,65 Média 305,22 301,87 297,29 291,42 290,28 Subsistema NE Semana 1 2 3 4 5 Pesado 308,64 304,40 299,87 292,06 292,30 Médio 308,64 304,40 299,87 292,06 292,30 Leve 299,22 297,43 292,75 290,58 287,65 Média 305,22 301,87 297,29 291,42 290,28 Subsistema N Semana 1 2 3 4 5 Pesado 308,64 304,40 299,87 292,06 292,30 Médio 308,64 304,40 299,87 292,06 292,30 Leve 299,22 297,43 292,75 290,58 287,65 Média 305,22 301,87 297,29 291,42 290,28 Através da comparação das informações na Tabela 14 com as informações da Tabela 6, pode-se concluir que a resposta da demanda proveniente das tarifas brancas trouxe uma redução do PLD para todos os patamares de carga do sistema no curto prazo para todos os cenários de estudo. No entanto, essa redução foi mais significativa para o cenário de redução de 2,5%, seguido dos cenários de 7,5% e 5%, respectivamente. 117 Na Tabela 16 são apresentadas as projeções de despacho hidrelétrico, térmico e de pequenas usinas calculados pelo DECOMP para os cenários propostos de redução de 2,5% e 5% do patamar pesado para as semanas do mês de dezembro de 2013. A Tabela 17 apresenta as mesmas informações para os cenários de redução de 7,5%. Tabela 16 – Geração hidrelétrica, térmica e de pequenas usinas projetadas para as semanas do mês de dezembro/13 para os cenários de redução de 2,5% e 5% da carga no patamar pesado, em MWméd. Semana Cenário Redução 2,5% Cenário Redução 5% Patamar Pesado Patamar Pesado 1 2 3 4 5 1 2 3 4 5 Geração Hidráulica 56.090,6 56.623,6 55.433,6 52.659,1 52.874,7 55.613,6 55.659,6 55.003,6 52.202,1 52.414,7 Geração Térmica 11.509,8 11.741,8 11.663,8 11.757,3 12.074,7 11.509,8 12.221,8 11.663,8 11.757,3 12.074,7 Geração Peq. Usinas 5.132,0 5.132,0 Patamar Médio Semana 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 Patamar Médio 1 2 3 5.132,0 5.132,0 5.132,0 Patamar Médio 4 5 1 2 3 4 5 Geração Hidráulica 56.201,7 56.761,7 56.164,7 50.348,6 49.779,0 56.251,7 56.348,5 56.203,8 50.391,6 49.822,0 Geração Térmica 11.473,8 11.690,8 11.620,8 11.703,3 12.019,7 11.473,8 12.153,1 11.620,8 11.703,3 12.019,7 Geração Peq. Usinas 5.132,0 5.132,0 Patamar Leve Semana 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 Patamar Leve 1 2 3 5.132,0 5.132,0 5.132,0 Patamar Leve 4 5 1 2 3 4 5 Geração Hidráulica 41.167,6 41.534,6 42.176,6 40.218,1 38.760,8 41.238,6 41.604,6 42.247,6 40.265,1 38.497,7 Geração Térmica 11.475,8 11.717,8 11.662,8 11.742,3 11.750,6 11.475,8 11.717,8 11.662,8 11.742,3 12.060,7 Geração Peq. Usinas 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 118 Tabela 17 – Geração hidrelétrica, térmica e de pequenas usinas projetadas para as semanas do mês de dezembro/13 para os cenários de redução de 7,5% da carga no patamar pesado, em MWméd. Cenário Redução 7,5% Patamar Pesado Semana 1 2 3 4 5 Geração Hidráulica 55.135,6 55.657,6 54.485,6 51.746,1 51.953,7 Geração Térmica 11.509,8 11.741,8 11.663,8 11.757,3 12.074,7 Geração Peq. Usinas 5.132,0 5.132,0 Patamar Médio Semana 5.132,0 5.132,0 5.132,0 Patamar Médio 1 2 3 4 5 Geração Hidráulica 56.298,7 56.858,7 56.259,7 50.433,6 49.865,0 Geração Térmica 11.473,8 11.690,8 11.620,8 11.703,3 12.019,7 Geração Peq. Usinas 5.132,0 5.132,0 Patamar Leve Semana 5.132,0 5.132,0 5.132,0 Patamar Leve 1 2 3 4 5 Geração Hidráulica 41.307,6 41.676,6 42.316,6 40.311,1 38.855,8 Geração Térmica 11.475,8 11.717,8 11.662,8 11.742,3 11.750,6 Geração Peq. Usinas 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 Através da análise comparativa da Tabela 16 com a Tabela 7, percebe-se que houve uma redução de despacho no patamar pesado dos cenários de redução da carga pesada e aumento de despacho nos patamares médio e leve, como já era esperado. As variações de despacho foram sentidas principalmente no despacho hidrelétrico indicando mudanças no custo de oportunidade da água, uma vez que o despacho térmico para a maioria dos patamares e subsistemas continuaram os mesmos. A exceção ocorreu na segunda semana de todos os cenários e no patamar leve da quinta semana dos cenários de redução de 2,5% e 7,5%. Os gráficos da Figura 44 apontam para um aumento do nível dos reservatórios do subsistema SE/CO, redução dos níveis nos subsistemas SUL 119 e N e manutenção dos níveis dos reservatórios no subsistema NE em relação ao caso base. A redução da geração hidrelétrica na carga pesada é utilizada para recomposição dos reservatórios do SE/CO, uma vez que esse subsistema possui as maiores cascatas hidráulicas e maiores cargas. Nos patamares médio e leve, quando são necessários maiores despachos hidrelétricos em relação ao cenário base, são utilizadas usinas hidrelétricas dos subsistemas SUL e N para tal finalidade, uma vez que os níveis dos reservatórios do SUL estão em níveis mais favoráveis quando comparados com os outros subsistemas no período de estudo e que os reservatórios do N são os mais pequenos e rápidos de se recomporem. No subsistema NE é mantido o mesmo despacho hidrelétrico nos cenários de redução em relação ao cenário base, mantendo assim os mesmos níveis de EAR. Figura 44 – Comparação entre a EAR projetada pelo DECOMP para as semanas de dezembro/13 por subsistemas e cenários. 120 A Tabela 18 apresenta o desvio padrão das projeções do preço, por cenário e subsistema, no horizonte de estudo do NEWAVE. Tabela 18 – Desvio padrão das projeções do preço no horizonte de estudo do NEWAVE por cenário e subsistema, em ±R$/MWh. Subsistema Base Redução 2,5% Redução 5% Redução 7,5% SE/CO 62,66 61,80 62,48 62,13 SUL 58,26 58,82 65,21 61,24 NE 72,66 58,82 72,93 72,60 N 74,15 72,99 74,24 73,99 A variação do desvio padrão do cenário base para o cenário de redução 2,5% é pequena, exceto no subsistema NE. A variação do desvio padrão do cenário base para o cenário de redução 5% e 7,5% é pequena, exceto no subsistema SUL. A pequena variação de um cenário para o outro é um indício de que a tarifa branca não afeta a volatilidade dos preços nos submercado SE/CO e N. No entanto, a tarifa branca pode tornar o preço no submercado SUL mais volátil e do NE menos volátil. No caso do submercado SUL, o aumento da volatilidade ocorre devido à realocação de carga para o patamar médio fazer o limite de intercâmbio de importação de energia elétrica entre o subsistema SUL e SE/CO ser mais frequentemente atingido e dessa forma os preços apresentarem elevações devido ao despacho térmico de usinas de CVU maiores que aquelas acionadas no despacho nos outros subsistemas. 121 5.3. Proposta de Política de Resposta da Demanda e Seus Impactos no PLD 5.3.1. Política de Resposta da Demanda Proposta A literatura e as regulações atuais de diversos mercados apontam que os programas de resposta da demanda baseados na oferta de redução de carga são promissores. No entanto, atualmente não existe nenhum tipo de programa de resposta da demanda com esse embasamento no mercado elétrico brasileiro. No caso brasileiro, uma boa maneira de se aplicar um programa de resposta da demanda baseada em ofertas de redução seria através da criação de um mecanismo de curto prazo onde alguns consumidores informariam previamente ao ONS a disponibilidade de redução de carga para determinados meses e o valor associado financeiro a essa redução. Com esse objetivo, a Figura 45 é apresenta o fluxograma para o mecanismo proposto. Figura 45 – Fluxograma das regras do programa de resposta da demanda proposto. 122 Etapa 1: O ONS deverá divulgar um calendário onde o consumidor i participante do programa de RD deverá informar sua disponibilidade mensal, por patamar, de redução de demanda (DRDi,m,s,p), em MW, para um período de cinco anos (de A até A+5, com seus respectivos custos associados (CRDi,m,s,p), em R$/MWh). Os valores de DRDi,m,s,p e CRDi,m,s,p para o primeiro ano (A) será assumido como obrigação do participante, enquanto para os últimos quatro anos (de A+1 a A+5) será considerado para fins de projeção de preço futuro. Antes de iniciar o segundo ano operativo, o consumidor i poderá rever os valores que haviam sido apresentados para o período de A+1 a A+5 e também deverá informar seus DRDi e CRDi para o ano A+6. Etapa 2: Os valores de DRDi,m,s,p e CRDi,m,s,p deverão ser inseridos nos decks do NEWAVE e DECOMP para que o programa de RD esteja disponível como um recurso para o sistema no planejamento da operação. Para operacionalizar essa etapa, será utilizada a metodologia proposta por Souza (2010), onde os valores de DRDi,m,s,p e CRDi,m,s,p de cada consumidor i são adicionados aos modelos através da inserção de usinas térmicas virtuais nos dados de entrada. O valor de DRDi,m,s,p corresponderá ao valor da garantia física da usina térmica enquanto o valor de CRDi,m,s,p corresponderá ao valor de CVU da usina (SOUZA, 2010). Etapa 3: Quando o custo marginal de operação calculado pelos modelos NEWAVE e DECOMP apresentar superior ao CRDi,m,s,p do consumidor participante i, será sinalizado pelo modelo a necessidade da participação desses consumidores com a redução de carga para o sistema. Dessa forma, o despacho da térmica virtual que representa o corte de carga i ocorrerá 123 (fisicamente será realizado a redução de carga do consumidor i) (SOUZA, 2010). Etapa 4: Os modelos são rodados antes do início da semana operativa e os resultados divulgados na sexta-feira, uma vez que a semana operativa começa no sábado. Caso os modelos indiquem que será necessário a participação do consumidor i na operação do sistema, o ONS sinalizará para o consumidor que existe a obrigação de que a carga seja reduzida. Etapa 5: O consumidor i que obter a sinalização do ONS para reduzir a carga deverá ser remunerado caso seja cumprida a sua obrigação de redução, caso contrário este consumidor será penalizado. O valor a ser recebido pelo cumprimento das obrigações do consumidor no programa de RD, denominado parcela de remuneração do consumidor participante da resposta da demanda para o mês m (PRC_RDm), deverá ser calculado conforme a equação (54): PRC_RD = ∑\¤ ∑Zl DRDE , ,¤,l ∗ CRD , ,¤,l (54) Considerando que: 0 ≤ DRDE , ,¤,l ≤ DRDS , ,¤,l (55) Onde: s é a semana operativa; n é o número de semana operativa do mês m; PRC_RDm é o valor a receber do consumidor i pela participação do programa de RD (R$); DRDEi,m,s,p é o valor de redução efetivado para o consumidor i; DRDSi,m,s,p é o valor de redução solicitada para o consumidor i; 124 O valor a ser pago pelo não cumprimento das obrigações do consumidor no programa de RD, denominado penalidade de participação no programa de resposta da demanda para o mês m (PEN_RDm), deverá ser calculado conforme a equação (56): PEN_RD = ∑\¤ ∑Zl DRDS , ,¤,l − DRDE , ,¤,l " ∗ PLD ,¤,l (56) Onde: PEN_RDm é o valor a ser pago do consumidor i pelo não atendimento ao programa de RD (R$); PLDm,s,p é o PLD do patamar p da semana s do mês m. Dessa forma, o valor a ser liquidado para o consumidor i participante do programa de RD (LIQ_RDi,m) é dado pela equação (57): LIQ_RDi,m = PRC_RDm + PEN_RDm (57) 5.3.2. Carga Gerenciável para a Resposta da Demanda Considerando os impactos da resposta da demanda em diferentes setores industriais, verifica-se que as indústrias de alumínio, alumina, bauxita, siderurgia, ferroligas, cobre, papel e celulose são passíveis de gerenciamento de carga provenientes de programas da resposta da demanda. Essa verificação baseia-se no fato das mesmas somarem aproximadamente 36% do consumo industrial brasileiro e apresentarem uma elasticidade de 0,16 (NEEMAN et al., 2005). Com base nos dados do PMO de Dezembro de 2013 foi definida, na Tabela 19, a demanda participante do programa de resposta da demanda proposto por 125 submercado. Não foi definida nenhuma carga participante do programa de RD no submercado N, uma vez que esse submercado é tipicamente exportador de energia. Tabela 19 – Definição da Carga Participante do Programa de RD Submercado Carga Dez/13 PMO (MWméd) Carga Industrial (MWméd) Carga das Industriais com Demanda Gerenciável (MWméd) 16% da Carga das Industriais com Demanda Gerenciável (MWméd) Carga Participante do Programa de RD (MWméd) SE/CO SUL NE 38.499 10.999 9.956 15.785 4.510 4.082 5.682 1.623 1.470 909 260 235 900 300 270 No trabalho de SOUZA (2010) foram definidos dois cenários para as análises dos impactos de um programa de resposta da demanda no mercado de curto prazo brasileiro. Os preços da disposição para redução de carga desses cenários foram mantidos nesse trabalho, sendo que foram adaptados os montantes participantes do programa de RD. O programa de RD proposto por SOUZA (2010) contempla apenas redução de carga no submercado SE/CO, já no presente trabalho, a redução ocorrerá nos submercados SE/CO, SUL e NE, conforme a Tabela 20. 126 Tabela 20 – Definição de cenários e usinas termelétricas virtuais para simulação do programa de RD. Cenário Cenário 1 Cenário 2 5.3.3. Usina Térmica Virtual Apresentando a Carga Disponibilidade Disponível no (MW) Programa de RD UTV1-SE UTV1-SUL 900 300 UTV1-NE UTV1-SE UTV2-SE UTV3-SE UTV1-SUL UTV2-SUL UTV3-SUL UTV1-NE UTV2-NE UTV3-NE 270 300 300 300 100 100 100 90 90 90 Disposição para Redução de Carga (R$/MWh) R$ 100,00 R$ 100,00 R$ 100,00 R$ 130,00 R$ 150,00 R$ 200,00 R$ 130,00 R$ 150,00 R$ 200,00 R$ 130,00 R$ 150,00 R$ 200,00 Impactos no PLD Os impactos nos PLDs médios anuais, por patamar e cenário, do programa de resposta da demanda no horizonte de estudo do NEWAVE são apresentados nas Tabelas 21, 22, 23 e 24, para os submercados SE/CO, SUL, NE e N, respectivamente. Tabela 21 – Impacto da resposta da demanda no PLD no horizonte de médio prazo calculado pelo NEWAVE para o subsistema SE/CO (valores em R$/MWh) Cenários (SE/CO) Patamar 2014 2015 2016 Pesado 273,80 193,72 147,17 Base Médio 273,73 193,55 147,04 Leve 273,33 192,17 146,50 Pesado 200,77 141,67 109,63 Cenário 1 Médio 200,64 141,52 109,52 Leve 200,06 140,78 108,76 Pesado 209,79 145,14 114,64 Cenário 2 Médio 209,66 144,96 114,54 Leve 208,52 143,70 113,66 127 Tabela 22 – Impacto da resposta da demanda no horizonte de médio prazo calculado pelo NEWAVE para o subsistema SUL (valores em R$/MWh) Cenários (SUL) Patamar 2014 2015 2016 Pesado 272,96 199,95 155,98 Base Médio 272,53 199,44 155,02 Leve 252,60 174,40 135,42 Pesado 216,54 157,96 112,83 Cenário 1 Médio 216,10 157,92 112,72 Leve 185,99 131,13 99,03 Pesado 210,71 155,55 121,72 Cenário 2 Médio 210,67 155,31 121,51 Leve 192,03 132,86 103,90 Tabela 23 – Impacto da resposta da demanda no horizonte de médio prazo calculado pelo NEWAVE para o subsistema NE (valores em R$/MWh) Cenários (NE) Patamar 2014 2015 2016 Pesado 242,89 132,53 89,87 Base Médio 238,84 128,88 88,41 Leve 224,38 119,86 80,22 Pesado 185,81 103,80 73,95 Cenário 1 Médio 182,14 101,02 72,44 Leve 172,58 93,44 66,60 Pesado 192,70 106,83 76,81 Cenário 2 Médio 189,20 103,93 75,65 Leve 179,83 96,27 68,54 Tabela 24 – Impacto da resposta da demanda no horizonte de médio prazo calculado pelo NEWAVE para o subsistema N (valores em R$/MWh) Cenários (N) Patamar 2014 2015 2016 Pesado 240,83 132,20 89,60 Base Médio 238,10 130,08 88,44 Leve 224,98 120,51 80,24 Pesado 183,89 102,51 73,73 Cenário 1 Médio 181,36 100,91 72,46 Leve 173,05 93,79 66,63 Pesado 190,96 106,36 76,56 Cenário 2 Médio 188,58 104,71 75,66 Leve 180,17 97,35 68,57 Observa-se que a redução do PLD foi significativa para todos os patamares e submercados, em todo o horizonte de estudo. Com a implantação do 128 programa de resposta da demanda, o NEWAVE olha para os meses futuros de estudo e identifica a possibilidade de redução de carga como um aumento de capacidade do sistema. Esse aumento de capacidade identificado pelo modelo faz com que o custo de oportunidade da água diminua além de agora ser necessário um despacho menor devido à redução de carga implicando em uma queda dos preços. A Figura 46 compara as evoluções do PLD médio mensal entre o cenário base e os cenários propostos. Em todos os meses o PLD nos cenários 1 e 2 está abaixo do cenário base, sendo que no cenário 1 o PLD médio mensal é menor em todos os meses do horizonte de estudo em relação ao cenário 2, uma vez que o preço para se obter a redução de carga por resposta da demanda no cenário 1 é menor. Figura 46 – Comparação da evolução mensal do PLD nos diferentes cenários de estudo 129 Na Figura 47 são apresentados quatro gráficos comparativos nos quais podem ser observados os impactos na EAR por subsistema em cada um dos cenários de estudo. Figura 47 – Comparação entre a EAR média projetada no horizonte do estudo do NEWAVE por subsistemas e cenários No subsistema SE/CO, pode-se perceber que a EAR dos cenários 1 e 2 apresentou uma tendência de ficar em níveis inferiores à EAR do cenário base no período úmido (dezembro a abril) e no final do período seco (setembro a novembro) e em níveis superiores no restante do período seco (maio a agosto). Esse resultado mostra que com o programa de RD proposta, o sistema estaria mais confortável para deplecionar seus reservatórios no período úmido, uma vez que seria possível estocar água nos reservatórios com maior facilidade no período seco em relação ao cenário sem a RD. A EAR do cenário 1 mantevese superior à EAR do cenário 2 em todo o horizonte de estudo. 130 No início do estudo, os reservatórios estão em níveis desfavoráveis devido aos baixos níveis de afluência presenciados no ano 2013. Nesse sentido, podese observar que com o programa de RD, foi possível deplecionar os reservatórios do SUL a fim de auxiliar na recomposição dos reservatórios do SE/CO, dessa forma a EAR dos cenários 1 e 2 foram inferiores ao cenário base nos primeiros 2 anos de estudo. No final do estudo, a EAR dos cenários 1 e 2 tornaram-se superiores àquela do cenário base. No primeiro ano de estudo a EAR do cenário 1 foi inferior à EAR do cenário 2, após esse período dessa condição foi invertida. O subsistema NE recuperou com o auxílio do subsistema N de maneira análoga a relação entre o subsistema SE/CO e SUL descrita no parágrafo anterior. Em todo o horizonte de estudo a EAR para o NE nos cenários 1 e 2 foi superior ao cenário base, sendo que no N periodicamente a EAR nos cenário 1 e 2 eram inferiores ao cenário base devido a ação de deplecionamento dos reservatórios desse subsistema em prol de preservar os níveis dos reservatórios no subsistema NE. Ora a EAR do cenário 1 apresentou-se superior ao cenário 2, ora o oposto, tanto nas simulação para o subsistema NE quanto para o N. A Tabela 25 apresenta PLD calculado para as semanas do mês de dezembro de 2013 para os cenários 1 e 2, em R$/MWh. 131 Tabela 25 – PLD calculado para as semanas do mês de dezembro/13 para os cenários 1 e 2, em R$/MWh. Semana 1 Cenário 1 Cenário 2 Subsistema SE/CO Subsistema SE/CO 2 3 4 5 Semana 1 2 3 4 5 Pesado 226,56 222,06 220,52 214,49 214,41 Pesado 233,83 229,26 227,57 221,75 221,36 Médio 226,56 222,06 220,52 214,46 214,41 Médio 233,83 229,26 227,57 221,75 221,36 Leve 219,65 217,89 216,14 214,40 211,54 Leve 226,93 224,74 223,06 221,54 219,05 Média 224,05 220,54 218,93 214,44 213,16 Média 231,32 227,62 225,94 221,66 220,36 Subsistema SUL Semana 1 2 3 Subsistema SUL 4 5 Semana 1 2 3 4 5 Pesado 226,56 222,06 220,52 214,49 214,41 Pesado 233,83 229,26 227,57 221,75 221,36 Médio 226,56 222,06 220,52 214,46 214,41 Médio 233,83 229,26 227,57 221,75 221,36 Leve 219,65 217,89 216,14 214,40 211,54 Leve 226,93 224,74 223,06 221,54 219,05 Média 224,05 220,54 218,93 214,44 213,16 Média 231,32 227,62 225,94 221,66 220,36 Subsistema NE Semana 1 2 3 Subsistema NE 4 5 Semana 1 2 3 4 5 Pesado 226,56 222,06 220,52 214,49 214,41 Pesado 233,83 229,26 227,57 221,75 221,36 Médio 226,56 222,06 220,52 214,47 214,41 Médio 233,83 229,26 227,57 221,75 221,36 Leve 223,59 217,89 216,15 214,40 211,54 Leve 230,76 224,74 223,06 221,54 219,05 Média 225,48 220,55 218,93 214,44 213,16 Média 232,72 227,62 225,94 221,66 220,36 Subsistema N Semana 1 2 3 Subsistema N 4 5 Semana 1 2 3 4 5 Pesado 226,56 222,06 220,52 214,49 214,41 Pesado 233,83 229,26 227,57 221,75 221,36 Médio 226,56 222,06 220,52 214,46 214,41 Médio 233,83 229,26 227,57 221,75 221,36 Leve 219,65 217,89 216,14 214,40 211,54 Leve 226,93 224,74 223,06 221,54 219,05 Média 224,05 220,54 218,93 214,44 213,16 Média 231,32 227,62 225,94 221,66 220,36 Comparando as informações da Tabela 25 com as informações da Tabela 6, pode-se concluir que o programa de resposta de demanda trouxe uma redução do PLD para todos os patamares de carga do sistema nos cenários 1 e 2. Como o preço para redução de carga pelo programa de RD do cenário 1 é menor em relação ao cenário 2, houve maior redução nos PLDs do cenário 1. No mês de dezembro de 2013 o subsistema SE/CO encontra-se em uma condição de exportador de energia para o subsistema NE, sendo que o intercâmbio de exportação entre SE/CO e NE foi atingido apenas na primeira 132 semana, resultando em um deslocamento do PLD do patamar leve no submercado NE em relação aos demais. Na Tabela 26 são apresentadas as projeções de despacho hidrelétrico, térmico e de pequenas usinas calculados pelo DECOMP para os cenários 1 e 2 para as semanas do mês de dezembro de 2013. Tabela 26 – Geração hidrelétrica, térmica e de pequenas usinas projetadas para as semanas do mês de dezembro/13 para os cenários 1 e 2, em MWméd. Semana 1 Cenário 1 Cenário 2 Patamar Pesado Patamar Pesado 2 3 4 5 1 2 3 4 5 Geração Hidráulica 55.818,9 56.440,9 55.264,9 52.695,7 52.907,6 55.710,8 56.370,9 55.194,9 52.476,4 52.696,0 Geração Térmica 10.789,5 10.936,5 10.837,5 10.706,7 11.031,8 10.897,6 11.006,5 10.907,5 10.926,0 11.243,4 Geração Peq. Usinas 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 Resposta da Demanda 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 3 4 5 1 2 3 4 5 Patamar Médio Semana 1 2 Geração Hidráulica 55.404,0 56.039,1 55.473,0 49.886,2 49.308,9 55.295,9 55.978,0 55.403,0 49.666,9 49.097,3 Geração Térmica 10.753,5 10.894,5 10.794,5 10.652,7 10.976,8 10.861,6 10.955,5 10.864,5 10.872,0 11.188,4 Geração Peq. Usinas 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 Resposta da Demanda 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 3 4 5 1 2 3 4 5 Patamar Leve Semana 1 2 Geração Hidráulica 40.417,9 41.001,9 41.675,9 39.751,7 37.976,6 40.347,9 40.727,9 41.393,9 39.532,4 37.975,0 Geração Térmica 10.685,5 10.708,5 10.624,5 10.691,7 11.017,8 10.755,5 10.982,5 10.906,5 10.911,0 11.019,4 Geração Peq. Usinas 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 5.132,0 Resposta da Demanda 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 1.470,0 A Tabela 26 aponta para um redução do despacho hidráulico e térmico nos cenários 1 e 2 quando comparado com o cenário base (Tabela 7). Como o CMO calculado no planejamento da operação foi superior aos custos de redução de carga dos cenários 1 e 2, todas as unidades consumidoras do programa de resposta da demanda foram chamadas para redução da carga. Como já era esperada, a soma das reduções hidráulica e térmica equivale à 133 redução de carga através do programa de resposta da demanda. Para o cenários 1 e 2 a redução foi de 1.470 MW. Na primeira semana de dezembro, em ambos os cenários, a redução de 1.470 MW implicou na redução da geração do mesmo montante distribuído em aproximadamente 50% de redução hidrelétrica e 50% de redução térmica. A partir da segunda semana a redução foi distribuída predominantemente na redução de despacho térmico. Os gráficos da Figura 48 apontam para um aumento do nível dos reservatórios do subsistema SE/CO, redução dos níveis nos subsistemas SUL e manutenção dos níveis dos reservatórios no subsistema NE em relação ao caso base. No caso do subsistema N, houve uma ligeira redução dos níveis dos reservatórios para o cenário 1, porém não houve variação do nível dos reservatórios no cenário 2 em relação ao cenário base. O aumento da capacidade do sistema devido à implantação do programa de resposta da demanda provoca uma sinalização para que os subsistemas SUL e N utilizem mais seus reservatórios. Essa sinalização ocorre uma vez que nos meses futuros existe uma capacidade maior, portanto ocorre um despacho hidrelétrico maior nesses subsistemas e um despacho hidrelétrico menor no subsistema SE/CO, o resultando em uma recomposição nos reservatórios do SE/CO e redução dos níveis dos reservatórios do SUL e N. O subsistema NE mantém-se com os mesmos despachos hidráulicos e, consequentemente, com os mesmos níveis de EAR. 134 Figura 48 – Comparação entre a EAR projetada pelo DECOMP para as semanas de dezembro/13 por subsistemas e cenários. A Tabela 27 apresenta o desvio padrão das projeções do preço, por cenário e subsistema, no horizonte de estudo do NEWAVE. Tabela 27 – Desvio padrão das projeções do preço no horizonte de estudo do NEWAVE por cenário e subsistema, valores em ±R$/MWh Subsistema Base Cenário 1 Cenário 2 SE/CO 62,66 45,02 46,59 SUL 58,26 47,16 43,74 NE 72,66 52,92 55,18 N 74,15 53,81 56,55 A redução do desvio padrão dos PLDs em todos os submercados nos cenários 1 e 2 apontam para uma redução de volatilidade do preço. As variações do desvio padrão do cenário base para os cenários 1 e 2 foram de, respectivamente, -25,5% e -24,5%. Esse resultado era esperado, uma vez que o aumento da capacidade do sistema via resposta da demanda resulta em uma maior estabilidade para a operação do sistema. Ademais, a menor amplitude 135 dos preços foi observada no cenário 1, uma vez que neste cenário os preços para redução de carga são menores em relação ao cenário 2. Os gráficos da Figura 49 apresentam as variações percentuais dos preços entre meses consecutivos (Pm/Pm-1). Observa-se uma maior amplitude de variação no cenário com o programa de reposta de demanda apenas para o subsistema SUL. Figura 49 – Variação percentual do PLD entre períodos consecutivos A Tabela 28 apresenta os valores médios absolutos das variações percentuais ilustradas pela Figura 49. Tabela 28 – Volatilidade do PLD para as séries simuladas com e sem a introdução do programa de RD Subsistema Base Cenário 1 Cenário 2 SE/CO 6,4% 6,0% 5,8% SUL 4,8% 5,8% 4,3% NE 11,8% 11,2% 11,5% N 12,0% 11,3% 11,6% 136 Para os subsistemas SE/CO, NE e N, o programa de RD fez com que a volatilidade percentual de um mês m-1 para um mês m fosse reduzida. Observa-se que, no cenário 1, embora o programa de RD tenha provocado um aumento da volatilidade do PLD sob a ótica da variabilidade percentual do preço no SUL, a introdução da oferta de redução de carga reduziu a amplitude das variações dos preços nesse mesmo subsistema, conforme Tabela 27, o que traduz em menor risco para os agentes participantes do mercado. 5.3.4. Impactos para o consumidor participante Conforme discutido anteriormente, os consumidores participantes que optarem por participar dos programas de resposta da demanda participarão de uma contabilização específica para esse programa que resultará em um valor a pagar ou receber por esse consumidor. Nessa seção serão apresentados exemplos de impactos financeiros provenientes exclusivamente do programa de resposta da demanda proposto para consumidores que cumpriram suas obrigações dentro do programa e para consumidores que, por não cumprirem suas obrigações, deverão ser penalizados. 5.3.4.1. Contabilização do Programa de Resposta da Demanda A fim de exemplificar a contabilização, foi considerado um consumidor participante do programa com 30 MW de carga e disponibilidade máxima para redução de demanda de 3 MW em todos os patamares de carga. Os preços de 137 curto prazo para a contabilização considerados foram aqueles calculados para o cenário 1 (Tabela 25). A Tabela 29 apresenta o detalhamento da contabilização mensal desse consumidor fictício no mercado de curto prazo da resposta da demanda. Em todas as semanas e patamares foi solicitada a redução de 3 MW e este consumidor conseguiu cumprir suas obrigações de resposta da demanda com sucesso. Dessa maneira, ele será remunerado financeiramente pela redução cumprida, que deve ser multiplicada pela quantidade de horas do patamar correspondente e valorada ao seu CRD que neste caso é R$ 100,00/MWh. No exemplo proposto, o consumidor deverá receber ao final do mês o valor de R$223.200,00. Tabela 29 – Detalhamento da contabilização do mercado de RD para consumidor que cumpriu suas obrigações de redução de carga Contabilização RD – Dezembro/13 Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 PLD - Pat. Pesado (R$/MWh) R$ 226,56 R$ 222,06 R$ 220,52 R$ 214,49 R$ 214,41 PLD - Pat. Médio (R$/MWh) R$ 226,56 R$ 222,06 R$ 220,52 R$ 214,46 R$ 214,41 PLD - Pat. Leve (R$/MWh) R$ 219,65 R$ 217,89 R$ 216,14 R$ 214,40 R$ 211,54 Horas Pat. Pesado (h) 15 18 18 15 9 Horas Pat. Médio (h) 75 89 89 80 47 Horas Pat. Leve (h) 54 61 61 73 40 Resp. Dem. Solicitada - Pat. Pesado (MW) 3 3 3 3 3 Resp. Dem. Solicitada - Pat. Médio (MW) 3 3 3 3 3 Resp. Dem. Solicitada - Pat. Leve (MW) 3 3 3 3 3 Redução Realizada - Pat. Pesado (MW) 3 3 3 3 3 Redução Realizada - Pat. Médio (MW) 3 3 3 3 3 Redução Realizada - Pat. Leve (MW) 3 3 3 3 3 Valor a Receber pela RD - Pat. Pesado (R$) R$ 4.500 R$ 5.400 R$ 5.400 R$ 4.500 R$ 2.700 Valor a Receber pela RD - Pat. Médio (R$) R$ 22.500 R$ 26.700 R$ 26.700 R$ 24.000 R$ 14.100 Valor a Receber pela RD - Pat. Leve (R$) R$ 16.200 R$ 18.300 R$ 18.300 R$ 21.900 R$ 12.000 Valor Total a Receber pela RD (R$) R$ 43.200 R$ 50.400 R$ 50.400 R$ 50.400 R$ 28.800 Valor Total a Receber em Dez/13 R$ 223.200,00 138 Com o exemplo anterior, fica evidente que será vantagem para o consumidor participar do programa de RD com as características apresentadas se: • for possível reduzir 3 MW de carga em todos os patamares; • o valor do lucro da produção do consumidor industrial no período de redução for menor que R$ 223.200,00. 5.3.4.2. Penalidade de Resposta da Demanda A Tabela 30 apresenta o detalhamento da contabilização mensal do mesmo consumidor fictício da seção anterior no mercado de curto prazo da resposta da demanda. Tabela 30 – Detalhamento da contabilização do mercado de RD para o consumidor que será penalizado Contabilização RD – Dezembro/13 Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 PLD - Pat. Pesado (R$/MWh) R$ 226,56 R$ 222,06 R$ 220,52 R$ 214,49 R$ 214,41 PLD - Pat. Médio (R$/MWh) R$ 226,56 R$ 222,06 R$ 220,52 R$ 214,46 R$ 214,41 PLD - Pat. Leve (R$/MWh) R$ 219,65 R$ 217,89 R$ 216,14 R$ 214,40 R$ 211,54 Horas Pat. Pesado (h) 15 18 18 15 9 Horas Pat. Médio (h) 75 89 89 80 47 Horas Pat. Leve (h) 54 61 61 73 40 Resp. Dem. Solicitada - Pat. Pesado (MW) 3 3 3 3 3 Resp. Dem. Solicitada - Pat. Médio (MW) 3 3 3 3 3 Resp. Dem. Solicitada - Pat. Leve (MW) 3 3 3 3 3 Redução Realizada - Pat. Pesado (MW) 0 2 3 3 1 Redução Realizada - Pat. Médio (MW) 1 2 3 3 1 Redução Realizada - Pat. Leve (MW) 1 3 3 3 1 R$ 0 R$ 3.600 R$ 5.400 R$ 4.500 R$ 900 Valor a Receber pela RD - Pat. Médio (R$) R$ 7.500 R$ 17.800 R$ 26.700 R$ 24.000 R$ 4.700 Valor a Receber pela RD - Pat. Leve (R$) R$ 5.400 R$ 18.300 R$ 18.300 R$ 21.900 R$ 4.000 -R$ 10.195 -R$ 3.997 Penalidade no Prog. de RD - Pat. Médio (R$) -R$ 33.984 -R$ 19.763 R$ 0 R$ 0 -R$ 20.155 Penalidade no Prog. de RD - Pat. Leve (R$) -R$ 23.722 R$ 0 R$ 0 R$ 0 -R$ 16.923 Valor Total a Receber pela RD (R$) -R$ 55.001 R$ 15.940 Valor a Receber pela RD - Pat. Pesado (R$) Penalidade no Prog. de RD - Pat. Pesado (R$) Valor Total a Receber em Dez/13 R$ 0 R$ 0 R$ 50.400 R$ 50.400 -R$ 3.859 -R$ 31.337 R$ 30.401,00 139 Em todas as semanas e patamares foi solicitada a redução de 3 MW, mas este consumidor não conseguiu cumprir suas obrigações de resposta da demanda em todos os momentos. Dessa maneira, ele será remunerado financeiramente pela redução cumprida, que deve ser multiplicada pela quantidade de horas do patamar correspondente e valorada ao seu CRD que neste caso é R$ 100,00/MWh. Em contrapartida, ele deverá ser penalizado pelas reduções que deveriam ter sido realizadas e não foram, sendo que essas devem ser multiplicadas pela quantidade de horas do patamar onde ocorreu o déficit de redução e valorada ao PLD do respectivo patamar. No exemplo proposto, o consumidor deverá receber ao final do mês o valor de R$30.401,00. Com o exemplo anterior, fica evidente que o consumidor que optar por participar da resposta da demanda deve ter um planejamento que garanta a vantagem financeira da redução e que a disponibilidade de redução declarada possa ser alcançada. No exemplo apresentado, o consumidor no final do mês ainda teve um montante financeiro para receber, mas se o não cumprimento da redução de carga solicitada for frequente, o consumidor pode ficar em uma posição em que seja necessário realizar um pagamento, como é o caso apresentado na Tabela 31, onde o consumidor não fez nenhuma redução e, portanto, teve que pagar um montante de R$ 487.732,00. 140 Tabela 31 – Detalhamento da contabilização do mercado de RD para o consumidor com penalização total Contabilização RD – Dezembro/13 Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 PLD - Pat. Pesado (R$/MWh) R$ 226,56 R$ 222,06 R$ 220,52 R$ 214,49 R$ 214,41 PLD - Pat. Médio (R$/MWh) R$ 226,56 R$ 222,06 R$ 220,52 R$ 214,46 R$ 214,41 PLD - Pat. Leve (R$/MWh) R$ 219,65 R$ 217,89 R$ 216,14 R$ 214,40 R$ 211,54 Horas Pat. Pesado (h) 15 18 18 15 9 Horas Pat. Médio (h) 75 89 89 80 47 Horas Pat. Leve (h) 54 61 61 73 40 Resp. Dem. Solicitada - Pat. Pesado (MW) 3 3 3 3 3 Resp. Dem. Solicitada - Pat. Médio (MW) 3 3 3 3 3 Resp. Dem. Solicitada - Pat. Leve (MW) 3 3 3 3 3 Redução Realizada - Pat. Pesado (MW) 0 0 0 0 0 Redução Realizada - Pat. Médio (MW) 0 0 0 0 0 Redução Realizada - Pat. Leve (MW) 0 0 0 0 0 Valor a Receber pela RD - Pat. Pesado (R$) R$ 0 R$ 0 R$ 0 R$ 0 R$ 0 Valor a Receber pela RD - Pat. Médio (R$) R$ 0 R$ 0 R$ 0 R$ 0 R$ 0 Valor a Receber pela RD - Pat. Leve (R$) R$ 0 R$ 0 R$ 0 R$ 0 R$ 0 Penalidade no Prog. de RD - Pat. Pesado (R$) -R$ 10.195 -R$ 11.991 -R$ 11.908 -R$ 9.652 -R$ 5.789 Penalidade no Prog. de RD - Pat. Médio (R$) -R$ 50.976 -R$ 59.290 -R$ 58.879 -R$ 51.470 -R$ 30.232 Penalidade no Prog. de RD - Pat. Leve (R$) -R$ 35.583 -R$ 39.874 -R$ 39.554 -R$ 46.954 -R$ 25.385 Valor Total a Receber pela RD (R$) -R$ 96.755 -R$ 111.155 -R$ 110.341 -R$ 108.076 -R$ 61.406 Valor Total a Receber em Dez/13 -R$ 487.732,00 141 6. CONCLUSÕES O presente trabalho avaliou os impactos da tarifa branca no mercado de curto prazo e propôs uma metodologia para a implantação de um programa de resposta da demanda no mercado de energia elétrica brasileiro. Inicialmente foi apresentado um histórico sobre a resposta da demanda com os objetivos de abranger as definições empregadas para esse artifício em diferentes mercados de energia, apresentar os impactos no sistema elétrico e no mercado de energia e apresentar diferentes projetos de resposta da demanda pelo mundo. Também foram apresentadas as estruturas de alguns dos principais mercados de curto prazo de energia do mundo para fins de comparação, principalmente, com o mercado brasileiro. A tarifa branca é um programa de resposta da demanda aplicada apenas aos consumidores residenciais, ou seja, é um programa tipicamente do mercado regulado. Os impactos da tarifa branca no planejamento da operação e no mercado de curto prazo foram avaliados através do load shifting de carga do patamar de carga pesada para os patamares médio e leve. Nos cenários de redução de 2,5% e 5% de carga no patamar pesado foram observadas reduções de PLD significativas. No entanto, foi verificado que no primeiro ano de estudo do cenário de redução de 5% existe uma tendência de aumento no PLD restrita apenas ao subsistema SUL, podendo-se concluir que esse tipo de RD também pode causar acréscimos no PLD. Já no cenário de redução de 7,5% da carga, ficou evidenciado um acréscimo no PLD devido à sobrecarga do sistema no patamar médio, sendo possível concluir que caso a tarifa branca 142 atinja um load shifiting dessa magnitude, o sistema apresentará um acréscimo de CMO e, consequentemente, de PLD. Quanto aos impactos da tarifa branca na volatilidade do preço de curto prazo, pode-se concluir que a variação da volatilidade é significativa apenas para os subsistemas SUL (aumento de volatilidade) e NE (redução de volatilidade). O programa de resposta da demanda foi proposto por meio da oferta de redução de carga dos consumidores industriais dispostos a reduzir sua carga por um determinado valor. Seria possível implantar o programa em questão utilizando os modelos atuais de planejamento da operação (NEWAVE e DECOMP) através da inserção de usinas térmicas virtuais no sistema, conforme proposto inicialmente por SOUZA (2010). O programa de resposta da demanda sugerido no presente trabalho implica na criação de um procedimento de contabilização do mercado de resposta da demanda. As regras de contabilização desse mercado foram formuladas e exemplificadas. Os impactos no preço de curto prazo, energia armazenada e despacho hidrotérmico do programa de resposta da demanda proposto no sistema e mercado foram analisados. Verificou-se, nos cenários propostos, uma considerável redução do PLD como consequência do aumento da segurança do sistema devido ao acréscimo de capacidade do sistema. Também foi possível observar uma redução de aproximadamente 25%, através do cálculo do desvio padrão, da amplitude de variação do PLD. Em contrapartida, concluise que a variação percentual do preço entre um mês e outro aumentou com a implantação do programa de RD proposto. 143 Os resultados alcançados a partir da metodologia de resposta da demanda proposta mostraram-se coerentes, levando a conclusão de que a mesma apresenta boas perspectivas para melhora da capacidade do sistema. Desta forma, as principais contribuições do presente trabalho foram: 1. a apresentação da fundamentação teórica da resposta da demanda, assim como os tipos de resposta da demanda praticados; 2. a apresentação dos impactos da resposta da demanda no sistema elétrico e em mercados de energia elétrica; 3. a apresentação de projetos atuais de resposta da demanda; 4. a apresentação das estruturas dos mercados de curto prazo de energia elétrica em diferentes países; 5. a apresentação detalhada de modelos utilizados para o planejamento da operação do sistema elétrico brasileiro e formação do preço do mercado de curto prazo; 6. a avaliação dos impactos da tarifa branca no PLD; 7. a proposição de uma metodologia para um programa de resposta da demanda baseada em oferta de redução de carga; 8. a avaliação das metodologias propostas a partir de diferentes cenários. A partir das conclusões e das contribuições observadas, o trabalho desenvolvido leva-nos a uma sequência de estudos e desenvolvimentos futuros. São eles: 1. para as simulações dos impactos da tarifa branca no PLD foram definidos alguns cenários com diferentes percentuais de redução no 144 patamar pesado e realocação da carga nos patamar médio e leve em parcelas iguais. Para o fim de uma primeira análise e para avaliar a sensibilidade do comportamento do PLD nessa situação, foram consideradas iguais a realocação de carga para os patamar médio e leve. No entanto, é improvável que a realocação ocorra dessa maneira. Dessa forma, seria necessário tratar as realocações de carga com uma maior perícia; 2. a metodologia do programa de resposta da demanda apresentou-se promissora, mas a verificação efetiva da redução de carga de um determinado consumidor através da ação de um programa de RD é complicada no contexto dinâmica da operação. Dessa forma, seria necessário aprimorar as regras para a verificação da redução de carga após a solicitação de redução de carga de um determinado consumidor pelo operador do sistema. 145 7. REFERÊNCIAS BIBLIOGRÁFICAS ABRACEEL – ASSOCIAÇÃO BRASILEIRA DOS COMERCIALIZADORES DE ENERGIA. "Mercado Livre de Energia". Brasília: ABRACEEL, 2011. Disponível em: <http://www.abraceel.com.br/mercado_livre>. Acessado em: 10/03/2013 AEMO – Australian Energy Market Operator. "Who is Australian Energy Market Operator?". Melbourne: AEMO, 2013. Disponível em: <http://www.isen.northwestern.edu/events/kemi/jan2013/docs/Goh.pdf>. Acessado em: 17/04/2013. AER – Australian Energy Regulator. "State of the Energy Market 2010". Melbourne: AER, 2010. Disponível em: <http://www.hes.edu.au/resources/2979/HES-29520%20AUPN%20%20Article%20-%20Energy%20market%202010%20report.pdf>. Acessado em: 02/03/2013. ALBADI, M. H.; EL-SAADANY, E. F. "Demand Response in Electricity Markets: An Overview". Power Engineering Society General Meeting. Tampa: IEEE, 2007. AMPLA. "Cidade inteligente Búzios - a primeira cidade inteligente da América Latina". Rio de Janeiro: AMPLA, 2011. Disponível em <http://www.conscienciaampla.com.br/2011/08/22/cidade-inteligentebuzio/>. Acessado em: 02/11/2011. ANDERSEN, F. M.; JENSEN, S. G.; LARSEN, H. V.; MEIBOM, P.; RAVN, H.; SKYTTE, K.; TOGEBY, M. "Analyses of Demand Responde in Denmark". 2006. 100 f. Systems Analysis Department, Riso National Laboratory, København. Disponível em: <http://orbit.dtu.dk/fedora/objects/orbit:88362/datastreams/file_7703292/cont ent>. Acessado em: 28/10/2013. ANEEL – Agência Nacional de Energia Elétrica. "Atlas da Energia Elétrica". Brasília: ANEEL, 2004. Disponível em: <http://www.aneel.gov.br/aplicacoes/atlas/download.htm>. Acessado em: 10/03/2013 ANEEL – Agência Nacional de Energia Elétrica. "Tarifa branca ao consumidor de baixa tensão valerá com novo medidor". Brasília: ANEEL, 2011. Disponível em: <http://www.aneel.gov.br/aplicacoes/noticias/Output_Noticias.cfm?Identidad e=4921&id_area=90>. Acessado em: 17/10/2013. 146 ANEEL – AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA. “Regulação dos Serviços de Distribuição”. Brasília: ANEEL, 2012. Disponível em: <http://www.aneel.gov.br/area.cfm?idArea=725&idPerfil=3>. Acessado em: 30/03/2013. ANEEL – Agência Nacional de Energia Elétrica. "Prorrogado o início do sistema de bandeiras tarifárias". Brasília: ANEEL, 2013a. Disponível em: <http://www.aneel.gov.br/aplicacoes/noticias/Output_Noticias.cfm?Identidad e=7622&id_area=90>. Acessado em: 20/01/2014 ANEEL – Agência Nacional de Energia Elétrica. "Homologação dos programas computacionais de planejamento e formação de preço com internalização de mecanismos de aversão a risco de que trata o art. 1º da Resolução CNPE nº 03/2013" Nota Técnica nº 049/2013-SRG/ANEEL. Brasília: ANEEL, 2013b. Disponível em: <http://www.aneel.gov.br/aplicacoes/audiencia/arquivo/2013/086/documento /nt_049__homologacao_dos_programas_computacionais_art_1_res_cnpe_ 03-2013_-_jsn.pdf>. Acessado em: 13/11/2013. ANEEL – Agência Nacional de Energia Elétrica. "Nota Técnica: Autorização para uso do modelo DECOMP com mecanismo de aversão ao risco incorporado." Nota Técnica nº 079/2013-SRG/ANEEL. Brasília: ANEEL, 2013c. Disponível em: <http://www.aneel.gov.br/aplicacoes/audiencia/arquivo/2013/110/documento /nt_079__proposta_de_audi%C3%AAncia_publica_para_autorizacao_do_u so_do_modelo_decomp-_fcm_(2).pdf>. Acessado em: 13/11/2013. ANTUNES, Fabio. "Algoritmo de Sistema de Formigas Aplicado ao Planejamento da Operação de Sistemas Hidrotérmicos de Potência". 2011. 100 f. Dissertação (Mestrado em Energia) - Centro de Engenharias, Modelagem e Ciências Sociais Aplicadas, Universidade Federal do ABC, Santo André. ASX Energy. "Overview of Australian Electricity Physical Market". Sydney: ASX Energy, 2010. Disponível em: <http://dcyphatrade.com.au/products/overview_of_the_australian_el > Acessado em: 04/03/2013. BARATTO, P.; CADENA, A. "Benefits of Implementing a Demand Response Program in a Non-regulated Market in Colombia". Conference on Innovative Smart Grid Technologies. Medellin: IEEE PES, 2011. BARROSO, Luiz. "Projeção de Preços de Eletricidade". In: II Simpósio Nacional de Regulação, Economia e Mercados de Energia Elétrica, 2010, 147 Rio de Janeiro. Anais. Rio de Janeiro: CIGRÉ-Bras, 2010. Disponível em: <http://www.acenergia.com.br/sinrem/pdf/pdf_02.pdf>. Acessado em: 30/03/2013. BORGES, Carmen. "Análise de Sistemas de Potência". 2005. 141 p. Apostila (Graduação em Engenharia Elétrica) – Faculdade de Engenharia Elétrica, Universidade Federal do Rio de Janeiro, Rio de Janeiro. Disponível em: <http://www.dee.ufrj.br/lasp/disciplinas/Apostila_Completa_ANALISE_DE_SI STEMAS_DE_POTENCIA.pdf>. Acessado em: 01/04/2013. BRASIL. “Decreto n.° 5163, de 30 de julho de 2004”. Diário Oficial da República Federativa do Brasil. Brasília-DF: 2004. Disponível em <http://www.planalto.gov.br/ccivil_03/_Ato20042006/2004/Decreto/D5163.htm>. Acessado em: 10/03/2013. BROOKS, Alec; LU, Ed; REICHER, Dan; SPIRAKIS, Charles; WEIHL, Bill. "Demand Dispatch: Using Real-Time Control of Demand to Help Balance Generation and Load". IEEE Power & Energy Magazine. p 20-29. New Jersey: IEEE, 2010. BUENO, E. A. B.; UTUBEY, W.; HOSTT, B.B. “Evaluating the effect of the white tariff on a distribution expansion project in Brazil”. Conference on Innovative Smart Grid Technologies Latin America (ISGT LA). São Paulo: IEEE PES, 2013. CASTRO, Nivalde; MARTINI, Sidnei; BRANDÃO, Roberto; DANTAS, Guilherme; TIMPONI, Raul. "A Importância das Fontes Alternativas e Renováveis na Evolução da Matriz Elétrica Brasileira". Rio de Janeiro: GESEL (UFRJ), 2011. Disponível em: <http://www.nuca.ie.ufrj.br/gesel/artigos/GESEL_-_Estudo_Mapfre__260809[1].pdf>. Acessado em 09/04/2013. CCEE – Câmara de Comercialização de Energia Elétrica e ONS – Operador Nacional do Sistema. “Treinamento nos modelos NEWAVE e DECOMP”. Material de treinamento ministrado na CCEE em 2010. CCEE - Câmara de Comercialização de Energia Elétrica. "Procedimento de Comercialização: Estabelecer Preço de Liquidação de Diferenças (PLD)". São Paulo: CCEE, 2013a. Disponível em:<http://www.ccee.org.br/StaticFile/Arquivo/biblioteca_virtual/Procediment os_Vigentes/pdc_pe_01_versao_3.pdf>. Acessado em: 10/03/2013 CCEE - Câmara de Comercialização de Energia Elétrica. "Info PLD". nº 180, 1ª semana de dezembro/2013. São Paulo: CCEE, 2013b. Disponível 148 em: <http://www.ccee.org.br/portal/wcm/idc/groups/bibpublic_precos/documents/ conteudoccee/ccee_157756.pdf>. Acessado em: 03/12/2013. CHAKRABARTI, B.; BULLEN, D.; EDWARDS, C.; CALLAGHAN, C. "Demand response in the New Zealand Electricity market". Transmission and Distribution Conference and Exposition (T&D). Orlando: IEEE PES, 2012. CLARK, Jennifer; CHARLES, David; EGBUTA, John; OLOWOJOBA, Ganiu; ROBERTSON, Gordon. “Wind Resource: Utilising Hydrogen Buffering”. Glasgow: University of Glasgow, 2008. Disponível em: <http://www.esru.strath.ac.uk/EandE/Web_sites/0809/Hydrogen_Buffering/Economics%20-%20Electricity%20market.html>. Acessado em: 20/04/2013 CNPE – CONSELHO NACIONAL DE POLÍTICA ENERGÉTICA. "RESOLUÇÃO CNPE Nº 3/2013". Resolução nº 3. Brasília-DF. 6 de março de 2013. Disponível em: <http://www.mme.gov.br/mme/galerias/arquivos/conselhos_comite/CNPE/re solucao_2013/Resolucao_CNPE_3_2013.pdf>. Acessado em: 13/11/2013. DECC - Department of Energy & Climate Change. "Electricity Market Reform: Policy Overview". Londres: DECC, 2012. Disponível em: <https://www.gov.uk/government/publications/electricity-market-reformpolicy-overview--2>. Acessado em: 19/04/2013 DGEG – Direcção Geral de Energia e Geologia. "Caracterização Energética Nacional 2012". Lisboa: DGEG, 2012. Disponível em: <http://www.dgeg.pt/>. Acessado em: 15/04/2013. DUKE ENERGY. "Duke Energy Partners with Cisco to Fast-Track Development of Utility's Smart Grid". Chalotte: Duke Energy, 2009. Disponível em: <http://www.dukeenergy.com/news/releases/2009060901.asp>. Acessado em: 25/04/2012. EA - Electricity Authority. "Managing Electricity Price Risk: A Guide for Consumers". Wellington: EA, 2012. Disponível em: <https://www.ea.govt.nz/dmsdocument/13829>. Acessado em: 03/11/2013. EEE - Center for Energy, Economic & Environmental Policy of State University of New Jersey. "Assessment of Customer Response to Real Time Pricing". New Jersey: 2005. Disponível em: 149 <http://www.policy.rutgers.edu/ceeep/publications/2005/customerresponse.p df>. Acessado em: 30/10/2013. ENERTRADE. "Mercado Livre de Energia Brasileiro". São Paulo: Enertrade, 2011. Disponível em: <http://www.enertrade.com.br/mercadolivre/>. Acessado em: 10/03/2013. FIGUEIRÓ, I. C.; CANHA, L. N.; ABAIDE, A. R.; NETO, N. K.; BERNARDON, D. P. “Smart Grid and the low voltage consumer behavior facing the dynamic energy rates in the Brazil”. Universities Power Engineering Conference (UPEC), 47th International. Londes: IEEE, 2012. FINARDI, Erlon. “Planejamento da Operação de Sistemas Hidrotérmicos Utilizando Computação de Alto Desempenho”. 1999. 124 f. Dissertação (Mestrado em Engenharia Elétrica) – Faculdade de Engenharia Elétrica, Universidade Federal de Santa Caratina, Florianópolis Disponível em: <http://repositorio.ufsc.br/bitstream/handle/123456789/81082/194985.pdf?se quence=1>. Acessado em: 10/05/2013. FINARDI, Erlon; MATOS, Vitor. "Nova Metodologia de Aversão a Risco (CVaR) nos modelos de formação do PLD". Treinamento BRACIER. Rio de Janeiro: BRACIER, 2013. GARCÍA, Cristina. "Short-Term Bidding Strategies for a Generation Company in the Iberian Electricity Market". 2010. 167 f. Dissertação (Mestrado em Engenharia Elétrica) – Universitat Politecnica de Catalunya, Catalunya. Disponível em: <http://gnom.upc.edu/PDFs/phd-thesis/corcherophdthesis-11.pdf> Acessado em: 18/04/2013. GOMEZ-EXPOSITO, Antonio; CONEJO, Antonio; CAÑIZARES, Claudio. “Electric Energy Systems: Analysis and Operation”. Boca Raton: CRC Press, 2008. 664 p. HAMILTON, Katherine; GULHAR, Heel. "Taking Demand Respose to the Next Level". IEEE Power & Energy Magazine. Volume 8. p 60-65. New Jersey: IEEE, 2010. HEITOR, Helder. "Harmonização dos Serviços de Sistema entre Portugal e Espanha". 2008. 119 f. Dissertação (Mestrado em Engenharia Elétrotécnica e de Computadores) – Faculdade de Engenharia, Universidade do Porto, Porto. Disponível em: <http://repositorioaberto.up.pt/handle/10216/58780>. Acessado em: 20/03/2013. 150 IPAKCHI, Ali. FARROKH, Albuey. "Grid of the future: are we ready to transition to a smart grid?". IEEE Power & Energy Magazine. p 52-56. New Jersey: IEEE, 2009. JIDONG, L.; ZEHUI, Z.; LI, Z.; XUESHAN, H. "Evaluating short term benefits of demand response". International Conference on Electric Utility Deregulation and Restructuring and Power Technologies (DRPT), 4th. Weihai: IEEE, 2011. KURODA, K.; ICHIMURA, T.; YOKOYAMA, R.; "An Effective Evaluation Approach of Demand Response Programs for Residential Side". International Conference on Advances in Power System Control, Operation and Management (APSCOM), 9th. Hong Kong: IEEE, 2012. LEME, Alexandre. "A Reforma do Setor Elétrico no Brasil, Argentina e México: Contrastes e Perspectivas em Debate". Revista de Sociologia e Política, Volume: 17, nº 33. Campinas: UNICAMP, 2009. LIMA, Ricardo. "Estrutura tarifária ponta/fora de ponta - Perspectiva dos atores". Seminário de Autoprodução de Energia Elétrica. São Paulo: CCEE, 2012. LINO, P.; VENEZUELA, P.; FERREIRA, R. S.; BARROSO, L. A.; BEZERRA, B.; PEREIRA, M. V. "Energy tariff and demand response in Brazil: An analysis of recent proposals from the regulator". Conference on Innovative Smart Grid Technologies (ISGT Latin America). Medellin: IEEE PES, 2011. MACEIRA, Maria Elvira. "Mecanismos de Aversão a Risco no Planejamento da Operação de Longo, Média e Curto Prazos". Departamento de Otimização Energética e Meio Ambiente, CEPEL, 2013. Disponível em: <http://www.mme.gov.br/mme/menu/conselhos_comite/cnpe/1__Aspectos_Metodologicos_SAR_CVaR.pdf>. Acessado em: 15/09/2013. MASIELLO, Ralph; "Demand Response: The other side of the curve". IEEE Power & Energy Magazine. Volume: 8. p 8. New Jersey: IEEE, 2010. MAURER, Luiz. "Tarifas que incentivam a resposta da demanda". Brasília: International Seminar on Electricity Tariff Structure. Brasília: ANEEL, 2009. Disponível em: <http://www.aneel.gov.br/arquivos/PDF/Luiz%20Maurer_Jun09_AneelSemin ar.pptx.pdf>. Acessado em 20/01/2013. 151 MIBEL - Mercado Ibérico de Electricidade "Electricity Market". Madri: MIBEL, 2008. Disponível em: <http://www.mibel.com/> Acessado em: 13/04/2013. MIBEL - Mercado Ibérico de Electricidade "MIBEL". Madri: MIBEL, 2012. Disponível em: <http://www.mibel.com/> Acessado em: 15/04/2013. MIET - Ministerio de Industria, Energía y Turismo. "Estadísticas y Balances Energéticos 2012". Madri: MIET, 2012. Disponível em: <http://www.minetur.gob.es/Energia/balances/Paginas/Index.aspx> Acessado em: 15/04/2013. MILLER, Robert H. “Operação de Sistemas de Potência”. São Paulo: McGraw-Hill; Rio de Janeiro: Eletrobrás, 1987. 192 p. MOHAGHEGHI, Salman; YANG, Fang. "Impact of Demand Response on Distribution System Reliability". Power and Energy Society General Meeting. San Diego: IEEE, 2011. NATIONAL GRID COMPANY. “2011 National Electricity Transmission System (NETS) Seven Year Statement”. Londres: National Grid, 2012. Disponível em: <http://www.nationalgrid.com/uk/Electricity/SYS/current/>. Acessado em: 20/04/2013 NAVIGANT RESEARCH. "Automated Demand Response". Navigant Research, 2013. Disponível <http://www.navigantresearch.com/research/automated-demandresponse/>. Acessado em: 05/12/2013. Texas: em NEENAN, B. P.; CAPPERS, D. P.; ANDERSON J. “Improving linkages between Wholesale and Retail Markets Through Dynamic Retail Pricing”. New York: Neenan Associates, 2005. Disponível em: <http://www.isone.com/genrtion_resrcs/dr/rpts/improving_linkages_12-052005.pdf>. Acessado em: 27/11/2013. NERC – NORTH AMERICAN ELECTRIC RELIABILITY CORPORATION. "2010 Summer Reliability Assessment". New Jersey: NERC, 2010. Disponível em <http://www.nerc.com/files/2010%20Summer%20Reliability%20Assessment .pdf>. Acessado em: 05/12/2013. NGUYEN, T.; NEGNEVITSKY, M.; GROOT, M. "Pool-based Demand Response Exchange: Concept and modeling". IEEE Transactions on Power Systems. Volume: 26. p 1677-1685. New Jersey: IEEE, 2011. 152 NYISO – New York Independent System Operator. "Emergency Demand Response Program Manual" New York: NYISO, 2013. Disponível em: <http://www.nyiso.com/public/webdocs/markets_operations/documents/Man uals_and_Guides/Manuals/Operations/edrp_mnl.pdf/>. Acessado em: 03/11/2013. PACCOLA, J.A.; BAJAY, S. V.; JANNUZZI, G. M. “A Necessidade de Revisão da Atual Estrutura de Tarifas Horosazonais para Energia Elétrica no País e de Implantação de Tarifas Especiais para Fornecimentos Interruptíveis no Período da Ponta”. IV Congresso Brasileiro de Regulação. Volume: 1, p 1-10. Manaus: 2005. PARTOVI, Farzad; MOZAFARI, Babak; NIKZAD, Mehdi; JAFARI, Abolfazl. "Demand Response Impact on Spinning Reserve Optimum Scheduling". International Conference on Environment and Electrical Engineering (EEEIC), 10th. Rome: IEEE, 2011. PENNA, Débora.; DINIZ, André; MACEIRA, Maria Elvira. P. "Conditional Value-at-Risk Versus Multidimensional Rule Curves Within the RiskAverse SDDP Approach”. International Conference on Stochastic Programming, 13rd. Rome: CEPEL, 2013. RODRIGUES, Flávia. "Programação da Contratação de Energia Considerando Geração Distribuída no Novo Modelo do Setor Elétrico Brasileiro". 2006. 171 f. Dissertação (Mestrado em Engenharia Elétrica) – Instituto Alberto Luiz Coimbra, Universidade Federal do Rio de Janeiro, Rio de Janeiro. RODRIGUES, Renato. "Gerenciamento de Risco no Setor Elétrico Brasileiro Através do Uso de Derivativos". 2007. 146 f. Dissertação (Mestrado em Economia) – Instituto de Economia, Universidade Federal Rio de Janeiro, Rio de Janeiro. SHAPIRO, A. "Analysis of stochastic dual dynamic programming method". European Journal of Operations Research, Volume: 209, p. 63-72, Paris: Elsevier, 2011. SILVA, Christiano. "Contratação de Energia Elétrica: Aspectos Regulatórios e Econômicos". Grupo de Estudos do Setor Elétrico (GESEL). Texto de Discussão do Setor Elétrico nº 25. Rio de Janeiro: UFRJ, 2009. SILVA, Rafael. "Gestão de Riscos para Tomada de Decisão na Contratação de Energia Elétrica no Curto Prazo por Indústrias Eletrointensivas". 2011. 104 f. Dissertação (Mestrado em Engenharia de 153 Produção) – Instituto de Engenharia de Produção e Gestão, Universidade Federal de Itajubá, Itajubá. SILVA, Edson. “Formação de Preços em Mercados de Energia Elétrica”. Florianópolis: Edição do Autor. 2012. 184 p. SOARES, Dorel. "Formação de Preços nos Mercados de Curto e Longo Prazos". Curso de Formação de Preços e Comercialização de Energia Elétrica II. USP-PEA, Mestrado em Engenharia Elétrica. 2º semestre de 2013. SOUZA, Zebedeu Fernandes. "A Importância da Reação da Demanda na Formação dos Preços de Curto Prazo em Mercados de Energia Elétrica". 2010. 119 f. Dissertação (Mestrado em Engenharia Elétrica) – Escola Politécnica da Universidade de São Paulo, Universidade de São Paulo, São Paulo. Disponível em: <http://www.teses.usp.br/teses/disponiveis/3/3143/tde-25032010200356/fr.php>. Acessado em: 03/12/2013. SPALDING, Brian. "Experiences of the Australian Electricity Market under power disturbances and financial stress". Melbourne: NEMMCO, 2008. Disponível em: <www.theapex.org/images/uploads/1-31_AS_Australian_Electricity_Market.ppt> Acessado em: 18/04/2013. TEIXEIRA, Eduardo. "MIBEL enquanto mercado spot e a prazo: O funcionamento do mercado spot". Workshop Integração de Mercados de Energia Eléctrica e Formação de Preços. Lisboa: ERSE, 2011. Disponível em: <http://www.erse.pt/pt/Eventos/2011/Documents/Workshop%20ERSEGESE L%2004032011/Eduardo%20Teixeira.pdf>. Acessado em: 29/04/2013. TRAJANO, Thayse. “Cenários Futuros de Oferta e Demanda de Energia Elétrica: Simulações do Possível Racionamento até 2011”. 2008. 146 f. Dissertação (Mestrado em Engenharia Elétrica) – Faculdade de Engenharia Elétrica, Pontifícia Universidade Católica, Rio de Janeiro. VIANA, Gustav. "Um Modelo para Projeções para Demanda por Energia Elétrica, 2009-2017 e a Evolução do Custo Social e Tarifa Ótima para o Brasil". 2010. 80 f. Dissertação (Mestrado em Economia Aplicada) – Faculdade de Economia, Administração e Contabilidade, Universidade Federal de Alagoas, Maceió. ZILBER, Moises. "Setor Elétrico do Brasil: Impactos da Desregulamentação e Privatização no Atendimento do Consumidor". São Paulo: Mackenzie, 2003. Disponível em: <http://editorarevistas.mackenzie.br/index.php/rem/article/view/760>. Acessado em: 30/03/2013. 154 Apêndice 1 A previsão mensal de carga média utilizada como dados de entrada no modelo NEWAVE são apresentados na Tabela A1.1. Já a Tabela A1.2 apresenta a profundidade de carga de cada um dos patamares. Tabela A1.1 – Previsão mensal de carga média do cenário base (em MWméd) Ano jan Fev mar abr mai jun jul ago set Out nov dez Subsistema SE/CO 2013 38499 2014 39166 40703 40994 39757 38442 38115 38232 39241 39463 39813 39497 38795 2015 40657 42253 42554 41271 39905 39566 39688 40736 40965 41329 41001 40272 2016 42325 43987 44301 42965 41543 41191 41318 42408 42647 43026 42685 41925 2017 44014 45743 46068 44679 43202 42835 42967 44101 44350 44743 44389 43598 Subsistema SUL 2013 10999 2014 11405 11840 11646 10928 10624 10652 10677 10712 10528 10721 10948 11059 2015 11793 12243 12042 11300 10986 11015 11040 11077 10887 11086 11321 11373 2016 12214 12680 12472 11703 11378 11409 11435 11472 11276 11482 11726 11779 2017 12645 13127 12912 12116 11779 11811 11838 11877 11674 11887 12139 12195 Subsistema NE 2013 9956 2014 10189 10158 10265 10045 9833 9587 9555 9716 10041 10284 10364 10202 2015 10562 10529 10640 10413 10193 9937 9905 10072 10408 10661 10743 10576 2016 10967 10934 11049 10813 10585 10319 10285 10459 10808 11070 11156 10982 2017 11421 11386 11506 11260 11022 10746 10710 10891 11255 11528 11617 11436 Subsistema N 2013 5180 2014 5251 5326 5359 5547 5571 5531 5473 5639 5736 5686 5728 5582 2015 5668 5756 5784 5825 5850 5809 5748 5922 6024 5972 6124 5962 2016 6022 6066 6121 6177 6195 6157 6069 6249 6360 6293 6338 6186 2017 6300 6401 6428 6477 6505 6463 6396 6595 6712 6651 6705 6527 155 Tabela A1.2 – Profundidade de carga por patamar (em pu) Ano Patamar jan fev mar abr mai jun jul ago set out nov dez Subsistema SE/CO 2013 2014 2015 2016 2017 Pesado 1,1006 Médio 1,0795 Leve 0,8694 Pesado 1,1776 1,1686 1,1724 1,1690 1,1494 1,1432 1,1280 1,1314 1,1186 1,1018 1,1234 1,0968 Médio 1,0829 1,0816 1,0895 1,0880 1,0823 1,0934 1,0831 1,0850 1,0815 1,0711 1,0846 1,0757 Leve 0,8336 0,8309 0,8375 0,8427 0,8424 0,8422 0,8361 0,8437 0,8428 0,8615 0,8587 0,8664 Pesado 1,1776 1,1743 1,1673 1,1690 1,1542 1,1382 1,1280 1,1314 1,1233 1,1057 1,1234 1,0968 Médio 1,0829 1,0868 1,0848 1,0880 1,0868 1,0886 1,0831 1,0850 1,0860 1,0749 1,0846 1,0757 Leve 0,8336 0,8350 0,8339 0,8427 0,8458 0,8385 0,8361 0,8437 0,8463 0,8645 0,8587 0,8664 Pesado 1,1828 1,1733 1,1673 1,1638 1,1542 1,1332 1,1327 1,1268 1,1233 1,1096 1,1234 1,0930 Médio 1,0876 1,0859 1,0848 1,0832 1,0868 1,0840 1,0876 1,0806 1,0860 1,0788 1,0846 1,0720 Leve 0,8373 0,8343 0,8339 0,8390 0,8458 0,8348 0,8396 0,8402 0,8463 0,8675 0,8587 0,8634 Pesado 1,1776 1,1743 1,1622 1,1741 1,1494 1,1382 1,1327 1,1268 1,1233 1,1096 1,1234 1,1006 Médio 1,0829 1,0868 1,0800 1,0929 1,0823 1,0886 1,0876 1,0806 1,0860 1,0788 1,0846 1,0795 Leve 0,8336 0,8350 0,8302 0,8464 0,8424 0,8385 0,8396 0,8402 0,8463 0,8675 0,8587 0,8694 Subsistema SUL 2013 2014 2015 2016 2017 Pesado 1,0482 Médio 1,1081 Leve 0,8453 Pesado 1,1789 1,1681 1,1715 1,1672 1,1336 1,1333 1,0804 1,0886 1,0578 1,0550 1,0648 1,0440 Médio 1,1183 1,1137 1,1222 1,1296 1,1184 1,1339 1,1180 1,1227 1,1165 1,1077 1,1132 1,1038 Leve 0,7835 0,7840 0,7948 0,7891 0,7962 0,7922 0,7982 0,8028 0,8092 0,8208 0,8366 0,8419 Pesado 1,1789 1,1753 1,1651 1,1672 1,1396 1,1269 1,0804 1,0886 1,0630 1,0597 1,0648 1,0440 Médio 1,1183 1,1206 1,1161 1,1296 1,1242 1,1275 1,1180 1,1227 1,1219 1,1125 1,1132 1,1038 Leve 0,7835 0,7888 0,7905 0,7891 0,8004 0,7877 0,7982 0,8028 0,8132 0,8245 0,8366 0,8419 Pesado 1,1855 1,1741 1,1651 1,1604 1,1396 1,1205 1,0858 1,0831 1,0630 1,0644 1,0648 1,0399 Médio 1,1246 1,1195 1,1161 1,1231 1,1242 1,1212 1,1237 1,1171 1,1219 1,1176 1,1132 1,0994 Leve 0,7880 0,7879 0,7905 0,7845 0,8004 0,7832 0,8022 0,7988 0,8132 0,8281 0,8366 0,8386 Pesado 1,1789 1,1753 1,1588 1,1740 1,1336 1,1269 1,0858 1,0831 1,0630 1,0644 1,0648 1,0482 Médio 1,1183 1,1206 1,1100 1,1363 1,1184 1,1275 1,1237 1,1171 1,1219 1,1176 1,1132 1,1081 Leve 0,7835 0,7888 0,7862 0,7937 0,7962 0,7877 0,8022 0,7988 0,8132 0,8281 0,8366 0,8453 Subsistema NE 2013 2014 2015 2016 Pesado 1,0944 Médio 1,0500 Leve 0,9098 Pesado 1,1229 1,1108 1,1067 1,1164 1,1062 1,1016 1,1086 1,1029 1,0854 1,1185 1,1079 1,0917 Médio 1,0637 1,0662 1,0707 1,0629 1,0622 1,0771 1,0539 1,0618 1,0544 1,0444 1,0511 1,0474 Leve 0,8759 0,8705 0,8794 0,8886 0,8828 0,8740 0,8858 0,8843 0,8933 0,8967 0,9061 0,9076 Pesado 1,1229 1,1149 1,1032 1,1164 1,1096 1,0978 1,1086 1,1029 1,0885 1,1215 1,1079 1,0917 Médio 1,0637 1,0701 1,0673 1,0629 1,0654 1,0734 1,0539 1,0618 1,0573 1,0472 1,0511 1,0474 Leve 0,8759 0,8738 0,8765 0,8886 0,8855 0,8709 0,8858 0,8843 0,8958 0,8991 0,9061 0,9076 Pesado 1,1265 1,1142 1,1032 1,1129 1,1096 1,0940 1,1118 1,0996 1,0885 1,1246 1,1079 1,0891 156 2017 Médio 1,0672 1,0694 1,0673 1,0596 1,0654 1,0697 1,0571 1,0586 1,0573 1,0501 1,0511 1,0449 Leve 0,8788 0,8732 0,8765 0,8858 0,8855 0,8679 0,8884 0,8816 0,8958 0,9015 0,9061 0,9054 Pesado 1,1229 1,1149 1,0996 1,1199 1,1062 1,0978 1,1118 1,0996 1,0885 1,1246 1,1079 1,0944 Médio 1,0637 1,0701 1,0638 1,0663 1,0622 1,0734 1,0571 1,0586 1,0573 1,0501 1,0511 1,0500 Leve 0,8759 0,8738 0,8737 0,8914 0,8828 0,8709 0,8884 0,8816 0,8958 0,9015 0,9061 0,9098 Subsistema N 2013 Pesado 1,0689 Médio 1,0158 Leve 2014 2015 2016 2017 0,9614 Pesado 1,0617 1,0565 1,0578 1,0609 1,0798 1,0788 1,0710 1,0634 1,0607 1,0667 1,0664 1,0677 Médio 1,0205 1,0174 1,0249 1,0272 1,0325 1,0273 1,0246 1,0261 1,0228 1,0212 1,0191 1,0147 Leve 0,9538 0,9579 0,9522 0,9491 0,9319 0,9444 0,9413 0,9455 0,9477 0,9475 0,9583 0,9603 Pesado 1,0617 1,0578 1,0564 1,0609 1,0817 1,0770 1,0710 1,0634 1,0622 1,0682 1,0664 1,0677 Médio 1,0205 1,0186 1,0237 1,0272 1,0344 1,0258 1,0246 1,0261 1,0242 1,0226 1,0191 1,0147 Leve 0,9538 0,9591 0,9509 0,9491 0,9336 0,9428 0,9413 0,9455 0,9491 0,9488 0,9583 0,9603 Pesado 1,0630 1,0576 1,0564 1,0593 1,0817 1,0753 1,0726 1,0619 1,0622 1,0696 1,0664 1,0665 Médio 1,0218 1,0185 1,0237 1,0257 1,0344 1,0242 1,0263 1,0246 1,0242 1,0241 1,0191 1,0136 Leve 0,9550 0,9588 0,9509 0,9478 0,9336 0,9413 0,9427 0,9442 0,9491 0,9501 0,9583 0,9593 Pesado 1,0617 1,0578 1,0550 1,0624 1,0798 1,0770 1,0726 1,0619 1,0622 1,0696 1,0664 1,0689 Médio 1,0205 1,0186 1,0223 1,0287 1,0325 1,0258 1,0263 1,0246 1,0242 1,0241 1,0191 1,0158 Leve 0,9538 0,9591 0,9497 0,9505 0,9319 0,9428 0,9427 0,9442 0,9491 0,9501 0,9583 0,9614 157 Apêndice 2 A previsão semanal de carga média utilizada como dados de entrada no modelo DECOMP são apresentados na Tabela A2.1. Tabela A2.1 – Previsão semanal de carga média do cenário base (em MWméd) Semana Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 Subsistema Pesado Médio Leve SE/CO 43365 42837 33307 SUL 11638 12543 9272 NE 10986 10605 9060 NE 5560 5288 4954 SE/CO 43790 43257 33634 SUL 11848 12769 9439 NE 11081 10697 9138 NE 5599 5326 4989 SE/CO 43059 42825 34028 SUL 11598 12643 9539 NE 10881 10639 9202 NE 5505 5276 5021 SE/CO 40876 39136 32864 SUL 11156 11134 9227 NE 10794 10148 8873 NE 5517 5236 4969 SE/CO 41110 39053 32421 SUL 11734 11290 8510 NE 10617 9924 8680 NE 5419 5132 4873 158