- Pós Graduação Engenharia Elétrica

Transcrição

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$/MWh) .............................................. 112
pelo NEWAVE para o subsistema SUL (valores em R$/MWh) .................................................. 112
pelo NEWAVE para o subsistema NE (valores em R$/MWh) .................................................... 113
pelo NEWAVE para o subsistema N (valores em R$/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
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
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
NEWAVE para o subsistema NE (valores em R$/MWh) ............................................................ 128
12
NEWAVE para o subsistema N (valores em R$/MWh).............................................................. 128
Tabela 25 – PLD calculado para as semanas do mês de dezembro/13..................................... 132
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
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
5.132,0 5.132,0 5.132,0 5.132,0 5.132,0
Patamar Leve
Semana
1
2
3
4
5
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
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$/MWh)
2015
2016
Cenários (SE/CO)
Patamar 2014
Pesado 273,80 193,72 147,17
Base (PMO de dez/13)
Médio
273,73 193,55 147,04
Leve
273,33 192,17 146,50
Pesado 271,51 193,01 147,21
Redução 2,5%
Médio
271,41 192,91 147,08
Leve
270,93 191,25 146,32
Pesado 273,47 190,14 146,89
Redução 5%
Médio
273,40 190,07 146,77
Leve
272,89 188,37 146,31
Pesado 272,64 193,00 147,06
Redução 7,5%
Médio
272,54 192,81 146,94
Leve
272,11 191,69 146,26
prazo calculado pelo NEWAVE para o subsistema SUL (valores em R$/MWh)
2015
2016
Cenários (SUL)
Patamar 2014
Pesado 272,96 199,95 155,98
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
prazo calculado pelo NEWAVE para o subsistema NE (valores em R$/MWh)
Cenários (NE)
Patamar 2014
2015
2016
Pesado 242,89 132,53
89,87
Médio
238,84 128,88
88,41
Leve
224,38 119,86
80,22
Pesado 240,96 130,83
89,01
Redução 2,5%
Médio
237,56 127,91
87,55
Leve
224,72 118,21
80,10
Pesado 241,67 128,93
88,70
Redução 5%
Médio
239,80 126,91
87,90
Leve
226,55 116,77
79,97
Pesado 243,81 132,76
90,17
Redução 7,5%
Médio
239,58 129,17
88,83
Leve
226,56 119,25
81,26
prazo calculado pelo NEWAVE para o subsistema N (valores em R$/MWh)
2015
2016
Cenários (N)
Patamar 2014
Pesado 240,83 132,20
89,60
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.
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 5%
Patamar Pesado
Patamar Pesado
1
2
3
4
5
1
2
3
4
5
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
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
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
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
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
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
as semanas do mês de dezembro/13 para os cenários de redução de 7,5% da
carga no patamar pesado, em MWméd.
Patamar Pesado
Semana
1
2
3
4
5
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
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
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
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
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
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.
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
calculado pelo NEWAVE para o subsistema NE (valores em R$/MWh)
Cenários (NE)
Patamar 2014
2015
2016
Pesado 242,89 132,53
89,87
Base
Médio
238,84 128,88
88,41
Leve
224,38 119,86
80,22
Pesado 185,81 103,80
73,95
Cenário 1
Médio
182,14 101,02
72,44
Leve
172,58
93,44
66,60
Pesado 192,70 106,83
76,81
Cenário 2
Médio
189,20 103,93
75,65
Leve
179,83
96,27
68,54
calculado pelo NEWAVE para o subsistema N (valores em R$/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.
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
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
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
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
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
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
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
Semana 1
Semana 2
Semana 3 Semana 4 Semana 5
R$ 226,56
R$ 222,06
R$ 220,52 R$ 214,49
R$ 214,41
R$ 226,56
R$ 222,06
R$ 220,52 R$ 214,46
R$ 214,41
R$ 219,65
R$ 217,89
R$ 216,14 R$ 214,40
R$ 211,54
15
18
18
15
9
75
89
89
80
47
Horas Pat. Leve (h)
54
61
61
73
40
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
0
2
3
3
1
1
2
3
3
1
1
3
3
3
1
R$ 0
R$ 3.600
R$ 5.400
R$ 4.500
R$ 900
R$ 7.500
R$ 17.800
R$ 26.700 R$ 24.000
R$ 4.700
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
-R$ 55.001
R$ 15.940
Penalidade no Prog. de RD - Pat. Pesado (R$)
R$ 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
Semana 1
Semana 2
Semana 3
Semana 4
Semana 5
R$ 226,56
R$ 222,06
R$ 220,52
R$ 214,49
R$ 214,41
R$ 226,56
R$ 222,06
R$ 220,52
R$ 214,46
R$ 214,41
R$ 219,65
R$ 217,89
R$ 216,14
R$ 214,40
R$ 211,54
15
18
18
15
9
75
89
89
80
47
Horas Pat. Leve (h)
54
61
61
73
40
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
R$ 0
R$ 0
R$ 0
R$ 0
R$ 0
R$ 0
R$ 0
R$ 0
R$ 0
R$ 0
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
-R$ 96.755 -R$ 111.155 -R$ 110.341 -R$ 108.076 -R$ 61.406
-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>
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>.
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

- Pós Graduação Engenharia Elétrica

Transcrição

Documentos relacionados

PLD (Preço de Liquidação das Diferenças) Expansão

MOÇÃO Urge uma maior aposta na investigação aplicada! A

Sistemas de transporte pesado por ferrovias e rodovias

Apresentação do PowerPoint

Mais uma opção da Volvo para o transporte pesado

BRUTUS AP

Respostas da Lista 1 - Logic

CHURRASCARIA LAVENTURA: GESTÃO DE PESSOAS XALAGA

Estilete Retratil S014

COMPORTAMENTOS PROBLEMAS NO CONTEXTO

PDF - Revista Brasileira de Psicoterapia