Descrição dos dados

O presente trabalho consistiu numa metodologia inovadora para definição de tarifas, esta metodologia considera como variáveis o diagrama representativo do perfil típico de consumo dos consumidores, o preço de energia eléctrica formado em mercado e o valor da produção de energia (eólica e solar), produzida em Portugal continental.

As tarifas foram definidas tendo em consideração as estações do ano, os meses e os dias da semana, uma vez que o consumo de energia varia de acordo com estes factores. Desta forma o agregador tem a capacidade de avaliar o impacto da tarifa proposta e consequente analisar a resposta em termos de consumo, por parte dos seus clientes. Conhecer este impacto possibilita promover a determinação da elasticidade no consumo de cada um, sendo este um parâmetro que possibilita o ajuste do PTC.

Para o presente trabalho foi necessário editar alguns campos para alterar a estrutura da base de dados, de forma a ser possível utilizar os dados na metodologia proposta através do programa Excel. Esta metodologia permite determinar estruturas tarifárias, recorrendo a uma variada selecção de parâmetros de entrada, como os diagramas de carga representativos de cada

cluster, o preço de mercado e o valor da produção de energia renovável (eólica e solar), para

diferentes períodos horários, dias, meses e anos. Foram ainda definidos parâmetros de afetação a cada uma das variáveis (x, y e z), com valores definidos através da sensibilidade do autor.

Os dados relacionados com preços de mercado foram recolhidos do OMIE entre 2015 e 2017, os dados de produção solar e eólica foram colectados no mesmo período, do site da REN no mesmo período. Os valores tarifários regulados foram colectados da ERSE, tarifa de 2017. A ferramenta foi desenvolvida em Excel e permitiu realizar vários testes com diferentes parâmetros seleccionados.

4.3.1.1. Pré processamento de dados

De forma a ser possível comparar dados com a mesma ordem de grandeza foi necessário aplicar metodologias de normalização às variáveis, este procedimento já descrito no caso de estudo 1. Neste caso, os valores dos componentes que afectam a nova tarifa, nomeadamente o consumo, a produção e os preços de mercado, foram submetidos à normalização e após a normalização foram ainda reduzidos a uma escala que lhes permite variar entre [0,5; 1,5]. Com esta escala pretendeu-se que a nova tarifa pudesse ser até 1,5 vezes maior ou 0,5 vezes menor que a tarifa base da ERSE, que foi considerada como valor de referência. Todos os dados foram normalizados para estar na mesma escala e os pesos de x, y e z fazerem sentido. Os parâmetros x, y e z, assumem valores diferentes, considerando sempre que a soma dos três factores não pode ser maior do que 1, valores esses que resultam da sensibilidade do autor.

Segue-se uma breve descrição das variáveis e o tratamento considerado para o cálculo das tarifas:

 Consumo (Cc) – para esta variável foram considerados os resultados dos 3 centroides correspondentes aos 3 clusters, resultantes dos ensaios do caso de estudo 1. Foram assim utilizados os resultados da aplicação do algoritmo K-means, para k=3, para dados com Normalização Regular, Normalização Customizada, Normalização com Diferença e Normalização da Média. Os resultados dos clusters da Normalização da Média sofreram ainda novo processo de normalização, cada centroide corresponde a um vector de dados, para cada hora do dia, onde o factor de

normalização é o valor máximo registado em cada vector. Após este processo foi somado 0.5 valores, aos valores normalizados, de forma que os dados ficassem normalizados numa escala entre [0,5; 1,5]. Assim a nova tarifa pode ser até 1,5 vezes maior ou 0,5 vezes menor que a tarifa base da ERSE, que vamos tomar como valor de referência. Obtidos estes valores de consumo, é calculado o valor médio entre os clusters 1, 2 e 3, valor este que é considerado no cálculo da tarifa como o consumo do cluster em análise.

 Preço de mercado (Pm) – corresponde aos valores da base de dados relativos às transacções de energia no mercado OMIE, registados em €/MWh. Estes valores foram recolhidos do site e compilados numa base de dados. Posteriormente foram normalizados sendo o factor de normalização o valor máximo registado em cada vector correspondente ao preço da energia diário. Após a normalização foram somados 0.5 valores, de forma que os valores ficassem normalizados numa escala entre [0,5; 1,5], pelas razões expostas anteriormente. Obtidos estes valores normalizados foram definidos métodos de previsão (A, B e C) de preço de mercado para aplicar na metodologia proposta.

 Produção energia eólica e solar (Pes) – os valores da base de dados relativos ao valor da produção diária de energia solar e eólica registados no site da REN em MW, para Portugal continental, foram compilados e normalizados segundo o mesmo procedimento de normalização dos casos anteriores, o factor de normalização é o valor máximo registado em cada vector correspondente à produção diária de energia solar e eólica. Posteriormente aos valores normalizados foram acrescidos de 0.5 valores, de forma que ficassem normalizados numa escala entre [0,5; 1,5]. Obtidos estes valores normalizados para cada uma das bases de dados, foram definidos métodos de previsão energia (A, B e C) de produção de para aplicar na metodologia proposta.

 Pesos (x, y e z) - estes valores foram definidos através da sensibilidade do autor de forma a testar as tarifas atribuindo diferentes pesos a cada uma

das componentes da tarifa (preço, consumo e produção). As combinações possíveis entre os diferentes pesos estão definidas na Tabela 4-8, considerando que a soma dos três factores não pode ser superior a 1.

Tabela 4-8 – Valor dos pesos x,y,e z, e combinações possíveis, definidos pelo autor.

Combinação X Y Z 1 0,33 0,33 0,33 2 0,25 0,25 0,5 3 0,1 0,8 0,1 4 0,8 0,1 0,1 5 0,1 0,1 0,8

 Tarifa base ERSE – as tarifas base retiradas do site da ERSE relativas a 2017 não sofreram processo de normalização, os dados são utilizados nas unidades €/kWh.

Nesta fase os dados foram preparados a fim de ser utilizados pela metodologia desenvolvida no Excel. Os dados estão organizados e separados em ficheiros, com extensão xlsx.