Análise do impacto financeiro da transição dos modelos de formação de preço DECOMP para o DESSEM nos contratos do ACL: um estudo de caso com dois perfis de consumo - industrial e comercial

Victor da Silva Sierra Fernandez

Análise do Impacto Financeiro da transição dos

modelos de formação de preço DECOMP para o

DESSEM nos contratos do ACL: Um estudo de

caso com dois perfis de consumo – Industrial e

Comercial

Florianópolis 2019

Victor da Silva Sierra Fernandez

Análise do Impacto Financeiro da transição dos modelos de formação de preço DECOMP para o DESSEM nos contratos do ACL: Um estudo de caso com dois perfis de consumo – Industrial e

Comercial

Dissertação submetida ao Programa de Pós-Graduação em Engenharia Elétrica da Universidade Federal de Santa Catarina como requisito para obtenção do Grau de Mestre em Engenharia Elétrica.

Universidade Federal de Santa Catarina – UFSC Departamento de Engenharia Elétrica – EEL

Programa de Pós-Graduação em Engenharia Elétrica - PPGEEL

Orientador: Prof. Erlon Cristian Finardi, Dr.

Florianópolis 2019

Victor da Silva Sierra Fernandez

Análise do Impacto Financeiro da transição dos modelos de formação de preço DECOMP para o DESSEM nos contratos do ACL: Um estudo de caso com dois perfis de consumo – Industrial e

Comercial

Dissertação submetida ao Programa de Pós-Graduação em Engenharia Elétrica da Universidade Federal de Santa Catarina como requisito para obtenção do Grau de Mestre em Engenharia Elétrica.

Florianópolis, 02 de abril de 2019. ________________________ Prof. Bartolomeu Ferreira Uchôa Filho, Ph.D.

Coordenador do Curso Banca Examinadora:

________________________ Prof. Erlon Cristian Finardi, Dr.

Orientador

Universidade Federal de Santa Catarina

________________________ Prof. Rubipiara Cavalcante Fernandes, Dr.

Instituto Federal de Santa Catarina

________________________ Prof. Murilo Reolon Scuzziato, Dr.

Dedico também ao meu orientador e amigo Prof. Dr. Erlon Cristian Finardi, pela confiança, paciência, incentivo e excelente

orientação.

Dedico também aos meus colegas de trabalho da Engie Brasil Energia que me deram todo o suporte para que eu pudesse realizar esta

dissertação.

Sem o apoio de ambos, este trabalho não teria sido realizado. A eles, meu muito, muito obrigado.

AGRADECIMENTOS

Aos meus pais, pelo amor, carinho, apoio e imensa dedicação em minha criação tanto pessoal quanto profissional.

Aos meus irmãos, pelo companheirismo e incentivo em todos os momentos de minha vida.

Aos meus amigos, pela paciência e colaboração em todas as etapas de minha jornada.

A todos que direta ou indiretamente contribuíram para o desenvolvimento deste trabalho.

RESUMO

Este presente trabalho tem como objetivo avaliar o impacto financeiro da transição dos modelos de formação de preço DECOMP e DESSEM nos contratos do Ambiente de Comercialização Livre. Para avaliar este problema, foram modelados dois estudos de caso com consumidores de diferentes perfis de consumo no decorrer do dia. O primeiro consumidor se assemelha a um perfil de consumo industrial, que possui pouca variação no seu consumo durante o dia. Já o segundo consumidor se assemelha a um perfil comercial, com baixo consumo na madrugada e alto consumo durante o dia e noite. O gerador possui os recursos de geração proporcional à carga líquida do subsistema Sudeste/Centro-Oeste. A exposição energética horária no mercado de curto prazo em ambos os casos foi valorada ao preço de liquidação de diferenças de 2018, sendo o preço horário calculado pelo DESSEM na operação sombra definida pelo ONS/CCEE e as projeções para completar o ano foram realizadas pela empresa Thymos Energia através de um trabalho contratado pela associação ABRACEEL. O preço calculado pelo DECOMP utilizado foi o verificado até meados de outubro e a projeção até o final do ano foi utilizada a mesma do relatório da empresa Thymos Energia. Como resultado desta avaliação, ter-se-á uma tabela comparando as diferenças das exposições financeiras quando o preço de liquidação de diferenças utilizado é o DECOMP e quando é utilizado o preço de liquidação de diferenças DESSEM, além de gráficos mostrando a exposição financeira mensal para cada perfil de consumo. Por fim é proposto um modelo de otimização estocástica não-linear contínuo para reduzir o risco adicional gerado por esta transição de modelos de precificação.

Palavras-chave: DESSEM, Preço Horário, Gerenciamento de Risco,

ABSTRACT

This paper aims to evaluate the financial impact of the transition of the pricing models DECOMP and DESSEM in the Free Market. To evaluate this problem, two cases were modeled with consumers with different consumption profiles during the day. The first consumer resembles an industrial consumption profile, which has little variation in its consumption during the day. The second consumer is similar to a commercial profile, with low consumption at night and high consumption during the day. The generator has the generation capabilities proportional to the net load of the Southeast / Center-West subsystem. The hourly energy exposure in the short-term market in both cases was valued at the spot price of 2018, the hourly price calculated by DESSEM in the shadow operation defined by the ONS / CCEE and projections to complete the year were made by the company Thymos Energia through a contracted work by the ABRACEEL association. The price calculated by DECOMP used in this paper was the verified until the middle of October and the projection until the end of the year was used the same one of the report of the company Thymos Energy. As a result of this evaluation, a table comparing the differences of the financial exposures will be made when the spot price used is the DECOMP and when the DESSEM spot price is used, as well as graphs showing the monthly financial exposure for each consumption profile. Lastly, it is proposed a contuinuos non-linear stochastic model of two stages to reduce this additional risk increased by the transition of this pricing models.

Keywords: DESSEM, Time-of-Use Price, Risk Management, Portfolio

LISTA DE ILUSTRAÇÕES

Figura 1 Governança Institucional do Setor Elétrico Brasileiro

... 33

Figura 2 Decisão Operativa em Sistemas Hidrotérmicas ... 36

Figura 3 Função de Custo Imediato/Futuro x Armazenamento

... 37

Figura 4 Matriz Energética Brasileira - Fonte: Relatório

Gerencial ANEEL (Março/2018) ... 40

Figura 5 Planejamento da Operação Energética no Brasil

(Silva, 2012) ... 42

Figura 6 Cenários de Afluência e FCF – NEWAVE ... 43

Figura 7 Etapas do Planejamento - Incertezas x Detalhes ... 43

Figura 8 - REEs e submercados ... 45

Figura 9 Cenários de Afluência no modelo DECOMP ... 47

Figura 10 Acoplamento DECOMP e NEWAVE ... 47

Figura 11 Carga por patamar - DECOMP e DESSEM ... 50

Figura 12 Carga Bruta Nordeste DECOMP x DESSEM ... 51

Figura 13 Geração Eólica Nordeste - DECOMP x DESSEM . 51

Figura 14 Carga Líquida Nordeste - DECOMP x DESSEM .. 52

Figura 15 Ambientes de Contratação de Energia Elétrica ... 56

Figura 16 Flexibilidade Contratual - exemplo. ... 63

Figura 17 Curvas de consumo clientes - exemplo conceitual . 64

Figura 18 PLD do dia 05/06/2018 - DECOMP x DESSEM ... 64

Figura 19 Valores de PLD obtidos no dia 25/04/2018. ... 66

Figura 20 Valores de PLD obtidos no dia 13/05/2018. ... 66

Figura 21 Valores de PLD obtidos no dia 15/06/2018. ... 67

Figura 22 Valores de PLD obtidos no dia 14/10/2018. ... 67

Figura 23 Perfil de Geração - Metodologia ... 77

Figura 24 Perfis de consumo - resultados numéricos ... 78

Figura 25 PLD DECOMP x DESSEM - Janeiro/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 80

Figura 26 PLD DECOMP x DESSEM - Fevereiro/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 80

ABRACEEL - Consultoria Thymos Energia ... 81

Figura 28 PLD DECOMP x DESSEM - Abril/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 81

Figura 29 PLD DECOMP x DESSEM - Maio/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 82

Figura 30 PLD DECOMP x DESSEM - Junho/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 82

Figura 31 PLD DECOMP x DESSEM - Julho/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 83

Figura 32 PLD DECOMP x DESSEM - Agosto/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 83

Figura 33 PLD DECOMP x DESSEM - Setembro/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 84

Figura 34 PLD DECOMP x DESSEM - Outubro/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 84

Figura 35 PLD DECOMP x DESSEM - Novembro/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 85

Figura 36 PLD DECOMP x DESSEM - Dezembro/18 - Estudo

ABRACEEL - Consultoria Thymos Energia ... 85

Figura 37 Exposição em MWm - Perfil Industrial ... 89

Figura 38 Exposição Energética Consumo Perfil Industrial -

09/05/2018 – PLD DESSEM ... 90

Figura 39 Exposição Energética Consumo Perfil Industrial -

09/05/2018 – PLD DECOMP ... 90

Figura 40 Exposição em MWm - Perfil Comercial ... 91

Figura 41 Exposição Energética Consumo Perfil Comercial -

09/05/2018 – PLD DESSEM ... 92

Figura 42 Exposição Energética Consumo Perfil Comercial -

09/05/2018 – PLD DECOMP ... 92

Figura 43 PLD DECOMP x PLD DESSEM - 13/02/2018 ... 93

Figura 44 Cenários de PLD e Exposição Energética média .. 100

LISTA DE TABELAS

Tabela 1 Leilões de Energia - ACR ... 58

Tabela 2 Resumo do impacto financeiro dos cenários ... 94

Tabela 3 Mecanismos de Hedge ... 99

NOMENCLATURAS

Lista de Abreviaturas e Siglas

ABRACEEL

Associação Brasileira de Comercializadores

de Energia

ACL

Ambiente de Contratação Livre

ACR

Ambiente de Contratação Regulada

ANEEL

Agência Nacional de Energia Elétrica

CCEAL

Contratos de Comercialização de Energia no

Ambiente Livre

CCEAR

Contratos de Comercialização de Energia no

Ambiente Regulado

CCEE

Câmara de Comercialização de Energia

Elétrica

CCEI

Contrato de Compra de Energia Incentivada

CEPEL

Centro de Pesquisas de Energia Elétrica

CER

Contrato de Energia de Reserva

CMO

Custo Marginal de Operação

CMSE

Comitê de Monitoramento do Setor Elétrico

CNPE

Conselho Nacional de Política Energética

CPAMP

Comissão Permanente para Análise de

Metodologias e programas Computacionais

do Setor Elétrico

CVar

Conditional Value at Risk

CVU

Custo Variável Unitário

EDR

Expected Downside Risk

EPE

Empresa de Pesquisa Energética

FCF

Função de Custo Futuro

FCI

Função de Custo Imediato

GAMS

General Algebraic Modeling System

GD

Geração Distribuída

GEVAZP

Modelo de Gerador de Vazões Estocásticas

para o Médio Prazo

MAE

Mercado Atacadista de Energia

MCP

Mercado de Curto Prazo

MME

Ministério de Minas e Energia

N

Norte

NE

Nordeste

ONS

Operador Nacional do Sistema Elétrico

PCHs

Pequenas Centrais Hidrelétricas

PDDE

Programação Diinâmica Dual Estocástica

PLD

Preço de Liquidação das Diferenças

PMS

Preço Marginal do Sistema

PNO

Preço Nodal

RAROC

Risk Adjusted Return On Capital

REE

Reservatório Equivalente de Energia

S

Sul

SE/CO

Sudeste e Centro-Oeste

SIN

Sistema Interligado Nacional

SUMÁRIO

1

INTRODUÇÃO ... 23

2

FUNDAMENTAÇÃO TEÓRICA ... 29

2.1 Formação de Preço no Brasil ... 29

2.1.1 Organização do Mercado de Energia Elétrica Brasileiro ... 29

2.1.2 O Problema do Despacho de Geração ... 33

2.1.2.1 Sistemas Termelétricos ... 35

2.1.2.2 Sistemas Hidrotérmicos ... 35

2.1.2.3 Sistema Elétrico Brasileiro (SEB) ... 40

2.1.3 Planejamento da Operação Energética no Brasil ... 41

2.1.3.1 Médio Prazo ... 42

2.1.3.2 Curto Prazo ... 46

2.1.3.3 Programação Diária da Operação (PDO) ... 48

2.1.4 Principais Diferenças entre DECOMP e DESSEM ... 49

2.2 Comercialização de Energia Elétrica ... 54

2.2.1 Ambientes de Contratação ... 55

2.2.1.1 Ambiente de Contratação Regulado – ACR ... 57

2.2.1.2 Ambiente de Contratação Livre - ACL ... 60

2.2.2 O Problema do Gerador ... 61

3

METODOLOGIA ... 77

3.1 Portfólio do Gerador ... 77 3.2 Consumidores ... 77 3.3 Contratos ... 79 3.4 Preço de Liquidação das Diferenças – DECOMP e DESSEM ... 79 3.5 Contabilização no Mercado de Curto Prazo ... 86

4

RESULTADOS E DISCUSSÃO ... 89

4.1 Impacto Financeiro da Precificação Horária ... 89 4.2 Cenários Simulados ... 89

4.2.1 Consumidor Perfil Industrial... 89 4.2.2 Consumidor Perfil Comercial ... 91 4.2.3 Resumo... 93 4.3 Formulação Matemática ... 95 4.4 Resultados ... 99 4.4.1 Dados de entrada ... 99 4.4.2 Resultados Numéricos ... 101

5

CONCLUSÃO ... 103

6

DESENVOLVIMENTOS FUTUROS ... 105

7

BIBLIOGRAFIA ... 107

1 INTRODUÇÃO

1.1 CONTEXTO

Na atual estrutura do mercado de energia elétrica no Brasil, somente alguns tipos de agentes podem negociar livremente tanto o volume de energia elétrica quanto seu preço. Dentre esses agentes, tem-se: as companhias de geração, de comercialização e os grandes consumidores que atendem certos critérios definidos pela ANEEL, como por exemplo, conexão na rede elétrica, consumo mínimo, entre outros (Decreto nº 5.163). Os pequenos consumidores, não inclusos na definição acima, de acordo com a estrutura atual, são atendidos pelas distribuidoras de energia elétrica do seu estado.

Em relação às negociações no mercado de energia elétrica, tanto os geradores quanto os comercializadores podem atender os grandes consumidores, e os contratos decorrentes destas negociações são liquidados pela CCEE em um ambiente comum denominado Mercado de Curto Prazo (MCP) (Decreto nº 5.177). Caso o balanço entre recursos e requisitos não seja nulo (e.g: consumidor com consumo maior que seus recursos, ou gerador com menos geração que seus requisitos), define-se que há uma exposição energética e financeira no MCP. A exposição energética é a diferença entre os recursos e requisitos de cada agente (gerador/comercializador/consumidor), e a exposição financeira é o volume de energia exposto valorado ao preço da energia elétrica (PLD). Dada a grande volatilidade do PLD nos últimos cinco anos, conforme dados publicados pela CCEE (CCEE, 2019), ficar exposto no curto prazo pode gerar grandes prejuízos financeiros. Portanto, a utilização de ferramentas de gestão de portfólio aliadas às ferramentas de gestão de risco passa a ter grande relevância para que cada agente consiga atender seu lucro esperado com certo grau de aversão ao risco.

A gestão do portfólio de cada agente consiste em basicamente lidar com duas grandes incertezas: preço da energia elétrica e consumo de cada cliente. O risco relacionado ao cliente é referente ao seu perfil de consumo que pode ser variável durante o dia, durante a semana, ou até mesmo durante o ano.

A outra variável com grande incerteza é o PLD. No Brasil, diferente de muitos países, o preço é definido por uma cadeia de modelos desenvolvidos pelo CEPEL (Maceira, Terry et Al, 2002). A ideia de se ter mais de um modelo para definir o preço é devido ao grande porte do sistema elétrico brasileiro, com muitas usinas hidrelétricas que possuem alta imprevisibilidade nas suas afluências (CEPEL, 2001). Sendo assim, essa cadeia de modelos é estruturada de tal forma que os modelos de mais longo prazo tentam capturar as incertezas hidrológicas abordando uma modelagem mais equivalente das usinas hidrelétricas, e os modelos de curto prazo tentam capturar mais os detalhes da operação com menos incertezas hidrológicas (CEPEL, 2001).

Atualmente a estrutura desta cadeia é composta por um modelo de longo prazo, denominado NEWAVE, que tem um horizonte de planejamento de cinco anos, e possui uma discretização mensal (CEPEL, 2003). O segundo modelo que se acopla no NEWAVE é denominado DECOMP, e este possui um horizonte de planejamento de dois meses, com uma discretização semanal no primeiro mês (CEPEL, 2001). Sendo assim, de acordo com esta estrutura, o preço da energia elétrica é definido semanalmente, com três patamares de preço durante o dia (leve, médio e pesado) que representam os horários com menor, médio e maior consumo, respectivamente (CEPEL, 2001). Contudo, de acordo com o histórico de preços na CCEE mesmo com três patamares de carga, percebe-se que os preços semanais possuem pouca volatilidade durante o dia, e não representam a real operação do sistema (CCEE, 2019).

Com a relevante inserção da geração eólica no Brasil, a matriz energética brasileira vem sofrendo alterações. Com a expansão desta fonte renovável, a operação em tempo real fica cada vez mais complexa dada à sua alta imprevisibilidade de geração desta fonte. Aliado a este fato, os grandes reservatórios de energia elétrica também vêm reduzindo gradativamente sua capacidade de regularização e, portanto, a compensação da intermitência da geração eólica acaba sendo realizada por geração térmica e intercâmbios de energia (ONS, 2018b).

No Brasil, conforme (Silva, 2012), as usinas térmicas são despachadas pelo critério de ordem de mérito que é definido através do Custo Marginal de Operação (CMO). Portanto, as usinas que possuírem um Custo

Variável Unitário (CVU) menor ou igual ao CMO definido para tal semana operativa, terão preferência na ordem de despacho pelo ONS. Entretanto, conforme contextualizado, o preço da energia elétrica possui pouca volatilidade durante o dia, portanto, o despacho das usinas térmicas através da ordem de mérito não consegue compensar completamente os efeitos da intermitência eólica, e também os efeitos da variação da carga durante o dia (ONS, 2018b). Dado que em tempo real estas necessidades devem ser supridas, o ONS define, também em tempo real, a necessidade de despachar certas usinas térmicas adicionais por motivos de segurança energética, razão elétrica ou reserva operativa. Este despacho adicional é definido como fora da ordem de mérito, e os custos referentes à geração destas usinas térmicas são ressarcidos a estes geradores através dos Encargos de Serviços do Sistema (ESS) que são pagos por todos os consumidores. Mesmo esses geradores não apresentando prejuízo financeiro pelo despacho fora da ordem de mérito, ressalta-se que o PLD não está composto por esses encargos, portanto, o custo real da operação não é completamente refletido pelo PLD calculado pelo modelo DECOMP.

Aliado à motivação acima, em 06 de junho de 2018, a Comissão Permanente para Análise de Metodologias e Programas Computacionais do Setor Elétrico (CPAMP), instituída pelo Ministério de Minas e Energia (MME), deliberou que o preço da energia elétrica deixará de ser semanal e passará a ter uma discretização horária a partir de janeiro de 2020 (ONS, 2018a). Portanto, para calcular este preço, o CEPEL desenvolveu um outro modelo que se acopla na cadeia de modelos energéticos supracitada. Este último, denominado DESSEM, que possui um horizonte semanal, com discretização horária e sua modelagem representa o sistema elétrico brasileiro de forma mais detalhada (CEPEL, 2003). Com essa melhor representação, de acordo com simulações feitas em (Canal Energia, 2019), os encargos de serviços de sistema podem reduzir. Por fim, esta mudança trará impactos significativos para o setor elétrico tanto na operação do sistema quanto na comercialização de energia elétrica.

1.2 O PROBLEMA

Este trabalho avalia o impacto da exposição financeira, do ano de 2018, no MCP quando o PLD é obtido via modelo DECOMP e quando o PLD

é obtido via modelo DESSEM. Para isso, foi realizado um estudo de caso com dois tipos de consumidores: i) perfil de consumo constante durante o dia assemelhando-se a uma indústria, e outro com perfil de consumo mais semelhante ao do comércio (maior consumo entre às 10h e 21h). Dado que o modelo computacional DESSEM está em fase de testes (“Operação Sombra”), os dados utilizados foram disponibilizados pela empresa Thymos Energia que publicou um trabalho para a Associação Brasileira dos Comercializadores de Energia (ABRACEEL). Para o PLD obtido via DECOMP, os dados utilizados foram os verificados até setembro de 2018, e a partir de outubro de 2018, os valores foram projetados também pela empresa Thymos Energia no mesmo trabalho citado anteriormente. Após a avaliação deste estudo de caso, também é proposto um problema de otimização estocástica não-linear contínuo de dois estágios a fim de mitigar as exposições no MCP.

1.3 MOTIVAÇÃO/JUSTIFICATIVA

Em meio às mudanças no Setor Elétrico Brasileiro (SEB) levantadas pela contextualização e colocação do problema, este trabalho é motivado a identificar se os impactos das exposições financeiras serão maiores, menores ou iguais quando os PLDs são calculados pelo DECOMP ou pelo DESSEM. Com isso, dependendo da avaliação, novas ferramentas para a gestão de risco do portfólio e a maneira de precificar os contratos de energia elétrica podem sofrer alteração a partir de 2020.

1.4 OBJETIVOS 1.4.1 Objetivo Geral

Identificar se há impacto comercial na contabilização dos contratos no Ambiente de Contratação Livre quando esta é realizada não mais pelo PLD calculado pelo DECOMP e sim pelo DESSEM no decorrer do ano de 2018 e propor um modelo de otimização estocástica a fim de mitigar as exposições no MCP.

1.4.2 Objetivos Específicos

a) Analisar se o perfil de consumo dos clientes influencia na exposição do MCP;

b) Verificar se a sazonalização do PLD influencia na exposição do MCP;

c) Quantificar o impacto financeiro do risco no MCP com o modelo DESSEM e compará-lo com o modelo DECOMP;

1.5 ESTRUTURA DO TRABALHO

Este documento também tem como objetivo apresentar, de maneira mais didática, os principais aspectos da formação de preço de energia elétrica no Brasil, como o mercado de energia elétrica no Brasil está estruturado, e quais as principais ferramentas encontradas na literatura para o gerenciamento do risco de portfólios de energia elétrica. Ao longo do capítulo 2 temos a fundamentação teórica em que é apresentada a formação de preço de energia elétrica no Brasil, como o mercado de energia elétrica brasileiro está organizado e como está regulada a comercialização de energia elétrica no Brasil. O capítulo 3 é constituído pela metodologia, apresentando os dados do portfólio do gerador, perfil de consumo dos clientes e as principais diferenças entre o PLD obtido via modelo DECOMP e modelo DESSEM. Além destes dados, também é apresentado neste capítulo o modelo de contabilização no MCP. No penúltimo capítulo são apresentados os resultados computacionais, as análises numéricas dos dois estudos de caso e a proposta do modelo de otimização estocástica de dois estágios com seus resultados numéricos. Por fim, no quinto e sexto capítulos, são apresentadas as considerações finais bem como os desenvolvimentos futuros.

2 FUNDAMENTAÇÃO TEÓRICA

Neste capítulo é apresentado os principais fundamentos teóricos para a compreensão deste trabalho. Este capítulo é dividido em três etapas, sendo a primeira composta pela formação de preso no Brasil, apresentando a organização do mercado de energia elétrica no Brasil, e o problema do despacho de geração. A segunda etapa é composta pelos fundamentos da comercialização de energia elétrica no Brasil, apresentando a histórica do setor elétrico brasileiro, quais os ambientes de contratação de energia elétrica e o problema do gerador. A terceira e última etapa é composta pelo estado da arte, apresentando o que há de mais novo na literatura sobre ferramentas de gestão de risco em portfólios de energia elétrica quando há preço horário.

2.1 FORMAÇÃO DE PREÇO NO BRASIL

2.1.1 Organização do Mercado de Energia Elétrica Brasileiro

A indústria de energia elétrica contemporânea tem como principal característica a livre concorrência na compra e venda de energia elétrica, para a qual constitui atributo indispensável a desverticalização, isto é, as atividades de geração, transmissão, distribuição são desempenhadas, cada uma delas, de forma independente e autônoma (Silva, 2012).

No Brasil, dos três segmentos supracitados, aqueles que possuem livre concorrência são a geração e a comercialização, e os segmentos da transmissão e distribuição são considerados monopólios naturais sob regulação técnica e econômica dos agentes responsáveis. Ressalta-se que para o funcionamento adequado de um mercado, de acordo com (Silva, 2012), alguns requisitos devem ser atendidos:

• Eficiência econômica da indústria como um todo;

• Autossustentação da indústria de modo a garantir a expansão do sistema;

• Operação do sistema com elevado grau de confiabilidade em consonância com requisitos de qualidade impostos pela sociedade;

• A prestação de serviços não pode ser discriminatória e a universalização dos serviços deve ser perseguida.

Além destes requisitos e da participação dos próprios agentes de comercialização, geração, transmissão e distribuição, também há a necessidade de participação de outros agentes que darão suporte ao cumprimento dos requisitos supracitados, sendo eles:

• O operador do mercado de energia elétrica; • O operador do sistema;

• O agente regulador do mercado; • O planejador do sistema;

Em outros lugares do mundo, como o caso do Reino Unido (a empresa National Grid Company - NGC), uma empresa pode realizar todas estas tarefas supracitadas, entretanto, no Brasil, quatro empresas separadas realizam estas funções, sendo elas, respectivamente:

• Câmara de Comercialização de Energia Elétrica (CCEE); • Operador Nacional do Sistema Elétrico (ONS);

• Agência Nacional de Energia Elétrica (ANEEL); • Empresa de Pesquisa Energética (EPE);

Em relação às funções de cada um dos quatro agentes institucionais supracitados, e dos principais agentes dos segmentos de geração, transmissão, distribuição e comercialização, temos:

• Agente gerador: faz parte de uma atividade competitiva, e sua função é produzir e vender energia elétrica. Os preços são ofertados pelo próprio agente por sua conta e risco;

• Agente comercializador: também faz parte de uma atividade competitiva, e sua função é comprar e vender energia elétrica. O preço também é ofertado pelo próprio agente por sua conta e risco. Vale ressaltar que nesse caso, o agente comercializador não possui ativos, ou seja, apenas realiza as transações de compra e venda;

• Agentes transmissor e distribuidor: fazem parte de uma atividade regulada constituída por um monopólio natural. Sua função é garantir que todos os agentes de geração tenham acesso às linhas de transmissão e à rede de distribuição sem discriminação. Como estas atividades não são caracterizadas como competitivas, seu preço é definido através do custo do serviço mais uma taxa de

retorno justa pela atividade que é definido pelo agente regulador. Ressalta-se que como estes agentes são prestadores de serviço, estes têm que atender requisitos mínimos de qualidade e confiabilidade no exercício de suas funções, sob pena de multas caso não haja este atendimento mínimo;

• ONS: tem como principal função operar o sistema elétrico brasileiro sob a ótica do mínimo custo operativo, despachando as unidades geradores a fim de atender a demanda com qualidade e confiabilidade. Também é responsável pelo planejamento eletroenergético, e pela contratação e controle de serviços essenciais de transmissão para o sistema elétrico e também pela contratação de serviços ancilares a fim de atender os requisitos de qualidade da rede elétrica. Como principal produto de serviço ancilar temos a geração de potência reativa que auxilia no controle de tensão e frequência da rede elétrica;

• CCEE: de acordo com Decreto nº 5.177 e Decreto nº 6.353, temos que as principais funções do operador do mercado de energia elétrica são apurar o PLD por patamar e submercado, realizar a medição, contabilizar e liquidar todas as transações do mercado de energia, e criar um ambiente comercial viabilizando um ambiente competitivo, sustentável e seguro;

• EPE: de acordo com Lei nº 10.847, a EPE tem por finalidade prestar serviços na área de estudos e pesquisas destinadas a subsidiar o planejamento do setor energético, tais como energia elétrica, petróleo e gás natural e seus derivados, carvão mineral, fontes energéticas renováveis e eficiência energética, dentre outras. Dentre os principais estudos do setor elétrico temos a projeção da demanda energética brasileira, a expansão das linhas de transmissão e os potenciais de geração de energia elétrica. • ANEEL: de acordo com Lei nº 9.427, a ANEEL tem por

finalidade regular e fiscalizar a produção, transmissão, distribuição e comercialização de energia elétrica, em conformidade com as políticas e diretrizes do governo federal. Basicamente, a regulação se dá pela técnica e econômica. De acordo com (Silva, 2012), a regulação técnica trata dos critérios de expansão da geração, transmissão e distribuição, qualidade do fornecimento de energia e qualidade dos serviços de transmissão.

Já a regulação econômica se dá pelo controle dos preços dos serviços de transmissão e distribuição, controle dos preços dos consumidores cativos e preservação do equilíbrio econômico-financeiro dos agentes.

Além destes agentes supracitados, ainda existem outros três agentes que pela governança institucional, possuem um enfoque nas proposições de novas políticas energéticas que é a Conselho Nacional de Política Energética (CNPE), o Ministério de Minas e Energia (MME) e o Comitê de Monitoramento do Setor Elétrico (CMSE). Esses agentes estão descritos resumidamente a seguir.

• CNPE: de acordo com o Novo Modelo do Setor Elétrico, a CNPE tem como principal função propor políticas energéticas ao Presidente da República, em articulação com as demais políticas públicas. Também propõe critérios de garantia estrutural de suprimentos e caso recomendado pelo MME, propõe licitação individual de projetos especiais para o Setor Elétrico.

• MME: também de acordo com o Novo Modelo do Setor Elétrico, o MME formula e implementa políticas para o Setor Energético de acordo com as diretrizes do CNPE. Também é sua função realizar o exercício da função de planejamento setorial, e por meio da CMSE, monitorar a segurança de suprimento do Setor Elétrico.

• CMSE: este agente é instituído no âmbito do MME, de acordo com o Novo Modelo do Setor Elétrico. Caracterizado pelo próprio nome, este agente monitora o suprimento energético avaliando a segurança do fornecimento de energia.

Por fim, temos os consumidores que formam a base de todos estes agentes. Em resumo, a Figura 1 ilustra a Governança Institucional do modelo vigente do Setor Elétrico Brasileiro.

Figura 1 Governança Institucional do Setor Elétrico Brasileiro

2.1.2 O Problema do Despacho de Geração

Face ao entendimento de como o mercado de energia elétrica brasileiro está organizado, compreendendo as funções de cada um dos agentes dentro da governança institucional do setor elétrico, para a compreensão do tema principal deste relatório é necessário também compreender sobre o processo de despacho de geração.

De acordo com (Silva, 2012), basicamente existem duas possíveis correntes de mercado que se referem ao despacho de geração: o modelo

pool e o bilateral. O modelo bilateral é aquele que geradores e

consumidores declaram suas propostas de volume e preço da energia elétrica que estão dispostos a praticar. Neste modelo de mercado, este tende a se autorregular dado que só haverá a formalização de contratos caso haja consumidores dispostos a aceitar a oferta dos geradores e vice-versa.

Já no modelo pool, existe um controle centralizado do despacho de geração, cujo objetivo consiste em despachar ao mínimo custo operativo atendendo restrições técnico-econômicas. Portanto, os geradores declaram apenas suas disponibilidades e seus custos de operação, e o

órgão competente ao despacho centralizado despacha todas as unidades geradoras por ordem de mérito de custo até que a carga do sistema elétrico seja atendida.

No modelo pool existem duas vertentes quanto à remuneração dos geradores, que de acordo com (Silva, 2012), são: i) o Preço Marginal do Sistema (PMS) e ii) Preços Nodais (PNO). No PMS, todos os geradores despachados pela ordem de mérito recebem ao preço marginal declarado pelo último agente gerador despachado. Vale ressaltar que os custos declarados pelos agentes não necessariamente refletem a sua realidade de custo operativo. Um agente pode declarar seu custo de produção mais caro que o real, entretanto, este pode não ser despachado por ordem de mérito. Sob esta ótica, caso um gerador declare seu custo abaixo do seu custo real, e caso este seja o gerador marginal, terá prejuízos. Portanto, este modelo de preços marginais, tende com que os geradores declarem seus custos reais para que no mínimo não tenham prejuízos.

Ressalta-se que a teoria de PMS é válida quando todos os geradores do sistema elétrico podem gerar sua energia livremente sem restrições de transmissão. Caso contrário, não haveria uma sinalização correta do PMS, pois este independe da localização de onde está cada gerador, dado que todos recebem ao mesmo preço. Portanto, o modelo PNO tende a corrigir esta questão, em cada barra do sistema possui um preço marginal, assim representando os congestionamentos de rede e perdas. Em relação à remuneração dos agentes geradores, no PNO, os consumidores acabam pagando ao preço marginal da barra que estão conectados, diferentemente do PMS. Sendo assim, existe a vantagem da real sinalização do preço para cada consumidor, entretanto, temos que caso haja geradores em posições estratégicas, estes podem ofertar preços acima dos seus custos reais, exercendo poder de mercado (Silva, 2012).

Em relação ao despacho do sistema, temos basicamente dois tipos: i) sistemas termelétricos e ii) sistemas hidrotérmicos. Esta divisão se faz necessária dada às características peculiares de cada um. Abaixo são detalhadas as características de cada um deles comparando-as entre si em relação aos seguintes aspectos:

• Tomada de decisão de despacho de geração no presente e suas consequências futuras;

• Formulação do problema de otimização;

• Previsibilidade dos custos marginais de operação futuros; 2.1.2.1 Sistemas Termelétricos

Sistemas puramente térmicos são compostos apenas por usinas a gás, nucleares, combustíveis fósseis, e basicamente grande parte do seu custo marginal de operação declarado advém do custo do seu combustível, portanto, tendo conhecimento destes custos, se tem noção do preço a ser ofertado por estas usinas (CEPEL, 2003).

A tomada de decisão de despacho ótimo nesse tipo de sistema é razoavelmente simples, sendo que basta empilhar as usinas por ordem de mérito de custo até que a demanda do sistema seja atingida. Cita-se basicamente porque o problema a ser resolvido, na prática, tem que levar em consideração a dinâmica de acionamento e desligamento destas usinas, sendo assim o problema acaba se tornando computacionalmente mais complexo para ser resolvido. Este problema que considera esta dinâmica é chamado de Unit-Commitment (escalonamento de unidades). Ainda que com estas restrições de dinâmica na modelagem das usinas térmicas, para problemas com discretização semanal ou até mesmo mensal, podemos dizer que a solução deste problema é desacoplada no tempo, ou seja, a tomada de decisão no presente não impacta no custo marginal do próximo estágio. Para essa afirmação, assume-se que não há limite na obtenção dos recursos energéticos. Nesse tipo de sistema, também vale ressaltar a peculiaridade de que a geração de uma usina térmica não impacta na geração de outra usina, e nem tampouco na confiabilidade de geração das outras usinas deste sistema (CEPEL, 2003). 2.1.2.2 Sistemas Hidrotérmicos

Diferentemente dos sistemas puramente térmicos, os sistemas hidrotérmicos possuem certas características que tornam este problema muito mais complexo para ser resolvido. A tomada de decisão em um sistema hidrotérmico é acoplada no tempo e espaço, dado que o uso da água dos reservatórios no presente impacta no volume armazenado do próximo estágio, e o quanto uma usina turbina em certa hora impacta na afluência das usinas que estão a jusante desta (CEPEL, 2003). Além disso,

temos que este problema é de natureza estocástica, dado que os recursos energéticos advêm das chuvas que caem sobre as principais bacias hidrográficas do país e que estas são previstas com alto grau de incerteza. Outra característica interessante deste sistema é que os custos marginais de operação das usinas hidrelétricas são medidos apenas indiretamente, dado que a água é um recurso energético de custo zero. Portanto, a medição deste custo é baseada no custo de oportunidade de não utilização de recursos térmicos no presente ou no futuro. Abaixo segue a Figura 2 que ilustra a incerteza na tomada de decisão do operador no presente em relação ao uso da água dos reservatórios.

Figura 2 Decisão Operativa em Sistemas Hidrotérmicas

De acordo com a Figura 2, caso o operador decida utilizar mais água dos reservatórios e se as afluências futuras vierem altas, a decisão foi assertiva. Caso estas afluências sejam baixas, a consequência operativa é que pode vir a ocorrer possivelmente um déficit/racionamento. Agora, caso o operador decida não utilizar a água dos reservatórios no presente, assim acionando mais usinas térmicas, e caso as vazões afluentes no futuro vierem baixas, a decisão operativa foi assertiva. Por fim, se as vazões afluentes futuras vierem altas, os reservatórios podem chegar a verter e a tomada de decisão no presente custou mais caro para os consumidores.

Para que seja tomada a melhor decisão operativa, de acordo com o esquema supracitado, deve-se, portanto, levar em conta então duas funções que representam os custos referentes aos sistemas hidrotérmicos. As duas funções são: i) a função de custo imediato (FCI) e ii) a função de custo futuro (FCF). A FCI representa o custo no presente, em que caso o operador use menos água este custo aumenta. Em contrapartida, neste mesmo exemplo, a FCF diminui, pois ter-se-á mais água no futuro e, portanto, não será necessário o uso de tanta geração térmica. A Figura 3 representa este esquema.

Figura 3 Função de Custo Imediato/Futuro x Armazenamento

A decisão ótima de quanto deixar de água nos reservatórios como armazenamento, de um problema de otimização que é composto por sistemas hidrotérmicos, é definida quando a derivada das duas funções (FCI e FCF) se coincidem em módulo. Também podemos afirmar que a decisão ótima se encontra no ponto de mínimo da soma das duas funções (FCI e FCF). Por fim, a medição indireta do custo marginal de operação das usinas hidrelétricas, ou o valor da água, é, em módulo, exatamente igual à derivada das funções no nível ótimo de armazenamento.

Abaixo segue a formulação básica de um problema de otimização que é composto por um sistema hidrotérmico.

𝑀𝑖𝑛 {∑(𝑐𝑖,𝑡× 𝑔𝑖,𝑡) 𝐼 𝑖=1 +𝛼(𝑣𝑡+1) 1 + 𝛽 } (1) Sujeito a: ∑ 𝑔𝑖,𝑡 𝐼 𝑖=1 + ∑(𝜌𝑗× 𝑞𝑗,𝑡) 𝐽 𝑗=1 = 𝑑𝑡 (2) 𝑣𝑗,𝑡+1− 𝑣𝑗,𝑡+ 𝜃 × (𝑞𝑗,𝑡+ 𝑠𝑗,𝑡− 𝑦𝑗,𝑡 − ∑ (𝑞𝑚,𝑡−∆+ 𝑠𝑚,𝑡−∆) 𝑀 𝑚=1 ) = 0 (3) 𝛼 + ∑(𝜋𝑗𝑝× 𝑣𝑗,𝑡+1) 𝐽 𝑗=1 ≥ 𝛼0𝑝 (4) 𝐺𝑚𝑖𝑛ℎ ≤ 𝐺ℎ ≤ 𝐺𝑚𝑎𝑥ℎ (5) 𝑄𝑚𝑖𝑛ℎ≤ 𝑄ℎ≤ 𝑄𝑚𝑎𝑥ℎ (6) 𝑉𝑚𝑖𝑛ℎ ≤ 𝑉ℎ≤ 𝑉𝑚𝑎𝑥ℎ (7) Em que:

𝑐𝑖,𝑡 custo operativo da usina i na hora h, em R$/MWh

𝑔𝑖,𝑡 geração da usina i na hora h, em MWh

𝛼(𝑣𝑡+1)

função de custo futuro associado à energia armazenada nos reservatórios, em R$

𝛽 taxa de desconto financeira utilizada para estimar a FCF no presente (em % a.a.)

𝜌𝑗 produtibilidade das usinas hídricas, em MW/m3/s

𝑞𝑗,𝑡 vazão turbinada da usina j no estágio t, em m³/s

𝑑𝑡 demanda a ser atendida na hora h, em MWh

𝑣𝑗,𝑡 volume de energia armazenado no reservatório da usina j, no estágio t, em hm³

𝑠𝑗,𝑡 vazão vertida da usina j, no estágio t, em m³/s

𝑦𝑗,𝑡 vazão afluente da usina j, no estátio t, em m³/s

𝜃 constante para transformar m³/s em hm³

𝑞𝑚,𝑡−∆ vazão das usinas a montante m que foram turbinadas no _{estágio t-∆}

𝜋𝑗𝑝 multiplicador de Lagrange de cada usina j, para cada

segmento p linear por partes, em R$/hm³

𝛼0𝑝 constante definida para cada usina j, e por segmento p

linear por partes, em R$ 𝐺ℎ

vetor de geração das usinas térmicas do sistema, em MWh, definidas por um máximo e um mínimo 𝑄ℎ

vetor de vazão turbinada das usinas hídricas do sistema, em m³/s, definidas por um máximo e um mínimo 𝑉ℎ

vetor de volume armazenada das usinas hídricas do sistema, em hm³, definidas por um máximo e um mínimo

De acordo com a formulação acima, tem-se que a primeira equação se refere à função objetivo. Esta, por sua vez, é composta de duas parcelas, sendo a primeira o custo imediato, que se refere ao custo de geração termoelétrica e a segunda parcela que se refere ao custo futuro associado aos volumes dos reservatórios nos próximos estágios. A primeira restrição do problema se refere ao balanço energético dado pelo somatório de geração para atender a demanda do sistema. Percebe-se que nesta equação, além da parcela da geração térmica, existe a parcela da geração hídrica, que é a vazão turbinada multiplicada pela produtibilidade da usina. A segunda restrição se refere ao balanço de massa dos reservatórios das usinas hidrelétricas.

A terceira restrição se refere à função de custo futuro, que descreve quanto o custo da operação é impactado pelo volume armazenado no reservatório de cada usina ao final do estágio t. Este conjunto de inequações é definido através de um processo iterativo chamado Programação Dinâmica Dual Estocástica (PDDE) (CEPEL, 2001) é abordado com mais detalhes adiante. As últimas três restrições se referem aos limites de máximo e mínimo das variáveis geração térmica, vazão turbinada e volume armazenado das usinas hidrelétricas, respectivamente.

Por fim, é possível também inserir mais restrições neste problema, como por exemplo, a transferência de energia entre diferentes regiões do sistema elétrico que é muito importante na definição dos custos marginais de operação (CMO), quando há congestionamento nos principais troncos de transmissão deste sistema elétrico.

2.1.2.3 Sistema Elétrico Brasileiro (SEB)

De acordo com (ANEEL, 2018), o Brasil ainda possui uma matriz energética predominantemente hídrica, com cerca de 60% da capacidade instalada conforme a Figura 4.

Figura 4 Matriz Energética Brasileira - Fonte: (ANEEL, 2018)

Nesses tipos de sistemas, dado que estes são extremamente dependentes das vazões afluentes e que estas possuem previsão com alta incerteza, temos que os custos marginais de operação podem variar bastante entre meses (em 2018, por exemplo, o CMO saiu do custo nulo para próximo de 500R$/MWh em aproximadamente três meses). Aliado ao fato de que as usinas hidrelétricas na mesma cascata pertencem a diferentes proprietários, temos que estes podem ser um obstáculo para a implantação de um modelo de oferta de preço (Silva, 2012).

Portanto, dado os fatos supracitados, o modelo brasileiro é definido como

pool em que o agente do despacho centralizado é o ONS. Neste modelo,

possuímos uma cadeia de modelos computacionais que foram desenvolvidos pelo CEPEL que são utilizados para definir o PMS. Dada a característica hidrotérmica do setor elétrico brasileiro, os modelos computacionais que determinam o PMS são baseados nos custos das

unidades térmicas, custo de déficit, disponibilidade de todos os agentes de geração e demanda a ser atendida que assim indiretamente é calculado o valor da água e consequentemente o PMS, ou Custo Marginal de Operação (CMO) que é assim definido no Brasil. Tanto os modelos computacionais quanto à formulação do problema de otimização que é resolvido para determinar o CMO, serão abordados com mais detalhes no próximo subcapítulo.

2.1.3 Planejamento da Operação Energética no Brasil

O SEB é considerado um dos maiores do mundo, com dimensões continentais, centenas de milhares de quilômetros de linhas de transmissão, com grandes reservatórios com capacidade de regularização plurianual, localizados em diversas regiões geográficas do país e com dezenas de usinas localizadas na mesma cascata. Face a estas características que tornam o SEB quase que único no mundo, e aliado ao fato da grande incerteza na previsão de vazões, realizar a coordenação da operação de despacho da geração torna-se uma tarefa extremamente complexa.

Neste contexto, uma das atividades de maior importância para a elaboração do despacho é o Planejamento da Operação Energética (POE), o qual é feito para que se obtenha a melhor política de despacho de geração atendendo certas restrições técnico-econômicas. No Brasil, o POE é divido em três grandes etapas que são divididas pelo horizonte de planejamento e grau de detalhamento da modelagem do sistema. Os modelos computacionais utilizados em cada etapa foram desenvolvidos pelo CEPEL e estão até hoje vigendo. Dentre as etapas, temos: i) Médio Prazo; ii) Curto Prazo; iii) Programação Diária da Operação (PDO). Nesta seção serão abordados nos subcapítulos como funciona cada etapa do planejamento, qual modelo computacional é utilizado, como funciona a transferência de informação de uma etapa para a outra, qual o grau de detalhamento é envolvido em cada etapa, e por fim, como é resolvido cada uma das etapas. Abaixo é apresentada a Figura 5 que representa o esquema do POE no Brasil.

Figura 5 Planejamento da Operação Energética no Brasil (Silva, 2012)

2.1.3.1 Médio Prazo

A etapa de Médio Prazo possui um horizonte de planejamento de cinco anos com decisões mensais. Nesta etapa, dada a alta incerteza das vazões afluentes, a modelagem deste problema é de natureza estocástica e dado o longo horizonte de planejamento, a quantidade de cenários de possíveis vazões afluentes é grande (“Maldição da Dimensionalidade”). Na Figura 6, é possível perceber que com apenas duas aberturas de cenários por estágio, no terceiro mês já tem-se oito cenários.

Figura 6 Cenários de Afluência e FCF – NEWAVE

Portanto, para que o problema possa ser resolvido, a modelagem adotada aborda poucos detalhes para que as incertezas possam ser melhor modeladas. Percebe-se que este mesmo raciocínio vale para as outras etapas do Planejamento, i.e., quanto menor a incerteza, mais rico é o detalhamento da modelagem. Isso pode ser visto ilustrativamente na Figura 7.

Figura 7 Etapas do Planejamento - Incertezas x Detalhes

O programa computacional utilizado no Longo Prazo, desenvolvido pelo CEPEL, é chamado de NEWAVE. Este modelo gera séries sintéticas de

vazões afluentes através de seu histórico, com uma abertura mensal de 20 cenários, portanto, percebe-se que após os 60 meses do horizonte, o número de cenários é extremamente grande dada ao efeito da combinação (nº cenários = 2059 _{~ 6 10}76_{). Para que este problema possa ser resolvido,}

o NEWAVE utiliza duas técnicas, sendo a primeira é que ele não utiliza a modelagem por usina hidrelétrica, mas sim por uma agregação de um conjunto de usinas hidrelétricas que possuem semelhanças sazonais quanto às suas afluências que é chamado de Reservatório Equivalente de Energia (REE). A segunda técnica utilizada é a resolução do problema através da Programação Dinâmica Dual Estocástica (PDDE), dado que sem decomposição o problema seria intratável devido ao seu tamanho. No modelo vigente, todas as usinas hidrelétricas do SIN estão agregadas em doze REEs. O atendimento a demanda é representado por quatro grandes regiões, denominadas submercados. A Figura 8 mostra o nome dos REE e em qual submercados eles estão alocados na modelagem do NEWAVE.

Figura 8 - REEs e submercados

A resolução do problema é feita baseada no algoritmo da PDDE que é baseado na Decomposição de Benders multiestágio estocástica (CEPEL, 2001). Abaixo seguem os principais pontos de destaque desta programação.

• É um método iterativo que constrói as aproximações das FCF em torno de apenas alguns valores de armazenamento;

• Os valores de armazenamento escolhidos são definidos através de simulações de Monte Carlo;

• É uma aproximação válida, pois assume-se que as FCFs são convexas;

o Fase Forward: para cada estágio escolhe-se pontos interessantes, e resolve o problema de otimização somente para o estágio vigente até o final do horizonte de planejamento, considerando as FCFs já construídas; o Fase Backward: nesta fase, os problemas são resolvidos

em ordem inversa de tempo, criando-se os segmentos lineares por parte de cada armazenamento escolhido. Ou seja, a informação de quanto vale a água no futuro é trazida para o presente.

• Dado que este é um processo iterativo, a solução ótima é definida quando, por exemplo, a diferença entre as soluções de fase

Forward e Backward for menor que a tolerância definida.

Portanto, baseado nos dados de vazões, demanda, disponibilidade dos elementos do sistema, entre outros, o NEWAVE utiliza 2.000 cenários de energia afluente e obtém as seguintes informações:

• Armazenamento por REE; • CMO por submercado; • Intercâmbio entre regiões;

• Geração hidrelétrica e térmica, etc; 2.1.3.2 Curto Prazo

O modelo utilizado nesta etapa também foi desenvolvido pelo CEPEL, e se chama DECOMP. Este possui um horizonte de planejamento de dois meses, com discretização semanal no primeiro mês.

Dado que o horizonte de interesse é menor, a modelagem deste problema possui mais detalhes. A representação principal deixa de ser por REE e passa a ser por usinas. Também vale destacar que as restrições de intercâmbio entre submercados são mais detalhadas, como é o caso do escoamento da usina de Itaipu, que no NEWAVE é considerada uma geração interna ao submercado Sudeste/Centro-Oeste, e que no DECOMP esta passa a ser considerada como escoamento pelas linhas de 50 e 60Hz.

A natureza do problema tratado pelo DECOMP é estocástica, pois no segundo mês, são considerados vários cenários gerados por um modelo auxiliar, denominado GEVAZP. Este modelo auxiliar, gera n cenários de

vazões afluentes para o segundo mês de planejamento a partir do histórico de vazões afluentes de cada usina hidrelétrica – conforme o exemplo conceitual da Figura 9.

Figura 9 Cenários de Afluência no modelo DECOMP

Para que no final do horizonte os reservatórios não sejam deplecionados, o modelo se acopla na FCF do NEWAVE ao final do segundo mês. Ressalta-se que a FCF da Figura 8 é a mesma da Figura 6.

Figura 10 Acoplamento DECOMP e NEWAVE

A figura da esquerda da Figura 10 mostra as possíveis trajetórias calculadas pelo modelo DECOMP para os cenários de afluência. Assim, ao final do horizonte, cada um dos cenários se acopla na FCF que o NEWAVE envia para o DECOMP e, portanto, não há o total deplecionamento dos reservatórios dado o valor da água em cada reservatório.

Em relação ao algoritmo de solução, é utilizado uma variante do método do L-Shaped VAN SLYKE, WETS (1969) para resolver este problema de otimização. A resolução deste problema é mais rápida (ex: o NEWAVE, para uma configuração de com 72 CPUs e 144Gb de memória, converge em aproximadamente 120 minutos para 40 iterações e o DECOMP, na mesma configuração, converge em aproximadamente 5 minutos para 20 iterações).

Os dados de entrada do DECOMP são:

• Disponibilidade das usinas hidrelétricas e térmicas; • Custo Variável Unitário (CVUs) das usinas térmicas;

• Projeção de demanda semanal (primeiro mês) e mensal (segundo mês);

• Vazões afluentes semanais das usinas (modelo GEVAZP gera os cenários do segundo mês);

• Restrições dos limites de intercâmbio energético entre os submercado do sistema;

• Volume inicial de cada usina.

Com base nos dados acima, o modelo DECOMP gera como saída: • Balanço energético por submercado;

• Trajetória de armazenamento de cada usina hidrelétrica; • CMO por submercado e patamar de carga;

• Intercâmbio entre regiões, geração hidrelétrica e térmica, entre outros.

2.1.3.3 Programação Diária da Operação (PDO)

No horizonte da PDO, o modelo computacional utilizado é o DESSEM, o qual apresenta um maior detalhamento da modelagem dado que as incertezas diminuem consideravelmente neste horizonte. Em relação ao horizonte de estudo, este é de uma semana, e a natureza deste problema é determinística. Para a coordenação da cadeia, o modelo DESSEM se acopla no DECOMP através da FCF do final da primeira semana operativa. O esquema de acoplamento é o mesmo do caso NEWAVE-DECOMP.

Em relação à representação do sistema, as usinas hidrelétricas têm suas unidades geradoras agregadas por meio de uma única unidade geradora, entretanto as termelétricas são representadas por unidade. O principal motivo é que há certas unidades geradoras dentro de uma própria usina com CVU diferente, e também estas podem estar conectadas em uma outra barra. Em relação à rede de transmissão, esta também é representada no DESSEM para todas as linhas de transmissão acima de 138kV. Ressalta-se que neste subcapítulo é apresentado apenas um resumo do modelo de Curto Prazo, pois no próximo capítulo este será todo detalhado dado o objeto de estudo deste trabalho que apresenta a comparação entre o DECOMP e o DESSEM.

2.1.4 Principais Diferenças entre DECOMP e DESSEM

Nesta seção serão discutidas as principais diferenças metodológicas entre o DECOMP e o DESSEM que são relevantes no que se refere à modulação do PLD (principal aspecto analisado neste trabalho).

A primeira diferença é em relação à discretização do problema. O modelo DECOMP resolve o problema em três patamares de carga (leve, médio e pesado), e estes problemas são resolvidos separadamente e de forma paralela. Sendo assim, os dados de entrada, como por exemplo: carga, geração de pequenas usinas, entre outros, entram no modelo como valores médios do patamar em questão. No modelo DESSEM, a discretização do problema é horária para o primeiro dia, e em patamares de carga para os próximos dias. Além disso, todos os patamares são cronológicos, ou seja, as decisões tomadas nos patamares anteriores impactam nos patamares subsequentes.

Figura 11 Carga por patamar - DECOMP e DESSEM

De acordo com a Figura 11, percebe-se que em certa hora do dia a carga vista pelo modelo DESSEM é maior que a carga vista pelo modelo DECOMP, ou seja, mais energia é necessária para atender a demanda do sistema e, portanto, o CMO calculado pelo modelo, consequentemente será maior. Por fim, pode-se dizer que o modelo DECOMP é um modelo energético, e o modelo DESSEM, de potência.

Dado que os modelos DECOMP e DESSEM resolvem o problema utilizando a carga líquida (carga bruta menos geração de pequenas usinas), o impacto supracitado também se aplica à previsão geração das pequenas usinas. Dentre esta geração, a que maior possui relevância é a geração eólica do Nordeste, que em certos meses do ano, chega a atender 60% da carga média da região. Da mesma forma que a representação da carga é modelada hora a hora, todos os outros dados de entrada também são representados desta maneira. Assumindo uma curva de carga bruta e uma curva de geração eólica para o submercado Nordeste, estima-se a carga líquida deste submercado para certo dia.

20.000 25.000 30.000 35.000 40.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Car ga ( M Wm ) Horas do Dia

Figura 12 Carga Bruta Nordeste DECOMP x DESSEM

Figura 13 Geração Eólica Nordeste - DECOMP x DESSEM 8.000 9.000 10.000 11.000 12.000 13.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Car ga ( M Wm ) Horas do Dia

Carga DECOMP Carga DESSEM

2.000 4.000 6.000 8.000 10.000 12.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Ge raç ão (M Wm ) Horas do Dia

Figura 14 Carga Líquida Nordeste - DECOMP x DESSEM

É possível perceber que em certas horas do dia, de acordo com a Figura 14, a diferença de carga líquida (Carga Bruta – Figura 12 menos Geração Eólica – Figura 13) entre os dois modelos pode chegar a uma ordem de 2GWm, representando basicamente 20% da carga do próprio submercado. Esta diferença impacta no cálculo do CMO, pois haverá mais acionamentos e desligamentos de usinas térmicas para compensar esta flutuação da demanda, caso haja restrições de geração hídrica ou de fluxo de intercâmbio.

A segunda diferença que impacta de forma relevante a modulação do CMO é o “Unit Commitment” Térmico (Escalonamento de Unidades Térmicas). No DECOMP, dado que a discretização dos estágios é semanal, a representação do acionamento/desligamento de usinas térmicas torna-se irrelevante. Entretanto, no modelo DESSEM, conforme a discretização horária supracitada, tanto os acionamentos/desligamentos quanto as variações de potência são extremamente importantes para se obter soluções próximas da realidade operativa.

O UCT, portanto, considera as trajetórias de partida e desligamentos das usinas térmicas, dado que estas possuem uma inércia maior em sua geração. Por exemplo, há usinas a carvão que necessitam de um a dois dias aumentando sua geração aos poucos para que só depois deste período, esta possa operar em sua potência nominal. O mesmo vale para quando há o comando de desligamento, ou seja, a usina não pode deixar

2.000 4.000 6.000 8.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Car ga ( M Wm ) Horas do Dia

de gerar imediatamente, devendo reduzir aos poucos sua potência até sua geração seja zero. Além destas trajetórias de partida/desligamento, há também períodos mínimos que a usina deve permanecer gerando após ter sido acionado, e após ter sido desligada. Por exemplo, há usinas que quando são acionadas, as mesmas devem permanecer ligadas no mínimo por doze horas ou até mesmo dois dias. Sendo assim, o comando de acionamento de uma usina térmicas no modelo DESSEM torna a programação da operação muito mais realista, entretanto, esta torna-se uma decisão muito mais complexa e também mais cara.

A terceira diferença que impacta de forma relevante a variação do CMO no decorrer do dia é a reserva de potência. Dado que o problema no DECOMP é basicamente energético, baseado em médias por patamar, a reserva de potência acaba não sendo modelada. Entretanto, no modelo DESSEM, esta modelagem se faz necessária, dada ao atendimento da demanda discretizada de forma horária.

A reserva de potência consiste em sincronizar n unidades de geração no sistema que atendam a demanda e também um percentual adicional desta demanda para que caso haja alguma variação positiva da demanda, ou alguma perda de geração, o sistema consiga se manter estável. No DESSEM, esta modelagem é feita por usina e também por área (conjunto de usinas que atendem uma região específica).

De acordo com (Manual DESSEM comentado – CEPEL), outras restrições são modeladas com maior detalhamento no DESSEM que impactam em uma melhor representação do sistema físico, entretanto, não impactam diretamente no efeito da modulação do CMO. Seguem abaixo os principais desenvolvimentos da modelagem do DESSEM e uma breve explicação do detalhamento em questão:

a) Modelagem da rede elétrica – todas as linhas acima de 138kV são modeladas neste problema e, portanto, é possível identificar gargalos de transmissão. Dado que não há certeza se o PLD será calculado utilizando o DESSEM com ou sem rede elétrica, optou-se neste trabalho utilizar a modelagem sem a rede; b) Tempo de viagem da água entre usinas – a vazão defluída de uma

usina no DECOMP, com exceção de Três Marias e Sobradinho, todas chegavam instantaneamente nos reservatórios a jusante. Já

no DESSEM, cada usina possui um tempo de viagem da água para que a vazão defluída em uma usina a montante chegue até a usina a jusante;

c) Variação da vazão/geração entre estágios consecutivos – esta melhoria evita a variação brusca entre vazão e geração de um estágio para o outro. Isto é extremamente importa dado que na prática não é eficiente ficar variando estas variáveis de hora em hora;

d) Canal Pereira Barreto e Régua 11 de Itaipu – estas são restrições modeladas especificamente para o Brasil. O canal é modelado para determinar a vazão do rio entre a Usina de Três Irmãos e Ilha Solteira. A régua 11 de Itaipu é uma região que faz fronteira com o Paraguai, Brasil e Argentina. O nível da altura do rio nesta região possui restrições de variação tanto diária quanto horária.

2.2 COMERCIALIZAÇÃO DE ENERGIA ELÉTRICA

O segmento de comercialização de energia é relativamente novo, tanto no Brasil quanto no mundo. Seu surgimento no Brasil está relacionado com a reestruturação do setor elétrico, ocorrida na década de 90, e seu papel está muito mais relacionado ao contexto econômico e institucional do que propriamente ao processo físico de produção e transporte da energia (ABRADEE, 2019).

Na década de 90, alguns fatores fizeram com que o Setor Elétrico Brasileiro passasse por uma crise, dentre eles pode-se citar o esgotamento da capacidade de geração de energia das hidroelétricas, a retomada da economia devido ao Plano Real, a necessidade de novos investimentos para atender a demanda, e a escassez dos recursos públicos para atender esta necessidade diante de outras prioridades. Face a este cenário, em que o Setor Elétrico contava com financiamento basicamente público e com um mercado de monopólios, alternativas foram buscadas para que o setor superasse este momento.

Sob coordenação do Ministério de Minas e Energia (MME), o Projeto RE-SEB (Reestruturação do Setor Elétrico Brasileiro) surgiu em 1996 a

fim de resolver os problemas do setor elétrico brasileiro. As principais conclusões desta reestruturação foram:

i) Implementar a desverticalização das empresas de energia elétrica (fragmentando em geração, transmissão e distribuição);

ii) Aumentar a competitividade dos setores de geração e comercialização de energia elétrica a fim de reduzir os custos de energia elétrica;

iii) Regulamentar os segmentos de transmissão e distribuição, assumindo estes como monopólio e supervisão do Estado.

Além destas conclusões, também houve a necessidade de criação de três agentes atuantes no setor: 1) A Agência Nacional de Energia Elétrica (ANEEL) com fins de regulação; 2) O Operador Nacional do Setor Elétrico (ONS) com fins de operar o Sistema Interligado Nacional (SIN); 3) O Mercado Atacadista de Energia Elétrica (MAE) com fins de proporcionar um ambiente para a comercialização de energia elétrica. A partir da primeira metade dos anos 2000, após o racionamento, o governo propôs um novo modelo baseado nos princípios da: 1) transparência no planejamento do setor; 2) garantia no suprimento energético; e 3) modicidade tarifária. Em relação à transparência do planejamento, foi criada a Empresa de Pesquisa Energética (EPE) com o intuito de desenvolver estudos e realizar pesquisas de planejamento energético (MME, 2003). Além da EPE, também foram criadas mais duas empresas: o Comitê de Monitoramento do Setor Elétrico (CMSE) com a função de avaliar a segurança do suprimento energético, e a Câmara de Comercialização de Energia Elétrica (CCEE) com a principal função de viabilizar um ambiente de negociação dos contratos de energia elétrica competitivo, sustentável e seguro. Destaca-se que a CCEE neste novo modelo é a sucessora do MAE, criado anteriormente no projeto RE-SEB. 2.2.1 Ambientes de Contratação

Neste Novo Modelo do Setor Elétrico Brasileiro, foram criados dois ambientes de contratação de energia elétrica: o Ambiente de Contratação Regulada (ACR) e o Ambiente de Contratação Livre (ACL), vide Figura 15.