Tarifas e remuneração de agentes virtuais de energia no âmbito dos mercados de energia eléctrica

(1)

Tarifas e Remuneração de Agentes Virtuais de Energia no

âmbito dos Mercados de Energia Eléctrica

Tese de Doutoramento em Engenharia Electrotécnica – Electrónica e

Computadores

Ana Catarina Silva Ribeiro

Orientadora: Doutora Zita Maria Almeida do Vale

Co-orientador: Doutor Tiago Manuel Campelos Ferreira Pinto

Co-orientador: Doutor José Manuel Ribeiro Baptista

(2)

(3)

Universidade de Trás-os-Montes e Alto Douro

Tarifas e Remuneração de Agentes Virtuais de Energia no

âmbito dos Mercados de Energia Eléctrica

Ana Catarina Silva Ribeiro

Orientação:

Doutora Zita Maria Almeida do Vale

Doutor Tiago Manuel Campelos Ferreira Pinto Doutor José Manuel Ribeiro Baptista

Tese aprovada em provas públicas para obtenção do Grau de Doutor em Engenharia Electrotécnica – Electrónica e Computadores

Qualificação atribuída pelo Júri: Aprovado com Muito Bom

Júri

Presidente: Reitor da Universidade de Trás-os-Montes e Alto Douro

Vogais:

Doutor António Carlos Spúlveda Machado e Moura, Professor Catedrático da Faculdade de Engenharia da Universidade do Porto

Doutor Manuel da Ressurreição Cordeiro, Professor Catedrático Aposentado da Escola de Ciências e Tecnologia da Universidade de Trás-os-Montes e Alto-Douro

Doutor António Luís Gomes Valente, Professor Associado com Agregação da Escola de Ciências e Tecnologia da Universidade de Trás-os-Montes e Alto-Douro

Doutora Zita Maria Almeida do Vale, Professora Coordenadora com Agregação ao Instituto Superior de Engenharia do Porto do Instituto Politécnico do Porto

Doutor Rui Manuel Gameiro de Castro, Professor Auxiliar do instituto Superior Técnico da Universidade de Lisboa

Doutor Sérgio Augusto Pires Leitão, Professor Auxiliar da Escola de Ciências e Tecnologia da Universidade de Trás-os-Montes e Alto-Douro

Doutor João Paulo Coelho, Professor Adjunto da Escola Superior de Tecnologia e Gestão do Instituto Politécnico de Bragança

(4)

(5)

Tese apresentada à Universidade de Trás-os-Montes e Alto Douro, como requisito para a obtenção do grau de Doutor em Engenharia Electrotécnica – Electrónica e Computadores.

(6)

(7)

“Ainda que os teus passos pareçam inúteis, vai abrindo caminhos, como a água que desce cantando da montanha. Outros te seguirão…”

(8)

(9)

Uma viagem tem sempre grandes desafios, descobertas, surpresas e desilusões.

Nesta viagem cruzei-me com pessoas extraordinárias que foram essenciais para alcançar mais uma etapa da minha vida, guardá-las-ei sempre no meu coração, assim como as boas memórias serão sempre preservadas no baú das emoções.

À Professora Zita Vale, um obrigado muito especial por ao longo destes anos, não só de doutoramento, mas também de mestrado, ter sido uma orientadora excepcional que sempre acreditou em mim e demonstrou todo o carinho e confiança nas minhas capacidades e no meu trabalho.

Ao Professor José Baptista pela disponibilidade, simpatia e carinho constantes e pelas aprendizagens ao longo do meu percurso.

Ao Doutor Tiago Pinto um obrigado do tamanho do mundo por ter sido um orientador e colega de trabalho muito presente, pelo carinho, pelo apoio, pela confiança, motivação, pela partilha de dúvidas e de ideias, pelas conversas comuns do dia-a-dia que também fazem parte deste processo de aprendizagem.

Ao Professor Sérgio Ramos obrigada pela amizade e disponibilidade, pelo carinho, pelas aprendizagens e exemplo ao longo do meu percurso académico desde os tempos de Licenciatura e Mestrado, até ao culminar do meu doutoramento.

A todos os professores e alunos envolvidos no projecto de investigação, um muito obrigado, pela confiança, pela oportunidade, pelas experiências e pela partilha de aprendizagens e de saberes.

A todos os amigos, pelo seu carinho e apoio, obrigada!

A todos os familiares que fazem parte da minha vida, obrigado pelo apoio!

Ao meu primo Mário que sempre me salva nas formatações dos documentos, obrigada! Um agradecimento especial ao Pedro Ramos, pelo amor, apoio, carinho, pela motivação e força que me deste.

Ao meu pai Rodrigo e à minha mãe Marília, as minhas estrelinhas, os meus maiores exemplos, os meus guias sempre presentes, obrigada por desde cedo despertarem em mim o gosto por querer aprender. Obrigada por terem suportado os meus estudos, por me terem ensinado que desistir nunca é opção e que tudo é possível se nos dedicarmos e trabalharmos no sentido dos nossos sonhos. Obrigada por serem dois seres humanos fantásticos é um privilégio ser vossa filha.

(10)

(11)

Com as mudanças políticas e económicas ocorridas em diversos países no final dos anos 80, os produtores passam a vender energia e serviços directamente aos consumidores. São criados novos mercados de energia eléctrica e novas entidades como o agente virtual de energia (VPP), um novo conceito que permite agregar diferentes entidades, para participarem nos mercados de energia eléctrica, fornecendo novos serviços de geração e promoção de eficiência no consumo aumentando assim, os benefícios dos seus agregados. O trabalho desenvolvido teve como objectivo último dotar os VPPs com capacidade de cobrar o consumo de energia e remunerar de forma estratégica a geração e serviços dos agentes a si agregados, com base em tarifas e contratos estrategicamente definidos de acordo com as suas características, perfis e comportamentos. Foi assim definida a metodologia de Remuneração e Tarifação de Agentes Virtuais de Energia (RemT), uma estrutura de funcionamento para um agente agregador, dividida em diferentes processos de apoio à caracterização e gestão dos seus agregados. São utilizadas metodologias de caracterização de consumidores e perfis típicos de consumo, metodologias de definição de tarifas adaptadas e metodologias de remuneração de consumidores que participam em programas de flexibilização de consumos. Foram utilizadas técnicas de Data Mining para obter um conhecimento específico dos hábitos de consumo de vários consumidores de energia, com base no processo de descoberta de conhecimento em base de dados. Com base neste conhecimento são propostas estruturas tarifárias adaptadas a diferentes perfis típicos de consumo, que consideram o preço da energia formado em mercado, a quantidade de energia renovável (eólica e solar) produzida e a estratégia de actuação do agregador. Para validar estas metodologias foram usadas amostras de dados reais. Foram também propostas novas estruturas de remuneração para os agentes agregados com produção independente e participação em programas de demand response. A análise crítica dos três casos de estudo revelou que a aplicação das novas metodologias de normalização e clustering de dados, possibilitaram um menor erro que os métodos tradicionais, permitindo uma separação dos consumidores quer por quantidade quer por perfil típico de consumo. A metodologia de remuneração permitiu agrupar os consumidores consoante a sua semelhança, identificar os valores base de remuneração tendo em conta os valores à priori de cada consumidor e calcular valores mínimos médios e máximos de remuneração, apropriados para cada grupo de consumidores. Permitiu também definir valores de remuneração dinâmicos, que dependem não só de preços, mas também à variação da geração em cada momento, e ao incentivo à participação em programas de flexibilidade.

(12)

Palavras-Chave: Agentes virtuais de energia, mercados eléctricos, exploração de dados, agrupamento de dados, perfis de consumo, classificação de consumidores, tarifas dinâmicas de electricidade e remuneração.

(13)

With the political and economic changes that took place in many countries in the late 1980s, producers began to sell energy and services directly to consumers. New electric energy markets and new entities such as virtual energy agent (VPP) are created, a new concept that allows to aggregate different entities, to participate in the markets of electric energy, providing new services of generation and promotion of consumption efficiency thus increasing, the benefits of their aggregates. The ultimate objective of the work was to provide the VPPs with the ability to charge energy consumption and to remunerate strategically the generation and services of the aggregate agents, based on tariffs and contracts strategically defined according to their characteristics, profiles and behaviors. It was defined the methodology of Remuneration and Tariffing of Virtual Energy Agents (RemT), an operating structure for an aggregating agent, divided into different processes to support the characterization and management of its aggregates. Methodologies are used to characterize consumers and typical consumption profiles, methodologies to define adapted tariffs and methodologies of remuneration of consumers who participate in programs of flexibility of consumption. Data Mining techniques were used to obtain a specific knowledge of the consumption habits of several energy consumers, based on the knowledge discovery process in database. Based on this knowledge, tariff structures are proposed adapted to different typical consumption profiles, which considers the price of the energy formed in the market, the amount of renewable energy (wind and solar) produced and the aggregator's performance strategy. To validate these methodologies, real data samples were used. New remuneration structures were also proposed for the aggregate agents with independent production and participation in demand response programs. The critical analysis of the three case studies revealed that the application of the new methodologies of normalization and data clustering, allowed a smaller error than the traditional methods, allowing a separation of the consumers either by quantity or by the typical profile of consumption. The remuneration methodology made it possible to group consumers according to their similarity, to identify the basic remuneration values taking into account the a priori values of each consumer and to calculate average minimum and maximum remuneration values appropriate for each consumer group. It also allowed for the definition of dynamic remuneration values, which depend not only on prices, but also on the variation of the generation at each moment, and on the incentive to participate in flexibility programs.

Keywords: Virtual power players, electric markets, data exploration, data grouping, consumption profiles, classification, dynamic electricity tariffs and remuneration.

(14)

(15)

AGRADECIMENTOS ... v

RESUMO ... vii

ABSTRACT ... ix

ÍNDICE ... xi

ÍNDICE DE FIGURAS ... xv

ÍNDICE DE TABELAS ... xix

ABREVIATURAS E SIGLAS ... xxiii

Capítulo 1 - Introdução ... 1

1.1. Motivação ... 3

1.2. Questão da investigação, objectivos e descrição sumária do trabalho desenvolvido .. 5

1.3. Contribuições ... 7

1.4. Estrutura da tese ... 9

Capítulo 2 – Revisão Bibliográfica ... 11

2.1. Redes eléctricas – abordagens e perspectivas de evolução ... 13

2.2. Mercados de Energia Eléctrica... 17

2.3. Simulação Multiagente de Mercados de Energia Eléctrica... 38

2.1.1. Redes Activas ... 14 2.1.2. Microgrid ... 14 2.1.3. Smart Grid... 14 2.1.4. Supergrid ... 15 2.1.5. Agente Virtual ... 15 2.2.1. Contexto Histórico ... 17

2.2.2. Restruturação do sector eléctrico ... 18

2.2.3. O novo modelo do sector eléctrico ... 19

2.2.4. Implementação de mecanismos de mercado no sector eléctrico ... 21

2.2.5. Funcionamento dos mercados de Energia Eléctrica ... 29

2.3.1. Sepia - Simulator for Electric Power Industry Agents ... 39

2.3.2. Power Web ... 39

2.3.3. EMCAS - The Electricity Market Complex Adaptive System ... 40

2.3.4. SREMS - The Short – Medium Run Electricity Market Simulator ... 40

2.3.5. AMES - Agent-based Modelling of Electricity Systems ... 40

(16)

2.4. Tarifas dinâmicas ... 46

2.5. Resposta Dinâmica de Consumidores - Demand Response ... 53

2.6. Trabalhos relacionados... 56

2.7. Clustering de Dados ... 58

Capítulo 3 - RemT ... 75

3.1. Introdução ... 75

3.2. Metodologias ... 76

3.3. Algoritmos de agrupamento e de associação de dados ... 80

3.4. Processo de definição dinâmica de tarifas ... 83

3.5. Processo de remuneração ... 88

Capítulo 4 – Casos de Estudo ... 95

2.4.1. Tipos de Tarifas Dinâmicas ... 47

2.4.2. Tarifas Dinâmicas na Europa ... 51

2.5.1. Classificação ... 53

2.5.2. “Demand Response” na Europa ... 54

2.7.1. Introdução ... 59

2.7.2. Processo de clustering de dados... 60

2.7.5. Algoritmos de Clustering ... 64

2.7.6. Índices de Avaliação dos Resultados ... 71

3.2.1. Normalização Regular ... 76

3.2.2. Normalização média ... 77

3.2.3. Normalização Customizada ... 77

3.2.4. Normalização Customizada da diferença ... 79

3.3.1. Algoritmo de clustering K-means ... 80

3.3.2. ADE-LPC clustering algorithm ... 80

3.3.3. Coeficiente de Correlação de Pearson ... 82

3.3.4. Validação da qualidade da partição ... 83

3.4.1. Dados relativos ao histórico das transacções no mercado, valores de consumo e produção de energia ... 84

3.4.2. Custo de energia, factor Elasticidade ... 87

3.5.1. Formulação... 89

3.5.2. Cálculo de remuneração ... 89

(17)

4.3. Caso de estudo 2 – Definição de estruturas tarifárias ... 121

4.4. Caso de estudo 3 – Remuneração... 139

Capítulo 5 - Conclusões ... 171

5.2. Contributos e originalidades ... 174

5.3. Limitações e trabalhos futuros ... 177

Referências Bibliográficas ... 179

Anexos ... 197

7.1. Anexo A – Caso estudo 1 ... 199

7.2. Anexo B – Caso estudo 2 ... 213

7.3. Anexo C – Caso estudo 3 ... 218

4.2.2 Normalização de dados ... 101

4.2.3. Clustering de dados ... 101

4.2.4. Conclusões relativas ao Caso de estudo 1 ... 119

4.3.1. Descrição dos dados ... 122

4.3.2. Previsão da produção e do preço de mercado ... 125

4.3.3. Definição de tarifas ... 126

4.3.4. Cálculo do custo da energia, factor Elasticidade ... 133

4.3.5. Conclusões do Caso de estudo 2 ... 139

4.4.1 Descrição de dados ... 140

4.4.2. Normalização de dados ... 142

4.4.3. Metodologia de associação de dados – Coeficiente de Correlação de Pearson.... 142

4.4.4 Algoritmo de clustering ... 144

4.4.5 Definição da Remuneração ... 150

4.4.6 Análise da Receita/Income ... 158

(18)

(19)

Figura 1.1 – Arquitectura genérica da metodologia de tarifação e remuneração. ... 6

Figura 2.1- Estrutura de agentes do simulador MASCEM com VPPs [Morais H. et al., 2008] ... 16

Figura 2.2 - Estrutura vertical do sector eléctrico [adaptado, Saraiva J., et al., 2002] ... 18

Figura 2.3 - Nova estrutura do sector eléctrico [adaptado Castro R., 2009] ... 20

Figura 2.4 - Cronologia de reestruturação do Sector Eléctrico [adaptado, Saraiva J. et al., 2002] ... 22

Figura 2.5 - Informação relativa ao dia 3 abril de 2018 do mercado ibérico. Fonte: OMIE... 28

Figura 2.6 – Modelo de Mercado Pool ... 30

Figura 2.7 - Propostas de compra e venda de energia, considerando apenas propostas simples, [OMIE]. ... 32

Figura 2.8 - Propostas de compra e venda de energia, incluindo as propostas complexas [OMIE]. ... 33

Figura 2.9 - Funcionamento em Pool Simétrico a) e Pool Assimétrico b), respectivamente [adaptado, Saraiva, et al., 2002] ... 33

Figura 2.10 – Representação dos mercados com modelos mistos de contratação de energia eléctrica, adaptado [Nordpool Spot]. ... 37

Figura 2.11 - Arquitectura do MASCEM [Vale Z. et al., 2011] ... 42

Figura 2.12 - Programas de Demand Response [adaptado, M. H. Albadi and E. F. El-Saadany, 2008] ... 54

Figura 2.13 – Etapas do processo de clustering de dados, adaptado [Jain, et al.,2010] ... 60

Figura 2.14 - Medidas de Minkowski, adaptado [Jain, et al.,2010] ... 61

Figura 2.15- Classificação de algoritmos de clustering, adaptado [Duarte F., 2008] ... 65

Figura 2.16 - Partição com 30 objectos n e 4 clusters k, adaptado [Kaufman L. and Rousseeuw P.J., 1990] ... 68

Figura 2.17 - Exemplo de dois índices de validação de clustering, adaptado [Hubert L.J and Schultz J., 1975] ... 72

Figura 3.1- Definição do processo da metodologia RemT ... 75

Figura 3.2 – Representação gráfica da compactação/densidade A) e Relação/conectividade B), dos clusters. ... 81

Figura 3.3 – Fluxograma / Estrutura do processo de definição de tarifas RemT... 84

Figura 3.4 - Fluxograma da arquitectura genérica da metodologia de remuneração. ... 88

(20)

Figura 4.2 - Resultado dos índices de validação MIA e CDI para valores sem normalização. ... 102 Figura 4.3 – Perfil de consumo das 82 cargas alocadas a cada cluster, k=2, sem normalização ... 103 Figura 4.4 - Perfil de consumo das 82 cargas alocadas a cada cluster, k=3, sem normalização ... 104 Figura 4.5 - Índices de validação MIA e CDI das simulações com dados sem normalização

considerando a diferença entre consumo e microprodução. ... 104 Figura 4.6 - Perfil de consumo das cargas alocadas a cada cluster, k=4, sem normalização, sem

geração. ... 106 Figura 4.7 - Perfil de consumo das cargas alocadas a cada cluster, k=3, sem normalização, sem

geração. ... 106 Figura 4.8 - Índices de validação MIA e CDI para simulação de dados com Normalização

Regular. ... 107 Figura 4.9 - Perfil de consumo das cargas alocadas a cada cluster, k=2, Normalização Regular. ... 108 Figura 4.10 - Perfil de consumo das cargas alocadas a cada cluster, k=3, Normalização Regular. ... 108 Figura 4.11 - Índices de validação MIA e CDI para dados com Normalização da Média. ... 109 Figura 4.12 - Perfil de consumo das cargas alocadas a cada cluster, k=2, normalização

considerando média ... 110 Figura 4.13 - Perfil de consumo das cargas alocadas a cada cluster, k=3, Normalização da

Média ... 111 Figura 4.14 - Índices de validação MIA e CDI para dados com Normalização Customizada. ... 112 Figura 4.15 - Perfil de consumo das cargas alocadas a cada cluster, k=4, normalização

customizada ... 113 Figura 4.16 - Perfil de consumo das cargas alocadas a cada cluster, k=3, Normalização

Customizada ... 113 Figura 4.17 - Índices de validação MIA e CDI para dados Normalização Customizada com

Diferença ... 114 Figura 4.18 - Perfil de consumo das cargas alocadas a cada cluster, k=4, Normalização

Customizada com Diferença... 115 Figura 4.19 - Perfil de consumo das cargas alocadas a cada cluster, k=3, normalização

customizada considerando a diferença entre consumo e microprodução ... 116 Figura 4.20 – Grupos resultantes da aplicação do ADE-LPC clustering, com diferentes

(21)

Figura 4.22 – Resultados dos índices MIA e CDI de todos os processos de tratamento de dados considerados ... 120 Figura 4.23 – Variação diária das tarifas da ERSE (2017) e novas tarifas, para dias úteis de

inverno, BTN, BTE e BTN-BI. ... 128 Figura 4.24 – Variação das tarifas e perfil típico de consumo dos clusters ... 129 Figura 4.25 – Representação gráfica da produção média, preço de mercado, consumo e novas

tarifas BTN, inverno, dias úteis com normalização customizada, correspondente ao

cluster 3, k=3. ... 130

Figura 4.26 - Tarifas calculadas com tarifa base tipo ERSE BTN-Bi Hor e ERSE BTN ... 131 Figura 4.27 – Custo diário total de cada cluster, para k=3, para diferentes métodos de cálculo

de custo, com diferentes pesos para x, y e z ... 136 Figura 4.28 - Diagrama representativo da rede de distribuição [Faria P. et al., 2013]. ... 141 Figura 4.29 – Índices de validação MIA e CDI das diferentes simulações de clustering para

dados sem normalização ... 146 Figura 4.30 - Índices de validação MIA e CDI das diferentes simulações de clustering para

dados com Normalização Regular ... 147 Figura 4.31 - Índices de validação MIA e CDI das diferentes simulações de clustering para

dados com Normalização Customizada... 149 Figura 4.32 - Representação gráfica dos valores de remuneração obtidos através dos métodos

Min, Max, Med no gráfico A) e o método Rem no gráfico B)... 156 Figura 4.33 - Resultados da Soma A) e da Média B) das receitas/income por cluster,

considerando os cenários definidos para os métodos D e EMin, Max e Med ... 162 Figura 4.34 - Resultados da Soma A) e da Média B) das receitas/income por cluster,

considerando os cenários definidos para os métodos D e FMin, Max e Med ... 164 Figura 4.35 - Parte do gráfico relativa a resultados da Soma das receitas/income por cluster,

considerando os cenários definidos para os métodos D e FRem... 168 Figura 7.1 – Gráficos representativos da relação entre variáveis dos diferentes grupos. ... 219 Figura 7.2 – Gráficos representativos dos centroides dos diferentes clusters, variável de

correlação P_RTP_initial ... 221 Figura 7.3 - Gráficos representativos dos centroides dos diferentes clusters, variável de

correlação CDR ... 223 Figura 7.4 - Gráficos representativos dos centroides dos diferentes clusters, variável de

correlação PDR_MAX ... 225 Figura 7.5 - Gráficos representativos dos centroides dos diferentes clusters, variável de

(22)

Figura 7.6 - Gráficos representativos dos centroides dos diferentes clusters, variável de correlação Elast ... 229 Figura 7.7 - Gráficos representativos dos centroides dos diferentes clusters, variável de

correlação CRTP_initial ... 237 Figura 7.11 - Gráficos representativos dos centroides dos diferentes clusters, variável de

correlação Elast ... 239 Figura 7.12 - Gráficos representativos dos centroides dos diferentes clusters, variável de

correlação CRTP_initial ... 247 Figura 7.16 - Gráficos representativos dos centroides dos diferentes clusters, variável de

correlação Elast ... 249 Figura 7.17 - Resultados da Soma das receitas/income por cluster, considerando os cenários

definidos para os métodos D e ERem... 258 Figura 7.18 - Resultados da Média das receitas/income por cluster, considerando os cenários

definidos para os métodos D e ERem... 259 Figura 7.19 - Resultados da Soma das receitas/income por cluster, considerando os cenários

definidos para os métodos D e FRem ... 260 Figura 7.20 - Resultado da Média das receitas/income por cluster, considerando os cenários

(23)

Tabela 2-1 – Características de algumas Bolsas de Electricidade, [Carol D., 2015] ... 35 Tabela 3-1 – Coeficiente de correlação de Pearson ... 82 Tabela 4-1 - Descrição das cargas da micro rede, adaptado [Canizes B. et al., 2015]... 100 Tabela 4-2 – Grupos resultantes da aplicação do algoritmo de clustering, k=2 e K=3... 103 Tabela 4-3 - Grupos resultantes da aplicação do algoritmo de clustering, k=3 e K=4 ... 105 Tabela 4-4 - Grupos resultantes da aplicação do algoritmo de clustering, k=2 e K=3 ... 107 Tabela 4-5 - Grupos resultantes da aplicação do algoritmo de clustering, k=3 e K=4 ... 109 Tabela 4-6 - Grupos resultantes da aplicação do algoritmo de clustering, k=3 e K=4 ... 112 Tabela 4-7 - Grupos resultantes da aplicação do algoritmo de clustering, k=3 e k=4 ... 115 Tabela 4-8 – Valor dos pesos x,y,e z, e combinações possíveis, definidos pelo autor. ... 125 Tabela 4-9 – Resultados do algoritmo MAPE ... 126 Tabela 4-10 – Valor total diário de cada tarifa nova e da tarifa ERSE para o regime BTN,

inverno e dias úteis. ... 134 Tabela 4-11 – Valor do custo diário da energia, associado à aplicação das diferentes tarifas aos

diferentes clusters. ... 135 Tabela 4-12 – Resultados da aplicação do coeficiente de correlação de Pearson (ρ). ... 143 Tabela 4-13 – Grupos de variáveis resultantes da aplicação do método de Correlação de

Pearson ... 144

Tabela 4-14 - Valores de remuneração CDRcalc obtidos através dos Métodos Max, Min e Med ... 153 Tabela 4-15 – Valor dos pesos w, x, y e z, e combinações possíveis, definidos pelo autor. 155 Tabela 4-16 - Valores de remuneração CDRcalcRem obtidos através do Método Rem ... 155 Tabela 4-17 - Resultados das receitas diárias dos grupos de consumidores (por cluster), com

base nas metodologias D e EMin, Max e Med ... 161 Tabela 4-18 - Resultados das receitas diárias dos grupos de consumidores (por cluster), com

base nessas metodologias D e ERem, representadas nas tabelas A) e B) respectivamente. ... 165 Tabela 7-1 - Registo original do valor da potência recolhida na Microgrid. ... 199 Tabela 7-2 - Resultados do agrupamento com 2 clusters, dados Sem Normalização. ... 200 Tabela 7-3 - Resultados do agrupamento com 3 clusters, dados Sem Normalização. ... 200

(24)

Tabela 7-4 - Valores de potência dos 82 consumidores pertencentes aos barramentos com microgeração, para 24h do dia, Sem Normalização, considerando a diferença entre consumo e microprodução. ... 201 Tabela 7-5 - Resultados do agrupamento com 3 clusters, dados após subtracção da produção,

Sem Normalização... 202 Tabela 7-6 - Resultados do agrupamento com 4 clusters, dados após subtracção da produção

Sem Normalização... 202 Tabela 7-7 – Valores de potência em unidades p.u., dos 82 consumidores, para 24h do dia, após

o processo de Normalização Regular. ... 203 Tabela 7-8 - Resultados do agrupamento com 2 clusters, Normalização Regular ... 204 Tabela 7-9 - Resultados do agrupamento com 3 clusters, Normalização Regular. ... 204 Tabela 7-10 - Valores de potência em unidades p.u., dos 82 consumidores, para 24h do dia,

após o processo de Normalização Mèdia. ... 205 Tabela 7-11 - Resultados do agrupamento com 4 clusters, dados com Normalização da Média ... 206 Tabela 7-12 - Resultados do agrupamento com 4 clusters, dados com Normalização da Média ... 206 Tabela 7-13 - Valores de potência em unidades p.u., dos 82 consumidores, para 24h do dia,

após o processo de Normalização Customizada ... 207 Tabela 7-14 - Resultados do agrupamento com 3 clusters, Normalização Customizada ... 208 Tabela 7-15 - Resultados do agrupamento com 4 clusters, Normalização Customizada. .... 208 Tabela 7-16 - Valores de potência em unidades p.u., dos 82 consumidores pertencentes aos

barramentos com microgeração, para 24h do dia, após o processo de Normalização Customizada da Diferença. ... 209 Tabela 7-17 - Resultados do agrupamento com 3 clusters, dados com Normalização

Customizada com Diferença... 210 Tabela 7-18 - Resultados do agrupamento com 4 clusters, dados com Normalização

Customizada com Diferença... 210 Tabela 7-19 – Tarifas novas resultantes da aplicação da metodologia RemT. ... 213 Tabela 7-20 – Custo do cluster 3, aplicando tarifa ERSE. ... 214 Tabela 7-21 – Custo do cluster 3, considerando Tarifas Novas ... 215 Tabela 7-22 - Custo do cluster 3, considerando Tarifas Novas e Elasticidade. ... 216 Tabela 7-23 - Custo do cluster 3, considerando Tarifas Novas e Elasticidade/2 ... 217 Tabela 7-24 – Valores das variáveis associadas a cada carga. ... 218

(25)

Tabela 7-26 - Resultados do clustering para k=2,3,4,5 e 6 clusters , variável de correlação CDR ... 222 Tabela 7-27 - Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação

PDR_MAX ... 224

Tabela 7-28 - Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação

CRTP_initial ... 226

Tabela 7-29 - Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação Elast ... 228 Tabela 7-30 - Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação

P_RTP_initial ... 230

Tabela 7-31 - Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação CDR ... 232 Tabela 7-32 - Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação

PDR_MAX ... 234

Tabela 7-34 - Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação Elast ... 238 Tabela 7-35 - Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação

P_RTP_initial ... 240

Tabela 7-36 - Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação CDR ... 242 Tabela 7-37 – Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação

PDR_MAX ... 244

Tabela 7-39 - Resultados do clustering para k=2,3,4,5 e 6 clusters, variável de correlação Elast ... 248 Tabela 7-40 – Resultados dos índices de validação MIA e CDI, dados sem normalização .. 250 Tabela 7-41 – Resultados dos índices de validação MIA e CDI, dados com Normalização

(26)

Tabela 7-42 - Resultados dos índices de validação MIA e CDI, dados com Normalização Customizada ... 250 Tabela 7-43 – Tabela resumo de resultados da receita/income através utilização do Método D,

para CDRcalcMin, Max e Med. ... 251 Tabela 7-44 - Tabela resumo de resultados da receita/income através utilização do Método D,

para CDRcalcRem. ... 252 Tabela 7-45 – Tabela resumo de resultados da receita/income através utilização do Método E,

para CDRcalcMin, Max e Med. ... 253 Tabela 7-46 – Tabela resumo de resultados da receita/income através utilização do Método E,

para CDRcalcRem. ... 254 Tabela 7-47 - Tabela resumo de resultados da receita/income através utilização do Método F,

para CDRcalcMin, Max e Med. ... 255 Tabela 7-48 - Tabela resumo de resultados da receita/income através utilização do Método F,

para CDRcalcRem. ... 256 Tabela 7-49 - Resultados dos valores da receita/income por cluster, no grupo G5_Elast, Metodo

FMin, Max e Med ... 257 Tabela 7-50 - Resultados dos valores da receita/income por cluster, no grupo G5_Elast, Metodo

(27)

ADE-LPC Clustering algorithm

AMES Agent-based Modeling of Electricity Systems ALBids Adaptive Learning Strategic Bidding System

AiD-EM Adaptive Decision Support for Electricity Markets Negotiations

AT Alta Tensão

BETA British Electricity Trading Arrangements

BT Baixa tensão

BTE Baixa tensão especial

BTN Baixa tensão normal

Cc Cluster representativo do consumo CDI Cluster Dispersion Indicator

CAE Contratos de aquisição de energia

CAISO California Independente System Operator CFD Contracts for Differences

CLARA Clustering LARge Applications

CLARANS Clustering Large Applications based upon RANdomized Search CDR Custo individual de cada redução de consumidor

Cincre_RTPMAX Aumento de custo individual máximo de cada consumidor para

participação no programa de Real-Time Pricing

CRTP_initial custo inicial individual de cada consumidor

CNE Comisión Nacional de Energía

CSP Fornecedores de Serviços Corte (Curtailment Service Provider)

CVPP Commercial VPP

CPP Critical Peak Pricing CPR Critical Peak Rebates

CEGB Central Electricity Generating Board

DM Data Mining

DG Distributed Generation

DR Demand Response

DM Consumidores domésticos

DSO Operador do Sistema de Distribuição

(28)

EDP Electricidade de Portugal

ERSE Entidade Reguladora dos Serviços Energéticos

Elast Elasticidade individual de cada consumidor para participação

no programa de Real-Time Pricing

Elspot Mercado diário

Elbas Mercado intradiário ou de ajustes

EMCAS Electricity Market Complex Adaptative System

EVs Veículos elétricos

FDS Fim de Semana

GEE Gases de efeito estufa

GVPP Global VPP

IEEE Institute of Electrical and Electronics Engineers

ISO Independent System Operator

ICL Interagent Communication Language IBP Incentive-Based Programs

LC Large Commerce

LMP Locational Marginal Prices

LSVPP Large Scale VPP

K-means Algoritmo de clustering

MATLAB Software de cálculo numérico

MAPE Mean Absolute Percentage Error

MISO Midcontinent Independent System Operator

MIBEL Mercado Ibérico de Electricidade

MC Médio comércio

MCP Market Clearing Price

MO Market Operator

MASCEM Multi-Agent Simulator for Competitive Electricity Markets MASGrip SmartGrid simulation platform

MRE Algoritmos de Gestão de Recursos de Energia

MIA Mean Índex Adequacy

MT Média Tensão

NGC National Grid Company

(29)

OMIP Operador do Mercado Ibérico de Energia (Pólo Português)

Pes Média da produção de energia eólica e solar

Pm Preço de mercado

PPP Pool Purchase Price

PVPP Parallel VPP

PVPC Precio Voluntario para el Pequeño Consumidor

PBP Price-Based Programs

PTC Perfil Típico de Consumo

PURPA Public Utility Regulatory Policies Act PCR Price Coupling of Regions

PDR_MAX Valor máximo de energia reduzida por cada consumidor no

programa de redução de carga

P_RTP_initial Consumo inicial individual de cada consumidor

Preduct_RTPMAX Redução de consumo individual máxima de cada consumidor

para participação no programa de Real-Time Pricing

P_RTPDR_MAX Valor máximo de energia reduzida por cada consumidor na

soma total dos programas de flexibilidade das cargas

RTP Real Time Pricing

RLA Algoritmos de aprendizagem de reforço

REN Redes Energéticas Nacionais

RemT Remuneration and tariff Mechanism

SVPP Several VPP

SC Small Commerce

SREMS Medium Run Electricity Market Simulator Sepia Simulator for Electric Power Industry Agents

Tb Tarifa base (ERSE)

TNew Tarifa resultante do processo de definição

TSO Transmision System Operateures

TVPP Technical VPP

ToU Time-Of-Use

(30)

VPP Virtual power player

μVPP Micro VPP

W, X, Y, Z Factores definidos pelo autor para influenciar o peso das

(31)

Capítulo 1

Introdução

No capítulo 1 é feita uma introdução ao trabalho desenvolvido no âmbito da presente tese. É apresentada a motivação, a estrutura da tese, é feito um enquadramento ao tema abordado e são expostos os principais objectivos a alcançar. São ainda descritas as contribuições científicas que resultaram das actividades desenvolvidas no âmbito desta tese.

(32)

(33)

1. Introdução

O presente trabalho tem como tema Tarifas e Remuneração no Âmbito dos Agentes Virtuais de Energia, Virtual Power Players, VPPs.

1.1. Motivação

O estudo sobre o funcionamento dos mercados de energia eléctrica tem ganho cada vez mais importância devido aos novos desafios que a liberalização do sector eléctrico levantou nas últimas décadas. A introdução deste novo paradigma deu-se de forma faseada, tendo-se iniciado apenas pelos clientes de maior consumo (clientes elegíveis), que estavam ligados a níveis de tensão mais elevados. Gradualmente o estatuto de cliente elegível estendeu-se até aos clientes residenciais, de baixa tensão normal, originando que todos os consumidores sejam “livres” de escolher o seu fornecedor de energia eléctrica. Esta restruturação teve como objectivo último, criar mercados de energia liberalizados e competitivos, que ainda hoje se encontram em desenvolvimento e evolução [Sioshansi F., 2013]. A restruturação trouxe várias mudanças nas regras de operação dos mercados, permitindo uma maior eficiência do sector e proporcionando o aumento da competitividade e complexidade dos mercados de energia, forçando os seus intervenientes a repensar os seus instrumentos de apoio à decisão, o seu comportamento e as suas estratégias de mercado [Boltz W., 2013].

A utilização cada vez mais intensiva de centrais de produção de energia eléctrica renovável, trouxe vantagens indiscutíveis do ponto de vista ambiental e da segurança energética [Sharma K. C. et al., 2014]. Embora estas vantagens sejam indiscutíveis há aspectos importantes que têm que ser considerados ao nível técnico e económico. Aspectos relacionados com o despacho, principalmente nas produções eólicas e solares, a participação de pequenos produtores nos mercados e elevados custos de manutenção, são limitações que têm que ser ultrapassadas [Bjorndal E. et al., 2018]. Assim torna-se evidente a necessidade de desenvolver modelos que permitam a coexistência entre a produção centralizada e a produção distribuída. É necessária a integração de tecnologias de informação e comunicação, que transformem o sistema numa rede inteligente e interactiva. Nesse sentido na Europa e nos Estados Unidos surgiram vários projectos de investigação onde se destacam as Redes Activas [Fontela M. et al., 2004], as Microgrids [Hirsch A. et al., 2018], Agentes Virtuais [Morais H. et al., 2005], e as Smart Grids [Aleksic S. and Mujan V., 2018]. Mais recentemente um novo conceito chamado de Supergrid [Elliott D., 2013], começa também a ganhar forma.

(34)

A implementação de redes inteligentes obriga ao desenvolvimento de novos modelos de negócio, capazes de lidar com as novas oportunidades. Este conceito dá uma nova dimensão à forma como as empresas concessionárias gerem os seus activos de rede e se relacionam com os seus clientes. Assim é promovida a automação integrada e segura das redes, através de sistemas de medição, geração e armazenamento distribuído de energia eléctrica. Desta forma, em tempo quase real, há possibilidade da rede se reconfigurar de forma automática para de forma optimizada, atender às necessidades das pessoas e do próprio sistema eléctrico. Estes tipos de redes terão que considerar a interacção com fontes de geração e armazenamento distribuídos de energia (DG), ligados directamente à rede ou aos consumidores. Terá que ser considerada também a “gestão do consumo”, ou possibilidade de modificação nos padrões de consumo de electricidade por parte dos consumidores finais, em resposta a variações nos preços da electricidade ou a qualquer outro sinal relacionado com restrições técnicas da rede ou condicionamentos dos mercados de energia eléctrica (demand response - DR) [Yang Z. et al., 2015]. Assim é essencial a implementação de novas tarifas, que possibilitem aos consumidores o acesso a preços diferenciados que variam de acordo com fatores como o horário em que a energia eléctrica é utilizada. As tarifas dinâmicas assumem aqui um papel importante, na gestão das cargas, assim como os programas de Real Time Pricing – RTP [Wang K. et al., 2015], [Faria P. and Vale Z., 2014].

Embora a maior parte dos programas de DR sejam orientados para recursos de larga escala [Kilkki O. et al., 2015], o potencial de recursos de pequena escala está ainda pouco explorado, actualmente existem empresas autorizadas a actuar como interface entre os operadores de sistema (ISO) e os consumidores finais, são entidades designadas de Curtailment

Service Provider – CSP [Grayson C. et al., 2006], contudo é urgente a criação de modelos mais

flexíveis e eficientes.

A caracterização e conhecimento da procura é da maior importância, a agregação de consumos e a sua respectiva caracterização, são requisitos fundamentais no sucesso da implementação e consolidação do sector eléctrico e dos mercados de energia eléctrica. Assim, torna-se fundamental o desenvolvimento de metodologias capazes de caracterizar a procura de energia eléctrica, ao mesmo tempo que procura associar essa procura aos preços de energia eléctrica formados no mercado, de forma a identificar condicionamentos da procura no âmbito dos mercados liberalizados. As estratégias de agregação proporcionam quer às empresas comercializadoras, quer aos agentes agregadores, vantagens técnicas e comerciais, através de uma ferramenta de previsão e conhecimento do comportamento do consumo de energia

(35)

eléctrica dos seus clientes. Além disso os agregadores conseguem alcançar maiores lucros devido às vantagens específicas de um mix de tecnologias de produtores/consumidores de energia eléctrica, para superar as desvantagens de algumas tecnologias. A agregação de agentes produtores e outros agentes que possam actuar no mercado, como os consumidores e produção distribuída, dá origem ao conceito, Virtual Power Player - VPP, [Vrba P. et al, 2014], [Dang V. and Jennings N., 2004]. Ao agregar recursos de pequena escala (DR e DG), o VPP consegue potenciar a disseminação da partição de recursos, tornando-a lucrativa através de abordagens ao mercado.

Este trabalho de doutoramento surge da necessidade de criar mecanismos que permitam levar os mercados de energia um passo à frente, dotando os VPPs com capacidade de cobrar o consumo de energia, bem como remunerar de forma estratégica a produção e serviços dos agentes a si agregados, com base em tarifas e contratos estrategicamente definidos de acordo com características, perfis e comportamentos de agentes. São desenvolvidas metodologias relativas ao comportamento estratégico dos VPPs, considerando a gestão inteligente das cargas, da produção e as estratégias de oferta de estruturas tarifárias diferenciadas para o perfil típico de consumo de cada carga, o valor do preço da energia formado no mercado diário e o valor da produção de energia eólica e solar verificadas no sistema.

1.2. Questão da investigação, objectivos e descrição sumária do trabalho

desenvolvido

Como podem a tarifação energética e a remuneração da flexibilidade de consumo, ser definidas de forma adequada para o consumidor, considerando as necessidades do sistema??

Este trabalho tem como objectivo último dotar os VPPs com capacidade para agregar, tarifar e remunerar recursos de pequena escala, de forma otimizada, permitindo a sua participação no mercado de energia, com acesso a tarifas diferenciadas. O VPP tem como objetivos:

 Tarifar de forma justa e estratégica o consumo de energia com tarifas diferenciadas;

 Remunerar de forma justa e estratégica a geração e serviços;

 Definir tarifas de acordo com características, perfis e comportamentos;  Gerir a participação dos consumidores em programas de Demand Response.

(36)

Com estes objectivos em vista, é feita uma análise ao estado da arte, reunidos e explicados os conceitos mais relevantes nesta matéria.

Neste trabalho a função do agente agregador incide na gestão do consumo e gestão da produção distribuída. Para isso, são desenvolvidas estratégias para identificar grupos de consumidores que, de acordo com a respectiva caracterização do perfil típico de carga, possam potenciar a actividade dos agregadores. São ainda desenvolvidos métodos, relativos às estratégias de oferta de estruturas tarifárias diferenciadas com base no perfil típico dos consumidores, no valor do preço de energia eléctrica formado em mercado, na produção renovável de energia eléctrica e na estratégia comercial do próprio agregador. São também definidas estruturas de remuneração de agentes com produção própria e prestação de serviços, agregados ao VPP.

Para cada processo são descritas as metodologias implementadas e identificados os principais constrangimentos. Foi definida uma metodologia de caracterização de perfis de consumidores de energia eléctrica de baixa tensão assente no processo de descoberta de conhecimento em bases de dados, data mining, para obter um conhecimento específico dos hábitos de consumo dos agentes agregados. No âmbito da metodologia proposta, foram escolhidos os métodos adequados para cada etapa e sistematizado o procedimento a adoptar em todo o processo. Tendo em conta a análise do perfil típico de consumo de um determinado grupo de consumidores/cluster, bem como do valor do preço da energia eléctrica formado no mercado e produção de energia eólica e solar, foi proposta uma metodologia de determinação de estruturas tarifárias optimizadas. Para validar a metodologia proposta foi utilizado um senário de operação, baseado em dados reais retirados de uma microgrid.

A Figura 1.1 mostra a arquitectura genérica da metodologia RemT, metodologia de Remuneração e Tarifação de Agentes Virtuais de Energia, desenvolvido no âmbito deste trabalho. Esta proposta é detalhada essencialmente, no Capítulo 3.

Figura 1.1 – Arquitectura genérica da metodologia de tarifação e remuneração.

Aqui é proposto o desenvolvimento e implementação de modelos e metodologias relativos à agregação de agentes, à definição de estruturas de remuneração e tarifação, assim como a remuneração dos agentes, suportados na construção de cenários de teste. Em todas as

(37)

etapas é feita a validação dos sistemas desenvolvidos. Pretende-se mostrar que esta ferramenta pode ter uma aplicação prática em diferentes cenários para além dos que testamos nos casos práticos.

De seguida é realizada uma breve descrição dos contributos e originalidades do presente trabalho.

1.3. Contribuições

Este trabalho contribuiu para o desenvolvimento de uma metodologia de caracterização, tarifação e remuneração dos agentes virtuais de energia, dotando o VPP com capacidade para remunerar de forma estratégica, a geração de serviços (manutenção, custos de mercado, operação e reserva de energia), bem como cobrar o consumo de energia, com base em tarifas e contractos estrategicamente definidos. O trabalho apresentado e desenvolvido nesta tese poderá constituir um contribuir para as empresas comercializadoras e agregadoras de consumidores de energia eléctrica, na definição de novas estruturas tarifárias, adaptáveis, não só aos consumidores, mas também ao próprio mercado. Este trabalho poderá também ser útil para os simuladores de mercados de energia, pretende-se também que o RemT constitua um módulo a implementar no simulador MASCEM. Algumas das contribuições do RemT são:

Implementação de uma metodologia de caracterização de perfis típicos de carga de consumidores, assentado nesta caracterização, em todo o processo de descoberta de conhecimento contido em base de dados, usando-se dados reais de consumo e produção para validação da metodologia proposta;

Desenvolvimento de um modelo de análise e tratamento de dados a aplicar no pré-processamento dos mesmos. Esta terá sido uma etapa demorada, com recurso a vários tipos de normalização, trazendo originalidade ao trabalho e ao processo de tratamento de dados, permitindo atingir resultados relevantes para a continuidade do trabalho nas etapas seguintes.

Apresentação de um método de determinação de perfis típicos de consumo tendo em conta a avaliação e validação da melhor partição através do uso de índices de validação de clustering;

Definição de estruturas tarifárias tendo em conta a análise do perfil típico de consumo de um determinado cluster, do valor do preço formado no mercado diário e do valor de produção eólica e solar registado em Portugal. É proposta toda uma metodologia e determinação de estruturas tarifárias optimizadas, a aplicar a um determinado grupo de

(38)

consumidores, provenientes da metodologia de caracterização de perfis de consumidores, anteriormente implementada;

Pela metodologia de remuneração proposta, foi possível definir valores de remuneração com naturezas distintas para o agregador;

Adicionalmente, através do desenvolvimento deste trabalho, foram publicados alguns artigos científicos, relativos aos avanços científicos alcançados com o trabalho desenvolvido. Seis artigos científicos em conferências na área da investigação:

 Catarina Ribeiro, Tiago Pinto, Zita Vale., "Remuneration and Tariffs in the Context of

Virtual Power Players", Database and Expert Systems Applications (DEXA), 2012 23rd

International Workshop on, pp. 308-312, 2012, ISSN 1529-4188, [Ribeiro C. et al., 2012].

 Catarina Ribeiro, Tiago Pinto, Hugo Morais, Zita Vale, Gabriel Santos, "Intelligent

remuneration and tariffs for virtual power players", PowerTech (POWERTECH) 2013

IEEE Grenoble, pp. 1-6, 2013, [Ribeiro C. et al., 2013].

 Catarina Ribeiro, Tiago Pinto, Marco Silva, Sergio Ramos, Zita Vale, "Data Mining

Approach for Decision Support in Real Data Based Smart Grid Scenario", Database

and Expert Systems Applications (DEXA) 2015 26th International Workshop, pp. 73-77, 2015, ISSN 2378-3915, [Ribeiro C. et al., 2015].

 Catarina Ribeiro, Tiago Pinto, Zita Vale, “Customized Normalization Method to

enhance the Clustering process of Consumption Profiles”, Ambient Intelligence -

Software and Applications – 7th International Symposium on Ambient Intelligence (ISAmI 2016) (ISAMI’16), pp 67-76, 2016, ISSN 2194-5357, [Ribeiro C. et al., 2016].  Catarina Ribeiro, Tiago Pinto, Zita Vale, José Baptista, “Remuneration and Tariffs in

the Context of Virtual Power Players”. Trends in Cyber-Physical Multi-Agent Systems.

The PAAMS Collection - 15th International Conference, PAAMS 2017. PAAMS 2017. Advances in Intelligent Systems and Computing, vol 619. Springer, Cham, [Ribeiro C.

et al., 2017a].

 Catarina Ribeiro, Tiago Pinto, Zita Vale, José Baptista. “Data Mining for Prosumers

Aggregation considering the Self-Generation”. Distributed Computing and Artificial

Intelligence, 14th International Conference. DCAI 2017. Advances in Intelligent Systems and Computing, vol 620. Springer, Cham, [Ribeiro C. et al., 2017b].

(39)

 Catarina Ribeiro, Tiago Pinto, Pedro Faria, Sergio Ramos, Zita Vale, José Baptista, João Soares, Maria Navarro-Caceres, Juan Manuel Corchado, "Dynamic electricity tariff

definition based on market price, consumption and renewable generation patterns",

IEEE Clemson University Power Systems Conference, Charleston, SC, USA, September 4th-7th, 2018, [Ribeiro C. et al., 2018a].

Um artigo científico em revistas na área de investigação:

• Catarina Ribeiro, Tiago Pinto, Zita Vale, José Baptista, "Customized normalization

clustering methodology for consumers with heterogeneous characteristics", Advances

in Distributed Computing and Artificial Intelligence Journal, vol.7, no.2, pp.53, June 2018, DOI: 10.14201/ADCAIJ2018725369), [Ribeiro C. et al., 2018b].

Estas contribuições científicas sustentam a relevância do trabalho desenvolvido para a comunidade científica.

1.4. Estrutura da tese

Este documento está estruturado em 5 capítulos.

Depois do presente capítulo onde é feita uma breve introdução ao tema abordado, um resumo sobre o trabalho desenvolvido e onde são enumeradas as principais contribuições no âmbito deste trabalho, segue-se o capítulo 2.

No capítulo 2 é fundamental fazer uma revisão de conceitos relacionados com o domínio de aplicação deste tema, são abordadas as redes eléctricas, sendo feita uma breve descrição sobre abordagens e perspectivas de evolução. É feito uma abordagem aos mercados de energia eléctrica, considerado o contexto histórico, a restruturação do sector eléctrico, a implementação de mecanismos de mercado e o seu funcionamento. É explorado o conceito multiagente, associado aos simuladores de mercados de energia e feita referência aos simuladores mais importantes da área, com especial foco no simulador MASCEM. São abordados ainda os conceitos de tarifas dinâmicas e os tipos de tarifas existentes. È explorado o conceito de demand

response, são descritos os programas mais atuais e a sua implementação na Europa. São também

expostos os conceitos matemáticos mais relevantes para este trabalho, como o processo de

clustering de dados, algoritmos hierárquicos e de partição e também índices de validação. São

ainda referidos os trabalhos mais relevantes no âmbito da remuneração e tarifação associados aos VPPs.

(40)

No capítulo 3 é descrita com detalhe a metodologia de Remuneração e Tarifação de Agentes Virtuais de Energia - RemT, desenvolvido para apoio à decisão na definição de tarifas e remuneração no âmbito dos VPPs. Este mecanismo que permite auxiliar os VPPs, será implementado no simulador de mercados eléctricos de energia MASCEM. É aqui apresentada a estrutura da metodologia e os processos adoptadas.

O capítulo 4 apresenta todos os casos de estudo realizados.

Este trabalho termina com capítulo 5, onde são apresentadas as conclusões mais relevantes que resultaram do trabalho desenvolvido, assim como algumas sugestões para trabalhos futuros.

(41)

Capítulo 2

Revisão bibliográfica - Redes Eléctricas, Mercados de

Energia Eléctrica, Sistemas Multi-Agente, Tarifas Dinâmicas,

Demand Response, Clustering de dados e Trabalhos

relacionados

O tema desta tese tem como base o desenvolvimento de um mecanismo de definição de tarifas e de remuneração no âmbito dos VPPs, associado à caracterização de perfis de consumo, através da agregação e gestão inteligente de consumidores/produtores. Contudo é fundamental fazer uma revisão de temas relacionados com o domínio de aplicação desta matéria, assim este capítulo apresenta uma breve abordagem às redes eléctricas, aos mercados de energia eléctrica, simuladores de mercados de energia eléctrica, tarifas dinâmicas, resposta dinâmica de consumidores e clustering de dados. É também importante identificar na literatura, os métodos existentes para tarifação e remuneração de agentes agregados, de forma ser possível a análise de vantagens e desvantagens em relação à metodologia proposta através do RemT.

(42)

(43)

2. Revisão bibliográfica

É importante realizar uma revisão bibliográfica sobre os tópicos mais importantes para a realização desta dissertação, por forma a estudarmos a situação mundial actual, principalmente a situação europeia.

2.1. Redes eléctricas – abordagens e perspectivas de evolução

O desenvolvimento das sociedades está fortemente dependente da evolução e da sustentabilidade do sistema eléctrico. Tipicamente o bom funcionamento dos sistemas assegura-se actuando sobre a produção, sobre as redes de transporte e sobre a distribuição. Contudo, a crescente penetração de produção distribuída ao nível das redes de distribuição de média e baixa tensão, a liberalização dos mercados de energia, o desenvolvimento de sistemas automáticos de controlo de cargas e o desenvolvimento de mecanismos de armazenamento de energia, obrigaram a um urgente desenvolvimento de novos métodos de gestão e controlo dos sistemas e infra-estruturas de energia eléctrica [Roscoe A., 2004].

No contexto actual é possível verificar que cada vez mais consumidores participam na produção de energia eléctrica através de sistemas de produção distribuída. Com o aparecimento e implementação dos mercados liberalizados de electricidade e com o desenvolvimento das tecnologias de produção distribuída, as redes eléctricas do futuro terão que evoluir no sentido de permitir aos utilizadores desempenharem um papel activo, como produtores de energia eléctrica, na gestão do consumo e numa fase mais avançada no próprio controlo e gestão da rede, de forma parcial e coordenada com os restantes players intervenientes [Morais H. et al., 2010].

É evidente que será necessário desenvolver modelos que permitam a coexistência entre a produção centralizada e a produção distribuída. É necessária a integração de tecnologias de informação e comunicação que transformem o sistema numa rede inteligente e interactiva, através de um protocolo comum onde seja possível a troca de informação relativa à energia produzida e consumida, o que permite distribuir o controlo da rede de distribuição por níveis hierárquicos pré-definidos. Nesse sentido na Europa e nos Estados Unidos surgiram vários projectos de investigação como já foi referido, onde se destacam as Redes Activas [Fontela M.

et al., 2004], as Microgrids [Hirsch A. et al., 2018], Agentes Virtuais [Morais H. et al., 2005], as Smart Grids [Hove P., 2008] e as Super Grids [Elliott D., 2013].

(44)

2.1.1. Redes Activas

Para diversos autores a gestão das redes activas pressupõe a divisão das redes em células, sendo estas geridas individualmente [Fontela M. et al., 2004]. Este conceito pressupõe uma adaptação das redes em função do seu estado de funcionamento, contudo não teria grande impacto na topologia das redes. A principal diferença residiria no controlo hierárquico, o que implica custos elevados nesta área uma vez que a divisão consiste na separação da rede em troços ao nível da rede de média tensão, denominados por células e regidos por um elemento agregador que tem como objectivo optimizar o funcionamento da rede que tem a seu cargo, assegurando desta forma, elevada continuidade de serviço e promovendo assim a interligação de novos produtores. O modelo de Redes Activas introduz dois novos conceitos, a promoção da interligação de novos consumidores/produtores de forma simples assim como a interacção com os consumidores/produtores, permitindo-lhes saber qual a melhor forma de gerir os seus recursos e consumos em tempo real.

2.1.2. Microgrid

O desenvolvimento do conceito Microgrid resulta de um projecto financiado pela União Europeia, este conceito baseia-se em controlar todas as cargas, dispositivos de armazenamento e produção ao nível da rede de distribuição de baixa tensão [Hirsch A. et al., 2018]. O consumidor deverá usufruir de energia térmica e eléctrica, adicionalmente terá maior fiabilidade, menor emissão de gases de efeito estufa e melhor qualidade de energia, prevendo-se ainda uma redução de perdas nas linhas de transmissão. As Microgrids incentivam assim o desenvolvimento local e potenciam a redução dos preços de energia.

2.1.3. Smart Grid

O conceito de Smart Grid surgiu na Europa em 2005 [EC, 2006], em resposta aos objectivos traçados para 2020 ao nível do sector energético, nomeadamente na utilização de 20% de fontes de energia renovável para produção de energia, redução de 20% no consumo e redução de 20% de gases de efeito estufa [ERGEG, 2010]. Neste sentido a Comissão Europeia está a desenvolver novas orientações para os estados membros como é o exemplo da “Energy

2009 – 7.3.5 Novel ICT Solutions for Smart Electricity Distribution” [Hove P., 2008].

A definição deste conceito está longe de ser consensual tanto no meio científico como no meio industrial, mas apesar das diferentes interpretações do IEEE Smart Grids ou da Comissão Europeia, começam a aparecer pontos de convergência tal como acontece nos sistemas de Smart Metering, o que indica um esforço colectivo para a criação de novos padrões

(45)

de normalização, indispensáveis para a evolução e consolidação de novos conceitos. Em [Aleksic S. and Mujan V., 2018] é feita a análise das potenciais vantagens deste conceito, fazendo uma abordagem aos benefícios/custos e vantagens/desvantagens dos equipamentos adicionais de tecnologia de informação que devem ser instalados como os medidores inteligentes.

2.1.4. Supergrid

Recentemente um novo conceito chamado de Supergrid [Elliott D., 2013], começa também a ganhar forma. Este modelo ainda está numa fase embrionária e surge da possibilidade de criar um sistema de transporte de energia totalmente independente do sistema de transporte tradicional. No sistema tradicional a energia produzida através de centrais é transportada em corrente alternada, o que dá origem a perdas significativas de energia. O conceito da Supergrid assenta num sistema de transporte da energia produzida em fontes renováveis (como grandes parques eólicos, parques solares e centrais hidroeléctricas) que será transportada para os centros urbanos de consumo em corrente contínua, a uma tensão bastante elevada, de forma a minimizar perdas de transmissão. Assim este sistema ambiciona fazer o transporte de grandes quantidades de energia a grandes distâncias, contribuindo para uma Supergrid global, que permite flexibilizar o transporte de energia no mundo, tendo como base a qualidade de serviço e zero emissões de carbono. Claro está que este conceito acarreta um investimento extremamente elevado ao nível da reformulação e modernização da rede de distribuição.

2.1.5. Agente Virtual

O conceito de agente virtual traduz-se uma entidade que agrega e representa os interesses de produtores, consumidores e unidades de armazenamento. Estas entidades começaram por ser chamadas de Virtual Power Producer, tinham a missão de ser entidades capazes de agregar vários tipos de produtores independentes, tal como produção distribuída. Desta forma pretendia-se potenciar as virtudes de todos os agregados, diminuindo as fragilidades de cada tipo específico de produção. Os produtores virtuais actuariam nos mercados de electricidade de forma análoga a um trader floor, comprariam energia aos produtores e colocá-la-iam no mercado através de bolsa ou através de contractos bilaterais [Morais H. et al., 2008].

A Figura 2.1 mostra um exemplo da actuação dos VPPs em contexto de mercados liberalizados:

(46)

Figura 2.1- Estrutura de agentes do simulador MASCEM com VPPs [Morais H. et al., 2008]

Contudo torna-se crescente a necessidade de os produtores virtuais desempenharem um papel mais abrangente na coordenação e gestão dos recursos a si agregados, tentando vender a energia eléctrica disponível de modo a maximizar os lucros. Diversas variantes de produtores virtuais têm sido propostas [Oliveira, et al., 2009], como por exemplo:

 Parallel VPP (PVPP) – Incluem diversos tipos de produção com diferentes capacidades de produção, tipicamente com potências instaladas entre o 1MW e os 20 MW que têm em comum a possibilidade de acuarem em mercados paralelos ao mercado de electricidade, como por exemplo o mercado de carbono ou a venda de água quente;  Large Scale VPP (LSVPP) – Agregam unidades de produção de grandes dimensões com

potências instaladas superiores a 20 MW e que estão ligadas à rede de AT ou MAT;  Micro VPP (μVPP) – São VPPs que agregam unidades de pequenas dimensões,

tipicamente inferiores a 1MW. Normalmente são constituídos por muitas unidades de pequena dimensão, na ordem das centenas de kW, designadas por unidades de micro geração;

 Global VPP (GVPP) – Estes produtores agregam produtores e consumidores;

 Several VPP (SVPP) – Este não tem uma orientação definida podendo agregar produtores de diversos tipos.

Vários trabalhos foram desenvolvidos na matéria dos VPPs, outra perspectiva muito comum na literatura é denominada por Virtual Power Plant. Em [Saboori H. et al., 2011] são analisadas várias definições de VPP, os seus principais componentes, dando especial atenção ao CVPP (commercial VPP) e TVPP (technical VPP).