( PDF ) Estratégias de gestão de compra de energia elétrica para distribuidoras no Brasil

Download PDF

ads:

NIVERSIDADE

EDERAL DO

ARANÁ

ROGRAMA DE

ÓS

-G

RADUAÇÃO EM

NGENHARIA

LÉTRICA

ESTRATÉGIAS DE GESTÃO DE COMPRA DE

ENERGIA ELÉTRICA PARA DISTRIBUIDORAS

NO BRASIL

SAEL

IEIRA

IAS

Curitiba, 2007

ads:

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

ISAEL VIEIRA DIAS

ESTRATÉGIAS DE GESTÃO DE COMPRA DE

ENERGIA ELÉTRICA PARA DISTRIBUIDORAS

NO BRASIL.

Dissertação apresentada como requisito parcial

à obtenção do grau de Mestre em Engenharia

Elétrica. Programa de Pós-Graduação em

Engenharia Elétrica – PPGEE, Departamento de

Engenharia Elétrica, Setor de Tecnologia,

Universidade Federal do Paraná.

Orientadora: Prof

. Elizete Maria Lourenço, Dr.

Co-Orientador: Prof. Alexandre Rasi Aoki, Dr.

CURITIBA

2007

ads:

AGRADECIMENTOS

Presto meus sinceros agradecimentos:

A Deus, por ter me concedido força para alcançar mais esta vitória;

À minha esposa Gisele, por seu imenso carinho e compreensão nas horas

mais difíceis durante esta jornada;

Aos meus pais, José Vieira Dias e Iracema Cunha Dias, por terem me

apoiado nos estudos em todos os momentos da minha vida;

À Professora Doutora Elizete Maria Lourenço pela sua orientação e

dedicação, pelos seus ensinamentos, conselhos e palavras de incentivo durante

todo o desenvolvimento deste trabalho;

Ao Professor Doutor Alexandre Rasi Aoki e às Professoras Doutoras Thelma

Solange Piazza Fernandes e Patrícia Teixeira Leite, pela imensa ajuda que deram

na elaboração desta dissertação, corrigindo, opinando e até mesmo apoiando

quando precisei;

Ao Instituto de Tecnologia para o Desenvolvimento (LACTEC) pelo apoio

financeiro e pela infra-estrutura concedida para a realização deste trabalho;

Ao Departamento de Operação da CELESC Distribuição S.A., pelo apoio e

incentivo na finalização da dissertação;

Enfim, a todos que contribuíram direta ou indiretamente para que eu

vencesse esta etapa de qualificação profissional.

iii

UMÁRIO

RESUMO .................................................................................................................... VIII

ABSTRACT ...................................................................................................................IX

INTRODUÇÃO .................................................................................................................1

1.1 Introdução..........................................................................................................1

1.2 O Setor Elétrico Mundial....................................................................................1

1.3 O Setor Elétrico Brasileiro..................................................................................3

1.4 Objetivos e Contribuições ..................................................................................5

1.5 Revisão Bibliográfica .........................................................................................6

1.6 Estrutura da Dissertação .................................................................................17

1.7 Considerações Finais ......................................................................................18

O MODELO DO SETOR ELÉTRICO BRASILEIRO ...............................................................19

2.1 Introdução........................................................................................................19

2.2 O Setor Elétrico Brasileiro................................................................................19

2.2.1 Histórico da Reestruturação do Setor Elétrico .............................................20

2.2.2 Mudanças no Setor Elétrico..........................................................................21

2.2.3 Instituições do Setor Elétrico Brasileiro.........................................................26

2.3 Fundamentos Legais .......................................................................................29

2.3.1 Legislação reguladora da comercialização da energia elétrica.....................31

2.4 Considerações Finais ......................................................................................38

CONCEITOS BÁSICOS DE OTIMIZAÇÃO...........................................................................39

3.1 Introdução........................................................................................................39

3.2 Conceitos Básicos de Otimização....................................................................39

3.2.1 Técnicas de Otimização................................................................................40

3.3 Algoritmos Genéticos.......................................................................................44

3.3.1 Teoria da Evolução das Espécies.................................................................45

3.3.2 Seleção Natural e Seleção Artificial..............................................................46

3.3.3 Composição dos Algoritmos Genéticos ........................................................47

3.4 Considerações Finais ......................................................................................50

METODOLOGIA

4.1 Introdução........................................................................................................51

4.2 Metodologia .....................................................................................................51

4.2.1. Levantamento de Dados..............................................................................53

4.2.2. Otimização aplicada à compra de energia...................................................57

4.2.3. Caracterização do Problema........................................................................57

4.3. Metodologia proposta .....................................................................................60

4.3.1 Algoritmos Genéticos....................................................................................62

4.4 Considerações Finais ......................................................................................67

RESULTADOS ..............................................................................................................69

5.1 Introdução........................................................................................................69

5.2 Resultados.......................................................................................................69

5.3 Considerações Finais ......................................................................................78

CONCLUSÕES..............................................................................................................79

6.1 Introdução........................................................................................................79

6.2 Resumo de Contribuições................................................................................79

6.3 Recomendações para Trabalhos Futuros........................................................80

REFERÊNCIAS BIBLIOGRÁFICAS....................................................................................81

APÊNDICE ...................................................................................................................85

ISTA DE

IGURAS

Figura 2.1 – Estrutura do Setor Elétrico Brasileiro ....................................................26

Figura 2.2 – Margens de contratação para uma distribuidora ...................................31

Figura 3.1 – funcionamento da técnica de seleção por roleta .................................47

Figura 3.2 – Funcionamento do algoritmo genético utilizado ...................................48

Figura 4.1 – Metodologia adotada para compra de energia......................................52

Figura 4.2 – Cenários e Estratégia de Menor Risco Financeiro ................................58

Figura 4.3 – Representação Gráfica do Risco Financeiro.........................................59

Figura 4.4 – Composição da Energia Contratada em uma Distribuidora ..................61

Figura 4.5 – Leilões simulados x Tipo de energia .....................................................63

Figura 4.6 – Codificação do Problema ......................................................................63

Figura 4.7 – Representação de indivíduo e população .............................................64

Figura 5.1 – Resultado da simulação........................................................................73

Figura 5.2 – Indivíduo ótimo considerando leilões de A-5, A-3, A-1 e Ajuste............74

Figura 5.3 – Resultado da simulação para leilões de A-5, A-3, A-1 e Ajuste ............74

Figura 5.4 – Indivíduo ótimo considerando leilões de A-5, A-3 e A-1........................75

Figura 5.5 – Resultado da simulação para leilões de A-5, A-3 e A-1 ........................75

Figura 5.6 – Indivíduo ótimo considerando leilões de A-5, A-3 e A-1........................75

Figura 5.7 – Resultado da simulação para leilões de A-5 e A-3................................76

Figura 5.8 – Variação do valor contratado no leilão de A-5.......................................76

Figura 5.9 – Contratação otimizada de energia em leilões A-5 e A-3 .......................77

Figura 5.10 – Contratação otimizada de energia em leilões A-5, A-3 e A-1..............77

Figura 5.11 – Contratação otimizada de energia em leilões A-5, A-3, A-1 e Ajuste..78

ISTA DE

ABELAS

Tabela 2.1 – Principais Mudanças do Setor Elétrico .................................................26

Tabela 2.2 – Mecanismos para gestão de compra de energia elétrica .....................30

Tabela 3.1 – Terminologia usada em algoritmos genéticos ......................................49

Tabela 4.1 – Composição da faixa limite superior de contratação ............................61

Tabela 4.2 – Composição da faixa limite inferior de contratação ..............................61

Tabela 5.1 – Estrutura da Matriz Demanda_contratos_existentes............................71

Tabela 5.2 – Matriz Demanda_contratos_existentes ................................................71

Tabela 5.3 – Matriz de Cenários – MW-médio ..........................................................72

Tabela 5.4 – Preços de energia para A-5, A-3 e A-1 em R$/MWh............................73

Tabela 5.5 – Indivíduo ótimo .....................................................................................73

vii

ISTA DE

IGLAS

ACR Ambiente de Contratação Regulada

ACL Ambiente de Contratação Livre

AGs Algoritmos Genéticos

ANEEL Agência Nacional de Energia Elétrica

CCEAR Contrato de Compra de Energia no Ambiente Regulado

CCEE Câmara de Comercialização de Energia Elétrica

MAE Mercado Atacadista de Energia

MCSD Mecanismo de Compensação de Sobras e Déficit

MME Ministério das Minas e Energia

ONS Operador Nacional do Sistema

PLD Preço de Liquidação de Diferenças

SEB Setor Elétrico Brasileiro

SIN Sistema Interligado Nacional

VR Valor Anual de Referência

viii

ESUMO

O Setor Elétrico Brasileiro implantou, em 2004, um Modelo Institucional,

tendo como foco principal a criação de uma estrutura e de um marco regulatório que

atraíssem o investimento privado, garantindo a expansão da oferta e do transporte

de energia elétrica, aliados à busca pela modicidade tarifária através da instituição

dos leilões de energia. Este modelo estabelece que as distribuidoras de energia

devem contratar 100% das necessidades do seu mercado cativo nos leilões,

impondo limites para o repasse de preço ao consumidor e penalidades em casos de

sub ou sobre-contratação. Estas questões aliadas às diversas incertezas que

envolvem a definição de estratégias de compra de energia pelas empresas de

distribuição, tornam este um problema de difícil solução, indicando a necessidade

de mecanismos que auxiliem na definição dessas estratégias.

Devido ao pouco tempo decorrido desde a implantação do novo modelo, há

ainda uma escassez de metodologias que permitam e/ou auxiliem essa tomada de

decisão que, aliada ainda à falta de uma base de dados confiável para projeção do

preço da energia elétrica, têm levado as distribuidoras a adotarem procedimentos

empíricos para a compra de energia elétrica.

Este trabalho vem nesse sentido e propõe o uso de Algoritmos Genéticos

(AGs) para resolver o problema de gestão de compra de energia, levando em conta

informações dos especialistas das concessionárias de energia. A metodologia

proposta vem, portanto, no sentido de auxiliar os especialistas na tomada de

decisão nos leilões de energia, definindo quanto e quando contratar a energia para

atendimento de seu mercado. Testes e simulações foram realizados com dados de

uma empresa brasileira de distribuição, apresentando resultados satisfatórios A

técnica adotada demonstrou ser uma ferramenta valiosa no auxílio à tomada de

decisão do agente da distribuidora de energia elétrica na hora de informar ao MME

sua necessidade futura de energia para o atendimento de seu mercado,

obedecendo às regras dos leilões.

BSTRACT

Since 2004, there is a new institutional model, regulating the Brazilian

electrical energy market, which has the following purposes: to build a structure and a

regulatory landmark to attract private investments, to warranty the expansion of the

transmission and energy offer, and to ensure energy price control through energy

auctions. According to this model, energy distribution (retail) companies must

contract 100% of its internal market in auctions. The energy costs can be transferred

to the consumer prices with regulated limits and the companies are subjected to

penalties in case of over or subcontract of energy. These topics, in addition to the

uncertainty which involves the energy market, make the strategies to be adopted by

the distribution companies to preview the necessary amount of energy a very difficult

task, pointing out the need of specific tools to support the definition of the

companies’ strategy definition.

There is a shortage of methodologies supporting distribution companies’

decision, since the new model has been recently implanted. There is also an

absence of a reliable data base to project future energy price. The distribution

companies are being induced to adopt experimental procedures to define the energy

amount to be contracted.

This work uses Genetic Algorithms to find the best amount of energy buy,

taking into account the specialists experiences. The proposed methodology main

goal is to build a tool able to give support to the companies to define when and how

much energy has to be contracted to satisfy its market. Test simulations were

conducted using real data of a Brazilian company showing satisfactory results. The

technique adopted in this work showed to be efficient on optimizing the amount of

energy to be bought in auctions, considering the auctions’ rules.

CAPÍTULO I

INTRODUÇÃO

1.1 Introdução

Na última década, o Setor Elétrico Brasileiro sofreu diversas alterações até

chegar ao modelo vigente. As mudanças no Setor Elétrico Brasileiro (SEB),

introduzidas com a regulamentação do Novo Modelo em 2004, objetivaram,

principalmente, atrair o investimento privado, a fim de garantir a expansão da oferta

e do transporte de energia elétrica necessárias, aliada a busca pela modicidade

tarifária para os consumidores regulados, através da instituição dos leilões de

energia elétrica.

Nesse novo modelo, também destacou-se a necessidade das distribuidoras

estabelecerem estratégias para auxílio na determinação de seus montantes de

energia que precisam ser contratados, através dos leilões, para atendimento futuro

de seus consumidores.

Este trabalho vem no sentido de apresentar as principais mudanças e

regras do SEB e propor estratégias para a contratação de energia elétrica pelas

distribuidoras nos Leilões de energia.

1.2 O Setor Elétrico Mundial

O setor elétrico mundial assistiu nas últimas décadas a grandes

transformações regulatórias. Estas reformas aconteceram em diversos países em

resposta aos sinais de desgastes dos modelos vigente surgidos, principalmente, na

década de 70. O ponto comum dessas mudanças foi que todas visavam diminuir a

intervenção estatal, aumentar a participação de agentes privados e introduzir as leis

de mercado no setor elétrico.

Introdução

Historicamente, o setor de energia elétrica sempre esteve sob controle do

Estado, devido ao seu papel fundamental de infra-estrutura nas áreas sócio-

econômicas de um país. O governo, como planejador central, fazia a previsão de

demanda, estipulava o cronograma da expansão da oferta e fazia os investimentos

de ampliação da capacidade instalada de geração e transmissão. O planejamento

centralizado tinha então importância fundamental para assegurar um ritmo de

expansão de oferta que garantisse o suprimento da demanda.

A partir dos anos oitenta surgiram as primeiras pressões pela

reestruturação do setor elétrico. Esta mudança de paradigmas pode ser entendida

como o produto da combinação de idéias políticas e de novas tecnologias que

surgiram nessa época. No plano ideológico, iniciava-se a implantação das políticas

liberais da era Reagan-Tacher. A crise econômica e os novos parâmetros de

produtividade e rentabilidade estabelecidos pela revolução tecnológica levaram os

EUA e Inglaterra, no início dos anos 80, a liderarem o movimento de uma nova

política econômica, com Estado mínimo, desregulamentação da economia e

privatizações em diversos setores.

As teorias de livre mercado foram aplicadas também ao setor elétrico, as

quais deveriam ser suficientes para levar à eficiência econômica e garantir novos

investimentos para expansão do setor elétrico. O surgimento das centrais

termoelétricas a ciclo combinado foi a principal novidade tecnológica que apoiava

estas novas teorias de livre mercado aplicadas ao setor. O tempo de construção

reduzido dessas termoelétricas (cerca de 2 a 3 anos) e o custo competitivo de sua

energia mostraram que o planejador central já não era mais considerado

imprescindível ao setor elétrico.

Após as reformas, problemas de suprimento ocorridos a partir dos anos 90

sinalizaram que o livre mercado poderia não ser suficiente para manter a eficiência

da operação e expansão do setor elétrico. Estes problemas aconteceram

principalmente nos países em desenvolvimento, porém o problema de maior

repercussão ocorreu no estado da Califórnia, EUA. Desde então, o tema de

expansão planejada e segurança de suprimento voltaram às discussões. O antigo

modelo estatal foi considerado ultrapassado, não estimulando a eficiência para o

sistema. Por outro lado, o setor regido pelas regras de mercado não trouxe a

segurança de suprimento esperada.

Introdução

Diante dos problemas surgidos após a descentralização do planejamento do

setor elétrico em diversas partes do mundo, muitos países iniciaram um processo

de ajustes em sua regulamentação, buscando, por um lado, manter os aspectos

positivos da introdução de maior competição e abertura com as primeiras reformas,

porém fazendo mudanças para corrigir as falhas ocorridas e que resultaram nas

crises de suprimento.

1.3 O Setor Elétrico Brasileiro

A reforma do setor elétrico brasileiro iniciou-se em 1995, seguindo a fórmula

desestatizante adotada por diversos países, concebida para estimular a entrada de

investimentos privados e a competição entre os agentes. Foram feitas privatizações

de grande parte das distribuidoras e da expansão da rede de transmissão. Devido a

pressões políticas o processo de privatização das companhias de geração foi

interrompido. No entanto, os agentes privados tiveram grande participação nas

licitações de concessões para construção de novas usinas. Nesta reforma foram

criados o Operador Nacional do Sistema (ONS) e o Mercado Atacadista de Energia

(MAE), ambiente onde ocorriam as transações de compra e venda de energia

elétrica nos sistemas interligados, regido por um acordo de mercado entre os

participantes.

Em dezembro de 2003, o Governo Federal, através do Ministério de Minas

e Energia (MME), publicou o documento “Modelo Institucional do Setor Elétrico”

propondo uma nova estruturação do Setor Elétrico Brasileiro (SEB). Esta proposta,

aprovada em março de 2004 e regulamentada pelo Decreto 5.163 de julho do

mesmo ano, tem o objetivo principal de atrair o investimento privado, a fim de

garantir a expansão da oferta e do transporte de energia elétrica necessárias, aliada

a busca pela modicidade tarifária para os consumidores regulados, através da

instituição dos leilões de energia elétrica.

Dessa forma, a fim de criar condições favoráveis para atrair os

investimentos, o Novo Modelo segmenta, do ponto de vista de comercialização de

energia, o Setor Elétrico em dois ambientes, o primeiro, denominado Ambiente de

Contratação Regulada (ACR), que abrange todo o consumo cativo e o segundo,

chamado Ambiente de Contratação Livre (ACL), que representa a parcela do

Introdução

consumo dos Consumidores Livres. As distribuidoras de energia, que trabalham no

ACR, devem fazer a previsão de carga de seus consumidores e, em conjunto,

indicar a necessidade de compra de energia para atender sua demanda futura. O

MME, juntamente com os agentes privados, oferecem os projetos para as novas

usinas que atenderão a demanda das distribuidoras nos leilões. Os agentes

vencedores do leilão (cujo critério é o mínimo custo) recebem, simultaneamente, a

concessão de construção das novas usinas e um contrato de venda com as

distribuidoras.

A fim de atender a premissa da modicidade tarifária, a forma de contratação

de energia no ACR é basicamente através de leilões regulados pela Agência

Nacional de Energia Elétrica (ANEEL) e executados pela Câmara de

Comercialização de Energia Elétrica (CCEE), salvo a opção de contratação de

geração distribuída.

O modelo institucional do setor elétrico desenvolvido pelo MME dispõe

ainda, que as Distribuidoras, Consumidores Livres, Autoprodutores e Vendedores

devem declarar ao Ministério de Minas e Energia, até 1º de agosto de cada ano, as

previsões de seus mercados ou cargas para os cinco anos subseqüentes, a partir

de 2005. Nesse modelo as distribuidoras devem contratar 100% de seu mercado

nos leilões e não podem mais repassar integralmente o custo da energia adquirida

no curto prazo, podendo ser penalizadas com multas elevadas por não terem

energia contratada suficiente que atenda a todos os seus consumidores. Assim,

caso estejam sobrecontratadas, a penalização é resultante do não repasse integral

dos custos de aquisição da energia (montante). Por outro lado, se houver

subcontratação, além do possível prejuízo devido ao não repasse integral dos

custos da energia (preço) adquirida no mercado spot, há penalização por cada

MWh não contratado.

À medida que o novo modelo do setor elétrico vem se consolidando e os

leilões de energia vêm sendo realizados percebe-se a necessidade de mecanismos

que auxiliem na definição das estratégias de compra de energia por parte das

distribuidoras. Com o objetivo de atender esta necessidade este propõe um modelo

que utiliza Inteligência Artificial e a experiência dos especialistas das

concessionárias.

Introdução

1.4 Objetivos e Contribuições

Esta dissertação pretende apresentar os estudos referentes às estratégias

que as distribuidoras de energia elétrica podem adotar para definir os valores de

demanda de energia a contratar nos leilões promovidos no ambiente de contratação

regulado (ACR) e desenvolver uma metodologia que contemple as regras impostas

pela legislação e auxilie os especialistas das distribuidoras na tomada de decisões.

Desta forma, é possível simular o processo de contratação das

distribuidoras e, com os resultados, realizar análises do impacto das novas regras

do atual modelo do SEB na alocação dos riscos para as distribuidoras.

A metodologia proposta permite inferir os valores de energia a ser

contratada pelas distribuidoras em leilões públicos, indicando a melhor estratégia

para a compra. Os mecanismos disponíveis para gestão da compra que são

considerados no modelo e nessa dissertação são os leilões de “A-5”, “A-3”, “A-1” e

“Ajuste”. Geração Distribuída, contratação do montante de reposição e devolução

de energia foram considerados parâmetros fixos, não havendo nenhuma otimização

na obtenção de seus respectivos valores.

Essa metodologia emprega a técnica de Inteligência Artificial baseada em

Algoritmos Genéticos (AGs), para definir o montante de energia a ser comprado

pela distribuidora em cada modalidade de leilão de energia.

As principais contribuições da dissertação são:

• Desenvolvimento de uma metodologia para gestão de compra de energia

elétrica que auxilie a tomada de decisão sob incertezas na comercialização de

energia elétrica no Brasil;

• Minimização dos riscos financeiros (prejuízos) de exposição envolvidos nas

operações de compra de energia, através da modelagem das penalidades

impostas pela legislação vigente referentes a sobrecontratação ou

subcontratação por parte das agências distribuidoras, que não podem ser

repassados às tarifas de seus consumidores;

• Utilização de conceitos de otimização multiobjetivo, através da técnica de

Inteligência Artificial baseada em Algoritmos Genéticos, para a obtenção de uma

possível solução ótima do problema;

•

Introdução

1.5 Revisão Bibliográfica

Nesta seção serão apresentados os resumos dos artigos técnicos

estudados que possuem características similares do problema abordado,

envolvendo riscos sob incertezas e estratégias para leilões de energia com

utilização de técnicas de otimização para solucionar o problema em questão.

Segundo AZEVEDO, VALE e ALMEIDA DO VALE (2003), o pool, em vários

países, foi adotado pelos participantes do mercado de energia para comercializar

energia elétrica baseado em cada meia hora ou uma hora do próximo dia.

Entretanto, como nos mercados tradicionais, os agentes do mercado elétrico estão

atualmente expostos a volatilidade do preço de mercado. Em alguns países, para

encarar este problema e para tornar o mercado mais líquido, os mercados

derivativos – futuros e opções – foram incentivados a negociar produtos como

energia elétrica como um ativo básico. Neste contexto, existe uma necessidade de

ferramentas de suporte à decisão para auxiliar estes agentes para o uso de

mercados de derivativos com o objetivo de praticar a minimização de riscos. Neste

artigo é apresentado um modelo de decisão que auxilia geradores a estabelecer

contratos com o objetivo de maximizar os resultados.

A separação entre produto (energia) e serviços (transporte e distribuição) é

a característica fundamental da recente desregulamentação do setor elétrico. A

volatilidade do preço da energia elétrica nos mercados spot é, dentre os riscos no

mercado liberalizado, uma das maiores preocupações dos agentes do mercado de

energia e em particular para os produtores.

O artigo aponta também as causas da volatilidade do preço da energia, que

são as características de carga (vinculadas a sazonalidade diária, semanal e

mensal, mudanças climáticas e crescimento estocástico da carga) e as

características do gerador (vinculadas a tecnologia utilizada na geração de energia,

disponibilidade de geradores, preço do combustível, restrições técnicas e

importação/exportação).

A fim de se evitar a volatilidade dos preços de energia, é necessária a

construção de instrumentos de segurança, tais como contratos de longo prazo e os

derivativos. A fim de se saber gerenciar esses instrumentos, propõe-se ferramenta

Introdução

de suporte de decisão, que auxilia na escolha dos contratos que maximizem o

benefício.

Inicialmente, fez-se um resumo dos derivativos mais conhecidos:

• Contrato a termo (Forwad): É um contrato de compra ou venda de um

ativo numa data futura por um determinado preço. Uma das partes do

contrato a termo assume em comprar um ativo em uma data específica

por certo preço. A contraparte concorda em entregar o ativo na mesma

data pelo preço acordado.

• Contrato Futuro: Diferentemente dos contratos a termo que especifica

uma única data de entrega do contrato, nos contratos futuros há um

período de entrega, que pode englobar vários dias.

• Contratos de opções: Este tipo de contrato se diferencia dos outros por

reter um certo grau de flexibilidade sobre as entregas futuras. A opção é

um instrumento financeiro que dá ao titular, ou comprador um direito

futuro sobre algo, mas não uma obrigação. Neste caso, o vendedor

possui uma obrigação futura, somente se for solicitado pelo comprador

do contrato. O comprador paga em data presente o prêmio, que é a

remuneração do vendedor por ter assumido o risco de tomar

determinada posição no mercado em data futura.

Um processo de decisão que visa maximizar o resultado é apresentado

considerando uma quantidade de cenários para o preço marginal do sistema para o

período em questão e associando-os a uma probabilidade baseada em estudos

estatísticos ou baseada na opinião de um especialista. O processo de decisão

apresenta para um período de tempo programado, a determinação das quantidades

ótimas de energia a serem negociadas nos mercados financeiros e a previsão de

energia a ser negociada no mercado spot, em função de contratos previamente

estabelecidos, com o objetivo de maximizar o lucro.

Um dos maiores problemas na escolha dos derivativos é a previsão do

custo marginal para um certo período i. O modelo proposto pelo artigo formula um

problema de otimização que determina as quantidades de energia a serem

negociadas no mercado spot em função dos derivativos contratados. O objetivo da

formulação é maximizar o lucro de um determinado gerador para s cenários

diferentes. Ou seja, quer se maximizar o lucro que é igual ao valor total de venda

menos o custo total de produção do gerador. As restrições do problema são que o

Introdução

valor total transacionado por período não pode estar fora da capacidade máxima e

mínima de geração. O problema é resolvido por algoritmo genético e fornece as

quantidades por período de cada tipo de contrato considerado.

Assim, esse artigo apresenta um sistema de suporte à decisão que permite

dar assistência aos agentes de mercado e em particular a produtores de energia na

prática da minimização de riscos, utilizando contratos futuros e de opções. Este

suporte a decisão permite considerar a existência de contratos previamente

estabelecidos e fornece aos geradores importantes informações para auxiliá-los em

suas decisões. O artigo demonstra que contratos futuros e de opções são

ferramentas poderosas para minimizar o risco aos quais estes geradores de energia

elétrica estão expostos através da volatilidade do preço de energia no mercado spot

e que ferramentas de suporte a decisão adequadas os permite aumentar seus

resultados.

Em LO e WU (2003), é apresentada uma análise de risco através da

incerteza de previsão de demanda local. O objetivo é destacar períodos de alto

risco sobre diferentes períodos de tempo e valor diário de risco através da previsão

de erros de carga. Um número de previsões de cargas foi simulado e a previsão de

carga é baseada em modelos ARIMA (Auto Regressive Integrated Moving Average

– médias móveis integradas auto-regressivas) e estruturas ANN (Artificial Neural

Networks – redes neurais artificiais). Com os resíduos da previsão de carga,

indexações de risco são formadas para diferentes períodos de tempo e estações

climáticas. Uma nova metodologia utilizando os desvios padrões de incremento de

carga na avaliação do risco é proposta. Em contraste com o método padrão de

previsão de carga que considera um procedimento de previsão sofisticado, esta

nova abordagem fornece uma útil e rápida maneira de avaliar o risco através da

incerteza de previsão de carga para uma variedade de características de demanda

local.

Segundo LO e WU (2003) o mercado de eletricidade do Reino Unido está

completamente aberto à competição desde que o mercado abaixo de 100 kW foi

desregulamentado em setembro de 1998. Todos os consumidores comerciais,

industriais e residenciais podem escolher seus fornecedores de eletricidade. Além

disso, em 27 de março de 2001 foi criada a NETA (New Electricity Trading

Arrangements), substituindo o pool na Inglaterra e País de Gales e estabelecendo

Introdução

oportunidades para vendas por atacado de energia. A implementação da NETA

impôs novos desafios para as atividades do negócio de fornecimento de energia de

estabelecimento, negociação e gerenciamento de risco. Atualmente o mercado de

fornecimento de energia é um negócio do tipo commodity extremamente resistente,

de alto risco e baixas margens. Os riscos típicos que as indústrias de fornecimento

de energia enfrentam são: riscos de erro de previsão de carga, riscos de

equipamento, riscos de falhas na transmissão, riscos de retorno financeiro e os

riscos inerentes aos contratos. Dentre todos os riscos, um fator chave é a incerteza

de previsão de carga.

Dentro deste novo contexto cada fornecedor de energia deve oferecer sua

carga prevista ao operador do sistema, pagar multas e taxas devido à

desbalanceamentos de carga. Então, munidos das informações de análise de risco

dos erros de previsão de carga, fornecedores privados podem entender melhor

suas exposições ao risco em contratos de energia em diferentes períodos de tempo,

identificando mecanismos para minimizar estes riscos e implementar estes

mecanismos. Diferentes tipos de contratos podem ser utilizados durante diferentes

períodos. Para avaliar o risco através da previsão de demanda, a STLF (short-term

electrical load forecast – previsão de carga de curto prazo) tem ganhado

importância ultimamente com o crescimento da competitividade do mercado de

energia. Entretanto a previsão de carga é uma tarefa difícil porque a série de cargas

não é estacionária e possui diversos tipos de sazonalidade. Nos últimos 40 anos

diversos tipos de modelos de previsão foram tentados. Estes métodos podem ser

classificados em duas categorias: abordagens clássicas como o ARIMA e modelos

baseados em inteligência artificial. Nesse artigo são utilizados modelos ARIMA e

técnicas ANN para prever demandas de eletricidade.

De acordo com a análise estatística feita por LO e WU (2003),

aparentemente não existe uma correlação forte entre a demanda local e o clima

para a amostra de dados analisada. Além disso, a previsão de demandas locais é

mais difícil do que a demanda do sistema, especialmente em pequenas áreas.

Propôs-se uma metodologia para análise de risco baseada no cálculo do desvio

padrão dos incrementos de carga como um indexador de risco da incerteza de

previsão de carga.

Introdução

O trabalho de ZANFELICE e BARBOSA (2004) propõe uma metodologia

baseada na determinação da alocação das quantidades contratadas e das metas de

contratação de energia a menor custo possível explorando as flexibilidades dos

contratos diante das oportunidades de ganho em função do preço de curto prazo.

A metodologia proposta nesse artigo tem como objetivo principal a alocação

ótima das quantidades de energia de contratos existentes e a definição das opções

de leilões e quantidades relacionadas que minimizam a despesa total de compra de

energia de empresas distribuidoras ou grupo de empresas em um horizonte

definido. Para tanto é baseada nos seguintes princípios:

• Implementação das regras de mercado: são representadas todas as

Regras de Mercado pertinentes à contratação de energia, como por

exemplo, sazonalização e modulação de Contratos Iniciais e Itaipu, bem

como as penalidades por insuficiência de lastro de contratação;

• Leilões de Compra de Energia: são modeladas todas as opções de

leilões, limites e prazos segundo a legislação vigente;

• Discretização dos resultados mensais por patamar: os resultados

são discretizados mensalmente por patamar a fim de que possam ser

exploradas todas as flexibilidades de sazonalização e modulação

constante dos contratos.

Além disso, a metodologia proposta por ZANFELICE e BARBOSA (2004)

prevê a simulação de mais de uma empresa, quer seja outra Distribuidora,

Comercializadora ou Geradora, a fim de obter o ponto ótimo global de Grupos

Empresariais que possuam mais de uma empresa operando no Setor Elétrico.

A formulação do modelo é descrita, sendo que a função objetivo pode ser

formulada como uma simples minimização da despesa total de compra de energia

de uma distribuidora como também o ponto ótimo de comercialização de um Grupo

de empresas que possuem relacionamentos comerciais entre si. Dessa forma, a

finalidade principal da metodologia proposta é reduzir ao máximo a despesa

referente a contratos de partes não relacionadas e potencializar os ganhos internos

do grupo explorando as flexibilidades dos contratos e os ganhos possíveis no MAE

através da alocação de sobras de energia nos patamares de maior preço em

detrimento de déficits em patamares de menor preço.

Introdução

Por fim, é apresentado um estudo de caso considerando uma empresa

Distribuidora com um requisito anual de aproximadamente 37.000 GWh e os

resultados das simulações.

Como abordado em CORREIA, LANZOTTI e SILVA (2003), leilões são

mecanismos dinâmicos e eficientes utilizados na comercialização de bens em

mercados complexos, principalmente quando não existe uma referência estável de

preço. Podem ser definidos como um método formal para alocar recurso baseado

na competição, onde vendedor e comprador buscam o maior benefício possível.

Nesse artigo são apresentados os principais tipos de leilões, suas

formulações, formas de aplicação no setor elétrico e algumas das estratégias gerais

usadas em leilões. Segundo os autores, no setor elétrico pode-se identificar vários

ambientes de aplicação de leilões. São eles: leilões de empreendimentos, mercado

de contratos bilaterais, mercado spot e o antigo mercado de cotas.

O mecanismo de leilão é utilizado para que os agentes do setor elétrico

possam ter uma idéia do preço da energia elétrica, no caso de sua aplicação em

mercados, ou do preço de concessões, no caso dos leilões de empreendimentos,

sendo um mecanismo justo e eficiente de fixação de preços. É um mecanismo

econômico responsável por sinalizar ao mercado o preço de um bem cujo valor seja

de difícil determinação.

A minimização do risco para um determinado nível de retorno pode ainda

ser influenciada por meio de diversificação, seguro (hedging) ou obtenção de

informações adicionais. O hedging é uma operação comum em bolsas, porém pode

ser realizada em operações na empresa. Para isto, é preciso que o agente

interessado contrate os serviços de um banco ou uma seguradora.

Já o tema da dissertação de mestrado de SILVA (2003) é a comparação de

dois modelos de leilão de energia elétrica através de simulações matemático-

computacionais a partir de dados dos leilões de Certificados de Direito de Uso de

Redução de Meta de Racionamento realizados entre junho de 2001 e fevereiro de

2002. Um modelo pressupõe que o objetivo do leilão é maximizar os excedentes

financeiros dos participantes. O outro modelo é a proposta de um leilão cujo objetivo

principal é maximizar a quantidade de energia negociada. O objetivo desse trabalho

é responder questões como: quais são as características que diferem um leilão do

Introdução

outro? Quais aplicações o leilão proposto têm no setor elétrico? Para tanto, é feito

um breve relato das motivações para aplicação de leilões ao setor elétrico brasileiro;

são apresentados os modelos de leilões aplicados à comercialização de energia

elétrica no Brasil, o mecanismo de funcionamento e as aplicações verificadas; são

apresentadas as argumentações de alguns autores em teoria dos leilões a respeito

das características do leilão; os modelos são apresentados; um modelo tem como

objetivo gerar o máximo de excedentes financeiro para os agentes, maximizando o

chamado benefício social do leilão. O outro modelo procura fazer com que a

máxima quantidade de energia seja negociada entre os agentes, priorizando a

realização de negócios.

O modelo computacional utilizado para realizar o sorteio e a simulação dos

leilões possui características que ARAÚJO (1988) enumera como qualidades

desejáveis de um bom modelo. O modelo é pouco agregado, ou seja, possui

poucos limitantes para as simulações de diferentes situações. O modelo possui

flexibilidade de simulações a partir de comandos simples e permite estudo com

várias formas de preço de fechamento. O modelo computacional é transparente, ou

seja, a sintaxe e a forma como está estruturado permite total inteligibilidade de um

usuário desde que afeto aos comandos básicos do software.

No decorrer dos estudos que convergiram nesta dissertação, percebe-se

que existem temas bastante explorados, porém ainda em aberto. Teoria dos leilões

é uma linha de pesquisa recente, algumas discussões não apresentam resultados

conclusivos, por exemplo, os efeitos do uso de preço de fechamento uniforme ou

discriminatório (MOUNT, 1999 e WOLFRAM, 1999).

A dissertação de CASTRO, M. A. L (2004) analisa os riscos que uma

distribuidora estaria exposta ao prever seu mercado com antecedência de cinco

anos, face às variações no comportamento das diversas classes de consumo, e às

incertezas dos preços da energia nos leilões.

Para mensurar tais riscos, o autor utiliza Simulação de Monte Carlo, que

consiste na utilização de procedimentos estocásticos para gerar diversos cenários

possíveis para a variável em estudo, e os riscos são determinados por meio de

análise da sua distribuição de probabilidade. O autor apresenta os conceitos de

risco e incerteza, assim com algumas ferramentas utilizadas para realizar a análise

Introdução

dos riscos associados às operações financeiras de empresas, destacando-se o

Value at Risc e a Simulação de Monte Carlo.

Para estimar os riscos que a distribuidora estará exposta nas operações de

contratação de energia antecipadamente, considerando as incertezas quanto à

realização de seu mercado, bem como no preço de energia referenciados aos anos

de 2009, 2010 e 2011, o autor simulou sete possibilidades de compra de energia

para atendimento do mercado da distribuidora, denominando-os de casos 1 a 7.

Algumas alternativas de contratação consideraram sobra de energia, já

outras optaram pela falta. A lógica da construção dos casos foi efetuar o maior

volume de compra de energia nos primeiros leilões, quando devem ocorrer os

menores preços.

Para cada caso estudado, foram gerados 1000 cenários por meio da

variação das incertezas no mercado previsto para 2009 a 2011 e no preço futuro de

compra de energia. Em seguida foi realizada análise de sensibilidade nos

resultados.

Com o objetivo de escolher a melhor opção de contratação de energia,

dentre os sete casos simulados, utilizaram-se os critérios Maxmin, Maxmax e o

método de Hurwicz para auxiliar a tomada de decisão.

Com base nos resultados obtidos, o autor infere que as novas regras de

contratação de energia penalizarão fortemente as distribuidoras que optarem pela

subcontratação, além de proporcionar situações de ganhos para as distribuidoras

nos casos de sobrecontratação. Dessa forma, as empresas tenderão a contratar

montantes de energia superiores às reais necessidades de seus mercados cativos.

Também o autor salienta que criou-se um ambiente de incertezas sobre a

estabilidade regulatória a médio e longo prazos, em virtude do elevado grau de

intervencionismo do Estado no mercado de energia elétrica, o que poderá afetar o

nível de investimento dos agentes privados no SEB.

AZEVEDO (2004), em sua dissertação de mestrado, estuda a competição

entre os agentes que atuam no setor elétrico brasileiro, mais especificamente nos

leilões de contratos bilaterais.

Desde que iniciou-se o processo de inserção da competição de mercado no

setor elétrico brasileiro, muitas mudanças foram propostas e algumas

Introdução

implementadas, porém a premissa de que a competição entre os agentes é

necessária está sempre presente.

Os agentes do SEB encontram-se em constante adaptação às regras que

formalizam a competição, porém no que diz respeito à competição intrínseca ao

processo de realização dos leilões nada muda.

Neste ponto uma das principais ferramentas disponíveis é a Teoria dos

Jogos. O conceito chave da Teoria dos Jogos é o equilíbrio, que pode ser atingido

de forma mais ou menos trivial, dependendo das circunstâncias do jogo.

O autor afirma que não existe uma ferramenta que determine um lance

ótimo em leilões de energia elétrica com informação incompleta, dado que a

princípio um agente não tem informação certa de qual será o lance do outro. Porém

existe a possibilidade de que modelos computacionais auxiliem o agente no

momento da definição do seu lance. Desta forma, um dos frutos desse trabalho foi o

desenvolvimento de um modelo computacional baseado na Teoria dos Jogos não

cooperativos de informação incompleta. Esse modelo analisa as informações e

expectativas de um agente e informa qual a melhor estratégia correspondente

àquilo que ele acredita e sabe. Sua finalidade é auxiliar os agentes do setor nos

leilões de energia elétrica de contratos bilaterais que ocorrem no Brasil, agregando

informação. O acréscimo de informação para todos os agentes do mercado

concorre para a diminuição do excedente e o aumento da liquidez nos leilões.

MUNHOZ (2004) teve como foco a análise de dois leilões: o de venda e o

de compra de energia elétrica, ambos organizados pelo MAE. No leilão de venda a

energia elétrica leiloada é referente à liberação dos contratos iniciais formatados

antes da introdução do mercado concorrencial. O leilão de compra é caracterizado

por negociar contratos de curto prazo.

Para ambos, a metodologia desenvolvida foi conduzida do ponto de vista de

um vendedor de energia elétrica. Entretanto, como os dois leilões são simétricos,

um agente comprador pode adotar a mesma metodologia.

Tanto o leilão de venda como o de compra é duplo e com participantes

identificados. Para um vendedor o leilão de venda é fechado, ou seja, ele entrega

suas ofertas em envelopes lacrados. O leilão de compra, por sua vez, é aberto e

com preços descendentes. Utilizando a teoria dos jogos pode-se então definir que,

para um vendedor, os dois leilões estão enquadrados no conceito de jogos não-

Introdução

cooperativos de informação incompleta. Entretanto, o leilão de venda é um jogo

estratégico e o leilão de compra, um jogo dinâmico.

Técnicas de otimização foram utilizadas para a modelagem dos dois leilões.

O uso dessas técnicas promove um modelo mais flexível já que ele possui

facilidade em inserir e retirar restrições. Para o vendedor fixar os lances no leilão de

venda é utilizada a programação não-linear quadrática e para fixar os lances no

leilão de compra, programação inteira.

A função objetivo do modelo de fixação de lances pelo vendedor no leilão

de venda é a minimização do risco dado um retorno fixado pelo vendedor. A

formulação é baseada na teoria do portfólio e emprega o modelo da Mínima

Variância de Markowitz.

Os parâmetros que o vendedor deve inserir no modelo do leilão de venda

são a probabilidade de acontecer cada cenário e o retorno esperado para cada tipo

de produto caso ocorra o referido cenário. O tipo de produto é caracterizado,

basicamente, por duas variáveis: prazo de duração e submercado de entrega da

energia. Fixando esses parâmetros o modelo calcula a matriz de covariância e

correlação, que mostra como os produtos interagem entre si, ou seja, como um

produto influi no comportamento do outro em um dado período. O resultado final

desse modelo é uma alocação ótima de lances nos diversos tipos de produtos de

maneira que o risco do vendedor seja minimizado dado um retorno fixado por ele.

O modelo de fixação de lances no leilão de compra tem como função

objetivo a maximização do lucro do vendedor. Os parâmetros que o vendedor deve

inserir no modelo são a quantidade de energia que ele deseja negociar no leilão e o

preço mínimo pelo qual ele está disposto a vender essa energia para cada produto.

Como esse leilão é aberto para o lado do vendedor, este pode migrar seus

lances de um produto para o outro caso seja financeiramente melhor. O resultado

do modelo é uma alocação ótima de lances nos produtos, de forma que o lucro do

vendedor no leilão seja maximizado.

As duas metodologias desenvolvidas servem como subsídio à tomada de

decisão do agente vendedor de energia elétrica nas negociações dos contratos

bilaterais. Sua modelagem foi configurada de acordo com as regras de cada leilão e

sua formulação desenvolvida de forma a tornar o modelo seguro e flexível.

Introdução

CASTRO, R (2004) propõe um método de suporte a decisões de

investimento em ativos de curto prazo de retorno, de contratação e de avaliação de

portfolio de ativos de energia elétrica na comercialização em atacado no Brasil.

A metodologia apresentada utiliza processo estatístico para estimativa do

preço da energia no mercado de curto prazo, através do qual se constrói cenários

de preços futuros. As probabilidades associadas a cada cenário de preço definem a

função densidade de probabilidade para os resultados financeiros esperados pelos

agentes, os quais estão associados às suas decisões e conseqüentes tomadas de

posição diante do mercado. A aversão que o agente apresenta diante do risco é

caracterizada a partir da aplicação de conceitos de otimização multiobjetivo e a

determinação aproximada de soluções eficientes do problema definem o processo

de suporte a decisões para o agente.

Um estudo de caso ilustra a aplicação da metodologia na definição da

melhor alternativa de contratação de energia para um agente de distribuição em

horizonte de dois anos.

GUIMARÃES (2006) desenvolveu uma ferramenta para solução do

problema de otimização da compra de energia das distribuidoras utilizando a

representação em árvore dos cenários de demanda. A metodologia de solução

empregada é otimização estocástica multi-estágio, levando em consideração,

principalmente, os diversos horizontes de contratação e preços de energia, visando

minimizar uma ponderação entre tarifa para consumidor e custos para distribuidora.

O autor compara as penalidades para três leilões de energia elétrica: 1º

leilão de energia existente (EE1), 2º leilão de energia existente (EE2) e leilão de

energia nova (EN) e conclui que o estabelecimento de uma contratação baseada

em apenas um cenário de demanda deixa a distribuidora desprotegida em relação a

diferentes realizações de demanda, em geral propensa à subcontratação caso

tenha seguido cenários de baixo crescimento de consumo, e à sobrecontratação

caso tenha seguido cenário de alto crescimento. Observou-se também que fazendo

uma contratação baseando-se no cenário de crescimento médio de demanda (de

maior probabilidade) não se atinge o menor valor esperado por penalidades de

sub/sobrecontratação quando se simula a realização de diversos cenários de

demanda.

Introdução

O autor também destaca que há uma forte sinalização para se evitar a

subcontratação que a sobrecontratação. A assimetria de penalidades entre sub e

sobre contratação torna a decisão de contratação ainda mais complexa, reforçando

a necessidade de se buscar modelos computacionais de otimização estocástica que

auxiliem nessa tarefa.

SUSTERAS (2006) faz uma rápida incursão pela história recente do Setor

Elétrico, iniciando pelas reformas propostas no âmbito do projeto Re-seb na

tentativa de implementar um modelo de mercado chegando até o modelo em

implantação. Também apresenta as relações contratuais, comerciais e demais

características do modelo em implantação, detalhando os pontos mais importantes

da regulamentação para o estudo sobre o comportamento das distribuidoras no

sentido de balizar a estratégia das geradoras na comercialização de energia

elétrica.

O autor comenta a teoria envolvida com o método de solução escolhido –

algoritmos genéticos, e logo após, apresenta o modelo de otimização proposto com

suas variáveis de entrada e saída, suas características de desempenho, bem como

são feitos dois estudos de caso: um deles considerando uma distribuidora típica,

comparando os resultados com aqueles informados ao MME, de modo a validar o

modelo e, o outro, considerando uma distribuidora fictícia agregando todo o

mercado brasileiro e que, de fato, guiará a tomada de decisões por parte da

empresa geradora.

Finalmente, apresenta as conclusões e recomendações do trabalho,

verificando a eficácia dos incentivos contidos na regulamentação, isto é, se as

distribuidoras são levadas a tomarem decisões conforme a expectativa do MME.

Por ser o trabalho que mais se assemelha ao tema dessa dissertação, em

outro momento será discutido e comparado.

1.6 Estrutura da Dissertação

O Capítulo 2 inicia com a apresentação mais detalhada do panorama do

setor elétrico seguida do resumo dos principais documentos que regulamentam o

setor elétrico e os ambientes de comercialização definidos pelo o mesmo. No

Introdução

capítulo 3 são apresentados conceitos básicos de otimização e as características

gerais da técnica de Algoritmos Genéticos e sua aplicabilidade no problema da

gestão de compra de energia.

No capítulo 4 é descrita a metodologia proposta para a elaboração da

estratégia de gestão de compra de energia para distribuidoras no Brasil e uma

descrição dos principais trabalhos que abordam o assunto em questão. No mesmo

é detalhada a formulação do problema de otimização da compra de energia das

distribuidoras com a explicação de todas as restrições relativas aos mecanismos de

incentivos e penalidades. Também é apresentada a função objetivo que visa

minimizar os riscos financeiros da distribuidora.

A descrição dos parâmetros de entrada e saída da ferramenta

computacional desenvolvida com a técnica de Algoritmos Genéticos é apresentada

no capítulo 5, juntamente com o detalhamento dos principais parâmetros de

controle utilizados em Algoritmos Genéticos. Também são discutidos no mesmo

diversos casos de simulação e comparação com as demais referências.

Finalmente, o capítulo 6 apresenta as conclusões da dissertação e

sugestões para trabalhos futuros sobre o tema abordado.

1.7 Considerações Finais

Este capítulo apresentou uma revisão dos trabalhos que propõem técnicas

para resolução do problema da gestão de compra de energia elétrica pelas

distribuidoras em leilões públicos de energia.

Pode-se observar que o tema é relativamente novo, sendo motivos de

diversas pesquisas e de grande interesse para as distribuidoras, uma vez que um

erro na compra de energia pode levá-la a um enorme prejuízo, sem garantia de

repasse do mesmo aos consumidores.

CAPÍTULO II

O MODELO DO SETOR ELÉTRICO BRASILEIRO

2.1 Introdução

Para uma melhor compreensão da metodologia proposta neste trabalho,

este capítulo apresenta um panorama geral do setor elétrico brasileiro. Inicia-se por

um histórico que relata as diversas mudanças que vêm ocorrendo no SEB. São

apresentados os agentes institucionais e definidos termos usuais para a

comercialização de energia elétrica. O ambiente de contratação regulado para

comercialização de energia elétrica no Brasil é caracterizado e seus mecanismos

apresentados. Também é apresentado o embasamento legal que regulamenta o

setor elétrico em forma de leis, decretos e resoluções.

2.2 O Setor Elétrico Brasileiro

Durante os anos de 2003 e 2004 o Governo Federal lançou as bases de um

novo modelo para o Setor Elétrico Brasileiro, sustentado pelas Leis nº 10.847 e

10.848, de 15 de março de 2004; e pelo Decreto nº 5.163, de 30 de julho de 2004.

Em termos institucionais, o novo modelo definiu a criação de uma entidade

responsável pelo planejamento do setor elétrico a longo prazo, denominada

Empresa de Pesquisa Energética – EPE, uma instituição com a função de avaliar

permanentemente a segurança do suprimento de energia elétrica, o Comitê de

Monitoramento do Setor Elétrico – CMSE, e uma instituição para dar continuidade

às atividades do Mercado Atacadista de Energia, MAE, relativas à comercialização

de energia elétrica no Sistema Interligado, denominada Câmara de Comercialização

de Energia Elétrica - CCEE.

O Setor Elétrico Brasileiro

Outras alterações importantes incluem a definição do exercício do Poder

Concedente ao Ministério de Minas e Energia (MME) e a ampliação da autonomia

do ONS. Em relação à comercialização de energia, foram instituídos dois ambientes

para celebração de contratos de compra e venda de energia: o Ambiente de

Contratação Regulada (ACR), do qual participam Agentes de Geração e de

Distribuição de energia; e o Ambiente de Contratação Livre (ACL), do qual

participam Agentes de Geração, Comercializadores, Importadores e Exportadores

de energia e Consumidores Livres.

O novo modelo do setor elétrico visa atingir três objetivos principais:

• Garantir a segurança do suprimento de energia elétrica;

• Promover a modicidade tarifária;

• Promover a inserção social no Setor Elétrico Brasileiro, em particular

pelos programas de universalização de atendimento.

O modelo prevê um conjunto de medidas a serem observadas pelos

Agentes, como a exigência de contratação de totalidade da demanda por parte das

distribuidoras e dos consumidores livres, nova metodologia de cálculo do lastro para

venda de geração, contratação de usinas hidrelétricas e termelétricas em

proporções que assegurem melhor equilíbrio entre garantia e custo de suprimento,

bem como o monitoramento permanente da continuidade e da segurança de

suprimento, visando detectar desequilíbrios conjunturais entre oferta e demanda.

Em termos de modicidade tarifária, o modelo prevê a compra de energia

elétrica pelas distribuidoras no ambiente regulado por meio de leilões – observado o

critério de menor tarifa, objetivando a redução do custo de aquisição da energia

elétrica a ser repassada para a tarifa dos consumidores cativos.

A inserção social busca promover a universalização do acesso e do uso do

serviço de energia elétrica, criando condições para que os benefícios da eletricidade

sejam disponibilizados aos cidadãos que ainda não contam com esse serviço, e

garantir subsídio para os consumidores de baixa renda, de tal forma que estes

possam arcar com os custos de seu consumo de energia elétrica.

2.2.1 Histórico da Reestruturação do Setor Elétrico Brasileiro

A reforma do Setor Elétrico Brasileiro começou em 1993 com a Lei nº 8.631,

que extinguiu a equalização tarifária vigente e criou os contratos de suprimento

O Setor Elétrico Brasileiro

entre geradores e distribuidores, e foi marcada pela promulgação da Lei nº 9.074 de

1995, que criou o Produtor Independente de Energia e o conceito de Consumidor

Livre.

Em 1996 foi implantado o Projeto de Reestruturação do Setor Elétrico

Brasileiro (Projeto RE-SEB), coordenado pelo Ministério de Minas e Energia. As

principais conclusões do projeto foram: a) a necessidade de implementar a

desverticalização das empresas de energia elétrica, ou seja, dividi-las nos

segmentos de geração, transmissão e distribuição: b) incentivar a competição nos

segmentos de geração e comercialização; e c) manter sob regulação os setores de

distribuição e transmissão de energia elétrica, considerados como monopólios

naturais, sob regulação do Estado.

Foi também identificada a necessidade de criação de um órgão regulador, a

Agência Nacional de Energia Elétrica - ANEEL, de um operador para o sistema

elétrico nacional, Operador Nacional do Sistema Elétrico - ONS, e de um ambiente

para a realização das transações de compra e venda de energia elétrica, o Mercado

Atacadista de Energia Elétrica - MAE.

Concluído em agosto de 1998, o Projeto RE-SEB definiu o arcabouço

conceitual e institucional do modelo a ser implantado no Setor Elétrico Brasileiro.

Em 2001, o setor elétrico sofreu uma grave crise de abastecimento que

culminou em um plano de racionamento de energia elétrica. Esse acontecimento

gerou uma série de questionamentos sobre os rumos que o setor elétrico estava

trilhando. Visando adequar o modelo em implantação, foi instituído em 2002 o

Comitê de Revitalização do Modelo do Setor Elétrico, cujo trabalho resultou em um

conjunto de propostas de alterações no setor elétrico brasileiro.

Durante os anos de 2003 e 2004 o Governo Federal lançou as bases de um

novo modelo para o Setor Elétrico Brasileiro, sustentado pelas Leis nº 10.847 e

10.848, de 15 de março de 2004 e pelo Decreto nº 5.163, de 30 de julho de 2004.

Em termos institucionais, o novo modelo definiu a criação da EPE, do CMSE e da

CCEE, conforme discutido nos primeiros parágrafos da Seção 2.2.

2.2.2 Mudanças no Setor Elétrico

Tendo em vista a importância central da energia para o processo de

desenvolvimento econômico, o Estado interferiu desde muito cedo na oferta para

O Setor Elétrico Brasileiro

que ela se expandisse de acordo com as necessidades de consumo (RODRIGUES,

2006). Nessa atividade, onde a economia de escala tende a impor grandes

monopólios como forma de organização econômica mais eficiente, o Estado

interferiu para que o preço cobrado pela energia não fosse prejudicial ao

consumidor e para que os grandes grupos econômicos não se aproveitassem do

fato que a energia é um bem essencial a qualquer atividade econômica e social

para fixarem preços muito acima dos custos reais.

Esse papel preponderante do Estado tendeu a reduzir-se desde o final da

década de 70, quando os países desenvolvidos tomaram uma série de iniciativas

para abrir seus mercados de energia à concorrência de novos produtores. Tal

mudança é relativamente compreensível para esses países dado o estágio de

desenvolvimento de suas economias, nas quais o consumo de energia cresce

abaixo do produto e porque o progresso técnico, visível, sobretudo no setor de

geração elétrica, abre a possibilidade para entrada de novos produtores. Ainda

assim, mais recentemente as reformas de abertura do mercado e de privatizações

do setor elétrico mostraram suas limitações em vários desses países desenvolvidos

devido à incapacidade do setor privado em realizar os investimentos necessários

para a expansão da oferta. Com efeito, embora o consumo de energia primária

cresça relativamente pouco nesses países, aproximadamente 1,4% ao ano, o

mesmo não acontece com o de energia elétrica, que tem crescimento superior de

2,1% ao ano (MACHADO, 2002).

Houve, também, a adoção dessas reformas por países em

desenvolvimento. De maneira geral, as privatizações foram guiadas por

necessidades alheias ao setor energético, a principal sendo a de atrair

investimentos estrangeiros diretos para fechar as contas do Balanço de

Pagamentos. O capital estrangeiro que adquiriu a maior parte das empresas

estatais buscava, sobretudo, a valorização de ativos financeiros. Os problemas de

instabilidade de taxa de câmbio, enfrentados pelas moedas desses países, logo

tornou demasiadamente arriscado esse tipo de aplicação. Em decorrência, os

ganhos, para os países em desenvolvimento, em termos de ampliação da

capacidade de investimento e da oferta foram muito limitados e insuficientes para

fazer frente às necessidades de expansão da demanda. As necessidades de

expansão da oferta são muito mais amplas nesses países, em termos relativos, do

que nos países desenvolvidos. Ademais, os governos dos países em

O Setor Elétrico Brasileiro

desenvolvimento perderam, em função das privatizações realizadas na década

passada, o controle sobre importantes instrumentos de política energética, industrial

e social. A tentativa de substituir a coordenação direta do Estado, realizada através

das empresas estatais, pela indireta, da regulação e dos contratos foi mal sucedida.

No Brasil, com as privatizações e a assinatura de novos contratos de

concessão, o poder de barganha das empresas energéticas privadas aumentou,

conduzindo à fixação de tarifas mais elevadas e tolhendo o Estado de um

importante instrumento de indução de outras atividades econômicas. As estatais

exerciam, também, um importante papel de induzir, através do seu poder de

compra, o desenvolvimento da indústria local de equipamentos e de serviços de

engenharia. A tentativa foi de substituir a política industrial direta das estatais,

realizada através do seu poder de compra, por mecanismos regulatórios.

As transformações sofridas pelo setor elétrico brasileiro na década de 90

motivaram o surgimento de teorias e técnicas de planejamento que buscaram

equacionar riscos e incertezas. Antes, com o setor dominado por empresas estatais,

partia-se do pressuposto de que o risco não era grande problema porque os

eventuais prejuízos eram socializados. Diante do novo cenário, os empresários,

para simular a reação de seus competidores, investiram pesado em técnicas para

equacionar riscos e incertezas (TOMALSQUIM, 2000).

Hoje, o Estado busca retomar o papel central das decisões no setor elétrico.

Não se trata de uma volta ao passado, mas a busca da melhor forma de

intervenção do Estado no setor por meio de políticas energéticas adequadas,

regulação e planejamento. Os ganhos do novo modelo advêm sobretudo da maior

flexibilidade que ele proporciona à gestão das estatais, inclusive para se associar

com o setor privado. Essa parceria pode ocorrer desde o nível produtivo, passando

pelo financeiro e chegando ao tecnológico. A associação entre empresas em

diferentes tipos de arranjos é uma característica distintiva da atual fase do

capitalismo porque permite aumentar o potencial de inovação das empresas e a sua

capacidade de adaptação a contextos instáveis. No caso do setor público, essa

maior flexibilidade permitiu aumentar a capacidade de investimento das empresas

estatais quando estas enfrentavam grandes limitações orçamentárias internas

impostas pelo governo federal.

O desafio consiste em encontrar para o setor energético um equilíbrio

saudável entre a flexibilidade do mercado e a capacidade de coordenação do

O Setor Elétrico Brasileiro

Estado na consecução dos objetivos de consolidação do processo de

desenvolvimento. O setor privado tanto nacional quanto estrangeiro não apresenta

uma grande capacidade de mobilização de investimentos produtivos, sendo uma

das razões principais a sua inerente expectativa de rápido retorno financeiro. O

setor energético, principalmente na condição brasileira de petróleos difíceis e

predomínio hidroelétrico, requer horizontes de investimento mais amplos e taxas de

retorno inicialmente mais baixas. Além de que o repasse do custo ao consumidor

não se configura em uma estratégia adequada para o país por dificultar o

desenvolvimento de outros setores. Essas observações mostram que o novo

arranjo entre Estado e mercado deve de qualquer forma, num país com a demanda

energética em forte expansão, prever uma presença importante do primeiro.

O processo de reestruturação institucional do setor elétrico brasileiro

iniciado em 2004 procurou assegurar os investimentos necessários para a

expansão da oferta e assegurar que o setor fosse economicamente eficiente

(SILVA, J.C.B., 2002). Para tanto, foram adotados dois princípios básicos:

• O estabelecimento da competição nos segmentos de geração e

comercialização para consumidores livres;

• O estabelecimento de monopólios regulados nas atividades de

transmissão, distribuição e comercialização para consumidores regulados.

Em suma, toda a legislação que hoje norteia o sistema brasileiro configura

uma tendência à competição na medida em que o separou em quatro partes, quais

sejam, geração, transmissão, distribuição e comercialização, definindo, claramente,

que a geração e a comercialização estão abertas à concorrência. Já a transmissão

e distribuição possuem preços regulados, ou seja, um “aluguel” da rede

estabelecido para o “deslocamento” da energia de um gerador para um consumidor.

A legislação, igualmente, obriga aos proprietários das redes de transmissão e de

distribuição a permitirem que novos entrantes as utilizem, ao preço dos respectivos

“aluguéis”. Assim, qualquer produtor de excedentes injetáveis na rede poderá

introduzi-los na rede seja para atender um consumidor próximo ou para vendê-los à

própria concessionária.

Um dos principais desafios enfrentados na implementação de reformas no

setor elétrico tem sido a coexistência de setores regulados e competitivos, a qual

requer a adoção de algumas medidas, dentre as quais se destacam: a regulação

por incentivos dos segmentos de monopólio natural através de ações que

O Setor Elétrico Brasileiro

estimulem a eficiência e modicidades dos preços dos segmentos regulados; e a

defesa da concorrência através de regulação de conduta e da estrutura. A primeira

visa coibir o exercício de poder de mercado e a segunda promover o livre acesso às

redes de transmissão e distribuição, de forma a permitir efetivamente a competição

na geração e comercialização. O livre acesso é garantido pela separação entre as

atividades de geração, transmissão e comercialização.

As discussões apresentadas nesse capítulo sobre as principais mudanças

entre os modelos pré-existentes e o modelo atual, que acabaram por resultar em

transformações nas atividades de alguns agentes do setor, estão resumidas na

Tabela 2.1.

Tabela 2.1 – Principais Mudanças do Setor Elétrico

Modelo Antigo (até

1995)

Modelo de Livre

Mercado (1995 a 2003)

Novo Modelo (2004)

Financiamento através

de recursos públicos

Financiamento através de

recursos públicos e

privados

Financiamento através de recursos

públicos e privados

Empresas

verticalizadas

Empresas divididas por

atividade: geração,

transmissão, distribuição e

comercialização

Empresas divididas por atividade:

geração, transmissão, distribuição,

comercialização, importação e

exportação.

Empresas

predominantemente

Estatais

Abertura e ênfase na

privatização das Empresas

Convivência entre Empresas

Estatais e Privadas

Monopólios -

Competição inexistente

Competição na geração e

comercialização

Competição na geração e

comercialização

Consumidores Cativos

Consumidores Livres e

Cativos

Consumidores Livres e Cativos

Tarifas reguladas em

todos os segmentos

Preços livremente

negociados na geração e

comercialização

No ambiente livre: Preços

livremente negociados na geração e

comercialização. No ambiente

regulado: leilão e licitação pela

menor tarifa

O Setor Elétrico Brasileiro

Tabela 2.1 – Principais Mudanças do Setor Elétrico - Continuação

Modelo Antigo (até

1995)

Modelo de Livre

Mercado (1995 a

2003)

Novo Modelo (2004)

Mercado Regulado Mercado Livre

Convivência entre Mercados Livre e

Regulado

Planejamento Determinativo

- Grupo Coordenador do

Planejamento dos Sistemas

Elétricos (GCPS)

Planejamento Indicativo

pelo Conselho Nacional

de Política Energética

(CNPE)

Planejamento pela Empresa de

Pesquisa Energética (EPE)

Contratação: 100% do

Mercado

Contratação : 85% do

mercado (até

agosto/2003) e 95%

mercado (até dez./2004)

Contratação: 100% do mercado +

reserva

Sobras/déficits do balanço

energético rateados entre

compradores

Sobras/déficits do

balanço energético

liquidados no MAE

Sobras/déficits do balanço

energético liquidados na CCEE.

Mecanismo de Compensação de

Sobras e Déficits (MCSD) para as

Distribuidoras.

Fonte: CCEE

2.2.3 Instituições do Setor Elétrico Brasileiro

O novo modelo do Setor Elétrico Brasileiro criou novas instituições e alterou

funções de algumas instituições já existentes. A estrutura atual do setor é ilustrada

pela Figura 2.1, apresentada a seguir.

Figura 2.1 – Estrutura do Setor Elétrico Brasileiro

O Setor Elétrico Brasileiro

As funções de cada uma das entidades citadas na Figura 2.1 são descritas na

seqüência.

O Conselho Nacional de Política Energética, CNPE, é um órgão

interministerial de assessoramento à Presidência da República, tendo como

principais atribuições formular políticas e diretrizes de energia e assegurar o

suprimento de insumos energéticos às áreas mais remotas ou de difícil acesso país.

É também responsável por revisar periodicamente as matrizes energéticas

aplicadas às diversas regiões do país, estabelecer diretrizes para programas

específicos, como os de uso do gás natural, do álcool, de outras biomassas, do

carvão e da energia termonuclear, além de estabelecer diretrizes para a importação

e exportação de petróleo e gás natural.

O Ministério de Minas e Energia, MME, é o órgão do Governo Federal

responsável pela condução das políticas energéticas do país. Suas principais

obrigações incluem a formulação e implementação de políticas para o setor

energético, de acordo com as diretrizes definidas pelo CNPE. O MME é responsável

por estabelecer o planejamento do setor energético nacional, monitorar a segurança

do suprimento do Setor Elétrico Brasileiro e definir ações preventivas para

restauração da segurança de suprimento no caso de desequilíbrios conjunturais

entre oferta e demanda de energia.

Instituída pela Lei nº 10.847/04 e criada pelo Decreto nº 5.184/04, a

Empresa de Pesquisa Energética, EPE, é uma empresa vinculada ao MME, cuja

finalidade é prestar serviços na área de estudos e pesquisas destinadas a subsidiar

o planejamento do setor energético. Suas principais atribuições incluem a

realização de estudos e projeções da matriz energética brasileira, execução de

estudos que propiciem o planejamento integrado de recursos energéticos,

desenvolvimento de estudos que propiciem o planejamento de expansão da

geração e da transmissão de energia elétrica de curto, médio e longo prazos,

realização de análises de viabilidade técnico-econômica e sócio-ambiental de

usinas, bem como a obtenção da licença ambiental prévia para aproveitamentos

hidrelétricos e de transmissão de energia elétrica.

O Comitê de Monitoramento do Setor Elétrico, CMSE, é um órgão criado no

âmbito do MME, sob sua coordenação direta, com a função de acompanhar e

avaliar a continuidade e a segurança do suprimento elétrico em todo o território

nacional. Suas principais atribuições incluem: acompanhar o desenvolvimento das

O Setor Elétrico Brasileiro

atividades de geração, transmissão, distribuição, comercialização, importação e

exportação de energia elétrica; avaliar as condições de abastecimento e de

atendimento; realizar periodicamente a análise integrada de segurança de

abastecimento e de atendimento; identificar dificuldades e obstáculos que afetem a

regularidade e a segurança de abastecimento e expansão do setor e elaborar

propostas para ajustes e ações preventivas que possam restaurar a segurança no

abastecimento e no atendimento elétrico.

A Agência Nacional de Energia Elétrica, ANEEL, foi instituída pela Lei nº

9.247/96 e constituída pelo Decreto nº 2.335/97, com as atribuições de regular e

fiscalizar a produção, transmissão, distribuição e comercialização de energia

elétrica, zelando pela qualidade dos serviços prestados, pela universalização do

atendimento e pelo estabelecimento das tarifas para os consumidores finais,

sempre preservando a viabilidade econômica e financeira dos Agentes e da

indústria. As alterações promovidas em 2004 pelo novo modelo do setor

estabeleceram como responsabilidade da ANEEL, direta ou indiretamente, a

promoção de licitações na modalidade de leilão, para a contratação de energia

elétrica pelos Agentes de Distribuição do Sistema Interligado Nacional (SIN).

A Câmara de Comercialização de Energia Elétrica, CCEE, instituída pela

Lei nº 10.848/04 e criada pelo Decreto nº 5.177/04, absorveu as funções do MAE e

suas estruturas organizacionais e operacionais. Entre suas principais obrigações

estão: a apuração do Preço de Liquidação de Diferenças (PLD), utilizado para

valorar as transações realizadas no mercado de curto prazo; a realização da

contabilização dos montantes de energia elétrica comercializados; a liquidação

financeira dos valores decorrentes das operações de compra e venda de energia

elétrica realizadas no mercado de curto prazo e a realização de leilões de compra e

venda de energia no ACR, por delegação da ANEEL.

O Operador Nacional do Sistema Elétrico, ONS, foi criado pela Lei nº 9.648,

de 27 de maio de 1998, e regulamentado pelo Decreto nº 2.655, de 2 de julho de

1998, com as alterações do Decreto nº 5.081, de 14 de maio de 2004, para operar,

supervisionar e controlar a geração de energia elétrica no SIN, e administrar a rede

básica de transmissão de energia elétrica no Brasil.

Tem como objetivo principal, atender os requisitos de carga, otimizar custos

e garantir a confiabilidade do sistema, definindo ainda, as condições de acesso à

malha de transmissão em alta-tensão do país.

O Setor Elétrico Brasileiro

2.3 Fundamentos Legais

Atualmente as empresas distribuidoras de energia elétrica estão sujeitas a

riscos referentes ao repasse de preço e montante de energia adquirida para

revenda aos consumidores. O Novo Modelo do setor elétrico determina a

obrigatoriedade de contratação de 100% do mercado para atendimento do mercado

cativo, bem como limites para o repasse de preço. As distribuidoras não podem

mais repassar integralmente o custo da energia adquirida no curto prazo e podem

ter de pagar multas elevadas por não ter a energia contratada suficiente para

atendimento de todos os seus consumidores.

A exposição da distribuidora por sobrecontratação é definida com base nos

valores de contratos firmados entre a distribuidora e geradores fornecedores, sendo

que valores em até 3% acima do previsto para a carga num determinado ano

podem ser repassados à tarifa dos consumidores sem maiores problemas, como

ilustrada na Tabela 2.2.

Caso a distribuidora ainda esteja exposta por sobrecontratação, há duas

possibilidades para minimizar esta exposição: a primeira delas é a obrigatoriedade

do uso do Mecanismo de Compensação de Sobras e Déficits, MCSD, onde as

sobras de energia contratadas pela distribuidora e declaradas como disponíveis ao

MCSD, devem ser repassadas àquelas distribuidoras que não alcançaram os 100%

de cobertura de seu mercado. Não há limites para o valor a ser declarado como

sobra para o MCSD, desde que seja observada a legislação que regulamenta o

mesmo. A segunda possibilidade de minimizar a exposição por sobrecontratação,

precedida pelo MCSD, é a devolução de 4% do montante contratado pela

distribuidora para adaptar-se aos desvios de mercado em virtude de erros nas

previsões de carga da distribuidora. Essa devolução é feita somente com os

contratos de energia existente, o que evita a exposição do investidor dos novos

empreendimentos de geração.

A única possibilidade, muito remota, dessa devolução atingir os contratos

de energia nova, ou seja, de alcançar os contratos de A-5, é que haja uma

fortíssima retração na demanda de energia, de forma que mesmo com a devolução

de todos os contratos de energia existente ainda não seja suficiente para cobrir esta

retração de carga da distribuidora.

O Setor Elétrico Brasileiro

A exposição da distribuidora por subcontratação, ilustrada também na

Tabela 2.2, pode ser coberta através dos seguintes mecanismos: leilão A-3, leilão

A-1, leilão de Ajuste, MCSD e contratação do montante de reposição. É possível

observar que o MCSD funciona como mecanismo de minimização de exposição

tanto para sobrecontratação quanto para subcontratação, dada a condição de que

quando sobre energia numa distribuidora falte em outra para ocorrer a troca. Os

leilões A-3, A-1 e Ajuste serão discutidos posteriormente.

Tabela 2.2 – Mecanismos para gestão de compra de energia elétrica

RISCOS

RISCOSRISCOS

RISCOS

VALOR

VALORVALOR

VALOR

MECANISMOS

MECANISMOSMECANISMOS

MECANISMOS

Até 103% do

mercado

Repasse de custos de aquisição para o consumidor final

MCSD – Mecanismo de Compensação de Sobras e Déficits

(Ex-Ante e Ex-Post)

Sem limites

Redução do CCEAR pela saída de consumidores

potencialmente livres (precedido do MCSD)

Exposição por

Sobrecontratação

Até 4% do CCEAR

(energia existente)

Redução do CCEAR, a critério da distribuidora, de até 4%

do montante contratado para adaptar-se aos desvios do

mercado face às projeções de demanda (precedido do

MCSD)

Até 2% da carga

verificada em A-5

Leilão A-3

Até 1% da carga

verificada em A-2

Leilão A-1

Até 105% do

Montante de

reposição

Montante de Reposição

Até 1% da carga da

distribuidora

Leilão de Ajuste

Exposição por

Subcontratação

Sem limites

MCSD – Mecanismo de Compensação de Sobras e Déficits

(Ex-Ante e Ex-Post)

Caso a distribuidora esteja sobrecontratada a penalização será resultante

do não repasse integral dos custos de aquisição da energia (montante). Por outro

lado, se houver subcontratação, além do possível prejuízo devido ao não repasse

integral dos custos da energia (preço) adquirida no mercado spot, haverá

penalização por cada MWh não contratado, de acordo com o documento da CCEE

Regras de Comercialização Penalidades – Insuficiência de Cobertura de

Consumo. A Figura 2.2 apresentada a seguir ilustra um resumo dos casos de sobre

e subcontratação.

O Setor Elétrico Brasileiro

Figura 2.2 – Margens de contratação para uma distribuidora.

Dados os principais limites impostos pela legislação é necessário se estudar

variáveis complexas, tais como, afluências, cenários de preços spot, riscos

associados, entre outros, com base em teorias econômicas e técnicas de

Inteligência Artificial, através de conceitos financeiros e estatísticos visando a

obtenção do melhor custo-benefício de uma operação, auxiliando a tomada de

decisões. A seguir serão detalhados os principais documentos que dão sustentação

legal ao novo modelo do setor elétrico brasileiro e as regras de contratação de

energia para as distribuidoras que participam do ambiente regulado de

comercialização de energia elétrica.

2.3.1 Legislação reguladora da comercialização da energia elétrica

Dada a enorme complexidade e grande número de instituições atuantes, o

Setor Elétrico é regido por uma série de instrumentos normativos. No anexo A são

apresentados os principais documentos que fazem parte da regulamentação do

setor.

Os documentos balizadores que definem as regras e limites para a

comercialização de energia no novo modelo do setor elétrico para o ambiente de

contratação regulada são a Lei 10.848/2004 e o Decreto 5163/2004.

Nesses documentos estão previstos alguns tipos de leilões, tais como

Leilão A-5, Leilão A-3, Leilão A-1 e Leilão de Ajuste, a serem descritos ainda nessa

seção. Antes disso faz-se necessário apresentar algumas definições utilizadas:

O Setor Elétrico Brasileiro

(i) Ano-base “A”: o ano de previsão para o início do suprimento da energia

elétrica adquirida pelos agentes de distribuição por meio dos leilões.

(ii) Ano “A-1”: o ano anterior ao ano-base “A” em que se realizam os leilões

de compra de energia elétrica proveniente de empreendimentos existentes.

(iii) Ano “A-3”: o terceiro ano anterior ao ano-base “A” em que se realizam

os leilões de compra de energia elétrica proveniente de novos empreendimentos.

(iv) Ano “A-5”: o quinto ano anterior ao ano-base “A” em que se realizam os

leilões de compra de energia elétrica proveniente de novos empreendimentos.

De acordo com a legislação vigente, os agentes de distribuição devem

garantir, a partir de 1º de janeiro de 2005, o atendimento de 100% de seus

mercados de energia e potência por intermédio de contratos. Para tanto, eles tem

as seguintes alternativas de contratação:

• Sem leilão:

o Energia contratada até 16 de março de 2004;

o Energia proveniente de:

 Geração distribuída;

 Fontes Alternativas de Energia Elétrica - PROINFA; e

 Itaipu Binacional.

• Com leilão (parcela que deve ser otimizada):

o Compra de energia nova nos Leilões “A-5” e “A-3”;

o Compra de energia existente no Leilão “A-1”; e

o Compra de energia existente no leilão de ajuste no ano “A”.

A seguir, passa-se à descrição dos tipos de leilão disponibilizados no ACR a

fim de que as distribuidoras possam suprir suas cargas 100%.

a) Leilão A-5

Destina-se a venda de energia dos novos empreendimentos de geração

que foram licitados pelo Governo e deverão ser construídos em 5 anos. Os

contratos firmados possuem duração mínima de 15 anos e máxima de 30 anos.

Neste leilão, a energia é prioritariamente advinda de geradores hidráulicos. Não há

limites para quantidade de energia a ser contratada neste leilão, uma vez que o

mesmo é a principal forma de contratação eficiente e econômica para as

O Setor Elétrico Brasileiro

distribuidoras. Neste leilão ocorrem os maiores volumes de contratações de

energia. É realizado todo ano obrigatoriamente.

b) Leilão A-3

Destina-se a venda de energia de novos empreendimentos de geração,

licitados pelo Governo e devem ser construídos em 3 anos. Os contratos firmados

possuem duração mínima de quinze anos e máxima de trinta. Devido ao curto

espaço de tempo entre a contratação e a entrega (3 anos) a energia comercializada

nesse leilão é proveniente principalmente de geradores térmicos. Como o custo da

geração térmica é em geral maior que o da hidráulica, as regras de comercialização

de energia limitam o valor de contratação possível de ser repassado às tarifas dos

consumidores em 2% da carga verificada 2 anos antes da realização do mesmo (de

acordo com o decreto 5163/2004). Isso reforça a necessidade de que as

distribuidoras devem contratar a energia para atendimento de seu mercado no leilão

de A-5, deixando a contratação em A-3 como forma de ajuste fino da contratação.

c) Leilão A-1

Os contratos firmados possuem duração mínima de cinco anos e máxima

de quinze anos. Até o ano de 2008, o MME fixará o preço máximo da energia nesse

leilão e, a partir de 2009, o preço máximo será o valor médio dos leilões realizados

nos anos “A-5” e “A-3”.

A partir de 2009, cada distribuidora poderá contratar energia

correspondente ao seu montante de reposição. Entende-se por montante de

reposição a quantidade de energia dos contratos que se extinguirem no ano dos

leilões. Havendo disponibilidade, pode-se contratar até cinco por cento acima do

montante de reposição.

Excepcionalmente em 2004, foram promovidos leilões de compra de

energia para os anos de 2005 a 2009, observado o seguinte:

• O prazo mínimo de vigência foi de oito anos para o início do suprimento a

partir de 2005, 2006 e 2007; e

• O prazo mínimo de vigência foi de cinco anos para o início do suprimento

a partir de 2008 e 2009.

Os montantes contratados de energia existente podem ser reduzidos, a

critério exclusivo do agente de distribuição, em função de variações de mercado,

O Setor Elétrico Brasileiro

em cada ano, de até quatro por cento do montante inicial contratado, independente

do prazo de vigência contratual, do início de suprimento e dos montantes

efetivamente reduzidos nos anos anteriores. O exercício da opção de redução

contratual tem caráter permanente (efeito memória).

As reduções dos montantes têm eficácia a partir do segundo ano

subseqüente ao da declaração que deu origem à compra do agente de distribuição.

d) Leilão de Ajuste

A energia vendida nessa modalidade de leilão é proveniente de

empreendimentos existentes, com início de entrega em até 4 meses. Os contratos

firmados possuem duração máxima de dois anos.

O montante total de energia contratado não pode exceder a um por cento

da carga total contratada de cada distribuidora.

Um ponto importante nas novas regras é o que se refere ao repasse às

tarifas dos consumidores finais, o que caracteriza os riscos a que as distribuidoras

podem se expor caso fiquem sobre ou subcontratadas.

Para regular o repasse às tarifas dos consumidores finais dos custos de

aquisição de energia elétrica deve-se calcular um Valor Anual de Referência - VR,

mediante aplicação da seguinte equação:

VR = [VL5 . Q5 + VL3 . Q3] / [Q5 + Q3] (2.1)

onde:

VL5: o valor médio de aquisição nos leilões de compra de energia nova

realizados no ano “A - 5”, ponderado pelas respectivas quantidades;

Q5: a quantidade total por ano de energia nova adquirida no Ano “A-5”;

VL3: o valor médio de aquisição nos leilões de compra de energia nova

realizados no ano “A - 3”, ponderado pelas respectivas quantidades; e

Q3: a quantidade total por ano de energia nova adquirida no ano “A-3”.

O VR, além de outras finalidades, é um mecanismo de estímulo para

contratação eficiente em A-5, cujo custo de aquisição é normalmente inferior ao de

A-3)

Até 2008, o VR é estabelecido conforme as seguintes diretrizes:

O Setor Elétrico Brasileiro

• Para os anos de 2005 e 2006, o VR foi o valor máximo de aquisição da

energia existente, nos leilões realizados em 2004, para início de entrega

naqueles anos;

• Para os anos de 2007 e 2008, deve ser aplicada a Equação 2.1, prevista

para o cálculo da VR, considerando:

o Para VL5 e Q5, os valores médios ponderados de aquisição e as

quantidades adquiridas nos leilões de energia nova realizados até

o final de 2005, para entrega em 2009 e 2010; e

o Para VL3 e Q3, os valores médios ponderados de aquisição e as

quantidades adquiridas nos leilões de energia nova realizados até

o final de 2005 para entrega em 2007 e 2008.

A ANEEL autoriza o repasse a partir do ano-base “A” dos custos de

aquisição de energia elétrica previstos nos contratos, pelas distribuidoras às tarifas

de seus consumidores finais, conforme os seguintes critérios:

• No leilão de compra de energia nova realizado no ano “A-5”, observado o

seguinte:

o Repasse do VR durante os três primeiros anos de suprimento da

energia elétrica adquirida (Incentivo para a distribuidora comprar

mais no A-5, pois se você compra mais no A-5 e o preço de

energia no A-3 for mais alto, repasse para a tarifa será maior que

o custo de aquisição);

o Repasse integral do valor de aquisição da energia elétrica, a partir

do quarto ano de sua entrega;

• Nos leilões de compra de energia nova no ano “A-3”, observado o

seguinte:

o Repasse do VR durante os três primeiros anos de entrega da

energia elétrica adquirida, limitado ao montante correspondente a

dois por cento da carga do agente de distribuição comprador

verificada no ano “A-5”;

o Repasse integral do valor de aquisição da energia elétrica a partir

do quarto ano de sua entrega, limitado ao montante

correspondente a dois por cento da carga do agente de

distribuição comprador verificada no ano “A-5”;

O Setor Elétrico Brasileiro

o Repasse ao menor valor entre o VL5 e o VL3 da parcela adquirida

que exceder os montantes acima especificados;

• Nos leilões de energia existente, repasse integral dos respectivos valores

de sua aquisição;

• Nos leilões de ajustes, repasse integral até o limite do VR; e

• Na contratação de energia elétrica proveniente de geração distribuída,

repasse integral até o limite do VR.

No repasse dos custos de aquisição de energia elétrica às tarifas dos

consumidores finais, deve-se considerar até cento e três por cento do montante

total de energia elétrica contratada em relação à carga anual de fornecimento da

distribuidora.

Nos anos de 2007 e 2008, é integral o repasse dos custos de aquisição de

energia nova.

O repasse às tarifas dos consumidores finais dos custos de aquisição de

energia nova é limitado ao Valor de Referência da Energia Existente (VRE) caso a

contratação resultante de leilões de compra de energia existente seja menor que o

limite inferior de recontratação.

Entende-se por limite inferior de recontratação o valor positivo resultante da

seguinte equação:

LI = MR - 4% MI (2.2)

onde:

LI é o limite inferior de contratação;

MR é o montante de reposição; e

MI é o montante inicial de energia elétrica considerado para a apuração do

MR.

O VRE é calculado mediante a aplicação da seguinte equação:

VRE = VR x VLE / VL5 (2.3)

onde:

VLE é o valor médio ponderado, em Reais por MWh, de aquisição de

energia existentes nos leilões realizados no ano “A-1”. Pode ser

interpretado como sendo um mecanismo para dar liquidez à energia

existente, caso contrário as distribuidoras podem contratar a energia nova

dada a garantia de repasse.

O Setor Elétrico Brasileiro

Nos três primeiros anos de suprimento, o mecanismo de repasse deve ser

aplicado à parcela de energia nova adquirida nos leilões realizados no ano “A-3”,

equivalente à diferença entre o limite inferior de recontratação e a quantidade

efetivamente contratada. Nos casos em que a quantidade de energia adquirida nos

leilões realizados no ano “A-3” for insuficiente para aplicação do mecanismo de

repasse, é também considerada a quantidade de energia elétrica adquirida no ano

“A-5”.

O mecanismo de repasse citado anteriormente não se aplica nos casos em

que o limite inferior de recontratação não tenha sido atingido por insuficiência de

oferta nos leilões de energia existente, realizados no ano “A-1”, ao preço máximo

fixado pelo MME.

Para fins de repasse às tarifas dos consumidores finais dos custos de

aquisição nos leilões de energia existentes, realizados nos anos de 2005 a 2008,

para entrega no ano subseqüente ao do leilão, deve-se observar o seguinte:

 Repasse integral dos valores de aquisição de até um por cento da

carga verificada no ano anterior ao da declaração de necessidade do

agente de distribuição comprador, observado o preço máximo fixado

pelo MME;

 Repasse limitado a setenta por cento do valor médio do custo de

aquisição de energia elétrica proveniente de empreendimentos

existentes para entrega a partir de 2005 e até 2008, referente à

parcela que exceder o um por cento.

Outro fator importante que afeta a receita das distribuidoras caso elas não

atendam a obrigação de contratar a totalidade de sua carga, é que a energia

elétrica adquirida no mercado de curto prazo da CCEE é repassada às tarifas dos

consumidores finais ao menor valor entre o Preço de Liquidação de Diferenças

(PLD) e o VR.

No caso dos montantes contratados nos leilões de energia existente serem

inferiores às quantidades declaradas para a contratação no ano “A-1”, o repasse

dos custos de aquisição no mercado de curto prazo da CCEE obedece ao seguinte:

• Integral, quando observar o limite correspondente ao montante de

reposição; e

• Corresponde ao menor valor entre o PLD e o VR, na parcela que exceder

ao montante de reposição.

O Setor Elétrico Brasileiro

2.4 Considerações Finais

Segundo as regras de comercialização de energia elétrica percebe-se o

quanto as distribuidoras correm riscos em seus faturamentos, quer pelas

penalidades quer pelo repasse não integral dos custos de energia elétrica aos

consumidores quando não atendem a totalidade de suas cargas.

Esses riscos são minimizados a partir de uma adequada previsão de carga

e de uma adequada estratégia de compra nos leilões de energia disponíveis (Leilão

A-5, Leilão A-3, Leilão A-1 e Leilão de Ajuste) a fim de se diminuir as exposições

quando de sobre ou subcontratação.

A minimização desses riscos, por ser de difícil solução. Uma possibilidade

de solução é a utilização de técnicas de Inteligência Artificial (IA). Este trabalho

propõe o uso de um técnica baseada em Algoritmos Genéticos (AGs) para solução

desse problema.

Assim, o próximo capítulo aborda os conceitos básicos envolvendo as

principais técnicas de otimização, dando ênfase a solução via AGs.

CAPÍTULO III

CONCEITOS BÁSICOS DE OTIMIZAÇÃO

3.1 Introdução

A seguir apresentam-se os conceitos básicos de otimização e as

características e definições que envolvem a aplicação de Algoritmos Genéticos na

solução de problemas de otimização, tais como o problema de gestão de compra de

energia elétrica pelas distribuidoras abordado neste trabalho.

Inicialmente, uma breve apresentação de algumas técnicas de otimização

tradicionais é realizada. Em seguida são apresentados os elementos que compõe

as etapas do processo de otimização via Algoritmos Genéticos.

3.2 Conceitos Básicos de Otimização

O desenvolvimento de áreas tradicionais da engenharia tem sido

caracterizado nas últimas décadas pelo crescente emprego de modelos de

otimização como paradigmas para formulação de problemas que envolvem tomada

de decisões. Inicialmente restritos a problemas que envolviam um único objetivo, os

modelos de otimização e as técnicas associadas evoluíram, principalmente a partir

do começo da década de 70, no sentido de contemplarem a situação mais realista

em que vários objetivos, em geral conflitantes, concorrem para a solução de um

determinado problema.

As formas clássicas de abordagem de problemas de tomada de decisão

quase sempre exigem a identificação prévia de uma função utilidade que agregue

todos os objetivos do problema. Por sua vez, os métodos inspirados em modelos de

otimização baseiam-se em procedimentos interativos que prescindem de uma

Otimização

função utilidade explícita e podem ser implementados através de algoritmos de

otimização existentes.

3.2.1 Técnicas de Otimização

Otimização Combinatória é uma técnica de tomada de decisões no caso de

problemas discretos que pode ser encontrada em diversas áreas, tais como,

problemas de planejamento e programação (scheduling) da produção, problemas

de corte e empacotamento, roteamento de veículos, redes de telecomunicação,

sistemas de distribuição de energia elétrica, problemas de localização,

planejamento de sistemas hidroelétricos, dentre outras (LEITE, P.T, 1999). Em

muitos destes problemas surgem freqüentemente vários critérios de desempenho

(funções objetivos), em geral, conflitantes entre si. Por exemplo, o controle de chão

de fábrica envolve a execução do plano de produção e para tal é necessário

programar a produção em cada centro de trabalho de forma a satisfazer objetivos

globais da empresa.

Existem três objetivos básicos na programação de tarefas (jobs) na

produção (VOLMANN ET AL., 1988). O primeiro objetivo está relacionado com

datas de entrega das tarefas: basicamente, não se deseja atraso em relação a

essas datas, e quando o custo de estoque é relevante, tenta-se evitar que as

tarefas sejam finalizadas muito antes dessas datas. O segundo objetivo está

relacionado com o tempo de fluxo de tarefas no chão de fábrica: deseja-se que esse

tempo seja curto, ou equivalentemente, que o estoque em processamento seja

baixo. O terceiro objetivo envolve a utilização dos centros de trabalho: deseja-se

maximizar a utilização de equipamentos e de mão de obra. No entanto, estes

objetivos são, em geral, conflitantes e o analista de produção (responsável pela

decisão) deve optar por uma solução que pondere os objetivos globais da empresa.

Objetivos conflitantes são mais a regra do que a exceção em diversos problemas

reais e a otimização multiobjetivo é utilizada para tratar com essas situações.

Em otimização multiobjetivo, ao contrário de otimização mono-objetivo, em

geral, não existem soluções ótimas no sentido de minimizarem (ou maximizarem)

individualmente todos os objetivos. A característica principal de otimização

multiobjetivo (quando todos os objetivos são de igual importância) é a existência de

Otimização

um conjunto grande de soluções aceitáveis que são superiores às demais. Estas

soluções aceitáveis são denominadas soluções Pareto-ótimas ou eficientes. A

escolha de uma solução eficiente particular depende das características próprias do

problema e é atribuída ao responsável pela decisão (decision maker).

Até a década de 80, a maioria dos métodos de otimização foram propostas

para a resolução de problemas de programação linear e não-linear. Métodos exatos

propostos para resolver problemas de programação linear multiobjetivo, geralmente,

usam métodos exatos de otimização mono-objetivo. As soluções Pareto-ótimas são

obtidas resolvendo alguns problemas particulares, derivados do original, cujos

ótimos globais correspondem às soluções Pareto-ótimas. Um exemplo típico é o

método de escalonação das funções objetivos (ou das somas ponderadas) definido

sobre o espaço das soluções factíveis do problema multiobjetivo original

(WIERZBICK, 1986). Métodos deste tipo não são facilmente adaptados para

resolver problemas de otimização combinatória multiobjetivo, pois estes problemas

possuem um elevado grau de complexidade. Sabe-se que o problema de decisão

associado a muitos problemas de otimização combinatória mono-objetivo são NP-

completos, ou seja, eles não podem ser resolvidos através de algoritmos de tempo

polinomial. A questão da complexidade computacional em problemas de otimização

combinatória multiobjetivos envolve uma outra componente relacionada com a

contagem do número de soluções do problema de decisão associado (EHRGOTT,

2000). Este fator, obviamente, eleva o grau de intratabilidade de diversos problemas

combinatórios.

Em otimização, a escolha do método de resolução a ser utilizado depende

principalmente da razão entre a qualidade da solução gerada pelo método e o

tempo gasto para encontrar essa solução. Nesse nível, a maioria dos problemas é

intratável, ou seja, são problemas para os quais é improvável que se consiga

desenvolver um algoritmo exato que possa ser executado em tempo razoável. Para

viabilizar a obtenção de soluções é preciso lançar mão de métodos heurísticos.

Esses métodos, quando bem desenvolvidos e adaptados aos problemas que se

deseja resolver, são capazes de apresentar soluções de boa qualidade em tempo

compatível com a necessidade de rapidez presente nos problemas. O

desenvolvimento e sucesso dos métodos heurísticos, em especial as

metaheurísicas, fomentaram o interesse dos pesquisadores na década de 90 na

Otimização

aplicação desses métodos em problemas de otimização combinatória multiobjetivo,

considerados difíceis computacionalmente (EHRGOTT e GANDIBLEUX, 2000).

Os métodos heurísticos podem ser divididos em três classes que diferem

basicamente na forma como exploram o espaço de soluções dos problemas. A

primeira classe de heurísticas são as chamadas de construtivas. Estas heurísticas

são especializadas para um dado problema e constroem uma solução pela adição

de componentes da mesma através de regras específicas associadas com a

estrutura do problema.

A segunda classe de heurísticas são as chamadas de Busca Local ou

Busca em Vizinhança. Estas heurísticas iniciam com uma solução completa do

problema, e constroem uma vizinhança desta solução que contém todas as

soluções alcançáveis através de uma regra de movimento que modifica a solução

inicial. Dessa vizinhança, escolhe-se uma solução que possua uma avaliação

melhor que a solução inicial. A solução escolhida torna-se a nova solução inicial e o

processo continua até encontrar um ótimo local. Claramente, a eficiência das

heurísticas de busca local depende da escolha da solução inicial e da definição de

uma vizinhança que estabelece uma relação entre as soluções no espaço de

decisões. Uma vez tendo chegado ao ótimo local, essas heurísticas param e não

são capazes de escapar da otimalidade local e explorar novas regiões do espaço de

busca.

A terceira classe de heurísticas é chamada de metaheurísticas, que são

métodos inteligentes flexíveis, pois possuem uma estrutura com componentes

genéricos que são adaptados ao problema que se quer resolver. Estes métodos

possuem certa facilidade em incorporar novas situações e exploram o espaço de

soluções permitindo a escolha estratégica de soluções piores que as já

encontradas, na tentativa de superar a otimalidade local. Mesmo não garantindo

otimalidade global, as metaheurísticas podem encontrar uma grande quantidade de

ótimos locais. Existem várias metaheurísticas que apresentam princípios e

estratégias distintas, dentre elas destacam-se as seguintes:

• As metaheurísticas Busca Tabu e Simulated Annealing (recozimento

simulado) exploram uma vizinhança a cada iteração de acordo com suas

estratégias e escolhem apenas um elemento dessa vizinhança a cada

passo. Esse tipo de varredura do espaço de busca gera uma trajetória

Otimização

de soluções obtida pela transição de uma solução para outra de acordo

com os movimentos permitidos pelo método. A metaheurística GRASP é

um método de múltiplos reinícios. A cada reinício gera-se uma solução

inicial através de uma heurística construtiva com aleatoriedade

controlada na escolha dos componentes da solução. A solução inicial é

usada como ponto de partida para uma busca local convencional.

• As metaheurísticas baseadas em Algoritmos Genéticos e Scatter Search

exploram uma população de soluções a cada iteração. As estratégias de

busca destes métodos permitem explorar várias regiões do espaço de

soluções de cada vez. Dessa forma, ao longo das iterações não se

constrói uma trajetória única de busca, pois novas soluções sempre são

obtidas através de combinações de soluções anteriores. Ultimamente,

alguns conjuntos de estratégias básicas de metaheurísticas diferentes

vêm sendo combinados gerando métodos híbridos, por exemplo,

métodos que mesclam características de busca dos Algoritmos

Genéticos com técnicas de busca local.

Metaheurísticas têm sido aplicadas com muito sucesso para resolver

problemas de otimização mono-objetivo (OSMAN e LAPORTE, 1996). Em

otimização multiobjetivo, para gerar o conjunto das soluções Pareto-ótimas, vários

problemas requerem algoritmos de tempos exponenciais, mesmo que a otimização

isolada de alguns objetivos seja fácil. Assim, os métodos heurísticos resultam ser os

mais convenientes para tratar com esses problemas. Recentemente, muitos

pesquisadores têm proposto extensões de metaheurísticas para resolver problemas

multiobjetivos (EHRGOTT e GANDIBLEUX, 2000), (COELLO, 2000), (VAN

VELDHUIZEN e LAMONT, 2000), (JONES ET AL., 2002). Os métodos

metaheurísticos podem ser implementados com muita flexibilidade para resolver

problemas multiobjetivos de otimização combinatória e problemas de otimização

não linear. Atualmente, estes métodos constituem uma das ferramentas mais ativas

na pesquisa em otimização multiobjetivo.

Otimização

3.3 Algoritmos Genéticos

Os Algoritmos Genéticos, a Programação Genética e a Programação

Evolucionária são modelos trabalhados na área de Computação Evolucionária. As

Redes Neurais Artificiais, os Sistemas Fuzzy e a Computação Evolucionária, por

sua vez, fazem parte da denominada Inteligência Computacional. A Inteligência

Computacional é caracterizada por manipulação numérica (e não simbólica) do

conhecimento, adaptabilidade e tolerância a informações imprecisas (LOPES,

1999).

A partir da década de 30, estudiosos da área biológica e informática

começaram a se interessar pelos Algoritmos Genéticos, todavia só na década de 70

é que houve maiores avanços nessa linha de pesquisa. JOHN HOLLAND, citado

por GOLDBERG (1989) como o pioneiro no assunto buscou elaborar algoritmos que

descrevessem o comportamento da natureza no que tange à evolução das espécies

e aos processos genéticos dos organismos biológicos (LEITE, P.T, 2003). O

princípio de funcionamento desses algoritmos baseia-se na teoria Darwiniana de

seleção natural e da genética de Mendel. A idéia principal enfocada por JOHN

HOLLAND (1975), e outros estudiosos, era resolver problemas reais, em especial,

problemas complexos de otimização, através de sistemas inspirados na natureza,

simulando os processos naturais.

No presente trabalho foram empregados os Algoritmos Genéticos, que são

um dos representantes dos algoritmos evolutivos, cuja inspiração baseia-se na

evolução natural dos seres vivos. Os Algoritmos Genéticos baseiam-se no seguinte

princípio: “Quanto melhor um indivíduo se adaptar ao seu meio ambiente, maior

será sua chance de sobreviver e gerar seus descendentes”. Esta meta-heurística se

adapta muito bem a problemas com um grande número de variáveis, como é o caso

da gestão de compra de energia para as distribuidoras. Os Algoritmos Genéticos

possuem várias características importantes que são:

• Funcionam tanto com parâmetros contínuos quanto discretos, ou uma

combinação destes;

• Realizam buscas simultâneas em várias regiões do espaço de busca, pois

trabalham com um conjunto de pontos e não com um único ponto;

Otimização

• Utilizam informações de custo ou recompensa e não derivadas ou outro

conhecimento auxiliar;

• Usam regras de transição probabilísticas e não determinísticas;

• Otimizam uma função objetivo com número grande de variáveis;

• Otimizam parâmetros de funções objetivos com superfícies complexa e

complicadas, reduzindo a incidência de mínimos locais;

• Fornecem uma lista de soluções ótimas e quase-ótimas e não uma simples

solução;

• Trabalham com dados gerados experimentalmente e são tolerantes a

ruídos e dados incompletos;

• São fáceis de serem implementados numericamente;

• São flexíveis para trabalhar com restrições arbitrárias e otimizar múltiplas

funções com objetivos conflitantes;

GOLDBERG (1989), um dos precursores dos Algoritmos Genéticos,

descreveu-os como sendo uma pesquisa baseada no mecanismo de seleção e

genética natural objetivando a otimização. Segundo esse autor, os Algoritmos

Genéticos superam os outros métodos tradicionais de otimização encontrados na

literatura.

LUTTON e MARTINEZ (1994) caracterizaram os Algoritmos Genéticos

como uma técnica estocástica, relativamente lenta, mas de grande eficiência no

processo de busca em espaço dimensional elevado.

3.3.1 Teoria da Evolução das Espécies

Foram muitas as teorias que tentaram explicar a origem da vida e a

evolução das espécies. Aristóteles (filósofo grego) propôs a teoria da abiogênese

que perdurou até o século XIX. Essa idéia julgava que os seres inanimados, sob

uma força capaz de comandar diversas reações, passavam a ter vida. Nesse século

o cientista francês Luis Pasteur derrubou tal teoria, provando que a vida surgia de

materiais nutritivos expostos a microorganismos vivos.

O biólogo francês Lamarck, no início do século XIX, defendeu a teoria do

transformismo, onde julgava que na luta pelo alimento, os seres vivos desenvolviam

fisicamente atendendo as suas necessidades alimentares, e transmitiam essas

Otimização

características para seus descendentes. Lamarck julgou que o crescimento das

populações seria em progressão geométrica (PAULINO, 1995).

Em 1859 o naturalista inglês Charles R. Darwin, influenciado pela teoria de

Lamarck, propôs a teoria da evolução das espécies. A teoria Darwiniana afirma que

a evolução ocorre devido à seleção natural: "Não há exceção à regra de que cada

ser orgânico aumenta naturalmente a uma média tão alta que, se não destruído, a

terra logo estará povoada com a progênie de um único par" (BOLTON, 1944).

Após a realização do trabalho de Mendel (descoberta da genética), a teoria

Darwiniana ganhou um significado maior, donde foi possível explicar as mudanças

genéticas dos indivíduos e conseqüentemente a evolução das espécies.

3.3.2 Seleção Natural e Seleção Artificial

A principal diferença conceitual entre a seleção natural (processo que

ocorre naturalmente, sem a ação do homem), e a seleção artificial (implementada

nos programas), é que a seleção natural não é propriamente uma seleção, ou seja,

não existem regras para que ela aconteça, enquanto a seleção artificial é dotada de

regras impostas com objetivos específicos.

A técnica de seleção utilizada pelos Algoritmos Genéticos é a seleção

artificial, porém esses algoritmos baseiam-se nos princípios de seleção natural e

sobrevivência dos indivíduos mais aptos, e também nos processos genéticos dos

organismos vivos, descritos respectivamente por Charles Darwin (1809 - 1882) em

Origem das Espécies e por Gregor J. Mendel (1822 - 1884).

No decorrer deste texto, quando se fizer menção ao termo seleção, referir-

se-á à seleção artificial. Entre as técnicas de seleção mais utilizadas podem ser

citadas: roleta, torneio e elitismo (GOLDBERG, 1989).

A seleção por roleta é uma técnica que consiste da escolha aleatória de um

elemento. Cada elemento tem a probabilidade de ser selecionado, proporcional ao

seu valor de aptidão. Para uma população com 3 indivíduos, como ilustrado na

Figura 3.1, a probabilidade, por exemplo, do indivíduo 2 ser selecionado é de 0,20.

Otimização

Figura 3.1 – Funcionamento da técnica de seleção por roleta

Existem várias formas de aplicar a técnica de seleção por torneio, um

exemplo seria a seleção aleatória, a priori, de uma dupla de indivíduos, e

posteriormente, selecionar um desses dois indivíduos, de acordo com um critério.

Esse critério pode ser, por exemplo, o maior valor de aptidão. Assim, o indivíduo

que possuir maior aptidão será selecionado.

Finalmente, a seleção elitismo é a preservação de um grupo dos indivíduos

mais aptos, pertence à população atual, para a nova população. Os demais

indivíduos que completarão a nova população serão selecionados por outra técnica

como a roleta ou torneio.

3.3.3 Composição dos Algoritmos Genéticos

Uma visão global do algoritmo utilizado é apresentada na Figura 3.2,

através de um fluxograma, com os passos seguidos para o desenvolvimento da

ferramenta inteligente na gestão de compra de energia elétrica, utilizando a técnica

de Algoritmos Genéticos.

O fluxograma mostra desde a entrada do algoritmo, com a aplicação dos

operadores genéticos, cálculo das aptidões e formação de novas populações.

Otimização

Gerar uma

população

inicial

Avaliar a

função objetivo

Os critérios de

otimização são

satisfeitos?

Melhores

indivíduos

Sim

Operador

Seleção

Gerar uma

nova

população

Resultados

Não

Operador

Cruzamento

Recombinação

Operador

Mutação

Elitismo

Figura 3.2. Funcionamento do algoritmo genético utilizado

O esquema básico do escopo dos Algoritmos Genéticos é composto pelas

seguintes componentes:

a) codificação das variáveis de interesse no problema (cromossomo);

b) configurações da população inicial;

c) proposta da função de aptidão;

d) definição dos Operadores Genéticos que serão utilizados no

processo de reprodução (cruzamento e mutação);

e) definição dos valores dos parâmetros que serão usados (tamanho da

população e probabilidades associadas aos operadores genéticos).

Os elementos comuns nos Algoritmos Genéticos simples, segundo

MITCHELL (1997), são: a população de cromossomos, a seleção de acordo com a

aptidão, o cruzamento para produzir nova prole, e a mutação aleatória da nova

geração. Existe ainda um quarto elemento que é a inversão, mas por ser raramente

usado, não será discutido nem aplicado nesse trabalho.

Os parâmetros (ou constantes) que definem o funcionamento dos

Algoritmos Genéticos simples, propostos por GOLDBERG (1989), são:

 Tamanho máximo que a população poderá assumir;

 Tamanho máximo do indivíduo (ou cromossomo);

 Vetores que representam os indivíduos da população;

 O valor de aptidão;

 Vetores que representam os indivíduos da nova população.

Otimização

Quando se trabalha com Algoritmos Genéticos para resolução de problemas,

o grande desafio está exatamente na codificação, ou qual a melhor maneira de

representar o problema, que deve ter uma estrutura de dados, geralmente vetores

ou cadeias de valores binários (estruturas mais tradicionais, porém nem sempre as

mais indicadas), reais ou inteiros. Esta estrutura é chamada de indivíduo ou

cromossomo, e cada bit chamado de gene.

O indivíduo representa o conjunto de parâmetros de variáveis da função

objetivo cuja resposta será maximizada ou minimizada. O conjunto de todas as

configurações que o indivíduo pode assumir forma o espaço de busca. Por

exemplo, se o indivíduo representa n parâmetros de uma função, então o espaço de

busca é um espaço com n dimensões. A maioria das representações genotípicas,

utiliza vetores de tamanho finito com um alfabeto também finito.

A aptidão do indivíduo depende do seu desempenho e é calculada através da

função de avaliação. Em problemas de otimização, a função objetivo é, ela mesma,

a candidata natural ao cargo de função de avaliação ou função de aptidão. Assim,

pode-se dizer que a função de avaliação é dependente do problema em particular.

Esta função recebe como entrada o indivíduo e faz o cálculo da aptidão, ou grau de

adaptação, retornando esta informação. Uma comparação entre terminologia

biológica, terminologia computacional e terminologia de otimização de compra de

energia para distribuidoras a ser utilizada nos Algoritmos Genéticos é apresentada

na Tabela 3.1.

Tabela 3.1. - Terminologia usada em algoritmos genéticos

Biologia Computação

Otimização de Compra de Energia

para Distribuidoras

Cromossomo

candidato à solução, ou

seja, um ponto no espaço

de busca.

conjunto de informações úteis para

otimizar a compra de energia de

uma distribuidora nos leilões.

Gene

parâmetro codificado no

cromossomo (um único bit,

ou um bloco de bits).

informação da quantidade de

energia (em MW-médio) a ser

comprada e a localização da mesma

nos diversos tipos de leilões (A-5,

A-3, A-1 e Ajuste.

Otimização

Tabela 3.1. - Terminologia usada em algoritmos genéticos - Continuação

Recombinação

Troca de material genético

entre cromossomos.

Troca de informações entre os

cromossomos.

Mutação

Troca aleatória de um

determinado gene do

cromossomo.

Mudança abrupta e aleatória de

valores de energia a ser comprada

em cada leilão após período de

acomodação.

Genótipo

Configuração de genes no

cromossomo de um

indivíduo.

Codificação das informações dos

tipos de leilões que compõem o

indivíduo para a distribuidora.

Fenótipo

Decodificação de um ou

mais cromossomos.

Decodificação dos indivíduos em um

determinado período de estudo.

3.4 Considerações Finais

Neste capítulo foram apresentadas, de forma resumida, as técnicas de

otimização via Inteligência Artificial, dando ênfase aos Algoritmos Genéticos

utilizados neste trabalho. A abordagem adotada possibilita uma visão de como

serão tratados os dados e as variáveis do problema em questão.

O próximo capítulo apresenta a metodologia utilizada para o problema de

gestão de compra de energia elétrica utilizando Algoritmos Genéticos.

CAPÍTULO IV

METODOLOGIA DE OTIMIZAÇÃO VIA ALGORITMOS

GENÉTICOS

4.1 Introdução

Após feita uma revisão bibliográfica do estado da arte referente às técnicas

de Inteligência Artificial e suas diversas aplicações na engenharia elétrica, e do

estudo do modelo do setor elétrico em vigor, em seguida, será apresentada a

metodologia utilizada para solucionar as questões relativas à compra e venda de

energia de uma distribuidora de energia elétrica. Ou seja, a partir dos dados

disponíveis e dos resultados das pesquisas sobre o estado da arte, buscou-se

modelar o problema adequadamente e desenvolver uma metodologia inteligente

para otimização da compra de energia, que se resume basicamente em determinar

quando e quanto comprar nos diversos leilões. Para isso o problema a ser resolvido

foi considerado como um problema de otimização, onde a função objetivo é a

minimização dos riscos financeiros de uma distribuidora face às incertezas na

demanda. Os principais mecanismos para gestão de compra de energia são

modelados assim como suas restrições. A técnica de Algoritmos Genéticos foi

adotada para a resolução do problema em questão.

A implementação da metodologia permite determinar de forma automática o

melhor momento para se efetuar as compras de energia, baseado em uma previsão

do preço futuro da energia e no processo de otimização.

4.2 Metodologia

A metodologia utilizada para auxiliar a distribuidora no gerenciamento dos

riscos financeiros advindos de sua tomada de decisão perante os leilões de energia

tem as seguintes macro-etapas:

Metodologia

• Levantamento de Dados;

• Otimização via Algoritmos Genéticos;

• Análise de Resultados;

Otimização via

AG´s

Avaliação dos

especialistas

Levantamento

de Dados

Entrada Saída

Figura 4.1 – Metodologia adotada para compra de energia

Os primeiro e terceiro blocos apresentados dependem de atuação humana

enquanto que o segundo bloco depende única e exclusivamente de atuação de

software/hardware.

Observa-se que o diagrama apresentado na Figura 4.1 possui duas

realimentações, as quais funcionam como “loop” de reforço num sistema de

controle, que auxiliam no refinamento da solução e impactam diretamente na

qualidade da estratégia de compra adotada pelos especialistas. Uma vez que os

dados de entrada estejam corretamente representados inicia-se a otimização

propriamente dita utilizando a técnica de sistemas inteligentes denominada

Algoritmos Genéticos e o resultado da otimização é então avaliado por especialistas

da distribuidora que terão a palavra final referente a utilização ou não da estratégia

apresentada no bloco anterior. Caso a estratégia não agrade pode-se voltar

novamente ao processo de otimização sem alterar os dados de entrada. Outra

opção é rever alguns parâmetros de entrada e realizar todo o processo de

otimização apresentado na Figura 4.1. A seguir serão abordados cada um dos

blocos que compõem esta metodologia que forma o núcleo da metodologia que se

pretende desenvolver para definir as estratégias das distribuidoras na compra de

energia elétrica para atendimento ao seu mercado.

Metodologia

4.2.1. Levantamento de Dados

Os principais requisitos ou dados de entrada para a metodologia

desenvolvida são: previsão de mercado, desagregação dos consumidores

potencialmente livres, contratos existentes de compra de energia, mercado

realizado, ajustes permitidos (MCSD, Devolução, Leilão de A-1 e Leilão de Ajuste),

custos da energia previstos para A-5, A-3, A-1, Ajuste e MCSD, valores de PLD

(Preço de Liquidação de Diferenças) e valores de VR (Valor Anual de Referência).

Cada um desses requisitos será descrito a seguir.

a) Previsão de mercado (pessimista, otimista e referência)

Tradicionalmente, os comitês para estudos de mercado das empresas ou

dos órgãos governamentais do setor elétrico constroem três cenários para

projeção de demanda (do país ou das empresas). Em geral, os três

cenários são obtidos a partir de três trajetórias possíveis para o crescimento

da economia (PIB), em nível nacional, regional e estadual.

Os dados de previsão de mercado, ou projeção de demanda, utilizados na

ferramenta computacional, são fornecidos por uma equipe própria da

distribuidora, responsável pela atualização periódica dos valores de carga

referente ao mercado futuro dos consumidores dentro da área geográfica de

atuação da empresa. Cumpre salientar a vital importância de esta previsão

estar o mais próximo possível do valor a ser realizado, ou seja, caso o

mercado futuro apresente uma demanda de energia considerada otimista os

valores devem estar o mais próximo possível do valor previsto. Com isso o

algoritmo proposto para otimização da compra de energia sinaliza de forma

correta os valores de riscos financeiros baseados na previsão de mercado

adotada.

b) Desagregação dos consumidores potencialmente livres

Até o momento não foi visualizada uma forma de desagregar os

consumidores potencialmente livres devido a grande oscilação que essa

desagregação causa no processo de otimização. Como a compra de

energia está intimamente ligada ao momento da ocorrência da mesma (se

Metodologia

no leilão de A-5, ou A-3, ou A-1, etc) o espaço de busca para contemplar a

saída de consumidores potencialmente livres para o ACL e o atendimento

dos consumidores na condição especial (entre 500 kW e 3000 kW) que

podem ser atendidos por Geração Distribuída se torna muito extenso, o que

poderá provocar lentidão e até mesmo dificultar o processo de otimização.

c) Contratos existentes de compra de energia

Os contratos de energia que a distribuidora possui com diversas empresas

de geração devem ser especificados individualmente com seus valores de

energia e duração dos mesmos. Nesta parcela de dados entram todos os

Contratos Bilaterais firmados pela distribuidora, cotas parte de Itaipu e

CIEN, Proinfa e outros que venham a existir.

Esses dados servem para que o algoritmo possa considerar os limites

impostos pelas regras de contratação e descontratação. Caso um contrato

esteja atingindo sua vigência, o mesmo pode ser recontratado pela

distribuidora em até 105%, descontratado em até 4% sem ônus para a

distribuidora e consumidores e, ser descontratado com valores acima de 4%

com ônus alocado somente para a distribuidora.

Os contratos advindos de leilões de energia nova em A-5 somente terão

seus valores decrescidos caso haja um déficit de consumo sistêmico, ou

seja, que todas as distribuidoras estejam sobrecontratadas devido a uma

realização de mercado considerada pior que o valor previsto pessimista

para a carga das mesmas. Nessa situação, caso um contrato esteja

vencendo, o mesmo é recontratado como energia existente e pode sofrer

uma redução maior que os 4% previstos nos mecanismos de contratação e

descontratação, e caso ainda assim não seja suficiente a diferença pode ser

decrescida dos contratos de energia nova adquiridos em A-5. Para os

contratos de A-3 esta flexibilidade não existe em virtude de o horizonte da

previsão estar mais próximo do período da compra.

d) Mercado realizado

Os dados de energia do mercado realizado são importantes para que os

limites de contratação dos leilões de energia em A-3 e A-1 possam ser

Metodologia

corretamente estipulados. Num primeiro momento utiliza-se os valores

previstos para cada ano e a medida que o mercado vai sendo realizado

atualizam-se estes valores de modo a melhorar o processo de otimização.

Esses dados são a base para o ajuste fino dos valores de energia a

contratar nos leilões de A-3, A-1, Ajuste ou até mesmo no MCSD. Por

exemplo, para a contratação a ser realizada no Leilão de A-3 toma-se como

referência para aplicar o percentual de 2% o mercado realizado no ano A-5,

neste caso, o ano A-5 já conhecido. Porém, quando estamos estimando o

valor a ser contratado no leilão A-3 cuja referência A-5 ainda não tenha

acontecido, e isso é normal acontecer, utiliza-se um valor previsto de

mercado realizado para aplicar os 2% e, à medida que o ano em que foi

previsto o mercado realizado vai ocorrendo atualizam-se os valores para

obter-se uma melhor precisão nos valores contratados em leilões de ajuste

em virtude de discrepâncias entre valor previsto de mercado realizado e o

próprio valor do mercado realizado no ano.

e) Ajustes permitidos (MCSD, Devolução, Leilão de A-1 e Leilão de Ajuste)

Nesta parcela de dados é necessário especificar os valores positivos

(contratação) ou negativos (descontratação) de energia provenientes do

MCSD. Na metodologia em desenvolvimento esses valores somam-se aos

dos contratos existentes que a distribuidora possui formando assim o valor

final de energia contratada pela mesma.

Nos casos em que o MCSD não atender a necessidade de descontratação

da distribuidora, advinda de desvios negativos de mercado previsto e/ou

saída de consumidores potencialmente livres, a devolução dos Contratos de

Compra de Energia no Ambiente Regulado (CCEAR) provenientes de

leilões de energia existente pode ser utilizada. Os leilões de A-1 e Ajuste

acontecem sempre que houver energia existente, ou velha, descontratada.

Pode-se contar com a utilização desses mecanismos no momento de se

realizar o processo de otimização, bastando para isso ativá-los.

Metodologia

f) Valores de Energia previstos para A-5, A-3, A-1, Ajuste e MCSD

Os valores de energia previstos devem ser fornecidos previamente pelos

especialistas da distribuidora de forma a orientarem a estratégia de

contratação fornecida pela metodologia proposta. À medida que os

contratos advindos dos leilões ou do MCSD vão sendo firmados atualizam-

se os valores de energia para o realizado, permitindo assim um ajuste fino

ao processo de otimização. Correspondem ao VL5, VL3, VL1 e VLAjuste.

g) Valores de PLD (Preço de Liquidação de Diferenças)

Os valores de PLD para o horizonte de otimização devem ser fornecidos e

também atualizados para que as penalizações ou ganhos à distribuidora

correspondam a melhor estratégia de contratação encontrada pela

metodologia proposta. Para cada ano do horizonte de otimização é

necessário informar os valores de PLD previstos para o caso de a

distribuidora estar sobrecontratada e também para o caso de estar

subcontratada.

h) Valores de VR (Valor Anual de Referência)

Os valores de VR são importantes para a estratégia, pois é baseado neles

que a distribuidora pode obter ou não lucro no repasse permitido às tarifas

dos consumidores finais de energia elétrica. Caso o VR seja maior que o VL

(valor pago nos leilões) a distribuidora pode obter lucro. O contrário também

é verdadeiro, ou seja, caso VR seja menor que VL a distribuidora

certamente tem prejuízo. Observa-se que esse lucro ou prejuízo ocorre

somente nos 3 (três) primeiros anos do fornecimento de energia de cada

contrato, sendo que após este prazo o repasse pode ser integral do VL.

Após o devido tratamento, os dados levantados alimentam o programa que

realiza a otimização via Algoritmos Genéticos. Observa-se que a alteração desses

dados é uma tarefa simples, uma vez que estes estão concentrados em um único

arquivo, em formato texto, que pode ser facilmente editado através de ferramentas

conhecidas de edição de texto.

Metodologia

4.2.2. Otimização Aplicada à Compra de Energia

A formulação de um problema de otimização qualquer envolve a

composição de uma função objetivo, que relacione as diferentes variáveis

consideradas, bem como as restrições impostas a cada uma. Otimizar a solução de

um determinado problema consiste em identificar a alternativa viável, ou os

respectivos valores para as variáveis consideradas, que maximize ou minimize o

valor da função objetivo, conforme a natureza do problema, de forma que nenhuma

outra solução atribua um valor maior ou menor à função, respectivamente,

respeitada as restrições do problema.

Nesta seção pretende-se relatar as premissas adotadas para o

desenvolvimento do modelo de apoio à formulação de estratégias de compra de

energia no Ambiente de Contratação Regulada (ACR). Com esta etapa cumprida é

possível prever (dentro de um intervalo relativamente confiável) o comportamento

da distribuidora através da otimização de contratação nos diversos leilões

existentes (A-5, A-3, A-1, Ajuste), seguindo os incentivos e penalidades previstas na

legislação vigente, mais especificamente no Decreto 5.163/2004.

A função objetivo a ser minimizada no processo de otimização de

contratação é o somatório do valor presente dos riscos financeiros mais prejuízos

para a distribuidora advindos dos incentivos e penalidades dispostos na legislação.

As variáveis de decisão são os volumes a serem contratados em cada modalidade

de leilão disponível, bem como o percentual de redução dos contratos de energia

existente a que a distribuidora tem direito.

Dada a natureza complexa e com ingredientes estratégicos do problema, o

modelo da ferramenta computacional foi desenvolvido utilizando a técnica de

Algoritmo Genéticos, com horizonte de estudo de até 5 anos.

4.2.3. Caracterização do Problema

Devido ao volume de energia a ser contratada em cada modalidade de

leilão e do tempo de validade dos contratos, o valor envolvido nestas transações é

muito elevado e pode trazer sérios riscos à saúde financeira de uma distribuidora de

Metodologia

energia elétrica. Os valores de energia a serem contratados são definidos com base

na previsão de mercado feita pela distribuidora e dependem muito da experiência

dos especialistas envolvidos nesta operação.

A Figura 4.2 é utilizada para exemplificar o processo de caracterização do

problema da gestão de compra de energia. Analisando o gráfico apresentado nessa

figura pode-se perceber uma larga faixa entre os valores de energia que compõem

o cenário otimista e pessimista. Há uma grande chance de o mercado realizar

próximo dos valores do cenário de referência.

1 2 3 4 5 6

2300

2400

2500

2600

2700

2800

2900

3000

3100

3200

3300

Ano

Contratos Totais

Limite Contratação Superior

Limite Contratação Inferior

Demanda Cenário Otimista

Demanda Cenário Referência

Demanda Cenário Pessimista

Risco por Subcontratação

Risco por Sobrecontratação

Figura 4.2 – Cenários e Estratégia de Menor Risco Financeiro

Suponha-se que a distribuidora tenha adotado uma estratégia de compra

(valores que compõem a linha vermelha sólida) e que há uma margem de manobra

permitida pela regulamentação (linhas vermelhas tracejadas). A diferença entre o

cenário otimista e o limite superior (linha vermelha tracejada superior) da estratégia

de menor risco representa a exposição da distribuidora por subcontratação e isto

traz associado a si um custo financeiro que é visto como risco pela distribuidora. A

diferença entre o limite inferior da estratégia de menor risco e o cenário pessimista

representa a exposição da distribuidora por sobrecontratação, acarretando também

Metodologia

um risco financeiro para a mesma. Dentro da faixa compreendida entre os cenários

otimista e pessimista há inúmeras possibilidades de traçar uma trajetória que

componha a estratégia adotada pela empresa quando da declaração de

necessidades enviada ao Ministério das Minas e Energia (MME), sendo que, a

busca dessa trajetória é o objetivo principal deste trabalho.

A área sombreada em vermelho na Figura 4.3 representa o valor total do

risco da distribuidora por exposição devido a subcontratação caso o cenário se

realize otimista. Esta exposição é a mais temida, em virtude de a distribuidora sofrer

uma penalização muito maior do que nos casos de sobrecontração. Se alguma

distribuidora tiver declarado sobra de energia para o MCSD, há a possibilidade de

diminuir essa exposição transferindo parte dos contratos de energia existente para a

distribuidora que declarou défict. A área sombreada em azul representa o valor total

do risco da distribuidora por exposição devido a sobrecontratação, caso o cenário

se realize pessimista. Neste caso a penalização é menor que no anterior e a

distribuidora ainda tem a opção de repassar a energia excedente no MCSD, ou

seja, a penalização é menos severa.

1 2 3 4 5 6

2300

2400

2500

2600

2700

2800

2900

3000

3100

3200

3300

Cenário Otimista

Cenário Pessimista

Sobrecontratação

Subcontratação

Estratégia de menor risco financeiro

sugerida pelo software

Figura 4.3 – Representação Gráfica do Risco Financeiro

A soma destas duas áreas representa o risco total assumido pela

distribuidora no caso de optar em realizar a estratégia adotada de contratar energia

Metodologia

conforme linha vermelho sólida na área em branco entre as áreas sombreadas azul

e vermelha.

O principal ponto da otimização será escolher uma trajetória de contratação

que minimize ponderadamente a soma destas duas áreas sombreadas ao máximo

possível permitido.

4.3. Metodologia proposta

A estratégia de menor risco é tratada sob o enfoque de que dificilmente

todas as previsões de mercado fornecidas pela área de estudos de mercados da

distribuidora são contempladas na estratégia de contratação. Isto ocorre devido a

diferença entre valores pessimista e otimista apresentar ordem de grandeza que

impacta num custo elevadíssimo para a empresa e também ao consumidor no valor

das tarifas.

Para tanto, ao longo do período de otimização sempre haverá áreas não

nulas formando os riscos por subcontratação e sobrecontratação. Como os

mecanismos para gestão da compra de energia ocorrem discretamente no tempo e

não de forma contínua, pois os leilões ocorrem uma vez ao ano e não a todo o

momento ao longo do ano, ao tomarmos os segmentos de reta denominados

subcontratação e sobrecontratação na Figura 4.2 e somarmos todos eles para o

período de estudo, e sobre esses segmentos efetuarmos a otimização, estaremos

representando de outra forma a área ótima que representa a estratégia de menor

risco financeiro para a distribuidora.

Em resumo: toma-se para cada ano os valores de segmentos

sobrecontratação e subcontratação e soma-se todos. Quando a soma for a menor

possível representada por custos financeiros associados, garante-se que a

otimização encontrou uma possível solução ótima global.

Observe que a linha vermelho sólida que representa o valor de energia

contratada da distribuidora é composto pelos diversos tipos de contratos de leilões e

também pelos contratos bilaterais já firmados pela empresa, pelas cotas partes,

Proinfa, etc., conforme mostrado na Figura 4.4. Graficamente pode-se interpretar o

valor contratado de energia de uma distribuidora como sendo um empilhamento de

contratos diversos, sejam eles quais forem.

Metodologia

MSCD

Leilão Ajuste

Leilão A-1

Leilão A-3

Leilão A-5

Contratos de Energia

Existente

Base:

Itaipu, Proinfa,

Bilaterais

Ano i

Energia

MW-m

Faixa Limite inferior de

Energ ia Contratada

Energia Contratada em

uma d istribuidora

Faixa Limite superior de

Energ ia Contratada

Figura 4.4. – Composição da Energia Contratada em uma Distribuidora

As faixas limites de energia contratada que permitem a distribuidora ter uma

certa folga devido a erros naturais inerentes a previsão otimista e pessimista de seu

mercado (representadas pelos segmentos de retas que ligam as linhas tracejadas a

linha sólida central da figura 4.4) são compostas por percentuais de carga da

distribuidora em anos diferentes conforme explicitado nas Tabelas 4.1 e 4.2.

Tabela 4.1 – Composição da faixa limite superior de contratação

Ano A de realização do Leilão 1% da energia contratada para o ano A

Ano (A+1) de realização do

Leilão

1% da energia contratada para o ano (A+1)

Ano (A+2) de realização do

Leilão

1% da energia contratada para o ano (A+2) +

2% da energia contratada para o ano A

Ano (A+3) de realização do

Leilão

1% da energia contratada para o ano (A+3) +

2% da energia contratada para o ano (A+1)

Ano (A+4) de realização do

Leilão

1% da energia contratada para o ano (A+4) +

2% da energia contratada para o ano (A+2)

Faixa Limite superior para

cada ano

Ano (A+5) de realização do

Leilão

1% da energia contratada para o ano (A+4) +

2% da energia contratada para o ano (A+3)

Tabela 4.2 – Composição da faixa limite inferior de contratação

Ano A de realização do Leilão 4% da energia contratada para o ano A-2

Ano (A+1) de realização do

Leilão

4% da energia contratada para o ano (A-1)

Faixa Limite inferior para

cada ano

Ano (A+2) de realização do

Leilão

4% da energia contratada para o ano (A)

MCSD

Metodologia

Tabela 4.2 – Composição da faixa limite inferior de contratação - continuação

Ano (A+3) de realização do

Leilão

4% da energia contratada para o ano (A+1)

Ano (A+4) de realização do

Leilão

4% da energia contratada para o ano (A+2)

Faixa Limite inferior para

cada ano

Ano (A+5) de realização do

Leilão

4% da energia contratada para o ano (A+3)

A metodologia de otimização proposta neste trabalho foi desenvolvida

utilizando AGs. A codificação do problema via AGs será descrita em detalhes na

próxima seção.

4.3.1 Codificação do problema via Algoritmos Genéticos

A representação escolhida foi a do tipo representação por números reais,

por esta oferecer melhor desempenho em problemas de otimização de parâmetros

com variáveis sobre domínio contínuo. Isto se torna ainda mais relevante em

grandes domínios onde a representação binária requer um longo cromossomo.

A representação por números reais é mais rápida na execução, porque

evita a decodificação. Ela oferece maior precisão (dependendo do computador) e

tem a propriedade que dois pontos próximos um ao outro no espaço de

representação, estão também próximos no espaço do problema.

A codificação do problema de gestão de compras de energia precisa ser

cuidadosa, pois a decisão tomada em um determinado período afeta diretamente

todos os outros. Essa etapa é considerada a mais importante, pois a viabilidade do

algoritmo depende da sua codificação. O indivíduo representa os valores de energia

a serem contratados para os leilões de energia nova e velha, respectivamente. A

Figura 4.5 apresenta uma visão geral dos Leilões que foram simulados em relação

ao tipo de energia comercializada (nova ou existente) e com quanto tempo de

antecedência devem acontecer. As Figuras 4.6 e 4.7 representam graficamente a

codificação do problema.

Foi simulada a contratação de energia para os leilões de A-5 (energia com

início de entrega, por exemplo, para o ano de 2011), A-3 (energia com início de

entrega para os anos de 2009, 2010 e 2011), A-1 (energia com início de entrega

para os anos de 2007, 2008, 2009, 2010 e 2011) e Ajuste (energia com início de

entrega para os anos de 2007, 2008, 2009, 2010 e 2011).

Metodologia

De posse dos valores de todos os contratos firmados pela distribuidora

faz-se a simulação de quais valores poderiam compor o conjunto provável ótimo

que minimizará o valor do risco financeiro por exposição a sobrecontratação e/ou

subcontratação.

ACR

A-5 A-4 A-3 A-2 A-1 A

Contratação de

Geração Existente

Ano de Início

de Suprimento

Contratação de

Energia Nova

ACR

A-5 A-4 A-3 A-2 A-1 A

Contratação de

Geração Existente

Ano de Início

de Suprimento

Contratação de

Energia Nova

Figura 4.5. Leilões simulados x Tipo de energia

A seqüência de apresentação de dados (14 posições, como mostrado na

Figura 4.6) para cada indivíduo são os montantes de energia elétrica que devem ser

contratados para os leilões A-5, A-3, A-1 e Ajuste.

Assim, como o horizonte de estudo vai até 2011, só há a possibilidade de

se contratar um leilão de A-5 dentro deste período. Esse tipo de contrato é feito no

final de 2005 e é operacionalizado em 2011. Dessa maneira, só existe a

possibilidade de se obter um valor a ser contratado em A-5. Já para o leilão de A-3,

há três possibilidades de se contratar até o início de 2011, por isso está reservado

três posições nos indivíduos e assim sucessivamente.

2005 2005 2006 2007 2005 2006 2007 2008 2009 2005 2006 2007 2008 2009

2011 2009 2010 2011 2007 2008 2009 2010 2011 2007 2008 2009 2010 2011

A-5 A-3 A-3 A-3 A-1 A-1 A-1 A-1 A-1 Ajuste Ajuste Ajuste Ajuste Ajuste

400 40 30 2 25 24 26 27 28 20 22 23 25 26

2005 Ano em que o leilão está sendo realizado

2011 Ano em que a energia deverá ser entregue

A-5 Tipo do Leilão (A-5, A-3, A-1 ou Ajuste)

400 Valor de energia em MW-médio a ser contratado no leilão

posição 1 posição 2 posição 3 posição 4 posição 5 posição 6 posição 7 posição 8 posição 9 posição 10 posição 11 posição 12 posição 13 posição 14

A-5 A-3 A-3 A-3 A-1 A-1 A-1 A-1 A-1 Ajuste Ajuste Ajuste Ajuste Ajuste

Figura 4.6. Codificação do Problema

Na Figura 4.6 pode-se interpretar a coluna destacada como sendo: A

distribuidora deverá contratar 400 MW-médios no Leilão de A-5 realizado no fim do

Metodologia

ano de 2005 cuja entrega de energia se dará no início de 2011 por um período

contratual de no mínimo 15 anos e no máximo 30 anos.

Os valores que serão analisados pelos especialistas e que sofrerão

alterações continuamente até que se tenha um possível valor ótimo são os

compostos pelas células na cor branca da Figura 4.6. De uma forma resumida

apresenta-se na Figura 4.7 uma população composta por “5” indivíduos que serão

avaliados.

400 40 30 2 25 24 26 27 28 20 22 23 25 26

450 45 35 3 26 25 23 22 26 18 20 25 27 28

440 39 20 1 28 30 27 29 28 26 22 27 22 26

390 36 27 2 20 15 17 20 24 22 15 12 16 22

378 22 30 12 44 23 25 40 27 38 48 27 31 29

366 55 21 30 45 32 27 31 15 24 31 45 56 23

Representação de 1 indivíduo

Representação de uma população com 5 indivíduos

Figura 4.7. Representação de indivíduo e população

Optou-se primeiramente verificar a aplicabilidade de Algoritmos Genéticos

na determinação dos valores de energia a contratar para os leilões de A-5, A-3 e

A-1 e Ajuste. Futuramente serão verificadas as influências da participação do

agente de Distribuição na execução do MCSD.

Tamanho da população:

O tamanho da população está diretamente relacionado com o desempenho

global e a eficiência dos AGs. No problema apontado, após aproximadamente 40

(quarenta) testes com populações de tamanhos diferentes (10, 20, 30 e 40

indivíduos), verificou-se que quanto maior a população, maior o tempo necessário

para a convergência do algoritmo. No entanto, nos testes com populações de 20 e

30 indivíduos, os resultados foram próximos (em termos de valores ótimos).

Portanto, para conseguir executar o programa em um tempo menor, optou-se por

utilizar uma população composta por 20 indivíduos.

Metodologia

População inicial:

A população inicial é obtida de forma aleatória. Com isso podem ser obtidos

valores aceitáveis como ótimo para a solução do problema através de várias

simulações com mesmo número de indivíduos e mesma característica.

Função de avaliação:

Também chamada de função de custo, ou de avaliação, ou “fitness”, está

relacionada à minimização do valor da função objetivo do problema. É geralmente

uma expressão matemática que mede o quanto uma solução está próxima ou

distante da solução desejada (satisfaz o objetivo do problema). Muitas vezes ela

inclui restrições que devem ser satisfeitas pela solução.

Ressalta-se aqui a necessidade de otimizar a contratação das distribuidoras

nos leilões de A-5, A-3, A-1 e Ajuste, minimizando o valor dos prejuízos em cada

ano por conta da limitação do repasse ao consumidor do valor da aquisição de

energia e das penalizações aplicadas por subcontratação ou sobrecontratação. A

função objetivo adotada neste trabalho foi:

Risco = ∑ (Lucro Tarifas + Risco Sobre + Risco Sub) 4.1

Risco_Sobre = ∑ (limite inferior – Cenário Pessimista) 4.2

Risco_Sub = ∑ (Cenário Otimista – limite superior) 4.3

Observa-se que na função objetivo acima o valor dos riscos de

sobrecontratação e subcontratação não são trazidos a valor presente líquido, ou

seja, considera-se o valor real no ano de ocorrência dos riscos. A aplicação de uma

análise mais detalhada relativa ao valor presente dos riscos será sugerida como

trabalhos futuros.

A parcela Risco_Sobre abrange todos os riscos da distribuidora em estar

contratada acima do limite permitido para repasse à tarifa ao consumidor. Ressalta-

se aqui que até o limite de 3% de sobrecontratação não há riscos para a

distribuidora em virtude da sobrecontratação, pois esses 3% podem ser repassados

Metodologia

à tarifa. Na parcela Risco_Sub estão considerados os valores de riscos caso a

distribuidora esteja subcontratada para um determinado ano e o prejuízo advindo

dessa subcontratação na forma de penalizações dispostas em Lei e aplicadas pela

CCEE.

A parcela Lucro_Tarifas contempla o fato de a distribuidora poder contar

com a possibilidade de obter um lucro ou prejuízo (lucro negativo) devido ao

repasse no valor de VR durante os três primeiros anos de entrega de energia

contratada nos leilões. No presente trabalho não foi contemplado o fato de a

distribuidora vir a ter lucros quando o VR for maior que o valor de energia adquirida

em leilão, lucro este que pode ser obtido nos dois. Somente interessou para a

estratégia a minimização das penalidades quando a mesma está sobre ou

subcontratada.

Seleção:

Na seleção, membros da população foram escolhidos para a aplicação dos

operadores. Para cada operador, foi selecionado um subconjunto dos indivíduos,

que sofrem aplicação dos operadores genéticos. O processo de seleção utilizado

neste trabalho é o denominado roleta.

Elitismo:

Para que os melhores indivíduos não sejam perdidos de uma geração para

a outra, aplicou-se o operador de elitismo. Isso garante que os melhores passem

automaticamente para a próxima geração, preservando suas características

genéticas. Optou-se nessa dissertação trabalhar com um valor de elitismo igual a 2

(dois), ou seja, numa população composta por 20 indivíduos os dois melhores

garantem a permanência na próxima geração.

Cruzamento:

O operador de cruzamento ou recombinação possibilita a criação de novos

indivíduos através da combinação de dois ou mais indivíduos. Este operador

Metodologia

sustenta a idéia intuitiva de troca de informação entre diferentes soluções

candidatas. O cruzamento adotado neste trabalho foi o de 2 (dois) pontos.

Mutação:

Com objetivo de manter a diversidade da população o operador genético de

mutação é aplicado em alguns descendentes. O operador de mutação modifica de

forma aleatória um ou mais genes de um cromossomo, de acordo com uma

probabilidade denominada taxa de mutação. O tipo de mutação adotado neste

trabalho foi uniforme, com uma taxa de mutação de 1%.

O tradicional ponto de vista é que o cruzamento é mais importante pela

rapidez em explorar um espaço de busca, enquanto a mutação fornece uma

pequena busca aleatória, ajudando a garantir que nenhum ponto do espaço de

busca tenha probabilidade zero de ser examinado.

Critério de parada:

Geralmente, os critérios de parada adotados são: o número máximo de

gerações (atingido esse limite, o AG pára e retorna as melhores soluções daquela

população); estabilização no valor da função objetivo (se começar a repetir o valor,

significa que a solução do problema convergiu).

4.4 Considerações Finais

O principal motivo do desenvolvimento da metodologia proposta neste

trabalho é dar suporte à decisão dos especialistas na determinação dos valores de

energia que uma distribuidora deve informar em sua Declaração de Necessidade de

Energia que deve ser enviada ao MME todo ano antes da realização dos Leilões de

Energia. Uma vez que essa declaração contenha valores os mais realistas

possíveis com a previsão da distribuidora haverá uma expansão otimizada do

sistema elétrico interligado nacional.

Para cada variável de saída, ou seja, cada valor de energia a ser

supostamente contratada em cada modalidade de leilão, os especialistas da

Metodologia

distribuidora avaliam o montante dos riscos financeiros advindos da estratégia que

gerou esses valores e ponderam a viabilidade de o corpo gerencial da mesma

assumir a respectiva estratégia. Nota-se que neste ponto da avaliação pode haver

ingerências que não se pode quantificar no processo de otimização.

Um dos critérios adotados pelos especialistas para avaliar a possibilidade

de adotar ou não os valores fornecidos por uma determinada estratégia pode vir a

ser a especificação de um valor máximo esperado de risco que a empresa e seus

acionistas estão dispostos a correr devido a tomada de decisão. Outra forma de se

analisar é a comparação do valor do risco de uma estratégia com o valor do lucro

líquido da empresa. Outras formas mais existirão em virtude de razões estratégicas

da empresa em assumir riscos.

Após o envio da Declaração de Necessidade de Energia que a distribuidora

envia para o MME, o processo de otimização pode retornar à etapa inicial e ser

novamente simulado tantas vezes quanto se quiser e quantas vezes novos dados

relativos a contratos e valores de energia venham a ser incorporados no conjunto

de dados de entrada do programa computacional.

Com esta ferramenta computacional desenvolvida, o especialista também

pode testar todas as possíveis alterações que imaginar, as quais venham melhorar

ou piorar o processo de otimização. Assim, a ferramenta serve também como um

instrumento de treinamento para que o especialista desenvolva suas habilidades na

condução de melhores estratégias de compra de energia para a distribuidora.

Toda vez que o valor fornecido pela ferramenta computacional não satisfizer

às expectativas dos especialistas, pode-se retornar ao processo de otimização até

que o mesmo forneça valores esperados dos riscos financeiros pela distribuidora.

Finalizando o processo de desenvolvimento da ferramenta computacional

serão realizados diversos testes utilizando dados reais de uma concessionária e

confrontando com o conhecimento do pessoal técnico de uma concessionária.

Resultados

CAPÍTULO V

RESULTADOS

5.1 Introdução

Este capítulo tem como objetivo apresentar resultados pertinentes à

implementação da metodologia para definição da estratégia para as Distribuidoras

adotarem na etapa anterior à participação nos leilões de energia.

5.2 Resultados

A metodologia foi aplicada em um estudo de caso utilizando dados reais de

uma distribuidora de energia elétrica para que os especialistas pudessem aferir os

resultados obtidos com sua experiência. Neste caso foi simulado os efeitos das

novas regras nas operações de compra e venda de energia para uma distribuidora.

Para isso, considerou-se o fato de que a distribuidora deve prever seu

mercado com cinco anos de antecedência e contratar toda a energia necessária

para atender seus consumidores cativos nos leilões do ACR, sendo que os

eventuais desvios de contratação são liquidados no mercado de curto prazo.

O modelo computacional simula a ação de um agente de distribuição dentro

do novo modelo do setor elétrico brasileiro.

A seguir, são apresentados os dados de entrada utilizados no estudo de

caso e como foram implementadas na ferramenta computacional as principais

regras do decreto 5163/2004 que influenciam na contratação das distribuidoras.

O horizonte de estudo considerado para a realização das simulações foi de

10 anos, sendo cinco anos já conhecidos (passado) e cinco anos a prever (futuro,

onde se pretende otimizar a contratação de energia). Uma ação tomada na

estratégia adotada há cinco anos afeta os valores de energia que serão entregues

Resultados

neste ano e uma ação tomada em uma estratégia hoje afeta os valores de energia a

serem entregues daqui a cinco anos, observando portanto uma faixa limite de

cincos anos para a atuação das ações tomadas nas estratégias adotadas.

Descrição dos dados de entrada

A matriz base de contratos, denominada “Demanda contratos existentes”,

utilizada nessa versão preliminar é composta por 7 linhas e 6 colunas, sendo que as

colunas representam os anos de 2006 a 2011. Cada linha da matriz apresenta

valores dos contratos firmados pela distribuidora segundo cada possibilidade de

contratação de energia para o respectivo ano. Futuramente serão incluídas linhas

referente ao PROINFA.

A Tabela 5.1 apresenta a estrutura dessa matriz “Demanda contratos

existentes” onde em cada célula da mesma são somados todos os valores de

contratos relacionados com a respectiva modalidade de contratação. Por exemplo,

todos os contratos de energia efetuados no leilão de A-5 no ano de 2005 compõem

o valor da célula A-5 do ano 2010.

Para os leilões de A-5, A-3 e A-1 o ano de entrega é determinado como

sendo 5 anos, 3 anos e 1 ano após a compra, ou seja, para os leilões de A-5, A-3 e

A-1 a serem realizados em 2006 o ano de entrega é 2011, 2009 e 2007,

respectivamente. Embora não tenhamos valores de energia proveniente de leilões

A-5 que deveriam ser entregues nos anos 2006 a 2009 optou-se por deixar

representado o valor de A-5 nas células prevendo assim o caso mais genérico ( a

partir de 2010), onde para todos os anos haverá entrega de energia de contratos A-

5. As células que apresentam um asterisco são as que serão otimizadas.

As simulações para a determinação dos valores ótimos de contratação para

os leilões de A-5, A-3, A-1 e Ajuste em estudo foram realizadas utilizando o

Software Matlab, versão 7.1, num microcomputador com processador 2.6 GHz e

512MB de memória RAM. Outra ferramenta importante utilizada foi a Toolbox de

Algoritmos Genéticos que o Matlab disponibiliza, a qual efetivamente realiza o

processo de otimização.

Resultados

Tabela 5.1 – Estrutura da Matriz Demanda_contratos_existentes

2006 2007 2008 2009 2010 2011

A-5 A-5 A-5 A-5 A-5 A-5 *

A-3 A-3 A-3 A-3 * A-3 * A-3 *

A-1 A-1 * A-1 * A-1 * A-1 * A-1 *

Ajuste Ajuste * Ajuste * Ajuste * Ajuste * Ajuste *

MCSD MCSD MCSD MCSD MCSD MCSD

E. Exist.

C. Bilat. C. Bilat. C. Bilat. C. Bilat. C. Bilat. C. Bilat.

Após levantamento dos dados para preenchimento da matriz

“Demanda_contratos_existentes” a mesma é apresentada na Tabela 5.2.

Tabela 5.2 - Matriz Demanda_contratos_existentes

2006 2007 2008 2009 2010 2011

0 0 0 0 0 A-5 *

0 0 0 A-3 * A-3 * A-3 *

0 A-1 * A-1 * A-1 * A-1 * A-1 *

0 Ajuste * Ajuste * Ajuste * Ajuste * Ajuste *

-90+15 -90+15+6 -90+15+6 -90+15+6 -90+15+6 -90+15+6

1394 1394 1448 1448 1448 1448

519+390+70+

+31+9

519+390+70

+66+14+79

515+390+70+

+66+42+79

515+390+70+

+66+42+79

515+390+70+

+66+42+79

515+390+70+

+66+42+79

Para os dados de energia de contratos MCSD (Mecanismo de

Compensação de Sobras e Déficits) em cada ano observa-se o seguinte: valores

negativos referem-se a venda no MCSD e valores positivos referem-se a compra no

MCSD.

Para os dados de energia de contratos de leilões de energia existente em

cada ano, também retirados da planilha “Balanço energético”, fornecida pela

distribuidora, observa-se o seguinte: sobre esses valores é que incidirá o

decréscimo de 4% previsto na legislação do setor elétrico caso se apresente um

cenário pessimista e a distribuidora esteja sobrecontratada.

Para os dados de energia de contratos Bilaterais em cada ano, informados

pela distribuidora observa-se o seguinte: considerou-se como Bilaterais os contratos

com Itaipu, CIEN e Proinfa.

Os cenários adotados para comparação e determinação dos riscos

financeiros devido a exposições por subcontratação ou sobrecontratação foram os

informados pela área de mercados de uma concessionária do Brasil.

A matriz base de cenários apresentada na Tabela 5.3, denominada

Matriz_Cenários, é composta por 3 linhas e 6 colunas, sendo que as colunas

Resultados

representam os anos de 2006 a 2011. Cada linha da matriz apresenta valores

previstos para consumo de energia de acordo com cada cenário (otimista para a

linha 1, referência para a linha 2 e pessimista para a linha 3).

Tabela 5.3 - Matriz de Cenários – MW-médio

Ano

Cenário

2006 2007 2008 2009 2010 2011

Otimista 2442 2590 2735 2905 3064 3220

Referência

2382 2498 2609 2739 2858 2974

Pessimista

2324 2406 2483 2574 2653 2727

Os valores apresentados para os cenários otimista, referência e pessimistas

são considerados na unidade de MW-médio, o que corresponde à razão entre o

valor total de MWh consumido em 1 ano e a quantidade de horas do ano.

Nessa etapa inicial de simulação o valor de VR foi desconsiderado para

efeito do cálculo do repasse às tarifas sendo que o valor considerado do repasse é

igual ao valor pago pela energia contratada no respectivo leilão. Isso se deve ao

fato do interesse em validar a aplicação da técnica de otimização via Algoritmos

Genéticos sem preocupar-se com possíveis lucros que a distribuidora venha a obter

com a diferença entre o valor pago no leilão e o valor repassado às tarifas nos três

primeiros anos. Futuramente, ao incluir-se o valor de VR previsto para cada ano,

haverá a possibilidade de a distribuidora interessar-se numa estratégia ótima que

garanta o menor risco financeiro na compra regulada e também tenha perspectiva

de lucro com essa possível diferença entre VR e VL. Observe que, conforme citado

anteriormente, ao inserir-se os valores previstos de VR também há chances de a

distribuidora ao invés de ter lucro, obter prejuízo financeiro, uma vez que VR pode

ser menor que o valor de contrato no leilão.

Os preços previstos da energia para os leilões de A-5 e A-3 foram retirados

de CASTRO, R. (2004) para os anos 2009, 2010 e 2011 e extrapolados para os

anos 2006, 2007 e 2008 aplicando o índice de reajuste anual dos contratos de 12%

utilizado pelo autor. A Tabela 5.4 apresenta os valores de VL5 , VL3 e VL1

utilizados. Também é possível distinguir na Tabela 5.4 os patamares de preço

vinculados ao tipo de empreendimento que está fornecendo a energia a ser

leiloada, ou seja, os menores valores são dos empreendimentos existentes, com

investimento amortizado, enquanto o VL5 representa os novos empreendimentos de

geração hidráulica e VL3 os novos empreendimentos de geração térmica.

Resultados

Tabela 5.4 – Preços de Energia para A-5, A-3 e A-1 em R$/MWh

Ano

Leilão

2006 2007 2008 2009 2010 2011

A-5 114 129 147 167 187 210

A-3 132 150 170 193 217 243

A-1 80 90 100 120 140 160

Ajuste 60 75 90 100 120 140

Como as previsões dos cenários otimista e pessimista se distanciam muito

à medida que se quer estimar valores para 1, 3 e 5 anos a frente, é de se esperar

que a faixa de cobertura dos mecanismos de contratação dificilmente consiga

abranger todas as condições extremas. Porém, observa-se que de um ano para

outro as mudanças no fornecimento e consumo de energia não sofrem abruptos

desvios e o cenário de referência é atendido pelos valores de contratação obtidos

com a técnica de Algoritmos Genéticos proposta neste trabalho.

A Figura 5.1 apresenta o resultado final de uma simulação onde o indivíduo

obtido é o apresentado na Tabela 5.5 e cuja função de avaliação obteve o risco total

de R$ 208.609,00.

Tabela 5.5. Indivíduo ótimo

1 2 3 4 5 6

2300

2400

2500

2600

2700

2800

2900

3000

3100

3200

3300

Ano

Contratos Totais

Limite Contratação Superior

Limite Contratação Inferior

Demanda Cenário Otimista

Demanda Cenário Referência

Demanda Cenário Pessimista

Figura 5.1 – Resultado da simulação

6,71

49,61

46,75

387,67

2011

2010

2009

2008

2007

2011

2010

2009

2011

Ajuste Ajuste Ajuste Ajuste Ajuste

A-3

A-5

282

2011

2010

2009

2008

2007

2011

2010

2009

2011

A-1

A-3

A-5

Resultados

O valor relativo a sobrecontratação foi de R$ 80.299,00 e o relativo a

subcontratação foi R$ 128.310,00. O valor lucro tarifa ficou nulo, uma vez que os

valores considerados de VR e VL foram iguais. Observe que para esse indivíduo

obtido como sendo o possível ótimo a aquisição de energia em 2011 no leilão de

A-3 possui um valor pequeno, o que condiz com as regras de leilão. Como o valor

de energia no leilão de A-5 é menor que o de A-3 para o ano de 2011, espera-se,

portanto, que a maior parcela de energia seja contratada através do leilão de A-5 e

A-1 (energia a ser entregue em 2011) e que o valor de A-3 seja pouco expressivo.

Nesta condição a compra de energia foi realizada com os menores riscos possíveis.

A tendência de sobrecontratação foi confirmada pela otimização, uma vez

que as penalidades por sobrecontratação são muito menores que as por

subcontratação, devido as regras do leilão.

A simulação com 20 indivíduos, considerando que todos os leilões (A-5,

A-3, A-1 e Ajuste) são realizados e a distribuidora pode comprar energia nos

mesmos, forneceu o menor valor de risco financeiro, sendo o mesmo

R$ 197.794,00. A Figura 5.2 apresenta o indivíduo ótimo fornecido nessa

simulação, e a Figura 5.3 mostra o resultado gráfico dessa simulação.

300,5 46,7 50,1 0,1 23,3 25,1 26,3 27,2 0,0 23,0 25,0 26,2 27,2 0,2

Figura 5.2 – Indivíduo ótimo considerando leilões de A-5, A-3, A-1 e Ajuste

Figura 5.3 - Resultado da simulação para leilões de A-5, A-3, A-1 e Ajuste

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000

x 10

Generation

Fitness value

Best: 197794.5223 Mean: 1595507.8381

1 2 3 4 5 6 7 8 9 10 11 12 13 14

100

200

300

400

Number of variables (14)

Current best individual

Current Best Individual

Best fitness

Mean fitness

Resultados

A simulação com 20 indivíduos, considerando que os leilões A-5, A-3 e A-1

são realizados e a distribuidora pode comprar energia nos mesmos, forneceu um

valor de risco financeiro maior que o anterior, sendo o mesmo R$ 254.289,00. A

Figura 5.4 apresenta o indivíduo ótimo fornecido nessa simulação, e a Figura 5.5

mostra o resultado gráfico dessa simulação.

386,3 46,8 49,7 0,0 23,4 24,8 25,9 26,6 0,4

Figura 5.4 – Indivíduo ótimo considerando leilões de A-5, A-3 e A-1

Figura 5.5 - Resultado da simulação para leilões de A-5, A-3 e A-1

A simulação com 20 indivíduos, considerando que somente os leilões A-5 e

A-3 são realizados e a distribuidora pode comprar energia nos mesmos, forneceu

um valor de risco financeiro muito maior que os anteriores, sendo o mesmo

R$ 327.921,00. A Figura 5.6 apresenta o indivíduo ótimo fornecido nessa

simulação, e a Figura 5.7 mostra o resultado gráfico dessa simulação.

490,7 46,8 49,3 0,0

Figura 5.6 – Indivíduo ótimo considerando leilões de A-5, A-3 e A-1

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000

x 10

Generation

Fitness value

Best: 254289.1043 Mean: 267263.1794

1 2 3 4 5 6 7 8 9

100

200

300

400

Number of variables (9)

Current best individual

Current Best Individual

Best fitness

Mean fitness

Resultados

Figura 5.7 - Resultado da simulação para leilões de A-5 e A-3

Observa-se através dessas simulações que a medida que se restringe as

opções de compra da distribuidora, isto é, diminui-se os tipos de leilões, o valor da

função objetivo aumenta significativamente. Isto se deve ao fato de se ter a opção

de compra em leilão de A-5 atendendo quase a totalidade da demanda. Os valores

de compra para os demais leilões são restritos, daí seu baixo valor em comparação

com o de A-5. Quando se aumentam os tipos de leilões, automaticamente o

processo de otimização tende a distribuir o valor de demanda da distribuidora por

todos os leilões, de acordo com a atratividade do VL e atendendo as restrições de

limites máximo que se pode comprar em cada tipo de leilão. Na Figura 5.8 pode-se

perceber essa variação no valor contratado no leilão de A-5 em relação as demais

simulações, a medida que se restringe as opções de compra para a distribuidora.

A-5 A-3 A-3 A-3 A-1 A-1 A-1 A-1 A-1 Ajuste Ajuste Ajuste Ajuste Ajuste

300,5 46,7 50,1 0,1 23,3 25,1 26,3 27,2 0,0 23,0 25,0 26,2 27,2 0,2

386,3 46,8 49,7 0,0 23,4 24,8 25,9 26,6 0,4

490,7 46,8 49,3 0,0

Figura 5.8 – Variação do valor contratado no leilão de A-5

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000

3.2

3.4

3.6

3.8

x 10

Generation

Fitness value

Best: 327921.2038 Mean: 333111.0265

1 2 3 4

200

400

600

Number of variables (4)

Current best individual

Current Best Individual

Best fitness

Mean fitness

Resultados

A contratação otimizada de energia considerando as possibilidades da

existência dos leilões acima mencionados são ilustradas através das Figuras 5.9 a

5.11.

1 2 3 4 5 6

2300

2400

2500

2600

2700

2800

2900

3000

3100

3200

3300

Ano

Energia [MW médio]

Contratação de Energia

Contratos Totais

Limite Contratação Superior

Limite Contratação Inferior

Demanda Cenário Otimista

Demanda Cenário Referência

Demanda Cenário Pessimista

Figura 5.9 – Contratação otimizada de energia em leilões A-5 e A-3

Considerando que a demanda total do cenário de referência é 16.060

MWmédios os valores a serem contratados caso ocorram cenários de sobre ou

subcontratação são respectivamente 16.144 MWmédios e 15.389 MWmédios para

a Figura 5.9. Isso corresponde a 100,5% e 95,8 % da demanda do cenário

referência, respectivamente. O Risco_Sub vale R$ 284.375,55 e o Risco_Sobre

vale R$ 43.538,18.

1 2 3 4 5

2300

2400

2500

2600

2700

2800

2900

3000

3100

3200

3300

Ano

Energia [MW médio]

Contratação de Energia

Contratos Totais

Limite Contratação Superior

Limite Contratação Inferior

Demanda Cenário Otimista

Demanda Cenário Referência

Demanda Cenário Pessimista

Figura 5.10 – Contratação otimizada de energia em leilões A-5, A-3 e A-1

Para a Figura 5.10 os valores a serem contratados caso ocorram cenários

de sobre ou subcontratação são respectivamente 16.394 MWmédios e

Resultados

15.632 MWmédios. Isso corresponde a 102,1% e 97,3 % da demanda do cenário

referência,. O Risco_Sub vale R$ 196.877,30 e o Risco_Sobre vale R$ 57.411,80.

1 2 3 4 5

2300

2400

2500

2600

2700

2800

2900

3000

3100

3200

3300

Ano

Energia [ MW médio ]

Contratação de Energia

Contratos Totais

Limite Contratação Superior

Limite Contratação Inferior

Demanda Cenário Otimista

Demanda Cenário Referência

Demanda Cenário Pessimista

Figura 5.11 – Contratação otimizada de energia em leilões A-5, A-3, A-1 e Ajuste

Para a Figura 5.11 os valores a serem contratados caso ocorram cenários

de sobre ou subcontratação são respectivamente 16.667 MWmédios e

15.899 MWmédios. Isso corresponde a 103,7% e 99,0 % da demanda do cenário

referência. O Risco_Sub vale R$ 108.372,50 e o Risco_Sobre vale R$ 89.421,76.

5.3 Considerações Finais

Para diversas simulações efetuadas nesse trabalho foram obtidos

resultados satisfatórios que validaram a aplicação das técnicas de Algoritmos

Genéticos no problema da gestão de compra de energia para agentes

distribuidores.

A técnica de algoritmos genéticos demonstra ser uma ferramenta valiosa no

auxílio à tomada de decisão pela distribuidora na hora de informar ao MME sua

necessidade futura de energia para o atendimento de seu mercado, obedecendo às

regras de leilão.

Considerando que numa simulação com muitas variáveis não há como

testar exaustivamente o espaço de busca, a técnica de IA utilizadas neste trabalho

demonstrou ser muito eficiente, pois trabalham com um conjunto de possíveis

soluções e não com uma única solução, como nas técnicas tradicionais.

Conclusões

CAPÍTULO VI

CONCLUSÕES

6.1 Introdução

Neste capítulo serão apresentadas as principais contribuições advindas do estudo

sobre as estratégias das distribuidoras para compra de energia elétrica no ambiente

regulado de comercialização de energia.

6.2 Resumo de Contribuições

Esta dissertação teve as seguintes contribuições:

(i) Apresentou uma descrição do modelo de comercialização de energia no Brasil,

possibilitando uma maior compreensão das regras do leilão;

(ii) Implementação de uma ferramenta computacional utilizando Inteligência Artificial

baseada em Algoritmos Genéticos para se estabelecer uma estratégia ótima de

compra de energia elétrica através dos leilões A-5, A-3, A-1 e Ajuste para um

horizonte de 5 anos;

As conclusões advindas do trabalho são:

(i) A ferramenta desenvolvida apresentou resultados satisfatórios no que se refere a

estabelecer estratégia ótima de compra, obedecendo às regras de leilão. Por

exemplo, o fato de se ter obtido valores maiores para leilões A-5 e A-1 e menores

para A-3;

Conclusões

(ii) A técnica de Algoritmos Genéticos se mostrou eficiente pela sua utilidade em

problemas com grande espaço de busca.

(iii) Aplicação da ferramenta computacional em treinamento nas regras de mercado;

(iv) O desenvolvimento de uma ferramenta computacional que minimiza os riscos

financeiros (prejuízos) de exposição envolvidos nas operações de compra de

energia através da modelagem das penalidades impostas pela legislação vigente

referente a sobrecontratação ou subcontratação por parte das agências

distribuidoras, que não podem ser repassadas à tarifas de seus consumidores

6.3 Recomendações para Trabalhos Futuros

A utilização de cenários mais complexos (onde serão consideradas as

influências do MCSD e possibilidade da saída de consumidores potencialmente

livres, ainda não abordadas) poderá ser testada para análise da sensibilidade da

estratégia de compra e verificação da variação dos riscos financeiros devido à

inserção desses novos componentes como variáveis do problema.

Também poderá ser averiguada a utilização de outras técnicas de solução

tais como

Particle Swarm

, Método Primal Dual dos Pontos Interiores e outras.

REFERÊNCIAS BIBLIOGRÁFICAS

ARAUJO, J. L. R. H., (1988) “Modelos de energia para planejamento”. Área

Interdisciplinar de Energia. COPPE/UFRJ, 1988. Tese para concurso de professor

titular.

AZEVEDO, E. M. DE, (2004) “Modelo Computacional de Teoria dos Jogos aplicado

aos Leilões Brasileiros de Energia Elétrica”, Campinas: Faculdade de Engenharia

Mecânica, universidade Estadual de Campinas, 2004, 153p. Tese de doutorado.

AZEVEDO, F.; VALE, Z.A.; ALMEIDA DO VALE, A. (2003) Decision-Support Tool

for the Establishment of Contracts in the Electricity Market. Proceedings of 2003

IEEE Bologna PowerTech Conference, June 23-26, Bologna, Italy.

BOLTON, S. K. Famous Men of Science (traduzido por J. C. Ribeiro Penna). 19ª

edição, Editora: Universitária. São Paulo/SP, 222 pg, 1944.

CASTRO, M.A.L (2004). “Análise dos Riscos de uma Distribuidora Associados à

Compra e Venda de Energia no Novo Modelo do Setor Elétrico”. Dissertação de

Mestrado em Engenharia Elétrica, Publicação ENE.DM -198/04, Departamento de

Engenharia Elétrica. Universidade de Brasília, Brasília, DF, 136p.

CASTRO, R. (2004) “Análise de Decisões sob Incerteza para Investimento e

Comercialização de Energia Elétrica no Brasil”. Tese de Doutorado, Universidade

Estadual de Campinas, 2004.

CASTRO, R.; Ramos, D. S. e Lyra Filho, C. (1999) - "Comercialização de energia no

ambiente competitivo do setor elétrico brasileiro". XV SNPTEE - Seminário Nacional

de Produção e Transmissão de Energia Elétrica, Foz do Iguaçu, 1999.

CASTRO, R. e Lyra Filho, C. (2004) [A] "Assessing decision on the wholesale

energy market: the environmental" - IEEE T&D, São Paulo/SP, 2004;

CASTRO R. e Lyra Filho, C. (2004) [B] - "Um método para suporte a decisão para

investimento e comercialização no atacado de energia elétrica brasileiro" - IEEE

T&D, São Paulo/SP, 2004;

COELLO, C.A.C. (2000) An Updated Survey of GA-Based Multiobjective

Optimization Techniques.

ACM Computing Surveys

, vol. 32, nº 2, pp. 109-143.

CORREIA, P.B.; LANZOTTI, C.R.; SILVA, A.J. (2003) Teoria dos Leilões:

Formulações e Aplicações no Setor Elétrico. Anais do II Congresso de Inovação

Tecnológica em Energia Elétrica, pp. 711-715.

DECRETO Nº 5.163 DE 30 DE JULHO DE 2004 - Regulamenta a comercialização

de energia elétrica, o processo de outorga de concessões e de autorizações de

geração de energia elétrica, e dá outras providências.

EHRGOTT, M. (2000) Approximation Algorithms for Combinatorial Multicriteria

Optimization Problems,

International Transactions in Operational Research

. Vol. 7,

pp. 5-31.

EHRGOTT, M.; GANDIBLEUX, X. (2000) A Survey and Annotated Bibliography of

Multicriteria Combinatorial Optimization,

OR Spektrum

GUIMARÃES, A. R. (2006) “Estratégias de Contratação das Distribuidoras sob

Incerteza de Demanda em Leilões de Energia”. Dissertação de Mestrado, Pontifícia

Universidade Católica do Rio de Janeiro, 2006.

GOLDBERG, D.E. (1989) - Genetic Algorithms in Search, Optimization and Machine

Learning. Editora: Addison-Wesley. New York 1989.

JONES, D.F.; MIRRAZAVI, S.K.; TAMIZ, M. (2002) Multi-objective Meta-heuristics:

An Overview of the Current State-of-Art.

European Journal of Operational Research

vol.137, pp. 1-19.

LEI Nº 10.848, DE 15 DE MARÇO DE 2004 - Dispõe sobre a comercialização de

energia elétrica, e dá outras providências.

LEITE, P. T. (1999). Um algoritmo genético para o planejamento de sistemas

hidroelétricos, Dissertação de mestrado, Escola de Engenharia de São Carlos.

LEITE, P. T. (2003). Aplicação de Técnicas de Inteligência Artificial no Planejamento

da Operação de Sistemas Hidrotérmicos de Potência, PhD thesis, Escola de

Engenharia de São Carlos, Universidade de São Paulo, São Carlos.

LO, K.L.; WU, Y.K. (2003) Risk Assessment Due to Local Demand Forecast

Uncertainty in the Competitive Supply Industry. IEEE Proc.-Gener. Transmission

Distribution, v. 150, n. 5 (September), pp. 573-582.

LUTTON, E.; MARTINEZ, P. (1994) - A Genetic Algorithm for the Detection of 2D

Geometric Primitives in Images; 1051-4651/94 IEEE. INRIA - Rocquencourt, B.P.

105, 78153 LE CHESNAY Cedex, France1994.

MACHADO G. V. (2002) “O papel de indicadores no planejamento energético -

conceitos e aplicações”. ed. SBPE/Clube de Engenharia, Rio de Janeiro, 2002.

MITCHELL, M (1997). “An Introduction to Genetic Algorithms”. Cambridge: Mit

Press. p.1997. 207

MME - Ministério das Minas e Energia [A] - "Modelo institucional do setor elétrico",

Brasília, dezembro de 2003

MME - Ministério das Minas e Energia [B] - "O novo modelo do setor elétrico",

cartilha para os agentes, Brasília, dezembro de 2003

MOUNT, T. (1999) “Market Power and Price Volatility in Restructured Markets for

Electricity.” IEEE Proceedings of the Hawaii International Conference on System

Sciences, January 5–8, 1999. Maui, Hawaii.

MUNHOZ, F. C. (2004) “Metodologia e software para fixação de Lanes em Leilões

de Energia Elétrica” Dissertação de Mestrado, Unicamp, Campinas - Brasil”

OSMAN, I.; LAPORTE, G. (1996) Metaheurístics: A bibliography.

Annals of

Operations Research

, v. 65, pp 513-623.

PAULINO, W. R. (1995) “Biologia Atual (Genética-Evolução-Ecologia)”. 7ª edição,

Editora: Ática S.A. São Paulo/SP 1995. p. (12-30, 88-118)

RUSSEL,S. & NORVIG, P. (1995) - "Artificial Inteligence - A modern approach"-

Printicel Hall, 1995

SILVA, A. J. DA, (2003) “Leilões de certificados de energia elétrica: máximo

excedente versus máxima quantidade negociada”, Campinas, Faculdade de

Engenharia Mecânica, Universidade Estadual de Campinas, 2003, 112p,

Dissertação (Mestrado).

SILVA J. C. B. (2002) “Otimização de Sistemas de Distribuição de Energia Elétrica

usando Geração Distribuída”, Tese de D. Sc., USP, São Paulo, SP, Brasil, 2002.

SUSTERAS, G. L. (2006) Aplicação de Algoritmos Genéticos para previsão do

comportamento das Distribuidoras como apoio à estratégia de comercialização

de energia de Agentes Geradores. 2006. 101 f. Dissertação (Mestrado) – Escola

Politécnica, Universidade de São Paulo, São Paulo, 2006.

TOLMASQUIM M.T. (2000) (organizador), A Matriz Energética Brasileira na Virada

do Milênio, ed. ENERGE, Rio de Janeiro, 2000.

VAN VELDHUIZEN, D.A.; LAMONT, G.B. (2000) Multiobjective Evolutionary

Algorithms: Analysing the State-of-Art.

Evolutionary Computation

, vol. 8(2), pp. 125-

147.

VOLMANN, T.E.; BERRY, W.L.; WHYBARK, D.C. (1988) -

Manufacturing Planning

and Control Systems

. Dow Jones-Irwin, 2

edição.

WIERZBICK, A.P. (1986) On The Completeness and Constructivenss of Parametric

Characterization to Vector Optimization Problems.

OR Spektrum

, 8, pp 73-87.

WOLAK, F. A. (1997) - "Market design and price behavior in restructured electricity

markets: an international comparison", Program on Workable Energy Regulation -

POWER. PWP - 051, University of California Energy Institute, Berkeley, 1997.

WOLFRAM, C. (1999) “Electricity markets: Should the rest of the world adopt the UK

reforms?” Working paper of University of California. Berkley, 1999.

ZANFELICE, F.R.; BARBOSA, P.S.F. (2004) Modelagem para a Otimização do

Planejamento Energético de Empresas Distribuidoras de Energia sob o enfoque do

Novo Modelo do Setor Elétrico. Anais do XVI Seminário Nacional de Distribuição de

Energia Elétrica – SENDI 2004.

Apêndice

ANEXO 1 – LEIS, DECRETOS E RESOLUÇÕES DO SEB

2.3.2.1 Leis

8.987/95

- Dispõe sobre o regime de concessão e permissão da prestação de

serviços públicos previsto no art. 175 da Constituição Federal, e dá outras

providências.

http://www.aneel.gov.br/cedoc/lei19958987.pdf

9.074/95

- Estabelece normas para outorga e prorrogações das concessões e

permissões de serviços públicos e dá outras providências.

http://www.aneel.gov.br/cedoc/lei19959074.pdf

9.427/96

- Institui a Agência Nacional de Energia Elétrica - ANEEL, disciplina o

regime das concessões de serviços públicos de energia elétrica e dá outras

providências.

http://www.aneel.gov.br/cedoc/lei19969427.pdf

9.648/98

- Altera dispositivos das Leis no 3.890-A, de 25 de abril de 1961, no 8.666,

de 21 de junho de 1993, no 8.987, de 13 de fevereiro de 1995, no 9.074, de 7 de

julho de 1995, no 9.427, de 26 de dezembro de 1996, e autoriza o Poder Executivo

a promover a reestruturação da Centrais Elétricas Brasileiras - ELETROBRÁS e de

suas subsidiárias e dá outras providências.

http://www.aneel.gov.br/cedoc/LEI19989648.PDF

10.433/02

- Dispõe sobre a autorização para a criação do Mercado Atacadista de

Energia Elétrica - MAE, pessoa jurídica de direito privado, e dá outras providências.

http://www.aneel.gov.br/cedoc/lei200210433.pdf

10.438/02

- Dispõe sobre a expansão da oferta de energia elétrica emergencial,

recomposição tarifária extraordinária, cria o Programa de Incentivo às Fontes

Alternativas de Energia Elétrica (PROINFA), a Conta de Desenvolvimento

Energético (CDE), dispõe sobre a universalização do serviço público de energia

elétrica, dá nova redação às Leis no 9.427, de 26 de dezembro de 1996, no 9.648,

de 27 de maio de 1998, no 3.890-A, de 25 de abril de 1961, no 5.655, de 20 de

maio de 1971, no 5.899, de 5 de julho de 1973, no 9.991, de 24 de julho de 2000, e

dá outras providências.

Apêndice

http://www.aneel.gov.br/cedoc/lei200210438.pdf

10.604/02

- Dispõe sobre recursos para subvenção a consumidores de energia

elétrica da Subclasse Baixa Renda, dá nova redação aos arts. 27 e 28 da Lei no

10.438, de 26 de abril de 2002, e dá outras providências.

http://www.aneel.gov.br/cedoc/lei200210604.pdf

10.637/02

- Dispõe sobre a não-cumulatividade na cobrança da contribuição para os

Programas de Integração Social (PIS) e de Formação do Patrimônio do Servidor

Público (PASEP), nos casos que especifica; sobre o pagamento e o parcelamento

de débitos tributários federais, a compensação de créditos fiscais, a declaração de

inaptidão de inscrição de pessoas jurídicas, a legislação aduaneira, e dá outras

providências.

http://www.aneel.gov.br/cedoc/lei200210637.pdf

10.762/03

- Dispõe sobre a criação do Programa Emergencial e Excepcional de

Apoio às Concessionárias de Serviços Públicos de Distribuição de Energia Elétrica,

altera as Leis nos 8.631, de 4 de março de 1993, 9.427, de 26 de dezembro de

1996, 10.438, de 26 de abril de 2002, e dá outras providências.

http://www.aneel.gov.br/cedoc/lei200310762.pdf

10.847/04

- Autoriza a criação da Empresa de Pesquisa Energética - EPE e dá

outras providências.

http://www.aneel.gov.br/cedoc/lei200410847.pdf

10.848/04

- Dispõe sobre a comercialização de energia elétrica, altera as Leis nos

5.655, de 20 de maio de 1971, 8.631, de 4 de março de 1993, 9.074, de 7 de julho

de 1995, 9.427, de 26 de dezembro de 1996, 9.478, de 6 de agosto de 1997, 9.648,

de 27 de maio de 1998, 9.991, de 24 de julho de 2000, 10.438, de 26 de abril de

2002, e dá outras providências.

http://www.aneel.gov.br/cedoc/lei200410848.pdf

2.3.2.2 Decretos

2.335/97

- Constitui a Agência Nacional de Energia Elétrica -ANEEL, autarquia sob

regime especial, aprova sua Estrutura Regimental e o Quadro Demonstrativo dos

Cargos em Comissão e Funções de Confiança e dá outras providências.

http://www.aneel.gov.br/cedoc/dec19972335.pdf

2.655/98

- Regulamenta o Mercado Atacadista de Energia Elétrica, define as regras

Apêndice

de organização do Operador Nacional do Sistema Elétrico, de que trata a Lei nº

9.648, de 27 de maio de 1998, e dá outras providências.

http://www.aneel.gov.br/cedoc/dec19982655.pdf

4.541/02

- Regulamenta os arts. 3º, 13, 17 e 23 da Lei nº 10.438, de 26 de abril de

2002, que dispõe sobre a expansão da oferta de energia elétrica emergencial,

recomposição tarifária extraordinária, cria o Programa de Incentivo às Fontes

Alternativas de Energia Elétrica - PROINFA e a Conta de Desenvolvimento

Energético - CDE, e dá outras providências.

http://www.aneel.gov.br/cedoc/dec20024541.pdf

4.550/02

- Regulamenta a comercialização de energia elétrica gerada pela

Eletrobrás Termonuclear S.A. - ELETRONUCLEAR, por ITAIPU Binacional e dá

outras providências.

http://www.aneel.gov.br/cedoc/dec20024550.pdf

4.562/02

- Estabelece normas gerais para celebração, substituição e aditamento

dos contratos de fornecimento de energia elétrica; para tarifação e preço de energia

elétrica; dispõe sobre compra de energia elétrica das concessionárias de serviço

público de distribuição; valores normativos; estabelece a redução do número de

submercados; diretrizes para revisão da metodologia de cálculo das Tarifas de Uso

do Sistema de Transmissão - TUST e dá outras providências.

http://www.aneel.gov.br/cedoc/dec20024562.pdf

4.667/03

- Altera o Decreto no 4.562, de 31 de dezembro de 2002, que estabelece

normas gerais para celebração, substituição e aditamento dos contratos de

fornecimento de energia elétrica; para tarifação e preço de energia elétrica; dispõe

sobre compra de energia elétrica das concessionárias de serviço público de

distribuição; valores normativos; estabelece a redução do número de submercados;

diretrizes para revisão da metodologia de cálculo das Tarifas de Uso do Sistema de

Transmissão - TUST; o Decreto no 62.724, de 17 de maio de 1968, que estabelece

normas gerais de tarifação para as empresas concessionárias de serviços públicos

de energia elétrica, e dá outras providências.

http://www.aneel.gov.br/cedoc/dec20034667.pdf

4.767/03

- Regulamenta o § 7º do art. 27 da Lei nº 10.438, de 26 de abril de 2002,

altera o inciso VI do art. 6º do Decreto nº 4.562, de 31 de dezembro de 2002, e dá

outras providências.

Apêndice

http://www.aneel.gov.br/cedoc/dec20034767.pdf

5.081/04

- Regulamenta os arts. 13 e 14 da Lei no 9.648, de 27 de maio de 1998, e

o art. 23 da Lei no 10.848, de 15 de março de 2004, que tratam do Operador

Nacional do Sistema Elétrico - ONS.

http://www.aneel.gov.br/cedoc/dec20045081.pdf

5.163/04

- Regulamenta a comercialização de energia elétrica, o processo de

outorga de concessões e de autorizações de geração de energia elétrica, e dá

outras providências.

http://www.aneel.gov.br/cedoc/dec20045163.pdf

5.175/04

- Constitui o Comitê de Monitoramento do Setor Elétrico - CMSE de que

trata o art. 14 da Lei no 10.848, de 15 de março de 2004.

http://www.aneel.gov.br/cedoc/dec20045175.pdf

5.177/04

- Regulamenta os arts. 4o e 5o da Lei nº 10.848, de 15 de março de 2004,

e dispõe sobre a organização, as atribuições e o funcionamento da Câmara de

Comercialização de Energia Elétrica - CCEE.

http://www.aneel.gov.br/cedoc/dec20045177.pdf

5.184/04

- Cria a Empresa de Pesquisa Energética - EPE, aprova seu Estatuto

Social e dá outras providências.

http://www.aneel.gov.br/cedoc/dec20045184.pdf

5.249/04

- Dá nova redação ao inciso XI do § 2o do art. 1o do Decreto no 5.163, de

30 de julho de 2004, que regulamenta a comercialização de energia elétrica, o

processo de outorga de concessões e de autorizações de geração de energia

elétrica.

http://www.aneel.gov.br/cedoc/dec20045249.pdf

5.271/04

- Altera dispositivos do Decreto no 5.163, de 30 de julho de 2004, que

regulamenta a comercialização de energia elétrica, o processo de outorga de

concessões e de autorizações de geração de energia elétrica, e dá outras

providências.

http://www.aneel.gov.br/cedoc/dec20045271.pdf

2.3.2.3 Resoluções

290/00

- Homologa as Regras do Mercado Atacadista de Energia Elétrica - MAE e

fixa as diretrizes para a sua implantação gradual.

Apêndice

http://www.aneel.gov.br/cedoc/RES2000290.PDF

456/00

- Estabelece, de forma atualizada e consolidada, as Condições Gerais de

Fornecimento de Energia Elétrica.

http://www.aneel.gov.br/cedoc/res2000456.pdf

102/02

- Institui a Convenção do Mercado Atacadista de Energia Elétrica (MAE).

http://www.aneel.gov.br/cedoc/res2002102.pdf

103/02

- Autoriza o Mercado Atacadista de Energia Elétrica (MAE) - Pessoa Jurídica

de direito privado, sem fins lucrativos, a atuar segundo regras e procedimentos de

mercado estabelecidos pela ANEEL.

http://www.aneel.gov.br/cedoc/res2002103.pdf

395/02

- Aprova as Regras de Mercado, componentes da versão 2.2b, para fins de

contabilização e liquidação das transações no período de 1o de setembro de 2000 a

30 de junho de 2001, no âmbito do Mercado Atacadista de Energia Elétrica - MAE.

http://www.aneel.gov.br/cedoc/res2002395.pdf

445/02

- Aprova as Regras do Mercado, componentes da versão 3.0, para fins de

contabilização e liquidação das transações de compra e venda de energia elétrica

no período de 1o de julho de 2001 até 31 de dezembro de 2003 no âmbito do

Mercado Atacadista de Energia Elétrica – MAE.

http://www.aneel.gov.br/cedoc/res2002445.pdf

447/02

- Estabelece as condições gerais para implementação do que dispõe o art.

2o da Lei no 10.438, de 26 de abril de 2002.

http://www.aneel.gov.br/cedoc/res2002447.pdf

552/02

- Estabelece os procedimentos relativos à liquidação das operações de

compra e venda de energia elétrica, no mercado de curto prazo, no âmbito do

Mercado Atacadista de Energia Elétrica - MAE e trata das garantias financeiras e

penalidades.

http://www.aneel.gov.br/cedoc/res2002552.pdf

023/03

- Estabelece critérios para a definição, de forma transitória, das garantias

financeiras a que se refere o art. 2o da Convenção do Mercado Atacadista de

Energia Elétrica - MAE e dá outras providências.

http://www.aneel.gov.br/cedoc/res2003023.pdf

040/03

- Aprova as Regras de Mercado, componentes da versão 3.1, que

estabelecem a modulação “ex-ante” de Contratos Iniciais, para fins de

Apêndice

contabilização e liquidação das transações no período de 1o de janeiro até 30 de

junho de 2003.

http://www.aneel.gov.br/cedoc/res2003040.pdf

091/03

- Estabelece as condições para implementação do limite de contratação de

energia elétrica para agentes participantes do Mercado Atacadista de Energia

Elétrica - MAE, conforme definido no Decreto no 4.562, de 31 de dezembro de

2002.

http://www.aneel.gov.br/cedoc/res2003091.pdf

237/03

- Determina ajustes no cronograma para implantação das Regras do

Mercado Atacadista de Energia Elétrica - MAE, estabelecido por meio da

Resolução.

http://www.aneel.gov.br/cedoc/res2003237.pdf

258/03

- Estabelece critérios e procedimentos a serem adotados por concessionária

ou permissionária de distribuição de energia elétrica que optar por instalação de

equipamentos de medição em local externo à unidade consumidora.

http://www.aneel.gov.br/cedoc/res2003258.pdf

265/03

- Estabelece os procedimentos para prestação de serviços ancilares de

geração e transmissão.

http://www.aneel.gov.br/cedoc/res2003265.pdf

352/03

- Estabelece as condições para implementação da sistemática de verificação

do lastro de contratos de venda de energia elétrica, registrados no Mercado

Atacadista de Energia Elétrica - MAE, conforme diretriz estabelecida no art. 5o da

Resolução no 249, de 11 de agosto de 1998.

http://www.aneel.gov.br/cedoc/res2003352.pdf

433/03

- Estabelece os procedimentos e as condições para início da operação em

teste e da operação comercial de empreendimentos de geração de energia elétrica.

http://www.aneel.gov.br/cedoc/res2003433.pdf

462/03

- Aprova as Regras do Mercado, componentes da versão 3.1.b, que

considera a alteração da sistemática de estabelecimento do Preço Mínimo do

Mercado de Curto Prazo (PMAE_min), de que trata a Resolução no 377, de 30 de

julho de 2003.

http://www.aneel.gov.br/cedoc/res2003462.pdf

577/03

- Aprova as Regras do Mercado, componentes da versão 3.1.c, que

Apêndice

incorpora a utilização dos recursos decorrentes da aplicação de penalidades por

insuficiência de contratação e/ou de lastro de venda.

http://www.aneel.gov.br/cedoc/res2003577.pdf

652/03

- Estabelece os critérios para o enquadramento de aproveitamento

hidrelétrico na condição de Pequena Central Hidrelétrica (PCH).

http://www.aneel.gov.br/cedoc/res2003652.pdf

686/03

- Estabelece procedimentos e critérios para a implementação do mecanismo

de representação da aversão ao risco de racionamento no Programa Mensal de

Operação - PMO e no cálculo do preço do mercado de curto prazo do MAE - PMAE,

conforme disposto na Resolução CNPE no 10, de 16 de dezembro de 2003,

aprovada pelo Presidente da República em 18 de dezembro de 2003.

http://www.aneel.gov.br/cedoc/res2003686.pdf

688/03

- Aprova as Regras do Mercado, componentes da versão 3.5, que incorpora

incentivo à eficiência de usinas participantes do Mecanismo de Realocação de

Energia - MRE.

http://www.aneel.gov.br/cedoc/res2003688.pdf

040/04

- Estabelece critérios para determinação dos limites de disponibilidade de

geração e de lastro das usinas térmicas da Região Nordeste participantes do

Programa Prioritário de Termeletricidade - PPT, aplicados ao período 2004/2005.

http://www.aneel.gov.br/cedoc/ren2004040.pdf

055/04

- Estabelece a metodologia de cálculo do Fator X na revisão tarifária

periódica da concessionária do serviço público de distribuição de energia elétrica.

http://www.aneel.gov.br/cedoc/ren2004055.pdf

061/04

- Estabelece as disposições relativas ao ressarcimento de danos elétricos

em equipamentos elétricos instalados em unidades consumidoras, causados por

perturbação ocorrida no sistema elétrico.

http://www.aneel.gov.br/cedoc/ren2004061.pdf

063/04

- Aprova procedimentos para regular a imposição de penalidades aos

concessionários, permissionários, autorizados e demais agentes de instalações e

serviços de energia elétrica, bem como às entidades responsáveis pela operação

do sistema, pela comercialização de energia elétrica e pela gestão de recursos

provenientes de encargos setoriais.

http://www.aneel.gov.br/cedoc/ren2004063.pdf

074/04

- Estabelece os critérios e procedimentos para que as concessionárias de

Apêndice

transmissão que atendam consumidor livre e/ou autoprodutor, com unidade de

consumo conectada às respectivas instalações de transmissão integrantes da Rede

Básica do Sistema Interligado Nacional, passem a ser quotistas da Conta de

Consumo de Combustíveis Fósseis - CCC e da Conta de Desenvolvimento

Energético - CDE, em atendimento ao art. 13 da Lei no 5.899, de 5 de julho de

1973, e ao art. 13 da Lei no 10.438, de 26 de abril de 2002, com redação dada pela

Lei no 10.848, de 15 de março de 2004.

http://www.aneel.gov.br/cedoc/ren2004074.pdf

075/04

- Dá nova redação ao § 7º do art. 3º da Resolução nº 688, de 24 de

dezembro de 2003, no que diz respeito ao tratamento a ser dado às

indisponibilidades programadas de longa duração, devido modernizações e

reformas em usinas participantes do Mecanismo de Realocação de Energia – MRE.

http://www.aneel.gov.br/cedoc/ren2004075.pdf

082/04

- Estabelece as condições para atendimento com redes de energia elétrica

nos lotes situados em loteamentos urbanos, nos parcelamentos situados em zonas

habitacionais de interesse social e nos parcelamentos populares, bem como para

incorporação dos bens e instalações ao ativo de concessionária ou permissionária

de serviço público de distribuição.

http://www.aneel.gov.br/cedoc/ren2004082.pdf

087/04

- Aprova a Norma de Organização que trata dos procedimentos gerais

referentes às Reuniões Deliberativas Públicas da Diretoria da Agência Nacional de

Energia Elétrica - ANEEL.

http://www.aneel.gov.br/cedoc/ren2004087.pdf

088/04

- Aprova sobre o Código de Ética da Agência Nacional de Energia Elétrica.

http://www.aneel.gov.br/cedoc/ren2004088.pdf

089/04

- Estabelece, com a finalidade de contribuir para a modicidade da tarifa de

fornecimento de energia elétrica, metodologia para o cálculo de subvenção

econômica a ser concedida a concessionária ou permissionária de distribuição de

energia elétrica ou de montante a ser utilizado para a redução do nível das suas

tarifas, de forma a contrabalançar os efeitos de política tarifária aplicável a unidades

consumidoras integrantes da Subclasse Residencial Baixa Renda.

http://www.aneel.gov.br/cedoc/ren2004089.pdf

109/04

- Institui a Convenção de Comercialização de Energia Elétrica.

Apêndice

http://www.aneel.gov.br/cedoc/ren2004109.pdf

127/04

- Estabelece os procedimentos para o rateio do custo do Programa de

Incentivo às Fontes Alternativas de Energia Elétrica - PROINFA, bem como para a

definição das respectivas quotas de energia elétrica, nos termos do Decreto no

5.025, de 30 de março de 2004.

http://www.aneel.gov.br/cedoc/ren2004127.pdf

145/05

- Aprova as Regras de Comercialização de Energia Elétrica, versão

janeiro/2005, de que trata a Convenção de Comercialização de Energia Elétrica

instituída pela Resolução Normativa no 109, de 26 de outubro de 2004.

http://www.aneel.gov.br/cedoc/ren2005145.pdf

149/05

- Estabelece os procedimentos para solicitação de anuência, pelos agentes

prestadores de serviço de energia elétrica, para alteração de atos constitutivos, e

indica os casos previamente autorizados.

http://www.aneel.gov.br/cedoc/ren2005149.pdf

150/05

- Altera a forma de cálculo de garantias financeiras das Regras de

Comercialização de Energia Elétrica, versão janeiro/2005, aprovadas pela

Resolução Normativa no 145, de 1o de fevereiro de 2005.

http://www.aneel.gov.br/cedoc/ren2005150.pdf

152/05

- Autoriza alterações em um subconjunto de expressões algébricas das

Regras de Comercialização de Energia Elétrica, versão janeiro/2005, aprovadas

pela Resolução Norm ativa no 145, de 1o de fevereiro de 2005.

http://www.aneel.gov.br/cedoc/ren2005152.pdf

160/05

- Altera os §§ 5o a 7o do art. 3o da Resolução no 688, de 24 de dezembro

de 2003, que dispõem sobre a apuração da indisponibilidade de usinas

participantes do Mecanismo de Realocação de Energia - MRE, e revoga a

Resolução Normativa no 75, de 29 de julho de 2004.

http://www.aneel.gov.br/cedoc/ren2005160.pdf

161/05

- Aprova as Regras de Comercialização de Energia Elétrica, referentes ao

Mecanismo de Compensação de Sobras e Déficits, de que trata o art. 45 da

Convenção de Comercialização de Energia Elétrica.

http://www.aneel.gov.br/cedoc/ren2005161.pdf

162/05

- Aprova o edital dos leilões de ajuste para compra de energia elétrica e

delega a execução à Câmara de Comercialização de Energia Elétrica – CCEE.

Apêndice

http://www.aneel.gov.br/cedoc/ren2005162.pdf

168/05

- Aprova as Regras de Comercialização de Energia Elétrica, referentes aos

módulos de Penalidades e ao de Cálculo das Garantias Financeiras e Rateio de

Inadimplência.

http://www.aneel.gov.br/cedoc/ren2005168.pdf

Livros Grátis
( http://www.livrosgratis.com.br )
 
Milhares de Livros para Download:
 
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas

Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
 
 