UNIFEI - Campus 1: Itajubá PPG - Programas de Pós Graduação Dissertações
Use este identificador para citar ou linkar para este item: https://repositorio.unifei.edu.br/jspui/handle/123456789/2267
Tipo: Dissertação
Título: Metodologia para previsão de preço de energia considerando incertezas de vazões
Autor(es): KUKI, Cassia Akemi Castro
Primeiro Orientador: LIMA, José Wanderley Marangon
metadata.dc.contributor.advisor-co1: REBOITA, Michelle Simões
Resumo: Com a inserção da competição no Setor Elétrico Brasileiro (SEB), a previsão do preço de energia se tornou um dos principais desafios enfrentados pelo mercado, uma vez que tem como principal característica a volatilidade. Por essa razão, identificar as fontes de incertezas inerentes a esse processo auxilia nas tomadas de decisão relacionadas à contratação de energia de forma a maximizar os lucros e reduzir os riscos dos agentes do mercado de energia. Uma das variáveis importantes para o caso brasileiro é a afluência aos reservatórios das usinas hidrelétricas. Assim, este trabalho propõe a predição do preço de energia para o médio prazo a partir de uma cadeia computacional composta por diferentes modelos interconectados: modelo climático CFSv2, responsável pela previsão de precipitação; o modelo hidrológico MGB-IPH, responsável pela transformação da precipitação em vazão afluente; e a cadeia de programas energéticos atualmente em vigor no setor elétrico brasileiro para obtenção do preço (atualmente o PLD) para o horizonte de três meses à frente. Os resultados mostram que, em geral, a cadeia proposta consegue prever e representar o comportamento das afluências para as semanas operativas alvos no estudo de caso para o trimestre junho, julho e agosto (JJA) de 2020. Essa performance é justificada por incorporar dados de previsão de precipitação ao modelo hidrológico, melhorando a sensibilidade das previsões de vazão, que hoje é a variável de maior impacto sobre o preço da energia para os submercados que compõem o Sistema Interligado Nacional (SIN). Contudo, ao se analisar os resultados obtidos para a predição do preço, a cadeia proposta incorpora o PREVIVAZ para a previsão das afluências para as semanas seguintes à semana operativa alvo. Este procedimento reproduz o que o Operador Nacional do Sistema (ONS) utiliza atualmente na operação do sistema, contudo suas predições são feitas com base no histórico de afluências, sem levar em consideração as informações de precipitação. É mostrado neste trabalho que a sua aplicação na previsão de médio prazo apresenta uma propagação de erros ao longo da cadeia de simulação. É mostrada ainda a diferença do uso do PREVIVAZ e o uso apenas da previsão através do CFSv2.
Abstract: The introduction of the electricity market at the Brazilian Power System makes the electricity price forecast an important area of research with many challenges to the market players because of its volatility. The identification of the main uncertainty sources is crucial to the development of the market. This knowledge helps in decision-making process related to energy contracting maximizing profits and reducing the risks to the agents. Thus, the aim of this study is forecasting electricity price from a computational chain composed of different interconnected models: CFSv2 climate model to forecast precipitation, MGB-IPH hydrological model to compute the inflows to reservoirs and energy programs currently in use in the Brazilian sector to define the price for three months ahead. The results show that, in general, the proposed methodology is able to predict and represent the streamflow behavior for the target operating weeks in the case study for June, July and August (JJA) 2020. This performance is justified by incorporating data from precipitation forecast to the hydrological model, improving the sensitivity of the streamflow forecasts. Streamflow forecasts are currently the variable with the greatest impact on the electricity price (PLD) that is calculated by the National Interconnected System (SIN). However, when analyzing the results obtained for the forecasted electricity price, the computational chain incorporating PREVIVAZ for the weekly streamflow forecasts presents error propagation along the simulation chain. The PREVIVAZ, used by the National System Operator (ONS), uses historical data and not the CFSv2 precipitation prediction. The different approaches are analyzed and conclusions about their uses in the middle office of traders are taken.
Palavras-chave: Previsão de precipitação
Previsão de vazão
Previsão de preços de energia elétrica
Comercialização de energia elétrica
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA
Idioma: por
País: Brasil
Editor: Universidade Federal de Itajubá
Sigla da Instituição: UNIFEI
metadata.dc.publisher.department: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
metadata.dc.publisher.program: Programa de Pós-Graduação: Mestrado - Engenharia Elétrica
Tipo de Acesso: Acesso Aberto
URI: https://repositorio.unifei.edu.br/jspui/handle/123456789/2267
Data do documento: 15-Dez-2020
Aparece nas coleções:Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação_2021005.pdf8.18 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.