Estratégia de comercialização de energia elétrica através da otimização de portfólios de contratos utilizando projetos de experimentos de mistura.

Abstract

As inúmeras reformas ocorridas no setor de energia brasileiro visavam adaptar a estrutura monopolista antiga para uma nova estrutura competitiva para os agentes de geração. De um modo geral, a nova estrutura procura proporcionar aos clientes segurança no fornecimento de energia, a um mínimo preço, garantido por meio de leilões de compra e venda de energia. Deste modo, as reformas introduzidas pelo Ministério de Minas de Energia (MME) levaram à criação de dois ambientes de contratação: o Ambiente de Contratação Livre (ACL) e o Ambiente de Contratação Regulada (ACR). A diferença entre os dois ambientes é que no ACR o governo coordena a compra de energia por meio de leilões, enquanto que no ACL cada cliente escolhe o seu fornecedor. No entanto, tanto o ambiente ACL quanto ACR são sujeitos à volatilidade do Preço de Liquidação das Diferenças (PLD), obtido a partir das simulações com o programa de despacho econômico, denominado Newave. Se por um lado os clientes buscam menores tarifas, por outro lado, as empresas de geração estão interessadas em definir qual estratégia de contratação devem adotar, considerando a possibilidade de atuação no mercado de contratos bilaterais e no mercado spot, de modo a obter o máximo retorno a um mínimo risco. A seleção de portfólios para o setor de energia objetiva designar o montante de energia disponível, por parte da geradora, para o conjunto de possíveis clientes, considerando o risco envolvido na comercialização de energia. Na área financeira, este problema é conhecido como Otimização de Portfólio, existindo diversas técnicas para solucionálo. Nesta tese, o portfólio é modelado não utilizando os modelos clássicos da teoria de portfólio, mas uma aplicação inédita do projeto de experimento de misturas. Geralmente, a teoria de mistura é aplicada na elaboração de diversos produtos. As variáveis de decisão do problema são as proporções de cada componente, que devem ser determinadas de modo a se obter uma determinada propriedade. Para o caso do portfólio, as propriedades são o retorno, dado pelo Valor Presente Total (VPTOT) e o risco dado pelo Conditional Value at Risk (CVaR). A otimização, neste trabalho, é realizada por meio da função desirability que engloba as técnicas de programação multi-objetiva. Com a função desirability tem-se a vantagem de minimizar o CVaR e maximizar o VPTOT simultaneamente. Deste modo, é possível obter mais agilidade no processo de definição da estratégia de contratação de uma empresa de geração ou mesmo de um comercializador.