Aquisição de energia no mercado cativo brasileiro: simulações dos efeitos da regulação sobre o risco das distribuidoras

Abstract

ResumoO novo ambiente regulatório da energia elétrica no Brasil introduziu grandes mudanças na área de comercialização. Principalmente a adoção dos leilões de compra centralizada nos quais o governo adquire energia para os consumidores cativos. Nesse novo quadro institucional, as distribuidoras têm a responsabilidade de estimar a energia requerida para atendimento de suas áreas de concessão e são punidas caso cometam erros de previsão. As estimativas a menor são mais duramente punidas. Neste trabalho foram feitas simulações dos custos de contratação utilizando como aleatórios os percentuais de contratação da demanda prevista e um modelo de reamostragem do PLD (Preço de Liquidação das Diferenças), empregado no cálculo das punições. Concluiu-se que o sistema é frágil porque modificações no conjunto de usinas considerado pelo software NEWAVE (que determina os CMOs -Custos Marginais de Operação e, indiretamente, os PLDs) levam a resultados muito diferentes no que diz respeito ao valor das punições para uma mesma estratégia de contratação adotada por uma distribuidora.Palavras-chave: leilões de energia; simulação; regulação econômica. AbstractThe new regulatory framework in Brazilian electricity sector implemented several changes in the way energy is traded. Energy required by all captive consumers is now centrally purchased by the government. Distributors are only responsible for demand estimation in their concession areas. In case estimations prove wrong, distributors are punished differently for under or overestimations. Underestimations are punished harder. In this paper we simulate energy purchasing costs for a hypothetical utility in which random percentages of the forecasted demand are used. We also develop a resampling scheme for the PLD (Settlement Price), which is used to calculate penalties incurred by utilities. We conclude that, despite a very sophisticated regulatory framework, the system is fragile because changes in the inputs of the NEWAVE software (used to calculate the marginal cost of operations (CMO), which directly affects the PLD) yield very different punishment fees for a given (fixed) utility acquisition strategy.

Periodic Gamma Autoregressive Model: An application to the Brazilian hydroelectric system

“…This suggests that every season has at least an autoregressive model of order 1. For april, there is an indication of an AR( 2), whereas for july and october it appears to be a AR (3). Almost all results are confirmed by BIC method, which selects a PAR model of order 14 -the fifth season has significant coefficients for lags 1, 2, 3, 12, 13 and 14 (this should be expected since PePACF cuts off at lag 14 for may).…”

A Estocasticidade Associada Ao Setor Elétrico Brasileiro E Uma Nova Abordagem Para a Geração De Afluências via Modelos Períódicos Gama

“…A predominância de usinas hidroelétricas no parque gerador brasileiro torna a questão da aleatoriedade das vazões importante no problema de otimização do custo total de operação no horizonte de tempo considerado, pois o custo futuro é função de afluências futuras, aleatórias, enquanto o custo imediato é função do despacho atual das usinas térmicas e hidráulicas, este último considerado zero. Deve-se notar, no entanto, que este PUC-Rio -Certificação Digital Nº 0912964/CA custo marginal só será zero (correspondendo ao custo da água, ou seja, da geração hidráulica), em situações de reservatórios cheios no presente e no futuro, isto é, decorrentes de séries de afluência com hidrologia muito favorável (Barros, et al, 2009).…”