Gestão de compra de energia via método dos pontos interiores

Abstract

Resumo: Em 2004, foi implantado um modelo de comercialização de energia elétrica baseado em leilões públicos e em contratação de energia por licitação conjunta do montante necessário para todas as distribuidoras participantes dos leilões. O modelo estabeleceu novas regras de comercialização de energia com a obrigatoriedade para as distribuidoras de energia, de contratar 100% do seu mercado cativo com antecedência de até 5 (cinco) anos. Estipulou penalidades financeiras se as distribuidoras ficarem sub ou sobrecontratadas, impõe limites de repasse do valor da energia às tarifas dos consumidores finais e estabelece mecanismos de descontratação e reposição da energia contratada para minimizar os riscos na compra da energia. Dessa forma, faz-se necessário o desenvolvimento de ferramentas que dêem suporte para o estabelecimento de estratégias de compra de energia em leilões públicos e que minimizem os riscos da distribuidora. Assim, o objetivo desse trabalho é apresentar uma formulação matemática do problema de otimização envolvido na compra de energia, descrevendo-se seus critérios de otimização e restrições impostas pela legislação. A solução deste problema de otimização fornece, para cada tipo de contrato existente no mercado de energia, os valores que devem ser contratados ao longo de 5 anos a frente do ano de referência. Esses valores são limitados pelas regras de mercado e otimizados de modo a se minimizar os custos de aquisição e de penalidades por sub ou sobrecontratação. O problema é resolvido pelo Método dos Pontos Interiores, cuja aplicação neste contexto é inovadora, pois desde a implantação desse modelo de comercialização de energia, técnicas de Inteligência Artificial (IA) vêm sido utilizadas prioritariamente. Os resultados, obtidos através de simulação de diversos cenários de mercado de empresas padrão, apresentam respostas adequadas e compatíveis com as estratégias adotadas e um excelente desempenho computacional, que pode ser um ótimo recurso para as distribuidoras, da mesma forma que outras ferramentas de otimização utilizadas, tais como IA, servindo como opção para certificar as estratégias de exposição nos respectivos leilões de energia.

Abstract: In 2004, it was implanted a commercialization model of electric energy based on public auctions and join licitation of the necessary amount for all the deliverers od energy that participate of the auctions. The model established new rules of energy commercialization, with the obligatoriness for the deliverers, to contract 100% of its captive market with antecedence of up to 5 (five) years. Moreover, it stipulates financial penalties if the deliverers stayed sub or super-contracted, imposes limits to repass the value of the energy to the tariff of the final consumers and establishes mechanisms to cancel the contract and replace the contracted energy in a way to minimize the risks of the purchase. Of this form, it becomes necessary to develop tools that gives support for definitions of strategies of purchase of energy in public auctions and that minimizes the risks of the deliverers. Thus, the objective of this work is to present a mathematical formulation of the optimization problem involved, with the description of the optimizations criteria and restrictions imposed for the legislation. The solution of this optimization problem supplies, for each type of existing contract inside the energy market, the values that must be contracted throughout 5 years ahead from a reference year. These values are limited by the rules of market and are optimized in order to minimize the costs of acquisition and penalties due to sub or sobrecontract. The optimization problem is solved by the Interior Points Method, whose application is innovative, because since the implantation of this energy commercialization model, techniques of Artificial Intelligence (AI) are been used. The results, obtained through the simulation of an usual delivery, present compatible responds with the strategies and excellent computation development which can be a great option for distribution companies when compared with other techniques, as Artificial Intelligent.