MODELAGEM NA COMPRA DE ENERGIA ELÉTRICA DAS DISTRIBUIDORAS: UM ESTUDO DE CASO PARA O ESTADO DE SÃO PAULO

Detalhes bibliográficos
Autor(a) principal: Mota Anselmo, Paulo Cesar
Data de Publicação: 2017
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista Interdisciplinar de Pesquisa em Engenharia
Texto Completo: https://periodicos.unb.br/index.php/ripe/article/view/21725
Resumo:  No Brasil após as mudanças que ocorreram em virtude do modelo de comercialização do Setor Elétrico Brasileiro adotado em 2004, ao se negociar um novo contrato de energia, o agente comprador (no caso representando a empresa Distribuidora) terá que enfrentar os riscos de preço devido às variações na produção hidrelétrica, riscos de mudanças de crédito da fonte do comprador, modificações de regulação do governo e demais riscos desta área. Uma análise de risco para tomar as medidas para tentar evitar as perdas ou ao menos a diminuição do risco deve ser executada, pois além da obtenção de lucro que esses agentes podem conseguir devido a esse mercado, os prejuízos também serão contabilizados por esses investidores. Para isso se faz necessário uma visão econômica, técnica e estratégica de longo prazo para que a tomada de decisão seja baseada em fato concretos que envolva todas as ações ligadas a indústria de energia elétrica e que as afetaram diretamente no curto prazo. O objetivo é utilizar uma ferramenta para modelar e otimizar os cenários e as possibilidade de compra de energia elétrica pelos agentes que representam as empresas distribuidoras nos leilões. Optou-se pela de utilização da técnica de inteligência artificial baseada em Algoritmos Genéticos, bastante difundida na literatura vigente para a implementação de ferramentas computacionais para resolução de problemas de planejamento e estudos. Esta técnica utiliza-se do mesmo princípio da área biológica, a criação de gerações populacionais através de cruzamento de indivíduos com características distintas que geram um novo indivíduo, mutação em alguns indivíduos e aplicação do elitismo para garantir que melhor indivíduos permaneçam nas gerações futuras. A utilização da técnica de Algoritmos Genéticos na compra de energia elétrica por uma empresa distribuidora fictícia no estado de São Paulo demonstrou a potencialidade da ferramenta para ser aplicada em qualquer parte do Brasil desde que informados os dados referentes ao subsistema que a concessionária ou comercializadora pertencem. Além disso a ferramenta colabora para o retorno de uma solução ótima, que minimize os prejuízos de subcontratação e sobrecontratação, garantindo os contratos e a confiabilidade de compra de energia elétrica pelas distribuidoras.
id UNB-19_f4e598dba047d4de6b62ca03b22ef521
oai_identifier_str oai:ojs.pkp.sfu.ca:article/21725
network_acronym_str UNB-19
network_name_str Revista Interdisciplinar de Pesquisa em Engenharia
repository_id_str
spelling MODELAGEM NA COMPRA DE ENERGIA ELÉTRICA DAS DISTRIBUIDORAS: UM ESTUDO DE CASO PARA O ESTADO DE SÃO PAULOCompra. Energia. Elétrica. Distribuidora. Modelagem. No Brasil após as mudanças que ocorreram em virtude do modelo de comercialização do Setor Elétrico Brasileiro adotado em 2004, ao se negociar um novo contrato de energia, o agente comprador (no caso representando a empresa Distribuidora) terá que enfrentar os riscos de preço devido às variações na produção hidrelétrica, riscos de mudanças de crédito da fonte do comprador, modificações de regulação do governo e demais riscos desta área. Uma análise de risco para tomar as medidas para tentar evitar as perdas ou ao menos a diminuição do risco deve ser executada, pois além da obtenção de lucro que esses agentes podem conseguir devido a esse mercado, os prejuízos também serão contabilizados por esses investidores. Para isso se faz necessário uma visão econômica, técnica e estratégica de longo prazo para que a tomada de decisão seja baseada em fato concretos que envolva todas as ações ligadas a indústria de energia elétrica e que as afetaram diretamente no curto prazo. O objetivo é utilizar uma ferramenta para modelar e otimizar os cenários e as possibilidade de compra de energia elétrica pelos agentes que representam as empresas distribuidoras nos leilões. Optou-se pela de utilização da técnica de inteligência artificial baseada em Algoritmos Genéticos, bastante difundida na literatura vigente para a implementação de ferramentas computacionais para resolução de problemas de planejamento e estudos. Esta técnica utiliza-se do mesmo princípio da área biológica, a criação de gerações populacionais através de cruzamento de indivíduos com características distintas que geram um novo indivíduo, mutação em alguns indivíduos e aplicação do elitismo para garantir que melhor indivíduos permaneçam nas gerações futuras. A utilização da técnica de Algoritmos Genéticos na compra de energia elétrica por uma empresa distribuidora fictícia no estado de São Paulo demonstrou a potencialidade da ferramenta para ser aplicada em qualquer parte do Brasil desde que informados os dados referentes ao subsistema que a concessionária ou comercializadora pertencem. Além disso a ferramenta colabora para o retorno de uma solução ótima, que minimize os prejuízos de subcontratação e sobrecontratação, garantindo os contratos e a confiabilidade de compra de energia elétrica pelas distribuidoras.Programa de Pós-Graduação em Integridade de Materiais da Engenharia2017-01-25info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://periodicos.unb.br/index.php/ripe/article/view/2172510.26512/ripe.v2i10.21725Revista Interdisciplinar de Pesquisa em Engenharia; Vol. 2 No. 10 (2016): COMPUTATIONAL INTELLIGENCE TECHNIQUES FOR OPTMIZATION AND DATA MODELING (II); 19-38Revista Interdisciplinar de Pesquisa em Engenharia; v. 2 n. 10 (2016): COMPUTATIONAL INTELLIGENCE TECHNIQUES FOR OPTMIZATION AND DATA MODELING (II); 19-382447-6102reponame:Revista Interdisciplinar de Pesquisa em Engenhariainstname:Universidade de Brasília (UnB)instacron:UNBporhttps://periodicos.unb.br/index.php/ripe/article/view/21725/20037Copyright (c) 2019 Revista Interdisciplinar de Pesquisa em Engenharia - RIPEinfo:eu-repo/semantics/openAccessMota Anselmo, Paulo Cesar2019-06-09T21:45:57Zoai:ojs.pkp.sfu.ca:article/21725Revistahttps://periodicos.unb.br/index.php/ripePUBhttps://periodicos.unb.br/index.php/ripe/oaianflor@unb.br2447-61022447-6102opendoar:2019-06-09T21:45:57Revista Interdisciplinar de Pesquisa em Engenharia - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv MODELAGEM NA COMPRA DE ENERGIA ELÉTRICA DAS DISTRIBUIDORAS: UM ESTUDO DE CASO PARA O ESTADO DE SÃO PAULO
title MODELAGEM NA COMPRA DE ENERGIA ELÉTRICA DAS DISTRIBUIDORAS: UM ESTUDO DE CASO PARA O ESTADO DE SÃO PAULO
spellingShingle MODELAGEM NA COMPRA DE ENERGIA ELÉTRICA DAS DISTRIBUIDORAS: UM ESTUDO DE CASO PARA O ESTADO DE SÃO PAULO
Mota Anselmo, Paulo Cesar
Compra. Energia. Elétrica. Distribuidora. Modelagem.
title_short MODELAGEM NA COMPRA DE ENERGIA ELÉTRICA DAS DISTRIBUIDORAS: UM ESTUDO DE CASO PARA O ESTADO DE SÃO PAULO
title_full MODELAGEM NA COMPRA DE ENERGIA ELÉTRICA DAS DISTRIBUIDORAS: UM ESTUDO DE CASO PARA O ESTADO DE SÃO PAULO
title_fullStr MODELAGEM NA COMPRA DE ENERGIA ELÉTRICA DAS DISTRIBUIDORAS: UM ESTUDO DE CASO PARA O ESTADO DE SÃO PAULO
title_full_unstemmed MODELAGEM NA COMPRA DE ENERGIA ELÉTRICA DAS DISTRIBUIDORAS: UM ESTUDO DE CASO PARA O ESTADO DE SÃO PAULO
title_sort MODELAGEM NA COMPRA DE ENERGIA ELÉTRICA DAS DISTRIBUIDORAS: UM ESTUDO DE CASO PARA O ESTADO DE SÃO PAULO
author Mota Anselmo, Paulo Cesar
author_facet Mota Anselmo, Paulo Cesar
author_role author
dc.contributor.author.fl_str_mv Mota Anselmo, Paulo Cesar
dc.subject.por.fl_str_mv Compra. Energia. Elétrica. Distribuidora. Modelagem.
topic Compra. Energia. Elétrica. Distribuidora. Modelagem.
description  No Brasil após as mudanças que ocorreram em virtude do modelo de comercialização do Setor Elétrico Brasileiro adotado em 2004, ao se negociar um novo contrato de energia, o agente comprador (no caso representando a empresa Distribuidora) terá que enfrentar os riscos de preço devido às variações na produção hidrelétrica, riscos de mudanças de crédito da fonte do comprador, modificações de regulação do governo e demais riscos desta área. Uma análise de risco para tomar as medidas para tentar evitar as perdas ou ao menos a diminuição do risco deve ser executada, pois além da obtenção de lucro que esses agentes podem conseguir devido a esse mercado, os prejuízos também serão contabilizados por esses investidores. Para isso se faz necessário uma visão econômica, técnica e estratégica de longo prazo para que a tomada de decisão seja baseada em fato concretos que envolva todas as ações ligadas a indústria de energia elétrica e que as afetaram diretamente no curto prazo. O objetivo é utilizar uma ferramenta para modelar e otimizar os cenários e as possibilidade de compra de energia elétrica pelos agentes que representam as empresas distribuidoras nos leilões. Optou-se pela de utilização da técnica de inteligência artificial baseada em Algoritmos Genéticos, bastante difundida na literatura vigente para a implementação de ferramentas computacionais para resolução de problemas de planejamento e estudos. Esta técnica utiliza-se do mesmo princípio da área biológica, a criação de gerações populacionais através de cruzamento de indivíduos com características distintas que geram um novo indivíduo, mutação em alguns indivíduos e aplicação do elitismo para garantir que melhor indivíduos permaneçam nas gerações futuras. A utilização da técnica de Algoritmos Genéticos na compra de energia elétrica por uma empresa distribuidora fictícia no estado de São Paulo demonstrou a potencialidade da ferramenta para ser aplicada em qualquer parte do Brasil desde que informados os dados referentes ao subsistema que a concessionária ou comercializadora pertencem. Além disso a ferramenta colabora para o retorno de uma solução ótima, que minimize os prejuízos de subcontratação e sobrecontratação, garantindo os contratos e a confiabilidade de compra de energia elétrica pelas distribuidoras.
publishDate 2017
dc.date.none.fl_str_mv 2017-01-25
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://periodicos.unb.br/index.php/ripe/article/view/21725
10.26512/ripe.v2i10.21725
url https://periodicos.unb.br/index.php/ripe/article/view/21725
identifier_str_mv 10.26512/ripe.v2i10.21725
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://periodicos.unb.br/index.php/ripe/article/view/21725/20037
dc.rights.driver.fl_str_mv Copyright (c) 2019 Revista Interdisciplinar de Pesquisa em Engenharia - RIPE
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2019 Revista Interdisciplinar de Pesquisa em Engenharia - RIPE
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Programa de Pós-Graduação em Integridade de Materiais da Engenharia
publisher.none.fl_str_mv Programa de Pós-Graduação em Integridade de Materiais da Engenharia
dc.source.none.fl_str_mv Revista Interdisciplinar de Pesquisa em Engenharia; Vol. 2 No. 10 (2016): COMPUTATIONAL INTELLIGENCE TECHNIQUES FOR OPTMIZATION AND DATA MODELING (II); 19-38
Revista Interdisciplinar de Pesquisa em Engenharia; v. 2 n. 10 (2016): COMPUTATIONAL INTELLIGENCE TECHNIQUES FOR OPTMIZATION AND DATA MODELING (II); 19-38
2447-6102
reponame:Revista Interdisciplinar de Pesquisa em Engenharia
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Revista Interdisciplinar de Pesquisa em Engenharia
collection Revista Interdisciplinar de Pesquisa em Engenharia
repository.name.fl_str_mv Revista Interdisciplinar de Pesquisa em Engenharia - Universidade de Brasília (UnB)
repository.mail.fl_str_mv anflor@unb.br
_version_ 1798315226680000512