Mecanismos de aversão a risco em modelos de planejamento da operação do setor elétrico brasileiro
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/106/106134/tde-04012022-180639/ |
Resumo: | O Sistema Elétrico Brasileiro é peculiar pela sua geração fundamentada essencialmente na hidroeletricidade, apesar da constante e expressiva expansão de outras fontes renováveis. Seu sistema de transmissão também merece destaque por interligar a geração e centros de consumo de todo o Brasil, que é um país com dimensões continentais. Esses fatores tornam a operação um procedimento complexo por conta da dependência da ocorrência de chuva para as diversas regiões do país com diferentes sazonalidades e dos conflitos ocasionados pelos usos múltiplos da água. O sistema brasileiro possui 63,2% da capacidade instalada formada por usinas hidráulicas (MME; EPE, 2020), fração esta composta por 91 usinas a fio d´água, uma usina de bombeamento e mais 60 usinas com reservatórios conectados em diversas cascatas (ANA, 2020). A operação dos reservatórios é condicionada a restrições de cotas mínimas e máximas, vazões mínimas defluentes e podem ter mudança significativa da produtividade pela variação da queda entre os níveis dágua a montante e no canal de fuga. A geração hidrelétrica é influenciada pela sazonalidade e aleatoriedade das chuvas e possui comportamentos diferentes conforme a região do país. A existência de grandes reservatórios reduz os efeitos das incertezas já que através deles é possível regularizar as vazões, guardando a água dos períodos de maiores afluências para sua utilização nos períodos de estiagem, o que traz segurança, pois reduz o risco de déficit no atendimento da carga, e menores custos de operação do sistema, por reduzir a variabilidade do despacho térmico necessário para complementar o atendimento à demanda. Para que seja encontrada uma solução ótima de equilíbrio entre o benefício presente do uso da água e o benefício futuro de seu armazenamento são utilizados modelos matemáticos para o planejamento energético que retornam o custo da operação (CCEE, 2019). Devido às diversas incertezas das variáveis que estes modelos contemplam, como as próprias afluências, carga, geração de usinas de despacho descentralizado, expansão, além das diversas restrições operativas, foram implementados mecanismos de aversão a risco para auxiliar que a garantia de atendimento à demanda, ou do risco de déficit, permaneçam em níveis adequados. Essa pesquisa tem como objetivo a avaliação das metodologias de aversão a risco já propostas nos modelos de planejamento energético e formação de preço do Sistema Interligado Nacional (SIN) utilizados oficialmente pelo Operador Nacional do Sistema (ONS): a CAR, (Curva de Aversão a Risco) que já foi descontinuada, o CVaR (Conditional Value at Risk) e o Volume Mínimo Operativo, que são as modelagens 6 adotadas atualmente e a SAR (Superfície de Aversão a Risco) que nunca foi utilizada devido sua complexidade e tempo de processamento computacional. |
id |
USP_e2f6dd5f59dc9d91aa81b09b5477ce48 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-04012022-180639 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Mecanismos de aversão a risco em modelos de planejamento da operação do setor elétrico brasileiroRisk aversion mechanisms in operation models of the Brazilian electricity sectorDynamic ProgrammingEnergy PlanningHidrologia EstocásticaLinear ProgrammingOtimização EstocásticaPlanejamento EnergéticoProgramação DinâmicaProgramação LinearStochastic HydrologyStochastic OptimizationO Sistema Elétrico Brasileiro é peculiar pela sua geração fundamentada essencialmente na hidroeletricidade, apesar da constante e expressiva expansão de outras fontes renováveis. Seu sistema de transmissão também merece destaque por interligar a geração e centros de consumo de todo o Brasil, que é um país com dimensões continentais. Esses fatores tornam a operação um procedimento complexo por conta da dependência da ocorrência de chuva para as diversas regiões do país com diferentes sazonalidades e dos conflitos ocasionados pelos usos múltiplos da água. O sistema brasileiro possui 63,2% da capacidade instalada formada por usinas hidráulicas (MME; EPE, 2020), fração esta composta por 91 usinas a fio d´água, uma usina de bombeamento e mais 60 usinas com reservatórios conectados em diversas cascatas (ANA, 2020). A operação dos reservatórios é condicionada a restrições de cotas mínimas e máximas, vazões mínimas defluentes e podem ter mudança significativa da produtividade pela variação da queda entre os níveis dágua a montante e no canal de fuga. A geração hidrelétrica é influenciada pela sazonalidade e aleatoriedade das chuvas e possui comportamentos diferentes conforme a região do país. A existência de grandes reservatórios reduz os efeitos das incertezas já que através deles é possível regularizar as vazões, guardando a água dos períodos de maiores afluências para sua utilização nos períodos de estiagem, o que traz segurança, pois reduz o risco de déficit no atendimento da carga, e menores custos de operação do sistema, por reduzir a variabilidade do despacho térmico necessário para complementar o atendimento à demanda. Para que seja encontrada uma solução ótima de equilíbrio entre o benefício presente do uso da água e o benefício futuro de seu armazenamento são utilizados modelos matemáticos para o planejamento energético que retornam o custo da operação (CCEE, 2019). Devido às diversas incertezas das variáveis que estes modelos contemplam, como as próprias afluências, carga, geração de usinas de despacho descentralizado, expansão, além das diversas restrições operativas, foram implementados mecanismos de aversão a risco para auxiliar que a garantia de atendimento à demanda, ou do risco de déficit, permaneçam em níveis adequados. Essa pesquisa tem como objetivo a avaliação das metodologias de aversão a risco já propostas nos modelos de planejamento energético e formação de preço do Sistema Interligado Nacional (SIN) utilizados oficialmente pelo Operador Nacional do Sistema (ONS): a CAR, (Curva de Aversão a Risco) que já foi descontinuada, o CVaR (Conditional Value at Risk) e o Volume Mínimo Operativo, que são as modelagens 6 adotadas atualmente e a SAR (Superfície de Aversão a Risco) que nunca foi utilizada devido sua complexidade e tempo de processamento computacional.The Brazilian Electric System is peculiar because of its generation based essentially on hydroelectricity, despite the expressive and continuous expansion of other renewable sources. Its transmission system is also noteworthy for interconnecting generation and consumption centers throughout Brazil, which has continental dimensions. These factors make the operation a complex procedure due to the dependence on the occurrence of rain in regions of the country with different seasonality and due to the conflicts caused by multiple uses of water. The Brazilian system has 63,2% of the installed capacity formed by hydraulic plants (MME; EPE, 2020), a fraction consisted of 91 run-of-river plants, a pumping plant and another 60 plants with reservoirs connected in several cascades (ANA, 2020). The operation of the reservoirs is conditioned to restrictions of minimum flows and can present a significant change in productivity because of the variation in the fall between the water levels upstream and in the escape channel. Hydroelectric generation is influenced by the seasonality and randomness of rainfall and has different behaviors depending on the region of the country. The existence of large reservoir reduces the effects of uncertainties, since through them it is possible to regularize the flows, keeping the water in storage from periods of greater affluence for its use in dry periods, which brings security, as it reduces the risk of deficit in the energy demand, also the system operating costs, as it reduces the variability of the thermal dispatch needed to complement demand. In order to find an optimal balance solution between the present benefit of using water and the future benefit of its storage, mathematical models are used for energy planning, that returns the cost of operation as consequence (CCEE, 2019). Due to the various uncertainties of the variables that these models include, such as inflows, load, generation of decentralized dispatch plants, expansion, in addition to the various operating restrictions, risk aversion mechanisms were implemented to help ensure the systems safety, or the risk of deficit, remain at adequate levels. This research aims to evaluate the risk aversion methodologies already proposed in the energy planning and price formation models of the National Interconnected System (SIN) officially used by National System Operator (ONS): CAR (Risk Aversion Curve) which has already been discontinued, CvaR (Conditional Value at Risk) and the Minimum Operating Volume, which are the models currently adopted, and the SAR (Risk Aversion Surface), which was never used because of its complexity and computational processing time.Biblioteca Digitais de Teses e Dissertações da USPZambon, Renato CarlosLima, Sylvia Cristina de Paula2021-11-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/106/106134/tde-04012022-180639/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2022-02-08T15:02:02Zoai:teses.usp.br:tde-04012022-180639Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212022-02-08T15:02:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Mecanismos de aversão a risco em modelos de planejamento da operação do setor elétrico brasileiro Risk aversion mechanisms in operation models of the Brazilian electricity sector |
title |
Mecanismos de aversão a risco em modelos de planejamento da operação do setor elétrico brasileiro |
spellingShingle |
Mecanismos de aversão a risco em modelos de planejamento da operação do setor elétrico brasileiro Lima, Sylvia Cristina de Paula Dynamic Programming Energy Planning Hidrologia Estocástica Linear Programming Otimização Estocástica Planejamento Energético Programação Dinâmica Programação Linear Stochastic Hydrology Stochastic Optimization |
title_short |
Mecanismos de aversão a risco em modelos de planejamento da operação do setor elétrico brasileiro |
title_full |
Mecanismos de aversão a risco em modelos de planejamento da operação do setor elétrico brasileiro |
title_fullStr |
Mecanismos de aversão a risco em modelos de planejamento da operação do setor elétrico brasileiro |
title_full_unstemmed |
Mecanismos de aversão a risco em modelos de planejamento da operação do setor elétrico brasileiro |
title_sort |
Mecanismos de aversão a risco em modelos de planejamento da operação do setor elétrico brasileiro |
author |
Lima, Sylvia Cristina de Paula |
author_facet |
Lima, Sylvia Cristina de Paula |
author_role |
author |
dc.contributor.none.fl_str_mv |
Zambon, Renato Carlos |
dc.contributor.author.fl_str_mv |
Lima, Sylvia Cristina de Paula |
dc.subject.por.fl_str_mv |
Dynamic Programming Energy Planning Hidrologia Estocástica Linear Programming Otimização Estocástica Planejamento Energético Programação Dinâmica Programação Linear Stochastic Hydrology Stochastic Optimization |
topic |
Dynamic Programming Energy Planning Hidrologia Estocástica Linear Programming Otimização Estocástica Planejamento Energético Programação Dinâmica Programação Linear Stochastic Hydrology Stochastic Optimization |
description |
O Sistema Elétrico Brasileiro é peculiar pela sua geração fundamentada essencialmente na hidroeletricidade, apesar da constante e expressiva expansão de outras fontes renováveis. Seu sistema de transmissão também merece destaque por interligar a geração e centros de consumo de todo o Brasil, que é um país com dimensões continentais. Esses fatores tornam a operação um procedimento complexo por conta da dependência da ocorrência de chuva para as diversas regiões do país com diferentes sazonalidades e dos conflitos ocasionados pelos usos múltiplos da água. O sistema brasileiro possui 63,2% da capacidade instalada formada por usinas hidráulicas (MME; EPE, 2020), fração esta composta por 91 usinas a fio d´água, uma usina de bombeamento e mais 60 usinas com reservatórios conectados em diversas cascatas (ANA, 2020). A operação dos reservatórios é condicionada a restrições de cotas mínimas e máximas, vazões mínimas defluentes e podem ter mudança significativa da produtividade pela variação da queda entre os níveis dágua a montante e no canal de fuga. A geração hidrelétrica é influenciada pela sazonalidade e aleatoriedade das chuvas e possui comportamentos diferentes conforme a região do país. A existência de grandes reservatórios reduz os efeitos das incertezas já que através deles é possível regularizar as vazões, guardando a água dos períodos de maiores afluências para sua utilização nos períodos de estiagem, o que traz segurança, pois reduz o risco de déficit no atendimento da carga, e menores custos de operação do sistema, por reduzir a variabilidade do despacho térmico necessário para complementar o atendimento à demanda. Para que seja encontrada uma solução ótima de equilíbrio entre o benefício presente do uso da água e o benefício futuro de seu armazenamento são utilizados modelos matemáticos para o planejamento energético que retornam o custo da operação (CCEE, 2019). Devido às diversas incertezas das variáveis que estes modelos contemplam, como as próprias afluências, carga, geração de usinas de despacho descentralizado, expansão, além das diversas restrições operativas, foram implementados mecanismos de aversão a risco para auxiliar que a garantia de atendimento à demanda, ou do risco de déficit, permaneçam em níveis adequados. Essa pesquisa tem como objetivo a avaliação das metodologias de aversão a risco já propostas nos modelos de planejamento energético e formação de preço do Sistema Interligado Nacional (SIN) utilizados oficialmente pelo Operador Nacional do Sistema (ONS): a CAR, (Curva de Aversão a Risco) que já foi descontinuada, o CVaR (Conditional Value at Risk) e o Volume Mínimo Operativo, que são as modelagens 6 adotadas atualmente e a SAR (Superfície de Aversão a Risco) que nunca foi utilizada devido sua complexidade e tempo de processamento computacional. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-11-18 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/106/106134/tde-04012022-180639/ |
url |
https://www.teses.usp.br/teses/disponiveis/106/106134/tde-04012022-180639/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1815256710695092224 |