UNIVERSIDADE ANHEMBI MORUMBI
MARCELO ALVES SILVA LOPES
RAFAEL SANTOS DIAS
ROGÉRIO HENRIQUE DÓRO
Pesquisa Operacional: Utilização de um Modelo
Computacional como Apoio para Decisão na
Contratação de Energia
SÃO PAULO
2010
ii
MARCELO ALVES SILVA LOPES
RAFAEL SANTOS DIAS
ROGÉRIO HENRIQUE DÓRO
Pesquisa Operacional: Utilização de um Modelo
Computacional como Apoio para Decisão na
Contratação de Energia
Trabalho
de
Conclusão
de
Curso
apresentado como exigência parcial
para a obtenção do título de Graduação
do Curso de Engenharia de Produção
da Universidade Anhembi Morumbi.
Orientador: Prof. MSc. Hélio Pekelman
SÃO PAULO
2010
iii
MARCELO ALVES SILVA LOPES
RAFAEL SANTOS DIAS
ROGÉRIO HENRIQUE DÓRO
Pesquisa Operacional: Utilização de um Modelo
Computacional como Apoio para Decisão na
Contratação de Energia
Trabalho
de
Conclusão
de
Curso
apresentado como exigência parcial
para a obtenção do título de Graduação
do Curso de Engenharia de Produção
da Universidade Anhembi Morumbi.
Trabalho____________ em: ____ de _______________ de 2010.
______________________________________________
Orientador: Prof. MSc. Hélio Pekelman
______________________________________________
Prof. MSc. Francisco Carlos Damante
Comentários:_________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
iv
Dedicamos:
A nossos pais e nossa família que por
toda nossa vida, nos apoiaram não
somente com nossos estudos, mas
também, pelo amor, carinho, dedicação
e
paciência
que
sempre
tiveram
namoradas
pela
conosco.
A
nossas
compreensão e apoio no período em
que nos dedicamos a esta tarefa.
v
AGRADECIMENTOS
Agradecemos
à
Universidade
Anhembi
Morumbi
pela
estrutura
que
nos
proporcionam ótimo estudo com, biblioteca, professores preparados, entre outros,
para que pudéssemos aprimorar nossos conhecimentos.
Aos professores que tiveram paciência para nos explicar quando não entendíamos
alguma matéria. Que também nos fizeram crescer tanto como profissionais da área,
como pessoas, nos transmitindo seus conhecimentos.
Ao nosso orientador Prof. Hélio Pekelman, pelo professor exemplar que é, pôde nos
ajudar sempre que preciso, mesmo quando a pergunta pudesse ser banal, ele nos
respondeu, nos ajudou do começo ao fim.
Ao Engº Carlos Caminada, profissional do mercado de Energia, pelos ensinamentos
e pelo apoio no decorrer do trabalho.
Muito Obrigado!
vi
RESUMO
A necessidade de energia a preços competitivos é um assunto de extrema
importância para as empresas brasileiras. O atual modelo do setor elétrico brasileiro
oferece a oportunidade das empresas negociarem suas necessidades energéticas
no ambiente regulado e livre. Quando uma empresa atua no mercado livre de
energia pode contratar suas necessidades energéticas no curto e longo prazo pelo
que a análise da melhor estratégia torna-se fundamental. O presente trabalho exibe
uma visão geral do mercado de energia elétrica, das instituições e dos agentes que
atuam neste setor. No contexto de decisão são abordadas as definições de
Pesquisa Operacional e as principais ferramentas de decisão. Através do método de
Monte Carlo, apresenta-se um modelo computacional para auxiliar a decisão da
melhor estratégia de contratação de energia elétrica no mercado livre.
Palavras Chave: Método de Monte Carlo. Ambiente de Contratação Cativo.
Ambiente de Contratação Livre. Consumidores Livres de Energia.
vii
ABSTRACT
The need for competitively prices of energy is a subject of great importance for
brazilian companies. The current model of the brazilian electric power sector offers
the opportunity for companies to negotiate their energy needs in the regulated and
free. When a company operates in the free energy market can hire their energy
needs in the short and long term that the analysis of the best strategy becomes
crucial. This work displays an overview of the electricity market, institutions and
agents that operate in this sector. In the context of decision deals with the definitions
of Operations Research and the main decision making tools. Through the Monte
Carlo method, we present a computational model to help better decision hiring
strategy of electricity on the open market.
Key Words: Monte Carlo Method. Captive Contracting Environment. Free Contracting
Environment. Free Energy Consumers.
viii
LISTA DE ILUSTRAÇÕES
Figura 5.1 – Modelo simbólico: fluxograma de atendimento de unidades de resgate
do Corpo de Bombeiros ............................................................................................ 12
Figura 5.2 – Metodologia de Simulação. ................................................................... 15
Figura 5.3 – Distribuição Normal. .............................................................................. 18
Figura 5.4 – Distribuição Uniforme. ........................................................................... 19
Figura 5.5 – Distribuição Logarítimica. ...................................................................... 19
Figura 5.6 – Distribuição Triangular. ......................................................................... 20
Figura 5.7 – Setores e Aplicação do @RISK. ........................................................... 22
Figura 5.8 – Histograma de Dados para Conclusão de Auditorias. ........................... 24
Figura 6.1 – Quadro de Exemplo dos Agentes.......................................................... 28
Figura 6.2 – Visão Geral dos Leilões do ACR. .......................................................... 29
Figura 6.3 – Visão Geral da Comercialização de Energia. ........................................ 30
Figura 6.4 – Funcionamento do Mercado. ................................................................. 32
Figura 6.5 – Diagrama das Instituições. .................................................................... 33
Figura 6.6 – Evolução dos Agentes na CCEE. .......................................................... 36
Figura 6.7 – Agentes Geradores. .............................................................................. 37
Figura 6.8 – Agentes Produtores Independentes. ..................................................... 38
Figura 6.9 – Agentes Autoprodutores. ....................................................................... 38
Figura 6.10 – Agentes Transmissores. ...................................................................... 39
Figura 6.11 – Agentes Distribuidores. ....................................................................... 40
Figura 6.12 – Agentes Comercializadores. ............................................................... 41
Figura 6.13 – Agentes Consumidores Livres e Especiais. ........................................ 42
Figura 6.14 – Estrutura da Capacidade Instalada no SIN – MW. .............................. 44
Figura 6.15 – Processo de decisão para sistemas hidrotérmicos. ............................ 45
Figura 6.16 – Representação do uso ótimo da água. ................................................ 47
Figura 6.17 – Mercado de Curto Prazo. .................................................................... 49
Figura 6.18 – Evolução do PLD................................................................................. 50
Figura 7.1 – Evolução da Tarifa de Energia. ............................................................. 54
Figura 8.1 – Análise de Beneficio Cenário 1. ............................................................ 72
Figura 8.2 – Analise de beneficio Cenário 2. ............................................................. 73
ix
Figura 8.3 – Analise de beneficio Cenário 3. ............................................................. 74
Figura 8.4 – Análise de Beneficio de Todos os Cenários. ......................................... 75
x
LISTA DE TABELAS
Tabela 6.1 – Critérios vigentes para se tornar Consumidor Livre............................41
Tabela 7.1 – Classe de Consumidores do Grupo A.................................................52
Tabela 7.2 – Estrutura da tarifa horo-sazonal azul...................................................53
Tabela 7.3 – Estrutura da tarifa horo-sazonal verde................................................53
Tabela 7.4 – Classe de Consumidores do Grupo B.................................................54
Tabela 7.5 – Preço de Curto Prazo..........................................................................57
Tabela 8.1 – Valores de Consumo por Categoria dos Meses de 2011....................62
Tabela 8.2 – Custo de Energia no Mercado das Distribuidoras................................64
Tabela 8.3 – Método de Sorteio dos Preços de Curto Prazo....................................66
Tabela 8.4 – Custo de Energia no Mercado Livre.....................................................68
Tabela 8.5 Modelagem dos Custos do Mercado Cativo e Livre................................70
Tabela 8.5 – Modelagem dos Custos do Mercado Cativo e Livre – Continuação......71
Tabela 9.1 – Possibilidades de Benefício..................................................................76
xi
LISTA DE ABREVIATURAS E SIGLAS
ABRATE
Associação Brasileira das Grandes Empresas de Transmissão
de Energia Elétrica
ACL
Ambiente de Contratação Livre
ACR
Ambiente de Contratação Regulado
ANEEL
Agência Nacional de Energia Elétrica
CCEE
Câmara de Comercialização de Energia Elétrica
CEEE
Companhia Estadual de Energia Elétrica
CEMIG
Companhia Energética de Minas Gerais
CESP
Companhia Energética de São Paulo
CFPS
Consumo Fora Ponta Seco
CFPU
Consumo Fora Ponta Úmido
CHESF
Companhia Hidro Elétrica do São Francisco
CMSE
Comitê de Monitoramento do Setor Elétrico
CMO
Custos Marginais de Operação
CNPE
Conselho Nacional de Pesquisa Energética
CP
Curto Prazo
CPFL
Companhia Paulista de Força e Luz
CPS
Consumo Ponta Seco
CPU
Consumo Ponta Úmido
CTEEP
Companhia de Transmissão de Energia Elétrica Paulista
DFPS
Demanda de Potência no Horário de Fora Ponta Seco
DFPU
Demanda de Potência no Horário de Fora Ponta Úmido
DPS
Demanda de Potência no Horário de Ponta Seco
DPU
Demanda de Potência no Horário de Ponta Úmido
EPE
Empresa de Pesquisa Energética
xii
ESS
Encargo de Serviço do Sistema
FCF
Função de Custo Futuro
FCFPS
Fator de Carga Fora Ponta Seco
FCFPU
Fator de Carga Fora Ponta Úmido
FCI
Função de Custo Imediato
FCPS
Fator de Carga no Horário de Ponta Seco
FCPU
Fator de Carga Ponta Úmido
FCT
Função de Custo Total
FP
Fora Ponta
HFPS
Número de Horas do Horário de Fora Ponta Seco
HFPU
Número de Horas do Horário de Fora Ponta Úmido
HPS
Número de Horas do horário de Ponta Seco
HPU
Número de Horas do Horário de ponta Úmido
LP
Longo Prazo
MAE
Mercado Atacadista de Energia Elétrica
MC
Monte Carlo
MMC
Método de Monte Carlo
MME
Ministério de Minas e Energia
ONS
Operador Nacional do Sistema
P
Ponta
PAR(p)
Periódico Auto Regressivo
PCHs
Pequenas Centrais Hidroelétricas
PCP
Preço de Curto Prazo
PLD
Preço de liquidação de Diferenças
RE-SEB
Reestruturação do Setor Elétrico Brasileiro
RGE
Rio Grande Energia
S
Seco
xiii
SIN
Sistema Interligado Nacional
TE
Tarifa de Energia
U
Úmido
xiv
SUMÁRIO
p.
1. INTRODUÇÃO ........................................................................................................ 1
2. OBJETIVOS ............................................................................................................ 2
2.1 OBJETIVO GERAL ............................................................................................... 2
2.2 OBJETIVOS ESPECÍFICOS ................................................................................. 2
3. METODOLOGIA ..................................................................................................... 3
4. JUSTIFICATIVA...................................................................................................... 5
5. PESQUISA OPERACIONAL .................................................................................. 6
5.1 ORIGEM ................................................................................................................ 6
5.2 DEFINIÇÃO DE PESQUISA OPERACIONAL ...................................................... 7
5.3 OS PROBLEMAS DE DECISÃO E A TEORIA DE DECISÃO ............................. 7
5.3.1 Classificações de Problemas de Decisão........................................................... 9
5.4 MODELAGENS DE PROBLEMAS EM PESQUISA OPERACIONAL ................ 10
5.4.1 Modelos Simbólicos, Icônicos e Diagramáticos................................................ 10
5.4.2 Modelos Matemáticos ou Analíticos ................................................................. 13
5.4.3 Modelos de Simulação ..................................................................................... 13
5.4.4 A metodologia da simulação ............................................................................ 14
5.5 MÉTODO MONTE CARLO ................................................................................. 17
xv
5.6 FERRAMENTA PARA SIMULAÇÃO DE MONTE CARLO ................................ 20
5.7 DISTRIBUIÇÃO DE FREQUÊNCIA RELATIVA ................................................. 23
5.8 IMPORTÂNCIA DA INFORMAÇÃO ................................................................... 24
6. O SETOR ELÉTRICO BRASILEIRO .................................................................... 26
6.1 HISTÓRICO ........................................................................................................ 26
6.1.1 Novo Modelo .................................................................................................... 27
6.1.2 Funcionamento do mercado ............................................................................. 31
6.1.3 Instituições do setor elétrico e suas Atribuições ............................................... 32
6.1.4 Agentes do Mercado ........................................................................................ 36
6.2 O SIN E OS MODELOS PARA O PLANEJAMENTO DA OPERAÇÃO
ENERGÉTICA ........................................................................................................... 43
6.2.1 Modelos para o Planejamento .......................................................................... 44
6.2.2 PLD e Mercado de Curto Prazo ....................................................................... 48
7. COMPRA DE ENERGIA ....................................................................................... 51
7.1 COMPRA DE ENERGIA POR CONSUMIDORES NO ACR ............................... 51
7.2 COMPRA DE ENERGIA NO ACL ...................................................................... 55
7.2.1 Principais contratos negociados no ACL .......................................................... 56
7.2.2 Ferramenta de Previsão de Preços .................................................................. 57
7.2.3 Direito de Livre Acesso..................................................................................... 57
7.2.4 Encargos do Mercado Livre.............................................................................. 58
xvi
7.2.5 Obrigatoriedade de ser Agente da CCEE......................................................... 58
7.2.6 Benefícios de Comprar Energia como Cliente Livre ......................................... 58
8. ESTUDO DE CASO .............................................................................................. 60
8.1 SIMULAÇÃO DO MERCADO CATIVO .............................................................. 60
8.2 SIMULAÇÃO DO MERCADO LIVRE ................................................................. 65
8.3 COMPARAÇÃO DOS CUSTOS ......................................................................... 69
8.4 RESULTADOS .................................................................................................... 72
9. CONCLUSÃO ....................................................................................................... 76
REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................... 78
ANEXO ....................................................................................................................... 1
1
1. INTRODUÇÃO
A atual reformulação do setor elétrico, que prevê a instauração da competição entre
os agentes que atuam neste mercado, oferece diversas possibilidades aos
consumidores de energia elétrica para atender suas necessidades.
Empresas que apresentam grande consumo de eletricidade, como as indústrias, por
exemplo,
podem
obter
redução
de
custos
que
devem
ser
explorados
convenientemente. Há diversas possibilidades para o desenvolvimento de uma
política de contratação de eletricidade centrada na busca da maneira mais confiável
e econômica.
Os consumidores de energia que participam do mercado livre associam suas
necessidades energéticas a um portfólio de contratos bilaterais que são negociados
no Ambiente de Contratação Livre (ACL). Os agentes envolvidos neste ambiente
interessados em otimizar seus portfólios têm que levar em consideração não
somente o montante a ser adquirido, mas também os riscos associados ao preço da
energia no mercado de curto prazo e as formas de mensurar esses riscos. Uma
forma de avaliar o benefício do ACL é uma comparação detalhada com as condições
oferecidas no Ambiente de Contratação Regulada (ACR)
As
técnicas
de
inteligência
artificial
possibilitam
novas
ferramentas
de
gerenciamento de risco, entre as quais se destaca a simulação de Monte Carlo.
Em meio a tantas possibilidades de contratação a simulação é uma boa forma de
representar os resultados para avaliar a melhor estratégia.
2
2. OBJETIVOS
2.1 Objetivo Geral
Apresentar uma visão do setor brasileiro de energia elétrica, em particular em
relação aos interesses dos ―clientes potencialmente livres‖ e dos ―clientes livres‖.
Mostrar que um modelo de simulação pode ser usado como forma de avaliar os
riscos e como uma ferramenta de apoio a decisão.
2.2 Objetivos Específicos
Propor uma metodologia de simulação computacional baseado na técnica de Monte
Carlo para auxiliar a decisão quanto à melhor estratégia de contratação de energia
elétrica para consumidores que atuam no Ambiente de Contratação Livre do Brasil.
3
3. METODOLOGIA
A necessidade de refinadas informações sobre o setor elétrico e um modelo que
representasse a situação de contratação de energia por consumidores livres de
energia elétrica foi o ponto de partida da pesquisa.
A pesquisa inicial foi realizada através de entrevistas com profissionais ligados ao
setor elétrico para captar de forma simplificada as necessidades e carências do
processo decisório de contratação de energia elétrica.
Em seguida foram efetuadas buscas através da internet por palavras chaves
(Mercado de Energia, Pesquisa Operacional, Simulação de Monte Carlo, Métodos
de Decisão, entre outras) que são os principais pontos relacionados e esta pesquisa,
para ter uma referencia teórica detalhada do trabalho.
Após a pesquisa por palavras chave, ainda por meio da internet, foi feito uma busca
de livros pelo site ―Google – Livros‖ e pesquisa de artigos em sites relacionados ao
tema, também através do site da Universidade Anhembi Morumbi, foi feita uma
busca no Sistema de Biblioteca da Universidade para encontrar livros referentes à
pesquisa realizada, para poder ter as melhores referências bibliográficas do assunto
em questão.
Os livros utilizados para o desenvolvimento da pesquisa foram emprestados na
biblioteca da Universidade Anhembi Morumbi e alguns livros adquiridos no decorrer
do curso, foram utilizados também como fonte de pesquisa e alguns estudos
realizados especificamente para o setor elétrico como mestrados e artigos.
Os sítios eletrônicos das instituições envolvidas no setor foram de extrema
importância para obtermos dados e informações oficiais e atualizadas sobre o
mercado estudado.
Quando coletado todo o material necessário para a pesquisa (livros e artigos da
internet), teve-se a leitura minuciosa e com as informações obtidas nas pesquisas,
4
foi feito um cruzamento e uma filtragem dos mesmos para proporcionar
conhecimentos mais aprimorados do assunto, trazendo ganhos na convergência dos
resultados e maior complementaridade do trabalho, para o melhor entendimento dos
interessados e que auxiliarão numa possível implementação em empresas atuantes
do setor.
Como exemplificação da metodologia desenvolvida, utilizou-se uma estratégia de
estudo de caso onde se avaliou as diversas condições em que se encontram os
consumidores livre de energia.
O estudo de caso foi desenvolvido com base nos softwares Microsoft Office Excel e
a ferramenta @RISK, onde se pode extrair os resultados para avaliação.
5
4. JUSTIFICATIVA
Com a criação do método de migração e contratação dos mercados de energia
elétrica existentes, almeja-se inovar e melhorar a forma de contratação de energia
elétrica de uma empresa, com isso proporcionar diminuição dos gastos de energia
elétrica e obter custos mais baixos de produção.
Na definição de um portfólio de contratos de energia, ou de qualquer outra espécie
de investimento, devem ser levadas em consideração diversas informações como a
expectativa preços e também medidas que indiquem a exposição aos riscos
envolvidos.
Nesse sentido a construção e utilização de modelos computacionais capazes de
representar essa realidade são de extrema importância para o processo de
contratação de energia elétrica no mercado livre brasileiro.
6
5. PESQUISA OPERACIONAL
5.1 Origem
O nome ―Pesquisa Operacional‖ tem origem da Segunda Grande Guerra mundial
(1939-1945), onde especialistas multidisciplinares foram reunidos para aplicar uma
abordagem científica e qualitativa a problemas estratégicos e táticos. Ao mesmo
tempo em que o desenvolvimento de hardwares militares (aviões, explosivos,
motores, tanques, dentre outros) melhorava o desempenho de batalha, havia uma
necessidade de alocar recursos escassos às varias operações militares. Dado esse
cenário, a necessidade de pesquisas sobre atividades operacionais militares dava
origem ao termo britânico Operational Research que traduzido para o português
significa Pesquisa Operacional (MOREIRA, 2007).
Passado o período de guerra, em 1948 o Instituto de tecnologia de Massachusetts
nos Estados Unidos formou o primeiro programa formal de estudos de Pesquisa
Operacional para áreas não militares com a perspectiva de disseminar o conceito
nas organizações civis. Dois anos após a criação do Instituto, a Pesquisa
Operacional já estava inserida nas organizações de negócios como no governo e na
indústria (ANDRADE, 2002).
O período que vai de 1945 até meados da década de 1970 é conhecido como ―a
idade de ouro‖ da Pesquisa Operacional, devido à rápida expansão de seu uso.
O consenso dos especialistas é de que foram dois os fatores que alavancaram a
utilização da Pesquisa Operacional. O primeiro foi a melhoria das técnicas com
importantes avanços para formulação dos problemas. Um exemplo desses avanços
é o método Simplex, que foi desenvolvido por George Dantzig em 1947 para
resolver problemas de programação linear, e é considerado o primeiro fato que
impulsionou o campo de estudos. O segundo se deve as ferramentas
computacionais, onde o desenvolvimento de computadores e a popularização dos
mesmos tornaram os cálculos que eram tediosos e demorados mais simples. A partir
7
da década de 1980 os computadores continuaram mostrando seu valor com
desenvolvimento de softwares cada vez mais robustos (ANDRADE, 2002).
Com a virada do milênio (2000) os computadores continuaram a seguir a tendência
de miniaturização de seus componentes e, tornando dessa forma os computadores
mais maleáveis e práticos nas tarefas diárias chamados de Laptop, Notebook e hoje
em dia Netbook, cada vez mais há grandes investimentos quanto a seu design.
5.2 Definição de Pesquisa Operacional
Uma publicação do Informs (Institute for Operations Research and the management
Sciences) estabelece que a Pesquisa Operacional, é o campo de estudos em que
são aplicados métodos analíticos para ajudar os executivos a tomar as melhores
decisões através do uso de técnicas, como matemática para analisar situações
complexas, a Pesquisa operacional dá aos executivos o poder da tomada de
decisão para a construção de sistemas mais produtivos, baseados em dados mais
completos, consideração de todas as alternativas possíveis, previsões cuidadosas
de resultados e estimativas de risco e nas mais modernas ferramentas e técnicas de
decisão (INFORMS, apud MOREIRA, 2007, p. 3).
5.3 Os Problemas de Decisão e a Teoria de Decisão
A resolução de problemas é uma tarefa comum no dia a dia das pessoas e
empresas. Para que um problema seja realmente caracterizado, é preciso que o
tomador de decisão (a pessoa ou física ou institucional) tenha, diante de si, mais de
uma alternativa.
O problema de decisão envolve uma tomada de decisão hoje, ou seja, no momento
presente ou próximo onde as consequências serão sentidas ao longo do tempo.
Seria ótimo se pudéssemos saber de antemão o que vai ocorrer no futuro e assim
antecipar a decisão para uma forma mais assertiva. A falta de certeza sobre os
acontecimentos futuros é uma característica de muitos modelos decisórios, e as
pessoas que lidam de maneira eficaz com esses modelos, por meio de habilidade ou
8
sorte, muitas vezes são bem recompensadas por seus feitos. No primeiro livro do
Antigo Testamento, José é promovido de escravo à assistente do Faraó do Egito por
prever de maneira precisa sete anos de fartura e sete anos de escassez (MOORE;
HEATHERFORD, 2005).
A Teoria de Decisão que mais se encaixa dentro do assunto de nossa pesquisa
pode ser descrita pelo conjunto de técnicas quantitativas que tem por objetivo ajudar
o tomador de decisão tanto a sistematizar o problema de decisão como a solucionálo. A solução de um problema deve obedecer alguns critérios para sua eficiência, no
que se refere à Teoria da Decisão não é diferente e os critérios básicos podem ser
descritos como:


Estratégias alternativas

Estados da natureza

Resultados
Estratégias alternativas
São todas as possíveis soluções para o problema, os cursos de ação alternativos
que podemos seguir. Se as alternativas não são destacadas não temos um
problema de decisão. Como exemplo, podemos citar uma aplicação do método
Monte Carlo para Analise de Risco, onde uma empresa quer avaliar o risco de um
investimento. As alternativas listadas neste caso são: expandir a atual linha de
sapatos infanto-juvenil ou a diversificação da linha, introduzindo sapatos femininos
(ANDRADE, 2002).

Estados da Natureza
Estados de natureza são todos os acontecimentos que poderão influir sobre as
alternativas de decisão que o tomador de decisão possui. No caso da analise de
risco exemplificada por (ANDRADE, 2002), os estados de natureza são as
demandas futuras possíveis. Se imaginarmos que há três demandas possíveis,
ficaríamos com duas alternativas de decisão e três estados de natureza.
9

Resultados
Na estrutura de problemas de decisão o critério resultado significa a consequência
de se escolher uma dada alternativa de decisão, quando ocorrer certo estado de
natureza. A cada combinação de alternativa de decisão/estado de natureza, teremos
um resultado possível. No exemplo que estamos considerando, com duas
alternativas de e três estados de natureza, teremos, então 2 x 3 = 6 resultados
possíveis.
5.3.1 Classificações de Problemas de Decisão
Tradicionalmente, os problemas de decisão são classificados de acordo com os
estados de natureza, ou seja, do conhecimento que temos acerca desses estados.
Segundo MOREIRA (2007) atribui aos problemas de decisão três classificações. A
saber:


Decisão Tomada Sob Certeza

Decisão Tomada Sob Risco

Decisão Tomada Incerteza
Decisão Tomada Sob Certeza
Quando sabemos exatamente qual é o estado de natureza que vai ocorrer ou, de
alguma forma, conhecemos com certeza todos os dados do nosso problema temos
que uma decisão tomada sob certeza.

Decisão Tomada Sob Risco
Em problemas que não sabemos qual estado da natureza irá ocorrer, mas podemos
associar a cada um deles uma probabilidade de ocorrência, seja ela objetiva ou
subjetiva temos uma decisão tomada sob risco.
10

Decisão Tomada Sob Incerteza
Por ultimo, temos o caso em que nem sabemos exatamente qual estado da natureza
irá
ocorrer
e,
pior ainda,
nem
mesmo
conseguimos associar
quaisquer
probabilidades de ocorrência aos estados de natureza. Neste caso, consideramos
um problema de decisão tomada sob incerteza.
5.4 Modelagens de Problemas em Pesquisa Operacional
Um modelo é uma representação de um sistema real, que pode já existir ou ser um
projeto aguardando execução. No primeiro caso, o modelo pretende reproduzir o
funcionamento do sistema, de modo a aumentar sua produtividade. No segundo
caso, o modelo é utilizado para definir a estrutura ideal do sistema.
Para saber se um modelo é confiável é necessário validá-lo. Essa validação é a
confirmação de que ele realmente representa o sistema real.
Caso for verificado que o modelo não representa o sistema real, pode-se alterá-lo ou
até mesmo descartá-lo.
Quando se tem um problema simples ele pode ser representado por modelos
também simples e de fácil solução. Já problemas mais complexos requerem
modelos mais elaborados, cuja solução pode vir a ser bastante complicada.
Segundo Einstein, ―Um modelo deve ser o mais simples possível, mas não muito
simples; deve ser complicado, se necessário, mas não muito‖ (CHWIF; MEDINA,
2007).
5.4.1 Modelos Simbólicos, Icônicos e Diagramáticos
Um modelo denominado simbólico (ou diagramático ou icônico) é composto por
símbolos gráficos que representam um sistema de maneira estatística, como uma
―foto‖ (sem considerar o seu comportamento no tempo). Um fluxograma de processo
pode ser considerado como um modelo simbólico. As grandes limitações deste tipo
11
de modelo, além de sua representação estática dos sistemas, é a falta de elementos
quantitativos (medidas de um mesmo sistema). O modelo simbólico é utilizado
principalmente na documentação de projetos e como ferramenta de comunicação. A
Figura 5.1 a seguir, ilustra a representação de um modelo simbólico (atendimento do
corpo de bombeiros) por meio de um fluxograma.
12
Figura 5.1 – Modelo simbólico: fluxograma de atendimento de unidades de resgate do Corpo
de Bombeiros
Fonte: CHWIF; MEDINA (2007).
13
5.4.2 Modelos Matemáticos ou Analíticos
Os modelos matemáticos ou analíticos podem ser vistos como um conjunto de
formulas matemáticas, como por exemplo, os modelos de Programação Linear ou
modelos analíticos da Teoria das Filas. Na sua grande maioria, estes modelos são
de natureza estática. Muito destes modelos não possuem soluções analíticas para
sistemas complexos, devendo-se utilizar hipóteses simplificadoras. Por outro lado,
devido à natureza destes modelos, a solução é rápida e exata (quando existe
solução analítica). (CHWIF; MEDINA, 2007).
5.4.3 Modelos de Simulação
De acordo com CHWIF; MEDINA (2007):
Os sistemas reais, geralmente, apresentam uma maior complexidade devido,
principalmente, a sua natureza dinâmica (que muda seu estado ao longo do tempo)
e sua natureza aleatória (que é regida por variáveis aleatórias). O modelo de
simulação consegue capturar com mais facilidade essas características, procurando
repetir em um computador o mesmo comportamento que o sistema apresentaria
quando submetido às mesmas condições de contorno.
O modelo de simulação é utilizado, particularmente, como uma ferramenta para se
obter respostas a sentenças do tipo: ―O que ocorre se...‖ e existem dois tipos mais
usados que são modelos de simulação computacional e modelos de simulação
continua.
A simulação computacional pode ainda ser classificada em três categorias básicas:
Simulação de ―Monte Carlo‖, simulação continua e simulação de eventos discretos.

A simulação de Monte Carlo utiliza-se de geradores de números aleatórios
pára simular sistemas físicos e matemáticos, nos quais não se considera o
tempo explicitamente como uma variável. Essa simulação é individualmente
útil para solução de problemas matemáticos complicados que surgem no
14
calculo integral, já a simulação continua e a simulação de eventos discretos
leva em consideração a mudança de estado do sistema ao longo do tempo.

A simulação contínua utiliza-se de equações diferenciais para o calculo das
mudanças das variáveis de estado ao longo do tempo.

A simulação de eventos discretos é utilizada para modelar sistemas que
mudam com o estado em momentos discretos no tempo, a partir da
ocorrência de eventos.
De acordo com Pritsker (1995):
―Em alguns casos raros, pode ser necessário construir um modelo de
simulação
que
compreenda
simultaneamente
aspectos
das
simulações continuas e discretas; nestes casos, a simulação é
denominada simulação combinada ou híbrida‖. (PRITSKER, 1995
apud CHWIF; MEDINA, 2007).
5.4.4 A metodologia da simulação
Tendo-se definido que pára a analise de um dado sistema é o modelo de simulação
que melhor se aplica, devemos seguir certos passos, a fim de que o estudo de
simulação seja bem sucedido. Estes passos ou processos são conhecidos na
literatura como ―metodologias de simulação‖ ou ‖ciclos de vida de um modelo de
simulação‖ (LAW; McCOMAS, 1991 apud CHWIF; MEDINA, 2007).
Basicamente, o desenvolvimento de um modelo de simulação compõe-se de três
grandes etapas (Figura 5.2):
15
Figura 5.2 – Metodologia de Simulação.
Fonte: CHWIF (1999).
Inicialmente (primeira fase), o analista de simulação deve entender claramente o
sistema a ser simulado e os seus objetivos, através da discussão do problema com
peritos no assunto. Deve-se decidir com clareza qual será o escopo do modelo, suas
hipóteses e o seu estado de detalhamento. As informações de entrada também são
coletadas nessa fase.
No entanto, é importante ressaltar que o modelo é que deve dirigir a coleta de
dados, e não o contrario (PIDD, 2000 apud CHWIF; MEDINA, 2007). Finalizada a
etapa de concepção, o modelo que esta na mente do analista deve ser representado
de acordo com alguma técnica de representação de modelos de simulação, a fim de
torná-lo um modelo conceitual, de modo que outras pessoas envolvidas no projeto
possam entende-lo.
Na segunda etapa ―implantação‖, o modelo conceitual é convertido em um modelo
computacional através da utilização de qualquer linguagem de simulação ou de um
simulador existente no mercado. Pode-se, ainda, codificar o modelo de simulação de
uma linguagem de programação geral.
16
O modelo computacional praticado dever ser comparado frente ao modelo
conceitual, com a finalidade de avaliar se a sua operação atende ao que foi
estabelecido na etapa de concepção.
Na terceira etapa ―analise‖, o modelo computacional esta pronto para a realização
dos experimentos, dando origem ao ―modelo experimental ou modelo operacional‖.
Nesta etapa são executadas varias ―rodadas‖ do modelo e os resultados da
simulação são analisados e documentados. A partir dos resultados, conclusões e
recomendações sobre o sistema podem ser geradas. Caso necessário (se o
resultado da simulação não for satisfatório), o modelo pode ser modificado, e este
ciclo é reiniciado.
17
5.5 Método Monte Carlo
O método de Monte Carlo (MC) passou a existir oficialmente no ano de 1949 com o
artigo The Monte Carlo Method de autoria dos matemáticos John Von Neumann e
Stanislaw Ulam. Segundo Ulam, o nome do método foi dado em homenagem ao seu
tio, que era freqüentador do cassino de Monte Carlo, ao contrário do que se poderia
pensar em função da associação direta à natureza repetitiva e aleatória da roleta no
cassino, por exemplo. Embora o método já fosse conhecido anteriormente, seu
emprego de fato deu-se com o advento das calculadoras e computadores, uma vez
que se trata de um método numérico (ULAM apud FERNANDES, 2005).
O Método de Monte Carlo é, portanto, um modelo de simulação que utiliza a geração
de números aleatórios para atribuir valores às variáveis que se deseja investigar. Os
números podem ser obtidos através de algum processo aleatório (tabelas, roletas,
etc.) ou diretamente do computador, através de funções específicas (LUSTOSA;
PONTE; DOMINAS, 2004 apud SCHEUNEMANN, 2008).
Como já citado acima, a simulação de Monte Carlo é um método de amostragem
cujo objetivo é permitir a observação e atuação de uma variável de interesse em
razão do comportamento de variáveis que encerram elementos de incerteza.
Embora seja um conceito simples, a operacionalização desse processo requer o
auxílio de alguns métodos matemáticos. Segundo Evans, Olson (1998) e Vose
(2000), dentre os métodos mais conhecidos e utilizados, está o método da
transformada inversa, que faz uso das características dos números aleatórios e da
função distribuição acumulada de uma variável aleatória. (EVANS; VOSE apud
SCHEUNEMANN, 2008).
Como visto até o presente momento, tem-se que a base para o processo de
amostragem realizado nas simulações de Monte Carlo é a geração de números
aleatórios. É a partir desse mecanismo que são produzidas as distribuições das
variáveis de interesse, tomando por base as premissas e as distribuições associadas
às variáveis de entrada, bem como a inter-relação entre as mesmas.
18
Monte Carlo: seleciona valores aleatoriamente de forma autônoma. Em outras
palavras, o número aleatório utilizado em uma rodada não influencia os próximos
números aleatórios a serem utilizados.
Na simulação de Monte Carlo, cada alterável de um modelo de avaliação é
imaginada por uma função densidade de probabilidade, ou por um intervalo de
valores aceitáveis, e não por um simples valor, como na avaliação determinística.
Algumas distribuições são: a normal, a uniforme, a logarítmica e a triangular.
Na distribuição normal, ou gaussiana, os valores estão espalhados de forma
simétrica à média e existe uma probabilidade de serem mais próximos dela do que
distantes de acordo com a Figura 5.3.
Figura 5.3 – Distribuição Normal.
Fonte: CHWIF; MEDINA (2007).
A distribuição uniforme se diferencia por possuir valores com probabilidades iguais
de serem seletos, entre um valor mínimo e um valor máximo, tendo como exemplo a
Figura 5.4.
19
Figura 5.4 – Distribuição Uniforme.
Fonte: CHWIF; MEDINA (2007).
Em uma distribuição logarítmica os valores estão positivamente inclinados,
imaginados por uma longa cauda à direita. Os valores mais possíveis se apresentam
próximo ao valor mínimo ou ao menor valor da faixa. A Figura 5.5 exemplifica a
descrição acima.
Figura 5.5 – Distribuição Logarítimica.
Fonte: CHWIF; MEDINA (2007).
E na distribuição triangular os valores estão entre um valor mínimo e um máximo,
sendo que os valores próximos aos extremos têm menor probabilidade de serem
selecionados, podemos ver o exemplo na Figura 5.6.
20
Figura 5.6 – Distribuição Triangular.
Fonte: CHWIF; MEDINA (2007).
5.6 Ferramenta para simulação de Monte Carlo
O Software @RISK fabricado por uma das líderes mundiais em análise de risco e
decisão – Palisade, tem a capacidade de executar analises de risco por meio da
simulação de Monte Carlo. A Palisade foi fundada na década de 80 com o
lançamento de seu primeiro produto que proporcionava aos usuários a habilidade de
quantificar riscos utilizando simulações Monte Carlo.
Quatro anos depois, em 1987, a Palisade lançou ao mercado o @RISK, que até os
dias de hoje é o carro chefe da empresa no que diz respeito aos seus produtos. Com
aproximadamente 150 mil usuários, os softwares da Palisade podem ser
encontrados em mais de 100 países e foi traduzido em cinco idiomas. Atualmente a
empresa é sediada em Nova York e dispõe de filiais em Londres e Sydney.
(PALISADE,2010).
Com o sistema de software do @RISK executa-se analises de situações técnicas e
de negócios impactadas por risco. O sistema traz as técnicas de simulação e análise
de risco para o pacote de planilha eletrônica padrão, o Microsoft Office Excel. Em
conjunto, o @RISK e EXCEL podem-se modelar diversas situações. (@RISK, 2009).
21
O software em questão tem a capacidade de recalcular, vez após vez, a situação
modelada conforme a distribuição de possíveis resultados gerando assim a
possibilidade de analise dos resultados de cada simulação.
Na realidade o computador tenta reproduzir todas as variáveis de entrada para
simular todos os possíveis resultados. ―É como se o software fizesse centenas de
análises de sensibilidade na planilha, de uma vez só‖.
O @RISK é empregado para analisar risco e incerteza em uma variedade de
setores. A Figura 5.7 ilustra os vários setores e aplicações que pode-se empregar as
técnicas do @RISK.
22
SETOR
EXEMPLO DE APLICAÇÃO
FINANÇAS E DERIVATIVOS
• Modelos
• Estudos de Caso
Planejamento de Aposentadoria
Avaliação de Câmbio
Análise de Opções Reais
Análise de Fluxo de Caixa Descontado
Value-at-risk
Otimização de Portifólio
SEGUROS / RESSEGUROS
• Modelos
• Estudos de Caso
Estimativa de perdas de reservas
Precificação de Prêmio
ÓLEO / GÁS / ENERGIA
• Modelos
• Estudos de Caso
Exploração e Produção
Estimativa de Reservas de Óleo
Estimativa de Capital para Projeto
Precificação
Conformidade com Regulação
SEIS SIGMA / ANÁLISE DE QUALIDADE
• Detalhes e Modelos
• Estudos de Caso
Controle de Qualidade de Manufatura
Melhoria de Serviço ao Consumidor
DMAIC
DFSS / DOE
Lean Seis Sigma
MANUFATURA
• Estudos de Caso
Seis Sigma e Análise de Quaidade
Análise de Novos Produtos
Alocação de Produtos
Fechamento de plantas
Análise do ciclo de vida de produtos
FARMACÊUTICOS / MEDICINA /
SERIÇOS DE SAÚDE
• Estudos de Caso
Análise de Novos Produtos
Estimativa de P&D D
Estimativa de infecção de Doença
MEIO AMBIENTE
• Estudos de Caso
Preservação de Espécies Ameaçadas
Projeção e Limpeza de Áreas Poluídas
GOVERNO E DEFESA
• Estudos de Caso
Alocação de Recursos
Jogos de Guerra
Projeções de Bem estar e Orçamento
AEROESPACIAL E TRANSPORTE
• Estudos de Caso
Estimativas de Custo
Planejamento e Otimização de Estradas
Distribuição na Cadeia de Suprimentos
Figura 5.7 – Setores e Aplicação do @RISK.
Fonte: PALISADE (2010).
23
5.7 Distribuição de Frequência Relativa
Uma distribuição de frequência é um sumário tabular de dados que mostra o número
(frequência) de itens em cada uma das diversas classes não sobrepostas.
(ANDERSON; SWEENEY; WILLIANS, 2008).
Muitas vezes o interesse está na proporção, ou porcentagem, dos itens de cada
classe. A frequência relativa de uma classe equivale à fração ou proporção dos itens
pertencentes a uma classe, matematicamente é determinada da seguinte maneira:
Frequência Relativa de uma Classe
=
Frequência da Classe
Número de Observações
Os modernos softwares estatísticos oferecem extensas capacidades para sintetizar
dados e preparar apresentações gráficas.
Uma apresentação gráfica bastante comum de dados de frequência relativa é o
histograma. Um histograma é construído colocando-se a variável de interesse no
eixo horizontal e a frequência relativa no eixo vertical. A frequência relativa é
mostrada desenhando-se um retângulo cuja base é determinada pelos limites da
classe do eixo horizontal e a frequência relativa correspondente.
Como exemplo de histograma tem-se a Figura 5.8.
24
Figura 5.8 – Histograma de Dados para Conclusão de Auditorias.
Fonte: ANDERSON; SWEENEY; WILLIANS, (2008).
5.8 Importância da Informação
Para saber primeiro a importância da informação, deve-se distinguir dado de
informação. Esta distinção auxilia no processo decisório, onde será o conhecimento
que propiciará na tomada de decisão.
De acordo com Oliveira, ―dado é qualquer elemento identificado em sua forma bruta
que, por si só, não conduz a uma compreensão de determinado fato ou situação‖ e
―informação é o dado trabalhado que permite ao executivo tomar decisões‖.
(OLIVEIRA, 2007).
Como exemplo de dados em uma empresa, citam-se quantidade de produção, custo
de matéria-prima, número de empregados. A informação seria o resultado da análise
desses dados, ou seja, capacidade de produção, custo de venda do produto,
produtividade dos funcionários, dentre outros.
Essas são informações importantes, já podem afetar ou modificar o comportamento
existente na empresa, bem como o relacionamento entre as suas várias unidades
organizacionais.
25
A informação é um recurso vital da empresa e integra, quando devidamente
estruturada, os diversos subsistemas e, portanto, as funções das várias unidades
organizacionais da empresa.
O propósito da informação é de habilitar a empresa a alcançar seus objetivos com o
uso eficiente dos recursos disponíveis, nos quais se inserem pessoas, materiais,
equipamentos, tecnologia, dinheiro, além da própria informação.
26
6. O SETOR ELÉTRICO BRASILEIRO
Uma das variáveis para definir um país como desenvolvido é a facilidade de acesso
da população aos serviços de infra-estrutura, como saneamento básico, transportes,
telecomunicações e energia. O primeiro está diretamente relacionado à saúde
pública. Os dois seguintes, à integração nacional. Já a energia é o fator
determinante para o desenvolvimento econômico e social ao fornecer apoio
mecânico, térmico e elétrico às ações humanas (Atlas ANEEL, 2008). Segundo
dados divulgados pela Agência Nacional de Energia Elétrica (Aneel), o país conta
com mais de 65 milhões de unidades consumidoras em 99% dos municípios
brasileiros.
De todos os segmentos da infraestrutura, a energia elétrica é o serviço mais
universalizado (Atlas ANEEL, 2008). Todos nós sabemos o papel fundamental que a
mesma exerce em nossas vidas. Na grande maioria do tempo ela está bem próxima,
seja nas lâmpadas que fornecem iluminação, eletrodomésticos que proporcionam
comodidade e aparelhos tecnológicos, como o computador que estamos utilizando
neste trabalho. Sua utilização é essencial para indústrias, que por meio dela
alimentam suas maquinas, motores e uma infinidade de equipamentos.
6.1 Histórico
O primeiro marco do da reforma do Setor Elétrico aconteceu em 1993 com a Lei nº
8.631, que determinou a extinção da equalização tarifária e originou os contratos de
suprimento entre geradores e distribuidores. Em 1995, houve a promulgação da Lei
nº 9.074 de 1995, que criou o Produtor Independente de Energia e o conceito de
Consumidor Livre.
Em 1996, o Ministério de Minas e Energia (MME) coordenou um Projeto de
Reestruturação do Setor Elétrico Brasileiro (Projeto RE-SEB), cujas principais
conclusões foram a necessidade de implementar a desverticalização das empresas
de energia elétrica, ou seja, dividi-las nos segmentos de geração, transmissão e
distribuição, incentivar a competição nos segmentos de geração e comercialização,
27
e manter sob regulação os setores de distribuição e transmissão de energia elétrica,
considerados como monopólios naturais, sob regulação do Estado.
O Projeto RE-SEB também identificou a necessidade de um órgão regulador, de um
operador para o sistema elétrico nacional, e de um ambiente para a efetivação das
transações de compra e venda de energia elétrica, respectivamente, conhecidos por
Agência Nacional de Energia Elétrica - ANEEL, Operador Nacional do Sistema
Elétrico - ONS e Mercado Atacadista de Energia Elétrica – MAE (CCEE, 2010).
Em 2001, o setor elétrico sofreu uma grave crise de fornecimento que culminou em
um plano de racionamento de energia elétrica. Esse episódio gerou uma série de
questionamentos sobre o caminho que o setor elétrico estava seguindo. Com a visão
de adequar o modelo em implantação, foi instituído em 2002 o Comitê de
Revitalização do Modelo do Setor Elétrico, cujo trabalho resultou em um conjunto de
propostas de alterações no setor elétrico brasileiro.
6.1.1 Novo Modelo
No decorrer dos anos de 2003 e 2004 o Governo Federal lançou as bases de um
novo modelo para o Setor Elétrico Brasileiro, que foi sustentado pelas Leis nº 10.847
e 10.848, de 15 de março de 2004 e pelo Decreto nº 5.163, de 30 de julho de 2004.
Em linhas institucionais, o novo modelo definiu a criação de algumas organizações.
Criou a Empresa de Pesquisa Energética – EPE para dar suporte ao planejamento
de longo prazo, o Comitê de Monitoramento do Setor Elétrico – CMSE com o papel
de avaliar permanentemente a segurança do suprimento de energia elétrica.
Também foi criada a Câmara de Comercialização de Energia Elétrica – CCEE, cuja
atribuição é a sucessão do MAE (CCEE, 2010).
Em relação à comercialização de energia, foram instituídos dois ambientes para
celebração de contratos de compra e venda de energia, o Ambiente de Contratação
Regulada (ACR), no qual participam Agentes de Geração, Distribuição e
Consumidores Cativos de energia elétrica, e o Ambiente de Contratação Livre (ACL),
no qual participam Agentes de Geração, Comercialização, Importadores e
28
Exportadores de energia, e Consumidores Livres, têm-se como exemplo a figura
abaixo:
Classe:
Autoprodutor
Total de Agentes:
Exemplos
36
Classe:
Comercializador
Total de Agentes:
Exemplos
ALCOA
CPFL BRASIL
COTEMINAS
PETROBRAS
COMERCIALIZADORA
LAFARGE
ECOM ENERGIA
SAMARCO
VALE ENERGIA
UNIBANCO
ENERTRADE
Classe:
Gerador
Total de Agentes:
Exemplos
28
Classe:
Produtor Independente
Total de Agentes:
252
Exemplos
FURNAS
TRACTEBEL
ELETRONORTE
DUKE ENERGY
CESP
BROOKFIELD
AES TIETE
COSAN
CHESF
QUEIROZ GALVAO
Classe:
Consumidor Livre
Total de Agentes:
918
Exemplos
Classe:
Distribuidor
Total de Agentes:
Exemplos
VOLKSWAGEN
ELETROPAULO
BRASKEM
CEMIG
METRO SP
CPFL PAULISTA
WHIRPOOL
LIGHT
CARREFOUR
AES SUL
Classe:
Transmissor
Total Linhas (Km):
95.741
Exemplos
CTEEP
89
Classe:
Importador
Total de Agentes:
Exemplos
CIEN
CHESF
CEEE
FURNAS
ELETRONORTE
Figura 6.1 – Quadro de Exemplo dos Agentes.
Fonte: CCEE, (2010).
-
45
1
29
No ACR, a comercialização de energia elétrica acontece por meio de leilões
regulados onde as distribuidoras declaram suas necessidades de energia elétrica
aos órgãos do governo responsáveis. Os vendedores (geradores, importadores e
comercializadores) vencedores assinam contratos denominados Contratos de
Compra de Energia Elétrica no Ambiente Regulado (CCEARs) com todas as
distribuidoras que declararam necessidade de energia. Esses tipos de leilões são
realizados pela ANNEL ou CCEE (FAGUNDES FILHO, 2009). A figura a seguir
ilustra os montantes comercializados e os preços médios dos últimos leilões
Figura 6.2 – Visão Geral dos Leilões do ACR.
Fonte: CCEE (2010).
O ACL é o ambiente onde comercializadores, geradores e consumidores livres
realizam negócios entre si. Foram acrescentadas algumas restrições que não
existiam anteriormente quanto ao nível de contratação, penalidades, e também
passou a ser obrigatório a adesão à Câmara de Comercialização de Energia Elétrica
(CCEE) para todo o consumidor livre.
30
O decreto 5163 de 30 de julho de 2004 define:
Art. 1º - § 2º Para fins de comercialização de energia elétrica,
entende-se como:
I - Ambiente de Contratação Regulada - ACR o segmento do
mercado no qual se realizam as operações de compra e venda de
energia elétrica entre agentes vendedores e agentes de distribuição,
precedidas de licitação, ressalvados os casos previstos em lei,
conforme regras e procedimentos de comercialização específicos;
II - Ambiente de Contratação Livre - ACL o segmento do mercado no
qual se realizam as operações de compra e venda de energia
elétrica, objeto de contratos bilaterais livremente negociados,
conforme regras e procedimentos de comercialização específicos;
A Figura 6.3 a seguir representa o Ambiente de Contratação Regulada (ACR) e o
Ambiente de Contratação Livre (ACL), bem como os agentes que participam destes
ambientes e suas relações.
Figura 6.3 – Visão Geral da Comercialização de Energia.
Fonte: CCEE (2010).
31
O escopo do novo modelo do setor elétrico busca atingir três objetivos principais:
- Garantir a segurança do suprimento de energia elétrica
- Promover a modicidade tarifária
- Promover a inserção social no Setor Elétrico Brasileiro, em particular pelos
programas de universalização de atendimento (CCEE, 2010).
6.1.2 Funcionamento do mercado
Atualmente não existe uma maneira economicamente viável de se estocar uma
grande quantidade de energia elétrica. Devido a essa especificidade a eletricidade
deve ser consumida ao mesmo tempo em que é gerada (MAYO, 2009).
Deste modo, a comercialização de energia elétrica (compra e venda) acontece
através de contratos que são registrados na CCEE. Por meio de um contrato de
venda registrado na CCEE, por exemplo, um consumidor tem o direito de consumir a
respectiva energia em seu parque fabril. Da mesma forma, um Comercializador
adquire uma energia que lhe é registrada na CCEE e recebe o direito de venda a
outro agente. A Figura 6.4 ilustra o processo descrito acima.
32
Figura 6.4 – Funcionamento do Mercado.
Fonte: CCEE (2010).
6.1.3 Instituições do setor elétrico e suas Atribuições
A estabilidade do marco regulatório é essencial onde existem, monopólios naturais e
os investimentos exijam um longo prazo de maturação. Para a atração de
investimentos e segurança do fornecimento, é fundamental que exista uma
regulação com autonomia e independência, e isso passa por uma definição clara
das atribuições dos diversos agentes institucionais (MME, 2003). A figura seguinte
ilustra o diagrama das instituições do setor elétrico.
33
Figura 6.5 – Diagrama das Instituições.
Fonte: CCEE (2010).

Conselho Nacional de Pesquisa Energética – CNPE
O CNPE é um órgão interministerial de assessoramento à Presidência da República,
tendo como principais atribuições formular políticas e diretrizes de energia e
assegurar o suprimento de insumos energéticos às áreas mais remotas ou de difícil
acesso país (CCEE, 2010).
É também responsável por revisar periodicamente as matrizes energéticas aplicadas
às diversas regiões do país, estabelecer diretrizes para programas específicos,
como os de uso do gás natural, do álcool, de outras biomassas, do carvão e da
energia termonuclear, além de estabelecer diretrizes para a importação e exportação
de petróleo e gás natural.

Ministério de Minas e Energia – MME
O MME é o órgão do Governo Federal responsável pela condução das políticas
energéticas do país. Suas principais obrigações incluem a formulação e
34
implementação de políticas para o setor energético, de acordo com as diretrizes
definidas pelo CNPE. O MME é responsável por estabelecer o planejamento do
setor energético nacional, monitorar a segurança do suprimento do Setor Elétrico
Brasileiro e definir ações preventivas para restauração da segurança de suprimento
no caso de desequilíbrios conjunturais entre oferta e demanda de energia (CCEE,
2010).

Agência Nacional de Energia Elétrica – ANEEL
A ANEEL foi instituída pela Lei nº 9.427/96 e constituída pelo Decreto nº 2.335/97,
com as atribuições de regular e fiscalizar a produção, transmissão, distribuição e
comercialização de energia elétrica, zelando pela qualidade dos serviços prestados,
pela universalização do atendimento e pelo estabelecimento das tarifas para os
consumidores finais, sempre preservando a viabilidade econômica e financeira dos
Agentes e da indústria (CCEE, 2010).
As alterações promovidas em 2004 pelo novo modelo do setor estabeleceram como
responsabilidade da ANEEL, direta ou indiretamente, a promoção de licitações na
modalidade de leilão, para a contratação de energia elétrica pelos Agentes de
Distribuição do Sistema Interligado Nacional (SIN) (CCEE, 2010).

Operador Nacional do Sistema Elétrico – ONS
O ONS foi criado pela Lei nº 9.648, de 27 de maio de 1998, e regulamentado pelo
Decreto nº 2.655, de 2 de julho de 1998, com as alterações do Decreto nº 5.081, de
14 de maio de 2004, para operar, supervisionar e controlar a geração de energia
elétrica no SIN, bem como administrar a rede básica de transmissão de energia
elétrica no Brasil.
Tem como objetivo principal, atender os requisitos de carga, otimizar custos e
garantir a confiabilidade do sistema, definindo ainda, as condições de acesso à
malha de transmissão em alta-tensão do país.
35

Empresa de Pesquisa Energética – EPE
Instituída pela Lei nº 10.847/04 e criada pelo Decreto nº 5.184/04, a EPE é uma
empresa vinculada ao MME, cuja finalidade é prestar serviços na área de estudos e
pesquisas destinadas a subsidiar o planejamento do setor energético.
Suas principais atribuições incluem a realização de estudos e projeções da matriz
energética brasileira, execução de estudos que propiciem o planejamento integrado
de recursos energéticos, o planejamento de expansão da geração e da transmissão
de energia elétrica de curto, médio e longo prazo, realização de análises de
viabilidade técnico-econômica e sócio-ambiental de usinas, bem como a obtenção
da licença ambiental prévia para aproveitamentos hidrelétricos e de transmissão de
energia elétrica.

Câmara de Comercialização de Energia Elétrica – CCEE
A CCEE, instituída pela Lei nº 10.848/04 e criada pelo Decreto nº 5.177/04,
absorveu as funções do MAE e suas estruturas organizacionais e operacionais.
Entre suas principais obrigações estão: a apuração do Preço de Liquidação de
Diferenças (PLD), utilizado para valorar as transações realizadas no mercado de
curto prazo; a realização da contabilização dos montantes de energia elétrica
comercializados; a liquidação financeira dos valores decorrentes das operações de
compra e venda de energia elétrica realizadas no mercado de curto prazo e a
realização de leilões de compra e venda de energia no ACR, por delegação da
ANEEL.

Comitê de Monitoramento do Setor Elétrico – CMSE
O CMSE é um órgão criado no âmbito do MME, sob sua coordenação direta, com a
função de acompanhar e avaliar a continuidade e a segurança do suprimento
elétrico em todo o território nacional.
Suas principais atribuições incluem: acompanhar o desenvolvimento das atividades
de geração, transmissão, distribuição, comercialização, importação e exportação de
energia elétrica; avaliar as condições de abastecimento e de atendimento; realizar
periodicamente a análise integrada de segurança de abastecimento e de
36
atendimento; identificar dificuldades e obstáculos que afetem a regularidade e a
segurança de abastecimento e expansão do setor e elaborar propostas para ajustes
e ações preventivas que possam restaurar a segurança no abastecimento e no
atendimento elétrico.
6.1.4 Agentes do Mercado
Nesta etapa citam-se os agentes que atuam no mercado de energia elétrica e a
função que cada um desenvolve no setor. Em Ago/10 a CCEE contava com 1.294
agentes. A Figura 6.6 mostra a evolução do número de agentes por classe de Set/09
até Ago/10.
Figura 6.6 – Evolução dos Agentes na CCEE.
Fonte: CCEE (2010).

Geradores
Os agentes geradores atuam num ambiente competitivo e podem negociar energia
tanto no ACR como no ACL. Esses agentes também possuem livre acesso aos
sistemas de transmissão e distribuição de energia elétrica podendo ser classificados
em:
•
Concessionários de Serviço Público de Geração: Agente titular de
Serviço Público Federal delegado pelo Poder Concedente mediante licitação, na
modalidade de concorrência, à pessoa jurídica ou consórcio de Empresas para
37
exploração e prestação de serviços públicos de energia elétrica, nos termos da Lei
8.987, de 13 de fevereiro de 1995 (Figura 6.7).
Classe:
Gerador
Total de Agentes:
Exemplos
28
FURNAS
ELETRONORTE
CESP
AES TIETE
CHESF
Figura 6.7 – Agentes Geradores.
Fonte: CCEE (2010).
•
Produtores Independentes de Energia Elétrica: são Agentes individuais
ou reunidos em consórcio que recebem concessão, permissão ou autorização do
Poder Concedente para produzir energia elétrica destinada à comercialização por
sua conta e risco (Figura 6.8).
38
Classe:
Produtor Independente
Total de Agentes:
252
Exemplos
TRACTEBEL
DUKE ENERGY
BROOKFIELD
COSAN
QUEIROZ GALVAO
Figura 6.8 – Agentes Produtores Independentes.
Fonte: CCEE (2010).
•
Autoprodutores:
são
Agentes
com
concessão,
permissão
ou
autorização para produzir energia elétrica destinada a seu uso exclusivo, podendo
comercializar eventual excedente de energia, desde que autorizado pela ANEEL
(Figura 6.9).
Classe:
Autoprodutor
Total de Agentes:
36
Exemplos
ALCOA
COTEMINAS
LAFARGE
SAMARCO
UNIBANCO
Figura 6.9 – Agentes Autoprodutores.
Fonte: CCEE (2010).
39

Transmissores
O segmento de transmissão refere-se às atividades de transporte da energia
produzida até os grandes centros de consumo. A Transmissão tem como obrigação
disponibilizar as suas instalações de maneira a assegurar a otimização dos recursos
eletroenergéticos, sendo responsável pela operação e manutenção de seus ativos.
O ONS é o órgão responsável por supervisionar e coordenar suas ações de acordo
com regras operativas, aprovadas pela ANEEL (Figura 6.10).
Classe:
Transmissor
Total Linhas (Km):
95.741
Exemplos
CTEEP
CHESF
CEEE
FURNAS
ELETRONORTE
Figura 6.10 – Agentes Transmissores.
Fonte: ABRATE (2010).

Distribuidores
A atividade de distribuição é orientada para o serviço de rede e de venda de energia
aos consumidores com tarifa e condições de fornecimento reguladas pela ANEEL
(Consumidores Cativos).
Na nova configuração do setor, os distribuidores têm participação obrigatória no
ACR, celebrando contratos de energia com preços resultantes de leilões (Figura
6.11).
40
Classe:
Distribuidor
Total de Agentes:
Exemplos
45
ELETROPAULO
CEMIG
CPFL PAULISTA
LIGHT
AES SUL
Figura 6.11 – Agentes Distribuidores.
Fonte: CCEE (2010).

Comercializadores
O segmento de mercado em que os comercializadores exercem sua função é
passível de competição plena. Sua atuação está aliada após uma autorização da
ANEEL.
Seu principal papel está relacionado com a compra e venda de energia no ACL, ou
seja, proporciona uma maior liquidez no mercado, visto que, faz um elo com a
compra de grandes blocos de energia (de origem dos geradores) ―pulverizando‖ no
mercado de consumo, por exemplo, os Consumidores Livres. É usual também
prover assessoria quanto ao gerenciamento de contratos de energia e de uso dos
sistemas de distribuição ou transmissão (Figura 6.12).
41
Classe:
Comercializador
Total de Agentes:
89
Exemplos
CPFL BRASIL
PETROBRAS
COMERCIALIZADORA
ECOM ENERGIA
VALE ENERGIA
ENERTRADE
Figura 6.12 – Agentes Comercializadores.
Fonte: CCEE (2010).

Consumidores Livres
Os consumidores livres são aqueles que obedecidas às condições da legislação
vigente, podem escolher seu fornecedor de energia elétrica (geradores e
comercializadores) por meio de livre negociação. A Tabela 6.1 a seguir mostra as
condições que em que um consumidor de energia elétrica deve atender para se
tornar livre.
Tabela 6.1 - Critérios vigentes para se tornar Consumidor Livre
Demanda Mínima
Tensão de
Fornecimento
Data de Ligação do
Consumidor
3 MW
Qualquer tensão
Após 08/07/1995
3 MW
69 kV
Antes de 08/07/1995
Fonte: CCEE, 2010
A lei de nº 9.427 de 1996, regulamenta que a partir 1998 os consumidores com
demanda mínima de 500 kW, atendidos em qualquer tensão de fornecimento, têm
também o direito de adquirir energia de qualquer fornecedor, desde que a energia
adquirida seja oriunda de Pequenas Centrais Hidrelétricas (PCHs) ou de fontes
42
alternativas (eólica, biomassa ou solar). Esses consumidores são usualmente
denominados Consumidores Especiais.
O Decreto nº 5.163/2004 dispõe que os consumidores livres e especiais (Figura
6.13) devem garantir o atendimento a 100% de seu consumo verificado, através de
geração própria ou de contratos bilaterais celebrados no ACL, ou seja, os
consumidores não têm direito de utilizar uma energia que não esteja registrada entre
as partes (comprador e vendedor) na CCEE. Caso haja um déficit de registro o
consumidor fica sujeito à aplicação de penalidades e pode até ser desligado da
CCEE e seu fornecimento interrompido.
Classe:
Consumidor Livre
Total de Agentes:
918
Exemplos
VOLKSWAGEN
BRASKEM
METRO SP
WHIRPOOL
CARREFOUR
Figura 6.13 – Agentes Consumidores Livres e Especiais.
Fonte: CCEE (2010).

Importadores e Exportadores
Os importadores e exportadores de energia são os Agentes do setor que detêm
autorização do Poder Concedente para realizar importação e exportação de energia
elétrica para abastecimento do mercado nacional e de países vizinhos.
É obrigatória a participação na CCEE dos autorizados para importação ou
exportação de energia elétrica com intercâmbio igual ou superior a 50 MW.
43
6.2 O SIN e os Modelos para o Planejamento da Operação Energética
O Sistema Interligado Nacional (SIN) é o sistema de produção e transmissão de
energia elétrica do Brasil. É considerado único mundialmente por sua interligação
através de linhas de alta tensão, pelas suas características de dimensão e
especificidade hidrotérmica com forte predominância de usinas hidrelétricas.
De acordo com o Decreto nº 5.163/2004, é no âmbito do SIN onde ocorrem as
negociações envolvidas nos processos de compra e venda de energia elétrica.

Capacidade de Geração
Em 2009, aproximadamente 82% da capacidade instalada de geração do Brasil
eram provenientes de usinas hidroelétricas. Usinas termelétricas tinham uma
participação de 17% e o restante era competência de usinas eólicas e de outras
fontes como biomassa (Figura 6.14). (ONS, 2010)
44
Figura 6.14 – Estrutura da Capacidade Instalada no SIN – MW.
Fonte: ONS (2010).

Linhas de Transmissão
Ainda em relação aos relatórios do ONS, em 2009, a malha de transmissão do SIN
tinha uma extensão de 95,5 mil quilômetros o que representa um crescimento de
5,7% ante ao ano anterior.
6.2.1 Modelos para o Planejamento
Devido às propriedades do SIN, há necessidade de uma cuidadosa coordenação da
operação, tanto para que o sistema seja eletricamente seguro quanto para que os
recursos sejam aproveitados de forma eficiente.
O planejamento da operação se inicia com o levantamento de seus recursos e
requisitos. O Operador Nacional do Sistema (ONS), com o apoio dos agentes de
geração e distribuição, é responsável pelas previsões de vazões (água dos rios que
45
pode ser transformada em energia) e de demanda de energia, a partir dos quais é
feita a otimização do uso dos recursos.
O processo de otimização consiste na decisão de quanto turbinar de água dos
reservatórios e quanto gerar através de usinas térmicas, de modo que o custo total
até o final do horizonte de estudo seja minimizado (ONS, 2010).
Em função da preponderância de usinas hidrelétricas no parque de geração
brasileiro, são utilizados modelos matemáticos que têm por objetivo encontrar a
solução ótima de equilíbrio entre o benefício presente do uso da água e o benefício
futuro de seu armazenamento, medido em termos da economia esperada dos
combustíveis das usinas termelétricas. A figura a seguir representa o processo de
decisão dos modelos matemáticos utilizados.
Tomada
de Decisão
Afluências
Futuras
ALTAS
Consequências
Operativas
Operação Econômica
Usar Geração
Hidroelétrica
Minimizar o
Custo de
Combustíveis
BAIXAS
Déficit de Energia
?
ALTAS
Vertimento dos
Reservatórios
Usar Geração
Termoelétrica
Manter o
Volume dos
Reservatórios
BAIXAS
Operação Econômica
Figura 6.15 – Processo de decisão para sistemas hidrotérmicos.
Fonte: ONS (2010).
46
A máxima utilização da energia hidrelétrica disponível em cada período é a premissa
mais econômica, do ponto de vista imediato, pois minimiza os custos de
combustível. No entanto, essa premissa resulta em maiores riscos de déficits
futuros. Por sua vez, a máxima confiabilidade de fornecimento é obtida conservando
o nível dos reservatórios o mais elevado possível, o que significa utilizar mais
geração térmica e, portanto, aumento dos custos de operação (FAGUNDES FILHO,
2009).
Para definição da política ótima de operação, o operador deve considerar não
apenas os custos de geração térmica em um período t, mas também, o custo
esperado dessa geração e do déficit no final desse período t (início de t+1).
Matematicamente, esta lógica é expressa pela ―Função de Custo Imediato‖ (FCI),
representando o benefício do uso imediato da água, e pela ―Função de Custo
Futuro‖ (FCF), representando o benefício de armazená-la hoje para seu uso no
futuro (Kelman, 1999).
É possível entender a FCI como o custo de geração térmica necessária para
complementar o atendimento à demanda no período t, e é representada por uma
função linear por partes. A FCF de cada período t, por sua vez, pode ser definida
como sendo o custo esperado de geração térmica ao longo do tempo de
planejamento em função do volume armazenado ao final do período. À medida que
se aumenta o volume armazenado final, diminui a função de custo futuro, pois mais
capacidade hidráulica existirá no futuro. O uso ótimo da água será, pois, aquele que
minimiza a soma do custo de geração térmica no presente e o valor esperado do
custo de geração até o fim do período de estudo (Medeiros, 2004).
Para encontrar o menor custo global é necessário traçar uma Função de Custo Total
(FCT) que é dada pela soma da FCF e FCI (Figura 6.16). Logo o menor custo é
encontrado no ponto mínimo da FCT. Este ponto é onde a derivada de FCT em
relação ao volume final é igual à zero ou, ainda, onde as derivadas de FCF e FCI em
relação ao volume final são iguais em módulo.
47
Figura 6.16 – Representação do uso ótimo da água.
Fonte: Curso ONS/CCEE (2010).
Para alcançar os objetivos do planejamento da operação em sistemas hidrotérmicos
e para obter uma boa representação do sistema, não é razoável a utilização de um
único modelo, dada a sua complexidade. Faz-se, então, um desdobramento do
problema em vários subproblemas com horizontes de planejamento (ou de
otimização) diferentes (Medeiros, 2004).
A metodologia para determinação da melhor politica é operacionalizada através dos
programas NEWAVE e DECOMP. A seguir apresenta-se uma breve descrição
desses programas:

NEWAVE: Modelo de otimização para o planejamento de médio prazo (até 5
anos), com discretização mensal e representação a sistemas equivalentes.
Seu objetivo é determinar a estratégia de geração hidráulica e térmica em
cada estágio que minimiza o valor esperado do custo de operação para todo
o período de planejamento. Um dos principais resultados desse modelo são
as funções de custo futuro, que traduzem para os modelos de outras etapas
(de curto prazo) o impacto da utilização da água armazenada nos
reservatórios. Nesse modelo, a carga e a função de custo de déficit podem
48
ser representadas em patamares e permite-se a consideração de limites de
interligação entre os subsistemas.

DECOMP: Modelo de otimização para o horizonte de curto prazo (até 12
meses), que representa o primeiro mês em base semanal, as vazões
previstas, a aleatoriedade das vazões do restante do período através de uma
árvore de possibilidades (cenários de vazões) e o parque gerador
individualizado (usinas hidráulicas e térmicas por subsistemas). Seu objetivo é
determinar o despacho de geração das usinas hidráulicas e térmicas que
minimiza o custo de operação ao longo do período de planejamento, dado o
conjunto de informações disponíveis (carga, vazões, disponibilidades, limites
de transmissão entre subsistemas, função de custo futuro do NEWAVE). Os
principais resultados desse modelo são os despachos de geração por usina
hidráulica e térmica de cada submercado, e os custos marginais de operação
para cada estágio por patamar de carga.
6.2.2 PLD e Mercado de Curto Prazo
A execução dos programas NEWAVE e DECOMP tem como resultado o Preço de
Liquidação das Diferenças (PLD) da Câmara de Comercialização de Energia Elétrica
(CCEE), a fim de promover a contabilização e liquidação do mercado de energia. A
negociação de contratos de energia no mercado livre sofre grande influencia do PLD
visto que o mesmo é um balizador de preços do mercado.
O PLD é calculado pela CCEE com base em informações disponibilizadas pelo ONS
que por sua vez tiveram origem do cálculo da politica ótima de operação. De acordo
com a legislação da ANEEL o PLD é limitado em um valor mínimo e máximo, com
validade entre a primeira e a última semana operativa de preços de cada ano. Para
o ano de 2010 o valor mínimo e máximo são, respectivamente, R$ 12,80 e R$
622,21 por MWh (Resolução Homologatória ANEEL Nº 922 de 15/12/2009).
A contabilização do Mercado de Curto Prazo consiste na comparação entre os
montantes de energia contratados e consumidos. A essa diferença é aplicado o valor
49
PLD que por fim determina o montante que o consumidor tem que receber ou tem
que pagar.
A figura a seguir ilustra o processo de definição do montante de curto que será
valorado ao PLD.
Figura 6.17 – Mercado de Curto Prazo.
Fonte: CCEE (2010).
A subcontratação no mercado de curto prazo é restrita, pois existem mecanismos
que inibem está prática com a aplicação de elevadas penalidades em alguns casos.
Outro ponto que deve ser considerado na subcontratação é o risco da variação do
PLD, pois os modelos são fortemente voláteis e sujeitos à sazonalidade das chuvas.
Essa situação pode ser observada no gráfico a seguir, que mostra a evolução do
valor do PLD.
50
Figura 6.18 – Evolução do PLD.
Fonte: Elaborado pelos Autores com informações da CCEE (2010).
51
7. COMPRA DE ENERGIA
O novo modelo do Setor Elétrico trouxe a possibilidade dos grandes consumidores
de eletricidade escolher em qual ambiente de contratação adquirir o insumo.
Contudo, cabe ao consumidor a avaliação das melhores condições do Ambiente de
Contratação Regulada (ACR) e Ambiente de Contratação Livre (ACL). Nos subitens
seguintes é exposto a forma de calcular o valores do preço da energia no ACR e
ACL.
7.1 Compra de Energia por consumidores no ACR
No ACR os consumidores compram a energia da Distribuidora (Eletropaulo, CPFL,
Cemig, Light, AES Sul) que atende sua localização geográfica. No Brasil, o mercado
de distribuição de energia elétrica é atendido por 64 empresas estatais ou privadas,
de serviços públicos que abrangem todo o País. As Distribuidoras estatais estão sob
controle dos governos federal, estaduais e municipais. Em várias organizações
privadas verifica-se a presença, em seus grupos de controle, de diversas empresas
nacionais, norte-americanas, espanholas e portuguesas. São atendidos cerca de 47
milhões de unidades consumidoras, das quais 85% são consumidores residenciais,
em mais de 99% dos municípios brasileiros (ANEEL, 2009).
Conforme definido na Resolução ANEEL Nº 414, de 9 de setembro de 2010, que
estabelece as Condições Gerais de Fornecimento de Energia Elétrica, no Brasil as
tarifas estão estruturadas em dois grandes grupos, a saber: ―Grupo A‖ e ―Grupo B‖.
Fazem parte do grupo A os consumidores atendidos pelas redes de alta tensão. A
Tabela 7.1 apresenta as classes pertencentes ao referido grupo e as respectivas
faixas de tensão.
As tarifas do ―Grupo A‖ são construídas em duas modalidades de fornecimento:
convencional e horo-sazonal.
52
Tabela 7.1 – Classe de Consumidores do Grupo A
Classe
Tensão
A1
> 230 kV
A2
88 a 138 kV
A3
69 kV
A3A
30 a 44 kV
A4
2,3 a 25 kV
AS
Sistemas Subterrâneos
Fonte: Resolução Normativa ANEEL Nº 414/2010
Os consumidores atendidos com tensão de fornecimento inferiores a 69 kV e que
apresentem demanda inferior a 300 kW podem optar pela estrutura tarifária
convencional. Essa estrutura é caracterizada pela aplicação de tarifas de consumo
de energia e demanda de potência independentes das horas de utilização do dia e
dos períodos do ano.
De acordo com a Resolução 414/2010, a tarifa horo-sazonal é caracterizada pela
aplicação de tarifas diferenciadas de consumo de energia elétrica e de demanda de
potência de acordo com as horas de utilização do dia e dos períodos do ano. As
tarifas horo-sazonais podem ser divididas em dois subgrupos: Tarifa Azul e Tarifa
Verde.
 As unidades consumidoras conectadas em tensão inferior a 69 kV e demanda
contratada inferior a 300 kW podem optar pelo enquadramento na Tarifa Azul
ou Verde. Já para as unidades com tensão de fornecimento igual ou superior
a 69 kV é obrigatório a aplicação da Tarifa Azul.
Para os consumidores enquadrados nessa categoria os períodos do dia são
divididos em horário de ponta (P) e fora ponta (FP). De acordo com a Resolução
ANEEL 414/2010 o horário de ponta é definido pela concessionária e composto por
3 (três) horas diárias consecutivas, exceção feita aos sábados, domingos e feriados
53
nacionais. Complementarmente, o horário fora de ponta é o período composto pelo
conjunto das horas diárias consecutivas e complementares àquelas definidas no
horário de ponta.
Quanto à sazonalidade, a resolução mencionada acima classifica o ano em dois
períodos: período úmido (U) e seco (S). O período úmido compreende meses de
dezembro de um ano a abril do ano seguinte, e o período seco os meses de maio a
novembro.
A Tabela 7.2 sintetiza a estrutura de aplicação da tarifa horo-sazonal azul.
Tabela 7.2 - Estrutura da tarifa horo-sazonal azul
Demanda (R$/kW)
P
FP
Energia (R$/MWh)
PS
PU
FP S
FP U
Fonte: Resolução Homologatória 414/2010.
 Assim como a tarifa horo-sazonal azul, a tarifa verde é composta por tarifas
diferenciadas de consumo de energia elétrica, de acordo com as horas de
utilização do dia e dos períodos do ano. Já para a demanda de potência é
aplicada uma única tarifa, independente das horas do dia e do período do
ano. Tabela 7.3 sintetiza a estrutura de aplicação da tarifa horo-sazonal
verde.
Tabela 7.3 - Estrutura da tarifa horo-sazonal verde
Demanda (R$/kW)
Único valor
Energia (R$/MW)
PS
PU
FP S
FP U
Fonte: Resolução Homologatória 414/2010
O grupo B é formado por consumidores atendidos por tensão inferior a 2,3kV. As
tarifas deste grupo são monômias e aplicadas apenas para a componente de
consumo de energia (R$/MWh). De acordo com a Resolução 414/2010, esses
consumidores são classificados nas seguintes classes e sub-classes (Tabela 7.4):
54
Tabela 7.4 – Classe de Consumidores do Grupo B
Classe
Tensão
B1
Residencial
B2
Rural
B3
Outras
B4
Iluminação Pública
Fonte: Resolução Homologatória 414/2010
A Figura 7.1 mostra graficamente a evolução da tarifa média de energia de uma
distribuidora do estado de São Paulo.
Figura 7.1 – Evolução da Tarifa de Energia.
Fonte: Elaborado pelos Autores com informações da ANEEL (2010).
55
7.2 Compra de Energia no ACL
No mercado livre de energia as relações comerciais podem ser livremente
negociadas e contratadas, mas devem estar consolidadas em contratos bilaterais de
compra e venda de energia elétrica, com estabelecimento, entre outras condições,
de prazos e volumes.
Caso um consumidor não compre energia através de um contrato registrado em seu
nome na Câmara de Comercialização de Energia Elétrica (CCEE), além de possíveis
penalidades, o mesmo fica subordinado a pagar pela energia que consumiu o valor
do Preço de Liquidação das Diferenças (PLD). Como no PLD há uma grande
característica de volatilidade, sua exposição a ele torna-se um risco a ser controlado.
A garantia de fornecimento de energia ao cliente livre é obtida mediante o registro de
seu(s) contrato(s) de compra na CCEE. Uma vez que o contrato está regularmente
registrado na CCEE o direito do comprador de receber a energia está assegurado,
mesmo que o vendedor, por qualquer razão, não disponibilize a energia no sistema
elétrico. Numa situação como essa haverá uma operação a ser liquidada pelo
vendedor, no âmbito da CCEE, sem a necessidade de qualquer participação do
comprador.
A unidade básica negociada em contratos de energia elétrica é o megawatt-hora
(MWh), sendo os preços negociados em reais por megawatt-hora (R$/MWh).
Quando um consumidor livre negocia sua energia no Ambiente de Contratação
Livre, deve-se especificar alguns itens, a saber:
 Ponto de Entrega
 Duração
 Quantidade de energia (consumo mais perdas do sistema)
 Preço
Para exemplificar, considera-se um contrato com as seguintes características:
56
 Ponto de Entrega: Submercado Sudeste/ Centro-Oeste
 Duração: Janeiro a Dezembro de 2011
 Quantidade de energia: 1 MW médio
 Preço: 125 R$/MWh
Um possível contrato com essas características significa que a energia será
entregue no submercado Sudeste/Centro-Oeste entre janeiro e dezembro de 2011 a
um preço fixo de 125/MWh. As quantidades em MWh serão calculadas mensalmente
pelo produto 1 MW médio multiplicado pelo número de horas no mês.
7.2.1 Principais contratos negociados no ACL
Os consumidores livres que estão sujeitos a compra de energia no mercado livre
comumente negociam contratos de curto e longo prazo em função de suas
necessidades e estratégias.
Nos contratos de longo prazo os consumidores (grandes indústrias, por exemplo) a
partir de uma previsão de consumo fazem a negociação de suas necessidades de
energia elétrica para um período igual ou superior a um ano com um preço fixo
acordado, conforme exemplificado no item 7.2.
Já nos contratos de curto prazo (também conhecido como mercado de curto prazo
ou a vista) a energia é negociada mensalmente analogamente a uma matéria prima
da produção de uma indústria. O Preço de Liquidação das Diferenças (PLD) baliza a
formação dos preços no mercado a vista, os quais são normalmente formados pelo
PLD mais um ágio. (Revista Brasileira de Finanças, 2010)
Para efeito de exemplificação dos preços dos contratos de curto prazo adotou-se
como PLD o valor médio do mês de outubro de 2010 no submercado
Sudeste/Centro-Oeste
(R$
138,12/MWh),
disponibilizado
pela
Câmara
de
Comercialização de Energia elétrica (CCEE). Para o Ágio assumiu-se um valor de 10
R$/MWh.
57
A Tabela 7.5 reproduz o preço da energia nas condições listadas anteriormente.
Tabela 7.5 – Preço de Curto Prazo
PLD (R$/MWh) + Ágio (R$/MWh) = Preço de curto prazo (R$/MWh)
138.12
+
10
=
Fonte: Elaborado pelos Autores (2010)
148.12
7.2.2 Ferramenta de Previsão de Preços
Após a utilização de um modelo de otimizacão para calcular a política ótima de
operação hidrotérmica ao longo de um período de planejamento conforme explicado
na seção 6.2.1 são feitas simulações a partir das quais se obtém as séries de PLDs.
A simulação pode ser feita mediante combinações da série histórica de energias
afluentes (chuva que chega aos reservatórios) aos submercados ou através da
geração de séries sintéticas utilizando um modelo Periódico Auto Regressivo
(PAR(p)) de séries temporais. Cada série simulada de energias afluentes gera uma
série mensal de PLDs. Essas séries são utilizadas na determinação de um resultado
possível de PLD para cada mês. Ao todos podem ser geradas 2000 séries de PLD
para cada mês do período de planejamento, podendo assim ter uma classificação e
analise estatística.
7.2.3 Direito de Livre Acesso
A Lei nº 9074/1995 assegura aos clientes livres o acesso aos sistemas de
distribuição e transmissão de concessionários e permissionários de serviço público,
mediante ressarcimento do custo de transporte envolvido.
58
7.2.4 Encargos do Mercado Livre
Os consumidores que compram energia no ambiente livre também estão sujeito ao
pagamento dos encargos do sistema. Esse pagamento é feito pelo produto do
consumo e uma parcela da tarifa da distribuidora que o mesmo encontra-se
conectado.
Também há o pagamento do Encargo de Serviço do Sistema (ESS) que é efetuado
diretamente na Câmara de Comercialização de Energia Elétrica (CCEE). Este
encargo visa ressarcimento dos agentes de geração por custos incorridos na
manutenção da confiabilidade e da estabilidade do Sistema Interligado Nacional.
Esse encargo é pago por todos os consumidores, proporcionalmente ao consumo
verificado no mês de apuração.
Para o cálculo desta parcela de custo soma-se o consumo e as perdas do sistema e
multiplica-se pelo apurado do encargo no mês correspondente.
7.2.5 Obrigatoriedade de ser Agente da CCEE
Uma das prerrogativas para o consumidor livre efetivamente fazer parte do ACL é a
adesão a Câmara Comercialização de Energia Elétrica (CCEE). Os clientes livres
podem ser representados por outros agentes dessa Câmara para efeito de
contabilização e liquidação.
Os custos operacionais da CCEE são rateados entre todos os agentes participantes,
proporcionalmente aos volumes de energia elétrica transacionada.
7.2.6 Benefícios de Comprar Energia como Cliente Livre
As possíveis vantagens de um consumidor ao se tornar livre são:
 Liberdade de negociação com fornecedor de energia (prazo e preço).
 Possibilidade de adequação da compra de energia ao processo produtivo
 Gerenciamento da energia elétrica como ―matéria prima"
59
 Poder de alocação da energia entre unidades industriais.
De qualquer forma, é indispensável que o consumidor na tomada de decisão,
disponha de uma estratégia de utilização da energia elétrica e de adequadas
informações entre elas de perspectiva de preços como de disponibilidade.
60
8. ESTUDO DE CASO
Para aplicação dos conceitos abordados neste trabalho o presente capítulo tem por
objetivo mostrar as possíveis estratégias de contratação de energia por
consumidores livres e os impactos que as mesmas podem resultar no beneficio
relacionado com o mercado das distribuidoras.
Foi utilizado um modelo de simulação desenvolvido no software Microsoft Office
Excel com o apoio da ferramenta de analise de risco @Risk.
8.1 Simulação do Mercado Cativo
Conforme exposto no item 7.1, quando um consumidor adquire energia elétrica das
distribuidoras, o custo da eletricidade obedece a uma tarifa classificada de acordo
com o nível de tensão de atendimento, a intensidade da demanda requerida e a
sazonalidade do consumo. Para fins deste estudo utilizou-se um consumidor
atendido por um nível de tensão de 2,3 a 25 Volts (Grupo A4), enquadrado na
modalidade de fornecimento horo-sazonal Azul.
A modalidade horo-sazonal Azul é caracterizada pela aplicação de tarifas
diferenciadas de consumo de energia elétrica e de demanda de potência de acordo
com as horas de utilização do dia e dos períodos do ano. Nessa categoria os
períodos de dia são divididos em horários de ponta (P) e fora ponta (FP). Também
há uma diferenciação quanto a sazonalidade do período de fornecimento: período
úmido (U) e período seco (S).
Adotou-se uma demanda contratada de potencia (em kW) a ser disponibilizada pela
distribuidora para os meses de janeiro a dezembro no valor de 1000 kW para o
horário de ponta e fora ponta. Como fator de carga empregou-se o valor de 70%.
Cada categoria de consumo de energia (Ponta Seco, Ponta Úmido, Fora Ponta Seco
e Fora Ponta Úmido) é resultado do produto da demanda contratada pelo fator de
carga e o número de horas de cada período (Janeiro a Dezembro). As equações a
61
seguir exemplificam a maneira utilizada para o cálculo de cada categoria de
consumo por cada mês do período Seco (Mai-Nov) e Úmido (Dez-Abr).
 Consumo Ponta Seco (Mai-Nov):
CPS = DPS x FCPS x HPS
Onde:
CPS = Consumo Ponta Seco (Mai-Nov) em kWh.
DPS = Demanda de Potência no horário de Ponta Seco (Mai-Nov) em kW.
FCPS = Fator de carga no horário de Ponta Seco (Mai-Nov) (%).
HPS = Número de horas do horário de Ponta Seco mês (Mai-Nov).
 Consumo Fora Ponta Seco (Mai-Nov):
CFPS = DFPS x FCFPS x HFPS
Onde:
CFPS = Consumo Fora Ponta Seco (Mai-Nov) em kWh.
DFPS = Demanda de Potência no horário de Fora Ponta Seco (Mai-Nov) em kW.
FCFPS = Fator de carga no horário de Fora Ponta Seco (Mai-Nov) (%).
HFPS = Número de horas do horário de Fora Ponta Seco (Mai-Nov).
 Consumo Ponta Úmido (Dez-Abr):
CPU = DPU x FCPU x HPU
Onde:
CPU = Consumo Ponta Úmido (Dez-Abr) em kWh
DPU = Demanda de Potência no horário de Ponta Úmido(Dez-Abr) em kW.
FCPU = Fator de carga no horário de Ponta Úmido (Dez-Abr) (%).
HPU = Número de horas do horário de Ponta do mês (Dez-Abr)
62
 Consumo Fora Ponta Úmido (Dez-Abr):
CFPU = DFPU x FCFPU x HFPU
Onde:
CFPU = Consumo Fora Ponta Úmido (Dez-Abr) em kWh.
DFPU = Demanda de Potência no horário de Fora Ponta Úmido (Dez-Abr) em kW.
FCFPU = Fator de carga no horário de Fora Ponta Úmido (Dez-Abr) (%).
HFPU = Número de horas do horário de Fora Ponta Úmido (Dez-Abr).
A Tabela 8.1 mostra os valores de consumo por categoria dos meses de 2011.
Tabela 8.1 – Valores de Consumo por Categoria dos Meses de 2011
Mês
Período
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
U
U
U
U
S
S
S
S
S
S
S
U
Demanda (KW)
Fator de Carga
Nº Horas
Conumo (KWh)
Ponta
F. Ponta
Ponta
F. Ponta
Ponta
F. Ponta
Ponta
F. Ponta
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
75
72
81
69
78
75
78
81
75
75
72
81
669
600
663
651
666
645
666
663
645
669
648
663
52500
50400
56700
48300
54600
52500
54600
56700
52500
52500
50400
56700
468300
420000
464100
455700
466200
451500
466200
464100
451500
468300
453600
464100
Fonte: Elaborado pelos Autores (2010)
Com os dados do perfil de consumo e demanda adotados anteriormente e as tarifas
da distribuidora correspondente a região, torna-se possível reproduzir os custos de
energia que um consumidor com essas características terá quando adquirir energia
de uma distribuidora.
As equações a seguir representam a forma de cálculo dos custos com a energia
elétrica quando a mesma é adquirida de uma distribuidora.
63
 Custo com energia no mercado das distribuidoras (Cativo)
Custo do Cativo = (∑ Cn x T) + (∑ Dn x T1)
Onde:
C = Consumo das horas de Ponta e Fora Ponta por Período Seco e Úmido (kWh).
D = Demanda em Kw.
T = Tarifa de consumo cobrada pela distribuidora (R$/kWh).
T1 = Tarifa de demanda cobrada pela distribuidora (R$/kW).
n = variável que caracteriza o mês do ano (Jan-Dez).
A tabela da próxima página (Tabela 8.2) reproduz os cálculos descritos
anteriormente utilizando as tarifas da distribuidora Rio Grande Energia (RGE) que
atua da região Sul do Brasil e possui uma área de cobertura de 90.718 m², atende
262 municípios e .conta com mais de 1 milhão de unidades de consumo.
Observa-se que de janeiro a dezembro os valores somam R$ 1.799.904,00, ou seja,
este é o custo de comprar energia da RGE por este período.
64
Tabela 8.2 – Custo de Energia no Mercado das Distribuidoras
Jan
Feb
Mar
Apr
U
U
U
U
Mês:
Período:
Simulação Cativo
Consumo Ponta
Consumo Fora Ponta
Demanda Ponta
Demanda Fora Ponta
TOTAL
Tarifa Regis.
0.270 52,500
0.172 468,300
41.260
1,000
10.470
1,000
Valor Tarifa Regis.
14,166 0.270 50,400
80,510 0.172 420,000
41,260 41.260
1,000
10,470 10.470
1,000
146,406
Valor Tarifa Regis.
13,599 0.270 56,700
72,206 0.172 464,100
41,260 41.260
1,000
10,470 10.470
1,000
137,536
Valor Tarifa Regis.
15,299 0.270 48,300
79,788 0.172 455,700
41,260 41.260
1,000
10,470 10.470
1,000
146,817
May
S
Valor Tarifa Regis.
13,033 0.298 54,600
78,344 0.188 466,200
41,260 41.260
1,000
10,470 10.470
1,000
143,107
Jun
S
Valor Tarifa Regis.
16,252 0.298 52,500
87,678 0.188 451,500
41,260 41.260
1,000
10,470 10.470
1,000
155,660
Valor
15,627
84,914
41,260
10,470
152,270
Continuação
Mês:
Período:
Jul
S
Aug
S
Sep
S
Oct
S
Nov
S
Dec
U
Simulação Cativo
Tarifa Regis. Valor Tarifa Regis. Valor Tarifa Regis. Valor Tarifa Regis. Valor Tarifa Regis. Valor Tarifa Regis. Valor Total Geral
Consumo Ponta
0.298 54,600 16,252 0.298 56,700 16,877 0.298 52,500 15,627 0.298 52,500 15,627 0.298 50,400 15,002 0.270 56,700 15,299
Consumo Fora Ponta
0.188 466,200 87,678 0.188 464,100 87,283 0.188 451,500 84,914 0.188 468,300 88,073 0.188 453,600 85,309 0.172 464,100 79,788
Demanda Ponta
41.260 1,000 41,260 41.260 1,000 41,260 41.260 1,000 41,260 41.260 1,000 41,260 41.260 1,000 41,260 41.260 1,000 41,260
Demanda Fora Ponta
10.470 1,000 10,470 10.470 1,000 10,470 10.470 1,000 10,470 10.470 1,000 10,470 10.470 1,000 10,470 10.470 1,000 10,470
TOTAL
155,660
155,890
152,270
155,430
152,040
146,817
1,799,904
Fonte: Elaborado pelos Autores (2010)
65
8.2 Simulação do Mercado Livre
No mercado livre de energia os custos sofrem algumas diferenças se comparado
com o mercado cativo. Destaca-se a seguir todas as componentes do custo do
mercado livre.
 Consumo de energia
No mercado livre não há separação de consumo no horário de Ponta e Fora Ponta e
nos períodos Seco e Úmido. A energia consumida é totalizada e valorada ao preço
do contrato.
Conforme exemplificado no item 7.2.1 os consumidores livres que estão sujeitos a
compra de energia no mercado livre comumente negociam contratos de curto e
longo prazo em função de suas necessidades e estratégias. Neste contexto
adotaremos que o consumidor em questão poderá negociar seu consumo total em
contratos de Longo Prazo (LP) e Curto Prazo (CP).
Desta forma, toma-se como referência a utilização de três cenários de consumo no
Curto Prazo (CP). O primeiro cenário leva em consideração que 5% do consumo
total de cada mês será valorado aos preços de CP. Da mesma forma, o segundo
cenário supõe 10% do consumo no CP. O terceiro e ultimo cenário adota como 15%
o consumo mensal valorado aos preços de Curto Prazo.
Em cotação dos preços de Longo Prazo para 2011 de três comercializadoras de
energia elétrica do mercado brasileiro observou-se um valor médio de R$ 135/MWh.
Assim, para fins deste estudo utiliza-se esse valor como previsão de preços de LP.
Para os preços de Curto Prazo que se estendem de janeiro a dezembro de 2011
adota-se como base de preços a previsão de Preço de Liquidação das Diferenças
(PLD) das 2000 séries sintéticas do NEWAVE do mês de novembro de 2010
(assunto abortado no item 7.2.2) somado a um Ágio. Devido ao comportamento de
incerteza que se caracteriza por esta variável (2000 chances de PLD), utiliza-se o
66
método de Monte Carlo para o sorteio aleatório de cada série de valores de PLD.
Assim, a cada sorteio de uma série, o custo do mercado livre é calculado. Neste
trabalho, utiliza-se da ferramenta @RISK para operacionalizar o método de Monte
Carlo. A Tabela 8.3 ilustra o processo de sorteio aleatório adotado nesta pesquisa.
Pode-se observar que conforme o número da série é sorteado aleatoriamente pelo
@RISK, os preços correspondentes a essa série são listados. Neste caso, a série
sorteada foi a nº 1. O processo de sorteio é repetido 5000 vezes.
Tabela 8.3 – Método de Sorteio dos Preços de Curto Prazo
Preços de Curto Prazo utilizados para o cálculo dos custos do Mercado Livre (R$/MWh)
Série Sorteada
(1 - 2000)
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1
155
Séries de PLD
1
2
3
4
5
6
7
8
Jan
155
64
80
126
50
152
64
151
Feb
79
107
51
152
31
198
51
90
Mar
82
154
28
145
35
210
89
52
Apr
118
177
16
97
14
326
143
39
May
86
120
13
59
15
149
206
42
Jun
79
93
16
52
23
177
255
23
Jul
110
116
13
63
35
223
275
38
Aug
101
132
13
52
31
137
329
43
...
...
...
...
...
...
...
...
1992
1993
1994
1995
1996
1997
1998
1999
2000
224
14
98
294
214
23
15
56
77
87
19
73
222
373
13
13
90
133
91
13
13
169
318
13
13
52
127
137
13
16
143
480
13
13
85
120
149
13
13
132
622
17
31
140
93
157
13
14
125
622
13
40
142
141
105
13
13
129
544
13
47
152
137
79
82
118
86
79
110
101
96
108
144
222
Sep
96
117
13
57
26
134
371
47
Oct
108
123
17
76
21
151
496
43
Nov
144
116
20
83
42
181
622
39
Dec
222
195
14
113
13
176
622
19
...
...
...
...
...
126
13
13
155
439
13
43
169
173
142
13
13
175
622
13
49
156
222
135
13
13
136
535
13
45
213
346
104
13
15
120
208
13
19
234
622
90
13
29
123
148
13
58
232
427
Previsão de PLD NEWAVE para os meses de 2011 (R$/MWh)
Fonte: Elaborado pelos Autores (2010)
A cada processo de sorteio do PLD soma-se o Ágio que para está pesquisa será de
R$ 15,00/MWh. Matematicamente o preço de curto prazo pode ser definido como:
PCP = (PLD(1-2000)+15)/1000
Onde:
PCP: Preço de Curto Prazo (R$/kWh)
PLD(1-2000): PLD sorteado entre 2000 séries do NEWAVE (R$/MWh).
15: Ágio adotado (R$/MWh).
1000: Variável de conversão de R$/MWh para R$/kWh.
67
 Demanda de Energia
No Mercado Livre a demanda de energia é calculada da mesma forma que no
mercado cativo conforme definido e exemplificado no item 8.1.
 Encargos de Energia
Para os encargos que são cobrados da distribuidora, o cálculo se dará pela
multiplicação do consumo do Curto e Longo prazo pela tarifa correspondente da
Distribuidora em questão (RGE).
Para o Encargo de Serviço do Sistema (ESS) apurado mensalmente na CCEE a
forma de calculo é a mesma, porém o custo unitário adotado deste encargo
obedecerá um valor de R$ 3,00/MWh (ou 0,003/kWh)
 Mensalidade CCEE
Conforme exposto no item 7.2.5 uma das prerrogativas para o consumidor livre
efetivamente fazer parte do Ambiente de Contratação Livre (ACL) é a adesão a
Câmara Comercialização de Energia Elétrica (CCEE). Para este estudo o custo
mensal desta adesão será de R$ 400,00.
O custo total mensal do mercado livre é obtido pela soma dos custos de todas suas
componentes. A Tabela 8.4 mostra a modelagem dos custos do mercado livre.
68
Tabela 8.4 – Custo de Energia no Mercado Livre
Mês:
Período:
Simulação Mercado Livre
Consumo LP
Consumo CP
TUSD Demanda Ponta
TUSD Demanda Fora Ponta
Encargos Energia Ponta
Encargos Energia Fora Ponta
SUB TOTAL
Perdas da RB LP
Perdas da RB CP
Mensalidade CCEE
ESS - Encargo de Serviço do Sistema
TOTAL
Tarifa Média
Jan
U
Preço
Regis.
0.135 494,760
0.170 26,040
41.260
1,000
10.470
1,000
0.037 52,500
0.037 468,300
520,800
0.135 14,843
0.170
781
0.003 509,603
Feb
U
Valor
66,793
4,414
41,260
10,470
1,922
17,140
141,998
2,004
132
400
1,529
145,931
280.21
Preço
Regis.
0.120 446,880
0.094 23,520
41.260
1,000
10.470
1,000
0.037 50,400
0.037 420,000
470,400
0.120 13,406
0.094
706
0.003 460,286
Mar
U
Valor
Preço
53,626
0.120
2,200
0.097
41,260 41.260
10,470 10.470
1,845
0.037
15,372
0.037
124,772
1,609
0.120
66 0.097
400
1,381
0.003
128,162
272.45
Regis.
494,760
26,040
1,000
1,000
56,700
464,100
520,800
14,843
781
509,603
Apr
U
Valor
Preço
59,371
0.120
2,536
0.133
41,260 41.260
10,470 10.470
2,075
0.037
16,986
0.037
132,698
1,781
0.120
76 0.133
400
1,529
0.003
136,408
261.92
Regis.
478,800
25,200
1,000
1,000
48,300
455,700
504,000
14,364
756
493,164
May
S
Valor
Preço
57,456
0.120
3,341
0.101
41,260 41.260
10,470 10.470
1,768
0.037
16,679
0.037
130,973
1,724
0.120
100 0.101
400
1,479
0.003
134,576
267.02
Regis.
494,760
26,040
1,000
1,000
54,600
466,200
520,800
14,843
781
509,603
Jun
S
Valor
Preço
59,371
0.120
2,620
0.094
41,260 41.260
10,470 10.470
1,998
0.037
17,063
0.037
132,782
1,781
0.120
79 0.094
400
1,529
0.003
136,492
262.08
Regis.
478,800
25,200
1,000
1,000
52,500
451,500
504,000
14,364
756
493,164
Valor
57,456
2,378
41,260
10,470
1,922
16,525
130,010
1,724
71
400
1,479
133,613
265.11
Continuação
Mês:
Período:
Simulação Mercado Livre
Consumo LP
Consumo CP
TUSD Demanda Ponta
TUSD Demanda Fora Ponta
Encargos Energia Ponta
Encargos Energia Fora Ponta
SUB TOTAL
Perdas da RB LP
Perdas da RB CP
Mensalidade CCEE
ESS - Encargo de Serviço do Sistema
TOTAL
Tarifa Média
Jul
S
Preço Regis.
0.120 494,760
0.125 26,040
41.260
1,000
10.470
1,000
0.037 54,600
0.037 466,200
520,800
0.120 14,843
0.125
781
0.003 509,603
Fonte: Elaborado pelos Autores (2010)
Aug
S
Valor
Preço
59,371
0.120
3,253
0.116
41,260 41.260
10,470 10.470
1,998
0.037
17,063
0.037
133,415
1,781
0.120
98
0.116
400
1,529
0.003
137,125
263.30
Regis.
494,760
26,040
1,000
1,000
56,700
464,100
520,800
14,843
781
509,603
Sep
S
Valor
Preço
59,371
0.120
3,023
0.111
41,260 41.260
10,470 10.470
2,075
0.037
16,986
0.037
133,185
1,781
0.120
91
0.111
400
1,529
0.003
136,895
262.86
Regis.
478,800
25,200
1,000
1,000
52,500
451,500
504,000
14,364
756
493,164
Oct
S
Valor
Preço
57,456
0.120
2,809
0.123
41,260 41.260
10,470 10.470
1,922
0.037
16,525
0.037
130,441
1,724
0.120
84
0.123
400
1,479
0.003
134,045
265.96
Regis.
494,760
26,040
1,000
1,000
52,500
468,300
520,800
14,843
781
509,603
Nov
S
Valor
Preço
59,371
0.120
3,200
0.159
41,260 41.260
10,470 10.470
1,922
0.037
17,140
0.037
133,362
1,781
0.120
96
0.159
400
1,529
0.003
137,072
263.20
Regis.
478,800
25,200
1,000
1,000
50,400
453,600
504,000
14,364
756
493,164
Dec
U
Valor
Preço
57,456
0.120
4,006
0.237
41,260 41.260
10,470 10.470
1,845
0.037
16,602
0.037
131,638
1,724
0.120
120
0.237
400
1,479
0.003
135,241
268.34
Regis.
494,760
26,040
1,000
1,000
56,700
464,100
520,800
14,843
781
509,603
Valor
59,371
6,177
41,260
10,470
2,075
16,986
136,340
1,781
185
400
1,529
140,050
268.91
7,202,816
1,635,610
69
8.3 Comparação dos Custos
Na medida em que se tem modelado as componentes dos custos do mercado cativo
e livre é possível fazer uma comparação dos custos totais, o que para efeito deste
estudo chama-se benefício. O beneficio se traduz pela equação a seguir
Benefício = (∑CL (J-D)) / (∑CC (J-D))
Onde:
Benefício: Comparação dos custos do mercado Livre em relação ao Cativo (%).
∑CL (J-D): Somatória dos custos do mercado livre de janeiro a dezembro (R$).
∑CC (J-D): Somatória dos custos do mercado cativo de janeiro a dezembro (R$).
A Tabela 8.5 exemplifica o modelo de simulação utilizado para o cálculo do
benefício.
70
Tabela 8.5 – Modelagem dos Custos do Mercado Cativo e Livre
Cenário:
Mês:
Período:
1
Jan
U
1
Feb
U
1
Mar
U
1
Apr
U
1
May
S
1
Jun
S
Simulação Cativo
Consumo Ponta
Consumo Fora Ponta
Consumo Ponta Especial
Demanda Ponta
Demanda Fora Ponta
TOTAL
Tarifa Média
Tarifa
Regis.
0.270 52,500
0.172 468,300
0.000
0
41.260
1,000
10.470
1,000
Valor
14,166
80,510
0
41,260
10,470
146,406
281.12
Tarifa
Regis.
0.270 50,400
0.172 420,000
0.000
0
41.260
1,000
10.470
1,000
Valor
Tarifa Regis.
13,599
0.270 56,700
72,206
0.172 464,100
0
0.000
0
41,260 41.260
1,000
10,470 10.470
1,000
137,536
292.38
Valor
Tarifa Regis.
15,299
0.270 48,300
79,788
0.172 455,700
0
0.000
0
41,260 41.260
1,000
10,470 10.470
1,000
146,817
281.91
Valor
Tarifa Regis.
13,033
0.298 54,600
78,344
0.188 466,200
0
0.000
0
41,260 41.260
1,000
10,470 10.470
1,000
143,107
283.94
Valor
Tarifa Regis.
16,252
0.298 52,500
87,678
0.188 451,500
0
0.000
0
41,260 41.260
1,000
10,470 10.470
1,000
155,660
298.89
Valor
15,627
84,914
0
41,260
10,470
152,270
302.12
Simulação Mercado Livre
Consumo LP
Consumo CP
TUSD Demanda Ponta
TUSD Demanda Fora Ponta
Encargos Energia Ponta
Encargos Energia Fora Ponta
SUB TOTAL
Perdas da RB LP
Perdas da RB CP
Mensalidade CCEE
Ajuste de Energia CCEE
ESS - Encargo de Serviço do Sistema
Despesas CCEE
TOTAL
Tarifa Média
Preço
Regis.
0.135 494,760
0.170 26,040
41.260
1,000
10.470
1,000
0.037 52,500
0.037 468,300
520,800
0.135 14,843
0.170
781
Valor
66,793
4,414
41,260
10,470
1,922
17,140
141,998
2,004
132
400
0
1,529
3,933
145,931
280.21
Preço
Regis.
0.120 446,880
0.094 23,520
41.260
1,000
10.470
1,000
0.037 50,400
0.037 420,000
470,400
0.120 13,406
0.094
706
Valor
Preço
53,626
0.120
2,200
0.097
41,260 41.260
10,470 10.470
1,845
0.037
15,372
0.037
124,772
1,609
0.120
66
0.097
400
0
1,381
0.003
3,390
128,162
272.45
Valor
Preço
59,371
0.120
2,536
0.133
41,260 41.260
10,470 10.470
2,075
0.037
16,986
0.037
132,698
1,781
0.120
76
0.133
400
0
1,529
0.003
3,710
136,408
261.92
Valor
Preço
57,456
0.120
3,341
0.101
41,260 41.260
10,470 10.470
1,768
0.037
16,679
0.037
130,973
1,724
0.120
100
0.101
400
0
1,479
0.003
3,603
134,576
267.02
Valor
Preço
59,371
0.120
2,620
0.094
41,260 41.260
10,470 10.470
1,998
0.037
17,063
0.037
132,782
1,781
0.120
79
0.094
400
0
1,529
0.003
3,710
136,492
262.08
Valor
57,456
2,378
41,260
10,470
1,922
16,525
130,010
1,724
71
400
0
1,479
3,603
133,613
265.11
0.003 509,603
Benefício Apurado Mensal (R$)
Porcentagem Benefício Liquido
Fonte: Elaborado pelos Autores (2010)
0.003 460,286
Regis.
494,760
26,040
1,000
1,000
56,700
464,100
520,800
14,843
781
509,603
Regis.
478,800
25,200
1,000
1,000
48,300
455,700
504,000
14,364
756
493,164
Regis.
494,760
26,040
1,000
1,000
54,600
466,200
520,800
14,843
781
509,603
Regis.
478,800
25,200
1,000
1,000
52,500
451,500
504,000
14,364
756
493,164
475
9,374
10,409
8,530
19,168
18,657
0%
7%
7%
6%
12%
12%
71
Tabela 8.5 Modelagem dos Custos do Mercado Cativo e Livre - Continuação
Cenário:
Mês:
Período:
1
Jul
S
1
Aug
S
1
Sep
S
1
Oct
S
1
Nov
S
1
Dec
U
Simulação Cativo
Consumo Ponta
Consumo Fora Ponta
Consumo Ponta Especial
Demanda Ponta
Demanda Fora Ponta
TOTAL
Tarifa Média
Tarifa Regis.
0.298 54,600
0.188 466,200
0.000
0
41.260
1,000
10.470
1,000
Valor
Tarifa Regis.
16,252
0.298 56,700
87,678
0.188 464,100
0
0.000
0
41,260 41.260
1,000
10,470 10.470
1,000
155,660
298.89
Valor
Tarifa Regis.
16,877
0.298 52,500
87,283
0.188 451,500
0
0.000
0
41,260 41.260
1,000
10,470 10.470
1,000
155,890
299.33
Valor
Tarifa Regis.
15,627
0.298 52,500
84,914
0.188 468,300
0
0.000
0
41,260 41.260
1,000
10,470 10.470
1,000
152,270
302.12
Valor
Tarifa Regis.
15,627
0.298 50,400
88,073
0.188 453,600
0
0.000
0
41,260 41.260
1,000
10,470 10.470
1,000
155,430
298.44
Valor
Tarifa Regis.
15,002
0.270 56,700
85,309
0.172 464,100
0
0.000
0
41,260 41.260
1,000
10,470 10.470
1,000
152,040
301.67
Valor Total Geral
15,299
79,788
0
41,260
10,470
146,817
1,799,904
281.91
Simulação Mercado Livre
Consumo LP
Consumo CP
TUSD Demanda Ponta
TUSD Demanda Fora Ponta
Encargos Energia Ponta
Encargos Energia Fora Ponta
SUB TOTAL
Perdas da RB LP
Perdas da RB CP
Mensalidade CCEE
Ajuste de Energia CCEE
ESS - Encargo de Serviço do Sistema
Despesas CCEE
TOTAL
Tarifa Média
Preço Regis.
0.120 494,760
0.125 26,040
41.260
1,000
10.470
1,000
0.037 54,600
0.037 466,200
520,800
0.120 14,843
0.125
781
Valor
Preço
59,371
0.120
3,253
0.116
41,260 41.260
10,470 10.470
1,998
0.037
17,063
0.037
133,415
1,781
0.120
98
0.116
400
0
1,529
0.003
3,710
137,125
263.30
Valor
Preço
59,371
0.120
3,023
0.111
41,260 41.260
10,470 10.470
2,075
0.037
16,986
0.037
133,185
1,781
0.120
91
0.111
400
0
1,529
0.003
3,710
136,895
262.86
Valor
Preço
57,456
0.120
2,809
0.123
41,260 41.260
10,470 10.470
1,922
0.037
16,525
0.037
130,441
1,724
0.120
84
0.123
400
0
1,479
0.003
3,603
134,045
265.96
Valor
Preço
59,371
0.120
3,200
0.159
41,260 41.260
10,470 10.470
1,922
0.037
17,140
0.037
133,362
1,781
0.120
96
0.159
400
0
1,529
0.003
3,710
137,072
263.20
Valor
Preço
57,456
0.120
4,006
0.237
41,260 41.260
10,470 10.470
1,845
0.037
16,602
0.037
131,638
1,724
0.120
120
0.237
400
0
1,479
0.003
3,603
135,241
268.34
Valor
59,371
6,177
41,260
10,470
2,075
16,986
136,340
1,781
185
400
0
1,529
3,710
140,050
268.91
0.003 509,603
Benefício Apurado Mensal (R$)
Porcentagem Benefício Liquido
Fonte: Elaborado pelos Autores (2010)
Regis.
494,760
26,040
1,000
1,000
56,700
464,100
520,800
14,843
781
509,603
Regis.
478,800
25,200
1,000
1,000
52,500
451,500
504,000
14,364
756
493,164
Regis.
494,760
26,040
1,000
1,000
52,500
468,300
520,800
14,843
781
509,603
Regis.
478,800
25,200
1,000
1,000
50,400
453,600
504,000
14,364
756
493,164
Regis.
494,760
26,040
1,000
1,000
56,700
464,100
520,800
14,843
781
509,603
7,202,816
1,635,610
18,535
18,995
18,226
18,358
16,799
6,768
164,294
12%
12%
12%
12%
11%
5%
9%
72
8.4 Resultados
Em decorrência dos sorteios das séries de PLD utilizando o método de Monte Carlo
para cada cenário obtém-se uma análise das probabilidades de benefícios
observados.
Para o primeiro cenário, onde se alocou a compra de 5% do consumo no curto
prazo, observa-se que há uma probabilidade de 57,7% do benefício ficar entre 0% e
10% podendo chegar no máximo em 10,92%. Nota-se também que a utilização
deste cenário não traz prejuízo ao consumidor livre, visto que não se observa
valores de benefícios negativos. A Figura 8.1 ilustra graficamente a análise descrita
anteriormente.
No eixo X do gráfico de frequência se observa os possíveis valores de benefício e no
eixo Y a frequência em que cada valor foi calculado. Na faixa superior do gráfico
pode-se delimitar uma faixa de benefício (neste caso delimitou-se a faixa de 0% 10%) e em forma de probabilidade são expostos os valores que encontram-se nesta
faixa (57,7%).
Figura 8.1 – Análise de Beneficio Cenário 1.
Fonte: Elaborado pelos Autores (2010).
73
Para o segundo cenário, onde se alocou a compra de 10% do consumo no curto
prazo, observa-se que há uma probabilidade de 40,9% do benefício ficar entre 0% e
10% podendo chegar no máximo em 12,7%. Nota-se que a utilização deste cenário
prevê a possibilidade 6,4% de prejuízo que pode chegar a um benefício negativo de
8,2%. A Figura 8.2 ilustra graficamente a análise do cenário 2.
Figura 8.2 – Análise de beneficio Cenário 2.
Fonte: Elaborado pelos Autores (2010).
Para o terceiro e ultimo cenário considerado, onde se alocou a compra de 15% do
consumo no curto prazo, observa-se que há uma probabilidade de 34,1% do
benefício ficar entre 0% e 10%. A probabilidade de que os valores de beneficio
fiquem na faixa acima de 10% podendo chegar a 14.5% é de 56%. Nota-se que a
utilização deste cenário prevê a possibilidade 10% de prejuízo que pode chegar a
um benefício negativo 17%. A Figura 8.3 ilustra graficamente a análise do cenário 3.
74
Figura 8.3 – Análise de beneficio Cenário 3.
Fonte: Elaborado pelos Autores (2010).
Figura 8.4 ilustra graficamente a análise de todos os cenários onde se pode
observar de uma só vez todas as possibilidades que se encaixam nos cenários
utilizados.
75
Figura 8.4 – Análise de Beneficio de Todos os Cenários.
Fonte: Elaborado pelos Autores (2010).
76
9. CONCLUSÃO
Buscando quantificar as possibilidades de benefício que o mercado livre oferece em
relação ao cativo aos três cenários definidos em 8.2, para consumidores cujo perfil
de consumo está descrito em 8.1 foram comparados os valores totais nas diferentes
estratégias de contratação, o que se demonstra a seguir:
Tabela 9.1 – Possibilidades de Benefício
Cenário
1
2
3
Probabilidade de Benefício por Faixa
Negativo Entre 0% e 10% Acima de 10%
0.0%
58.0%
42.0%
6.5%
41.0%
53.0%
10.0%
34.0%
56.0%
Benefício Benefício
Mínimo Máximo
0.0%
8.0%
17.0%
11.0%
13.0%
15.0%
Fonte: Elaborado pelos Autores (2010)
Para um consumidor livre de energia que é totalmente avesso ao risco, ou seja,
assume que em hipótese alguma deseja ter um benefício negativo em relação ao
mercado cativo, a estratégia de contratação mais indicada é a do cenário 1. Neste
caso, observa-se uma grande chance (58%) do custo do mercado livre gerar um
benefício entre 0% e 10%.
Para um consumidor livre que deseja obter maiores ganhos em relação ao mercado
das distribuidoras e está disposto a assumir riscos de prejuízos, o cenário mais
indicado é o segundo. Ao contratar 10 pontos percentuais de sua energia em
contratos de curto prazo o consumidor tem uma chance de 41% do benefício ficar
entre 0% a 10% (queda de 17 p.p. em relação ao cenário cenário 1), porém há uma
probabilidade de 53% do benefício ficar acima de 10% podendo chegar a 13%. A
faixa de benefício acima de 10% do cenário 2 é 11% maior do que a do cenário 1.
Em relação a valores negativos, nota-se que no segundo cenário há uma chande de
6,5% dos valores de benefício ficarem negativos.
Para um consumidor livre que adota um perfil mais arrojado, o cenário mais
recomendado é o terceiro. Com 15% de seu consumo sujeito aos preços de curto
prazo o benefício máximo obtido é de 15% e a chance de valores acima de 10%
passa a ser de 56% (3% a mais que no cenário 2 e 14% acima do cenário 1). Os
77
riscos de valores de negativos também sofrem um aumento em relação aos demais
cenários. A chance de prejuízo aumenta 3,5% se comparado ao cenário 2 e passa a
ser de 10%.
Observa-se que a negociação de contratos de curto e longo prazo por consumidores
livres deve ser analisada de forma coerente. O método de Monte Carlo empregado
neste estudo é uma forma de expor as possibilidades de ganhos e prejuízos dada
uma estratégia de contratação de energia, servindo assim como uma ferramenta de
auxilio para decisão.
Técnicas para avaliar as possibilidades de ganho e os riscos de prejuízo tornam-se
cada vez mais importe no setor elétrico brasileiro, principalmente para os
consumidores livre. Um Projeto de Lei denominado como PLS 402/2009 que tramita
no Senado federal propõe a redução gradual dos requisitos de demanda para
migração ao mercado livre, decaindo para 2 MW após um ano da publicação da
nova Lei e para 1 MW após dois anos de sua publicação. Essa iniciativa é um
grande incentivo para o crescimento do mercado livre brasileiro.
78
REFERÊNCIAS BIBLIOGRÁFICAS
ANDERSON, David R.; SWEENEY, Dennis J.; WILLIAMS, Thomas A. Estatística
Aplicada à Administração e Economia. 2 ed. São Paulo: Cengage Learning, 2008.
ANDRADE, Eduardo Leopoldino. Introdução à Pesquisa Operacional: Métodos e
Modelos para a Análise de Decisão. 2 ed. Rio de Janeiro: LTC, 2000 e 2002.
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA – ANEEL. Brasília, 2008. Apresenta
o
Atlas
de
Energia
Elétrica
do
Brasil,
3
ed..
Disponível
em:
<http://www.aneel.gov.br/>.
ASSOCIAÇÃO BRASILEIRA DAS GRANDES EMPRESAS DE TRANSMISSÃO DE
ENERGIA ELÉTRICA – ABRATE. Apresenta a relação de empresas transmissoras
de energia elétrica. Disponível em: <http://www.abrate.com.br>. Acesso em:
10/11/2010.
BRASIL. Decreto n° 5.163, de 30 de julho de 2004. Regulamenta a comercialização
de energia elétrica, o processo de outorga de concessões e de autorizações de
geração de energia elétrica, e dá outras providências.
BURATTO, Marcos Vale. Construção e Avaliação de um Modelo de Simulação de
Monte Carlo para Analisar a Capacidade de Pagamento das Empresas em
Financiamentos
de
Longo
Prazo.
Porto
Alegre,
2005.
Disponível
em:
<http://www.lume.ufrgs.br/bitstream/handle/10183/4787/000460090.pdf?sequence=1
>. Acesso em: 12/10/2010.
CÂMARA DE COMERCIALIZAÇÃO DE ENERGIA ELÉTRICA – CCEE. São Paulo.
Apresenta informações acerca do funcionamento do mercado de energia elétrica.
Disponível em: <http://www.ccee.org.br/>.
79
CÂMARA DE COMERCIALIZAÇÃO DE ENERGIA ELÉTRICA – CCEE. São Paulo.
Apresenta
a
Visão
Geral
das
Operações
na
CCEE.
Disponível
em:
<http://www.ccee.org.br/>.
CÂMARA DE COMERCIALIZAÇÃO DE ENERGIA ELÉTRICA – CCEE. São Paulo.
Apresenta
o
Info
Mercado,
nº
39
–
out/2010.
Disponível
em:
<http://www.ccee.org.br/>.
CHWIF, Leonardo; MEDINA, Afonso Celso. Modelagem e Simulação de Eventos
Discretos: Teoria & Aplicações. 2 ed. São Paulo: Bravarte, 2007.
FAGUNDES FILHO, Carlos. Análise da Estratégia de Contratação de Consumidores
Livres, tendo como balizamento a formação de preços no Mercado Cativo. São
Paulo: Escola Politécnica da Universidade de São Paulo, 2009. Dissertação
Mestrado - Departamento de Engenharia de Energia e Automação Elétricas.
Engenharia Elétrica, São Paulo, 2009.
FERNANDES, Cesar. Gerenciamento de Riscos em Projetos: Como Usar o
Microsoft Excel para Realizar a Simulação de Monte Carlo, Paraná, dez. 2005.
Disponível em: <http://www.bbbrothers.com.br/scripts/Artigos/MonteCarloExcel.pdf>.
Acesso em: 10/10/2010.
GOMES, Leonardo L.; BRANDÃO, Luiz E.; PINTO, Antonio C. F.. Otimização de
Carteiras de Contratos de Energia Elétrica através da Medida Ômega. Revista
Brasileira de Finanças 2010, Rio de Janeiro, Vol. 8, No. 1, nov/2009.
KELMAN, R. Exemplo da Cadeia de Modelos de Planejamento Operativo. In: ―A
Nova Operação do Sistema Elétrico Brasileiro‖. 3a ed. DEE/CEE, PUCRio, 1999.
MANUAL DO USUÁRIO @RISK. Add-In do Microsoft® Excel para Simulação e
Análise de Riscos. Ver. 5.5. Palisade Corporation: maio, 2009.
80
MEDEIROS, L. Previsão do Preço Spot no Mercado de Energia Elétrica. Pontifícia
Universidade Católica do Rio de Janeiro. Rio de Janeiro, 2004.
MOORE, Jeffey H.; HEATHERFORD, Larry R. Tomada de Decisão em
Administração com Planilhas Eletrônicas. 6 ed. Porto Alegre: Bookman, 2005.
MOREIRA, Daniel Augusto. Pesquisa Operacional: Curso Introdutório. São Paulo:
Thomson Learning, 2007.
OLIVEIRA, Djalma de Pinho Rebouças. Sistemas de Informações Gerenciais:
Estratégias, Táticas, Operacionais. 11 ed. São Paulo: Atlas, 2007.
OPERADOR NACIONAL DO SISTEMA – ONS. Rio de Janeiro. Apresenta
informações sobre a operação do Sistema Interligado Nacional – SIN. Disponível
em: <http://www.ons.org.br/>.
PALISADE - Fabricante do software líder mundial em análise de risco e de decisão.
Apresenta
informações
sobre
o
software
@RISK.
Disponível
em:
<http://www.palisade-br.com>.
SCHEUNEMANN, Eric. Simulação de Monte Carlo, São Paulo, 2008. Disponível em:
<http://risk.nuvvo.com/lesson/5864-simulacao-de-monte-carlo>.
10/10/2010.
Acesso
em:
1
ANEXO I
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA - ANEEL
RESOLUÇÃO HOMOLOGATÓRIA Nº 1.009, DE 15 DE JUNHO DE 2010
Homologa as tarifas de fornecimento
de energia elétrica, as Tarifas de Uso
dos Sistemas de Distribuição – TUSD,
estabelece a receita anual das
instalações de conexão, fixa o valor
anual da Taxa de Fiscalização de
Serviços de Energia Elétrica – TFSEE,
referentes à Rio Grande Energia RGE e homologa a Tarifa de Energia
Elétrica – TE e a Tarifa de Uso dos
Sistemas de Distribuição – TUSD da
RGE para Departamento Municipal de
Energia de Ijuí – DEMEI, Centrais
Elétricas de Carazinho S/A. ELETROCAR, Hidroelétrica Panambi
S/A – HIDROPAN, Muxfeldt Marin &
Cia LTDA. – MUX ENERGIA e
Departamento Municipal de Energia
Elétrica Putinga – DEMEEP.
(*) Vide alterações e inclusões no final do texto.
Nota Técnica nº 187/2010-SRE/ANEEL
Relatório
Voto
O DIRETOR-GERAL DA AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA –
ANEEL, no uso de suas atribuições regimentais, de acordo com deliberação da
Diretoria, tendo em vista o disposto no art. 3o da Lei no 9.427, de 26 de dezembro de
1996, com redação dada pelo art. 9o da Lei no 10.848, de 15 de março de 2004, na
Cláusula Sétima dos Contratos de Concessão no 13/1997 e seus Aditivos, e o que
consta do Processo no 48500.006772/2009-97;
2
considerando o disposto no Termo Aditivo ao Contrato de Concessão de
Distribuição de Energia Elétrica, aprovado na 9a Reunião Pública Ordinária da Diretoria
da ANEEL em 14 de março de 2005, firmado com a RGE em 07 de abril de 2005; e
considerando o Termo Aditivo ao Contrato de Concessão de Distribuição de
Energia Elétrica aprovado na 4ª Reunião Pública Ordinária da Diretoria da ANEEL
realizada em 2 de fevereiro de 2010, no âmbito da Audiência Pública no 043/2009, que
introduziu aprimoramentos nos procedimentos de cálculo dos reajustes tarifários anuais,
visando assegurar a neutralidade dos itens de custos não gerenciáveis da ―Parcela A‖,
em relação aos encargos setoriais, resolve:
Art. 1o Homologar o resultado do reajuste tarifário anual de 2010 da Rio
Grande Energia – RGE, a ser aplicado de acordo com as condições estabelecidas nesta
Resolução.
Art. 2o As tarifas da RGE, constantes dos Anexos II e II-B da Resolução
Homologatória no 810, de 14 de abril de 2009, ficam, em média, reajustadas em 12,37%
(doze vírgula trinta e setepor cento), sendo 1,72% (um vírgula setenta e dois por cento)
relativos ao reajuste tarifário anual econômico e 10,65% (dez vírgula sessenta e cinco
por cento) referentes aos componentes financeiros pertinentes, correspondendo a um
efeito médio de 3,96% (três vírgula noventa e seis por cento) a ser percebido pelos
consumidores cativos.
Art. 3o As tarifas constantes dos Anexos I, que contemplam o reajuste
tarifário anual econômico e os componentes financeiros pertinentes, estarão em vigor no
período de 19 de junho de 2010 a 18 de junho de 2011.
Art. 4o As tarifas constantes do Anexo II, que contemplam somente o
reajuste tarifário anual econômico, estarão em vigor a partir de 19 de junho de 2011 e
deverão constituir a base de cálculos tarifários subseqüentes.
Art. 5o Fixar as Tarifas de Uso dos Sistemas de Distribuição — TUSD da
RGE, constantes dos Anexos II-A e II-B, conforme as especificações a seguir:
3
I - as tarifas constantes do Anexo II-A estarão em vigor no período de 19 de
junho de 2010 a 18 de junho de 2011; e
II - as tarifas constantes do Anexo II-B estarão em vigor a partir de 19 de
junho de 2011 e deverão constituir a base de cálculos tarifários subseqüentes.
§ 1o Para o cálculo das TUSD aplicáveis aos consumidores que assinaram
CCEI — Contrato de Compra de Energia Incentivada, de acordo com a Resolução
Normativa no 247, de 21 de dezembro de 2006, aplicar-se-á o desconto divulgado
mensalmente pela Câmara de Comercialização de Energia Elétrica — CCEE para cada
consumidor sobre a parcela da TUSD sujeita a desconto, devendo o resultado ser
somado à parcela da TUSD não sujeita a desconto, especificada no quadro U desta
Resolução.
§ 2o A TUSD de que trata o Quadro V refere-se às centrais geradoras
conectadas nos níveis de tensão de 88 kV a 138 kV.
Art. 6° Estabelecer a receita anual constante do Anexo III, referentes às
instalações de conexão da CEEE, ELETROSUL e ETAU, relativas às Demais
Instalações de Transmissão – DIT dedicadas à RGE, conforme a especificação a seguir:
I - a receita anual constante do Anexo III-A estará em vigor no período de 19
de junho de 2010 a 18 de junho de 2011, e incorpora o ajuste financeiro do PIS/PASEP
e da COFINS relativo à conexão e
II - a receita anual constante do Anexo III-B, sem o efeito financeiro
mencionado no inciso I, estará em vigor a partir de 19 de junho de 2011, devendo
constituir a base de cálculos tarifários subseqüentes.
Art. 7° Fixar o valor anual da Taxa de Fiscalização de Serviços de Energia
Elétrica – TFSEE da RGE, referente ao período de junho de 2010 a maio de 2011,
conforme o Anexo IV desta Resolução.
Art. 8° Aprovar, para fins exclusivos de cálculo do atual reajuste tarifário e de
apuração da Conta de Compensação de Variação de Valores de Itens da Parcela A –
4
CVA do próximo reajuste, o custo com Encargos de Serviço do Sistema – ESS e de
Energia de Reserva – EER da RGE para 2010, conforme o Anexo V desta Resolução.
Art. 9° Prorrogar para 28 de junho de 2010, a vigência da Tarifa de Energia
Elétrica – TE e da Tarifa de Uso do Sistema de Distribuição – TUSD entre a RGE e as
Distribuidoras Supridas DEMEI, HIDROPAN, ELETROCAR, MUXFELDT e DEMEEP,
constantes do Anexo V-A da Resolução Homologatória nº 810, de 14 de abril de 2009.
Art. 10. Homologar a Tarifa de Energia Elétrica – TE e a Tarifa de Uso dos
Sistemas de Distribuição – TUSD da RGE para as Distribuidoras Supridas DEMEI,
HIDROPAN, ELETROCAR, MUXFELDT e DEMEEP constantes dos Anexos VI-A, VI-B e
VI-C, conforme as especificações a seguir
I – as tarifas constantes do Anexo VI-A contemplando o respectivo
reposicionamento tarifário e os componentes financeiros externos ao reposicionamento,
além dos percentuais de PIS/PASEP e COFINS que deverão ser acrescentados às
tarifas para efeito de cobertura dos dispêndios relativos a estes tributos. As tarifas em
questão serão aplicadas às concessionárias supridas a partir 29 de junho de 2010;
II – as tarifas constantes do Anexo VI-B, que contemplam somente o
respectivo reposicionamento tarifário; e
III – as tarifas constantes do Anexo VI-C, que contemplam o respectivo
reposicionamento tarifário sem o desconto na TUSD conferido às concessionárias e
permissionárias supridas com mercado próprio inferior a 500 GWh/ano, conforme
definido pela Resolução Normativa no 243, de 19 de dezembro de 2006 e que estarão
em vigor a partir de 29 de junho de 2011, devendo constituir a base de cálculos tarifários
subseqüentes.
Art. 11. Fica autorizada a inclusão, no valor total a ser pago pelo consumidor,
das
despesas
do
PIS/PASEP
e
da
COFINS
efetivamente
incorridas
pela
Concessionária, no exercício da atividade de distribuição de energia elétrica.
Parágrafo único. Em função de eventual variação mensal da alíquota efetiva
do PIS/PASEP e da COFINS, bem como da defasagem entre o valor pago e o
5
correspondente valor repassado para o consumidor, a RGE poderá compensar essas
eventuais diferenças no mês subseqüente.
Art. 12. Esta Resolução entra em vigor na data de sua publicação.
NELSON JOSÉ HÜBNER MOREIRA
Este texto não substitui o publicado no D.O. de 18.06.2010, seção 1, p. 95, v. 147, n.
115.
(*) Texto em negrito com redação alterada conforme retificação publicada no D.O. de
21.06.2010, seção 1, p. 147, v. 147, n. 116.
(*) Texto em negrito com redação alterada conforme retificação publicada no D.O. de
30.08.2010, seção 1, p. 86, v. 147, n. 166.
6
ANEXO II
7
8
9
10
11
12