AMANDA DELPOIO FIORAVANTI

MARCOS ROBERTO FRANCO FILHO

Modelos de negócio para viabilização de fontes renováveis no mercado livre

de energia

São Paulo
2018
 AMANDA DELPOIO FIORAVANTI
MARCOS ROBERTO FRANCO FILHO

Modelos de negócio para viabilização de fontes renováveis no mercado livre

de energia

Conceito do Projeto apresentado à Escola

Politécnica da Universidade de São Paulo
para a disciplina Projeto de Formatura I
PSI3591

Orientador: Prof. Dr. Dorel Soares Ramos

São Paulo
2018
 RESUMO

Este trabalho visa estabelecer uma proposição de modelos de negócio viáveis do

ponto de vista econômico-financeiro, regulatório, fiscal e operacional, suportados por
ferramentas de simulação, para análises dos principais condicionantes viabilizadores
de operações comerciais e de investimento envolvendo fontes renováveis no mercado
livre de energia. Tendências globais apontam para a transição do Mercado Cativo de
Energia para o Mercado Livre, fazendo-se necessário explorar oportunidades na
expansão da matriz energética brasileira, formada principalmente por usinas
hidrelétricas, através do estudo de como se obter vantagem competitiva no ambiente
de mercado livre com base na diversificação dos ativos de geração de energia (na
existência de atratividade para que os investimentos ocorram). Com o intuito de
auxiliar esta transição, será́ realizado um estudo detalhado dos fatores por trás da
viabilidade de arranjos comerciais em energia renovável, com foco no ambiente de
mercado livre, e será́ desenvolvida análise/modelagem/simulação para o estudo dos
modelos de negócio, pensando na relação Risco x Retorno. Este projeto será
elaborado na Escola Politécnica da USP, Departamento de Sistemas Eletrônicos e de
Energia e Automação, terá dois semestres de duração e acontecerá ao longo do ano
de 2018. Os alunos responsáveis pelo projeto são Amanda Delpoio Fioravanti e
Marcos Roberto Franco Filho, com apoio e orientação do professor Dorel Soares
Ramos. Por se tratar de um projeto que estuda viabilidade econômica e envolve
modelagem e simulação de modelos de negócio, o valor gasto no trabalho pode ser
desconsiderado, em um primeiro momento. As ferramentas que possivelmente serão
utilizadas ao longo do projeto são de uso livre ou serão disponibilizados pelo professor
orientador Dorel, de acordo com as necessidades pontuais.

Palavras-Chave: Energia Renovável; Risco; Complementaridade; Geração.

 SUMÁRIO
SUMÁRIO ................................................................................................................... 4
1 INTRODUÇÃO ......................................................................................................... 3
1.1 CONSIDERAÇÕES INICIAIS ............................................................................ 3
1.2 MOTIVAÇÃO ..................................................................................................... 3
1.3 DECLARAÇÃO DA NECESSIDADE ................................................................. 4
1.4 DECLARAÇÃO DO PROBLEMA ....................................................................... 5
1.5 OBJETIVOS....................................................................................................... 6
1.6 RESULTADOS ESPERADOS ........................................................................... 9
2 ESTADO DA ARTE E CONCEITO ........................................................................ 10
2.1 DESCRIÇÃO GERAL DA ÁREA EM QUE SE INSERE O PROJETO ............. 10
2.2 DESCRIÇÃO GERAL DOS CONCEITOS ENVOLVIDOS E LEVANTADOS
PELO GRUPO ....................................................................................................... 11
2.2.1 Teoria do Portfólio e Teorema de Markowitz ............................................. 13
2.2.2 Teoria dos jogos ........................................................................................ 14
2.2.3 Modelo MiniMax ........................................................................................ 14
2.2.4 Value at Risk (VaR) e Conditional Value at Risk (CVaR) .......................... 15
2.2.5 Cash Flow at Risk Estocástico e IRR Estocástica ..................................... 15
2.2.6 Otimização Linear (Dual Simplex) ............................................................. 16
2.2.7 Algoritmos Genéticos e Evolucionários ..................................................... 16
2.2.8 Modelagem através de Redes Neurais Artificiais ...................................... 17
2.2.9 Método de Monte Carlo ............................................................................. 18
2.2.10 Análise de cenários com Redes Bayesianas .......................................... 19
2.2.11 Newave e Decomp .................................................................................. 19
2.3 CONCEITO ESCOLHIDO ................................................................................ 20
2.4 PESQUISA BIBLIOGRÁFICA .......................................................................... 23
 3

1 INTRODUÇÃO

1.1 CONSIDERAÇÕES INICIAIS

Neste projeto serão desenvolvidos quadros e modelos de simulação de negócio

que mitiguem os riscos associados a comercialização de energia no Ambiente de
Contratação Livre. Espera-se com isso encontrar formas de viabilizar a diversificação
da matriz energética brasileira do ponto de vista econômico-financeiro, com especial
enfoque em fontes de energia renováveis.
Acreditamos que os conhecimentos envolvidos para a realização deste trabalho
estão amplamente vinculados com a formação em engenharia e a preparação para o
mercado de trabalho. Viabilização de energias renováveis constitui tema
extremamente atual e de suma importância para a sustentabilidade do planeta, ao
passo que modelagens matemáticas e análises estocásticas estão diretamente
ligadas ao curso de engenharia.
O projeto será realizado em dois semestres, no decorrer das disciplinas Projeto
de Formatura I e II. A primeira dedica-se à prova de conceito (PoC) e a segunda à
implementação do projeto. Para traçarmos a prova de conceito, contudo, primeiro
devemos definir o conceito em si. Este documento visa elucidar o conceito adotado e
as motivações para sua escolha.

1.2 MOTIVAÇÃO

O setor elétrico vem rompendo paradigmas mundo afora graças à inovação em

tecnologia e processos, digitalização, conectividade e fortalecimento do consumidor.
No Brasil, o setor elétrico, que já é expressivo, vem crescendo e está em plena
transformação. Espera-se que após anos de investimentos deficitários em
infraestrutura, um novo ciclo de aportes pode chegar a R$2 tri nos próximos 8 anos,
sendo aproximadamente R$ 360 mi destinados ao setor de energia elétrica.
Cresce no país também um cenário de fortalecimento do consumidor final. As
empresas, hoje consolidadas no mercado cativo, deverão se modernizar, se tornar
mais competitivas, desenvolver novas estratégias e modelos de negócio para que
possam alocar adequadamente os recursos, maximizando o retorno e mitigando dos
 4

riscos. A maior penetração do ambiente livre de comercialização de energia e a

crescente distribuição da produção colocarão em xeque o equilíbrio econômico de
toda a cadeia produtiva. A matriz energética brasileira se tornará cada vez mais
renovável, não convencional e imprevisível.
Dessa forma, a principal motivação por trás desta pesquisa é o de aproveitar as
oportunidades que vêm surgindo no setor energético brasileiro, oriundas tanto da
expectativa de que se inicie um novo ciclo de investimentos no país quanto dos
espaços que se criam na mudança do ambiente de comercialização brasileiro para o
mercado livre. Busca-se através do projeto entender melhor o setor energético
brasileiro (seus obstáculos, potenciais de crescimento e otimização); utilizar os
conhecimentos de engenharia para auxiliar a estruturação de modelos de negócio
mais competitivos e inteligentes; e desenvolver familiaridade com análises de risco
complexas (que envolvem conceitos muito importantes para o mercado de trabalho
como um todo).

1.3 DECLARAÇÃO DA NECESSIDADE

A alta concentração de usinas hidrelétricas na matriz energética brasileira faz

com que cresça cada vez mais a importância das fontes renováveis na manutenção
das condições de fornecimento e na segurança do suprimento energético do país.
Surge aqui a necessidade de um aprofundamento nos estudos que envolvem essas
fontes renováveis alternativas, por meio de uma análise detalhada dos possíveis
benefícios da complementação entre essas as fontes em um portfólio diversificado.
O Brasil possui uma natural vantagem em relação aos demais países, inerente
a sua grande extensão territorial e presença de diferentes climas e condições
geográficas a serem explorados. Justamente as específicas disponibilidades de
geração de cada região do país, em cada época do ano, gera uma complementaridade
que pode auxiliar na mitigação de riscos associados aos meios de produção quando
considerados individualmente.
Desse cenário surge a oportunidade de se explorar de maneira eficiente a
criação de portfólios com ativos de regiões e de fontes renováveis distintas que fazem
com que investimentos em novos projetos e com que o cenário de comercialização
brasileiro foque não somente nas características técnicas dos meios isolados, mas da
composição e vantagem econômica que a diversificação pode trazer. Neste contexto,
 5

especificamente no caso deste projeto, cabe identificar modelos de negócio

otimizados de comercialização de energias renováveis através do Mercado Livre de
Energia.
A importância do Mercado Livre de Energia é crescente e sua representatividade
já chega a 25% de toda a carga do SIN (Sistema Interligado Nacional). Neste mercado,
os consumidores são livres para comprar energia diretamente dos geradores e
comercializadores, através de contratos bilaterais com condições livremente
negociadas, como preço, prazo, volume, entre outros. O número de possíveis modelos
de negócio, portanto, torna-se tremendo, fazendo-se necessária a análise e busca dos
modelos mais vantajosos, tanto economicamente, quanto em termos de diversificação
de energias limpas. Para se chegar a tais modelos, faz-se necessário detalhado
estudo das variáveis que os compõem e das influências que cada fator pode ter nos
modelos de negócio, através de modelagem, simulações e robustas análises de
cenários.

1.4 DECLARAÇÃO DO PROBLEMA

Atualmente o Brasil possui uma matriz energética pouco diversificada em relação

à geração de eletricidade 一 as hidrelétricas representaram cerca de 64% de sua
produção em 2016, segundo a EPE (Empresa de Pesquisa Energética). Essa elevada
concentração de meios de produção, no entanto, pode resultar em problemas de
abastecimento, como o da crise hídrica enfrentada pelo Brasil em 2015. Além disso,
as grandes usinas vêm sofrendo grandes pressões em relação aos impactos
socioambientais por elas causados como desvio dos rios, alagamento de regiões
próximas, trato indevido da fauna e flora locais, entre outros.
Outra problematização é que, sob a perspectiva do investidor brasileiro, grandes
projetos de infraestrutura requerem elevadíssimos graus de investimento e
comprometimento de capital que são empecilhos em um país em que há grande
dificuldade e há altos custos envolvidos em se obter financiamento devido a taxas de
juros elevadas. O sistema financeiro, de modo geral, não apoia obras de infraestrutura
com retornos de longo prazo, restando praticamente o BNDES como fonte de
recursos.
Uma forma de obter melhores condições de financiamento poderia ser o de
envolver nos projetos mecanismos de mitigação de riscos, como através de
 6

complementaridade entre ativos, com o uso de modelos de negócio e

desenvolvimento de contratos que se mostrem capazes de justificar os investimentos.
Neste contexto, evidencia-se a grande complexidade por trás de tais modelos de
negócio, que exigem muito estudo e coleta de dados, não sendo trivial a análise de
viabilidade de projetos e da comercialização através da estruturação de portfólios de
energias provenientes de diferentes fontes e regiões do país.
Por último, ainda na conjuntura do cenário de comercialização brasileiro, que
caminha cada vez mais para a ampliação do ACL (Ambiente de Contratação Livre),
os consumidores buscarão no quadro competitivo preços mais baixos do que aqueles
sendo ofertados por empresas no ACR (Ambiente de Contratação Regulado), mas
estarão ao mesmo tempo sujeitos a uma volatilidade maior dos preços. Isso fará com
que os consumidores busquem cada vez mais estratégias sólidas de composição do
portfólio de contratos de compra de energia.
Sob à ótica desses problemas, o país vem tentando diversificar sua matriz
energética tornando, portanto, necessário estudar modelos de negócio viáveis, tanto
financeiramente como social e ambientalmente, de diversificação entre fontes
renováveis e entre sites (solar, eólica, hídrica e biomassa).

1.5 OBJETIVOS

O objetivo principal deste projeto é estudar e propor modelos de negócio que

viabilizem a comercialização de energias renováveis sob a lente do Mercado Livre de
Energia através de ferramentas de otimização para análises de risco e retorno e
simulações que permitam avaliar a complementaridade (sazonais e geográficas) de
diferentes fontes de energia na comercialização e formação de portfólios.
Com o intuito de alcançar o objetivo principal, deseja-se primeiramente
apresentar uma contextualização sobre o cenário brasileiro atual de comercialização
de energia: como funciona, como sua estrutura se compara com as utilizadas em
mercados internacionais e quais as tendências esperadas no médio e longo prazo
para a mesma. Será dada especial ênfase para o entendimento do funcionamento do
mercado livre (Ambiente de Contratação Livre - ACL), suas vantagens e desvantagens
em relação ao Ambiente de Contratação Regulada (ACR).
Será, também, essencial compreender os diversos sistemas de produção de
energias renováveis, seus impactos ambientais, capacidades de geração e
 7

distribuição, limitações, custos associados e principalmente os impactos da

complementaridade entre essas diferentes fontes no suprimento de energia. Este
trabalho visa utilizar ferramentas de simulação para efeito de quantificação dos
benefícios financeiros e da mitigação de riscos inerentes à estratégia diversificação
de fontes renováveis na comercialização conjunta, comparando os efeitos de
complementaridade em diversos cenários.
Por fim, pretende-se chegar ao objetivo final deste projeto de propor um
modelo de negócios otimizado e pertinente ao cenário brasileiro de comercialização,
com o aprimoramento dos modelos de simulação com métricas tradicionais do
mercado financeiro (VaR e CVaR), para definição do nível ótimo de risco, e com
análise de viabilidade com as técnicas de Fluxo de Caixa Estocástico (Cash Flow at
Risk) e Taxa Interna de Retorno (TIR) Estocástica.

Figura 1 – Árvore de Objetivos

Os estudos e o projeto em si estão divididos em algumas frentes que permitirão

alcançar o objetivo principal de propor modelos de negócio otimizados. As duas
primeiras etapas, Modelos de Comercialização Existentes e Demanda por Livre
Mercado no Brasil, são as duas quebras de uma grande etapa de pesquisas
bibliográficas e maior entendimento do tema. As duas etapas posteriores são aquelas
por trás da simulação e análise das dos diferentes cenários a serem estudados e do
desenvolvimento dos modelos de negócio.
 8

i. Modelos de Comercialização Existentes

O entendimento de modelos já existentes nacional e internacionalmente nos
dará uma noção inicial dos aspectos mais relevantes, prós e contras de cada modelo
e uma primeira noção dos potenciais de melhoria em âmbito nacional.

ii. Livre Mercado de Energia

Buscaremos aqui entender o que é o mercado livre (Ambiente de Contratação
Livre - ACL), suas vantagens e desvantagens em relação ao Ambiente de Contratação
Regulada (ACR). Além de representatividade do mesmo e suas expectativas de
crescimento.

iii. Produção e Operacionalização

Neste momento devemos quebrar a análise em diversos cenários buscando
energias que melhor atendam os segmentos de consumidores mais interessantes
economicamente e produzam maiores benefícios ambientais, quantificando os
investimentos, incentivos e custos envolvidos, além das capacidades e limitações de
atuação para cada cenário. Neste momento devemos comparar os diferentes cenários
e modelos sob a ótica de complementaridade entre as energias, lucratividade,
benefícios intangíveis e tempos de retorno.

iv. Proposição do Modelo Otimizado

A última etapa deste trabalho objetiva propor modelos de negócios alternativos,
que representem otimizações ao modelo brasileiro. Aqui o modelo será aperfeiçoado
com as devidas análises estocásticas de riscos, buscando as melhores proporções de
diversificação do portfólio por tipo, geografia e tamanhos das fornecedoras de energia.
 9

1.6 RESULTADOS ESPERADOS

Espera-se que ao final do trabalho sejam desenvolvidos um ou mais modelos de

negócios que apresentem soluções viáveis e pertinentes que sejam capazes de ao
mesmo mitigar riscos e trazer retornos financeiros satisfatórios através da
comercialização de energias renováveis no mercado livre de energia brasileiro.
Inicialmente, será desenvolvida uma pesquisa bibliográfica norteada pelo
objetivo de dar sustentação teórica a todos os tópicos da abordagem pretendida,
utilizando Notas Técnicas da EPE (Empresa de Pesquisa Energética), Resoluções da
ANEEL (Agência Nacional de Energia Elétrica), relatórios do CCEE (Câmara de
Comercialização de Energia Elétrica), além de teses e artigos voltados para o tema
de modelos de negócios para comercialização de energia elétrica. As tecnologias
relevantes a serem estudadas serão as referentes à produção de energia solar, eólica,
biomassa e hidráulica (com foco em pequenas hidrelétricas).
O material coletado a partir dos estudos bibliográficos será a base para o
desenvolvimento de simulações e modelos a partir de softwares de processamento
de dados, como Excel, VBA e Solver, para primeiras análises de complementaridade
das energias e de risco e retorno de cenários mais relevantes. Essas primeiras
análises têm como objetivo familiarização com esse tipo de modelagem e com cada
possível cenário de estratégia de comercialização conjunta de energias provenientes
de fontes e localidades distintas.
Após essa etapa intermediária de familiarização com os cenários mais básicos,
serão desenvolvidos os modelos de negócio em si, com simulações de otimização de
complementaridade e viabilidade econômica e financeira que levem em consideração
nível ótimo de risco (métricas VaR e CVaR) e técnicas de análise de investimentos
(Fluxo de Caixa Estocástico e TIR Estocástico).
 10

2 ESTADO DA ARTE E CONCEITO

2.1 DESCRIÇÃO GERAL DA ÁREA EM QUE SE INSERE O PROJETO

A nível global, o ambiente de livre comercialização vem penetrando a indústria

de eletricidade, ocasionando reestruturações e mudanças regulamentares na mesma.
Consequência direta dessas transformações é a promoção de eficiência econômica
através da competição, que podemos observar em diversos países.
No Brasil, em meio às diversas mudanças no setor elétrico originadas na década
de 90, distribuidoras e grandes consumidores de energia passaram a firmar contratos
bilaterais com as geradoras de forma livre, o que elevou a concorrência e eficiência
da indústria. Segundo a Associação Brasileira dos Comercializadores de Energia
(Abraceel), as empresas que fizeram a transição para o Ambiente de Contratação
Livre (o Mercado Livre) economizaram um total de R$ 70 bilhões, em 13 anos, em
relação ao que teriam gasto no Ambiente de Contratação Regulado.
Uma vez que a energia passou a ser tratada como commodity, o preço os para
os consumidores atacadistas deixou de ser uma tarifa única que cobria todos os
custos da geradora, e passou a variar segundo oscilações de mercado. Por
conseguinte, empresas geradoras e comercializadoras passaram a assumir os riscos
da comercialização de energia. A possibilidade de não conseguir fechar contratos de
venda, ou de os contratos firmados tornarem-se insatisfatórios, tornou-se uma
realidade. Propiciando, assim, a ampla aplicação de modelos de otimização de
portfólio na área.
Através de análises econômico-financeiras, os modelos de otimização de
portfólio se propõem a estipular uma carteira de ativos financeiros que apresente a
melhor relação risco-retorno possível. A mitigação dos riscos, pode ser obtida através
da diversificação ou balanceamento da carteira, estratégia que, entre outras, será
adotada neste projeto. A determinação dos montantes ideais de energia provindos de
diferentes fornecedores, no entanto, é não trivial, fazendo-se necessário uso de
equacionamentos matemáticos estocásticos complexos, vistos a seguir.
 11

2.2 DESCRIÇÃO GERAL DOS CONCEITOS ENVOLVIDOS E LEVANTADOS PELO

GRUPO

Como descrito na Declaração do Problema, os principais desafios são: um

cenário brasileiro de pouca diversificação da matriz energética, dificuldade de
financiamento de grandes projetos de infraestrutura e mudança do ambiente de
comercialização do mercado regulado para o livre. Para confrontar esses problemas,
necessário entender que tipo de soluções seriam capazes de impactar o cenário
descrito.
Para impulsionar a diversificação da matriz energética, seria de grande ajuda ter
a capacidade de desenvolver portfólios otimizados em relação ao risco, com ativos
diversificados tanto em relação à fonte energética (eólica, solar, etc.) como localização
geográfica dentro do país.
A dificuldade de financiamento, muito ligada a incertezas de retornos financeiros
de longo prazo, pode também, em parte, se beneficiar dessa mitigação de riscos
proveniente de uma carteira de ativos energéticos diversificada. Quanto menor o risco
com o qual o investidor enxerga o projeto, maior a facilidade de conseguir
financiamentos.
Por último, uma modelagem capaz de descrever de maneira mais concreta quais
serão os impactos que virão a partir da tendência de mudança do mercado regulado
para o mercado livre seria de grande relevância para os players conseguirem se
posicionar de maneira eficiente nesse novo cenário e aproveitarem eventuais
oportunidades financeiras e operacionais.
Identificados os requisitos do trabalho, passa-se a enxergar o problema a ser
resolvido neste projeto como sendo o de desenvolver uma modelagem que permita
criar portfólios otimizados com foco em mitigação de riscos. A solução deste problema,
que é subconjunto dos grandes desafios do cenário brasileiro identificados, será o
foco deste projeto de formatura daqui em diante.
 12

Figura 2 – Problematização

A proposta desse projeto é, então, definir modelos de negócio com o

desenvolvimento de uma modelagem, de um simulador, que permita encontrar o
balanço ótimo da carteira de ativos dadas as faixas aceitáveis de retorno e risco.
Outrossim, faz parte desse projeto a elaboração de premissas condizentes com a
situação brasileira e escolha de relações retorno risco iniciais razoáveis para a
obtenção, como saída da ferramenta, de um modelo de negócio já otimizado em
relação aos atualmente adotados no Brasil.
A construção deste simulador é dependente da escolha apropriada dos
equacionamentos necessários para a descrição dos fenômenos envolvidos. Para isso,
é importante levantar os conceitos e técnicas existentes nos campos da ciência e
engenharia que sejam relevantes neste tipo de problema. Discorreremos, então, sobre
suas vantagens e limitações a fim de definir as abordagens que adotaremos no
decorrer do projeto.
Quebraremos as técnicas e equacionamentos a seguir descritos em 4 categorias
de aplicações dentro do simulador: estimação de produção, comparação entre
portfólios, métricas de risco e otimização computacional do modelo.
 13

2.2.1 Teoria do Portfólio e Teorema de Markowitz

A teoria do portfólio, dentro do contexto de modelamento de negócios para a

comercialização de energia, é aplicável comparação de cenários na busca pela
proporção ótima de fontes energéticas dado certas faixas de retorno e risco aceitáveis.
Enunciada por Markowitz, a teoria diz que cada investimento possui um
determinado risco e retorno esperado. Quantitativamente, utilizam-se as medidas
estatísticas de valor esperado e variância da distribuição dos retornos para descrevê-
los. Sob a ótica do investidor, o retorno esperado e a volatilidade dos prováveis
retornos são aspectos fundamentais na definição de um portfólio ótimo. Fixado o nível
de retorno requerido, utiliza-se o equacionamento da variância total do portfólio de
forma a encontrar a proporção de risco mínimo. Analogamente, fixado o risco
aceitável, pode-se encontrar o portfólio que produz retorno máximo, a partir do valor
esperado, contudo.

Figura 3 – Teorema de Markowitz

De forma geral, existe um consenso quanto ao uso do valor esperado da

distribuição dos retornos para representar o retorno de um investimento, o mesmo,
porém, não se aplica à utilização da variância como métrica de risco.
 14

2.2.2 Teoria dos jogos

A teoria dos jogos pode ser outra abordagem no tema de diversificação de

portfólios. Tomando como jogadores as unidades de geração, com uma determinada
garantia física, e o jogo sendo cooperativo, em que se deve decidir entre vender sua
energia através de um contrato de médio prazo, com preço fixo, ou deixar uma parcela
de sua garantia física descontratada, buscando maiores ganhos com a liquidação no
curto prazo ao PLD.
Com o objetivo de maximizar a aversão ao risco, é assumido que conjuntos de
jogadores podem formar alianças, de forma que suas garantias físicas se
complementem, gerando produtos cuja negociação trará́ benefícios para ambos. Tais
alianças, quando formadas por jogadores cuja geração tem perfil complementar,
possuem um produto mais robusto, podendo oferecer preços mais agressivos no
mercado, o que significa uma grande vantagem sobre as alianças com portfólios
menos complementares.

2.2.3 Modelo MiniMax

O modelo Minimax utiliza teoria dos jogos para seleção de portfólio usando o
mínimo retorno como medida de risco. Ele consiste em maximizar os retornos mínimos
esperados, isto é, minimizar a possível perda máxima.
Um exemplo de modelo Minimax é o de Deng, Li e Wang (2005), que admite que
no mercado estão disponíveis n ativos que oferecem retornos variáveis e com certo
nível de risco, e um ativo sem risco que oferece uma taxa de retorno fixa. A alocação
é considerada como sendo feita através destes n ativos com risco e do ativo sem risco.
Neste caso, o valor esperado do retorno de cada ativo não pode ser menor que o
retorno do ativo sem risco. Através de um ponderador variável (um parâmetro) de
aversão ao risco na modelagem, é possível encontrar uma estratégia que forneça o
melhor do pior caso, aquela que maximiza o retorno esperado através do pior caso
possível dos valores para os retornos de cada ativo.
 15

2.2.4 Value at Risk (VaR) e Conditional Value at Risk (CVaR)

O VaR é uma estimativa da máxima perda potencial, a um dado nível de

confiança, que uma instituição financeira estaria exposta durante um período
padronizado (dia, semana, ano etc.). Comumente utilizado como gestor de riscos
independentes na flutuação dos preços de commodities. O racional é encontrar o
mínimo VaR a partir dos pesos dos ativos no portfólio. O VaR, todavia, deve ser visto
como um procedimento necessário, mas não suficiente, para o controle do risco, pois
nada nos diz sobre qual é a perda esperada nos dias em que a perda supera o
intervalo de confiança. Existem algumas formas de calcular o VaR: VaR paramétrico
ou analítco; o VaR de MonteCarlo; e o VaR histórico.
O Conditional Value At Risk é uma aprimoração do VaR. Com base nas
probabilidades, sob certas condições, de uma certa perda exceder o VaR.
Matematicamente, CVaR é derivado de uma média ponderada entre o VaR e as
perdas que o excedem. O nível de confiança é definido como o valor esperado
condicional das perdas de um portfólio, dado que as perdas a serem contabilizadas
são as maiores ou iguais ao VaR.

2.2.5 Cash Flow at Risk Estocástico e IRR Estocástica

A metodologia do Cash-Flow-at-Risk (CFaR), que busca determinar a pior queda

no fluxo de caixa gerada pela influência dos fatores de risco. É considerado a principal
ferramenta de apoio a decisão dos gestores financeiros. Sua utilização permite prever
possíveis cenários de sobras ou escassez de caixa e permitir ações corretivas de
forma antecipada. No âmbito deste projeto, ela nos ajudaria a estimar o impacto da
diversificação entre ativos, buscando que as sazonalidades de produção de diferentes
fontes, em conjunto, sejam complementares minimizando o fluxo de caixa em risco.
Observe que a análise deve ser estocástica, ao invés de determinísticas, pois a
produção das usinas depende de variáveis estocásticas, a saber, a hidrologia, o vento
e o sol.
A taxa interna de retorno (IRR- Internal Rate Of Return), é um complemento do
cash flow at risk. Representa a taxa de lucros esperada de um investimento durante
sua vida útil. A IRR é, na verdade, a taxa de desconto que leva o valor presente líquido
a zero. Isso é mais ou menos a taxa de desconto na qual o valor presente das saídas
 16

de caixa é igual ao valor presente das entradas de caixa. O que significa que o
investimento será vantajoso caso a IRR seja maior que o custo do capital.

2.2.6 Otimização Linear (Dual Simplex)

Formado por uma função linear e por um conjunto de inequações lineares,

denominados função objetivo e restrições do problema, respectivamente; a
programação linear objetiva fornecer ferramentas para encontrar o valor máximo ou
mínimo possível em uma função linear cujas variáveis possuem restrições.
Geometricamente, um poliedro convexo —chamado de conjunto dos pontos
viáveis —é definido pelas restrições lineares. Ao passo que a função objetivo é linear,
infere-se que uma solução ótima pode apenas ocorrer em um ponto da fronteira do
conjunto de pontos viáveis.
O algoritmo simplex resolve problemas de programação linear construindo uma
solução admissível no vértice do poliedro, e então percorrendo os vértices do poliedro
que sucessivamente possuem valores mais altos da função objetivo até encontrar o
máximo. O dual simplex representa um aprimoramento do simplex primal clássico,
com relação à busca otimizada, podendo ser utilizado para a otimização do modelo
com base nas restrições lineares do sistema.

2.2.7 Algoritmos Genéticos e Evolucionários

Inspirados na teoria da evolução das espécies, os algoritmos genéticos

consistem em gerar uma primeira "população" de vetores solução com características
aleatórias. Atribuem-se, então, pontuações de acordo com o desempenho desses
vetores em alcançar os objetivos propostos. As melhores soluções, são selecionadas
para a próxima iteração e têm suas características misturadas entre si, e ainda se
podem inserir mutações nas características, com o intuito de a aumentar a
"variabilidade genética" dos vetores. Este processo será repetido quantas vezes for
necessário até que a melhor solução seja encontrada.
 17

Figura 4 – Algoritmos Genéticos

Este algoritmo é aplicável à geração de portfólios aleatórios, onde a função de

pontuação, à qual os vetores proporção seriam submetidos, deve levar em conta
métricas de retorno-risco e estimativas estocásticas de produção de energia
relacionadas.

2.2.8 Modelagem através de Redes Neurais Artificiais

Redes Neurais Artificiais são sistemas computacionais, de implementação em

hardware ou software, que imitam as habilidades computacionais do sistema nervoso
biológico, usando um grande número de processadores simples (neurônios artificiais)
e interconectados entre si.
 18

Figura 5 – Redes Neurais Artificiais

Uma das técnicas, o Multi Layer Perceptron (MLP) através de Error Back
Propagation, inclusive foco da disciplina PSI3471, Fundamentos de Sistemas
Eletrônicos Inteligentes, consiste em encontrar um conjunto de pesos sinápticos que
minimizem o erro quadrático médio através da bússola do gradiente (gradiente
descendente) para um dado conjunto de amostras.
Desta forma, a rede neural artificial pode ser configurada como um regressor
capaz de fornecer em sua saída composições ótimas de portfólio, estimativa de preço
de energia, quantidade de energia gerada em um parque por determinado período de
tempo, entre muitas outras aplicações pertinentes a este projeto.

2.2.9 Método de Monte Carlo

A simulação de Monte Carlo é uma técnica matemática computadorizada que

permite às pessoas contabilizar o risco na análise quantitativa e na tomada de
decisões. A técnica é usada por profissionais em áreas tão díspares como finanças,
gerenciamento de projetos, energia, manufatura, engenharia, pesquisa e
desenvolvimento, seguros, petróleo e gás, transporte e meio ambiente.
A simulação de Monte Carlo fornece ao tomador de decisão uma série de
resultados possíveis e as probabilidades de que eles ocorram, para qualquer escolha
de ação. A simulação de Monte Carlo realiza a análise de risco construindo modelos
de resultados possíveis substituindo um intervalo de valores - uma distribuição de
probabilidade - para qualquer fator que tenha incerteza inerente. Em seguida, calcula
 19

os resultados repetidamente, cada vez usando um conjunto diferente de valores

aleatórios das funções de probabilidade.
Dependendo do número de incertezas e das faixas especificadas para eles, uma
simulação de Monte Carlo pode envolver milhares ou dezenas de milhares de
recálculos antes de ser concluída, o que pode ser um processo lento e custoso. A
simulação de Monte Carlo produz distribuições de possíveis valores de resultados.
No contexto deste projeto, entraria para análise de cenários das diferentes
composições da carteira, já que o método permite modelar diferentes combinações
de valores para diferentes entradas, permitindo enxergar exatamente quais entradas
tiveram determinados valores quando certos resultados ocorreram.

2.2.10 Análise de cenários com Redes Bayesianas

Redes Bayesianas são modelos em que os eventos são conectados uns aos
outros com probabilidades. A probabilidade de uma causa é inferida pelo teorema de
Bayes quando o efeito da causa é observado. RBs são grafos acíclicos direcionados
em que a direção das setas pode ser explicada com causalidade. A RB funciona com
regra da cadeia sobre a distribuição de probabilidade conjunta de cada variável. De
acordo com a regra da cadeia, as probabilidades marginais e condicionais podem ser
calculadas para cada nó da rede.
A técnica BN pode ser usada para construir cenários de investimento em energia,
ajudando a entender a representação gráfica da estrutura do problema, bem como a
quebrar o problema de representar a distribuição conjunta de muitas variáveis em
grupos. Os RBs podem ser usados para várias finalidades diferentes, incluindo
agrupamento de classificações, previsão, raciocínio abdutivo (determinação da
inferência diagnóstica) e tomada de decisão.

2.2.11 Newave e Decomp

Newave é um modelo de otimização de médio prazo (até 5 anos) através do qual

é possível determinar a estratégia de geração hidráulica e térmica 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, utilizadas pelo
Decomp para cálculo do impacto da utilização da água armazenada nos reservatórios.
 20

O Newdesp, um dos componentes do Newave, serve para consulta às funções

de custo futuro geradas pelo módulo de otimização (NEWAVE em si). Ele apresenta
dois modos de execução (consulta e despacho) que, em resumo, são capazes de
fornecer os custos marginais de operação para um período estudado, em cada
patamar de carga considerado para cada subsistema.
Por último, o Decomp é um modelo de otimização de curto prazo (até 12 meses),
que representa 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 a energia gerada pelas usinas hidráulicas e térmicas
que minimiza o custo de operação ao longo do período 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.

Figura 6 – Newave e Decomp

2.3 CONCEITO ESCOLHIDO

O conceito escolhido é o de criar um simulador que gere, a partir de modelagem

estocástica, modelos de negócio que viabilizem as energias renováveis no mercado
livre de energia, em um cenário brasileiro de pouca diversificação da matriz
energética, de dificuldade de financiamento de grandes projetos de infraestrutura e de
mudança do ambiente de comercialização do mercado regulado para o livre.
 21

O simulador será uma ferramenta através da qual será possível estabelecer uma
proporção ótima de ativos em um portfólio, a partir da relação Risco x Retorno
desejada, com inputs de premissas e parâmetros de entrada. O tratamento será
estocástico, visto que a produção das usinas a serem estudadas depende de variáveis
estocásticas, a saber, a hidrologia, o vento e o sol.

Figura 7 – Conceito

Será parte da base de dados do simulador valores históricos pertinentes à

modelagem como receita, custo de produção e energia gerada, para cada tipo de
ativo. As variáveis de entrada do simulador, em um primeiro momento, seriam o de
mínimo retorno esperado, risco disposto a correr, quantos ativos deseja-se ter na
carteira, entre outros. A saída do nosso simulador seria justamente uma proporção
ótima de ativos que permite ao usuário encontrar o melhor modelo de negócio de
acordo com o que foi por ele definido como parâmetros de entrada.
Com o conceito proposto, será possível explorar as diferentes disponibilidades
de geração de cada região do país, em cada época do ano, gerando uma
complementaridade que pode auxiliar na mitigação de riscos associados aos meios
de produção quando considerados individualmente. A criação de portfólios com ativos
de regiões e de fontes renováveis distintas fazem com que investimentos em novos
projetos e com que o cenário de comercialização brasileiro se aproveite não somente
 22

das características técnicas dos meios isolados, mas da composição e vantagem

econômica que a diversificação pode trazer.
Além disso, através do conceito de solução deste projeto, será possível atender
à necessidade que surge, a partir do momento em que o ambiente regulado vai
perdendo força com o tempo, de buscar os modelos de negócio mais vantajosos, tanto
economicamente, quanto em termos de diversificação de energias limpas. Os
consumidores, ao passarem a serem livres para comprar energia diretamente dos
geradores e comercializadores, através de contratos bilaterais com condições
livremente negociadas, como preço, prazo e volume, encontrarão uma quantidade
enorme de possíveis modelos e uma ferramenta como a proposta neste trabalho
torna-se essencial.
Tal modelagem será feita a partir de alguns dos conceitos de solução existentes
levantados no item 2.2, que funcionarão como métodos de cálculo pelos quais se
deseja chegar ao nosso conceito de solução proposto de viabilizar energias
renováveis a partir de modelos de negócio e composição de portfólios otimizados por
simulação.
Entrando em maiores detalhes, os métodos de solução serão baseados em
Algoritmos Genéticos e Evolucionários e otimização Linear (Dual Simplex). Nas
análises de avaliação e mitigação de riscos, serão utilizadas métricas de Risco CVaR
e VaR, que estimam a máxima perda potencial com o intuito de encontrar o mínimo
valor a partir das proporções dos ativos no portfólio.
Nas análises econômica e financeira, serão aplicados o Cash Flow at Risk e IRR
estocástica. O primeiro reflete a pior queda no fluxo de caixa gerada pela influência
dos fatores de risco, isto é, até que ponto os fluxos de caixa futuros podem ficar abaixo
das expectativas como consequência de alterações nas variáveis de mercado. O
segundo se trata da taxa interna de retorno proveniente de um fluxo de caixa estimado
com incerteza (estocástico).
Ainda, no contexto de formação de portfólios otimizados, serão empregados
Teoria de Portfólio e Teorema de Markowitz, através do qual é possível fazer a melhor
alocação dos ativos de uma carteira, em que o risco é mínimo para um dado nível de
retorno esperado.
 23

2.4 PESQUISA BIBLIOGRÁFICA

Empresa de Pesquisa Energética (EPE). (2017). Balanço Energético Nacional.

Câmara de Comercialização de Energia Elétrica (CCEE). (2011) Relatório de

Informações ao Público Análise Anual.

Centro de Gestão de Tecnologia e Inovação (CGTI). (2011) Desenvolvimento de

Modelo Evolutivo para Dimensionamento de Usinas Termoelétricas.

VIANA, A. G. Leilões como mecanismo alocativo para um novo desenho de

mercado no Brasil (Dissertação de Doutorado). São Paulo: Universidade de São
Paulo, 2018.

BORO, S. R. Análise da complementaridade entre fontes renováveis não

convencionais como mecanismo de proteção para mitigação de riscos de
mercado (Dissertação de Mestrado). São Paulo: Universidade de São Paulo, 2014.

Pozo A.; Cavalheiro A. F.; Ishida C.; Spinosa E.; Rodrigues E. M.: Computação
Evolutiva (Apostila). Universidade Federal do Paraná, 2017

TONELLI, A. V. P. Modelo Computacional para gestão de riscos na

Comercialização de Energia Elétrica (Dissertação de Mestrado). Itajubá:
Universidade Federal de Itajubá, 2006.

BERGAMASCO, B. C. O Modelo Minimax e a Incerteza na Gestão de Portfólio

(Trabalho de Formatura). São Paulo: Universidade de São Paulo, 2006.

Câmara de Comercialização de Energia Elétrica (CCEE). Metodologia de Preços.

Disponível em: <https://www.ccee.org.br/portal/faces/pages_publico/o-que-
fazemos/como_ccee_atua/precos/metodologia_de_precos?_adf.ctrl-state=2bmw3
c8we_1&_afrLoop=72034172367308#!%40%40%3F_afrLoop%3D72034172367308
%26_adf.ctrl-state%3D2bmw3c8we_5>. Acesso em: 13 mai. 2018.

Ramos, A. e Gondim, C. Os Desafios do Setor Elétrico Brasileiro, Avanços

Esperado Frente à Transformação Global. PricewaterhouseCoopers (pwc), 2017.

Cinar, D. e Kayakutlu, G. Scenario analysis using Bayesian networks: A case

study in energy sector. Department of Industrial Engineering, Istanbul Technical
University, 2009.

Del Moral, E. Material da disciplina Fundamentos de Sistemas Eletrônicos

Inteligentes. São Paulo: Universidade de São Paulo, 2018.

Palisade. Monte Carlo Simulation.

Disponível em: <http://www.palisade.com/risk/monte_carlo_simulation.asp>. Acesso
em: 13 mai. 2018.
 24

Bego, M. S. Cash-Flow-at-Risk: Análise e Aplicação em Uma Empresa de Energia.

(Dissertação de Mestrado). Universidade Federal de Pernambuco, 2007.

Parente, L. S. O Fluxo de Caixa Estocástico como Ferramenta de Apoio a Decisão

Empresarial (Artigo). Faculdade 7 de Setembro, Fortaleza, 2016.

Baran R. Análise de Desempenho de Fundos de Gerenciamento Ativo: Um

Estudo Comparativo (Dissertação de Mestrado) Pontifícia Universidade Católica –
PUC-Rio, 2004

Custodio, J. E. Método analítico para a otimização de portfólios de energia

elétrica. (Trabalho de Formatura). Universidade de Brasília, 2016.

Reuters São Paulo. Novo ciclo de aportes em infraestrutura no Brasil pode somar
R$ 2 tri em 8 anos, 2018. Disponível em: <https://www.dci.com.br/economia/novo-
ciclo-de-aportes-em-infraestrutura-no-brasil-pode-somar-r-2-tri-em-8-anos-
1.704300>. Acesso em: 13 mai. 2018.