Você está na página 1de 23

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA () Mario Domingues de Paula Simes

msimoes@alum.mit.edu Pontifcia Universidade Catlica do Rio de Janeiro RJ / Brasil Leonardo Lima Gomes leonardolima@iag.puc-rio.br Pontifcia Universidade Catlica do Rio de Janeiro RJ / Brasil Recebido em 05/01/2009 Aprovado em 10/03/2009 Disponibilizado em 01/04/2011 Avaliado pelo sistema double blind review Revista Eletrnica de Administrao Editor: Lus Felipe Nascimento ISSN 1413-2311 (verso on-line) Editada pela Escola de Administrao da Universidade Federal do Rio Grande do Sul. Periodicidade: Quadrimestral Sistema requerido: Adobe Acrobat Reader. 1. INTRODUO O setor eltrico brasileiro (SEB) passou por grandes mudanas nos ltimos anos, destacando-se a reformulao do setor que foi iniciada a partir do segundo semestre de 1997, quando foram efetuadas as primeiras privatizaes no setor. At aquele ponto a situao era, basicamente, traduzida em um monoplio estatal administrado por empresas federais e estaduais. A partir daquele momento as privatizaes foram iniciadas, ao mesmo tempo levando a uma grande reestruturao do setor. As mudanas ento iniciadas foram baseadas no chamado Projeto de Reestruturao do Setor (Projeto RE-SEB), coordenado pelo Ministrio de Minas e Energia, apresentando como principais caractersticas:

A desverticalizao da produo, transmisso, distribuio e comercializao de energia eltrica; Os segmentos de produo e comercializao passaram a desfrutar de liberdade para competir, com preos contratados definidos pelo mercado;

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA ()

182

Geradores e comercializadores foram permitidos ter livre acesso s redes de transmisso e distribuio; Foi criado o Mercado Atacadista de Energia (MAE), atualmente rebatizado de Cmara de Comercializao de Energia Eltrica (CCEE), como sendo um ambiente de contabilizao e liquidao da energia eltrica transacionada. Em seguida, o formato de negociao de energia foi aprimorado. Os ambientes de

negociao de energia eltrica foram estabelecidos no decreto no 5.163 de 30 de Julho de 2004, sendo regulamentados na forma do Ambiente de Contratao Livre (ACL) e Ambiente de Contratao Regulada (ACR). O ACL definido como o segmento do mercado no qual se realizam as operaes de compra e venda de energia eltrica, objeto de contratos bilaterais livremente negociados. J o ACR o ambiente que envolve as contrataes de energia com as distribuidoras por meio de processos regulados. Empresas de gerao podem vender energia tanto no ACR como no ACL a depender da estratgia adotada. No caso especfico das hidreltricas, essas possuem uma capacidade mxima de contratao de energia denominada energia assegurada. A energia assegurada pode ser definida como a energia que uma hidreltrica consegue disponibilizar ao sistema em uma situao hidrolgica crtica, dado um nvel de confiabilidade de 95%. Por exemplo, uma hidreltrica pode ter 450 MWmed de capacidade instalada, mas apenas 200 MWmed de energia assegurada dada uma situao hidrolgica desfavorvel. Assim, esta hidreltrica s poder realizar contratos de venda totalizando at 200 MWmed. Devido ao consumo sazonal de energia no Brasil, foi estabelecida uma flexibilidade para as hidreltricas conhecida como sazonalizao da energia assegurada sendo de particular interesse e objeto deste trabalho. A sazonalizao permite que, a cada ano, o agente de gerao hidreltrica declare para o ano seguinte o quanto ser a energia mensal, respeitando-se os limites inferior de zero e superior da capacidade instalada, e o total anual da energia assegurada. Assim, considerando o exemplo anterior, a hidreltrica que detm 200 MWmed de energia assegurada pode escolher uma sazonalidade a partir da qual possui 400 MWmed no ms de janeiro e 0 MWmed no ms de Dezembro, mantendo-se em 200 MWmed a energia assegurada nos outros meses. A mdia anual permaneceu em 200 MWmed e o limite superior da capacidade instalada no foi violado (450 MWmed). REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

Mario Domingues de Paula Simes & Leonardo Lima Gomes 183

Dessa forma, possvel haver fornecimentos de energia, durante o perodo contratado, acima ou abaixo da mdia especificada, desde que o total fornecido no perodo obedea ao contrato firmado. Quando isso acontece, com a energia assegurada mensal sendo maior ou menor do que a energia contratada, as diferenas contabilizadas a maior ou a menor so liquidadas de acordo com os preos de curto prazo (Preo de Liquidao das Diferenas - PLD), que podem ser maiores ou menores do que o preo fixo contratual. A anlise da deciso da sazonalizao uma questo prtica com a qual os agentes de gerao hidreltrica se deparam anualmente, sendo uma das principais decises comerciais de um gerador. Ressalta-se que as empresas de gerao que realizam a sazonalizao como uma operao descasada tm uma preocupao muito grande em controlar o risco e conseqentemente o tamanho do descasamento. comum que estas empresas utilizem o Value at Risk (VaR) para controlar a exposio ao risco de mercado. Na seo 3 ser apresentada a definio de VaR. Assim, a questo de pesquisa que se pretende abordar no presente trabalho diz respeito seguinte situao: Qual a melhor forma de sazonalizar a Energia Assegurada maximizando o resultado da hidreltrica, considerando-se restries de valor em risco (VaR)? No sentido de responder a esta questo, foi escolhido como critrio de seleo da sazonalizao a maximizao da medida mega () dado um nvel de VaR. A medida foi escolhida porque consegue incorporar todos os momentos da distribuio, fornecendo uma completa descrio das caractersticas do risco-retorno, de tal modo que resulta em uma medida intuitivamente atrativa e facilmente computvel. No caso especfico de trabalhos sobre comercializao de energia eltrica no Brasil, observam-se distribuies de preos extremamente afastadas da normalidade, o que torna o uso da medida particularmente valioso. Alm de procurar responder a uma pergunta associada a um problema real, este artigo contribui com a utilizao de uma tcnica recente de otimizao de carteira que a maximizao da medida com restrio de VaR. Adicionalmente, apresenta variveis e especificidades do SEB pouco exploradas em trabalhos cientficos brasileiros. Este trabalho est organizado da seguinte forma: a seguir ser feita uma introduo ao mercado de energia eltrica no Brasil buscando apontar e explicar algumas caractersticas deste mercado. Em continuidade, ser feita uma reviso da literatura com uma explicao REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA ()

184

sobre a funo mega e suas particularidades. Aps esta explicao, sero apresentadas a modelagem do problema, as solues obtidas e, finalmente, sero enunciadas as concluses e recomendaes. 2. O MERCADO DE ENERGIA ELTRICA NO BRASIL 2.1 Formatao dos Contratos No Brasil, a unidade bsica negociada em contratos de energia eltrica o megawatthora (MWh), com os preos negociados em reais por megawatt-hora (R$/MWh). Um contrato especifica as quantidades de energia eltrica a serem entregues durante determinados intervalos de tempo. Seja um contrato com prazo de dois meses, para entrega em maro e abril de determinado ano, que determina que o fornecedor entregue 74.400 MWh em maro e 72.000 MWh em abril. Se o preo contratado for de 50 R$/MWh, o faturamento do fornecedor dever ser de R$ 50 x 74.400 em maro e de R$ 50 x 72.000 em abril. Como os meses de maro e abril tm, respectivamente, 744 e 720 horas, o valor mdio de energia entregue ser de 100 megawatts (MW). bastante comum que a quantidade negociada seja expressa em MW, mais especificamente em MW mdios (MWmed), indicando ser esta a mdia no perodo. A quantidade negociada, de 100 MWmed para maro e abril, equivale a 100 (MW) x 744 (horas) MWh em maro e 100 (MW) x720 (horas) MWh em abril. O mercado brasileiro de energia eltrica est dividido em quatro sub-mercados, embora o sistema seja integrado em mbito nacional. Dependendo da situao do armazenamento de gua, da oferta e da demanda, cada sub-mercado pode apresentar preos bastante diferentes. Da a importncia da especificao do local da entrega em cada contrato. No exemplo aqui apresentado, o contrato seria expresso com as seguintes caractersticas:

Ponto de Entrega: Sub-mercado Sudeste/Centro-oeste; Durao: Maro e Abril do ano tal; Quantidade: 100 MWmed; Preo: 50 R$/MWh. A Sazonalizao Segundo a CCEE, Sazonalizao o processo de alocar mensalmente um montante

2.2

anual de energia, seja de um contrato ou a energia assegurada de uma usina. Ou seja, trataREAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

Mario Domingues de Paula Simes & Leonardo Lima Gomes 185

se de uma das principais flexibilidades automaticamente inseridas na capacidade de fornecimento de uma hidreltrica. A sazonalizao da Energia Assegurada possui como limites a mxima capacidade instalada e zero. Assim, uma Pequena Central Hidreltrica (PCH) de capacidade de gerao de 20 MW, poderia ter uma quantidade de energia assegurada no mbito da CCCE aferida em 10 MWmed, e poderia sazonalizar seu contrato de fornecimento de energia entre 0 e 20 MWmed, conforme sua expectativa das condies esperadas no perodo. Supondo-se que a PCH do exemplo anterior tivesse contratado uniformemente toda a sua energia assegurada de 10 MWmed, no caso em que a energia sazonalizada mensal fosse abaixo dos 10 MWmed contratados, a diferena seria contabilizada como um dbito contra este fornecedor, ao PLD do perodo. Ao contrrio, seria um crdito nas mesmas condies. Partindo-se da premissa de que a sazonalizao levar a geradora a ter excedentes em alguns meses e dficits em outros, a simulao dos PLDs se torna uma informao bastante relevante na anlise de deciso. A seguir, descreve-se como o PLD formado a partir da operao tima de um sistema hidrotrmico.

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA () 2.3 Formao e Simulao dos PLDs

186

O PLD utilizado para liquidar a compra e a venda de energia no mercado de curto prazo. A formao do preo da energia comercializada no mercado de curto prazo se faz pela utilizao dos dados considerados pelo Operador Nacional do Sistema (ONS) para a otimizao da operao. O Brasil adotou um esquema de deciso de operao centralizado realizado por modelos acoplados de otimizao, sendo um modelo de mdio prazo acoplado a um de longo prazo, chamado Newave, cujo objetivo minimizar o custo total de operao do sistema hidrotrmico ao longo de um horizonte de planejamento. Esses modelos utilizam o mtodo de programao dinmica dual estocstica descrita em Pereira e Pinto (1991). A fim de conceituar melhor a formao de preo no sistema hidrotrmico brasileiro, torna-se necessria uma abordagem sobre como feita a operao sob uma tica econmica. As sees a seguir apresentam essa abordagem. 2.4 Operao de um Sistema Hidrotrmico A caracterstica mais evidente de um sistema com gerao hidroeltrica poder utilizar a energia grtis que est armazenada nos reservatrios para atender demanda evitando, desta maneira, gastos de combustvel com as unidades trmicas. Entretanto, a disponibilidade de energia hdrica est limitada pela capacidade de armazenamento nos reservatrios. Isto introduz uma dependncia entre a deciso operativa de hoje e os custos operativos no futuro. Em outras palavras, se utilizarmos hoje as reservas de energia hdrica, com o objetivo de minimizar os custos trmicos, e ocorre uma seca severa no futuro, pode haver um racionamento de custo elevado para a sociedade. Se, por outro lado, preservamos as reservas de energia hdrica, atravs de um uso mais intenso de gerao trmica, e as afluncias futuras so elevadas, pode ocorrer um vertimento nos reservatrios do sistema, o que representa um desperdcio de energia e, conseqentemente, um aumento no custo operativo. Esta situao est ilustrada na Figura 1.

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

Mario Domingues de Paula Simes & Leonardo Lima Gomes 187

Altas Utilizar os Reservatrios Baixas Deciso Chuvas Altas No Utilizar os Reservatrios Baixas

Ok

Dficit Conseqncias Vertimento

Ok

Figura 1 - Processo de Deciso para Sistemas Hidrotrmicos

O operador de um sistema hidrotrmico deve comparar o benefcio imediato do uso da gua e o benefcio futuro de seu armazenamento, conforme ilustrado na Figura 2.

FCF

FCI

Volume final
Figura 2 Custo imediato e Futuro

A funo de custo imediato - FCI - representa os custos de gerao trmica no estgio t, ou seja, no estgio imediato, presente. Observa-se que o custo imediato aumenta medida que diminui a energia hdrica disponvel, isto , quanto menor for a deciso de gerao hdrica, maior ser a de gerao trmica. Por sua vez, a funo de custo futuro - FCF - est associada ao custo esperado de gerao trmica e racionamento do final do estgio t (incio de t+1) at o final do perodo de estudo. Esta funo diminui medida que aumenta o volume armazenado final, pois haver mais energia hdrica disponvel no futuro. O uso timo da gua armazenada corresponde ao ponto que minimiza a soma dos custos imediato e futuro. Como mostrado na Figura 3, o ponto de mnimo custo global tambm corresponde ao ponto onde as derivadas da FCI e da FCF com relao ao armazenamento de gua se igualam. A derivada da FCI e da FCF no ponto timo tambm conhecida como valor da gua, pois representa a taxa custo R$ (ou valor) por volume de gua deixado no reservatrio para formar o volume final. REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA ()

188

FCI + FCF FCI

Valor da gua deciso tima

FCF

Volume final

Figura 3 - Uso timo da gua

2.5

Clculo do PLD Preo de Liquidao das Diferenas Ser apresentado, mais detalhadamente, como realizada a deciso de operao sob a

tica econmica e calculado o PLD. Na formulao a seguir, estamos supondo que a funo de custo futuro para cada estgio foi calculada. O problema de deciso da operao hidrotrmica para o estgio t formulado como:

Z t = Min c j g tj + FCF (vt +1 )

(1)

Sujeito s seguintes restries operativas:


Balano hdrico; Limites de armazenamento de gua e turbinamento; Limites na gerao trmica; Atendimento demanda. A funo objetivo minimizar a soma de duas classes de custos:

Custo operativo imediato - dado pelos custos trmicos {cjgtj} no estgio t. Onde cj o custo varivel da trmica j e gtj a gerao da trmica j no estgio t. O racionamento representado por uma trmica fictcia de capacidade infinita e custo operativo igual ao custo de interrupo. Valor esperado do custo operativo futuro - dado pela funo de custo futuro FCF(vt+1). Tambm como discutido anteriormente, esta funo depende dos volumes armazenados ao final do estgio, representados pelo vetor vt+1. O problema de otimizao pode ser resolvido por um algoritmo de programao linear.

Alm da deciso operativa tima, o esquema de programao linear calcula os multiplicadores simplex, ou preos sombra, associados a cada restrio. Em particular, o PLD REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

Mario Domingues de Paula Simes & Leonardo Lima Gomes 189

do sistema praticamente o multiplicador simplex associado restrio de atendimento demanda, significando o custo de produo de 1 MWh adicional no ponto timo de minimizao de custos (em R$/MWh). 2.6 Simulao dos PLDs - Preos de Liquidao das Diferenas O modelo Newave possui dois mdulos. No primeiro calculada a poltica tima de operao ao longo do horizonte de planejamento, representando um mapa de deciso em funo do que vier a ocorrer ou ser simulado em termos de afluncias (chuvas) aos reservatrios. No segundo mdulo so feitas simulaes do custo marginal de operao (que praticamente o PLD publicado), ou seja, o quanto custa produzir um MWh adicional de energia no ponto timo. Aps a utilizao do modelo Newave para calcular a poltica tima de operao hidrotrmica ao longo de um perodo de planejamento, pode ser feita uma simulao com a qual se obtm sries de custos marginais de operao, e, conseqentemente, obtm-se sries de PLDs. A simulao realizada mediante a gerao de sries sintticas de afluncias aos reservatrios, utilizando um modelo peridico auto-regressivo (PAR(p)) de sries temporais. Maceira e Bezerra (1997) apresentam esta metodologia. 3. REVISO DA LITERATURA E A MEDIDA MEGA ( ) 3.1 Alguns Mtodos de Escolha de Carteiras O trabalho de Markowitz (1952) foi o precursor na anlise de deciso em formao de carteiras. O autor utilizou a varincia do retorno da carteira como medida de risco. Em seu trabalho, deseja-se obter uma carteira de risco mnimo, ou seja, de varincia mnima sujeito a restries de uso do capital e de limite mnimo de retorno na carteira. O risco sobre o retorno pode ser tratado como uma varivel aleatria, sendo que apenas o segundo momento da distribuio de probabilidades do retorno o indicador que define a maior ou menor exposio ao risco ao qual o ativo est exposto. Adicionalmente ao trabalho desenvolvido por Markowitz, surgiram medidas e ndices de desempenho utilizados para escolher carteiras. Os resultados formalizados pelos tradicionais trabalhos de Treynor (1965), Sharpe (1966) e Jensen (1968) contriburam com alguns ndices amplamente conhecidos e aceitos no mercado. A partir destes, a literatura cita inmeros trabalhos que abordaram a anlise de risco, enriquecendo de sobremaneira as alternativas para a mensurao de resultados.

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA ()

190

O ndice de Sharpe (IS), por exemplo, avalia o desempenho de uma carteira levando-se em conta a diviso entre o retorno esperado e o desvio padro do retorno da carteira. Na evoluo dos critrios de escolha de carteiras e controle de risco, surgiu o Value at
Risk (VaR), forma de quantificao desenvolvida pelo banco JP Morgan (1996). Esta uma

forma sistemtica resultante do esforo de determinar, a cada perodo, qual o valor de perda dado certo nvel de significncia estatstica. Assim, um VaR95% traduz, em um nmero, que h 5% de probabilidade de que um valor maior do que o indicado seja perdido. Isto quer dizer que, dada a distribuio de valores que se acredita vlida, por exemplo, a distribuio de retornos de determinada carteira, o VaR corresponder ao valor associado a um percentil extremo definido daquela distribuio (normalmente 1% ou 5%). 3.2 A Medida mega Muitas dificuldades so encontradas no momento de definir uma adequada medida de desempenho de um ativo ou de uma carteira. A maioria dos indicadores considera duas importantes simplificaes: a mdia e a varincia descrevem completamente a distribuio de retornos. Estas simplificaes so vlidas se assumida uma distribuio normal dos retornos ou valores, mas geralmente aceito o fato emprico de que os retornos dos investimentos no possuem uma distribuio normal. Assim, alm da mdia e varincia, momentos de ordem superior seriam necessrios para descrever melhor a distribuio. Apresentada por Keating e Shadwick (2002), a medida mega () consegue incorporar todos os momentos da distribuio. Ela fornece uma completa descrio das caractersticas do risco-retorno, de tal modo que resulta em uma medida intuitivamente atrativa e facilmente calculada. Ao invs de estimar alguns momentos individuais, a medida considera o impacto total da distribuio, o qual certamente de interesse dos tomadores de deciso. A medida , por definio, leva em conta um nvel de retorno ou valor chamado de limite (L), definido exogenamente, o qual a fronteira entre o que se considera como ganho e como perda. Mesmo em distribuies normais, dependendo do valor do L, a medida fornece informaes adicionais que s a mdia e varincia no conseguiriam. Isto levaria a obter diferentes resultados em otimizao de carteiras, se comparado com a otimizao clssica de Markowitz. Cabe destacar que a definio de um limite (L), tambm interpretado como uma meta, possui alta aderncia com a realidade das empresas e do mercado financeiro. Empresas e REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

Mario Domingues de Paula Simes & Leonardo Lima Gomes 191

investidores esto habituados a definirem metas, abaixo das quais se considera perda e acima das quais se considera ganho. A utilizao da medida recente, tendo grande potencial de desenvolvimento e novas aplicaes. Alguns trabalhos que empregaram este ndice de performance podem ser citados. Kazemi, Schneeweis e Gupta (2003) discutem o uso da medida, trazendo como contribuio a demonstrao de que a funo Omega (L) pode ser escrita como uma diviso de dois valores esperados. Ick e Nowak (2006) fazem uma proposta para otimizar uma carteira de aes utilizando a medida . Castro (2008) utiliza a otimizao da medida na escolha de carteiras de projetos com opes reais. Ele aplicou a metodologia desenvolvida a projetos do setor petrolfero brasileiro. 3.3 Definio e Clculo da Medida mega Com a finalidade de exemplificar o clculo da medida ser considerada uma distribuio de retornos de um ativo apresentada na Figura 4. A meta (ou limite) de retorno adotada foi de L =1,2.
16,0% 14,0% 12,0%
probabilidade %

L = 1,2

10,0% 8,0% 6,0% 4,0% 2,0% 0,0% -0,3 -0,1 0 0,2 0,4 0,6 0,9 1,2 1,4 1,5 1,7 1,9 2,4 2,9 retornos

Figura 4 Distribuio de Probabilidade dos Retornos, Exemplo

Esta distribuio servir para ilustrar o conceito da medida valor da funo

e a forma de calcular o

para um determinado limite L, dada uma distribuio de retornos esperada

para um ativo, seja ele um ativo nico ou uma carteira ou coleo deles (CASTRO, 2008). Assim, uma vez dada a distribuio e especificado o limite L, pode-se comparar a probabilidade de ganhos e perdas, ponderados pelo seu valor. O ganho esperado de um REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA ()

192

retorno maior do que L o valor esperado (condicional) dos retornos que excedem L ou E(r|rL). A perda esperada obtida como E(r|r<L). Desta forma, o ganho esperado e a perda esperada, no caso da distribuio da Figura 4, podem ser calculados como: = E(r|rL) - L = E(r|r1,2) = (1,2+1,4+1,5+1,7+1,9+2,4+2,9)/7 - 1,2 = 0,66 = E(r|r<L) - L = E(r|r<1,2) =(-0,3-0,1+0+0,2+0,4+0,6+0,9)/7 -1,2 = -0,96 Visualmente tem-se uma situao como a que mostrada na Figura 4. importante que os valores mdios esperados dos ganhos e perdas no so informativos por si s, mas devem ser ponderados pelas suas probabilidades. Assim, se F(r) for a funo de distribuio cumulativa de probabilidades para os retornos, tem-se que: A probabilidade de que um retorno seja menor do que o limite L F(L) e a probabilidade de que um retorno seja maior do que o limite L 1-F(L). A medida mega pode ser definida, ento, como = [ x (1-F(L))] / [ x F(L)], o que daria uma indicao da qualidade do retorno dos ativos, em relao ao limite requerido L. Na Figura 5, apresenta-se a distribuio cumulativa de retornos para o ativo do exemplo. Pode-se observar o ndice mega atravs de seus numerador e denominador, os retngulos superior direito e inferior esquerdo, respectivamente.
100,0%

1-F(1,2) = 0,34
80,0%

= 0,96

probabilidade %

60,0%

= 0,66
40,0%

F(1,2) = 0,66
20,0%

0,0% -0,3 -0,1 0 0,2 0,4 0,6 0,9 1,2 1,4 1,5 1,7 1,9 2,4 2,9 retornos

Figura 5 Ilustrao das Parcelas Ganho e Perda

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

Mario Domingues de Paula Simes & Leonardo Lima Gomes 193

Conforme visualizado no grfico da Figura 5 pode ser determinado o valor de sendo = (0,66 x 0,34) / (0,96 x 0,66) = 0,354. Entretanto, este clculo de

como apenas

considera um valor para os ganhos, o ganho mdio, e um nico para as perdas. Aprimorandose o clculo, podem ser utilizados todos os valores disponveis no intervalo, conforme ilustrado na Figura 6.
100,0%

80,0%

probabilidade %

60,0%

40,0%

20,0%

0,0% -0,3 -0,1 0 0,2 0,4 0,6 0,9 1,2 1,4 1,5 1,7 1,9 2,4 2,9 retornos

Figura 6 Ilustrao das Parcelas Ganho e Perda com Todos os Valores

Quando a distribuio de probabilidades deixa de ser discreta, isto , quando ela realmente torna-se uma funo de densidade definida em todo o conjunto dos nmeros reais, e os intervalos de valores de retornos tornam-se menores at o limite em que tendem a zero, a forma serrilhada da curva de distribuio cumulativa aproxima-se de uma linha contnua e o clculo da funo mega, para uma certa distribuio de freqncia e dado um limite dos retornos requerido L, torna-se o valor (L) e o resultado da diviso da rea superior pela inferior do grfico, conforme mostrado na Figura 7.

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA ()

194

Retorno s Figura 7 Ilustrao das Parcelas Ganho e Perda com Todos os Valores

A funo mega, na forma de sua definio e calculada na sua forma contnua, pode ser definida de acordo com a equao: I ( L ) = 2 = I1 onde:
b

[1 F ( x)]dx
L L

(2)

F ( x)dx
a

F(x) = funo de distribuio cumulativa (FDC) dos retornos x L = nvel mnimo requerido dos retornos a = menor retorno b = maior retorno

A funo

(L) assim definida engloba todas as caractersticas da distribuio de

retornos, pois considera toda a funo de distribuio destes, incorporando todos os efeitos dos momentos de ordem superior que porventura possam ser relevantes. Mais detalhes sobre a definio e as propriedades da medida Gupta (2003). podem ser encontrados em Kazemi, Schneeweis e

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

Mario Domingues de Paula Simes & Leonardo Lima Gomes 195

4. METODOLOGIA 4.1 Modelagem dos Resultados Considerando Sazonalizao A sazonalizao da quantidade de energia assegurada versus a quantidade contratada uniforme, em contratos de fornecimento de energia eltrica, ser decidida em funo dos ganhos esperados da comercializao da energia de acordo com as condies contratuais vis a vis os resultados obtidos com sua venda ou compra no mercado livre ao PLD do momento. Assim, em primeiro lugar, necessrio que sejam definidos os limites possveis desta sazonalizao. Em seguida, deve-se obter um conjunto de PLDs simulados, preos de liquidao para esta energia, a cada momento. Ser considerado aqui o caso de uma PCH com energia assegurada de 10 MWmed e um respectivo contrato de venda no mesmo montante e uniforme ao longo dos meses. Esta PCH tem uma capacidade instalada de 20 MWmed. Assim, o limite mensal de sazonalizao de 100% para cima ou para baixo, isto , com entrega de 0 a 20 MWmed, a cada ms. O resultado de uma sazonalizao da energia assegurada, para o caso desta PCH, ser a diferena entre o valor da energia produzida e entregue nas condies de contrato, e o da energia comprada no mercado livre (no caso de entrega menor do que o valor contratado) ou da energia vendida naquele mercado (no caso de entrega maior do que o valor assegurado), para cada ms de liquidao. Para cada uma destas situaes, a nica varivel a ser considerada o preo de liquidao das diferenas (PLD), uma vez que todos os demais fatores so constantes ou fixos, e iguais para quaisquer das alternativas. Para cada ms considerado, a seguinte equao (3) traduz os resultados obtidos em relao ao contrato de venda de energia uniforme e a preo fixo:
12 12

R = ( Ea Ec) (h ) ( PLD Pc) (1 I )


i i i i i =1 i =1

(3)

onde:

i = ms R = resultado apurado Ea = energia assegurada (MWmed) Ec = energia contratada (MWmed) h = nmero de horas no ms PLD = PLD mdio mensal (R$/MWh) PC = preo contratado (R$/MWh) I = total de impostos e taxas

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA ()

196

importante notar que o resultado da equao (3) o valor em R$, referente soma mensal dos supervits ou dficits de uma determinada sazonalizao durante o perodo de um ano, em relao a entrega (venda) flat pura e simples. Estes clculos podem ser baseados em sries simuladas dos PLDs para o perodo em questo. Ora, a coleo de resultados calculados de acordo com a equao (3) produzir uma distribuio de probabilidade de valores. Por exemplo, para a simulao de 2000 sries de PLDs sero obtidas 2000 sries de valores mensais, chegando-se a 2000 resultados anuais. 4.2 Clculo e Simulao dos PLDs A formao e simulao dos PLDs foi efetuada atravs do modelo Newave- verso 14, elaborado pelo Centro de Pesquisas de Energia Eltrica (CEPEL). O modelo otimiza a estratgia de gerao de longo prazo de acordo com o conceito comentado anteriormente, simulando preos em base mensal. Cabe ressaltar que este o modelo utilizado na formao dos preos de curto prazo (PLD) publicados na CCEE. Foram utilizados os dados de entrada empregados no programa mensal de operao de agosto/2008, coordenado pelo Operador Nacional do Sistema (ONS). Foram considerados um piso de preo de R$ 15,47/MWh e um teto de R$ 569,59/MWh, segundo o Despacho ANEEL N 002 de 04/01/2008. As 2000 sries de preos obtidas formaram a distribuio estatstica de preos provveis para o perodo em que se deseja analisar e calcular a sazonalizao tima, que fornea um resultado mximo possvel de ser obtido. 4.3 Dados Bsicos Os dados do contrato de venda e das condies de sazonalizao considerados no exemplo desenvolvido so apresentados a seguir:

Contrato de 10 MWmed mensais de energia assegurada; Capacidade mxima de gerao de 20 MW; Sazonalizao de entrega mensal de 0 a 20 MWmed; Preo contratado de venda de R$ 100/MWh; Impostos totais de 43,25% (IR, CSSL, PIS e COFINS). Estas caractersticas so bastante semelhantes situao de uma PCH, conforme

modelo adotado no Brasil, tornando este estudo bastante relevante a operadores deste tipo de usina.

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

Mario Domingues de Paula Simes & Leonardo Lima Gomes 197

A Figura 8 que se segue mostra os percentis referentes s distribuies de probabilidade referentes aos PLDs simulados.

PLD mensal para 2009 600 500


R$/M Wh
percentil 10% percentil 30% percentil 70% percentil 90% mdia mediana

400 300 200 100 0

jan fev mar abr mai jun jul ago set out nov dez
Figura 8 Percentis Referentes Simulao de PLDs

4.4

Otimizao e Convergncia Os clculos foram efetuados em um computador do tipo PC, usando-se uma planilha

MS Excel e com a ajuda dos programas add-in Solver e Solver Premium, integrados prpria planilha. A configurao das opes de execuo do add-in Solver, por todo o trabalho apresentado foi a seguinte, conforme Figura 9.

Figura 9 - Opes de execuo do add-in Solver

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA () 5. RESULTADOS

198

Foram realizadas vrias anlises de sensibilidade, analisando-se como a medida varia com a mudana da meta e do VaR. Adicionalmente, estudou-se o comportamento da deciso de sazonalizao propriamente dita variando-se a meta e o VaR. 5.1 Variao do e do VaR 95% em Funo da Meta A fim de evidenciar o comportamento do e do VaR95% em funo do limite L estabelecido, este foi variado desde zero at pouco mais de R$ 2,3 milhes, com o resultado sendo mostrado na Figura 10. Como pode ser observado, o valor de mega cai rapidamente desde cerca de 4, tendendo a uma assntota prxima de zero. Com uma sazonalizao tima podendo render algo em torno de R$ 600 mil / ano, h uma relao da ordem de 1:1, entre ganhos e perdas. A partir da Figura 10 tambm se pode observar que o VaR95% sobe rapidamente, tendendo para um valor assinttico em torno de R$ 2,6 milhes. 5.2 Variao do Fixando o VaR95% Os valores do limite L considerados foram de R$ 0,5 milho a pouco menos de R$ 1,3 milho. Foram obtidas seis curvas de travando-se o VaR95% de 0,5 a 3,0 milhes de R$ / ano.
mega e VaR 95% vs Meta
4,5 4,0 2,5 3,5 3,0 2,0 3,0

mega

2,5 2,0 1,5 1,0

mega VaR 95%

1,5

1,0

0,5 0,5 0,0 0,0 0,3 0,5 0,8 1,0 1,3 1,6 1,8 2,1 0,0

Meta (R$ milho)

Figura 10 - e VaR95% Variando-se a Meta (limite L)

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

VaR 95% R$ milho

Mario Domingues de Paula Simes & Leonardo Lima Gomes 199

As curvas apresentadas na Figura 11 mostram uma oscilao maior de valores timos para os nveis de VaR95% mais restritivos, que correspondem a valores
mega Restrito por VaR (R$ milho)

mais baixos.

1,20
VaR 0,5

1,00 0,80

VaR 1,0 VaR 1,5 VaR 2,0 VaR 2,5 VaR 3,0

mega

0,60 0,40 0,20 0,00 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2

Meta (R$ milho)

Figura 11

com restrio de VaR95%

Tambm fica claro, e se pode facilmente observar, que as restries mais intensas de VaR95% implicam em valores de mega extremamente pequenos. Isto denota que, se por um lado pretende-se minimizar riscos atravs da imposio de valores de VaR reduzidos, por outro lado, torna-se difcil alcanar metas um pouco mais audaciosas, uma vez que os nveis de 5.3 sero prximos a zero. Sensibilidade de e VaR95% ao Preo Contratado A Figura 12 mostra os resultados esperados para nveis de valor contratado com uma variao de 20% para mais ou para menos do valor de 100 R$/MWh. Valores mais baixos para o preo do contrato de venda, e por conseguinte maiores diferenas possveis entre os PLDs atingidos (para cima) e o valor base, parecem favorecer ganhos com uma sazonalizao tima da entrega de energia.

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA ()

200

mega vs Meta
(valor do contrato)
4,5 4,0 3,5 3,0 R$ 80/MWh R$ 90/MWh R$ 100/MWh R$ 110/MWh 2,0 1,5 1,0 0,5 0,0 0,0 0,2 0,4 0,6 0,8 1,0 1,3 1,5 1,7 1,9 R$ 120/MWh

mega

2,5

Meta R$ (milho)

Figura 12

versus Preos Contratuais

5.4

Perfil de Entrega Sazonalizada Tendo sido feitas as diversas avaliaes mostradas anteriormente, resta saber qual o

perfil ideal de entrega de energia em funo dos parmetros escolhidos, seja com restrio ou sem restrio de VaR95%. Nas Figuras 13 e 14, a seguir, pode ser visto o perfil de entrega mensal para diversos tipos de sazonalizao da entrega mensal de energia. A Figura 13 apresenta a sazonalizao tima adotando-se metas de 0,6, 0,93 e 1,0 milho de R$ / ano. No h restrio de VaR95%. Observa-se que a deciso de sazonalizao praticamente a mesma para as trs situaes. Ou seja, concentrando-se toda a energia assegurada entre junho e novembro.

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

Mario Domingues de Paula Simes & Leonardo Lima Gomes 201

Perfil de Entrega Mensal


sem restrio de VaR
20 18 16 14 MW mdio 12 10 8 6 4 2 0 jan fev mar abr mai jun jul ago set out nov dez
Meta em R$ milho - tipo 0,6 - timo - 1,00 0,93 - timo - 0,66 1,0 - timo - 0,60

Figura 13 Perfil timo de Entrega Sazonalizada sem Restries

A Figura 14 apresenta a sazonalizao tima adotando-se metas de 0,6 e 1,0 milho de R$ / ano. Existem trs situaes. Na primeira, no h restrio de VaR95%. Nas outras duas h restrio de VaR95% de 1,0 milho de R$ / ano, diferenciando-se as metas. Pode-se visualisar que a deciso de sazonalizao muda consideravelmente nas duas situaes em que h restrio de VaR95%. Para estas duas situaes, existem alocaes significativas de energia nos meses de janeiro a maro tambm. Percebe-se que a restrio de VaR95% faz com que a deciso tima fique mais prxima de uma alocao uniforme ao longo do ano.
Perfil de Entrega Mensal
com restrio de VaR
20 18 16 14 MW mdio 12 10 8 6 4 2 0 jan fev mar abr mai jun jul ago set out nov dez
Meta em R$ milho - tipo 1,0 - timo - 0,60 0,6 - VaR 1 - 0,04 1,0 - VaR 1 - 0,16

Figura 14 Perfil timo de Entrega Sazonalizada com Restrio de VaR95%

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

DECISO DE SAZONALIZAO DE CONTRATOS DE FORNECIMENTO DE ENERGIA ELTRICA NO BRASIL ATRAVS DA OTIMIZAO DA MEDIDA MEGA () 6. CONCLUSES

202

Neste artigo, encontrou-se a melhor forma de sazonalizar a energia assegurada de uma usina maximizando o seu resultado tendo-se considerado restries de VaR95%. No sentido de otimizar o resultado, foi escolhido como critrio de seleo da sazonalizao a maximizao da medida mega (), dado um nvel de VaR95%. A medida foi escolhida porque consegue incorporar todos os momentos da distribuio, fornecendo uma completa descrio das caractersticas do risco-retorno. Alm de procurar responder a uma questo relacionada a um problema real, este trabalho contribui com a utilizao de uma tcnica recente de otimizao de carteira que a maximizao da medida com restrio de VaR. Adicionalmente, apresenta variveis e especificidades do SEB pouco exploradas em trabalhos cientficos brasileiros. Os resultados mostraram que os valores da medida mega diminuem muito rapidamente com o aumento do limite L. Ou seja, se a meta for ousada demais para o tamanho da operao, a relao entre ganho e perda fica muito prejudicada. Valores mais baixos para o preo do contrato de venda, levando a maiores diferenas possveis entre os PLDs atingidos (para cima) e o valor base, favorecem ganhos com uma sazonalizao tima da entrega de energia. A deciso de sazonalizao muda substancialmente quando h restrio de VaR. Esta restrio faz com que a deciso tima fique mais prxima de uma alocao uniforme ao longo do ano. Isto ocorre porque, ao se introduzir uma restrio referente assuno de risco, a soluo encontrada acaba ficando com variaes menos bruscas de sazonalizao. Em uma situao extrema, se a restrio de VaR fosse igual a zero, ou seja, sem risco, a soluo seria manter a energia assegurada com os mesmos valores ao longo dos meses. Portanto, sem grau de liberdade para realizar a sazonalizao. Como sugestes para trabalhos futuros, a mesma metodologia poder ser empregada para analisar outras operaes no mercado de energia eltrica, tais como: compras descasadas, vendas descasadas e compras sazonais (na safra) de energia produzida a partir do bagao de cana. Adicionalmente, a utilizao da medida apresenta grande potencial em estudos de otimizao de carteiras de aes e carteiras de projetos com opes reais por considerar todos os momentos das distribuies de probabilidade. Novos trabalhos podem ser realizados, comparando-se decises realizadas a partir de medidas clssicas como o ndice de Sharpe com aquelas obtidas pelo uso da medida mega. REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203

Mario Domingues de Paula Simes & Leonardo Lima Gomes 203

REFERNCIAS CASTRO, J. G. Otimizao da Performance de um Portflio de Ativos e Opes Reais utilizando a Medida Omega. Tese de Doutorado, DEI, PUC - Rio, 2008. ICK, M.; NOWAK, E. Omega based Portfolio Optimization a simulation study on Private Equity investments. Working Paper University of Lugano, Switzerland, 2006. J.P. Morgan. Risk Metrics. Technical Document, New York, 1996. JENSEN, M. The Performance of Mutual Funds in the Period 1945-1964. The Journal of Finance, v.23, n.2, May 1968, pp. 389-416. KAZEMI, H.; SCHNEEWEIS, T.; GUPTA R. Omega as a Performance Measure. Working Paper CISDM. University of Massachusetts, Isenberg School of Management, 2003. KEATING, C.; SHADWICK, W. A Universal Performance Measure. Journal of Performance Measurement, Spring 2002, pp.59-84. MACEIRA, M. E. P. ; BEZERRA C. V.. Stochastic stream flow model for hydroelectric systems. In: Proceedings of PMAPS, 1997. MARKOWITZ, H. Portfolio Selection. The Journal of Finance, v.7, n.1, Mar. 1952, pp. 7791. PEREIRA M. V. F.; PINTO L. M. V. G.. Multi-stage stochastic optimization applied to energy planning. Mathematical Programming, 52, 1991. SHARPE, W. Mutual Fund Performance. Journal of Business, v.39, n.1, 1966, pp.119-138. TREYNOR, J. How to rate management of investment funds. Harvard Business Review, v.43, n.1, January-February 1965, pp.63-75.

REAd Edio 68, Volume 17, N 1, jan/abr 2011 p. 181-203