Professional Documents
Culture Documents
Resumo
Este trabalha apresenta os estudos comparativos entre duas metodologias utilizadas para a
obteno do nvel timo de demanda contratada para contratos de fornecimento de energia
eltrica; especificamente para unidades consumidoras classificadas no Grupo A de tarifao,
nas modalidades convencional ou horosazonal; e considerando que nvel timo de demanda
contratada o valor de demanda contratada que resulta para o consumidor no menor valor
final a ser pago na fatura. Umas das metodologias parte do princpio da vinculao existente
entre os contratos de fornecimento e os derivativos financeiros. Outra metodologia aplicada
utiliza-se de tcnicas de inteligncia artificial, como as Redes Neurais Artificiais. Estas so
algoritmos computacionais que simulam o aprendizado humano baseado no modelo funcional e
estrutural do crebro. Estudos de caso so apresentados no intuito de comparar os resultados
obtidos por cada metodologia e os atuais contratos vigentes.
Palavras-chave: Contratos de Fornecimento, Derivativos, Inteligncia Artificial, Redes Neurais.
Objetivos
Este trabalho visa apresentar duas metodologias capazes de auxiliar a definir, com
maior segurana, a melhor opo tarifria, bem como o melhor valor de demanda a ser
contratada entre os consumidores e as concessionrias de energia eltrica. Assim, a
otimizao do contrato de fornecimento resultar no menor custo possvel da energia eltrica
para o cliente.
Atualmente a competio comercial requer uma constante reduo dos custos de
produo. E a primeira medida possvel para reduzir o custo da energia eltrica o ajuste dos
contratos de fornecimento de energia eltrica. Assim, boa parcela dos clientes de alta tenso
(geralmente grandes empresas e indstrias) necessita melhorar o seu gerenciamento de
consumo de energia eltrica.
A primeira metodologia para a obteno da Demanda Contratada tima utiliza-se de
conceitos da Moderna Teoria Financeira e da vinculao existente entre os contratos de
fornecimento de energia eltrica e os derivativos financeiros.
Uma metodologia baseada em Redes Neurais Artificiais associadas a um Sistema
Baseado em Regras para a obteno da Demanda Contratada tima a partir do histrico dos
dados de consumo e demanda de energia eltrica constitui a segunda metodologia. Aos final,
espera-se, atravs de um estudo de caso, compar as metodologias apresentadas.
Metodologia
As metodologias propostas neste projeto para a obteno do nvel timo da demanda
contratada a ser pactuada nos contratos de fornecimento de energia eltrica so baseadas nos
Contratos de Opes (derivativo financeiro) da Moderna Teoria Financeira e na teoria das
Redes Neurais Artificiais associadas a um sistema baseado em regras. A estrutura similar da
fatura de demanda e das opes de venda nos permite utilizar desta teoria para obter o nvel
timo de contratao de demanda.
O trabalho apresentado por (DOMINGUES, 2006), apresenta uma closed-form para o
clculo da demanda tima a ser contratada por uma unidade consumidora do Grupo A com
modalidade convencional, a partir da analogia existente entre os contratos de fornecimento e
os contratos derivativos. As anlises foram executadas mediante a observao de um histrico
de comportamento de variveis aleatrias presentes na estrutura tarifria, como a demanda
registrada e o consumo eltrico.
De acordo com esta metodologia, aplicando-se a closed-form desenvolvida por
(DOMINGUES, 2006) pode-se obter o valor timo de demanda que minimiza o valor esperado
a ser pago pela fatura de demanda. O menor valor final, para o consumidor, da fatura de
energia eltrica obtm-se escolhendo a estrutura tarifria que gera o menor valor de fatura para
a demanda contratada tima obtida.
A utilizao das Redes Neurais Artificiais (RNAs) visa, a partir da escolha das
melhores variveis que definem o problema da obteno do valor timo de demanda
contratada, aprender o comportamento do consumo de energia deste consumidor em anlise
e fornecer, como sada, um valor de demanda contratada factvel de executada sem que
prejuzos financeiros sejam imputados este.
Esta metodologia visa descobrir tambm se a escolha do cliente em relao ao tipo de
tarifa contratada adequada ao seu perfil de consumo de energia. Alguns mtodos utilizados
em conjunto com as RNAs, constituindo-se em Sistemas Baseados em Conhecimento
(Knowledge-Based Systems) (ABRO 2002), auxiliam a descoberta desta melhor escolha. Em
muitos casos, tais sistemas conseguem identificar fatos que no s explicitamente observados,
podendo estes ser importantes para o processo de escolha.
Resultados e discusso
Com a metodologia obtida a partir da analogia com teoria financeira conseguimos
obter o valor de demanda contratada atravs de um histrico de demanda de um determinado
consumidor.
Um estudo de caso simples foi feito com o seguinte histrico de demanda (Figura 1)
do prprio campus de Goinia do IFG:
Concluses
Utilizando da metodologia da analogia com as modernas teorias financeiras com um
histrico de demanda muito grande, da ordem de 10000 pontos, o valor de demanda tima
tende para o valor da mdia do histrico e com um histrico de demanda menor, da ordem de
50 pontos, o valor timo tende a ser caracterstico daquele histrico. Independente do histrico,
ento, desde que tambm no seja muito pequeno (menos de 12 pontos), possvel obter um
valor de demanda timo que minimiza a fatura no ponto de vista do consumidor, utilizando-se
desta metodologia.
Com a metodologia utilizando as Redes Neurais o tempo de pesquisa no foi o
suficiente para obter concluses a respeito de sua capacidade de encontrar uma soluo para
a obteno do nvel timo de demanda contratada.
Referncias Bibliogrficas
HAYKIN, Simon. Neural Networks: A Comprehensive Foundation. 2nd Edition. New York:
Prentice Hall, 1999.
ABRO, Pedro Jose. Aquisio Automtica de Conhecimento aplicada em Avaliao de
Segurana de Tenso. Tese de Doutorado, UNIFEI, 2002.
DOMINGUES, E. G. e OLIVEIRA, D. G. Using the Modern Financial Theory to Obtain the
Optimal Level of Contract Demand and Predict Payments of Electrical Energy Invoice. In: T&D
2006 Latin America, Caracas, 2006.