A partir de janeiro de 2005, o Decreto nº 5.163/2004 alterou a metodologia de apuração do de contratação que os Agentes de Distrubição devem apresentar com relação aos seus clientes cativos. O decreto definiu que os Agentes de Distribuição devem apresentar lastro de 100% da sua carga realizada.
A Resolução Normativa ANEEL nº 109/2004 define, entre outros aspectos, que a apuração das penalidades é realizada com base em um horizonte de 12 meses e que as receitas resultantes da aplicação das penalidades são revertidas à modicidade tarifária no Ambiente de Contratação Regulada (ACR).
Quando os limites de contratação e lastro definidos nas Regras de Comercialização não são cumpridos, os Agentes são notificados pela Superintendência da CCEE e estão sujeitos à aplicação de penalidade financeira.
Ao mesmo tempo, definiu-se que um a energia lastrada que ultrapassasse 103% da carga realizada não entraria no pass-through definido na estrutura tarifária e seria valorado ao PLD, expondo o Agente de Distribuição às variações do mercado de curto prazo. Para evitar penalidades e minimizar a exposição ao mercado de curto prazo, os Agentes de Distribuição recorrem ao Mecanismos de Contratação de Sobras e Déficts (MCSD).
Estes acontecem quase que mensalmente e são mecanismo de ajustes em que alguns Agentes oferecem suas sobras e outros fazem seus pedidos de energia baseados nos seus déficts, sempre em Mega Watts médios (Mwmed). O problema é que a carga, na qual são feitos os cálculos onde o Agente verifica seu nível de contratação até o fim do ano, é estimada.
São basicamente criados alguns cenários de carga e o ideal seria um pedido que minimizasse penalidades e exposições em todos os cenários propostos ao mesmo tempo.
Evidentemente cenários mais prováveis podem receber peso maior, esse peso seria traduzido como a probabilidade de acontecimento. Os Algoritmos Genéticos poderiam ajudar esse problema número apontando qual seria a quantidade de energia necessária (pedida no MCSD) para resolver esse problema.
A representação é bastante simples, pois num primeiro momento apenas uma variável deve ser otimizada, “energia pedida”. Esta pode ser representada binariamente por k bits onde 2k é o espaço de busca do problema. A otimização utilizando Algoritmos Genéticos é rápida, prática e versátil. Excentes para problemas que as Distribuidoras encaram diarimente e que nem sempre tinham uma resposta ótima. Autor: Francis de Asevedo (O Globo)
A Resolução Normativa ANEEL nº 109/2004 define, entre outros aspectos, que a apuração das penalidades é realizada com base em um horizonte de 12 meses e que as receitas resultantes da aplicação das penalidades são revertidas à modicidade tarifária no Ambiente de Contratação Regulada (ACR).
Quando os limites de contratação e lastro definidos nas Regras de Comercialização não são cumpridos, os Agentes são notificados pela Superintendência da CCEE e estão sujeitos à aplicação de penalidade financeira.
Ao mesmo tempo, definiu-se que um a energia lastrada que ultrapassasse 103% da carga realizada não entraria no pass-through definido na estrutura tarifária e seria valorado ao PLD, expondo o Agente de Distribuição às variações do mercado de curto prazo. Para evitar penalidades e minimizar a exposição ao mercado de curto prazo, os Agentes de Distribuição recorrem ao Mecanismos de Contratação de Sobras e Déficts (MCSD).
Estes acontecem quase que mensalmente e são mecanismo de ajustes em que alguns Agentes oferecem suas sobras e outros fazem seus pedidos de energia baseados nos seus déficts, sempre em Mega Watts médios (Mwmed). O problema é que a carga, na qual são feitos os cálculos onde o Agente verifica seu nível de contratação até o fim do ano, é estimada.
São basicamente criados alguns cenários de carga e o ideal seria um pedido que minimizasse penalidades e exposições em todos os cenários propostos ao mesmo tempo.
Evidentemente cenários mais prováveis podem receber peso maior, esse peso seria traduzido como a probabilidade de acontecimento. Os Algoritmos Genéticos poderiam ajudar esse problema número apontando qual seria a quantidade de energia necessária (pedida no MCSD) para resolver esse problema.
A representação é bastante simples, pois num primeiro momento apenas uma variável deve ser otimizada, “energia pedida”. Esta pode ser representada binariamente por k bits onde 2k é o espaço de busca do problema. A otimização utilizando Algoritmos Genéticos é rápida, prática e versátil. Excentes para problemas que as Distribuidoras encaram diarimente e que nem sempre tinham uma resposta ótima. Autor: Francis de Asevedo (O Globo)
Leia também:
Debatedores ressaltam importância do uso da energia eólica
Voltar
Receba as principais notícias do setor energético nacional no seu e-mail. Cadastre aqui
Debatedores ressaltam importância do uso da energia eólica
Voltar
Receba as principais notícias do setor energético nacional no seu e-mail. Cadastre aqui
