Determinação do nível ótimo de contratação de energia elétrica para grandes consumidores baseado em técnicas de gerenciamento do risco

Detalhes bibliográficos
Ano de defesa: 2011
Autor(a) principal: Bittencourt, Diego
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Florianópolis, SC
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Engenharia eletrica
Energia eletrica -
Consumo
Avaliação de riscos
Monte Carlo, simulação de
Link de acesso: http://repositorio.ufsc.br/xmlui/handle/123456789/95343
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica
id UFSC_2e9b1b835a0cd541fdb7e47862239cbd
oai_identifier_str oai:repositorio.ufsc.br:123456789/95343
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Determinação do nível ótimo de contratação de energia elétrica para grandes consumidores baseado em técnicas de gerenciamento do riscoEngenharia eletricaEnergia eletrica -ConsumoAvaliação de riscosMonte Carlo, simulação deDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia ElétricaEste trabalho apresenta uma metodologia para determinação do nível ótimo de contratação de energia elétrica, tendo como objetivo a minimização do valor esperado do risco ao mercado spot, para grandes consumidores. Para aplicação da metodologia, são avaliados três consumidores com diferentes perfis de consumo, e são criadas curvas empíricas de distribuição de probabilidade normal e log-normal com intuito de representar os dados utilizados de consumo mensal de energia elétrica e da média mensal do preço de liquidações de diferenças, respectivamente. Na continuidade, é utilizada a simulação Monte Carlo, na busca por estabelecer, aleatoriamente, cenários futuros de consumo e preço de energia elétrica. Posteriormente, são simulados possíveis cenários de contratação de energia elétrica, e a convolução destas curvas empíricas faz com que sejam obtidos os valores de exposição ao mercado spot. O risco à não contratação de energia elétrica, é quantificado por ferramentas de análise de decisão sob risco utilizadas na indústria financeira. Tendo em vista a redução do valor esperado do risco, são propostas a gestão integrada do risco e o uso da geração de energia elétrica com o óleo diesel. Neste trabalho, propõe-se um modelo computacional baseado na técnica de simulação Monte Carlo, que auxilie o tomador de decisões na definição do quanto de energia elétrica deve ser contratada. O modelo proposto é aplicado ao Setor Elétrico Brasileiro, com o intuito de demonstrar sua viabilidade prática e conceitual.This work presents a methodology for determining the optimal level for purchasing electricity, with the purpose of minimizing the risk to the expected value of spot market, for large consumers. For application of the methodology are assessed three consumers with different consumption characteristic, and are created empirical probability distribution of normal and log-normal curves with the aim of representing the data used for monthly consumption of electricity and the monthly average settlement price differences, respectively. Continuing, it uses a Monte Carlo simulation, in seeking to establish, at random, future scenarios of consumption and price of electricity. Subsequently, possible scenarios are simulated of electricity hiring, and convolution of these empirical curves makes them obtained the values of exposure to the spot market. The risk of non-contracting electricity is quantified by analysis tool used for decision making under risk in the financial industry. In order to reduce the expected value of risk, are proposed integrated management of risk and use of electric power generation with diesel oil. In this works, we propose a computational model based on Monte Carlo simulation technique, which helps the decision maker in defining how much power should be hired. The proposed model is applied to the Brazilian Electricity Sector, in order to demonstrate its practical and conceptual feasibility.Florianópolis, SCSilva, Edson Luiz daUniversidade Federal de Santa CatarinaBittencourt, Diego2012-10-26T00:26:02Z2012-10-26T00:26:02Z20112011info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis109 p.| il., grafs., tabs.application/pdf301152http://repositorio.ufsc.br/xmlui/handle/123456789/95343porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2013-05-01T11:17:43Zoai:repositorio.ufsc.br:123456789/95343Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732013-05-01T11:17:43Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Determinação do nível ótimo de contratação de energia elétrica para grandes consumidores baseado em técnicas de gerenciamento do risco
title Determinação do nível ótimo de contratação de energia elétrica para grandes consumidores baseado em técnicas de gerenciamento do risco
spellingShingle Determinação do nível ótimo de contratação de energia elétrica para grandes consumidores baseado em técnicas de gerenciamento do risco
Bittencourt, Diego
Engenharia eletrica
Energia eletrica -
Consumo
Avaliação de riscos
Monte Carlo, simulação de
title_short Determinação do nível ótimo de contratação de energia elétrica para grandes consumidores baseado em técnicas de gerenciamento do risco
title_full Determinação do nível ótimo de contratação de energia elétrica para grandes consumidores baseado em técnicas de gerenciamento do risco
title_fullStr Determinação do nível ótimo de contratação de energia elétrica para grandes consumidores baseado em técnicas de gerenciamento do risco
title_full_unstemmed Determinação do nível ótimo de contratação de energia elétrica para grandes consumidores baseado em técnicas de gerenciamento do risco
title_sort Determinação do nível ótimo de contratação de energia elétrica para grandes consumidores baseado em técnicas de gerenciamento do risco
author Bittencourt, Diego
author_facet Bittencourt, Diego
author_role author
dc.contributor.none.fl_str_mv Silva, Edson Luiz da
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Bittencourt, Diego
dc.subject.por.fl_str_mv Engenharia eletrica
Energia eletrica -
Consumo
Avaliação de riscos
Monte Carlo, simulação de
topic Engenharia eletrica
Energia eletrica -
Consumo
Avaliação de riscos
Monte Carlo, simulação de
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica
publishDate 2011
dc.date.none.fl_str_mv 2011
2011
2012-10-26T00:26:02Z
2012-10-26T00:26:02Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 301152
http://repositorio.ufsc.br/xmlui/handle/123456789/95343
identifier_str_mv 301152
url http://repositorio.ufsc.br/xmlui/handle/123456789/95343
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 109 p.| il., grafs., tabs.
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1785187823501967360

Registros relacionados