Estudo de caso · Energia
Ilustração de usina termelétrica a gás e parque eólico em colinas ao entardecer

Apoio à tomada de decisão baseado em IA para negociação de energia e gestão de portfólio

País
Brasil
Contexto
Uma empresa brasileira de geração e comercialização de energia com um portfólio de usinas termelétricas, incluindo usinas a gás de ciclo combinado.
Cliente
Âmbar Energia

Introdução

No sistema elétrico brasileiro, que possui despacho centralizado, o Operador Nacional do Sistema (ONS) frequentemente aciona usinas térmicas fora da ordem de mérito econômico, devido a restrições de transmissão e de segurança energética. Paralelamente, o rápido crescimento das fontes eólica e solar elevou significativamente a restrição de geração (curtailment) de fontes renováveis. Ambos os fenômenos geram incertezas consideráveis ​​nos fluxos de caixa de geradores e comercializadores, impactando a precificação de contratos, a gestão de exposição e o planejamento operacional.

As ferramentas de mercado existentes não conseguiam prever essas variáveis ​​com a precisão e a agilidade exigidas para as decisões de middle-office; além disso, as análises encontravam-se dispersas em planilhas e sistemas desconexos. O cliente necessitava de uma plataforma única que integrasse previsões de preços, despacho e restrições de geração às suas decisões comerciais, operacionais e regulatórias.

Metodologia

No âmbito de um projeto de P&D regulado pela ANEEL (agência reguladora do setor elétrico brasileiro), a Mip Wise foi responsável pela arquitetura e pelo desenvolvimento completo do sistema, integrando os modelos de previsão e financeiros, elaborados pela equipe do projeto, em uma plataforma única. A Mip Wise também contribuiu para as frentes de pesquisa sobre otimização e flexibilidade de usinas térmicas. O projeto compreendeu as seguintes etapas:

  • Mapeamento do processo decisório: Tradução dos processos de middle-office do cliente (gestão de portfólio, estratégia de comercialização, planejamento de manutenção, controle orçamentário e monitoramento de penalidades contratuais) em módulos de sistema, fluxos de dados e regras de negócio.
  • Arquitetura do sistema: Plataforma modular desenvolvida em Python, com motores de computação independentes, banco de dados PostgreSQL, interface web reativa e contratos de dados rigorosos, validados em todas as camadas. O sistema opera em contêineres Docker na AWS, com testes automatizados e implantação contínua.
  • Integração de dados e modelos: Ingestão automatizada de estudos oficiais do ONS e da CCEE, bem como de dados de mercado via APIs, alimentando motores para projeção de custo marginal e preço de liquidação de diferenças (PLD), curvas forward para mark-to-market, despacho térmico (dentro e fora da ordem de mérito) e curtailment (redução de geração) de fontes renováveis, estes dois últimos baseados em aprendizado de máquina. Um motor de liquidação replica as regras de mercado da CCEE com granularidade horária para calcular os resultados financeiros de cada usina.
  • Pesquisa em otimização: A Mip Wise propôs uma nova formulação de Programação Linear Inteira Mista (MILP) que representa as transições entre modos de operação de usinas de ciclo combinado no modelo de despacho de curto prazo (day-ahead) do Brasil, modelo que, atualmente, trata tais transições como instantâneas. Esse trabalho resultou em um artigo científico submetido a um periódico internacional.
  • Análise de diverter dampers (registros de desvio): A Mip Wise contribuiu para a análise e a modelagem matemática de usinas de ciclo combinado equipadas com diverter dampers, que são dispositivos que permitem que as turbinas a gás operem em ciclo simples. Os modelos subsidiaram uma avaliação técnica, econômica e sistêmica da instalação desses equipamentos.
  • Implantação e evolução: A entrega do projeto foi apoiada por testes unitários, de integração e de estresse, workshops de treinamento e pela elaboração de manuais técnicos e de usuário. A Mip Wise segue responsável pela manutenção do sistema e pela implementação de melhorias.

Resultados

O sistema está em operação na Âmbar Energia, sendo executado semanalmente com base em dados oficiais do ONS e da CCEE para subsidiar decisões de portfólio e comercialização. A plataforma foi validada por meio de cinco estudos de caso que utilizaram processos reais de tomada de decisão do cliente.

  • Plataforma única de decisão: Previsões de preços, despacho e curtailment (limitação de geração), bem como a liquidação financeira de cada usina, encontram-se agora reunidas em um único ambiente, substituindo planilhas e ferramentas desconexas.
  • Decisões de comercialização mais assertivas: Em testes retrospectivos (backtests), uma estratégia de portfólio orientada pelas previsões do sistema gerou um ganho de R$ 3,0 milhões (6,1%) superior ao de uma estratégia estática baseada em gatilhos de preço. Uma estratégia de comercialização de curto prazo, fundamentada nos sinais do sistema, acumulou R$ 3,2 milhões, em comparação com R$ 0,2 milhão obtido por meio de uma referência (benchmark) tradicional baseada em análise técnica.
  • Modelagem de despacho mais realista: A formulação proposta para as transições entre modos de operação evita programações fisicamente inviáveis, bem como distorções nos preços horários que surgem quando tais transições são tratadas como instantâneas.
  • Valor da flexibilidade: Simulações demonstraram que o uso de diverter dampers (registros de desvio) pode reduzir o curtailment de fontes renováveis em 26% e ampliar a capacidade de rampa do sistema em 36%, apresentando um valor de opção que supera o custo do equipamento em três das cinco usinas analisadas.

Ver mais casos de estudo em Energia

Está enfrentando um desafio parecido?

Cada operação tem as suas próprias restrições. Conte o que você tem em mente e a gente conversa sobre o que daria para fazer no seu caso, sem compromisso.