Académique Documents
Professionnel Documents
Culture Documents
AbstractEste trabalho cobre duas reas de estudo, sendo a II. R EESTRUTURAO DO S ECTOR E LCTRICO E
primeira parte orientada para uma anlise do estado da arte M ERCADOS DE E LECTRICIDADE
relativo reestruturao do Sector Elctrico na Europa, bem
como para os obstculos que tm surgido desde que foram dados A. Reestruturao do Sector Elctrico
os primeiros passos at actualidade. Na segunda parte desta
dissertao, correspondente aos captulos 4 a 7, pretendeu-se Na Europa, o movimento de liberalizao iniciou-se na Gr-
obter conhecimentos alargados sobre metodologias de previso Bretanha, com a publicao do Energy Act de 1983. Apesar
e sua utilizao prtica quando aplicadas aos preos de energia do processo de reestruturao se desenrolar h cerca de duas
elctrica. Numa primeira fase, e de forma breve, sero abordadas dcadas, no se chegou contudo a um consenso universal sobre
algumas metodologias de previso e, posteriormente, uma anlise o modelo mais adequado para a estrutura do sector. Observam-
mais profunda incidir sobre as Redes Neuronais Artificiais, nas
quais se ir trabalhar com a finalidade de as testar num exerccio se estdios de desenvolvimento diversificados em diversos
prtico de previso. O horizonte temporal para o exerccio de pases, sendo os case studies habitualmente reportados, a Gr-
previso a realizar ser de uma semana tendo por base dados Bretanha, a Escandinvia e a Espanha.
do mercado Espanhol. Por fim, os conhecimentos adquiridos ao Segundo os relatrios anuais da Comisso Europeia, torna-
longo do trabalho, que pressupe a interaco entre duas reas
se claro que os principais problemas e desafios se centram
de conhecimento - Mercados de Electricidade e Metodologias de
Previso -, culminaro no captulo 8, referente s concluses, nas questes de poder de mercado a nvel nacional e na
onde sero sintetizados os resultados do exerccio da previso. insuficincia das interligaes existentes entre os Estados-
Index TermsReestruturao do Sector Elctrico, Mercados
Membros.
de Electricidade, Redes Neuronais Artificiais, Previso de Preos Na Pennsula Ibrica o movimento integrador entre os
de Energia Elctrica sectores elctricos de Portugal e da Espanha culminou com
a criao do Mercado Ibrico de Electricidade, tambm con-
hecido por MIBEL.
I. I NTRODUO
III. P REVISO ATRAVS DE R EDES N EURONAIS As entradas da ANNs so dados dos quais dependero,
A RTIFICIAIS - ANN S supostamente, o preo da energia elctrica, que representa
A previso de curto prazo permite o planeamento de aces a srie a prever. Existem variveis claramente influentes no
dirias, ao nvel de despacho econmico e ainda previso de preo da energia elctrica. No entanto, existem outras em que
preos de energia elctrica em ambientes de mercado. a sua dependncia apenas se consegue demonstrar experimen-
As Redes Neuronais Artificiais (Artificial Neural Net- talmente.
works ANNs), como proposta metodolgica aplicada
previso de curto-prazo, tm conhecido desde 1980 um desen- A. Dia da Semana e Ms do Ano
volvimento considervel, com resultados globais que se podem
O dia da semana influencia em grande escala o preo da
considerar satisfatrios.
energia elctrica resultante de um mercado competitivo visto
As ANNs so modelos matemticos baseados no funciona-
que existem consumos prprios em cada dia da semana que se
mento do crebro humano, e so compostas por elementos
auto-correlacionam e que se afastam de outros dias da semana.
simples que operam em paralelo. Estes elementos so inspi-
rados nos sistemas nervosos biolgicos. A literatura explica Meses tipicamente mais secos conduzem ao aumento de
certas caractersticas das ANNs que as tornam particularmente produo por parte das centrais trmicas que, devido sua na-
teis na previso de sries temporais. Ser de referir que tureza possuem custos marginais mais elevados, contribuindo
a mais importante reside na capacidade destas aproximarem deste modo para o aumento do preo do mercado dirio de
praticamente qualquer funo. electricidade. Da mesma maneira, nos meses de maior plu-
viosidade, haver uma grande utilizao das centrais hdricas,
de modo que os preos do mercado dirio tendero a baixar.
A. Funo de Transferncia
As funes de transferncia (ou de activao) so indis- B. Preo do BRENT e do Gs Natural
pensveis nas camadas intermdias, sendo atravs deste tipo
de funes que possvel a introduo de no-lineridades na Uma parte da produo de energia elctrica provm de
rede. Normalmente as funes sigmoidais so preferveis visto grupos trmicos que utilizam o petrleo, seus derivados e o
que uma pequena alterao nos pesos produz uma mudana gs natural como fonte de produo. O gs natural sobretudo
contnua na sada, o que torna possvel uma avaliao sobre a utilizado em centrais de ciclo combinado. Ser ento de
sua evoluo. Segundo este critrio foi seleccionada a funo considerar estas variveis como influncia para o preo da
de transferncia Tan-Sigmoid. Esta funo limita a sada do energia elctrica. O preo destas mercadorias cujo valor
neurnio ao intervalo [ 1; 1]. O seu algoritmo dado por: negociado em ambiente bolsista, resulta de vrios factores, tais
como as reservas mundiais de crude, as decisees dos cartis,
2 a especulao e at a valorizao ou desvalorizao do dolar
tansig(n) = 1 (1)
1 + e(2n) americano.
Tabela I
C OEFICIENTES DE AUTO - CORRELAO PARA OS DIFERENTES C. Feriados
CENRIOS CALCULADOS . Os feriados so considerados eventos atpicos nas sries de
preos de energia elctrica. Apesar da sua taxa de ocorrncia
07h 12h 21h 07h 12h 21h ser relativamente baixa, em relao a dias regulares, os efeitos
d1 0.847 0.709 0.860 d9 0.659 0.517 0.750
d2 0.758 0.606 0.814 d 10 0.636 0.488 0.736
negativos que provocam na performance so substanciais.
d3 0.731 0.568 0.790 d 11 0.634 0.462 0.730 Numa primeira etapa, tendo por base o calendrio de
d4 0.713 0.551 0.785 d 12 0.653 0.476 0.736 feriados1 do ano de 2006 e 2007, foi feita uma comparao
0.719 0.570 0.782 0.694 0.542 0.739
d5 d 13
(no conjunto de treino) entre todos os dias feriados e os dias
d6 0.740 0.614 0.786 d 14 0.726 0.643 0.757
d7 0.779 0.753 0.817 d 15 0.672 0.473 0.710 que lhes precedem e sucedem. Assim, considerando um dia
d8 0.713 0.578 0.777 feriado df , comparou-se o valor mdio dirio do preo da
energia elctrica entre o dia df 1 , df e df +1 .
Esta anlise revelou que o valor mdio dirio do preo
V. P REVISO DE P REOS DE E NERGIA E LCTRICA NO da energia elctrica nos dias feriados aproximadamente 9%
M ERCADO E LCTRICO E SPANHOL inferior sua vizinhana.
Atendendo que o nosso conjunto de teste se refere ao
Ao longo de todo o processo de experimentao, foram perodo compreendido entre 1 de Janeiro de 2008 e 29 de
treinadas vrias configuraes de ANNs, em busca daquela Fevereiro de 2008, os feriados existentes neste intervalo sero
que ofereceria um melhor desempenho. O indicador de perfor- respectivamente, o dia 1 de Janeiro de 2008 e o dia 6 de Janeiro
mance utilizado no treino foi o MSE - erro mdio quadrtico. de 2008. De modo a estudar o comportamento especfico
A escolha do nmero de neurnios da camada escondida desses dois casos, fez-se uma anlise mais aprofundada dos
foi decisiva para a seleco da melhor configurao. Ficou mesmos. Tomou-se o princpio de comparao com os dias
demonstrado que a ANN apresentava o melhor desempenho vizinhos utilizado anteriormente mas, desta vez estendeu-se
como 3 neurnios na camada escondida. essa anlise para todos os perodos horrios.
Ser o momento para analisar a sua capacidade em acom- possvel ver, atravs das Figura 1, a contribuio positiva
panhar diferentes evolues tpicas dos preos da energia que o tratamento individual dos feriados provoca na previso.
elctrica ao longo do dia e para diferentes dias da semana. certamente um processo mais demorado que a incluso de
uma varivel que identifique a existncia de um feriado. Po-
rm, no caso do presente trabalho revelou-se mais satisfatria.
A. Dias teis
1-Jan-2008
Observando a evoluo do preo da energia elctrica ao
longo do dia, possvel notar um padro que explicado 12
As variveis escolhidas passaram por testes que conduziram [17] C ORTEZ , P., ROCHA , M., AND N EVES , J. Evolving time
que seria a melhor arquitectura. O tratamento de feriados series forecasting neural network models. Invited Paper
adoptado, apesar de trabalhoso, mostrou-se eficaz para o (2001).
conjunto testado. [18] DA C OSTA S ANTOS , P. J. Previso de cargas em
O valor de MAPE - Mean Absolute Percentual Error - horizonte de curto-prazo aplicada a subestaes de
(indicador de desempenho muito utilizado em previso) fixou- distribuio. PhD thesis, Universidade de Coimbra,
se em 12.62% para dias teis e 10.73% para feriados e fins-de- Faculdade de Cincias e Tecnologia, Departamento de
semana (com o tratamento de feriados aplicado). Estes valores Engenharia Electrotcnica e de Computadores, Dezem-
foram comparados com um estudo muito semelhante referente bro 2005.
ao mesmo mercado, provando-se a obteno de resultados [19] DA S ILVA , P. P. O Sector da Energia Elctrica na Unio
satisfatrios, tendo em conta a diferena de horizonte temporal Europeia; Evoluo e Perspectivas. PhD thesis, FEUC,
entre os dois estudos. 2007.
Os resultados obtidos demonstraram que este estudo pode [20] D IRIO DA R EPBLICA. Decreto-Lei 29/2006 de 15 de
ter interesse para os agentes do mercado em causa, uma vez Fevereiro (2006), vol. 1.
que se obtiveram previses bastante realistas. [21] D OMINGUEZ , E. F., AND B ERNAT, J. X. Restructuring
and generation of electrical energy in the iberian penin-
sula. Energy Policy 35, 10 (2007), 51175129.
R EFERENCES
[22] EGL N ETWORKIG E NERGIES. The EGL Annual Report
[1] BATLLE , C., S OLE , C., AND R IVIER , M. A new (2007).
security of supply mechanism for the iberian market. The [23] ERGEG. The Regional Initiatives Annual Report (Febru-
Electricity Journal 21, 2 (2008), 6373. ary 2008).
[2] B UNN , D. W. Forecasting loads and prices in competitive [24] ERSE. Ter ou No ter Mercado (2001).
power markets. Proceedings of the IEEE 88, 2 (February [25] ERSE. Despacho n. 06/2008 (Abril 2008).
2000), Pages 163169. [26] EURELECTRIC. Recommendations on unbundling
[3] C APGEMINI C ONSULTING. European Energy Markets (June 2005).
Observatory (November 2007), vol. 9. [27] E UROPEAN C OMISSION. Comparison of Market Open-
[4] CEER AND ERGEG. The European Energy Regulator ing developments in the Energy and Transport Sectors
annual Repport (2007). (2003), no. 92-894-7889-6, Office for Official Publica-
[5] CEER AND ERGEG. The European Energy Regulator tions of The European Comission.
Work Programme (2008). [28] E UROPEAN C OMISSION. Quarterly Review of European
[6] CEER AND ERGEG. Joint Conference by the European Electricity and Gas Prices (September 2006), vol. 8.
Commission and ERGEG. The Regional Initiatives. Eu- [29] E UROPEAN I NVESTMENT BANK. An Efficient, sustain-
ropes key to energy market integration. (February 2008). able and secure supply of energy for Europe (2007),
[7] C HEN , Y., YANG , B., D ONG , J., AND A BRAHAM , A. vol. 12.
Time-series forecasting using flexible neural tree model. [30] E UROPEAN I NVESTMENT BANK. EU energy policy and
Elsevier, doi: 10.1016/j.ins.2004.10.005 (October 2004). the EIB (2007).
[8] CNE E ERSE. Modelo de Organizao do Mercado [31] EUROSTAT. Competition Indicators in the Electricity
Ibrico de Electricidade (2002). Markets (2001).
[9] CNE, ERSE, CMVM E CNMV. Relatrio Mensal [32] FABRA , N., AND T ORO , J. Price wars and collusion in
MIBEL (Julho 2007). the spanish electricity market. International Journal of
[10] C OMISSO E UROPEIA. Directiva 2003/54/CE (2003). Industrial Organization 23, 3-4 (2005), 155181.
[11] C OMISSO E UROPEIA. Relatrio sobre os progressos [33] F ERRARI , A., AND G IULIETTI , M. Competition in
realizados na criao do mercado interno do gs e da electricity markets: International experience and the case
electricidade (Novembro 2005). of italy.
[12] C OMISSO E UROPEIA. Directiva do Parlamento Eu- [34] F ERREIRA , P., A RAUJO , M., AND OK ELLY, M. E. J.
ropeu e do Conselho que altera a Directiva 2003/54/CE An overview of the portuguese electricity market. Energy
que estabelece regras comuns para o mercado interno Policy 35, 3 (2007), 19671977.
da electricidade (2007). [35] F IDALGO , J., AND M ATOS , M. A. Forecasting portugal
[13] C OMISSO E UROPEIA. Press Release do terceiro pacote global load with artificial neural networks. Lecture Notes
de propostas legislativas da Energia (2007). in Computer Science Volume 4669/2007, ISBN 978-3-
[14] C OMISSO E UROPEIA. Terceiro Pacote Legislativo da 540-74695-9 (2007), Pages 728737.
Energia (Julho 2007). [36] G AO , C., B OMPARD , E., NAPOLI , R., AND C HENG , H.
[15] C ONSELHO E UROPEU DE L ISBOA. Mercado Interno da Price forecast in the competitive electricity market by
Energia: Regras Comuns para o Mercado Interno de support vector machine. Physica A: Statistical Mechanics
Electricidade (2003). and its Applications 382, 1 (2007), 98113.
[16] C ONSENTEC C ONSULTING. Towards a common co- [37] G OERTEN , J., AND C LEMENT, E. Electricity prices for
ordinated regional congestion management method in eu households and industrial consumers. EUROSTAT
Europe (October 2007). (January 2007).
PROVAS DE DISSERTAO DO MIEECJULHO 2008 5
[38] G OERTEN , J., AND C LEMENT, E. European electricity neural networks. IEEE Internacional Conference on In-
market indicators of the liberalisation process. EURO- telligent Processing Systems, ISBN 0-7803-4253-4 (Oc-
STAT (2007). tober 1997), Pages 432434.
[39] G OMES , M. H. Novos mecanismos de mercado de [59] REE. El Sistema Elctrico Espaol: Avance del Informe
energia elctrica e de servios auxiliares em sistemas 2007 (2007).
elctricos. Ms.c. thesis, FEUP, Janeiro 2007. [60] REN. Plano de Desenvolvimento e Investimento da Rede
[40] G OUDRIAAN , J. W. Public service in the energy sec- de Transporte 2009-20014 (Julho 2008).
tor. In IEA Regulatory Forum. Competition in Energy [61] S ANTANA , J. A concorrncia no sector elctrico. ERSE
Markets: Implications for Public Services and Security (2006).
of Supply goals in the Electricity and Gas Industries [62] S IOSHANSI , F. P. Competitive electricity markets: Ques-
(February 2002), IEA, Ed. tions remain about design, implementation, performance.
[41] H AAS , R., G LACHANT, J.-M., AUER , H., K ESERIC , N., The Electricity Journal 21, 2 (2008), 7487.
AND P EREZ , Y. Competition in the continental european [63] T ENTI , P. Forecasting foreign exchange rates using
electricity market: Despair or work in progress? recurrent neural networks. Applied Artificial Intelligence,
[42] H EITOR , H., AND C ORREIA , N. Anlise numrica dos 10:567-581 (1996), Pages 567581.
resultados do mercado portugus nos meses de julho, [64] T OM S ARAIVA , J., P EREIRA DA S ILVA , J., AND
agosto e setembro de 2007. Masters thesis, FEUP, Dec P ONCE DE L EO , M. T. Mercados de Electricidade -
2007. Regulao e Tarifao de Uso das Redes, 1 ed. No. De-
[43] H OUSE OF C OMMONS , C OMMITTEE OF P UBLIC AC - psito legal n. 183933/02 in ISBN . 972-752-053-7.
COUNTS. The new electricity trading arrangements in FEUP edies, 2002.
England and Wales (2003). [65] VASCONCELOS , J. Enquadramento, estrutura e estratgia
[44] IEA. Competition in Electricity Markets (2001). do sector elctrico na pennsula ibrica. In Sesso
[45] IEA. World Energy Outlooks (2001). II: Enquadramento Legal e Estrutura da Energia na
[46] IEA. World Energy Outlooks (2006). Pennsula Ibrica (1999), ERSE.
[47] I ZIQUIERDO , L., C ABAL , H., S AZ , R., AND C ALDS , [66] VASCONCELOS , J. Limites concentrao dos merca-
N. Comprehensive analysis of future european demand dos. In Seminrio da Associao Portuguesa de Energia
and generation of european electricity and its security of "Evoluo do Mercado Interno de Energia (Novembro
supply. 2005).
[48] L IANG , F. Bayeasian neural networks for nonlinear time [67] VASCONCELOS , J. Mibel, o paradigma perdido. ERSE
series forecasting. Statistics and Computing Volume 15, (2006).
0960-3174 (May 2005), Pages 1329. [68] VOORSPOOLS , K. R., AND D HAESELEER , W. D. Mod-
[49] M ATOS , E., AND G ILVAZ , V. Previso de preos de en- elling of electricity generation of large interconnected
ergia elctrica em mercados de electricidade, utilizando power systems: How can a co2 tax influence the european
redes neuronais. Masters thesis, FEUP, July 2003. generation mix. Energy Conversion and Management 47,
[50] M C K INSEY AND C OMPANY. Bringing best practice to 11-12 (2006), 13381358.
Markets (2007), vol. 4. [69] YAN , X.-B., WANG , Z., Y U , S.-H., AND L I , Y.-J.
[51] M IRANDA , V. Redes neuronais - treino por retropopa- Times series forecasting with rbf neural networks. Pro-
gao. FEUP (2007). ceedings of fourth Internatcional Conference on Machine
[52] M UNNS , D. Modeling new approaches for electric Learning and Cybernetics, 0-7803-9091-1/05 (August
energy efficiency. The Electricity Journal 21, 2 (2008), 2005), Pages 46804683.
2026. [70] Z HOU , E. Evolutionary Intelligent Systems dor Pattern
[53] OMEL. Relatorio Anual del Operador del Mercado de Classification and Price Based Electric Load Forecasting
Electicidad (2002). Applications. PhD thesis, Faculty of the School of
[54] OMEL. Modelo de Sistema Elctrico con Gstion Engineering and Applied Science Southern Methodist
Tcnico-Econmica Separada: Operador del Mercado y University, May 2007.
Operador del Sistema (2005).
[55] PAIVA , J. S. Redes de Energia Elctrica, vol. 6. IST,
2006.
[56] P EDREGAL , D. J., AND T RAPERO , J. R. Electricity
prices forecasting by automatic dynamic harmonic re-
gression models. Energy Conversion and Management
48, 5 (2007), 17101719.
[57] P INO , R., PARRENO , J., G OMEZ , A., AND P RIORE , P.
Forecasting next-day price of electricity in the spanish
energy market using artificial neural networks. Engineer-
ing Applications of Artificial Intelligence 21, 1 (2008),
5362.
[58] R AST, M. Forecasting financial time series with fuzzy