Metodologia de Previsão de Cenários do Preço da Curva Forward de Energia Elétrica nos Horizontes de Médio e Longo Prazo

No mercado de energia elétrica, a problemática dos preços de negociação dos contratos entre geradores/comercializadores e compradores toma especial relevância, pois uma modelagem assertiva dos contratos leva a um incremento do retorno financeiro e da sustentabilidade do negócio para os vários agentes participantes. No caso brasileiro, os preços de energia são publicados com periodicidade semanal pela Câmara de Comercialização de Energia, por meio da execução dos modelos computacionais NEWAVE, DECOMP E DESSEM. O principal resultado desses modelos é o Preço de Liquidação das Diferenças (PLD), que serve como referência oficial de preços no mercado de energia e é utilizado para a liquidação das sobras e déficits dos agentes nos ambientes de contratação livre e regulada. Porém, as variáveis consideradas no cálculo do PLD, que em sua maioria, buscam refletir o custo da operação do sistema nos horizontes de curto, médio e longo prazo - não refletem de maneira assertiva as expectativas do mercado e nem incorporam o prêmio do risco intrínseco ao processo de comercialização de energia. Esse desalinhamento é mais evidente nos horizontes de médio e longo prazo, que são menos influenciados por variáveis operacionais e mais sensíveis a fatores que modelam o risco associado ao negócio. Diante desse desacoplamento nos horizontes de médio e longo prazo, faz-se necessário o estabelecimento de metodologias que retornem projeções de cenários de curvas de preços que refletem não somente aspectos intrínsecos à operação da rede, mas também o risco associado à comercialização, de forma a otimizar a modelagem dos contratos firmados entre os agentes. Nesse contexto, buscou-se uma abordagem metodológica mais assertiva para proporcionar o dinamismo presente no mercado de energia, aliada a uma modelagem que foca na robustez e na qualidade de experiência do usuário, possibilitando projeções confiáveis do preço de energia nos horizontes de médio e longo prazo (3 a 10 anos). Como proposta metodológica, adotou-se a técnica estatística de Redes Bayesianas Dinâmicas (RBD), para a geração de cenários de previsão, combinada com Algoritmos Genéticos para otimizar automaticamente o desempenho do modelo, definindo as topologias utilizadas pela RBD. Para definir quais as variáveis são relevantes na criação da topologia, realizou-se um estudo detalhado das variáveis para identificar quais dessas impactam na formação de preço de energia. Por fim, os resultados obtidos com a metodologia proposta, foram comparados com resultados gerados pelas técnicas de Regressão Linear, Support Vector Regression e Extreme Gradient Boosting, utilizando métricas de avaliação de desempenho.