Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/31601
Título: Simmarketstrategy: uma ferramenta computacional para avaliação de estratégias de venda de energia elétrica em mercados com precificação por oferta
Título(s) alternativo(s): Simmarketstrategy: a computational tool for electricity selling strategy assessment in offer-based pricing markets
Autor(es): Theodoro, Edson Aparecido Rozas
Orientador(es): Lopes, Yuri Kaszubowski
Palavras-chave: Python (Linguagem de programação de computador)
Energia elétrica
Modelo de precificação de ativos
Python (Computer program language)
Electric power
Capital assets pricing model
Data do documento: 3-Abr-2023
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Dois Vizinhos
Citação: THEODORO, Edson Aparecido Rozas. Simmarketstrategy: uma ferramenta computacional para avaliação de estratégias de venda de energia elétrica em mercados com precificação por oferta. 2023. Monografia (Especialização em Tecnologia Python para Negócios) - Universidade Tecnológica Federal do Paraná, Dois Vizinhos, 2023.
Resumo: Seguindo as tendências mundiais, após a década de 1990, de descabornização, digitalização e descentralização, o mercado de energia elétrica brasileiro tem sofrido um processo extenso de reestruturação. Entre as novas propostas para o setor está a adoção de um modelo de precificação por oferta, no qual os agentes vendedores (geradores de energia elétrica) poderão ofertar livremente seus custos marginais de operação de modo a competir nos leilões de energia, se diferenciando do modelo atual onde seus custos são auditados pelo operador do mercado. Neste sentido, o presente trabalho propõe a elaboração de uma ferramenta computacional baseada em simulação por agentes, utilizando técnicas de aprendizagem por reforço (Qlearning), e implementada em linguagem Python. Esta ferramenta realiza a avaliação de estratégias de venda de energia elétrica, considerando mercados com liquidação horária no dia anterior ao próximo dia operativo (day-ahead), sendo aplicada na seleção das melhores ofertas para o agente vendedor (maximização do lucro operacional). Como validação da prova de conceito, objetivando o posterior desenvolvimento de um produto minimamente viável, foram realizados testes em um sistema elétrico de pequeno porte visando determinar: (i) o potencial dos geradores no exercício de poder de mercado, (ii) o estudo de fenômenos de coalisão tácita em mercados com informação imperfeita, e (iii) a seleção de melhores ofertas de venda de energia.
Abstract: After 1990s, following global trends of decarbonization, digitalization and decentralization, Brazilian electricity market has been extensively transformed. Among the new proposals is the adoption of an offer-based pricing for energy auctions, in which sellers (generators) can offer marginal operation costs freely without any auditing procedure by market operator. This work intends to propose an agent-based simulation tool, using reinforcement learning techniques (Q-learning) and Python programming language. This tool is used for energy selling strategy assessment in day-ahead markets with hourly discretization, and seeks the best selling offers in order to maximize agent’s operational profit. The proof of concept validation was conducted in a small power grid in order to: (i) gain insights about generators market power, (ii) study tacit collusion phenomena among sellers in imperfect information environments, and (iii) improve generators’ offer behavior for profit maximization.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/31601
Aparece nas coleções:DV - Tecnologia Python para Negócios

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ferramentaestrategiasvendaenergia.pdf3,26 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons