Estratégias de arbitragem no mercado de energia com BESS

Resumo

Usinas fotovoltaicas e parques eólicos têm crescido no cenário elétrico brasileiro e viabilizado uma maior geração energia elétrica sustentável. Entretanto, a inclusão dessas fontes de energia traz consigo alguns desafios operacionais, dos quais a sua natureza intermitente se destaca por impedir que tais fontes geradoras sejam despacháveis, a menos que estejam acopladas a um sistema de armazenamento de energia (NGE et al., 2018). Esses sistemas, conhecidos como BESS (Battery Energy Storage System), geralmente são a base de baterias de íon-lítio, mas apesar dos benefícios que oferecem, estão sujeitos à degradação pelo uso e pelo tempo. Além de proporcionar uma maior participação de energias limpas no sistema elétrico brasileiro, as usinas híbridas aliadas a um BESS têm se mostrado uma solução eficiente contra cortes de geração (curtailment), garantindo um despacho mais eficiente dessas usinas e beneficiando tanto o setor de operação do sistema elétrico como o setor econômico (YAGI e TAKEUCHI, 2024). Somado a esses benefícios, o BESS pode realizar serviços ancilares, aumentando a confiabilidade e robustez do Sistema Interligado Nacional (SIN). O BESS é uma tecnologia promissora, cuja viabilidade econômica ainda é um desafio, mesmo estando cada vez mais próxima. Ele traz consigo a possibilidade de armazenar energia em momentos de alta geração e baixo consumo (quando o preço de energia está baixo) e liberá-la quando a demanda cresce e geração passa a ser insuficiente para atendê-la (momento em que o preço da energia está mais caro), procedimento tal conhecido como arbitragem de energia. Assim, este trabalho busca maximizar a receita que o BESS obterá realizando arbitragem de energia nesta usina híbrida. Planeja-se: (i) modelar estocasticamente as incertezas envolvidas (geração eólica, fotovoltaica e preço do PLD [Preço de Liquidação das Diferenças]); (ii) modelar a perda de vida útil do BESS usando a curva DoD (Depth of Discharge); (iii) utilizar técnicas de Reinforcement Learning (RL) para minimizar os riscos de exposição ao Mercado de Curto Prazo (MCP); (iv) planejar a tomada de decisão do BESS com um dia de antecedência. Este trabalho segue a configuração empregada no trabalho de N. G. Rocha et al. (2023), no qual o complexo híbrido é formado por uma usina eólica e uma fotovoltaica de 15 MWinst cada e um BESS de 5 MW / 20 MWh, cuja eficiência é de 97% para carga e descarga. Adicionalmente, foi considerada a vida útil do BESS de 3000 ciclos de 20 MWh de acordo com a curva DoD. Deste modo, após modelar as incertezas envolvidas, a simulação estocástica de 5000 cenários é executada e obtém resultados para três métodos de otimização: (i) operação fixa com carregamento e descarga do BESS ocorrendo em horários específicos do dia; (ii) usando a técnica de RL Epsilon-Greedy com relação fixa de explotação-exploração 70%-30%; (iii) usando o Epsilon-Greedy com relação explotação-exploração variável via lógica Fuzzy. As simulações revelaram que a operação fixa oferece retornos melhores com um risco menor que as demais técnicas. Em contrapartida, ao se observar o despacho do BESS, constatou-se que as técnicas de RL proporcionaram um uso mais racional da bateria, o que pode permitir que o BESS opere por mais tempo. Tal evidência permite concluir que nenhuma das técnicas sobrepõe outra, pelo contrário, podem ser aplicadas a depender do perfil do proprietário do complexo híbrido. Os resultados apontam a operação fixa para um perfil mais conservador (ganhos e riscos menores), o Epsilon-Greedy fixo para um perfil mais arrojado (ganhos e riscos maiores) e o Epsilon-Greedy Fuzzy (variável) para perfis mais moderados.
 
Palavras-chave: Usinas híbridas; BESS; Reinforcement Learning; Fuzzy.