SDDP e Monte Carlo: como se modela o preço futuro da energia (sem chutar)
O preço de amanhã não é um número, é uma distribuição. Veja como a simulação de Monte Carlo e a otimização por SDDP transformam incerteza em uma decisão de hedge.
Para estimar o preço futuro da energia, simulam-se milhares de cenários (Monte Carlo) e otimiza-se a decisão sob incerteza (SDDP), a mesma classe de algoritmo que o setor elétrico usa para operar o sistema. O resultado apresenta uma faixa com o risco medido.
Este texto abre a caixa-preta do “como” sem exigir matemática. Se você quer primeiro entender o que é o preço de curto prazo, comece por o que é o PLD.
Por que um número único é uma ficção
O PLD dos próximos meses depende de variáveis incertas, como hidrologia, oferta de geração e o modelo de formação de preço. Qualquer estimativa honesta da sua economia, portanto, apresenta uma distribuição de valores possíveis. Entregar um número único esconde essa incerteza e pode gerar um erro caro.
Monte Carlo: milhares de futuros
A simulação de Monte Carlo parte de um modelo estatístico do PLD (no nosso caso, um fator latente com volatilidade variável no tempo) e gera milhares de trajetórias possíveis. Cada trajetória é um “futuro plausível”. Empilhadas, elas formam uma distribuição da qual se lê a faixa.
Recue o olhar e as trajetórias somem na faixa; aproxime-se e cada uma é um cenário com a sua própria história. A mesma informação aparece em dois níveis, algo que nenhum número único consegue mostrar.
SDDP: decidir sob incerteza
Saber a faixa é metade do trabalho. A outra metade é decidir o que fazer com ela: quanto contratar fixo, quanto deixar exposto. É aí que entra o SDDP (programação dinâmica dual estocástica), uma classe de algoritmo feita para otimizar decisões em etapas quando o futuro é incerto.
Vale uma precisão honesta: o SDDP é a mesma classe de algoritmo que o setor elétrico usa em modelos como o NEWAVE e o DECOMP para decidir o despacho do sistema. Isso é uma afirmação sobre a família de métodos, não sobre usar os modelos oficiais em si. A semelhança é de ferramenta matemática, não de implementação.
Da simulação à sua decisão
O Monte Carlo diz onde o preço pode ir; o SDDP diz o que fazer diante disso. Juntos, eles produzem a recomendação de hedge com CVaR: a fração ótima do volume em contrato fixo e o pior caso que isso garante.
Para a PME, toda essa maquinaria roda no escuro e devolve uma frase sobre quanto contratar e a economia esperada com o pior caso. Para redes com várias unidades, ela consolida a fronteira custo×risco. Em ambos os casos, o número é determinístico e rastreável à fonte. Veja como somos remunerados.
Os termos usados aqui estão no glossário do mercado livre. A Precisa transforma essa modelagem em decisão sem ganhar nada com a sua energia.
Perguntas frequentes
O que é simulação de Monte Carlo no preço de energia?
É uma técnica que gera milhares de trajetórias possíveis do PLD a partir de um modelo estatístico. Em vez de um único número, ela produz uma distribuição de resultados, da qual se leem a faixa P10/P50/P90 e o pior caso.
O que é SDDP?
SDDP (programação dinâmica dual estocástica) é uma classe de algoritmo para otimizar decisões em etapas sob incerteza. É a mesma classe usada pelo setor elétrico (em modelos como NEWAVE e DECOMP) para decidir o despacho do sistema.
A Precisa usa o mesmo modelo do ONS?
A Precisa usa a mesma classe de algoritmo (SDDP) que modelos oficiais empregam, não os modelos oficiais em si. A afirmação é sobre a família de métodos, não sobre identidade de implementação.
Por que não basta um número único de previsão?
Porque o preço futuro é incerto. Um número único esconde a variabilidade e costuma refletir a ponta otimista. A faixa de cenários mostra o resultado típico, o bom, o ruim e o pior caso, que formam a informação necessária à decisão.
