Avaliação de Desempenho das Fontes Alternativas de Energia ... · Programa de Engenharia de...

12 a 15/09/06 Goiânia, GOPesquisa Operacional na Sociedade: Educação, Meio Ambiente e DesenvolvimentoXXXVIII SIMPÓSIO BRASILEIRO PESQUISA OPERACIONALDE

Avaliação de Desempenho das Fontes Alternativas de Energia no Brasil utilizando a Análise Envoltória de Dados

Marcos Estellita Lins Programa de Engenharia de Produção (COPPE/UFRJ),[email protected]

Luciano Basto Oliveira Instituto Virtual Internacional de Mudanças Globais (IVIG), Programa de Planejamento Energético

COPPE/UFRJ), [email protected] Angela Cristina Moreira da Silva

Programa de Engenharia de Produção (COPPE/UFRJ), [email protected] Luiz Pinguelli Rosa

Programa de Planejamento Energético (COPPE/UFRJ), [email protected] Federal University of Rio de Janeiro, Rio de Janeiro, Brazil

Resumo A avaliação de desempenho é um elemento importante para a tomada de decisão, tanto em setores públicos como privados. Entretanto, a abordagem sistêmica requerida aos agentes decisores do setor público, onde as variáveis de decisão não podem ser vistas preponderantemente sob a ótica econômica, impõe a necessidade de incorporar a interdisciplinaridade, seja na tomada de decisão, seja na avaliação de desempenho.Este artigo aborda a aplicação do método de Análise Envoltória de Dados (DEA – Data Envelopment Analysis) ao estudo do desempenho das Fontes Alternativas de Energia Elétrica. Além do caráter multidisciplinar, inerente ao modelo DEA clássico, a inclusão de restrições à participação virtual de cada variável permite incorporar a opinião do especialista, para obter os escores de eficiência de onze fontes alternativas sob análise. Palavras-chave: Análise Envoltória de Dados, Indicadores de Desempenho, Fontes Alternativas de Energia. Área: Análise Envoltória de Dados

Abstract

Performance assessment is an important element when taking decisions, in both the public and private sectors. However, the systemic approach required by decision-taking agents in the public sector − where decision variables may not be viewed mainly from the economic standpoint − imposes the need to include interdisciplinarity for taking decisions and performance assessment. This paper addresses the application of the Data Envelopment Analysis (DEA) method to a study of the performance of Alternative Energy Sources. In addition to the multidisciplinary nature that is inherent to the classic DEA model, the inclusion of constraints on the role played by each variable allows the inclusion of specialist opinions, in order to obtain the efficiency scores for eleven alternative sources under analysis. Keywords: Data Envelopment Analysis; Performance Indicators; Alternative Energy Sources.

XXXVIII SBPO [ 258 ]


1 – Quadro do Atual Setor Elétrico Brasileiro

Até a desregulamentação do setor elétrico brasileiro, em 1995, a auto-suficiência com menor custo marginal norteava os investimentos, baseada em um planejamento normativo M.M.E.-Ministério das Minas e Energia (2001), por considerá-lo estratégico para a sociedade, tanto para a atividade econômica quanto para o bem estar social. Esta opção levou o sistema brasileiro a uma situação singular nos quais a hidroeletricidade respondia por mais de 90% da oferta interna de energia, o que ocorreu até o final da década de 1990 e, ainda hoje, por mais de 83% da oferta, de um total de 364 TWh anuais em 2003, B.E.N.- Balanço Energético Nacional (2003).

Até final da década de 90, as concessões para a construção de novas usinas eram feitas quando o risco de déficit atingia 5% (MME (2001)), e eram concedidas àquelas que atendiam aos requisitos, fossem hidrelétricas ou não. Quando não apareciam investidores, os agentes públicos investiam para que evitar o desabastecimento de energia.

As hidrelétricas de grande porte são pouco atraentes para o investidor privado por conta do prazo para o início da geração ser longo (mais de cinco anos), e o custo típico de investimento por potência instalada ser superior ao de outras opções de geração. Estes custos diluídos durante sua longa vida útil, somados ao insumo energético (água) quase gratuito, representam um menor custo da energia a ser vendida. Entretanto, os investidores privados tendem a preferir os empreendimentos que iniciam o retorno do capital em menor espaço de tempo, o que representa preços muito mais elevados para o consumidor, devido a aquisição de combustível, como o gás natural.

O modelo instaurado pelo governo federal, de desregulamentação do setor elétrico, no período de 1994 a 2002, previa a saída do poder público dos investimentos, os quais seriam feitos pela iniciativa privada, que estaria motivada pelas históricas taxas de crescimento da demanda.

Enquanto o governo cumpria sua parte do compromisso junto ao FMI, de produzir superávit primário, proibindo investimentos das empresas públicas do setor, ainda que dispusessem de recursos e houvesse boas oportunidades de negócios, os efeitos do receituário neo-liberal, calcado na abertura do mercado, não foram materializados. O exemplo mais contundente disto foi o Programa Prioritário de Termelétricas (PPT), lançado pelo governo federal no início do ano 2000, que projetava a construção de 49 usinas termelétricas movidas a gás natural (M.M.E. (2000)) e só foram construídas as financiadas pela PETROBRAS.

Ao invés de atrair o capital internacional para a expansão da geração de energia elétrica, as ações do governo favoreceram seu ingresso na distribuição, o que não acrescentou oferta para atender à demanda crescente. O Brasil foi punido com o racionamento do ano de 2001, quando a população teve que reduzir o consumo em 20% e conviver com aumento dos preços, chegando, inclusive, a pagar às concessionárias o ressarcimento do lucro perdido com o racionamento.

Um dos motivos desta crise anunciada foi a desvalorização da moeda brasileira face ao dólar americano. Com vistas a abastecer o parque termelétrico pretendido, o governo federal negociou um contrato de compra do gás natural boliviano, cotado em dólares americanos. Isto foi feito quando havia paridade no câmbio, mas não era necessário fixar tal indexador, o qual está refletindo-se no custo da energia, atualmente muito superior ao repasse permitido.

Mesmo que o limite deste repasse seja modificado, os equipamentos necessários para aumentar a geração não estão disponíveis, pois são produzidos no exterior e sob encomenda, e não é possível ao governo brasileiro criar qualquer incentivo para incrementar sua produção. Ademais, por serem importados, tendem a piorar o déficit da balança comercial, a médio prazo. Por outro lado, a elevação das tarifas significaria a substituição da penalidade do racionamento pela punição de elevação de preços aos consumidores.

Vale ressaltar que a crise de energia elétrica foi prevista desde a proposta de desregulamentação do setor segundo ROSA (2001).



2- Entrada de Novas Fontes Alternativas de Energia Elétrica A situação atual permite incentivar a utilização de recursos públicos (ou das empresas

públicas do setor) para construir usinas de geração distribuída de modo a: • evitar investimentos e perdas de energia em transmissão, • obter curto prazo de instalação e, • se possível, utilizar combustíveis baratos, sobretudo os renováveis, uma vez que

podem reduzir a dependência dos preços internacionais do petróleo e da variação do câmbio.

Porém no novo contexto posterior à crise de energia, o governo federal resolveu diversificar a matriz energética. A lei 10.438, de abril de 2002, cria um programa de incentivo para as Fontes Alternativas de Energia Elétrica (FAEs - Pequenas Centrais Hidrelétricas (PCHs), Energia Eólica, Energia Solar e da Biomassa para geração elétrica; álcool etílico, biogás tratado e biodiesel para propulsão veicular e, em alguns casos, para geração elétrica), o PROINFA, de modo a contribuir para as necessidades de investimentos em usinas capazes de gerar eletricidade em 2007 e na expansão da participação destas FAEs no futuro. A referida lei estabelece duas etapas, sendo a primeira referente a um mercado cativo de 3.300 MW, até o ano de 2006, divididos igualmente entre pequenas centrais hidrelétricas (PCHs), energia eólica e biomassa, enquanto a segunda etapa prevê que 10% da matriz energética nos próximos 20 anos sejam atendidos por estas fontes de energia. Visa, desta forma, coibir a reincidência de uma crise no setor elétrico, cujas previsões apontam para o ano de 2007, caso não sejam construídas novas usinas, FIRJAN (2004).

Entretanto, a proposta de arranjo institucional do setor elétrico apresentada pelo governo federal em 11 de dezembro de 2003 traz modificações ao PROINFA, estabelecendo que na segunda fase do programa “o montante de energia renovável a ser contratado será definido pelo Ministério das Minas e Energia (M.M.E.), considerando que o impacto de contratação de fontes alternativas na formação da tarifa de suprimento do Ambiente de Contratação Regulado – ACR, não poderá exceder 0,5% dessa tarifa em qualquer ano, quando comparados com o crescimento baseado exclusivamente em fontes convencionais. Além disso, os acréscimos tarifários acumulados não poderão superar 5%”,M.M.E. (2003).

Pela nova proposta, vencida a primeira fase do PROINFA “as fontes alternativas deverão competir entre si pela parcela do mercado que lhes for destinada. Dessa forma, não haverá necessidade de estabelecer qualquer tipo de definição de valor econômico para as fontes alternativas a ser repassado para a tarifa” (idem).

O intuito do programa é fomentar o desenvolvimento das FAEs para, no médio prazo, os preços serem reduzidos com base no ganho de escala. Entretanto, é importante considerar que algumas FAEs produzem benefícios sociais coletivos não captados pelo mercado, e estabelecer que estas tenham uma parcela definida do nicho das renováveis. O tratamento quantitativo desta questão requer a utilização de uma metodologia capaz de acomodar diferentes critérios, sem converte-los, a priori, através de um fator – geralmente de natureza econômica. Neste trabalho optamos pelo uso de DEA - Data Envelopment Analysis. Dentre estas FAEs com significativo impacto social, destaca-se a importância da biomassa residual urbana. O lixo, para a geração e conservação elétrica (OLIVEIRA (2003)), apresentam qualidades adicionais à biomassa cultivada e às demais biomassas residuais, como bagaço de cana e cascas de arroz. Suas principais vantagens são: (i) os equipamentos e insumos necessários para sua produção são de origem nacional e, por isto, são cotados em moeda brasileira; (ii) são intensivos em mão-de-obra, uma vez que requerem triagem – para obter biomassa residual e recicláveis; (iii) estão disponíveis, normalmente, junto aos consumidores, o que reduz o custo de transporte da energia; e (iv) acarretam a redução da poluição, decorrente da substituição de combustíveis fósseis por FAEs e, quando estas são oriundas de resíduos, conseqüência da coibição de sua decomposição.



Estas qualidades adicionais podem ser avaliadas através de uma análise integrada (técnica, social, econômica e ambiental) dos diversos efeitos deste aproveitamento, utilizando a metodologia da Análise Envoltória de Dados. Dentre os benefícios estão o potencial de aumentar em 30% a oferta de energia elétrica a custos já competitivos (ROSA (2003)) e o potencial de geração de 1 milhão de empregos diretos (MDIC (1998)), decorrentes do programa de coleta seletiva (atividade que economiza o consumo de energia nas industrias.); assim como a obtenção de recursos internacionais (Trata-se principalmente do Mecanismo de Desenvolvimento Limpo, no âmbito do Protocolo de Kyoto, ainda por ser ratificado.) através da compensação de emissão de gases do efeito estufa. 3 - Análise Envoltória de Dados Nos casos, em que a energia elétrica gerada pelas FAEs é mais cara do que aquela obtida com as fontes tradicionais, ou seja, o critério de avaliação é totalmente de ordem econômica, as FAEs só conseguem viabilidade onde não existe oferta das fontes tradicionais. Entretanto, existem aspectos sociais, ambientais e tecnológicos capazes de justificar outro sistema de avaliação, baseado no conceito de Desenvolvimento Sustentável (Análise integrada das viabilidades social, ambiental, técnica, operacional e econômica, com vistas a garantir o desenvolvimento das populações atuais sem comprometer as condições de vida das gerações futuras, atitude embasada na responsabilidade inter-geracional.)

Para tanto faz-se necessário utilizar metodologias capazes de incorporar múltiplos critérios, assim como considerar relações do tipo insumo-produto. No presente trabalho a escolha recaiu sobre um método quantitativo baseado em programação linear, a Análise Envoltória de Dados, descrito a seguir. 3.1 Conceitos básicos

O cálculo da eficiência de unidades organizacionais tem sido um tema importante na administração, porém, difícil de resolver, especialmente quando são considerados múltiplos inputs (recursos) e múltiplos outputs (serviços, produtos, entre outros) associados a estas unidades. Entre as propostas para abordar este problema se encontra o trabalho de FARRELL (1957), onde foi derivada uma fronteira empírica da eficiência relativa em lugar de uma função de produção teórica, sendo usada como base para medir a eficiência relativa das unidades.

CHARNES et al. (1978) criaram uma técnica baseada em programação linear para calcular a eficiência relativa das unidades de acordo com a proposta de FARRELL (1957) e determinaram um ponto de referência na fronteira para cada unidade ineficiente. Denominaram sua nova abordagem para medir eficiência de Análise Envoltória de Dados (do inglês Data Envelopment Analysis – DEA) e as unidades avaliadas foram denominadas por DMUs (do inglês Decision Making Units).

Desde sua criação à atualidade, a Análise Envoltória de Dados tem sido usada no estudo da eficiência relativa das unidades em muitas áreas, tais como educação, administração de hospitais, unidades de manutenção da força aérea americana, etc. Segundo CLARK (1983), uma revisão dos resultados destes estudos revela que, em alguns casos, as soluções obtidas por DEA produzem índices de eficiência e taxas marginais de substituição difíceis de interpretar e, portanto, muitas vezes eles não são aceitos pelos gerentes. Deve-se notar que, em um processo de produção, é de grande importância conhecer os trade-offs ou taxas marginais de substituição entre inputs e outputs. Assim por exemplo, os gerentes muitas vezes precisam conhecer a quantidade adicional de um certo input que é necessária para incrementar um output em particular, enquanto que o resto dos fatores permanece constante.

Em DEA, os trade-offs entre os inputs e outputs podem ser calculados sob condições ótimas de operação na fronteira eficiente, através da razão entre os multiplicadores associados a cada par input/output, dois inputs ou dois outputs. Desta maneira, se u1 e u2 são os multiplicadores do output 1 e do output 2, respectivamente, obtidos para uma dada DMU j, o



coeficiente u1/u2 representará a quantidade em que deve ser aumentado o output 2 da DMU j para compensar uma unidade de diminuição do output 1 da DMU j. Assim, as inclinações dos correspondentes segmentos da fronteira eficiente definida por DEA representam os trade-offs entre os inputs e outputs, porém, o cálculo dos trade-offs obtidos a partir dos multiplicadores de DEA apresenta dificuldades. Matematicamente, os trade-offs representam as derivadas parciais sobre a fronteira, isto é, a inclinação da fronteira de produção em um ponto em particular. DEA constrói uma fronteira linear por partes para se aproximar da fronteira de produção. A fronteira construída por DEA possui as seguintes limitações: 1. Ela é contínua, mas nos pontos correspondentes às DMUs extremo-eficientes as derivadas são

descontínuas. Este fato se traduz em que o problema dos multiplicadores de DEA, formulado para encontrar a eficiência de DMUs extremo-eficientes, possui múltiplas soluções ótimas.

2. A fronteira DEA possui regiões não Pareto-Koopmans eficientes onde não existem taxas marginais de substituição bem definidas, pois pelo menos um dos multiplicadores que determinam a equação do hiperplano que caracteriza esta região possui um valor igual a zero. Nos modelos DEA com retornos variáveis de escala, para cada recurso e produto haverá uma DMU (com valor mínimo de um recurso ou máximo de um produto) eficiente. É fácil mostrar que a cada uma destas DMUs corresponde uma região não Pareto-eficiente. Nos modelos com retornos constantes de escala, para cada par produto/recurso, a DMU que tiver a maior relação produto/recurso será eficiente e determinará a origem de uma região não Pareto-eficiente.

O problema maior dos modelos DEA não é a existência das regiões não Pareto-eficientes, mas sim a projeção de DMUs ineficientes nestas regiões. Isto ocorre principalmente porque os modelos DEA clássicos, por simplicidade, pressupõem projeções através de deslocamentos radiais. Alternativas para lidar com esta questão incluem o uso de restrições aos pesos (PEDRAJA-CHAPPARO, et al. 1997), o uso de modelos multiobjetivo, proposto por LINS, et al .(2004) ou ainda o uso de DMUs artificiais proposto por THANASSOULIS et al., (1998). Neste trabalho optamos pela primeira alternativa. 3.2 Elaboração do Modelo

As unidades cujo desempenho será avaliado são as alternativas energéticas para geração

de energia elétrica, listadas na primeira coluna da Tabela 1. Os critérios segundo os quais as alternativas serão avaliadas, estão relacionados na primeira linha da mesma tabela.

Tabela 1 – Dados de Inputs e Outputs para as Fontes Alternativas Fontes Alternativas

Emissão de gases do

efeito estufa (tCO2/GWh)

Potencial de criação

de empregos

Potencial de geração

distribuída (GWh/ano)

Custo de O&M + CC

(1) (US$/MWh)

Custo de Investimento (US$/MWh)

1.UTE GN CC 6.320 18,00 32,28 600 83.200 2.UTE GN Merchant

6.471 27,00 28,28 600 81.400

3.Eólica 5.871 43,00 11,28 7.700 272.200 4.Solar 5.871 76,00 8,28 300 49.000 5.PCH 5.872 21,49 12,79 270 21.000 6.Casca de Arroz 3.921 24,98 1 300 6.800 7.GDL 1 7,5 21,82 1.001.400 68.000 8.DRANCO 3.341 15,13 18,32 1.004.200 85.000 9.Incineração 4.039 23,37 14,00 1.004.000 120.000 10.BEM 4.111 11,91 18,47 1.006.400 92.000 11.Bagaço + P&P (BIG/STIG)

5.817 14,96 66,81 250 133.200

Fonte: Elaboração Própria



Para utilizar os valores na Análise Envoltória de Dados (DEA) foi necessário efetuar uma transformação de variáveis, de modo a que não houvesse valores negativos ou nulos. Para tanto, cada coluna que conta com valores negativos ou nulos teve todas as células somadas ao menor valor desta coluna, acrescido de uma unidade. Assim, a coluna sobre emissões de gases do efeito estufa teve todas as células somadas a 7.034, enquanto a coluna de custo de O&M + CC (custo de operação e manutenção, incluindo o consumo de combustíveis) teve os valores adicionados de 4,28. Esta transformação não afeta o ranking de desempenho, mas apenas o valor do indicador.

As linhas de 7 a 10 representam as rotas tecnológicas de aproveitamento energético de lixo, agregando a geração de energia e a conservação através da reciclagem. Nas linhas 8, 9 e 10 é compatibilizada, também, a rota GDL às demais, visto que os gases disponíveis nos aterros podem ser retirados independentemente da rota tecnológica utilizada para o lixo novo.

Como a Análise Envoltória de Dados permite a classificação das variáveis como insumos ou produtos, aquelas escolhidas de acordo com o conceito de Desenvolvimento Sustentável foram:

• Insumos: custo de investimento e custo de operação e manutenção; • Produtos: número de empregos gerados, potencial de energia disponibilizada e

emissões de gases do efeito estufa. Note-se que a emissão de gases de efeito estufa é um output indesejável. Os outputs

indesejáveis podem ser incorporados em modelos DEA, segundo quatro abordagens principais. A primeira utiliza uma transformação inversa, conforme GOLANY et al. (1989); SCHEEL (2001) e LOVELL et al. (1995). A segunda, considera o output como se fosse um input, segundo OMO em RHEINHARD et al. (1999), SCHEEL (2001). A terceira propõe inverter o sinal do output e adicionar um escalar positivo, válida somente para os modelos DEA BCC (BANKER et al., 1984) e Aditivo (CHARNES et al., 1985), já que o modelo CCR (CHARNES et al., 1978) não é invariante à translação (COOPER et al., 2000). A quarta, proposta por FÄRE et al. (1995) e FÄRE (2001), consiste em considerar a hipótese de congestão sobre o output indesejável, desobrigando a manutenção do nível de output, quando algum input aumenta. DYCKHOFF et al. (2001) destacam, entretanto, que esta proposta somente deve ser utilizada se o tomador de decisão estiver certo sobre as relações técnicas entre o output indesejável e certos inputs e outputs.

Neste trabalho optamos por considerar o output indesejável como uma proxi para um recurso ambiental esgotável, representando-o como um input. De acordo com essa aproximação, as duas últimas colunas, da Tabela 1, apresentam as variáveis consideradas como produto (O), enquanto as três colunas anteriores mostram as variáveis de insumo (I). Na modelagem será utilizado o modelo VRS com orientação a output.

3.3 Análise Gráfica preliminar

A análise gráfica preliminar em três dimensões pode ser importante para ajudar a interpretar os resultados do modelo completo, e foi possível graças ao desenvolvimento do software IDEAL (Interactive Data Envelopment Analysis) na COPPE. É importante notar que as DMUs que se mostram eficientes nas análises gráficas parciais também o serão no modelo clássico completo. Entretanto, como foi dito, utilizaremos modelos com restrições aos pesos para evitar as regiões Pareto-ineficientes e adequar os pesos à opinião do especialista. A análise gráfica é apresentada a seguir:

O primeiro gráfico apresentado na Figura 1 mostra uma face Pareto-eficiente e uma aresta quando se consideram as variáveis: “Custo de O & M” (insumo), “Geração Distribuída” (produto) e “Criação de Empregos” (produto). A face é formada pelas DMUs “Casca de Arroz”, “Eólica” e “Incineração”, caracterizando-se por um baixo potencial de “Criação de Empregos” das duas primeiras, e baixo “Custo de O & M”, contrariamente à segunda aresta eficiente, caracterizada pelas DMUs “Incineração” e “BEM”.



Figura 1 – Custo de O&M + CC versus Potencial de criação de empregos e Potencial de geração distribuída

Figura 2 – Emissão de Gases do Efeito Estufa versus Potencial de Geração Distribuida e de Criação de empregos



O segundo conjunto de variáveis analisadas (figura 2), corresponde aos outputs relativos à “Geração de Energia”, “Criação de Empregos” e “Emissão de Gases de Efeito Estufa”. Observa-se que a fronteira eficiente é formada por duas faces: uma definida pelas DMUs “GDL”, “Eólica” e “Incineração”, e a segunda caracterizada por “GDL”, “Incineração” e “BEM”. Desta vez nota-se uma mudança abrupta na inclinação das faces, ou seja, nos valores dos trade offs, decorrente da proximidade dos valores atribuídos a “Incineração” e “BEM”.

O terceiro conjunto de variáveis compreende “Investimento”, “Criação de Empregos” e “Geração de Energia” (figura 3). Neste caso são três as faces eficientes criadas: a primeira composta pelas tecnologias “Incineração”, “BEM” e “Eólica”, a segunda por “Eólica”, “BEM” e “Bagaço”, e a terceira por “BEM”, “Bagaço” e “GDL”, a última face é a que apresenta o menor “Potencial de Geração de Energia”.

Figura 3 – Custo de Investimentos versus Potencial de Criação de Empregos e Geração de Energia

3.4. Restrições aos Pesos

WONG et al. (1990) exploraram o uso de restrições aos inputs/outputs virtuais, definidos

como o produto do valor do input pelo peso a ele atribuído no modelo DEA dos multiplicadores. Pode-se restringir a proporção do output virtual total da DMU j utilizado pelo output r, i.e. a “importância” relacionada ao output r pela DMU j, ao intervalo entre [φr, ψr], com φr e ψr sendo determinados pelo decisor ou usuário, veja WONG et al. (1990). Assim, a restrição no output virtual r é da forma



rs

1rrjr

rjrr

yu

yuψ≤≤φ

∑= ,

onde ∑=

s

1rrjr yu

representa o output virtual total da DMU j. Uma restrição similar pode ser dada aos inputs virtuais.

Existem algumas alternativas para implementação deste tipo de restrição, destacando-se as seguintes, sugeridas por WONG et al.(1990):

• Implementar esta restrição somente à DMU que está sendo avaliada. Assim, cada DMU é analisada com duas restrições adicionais. O inconveniente desta abordagem é que nem sempre uma DMU de referência (benchmark) precisa ser eficiente, por sua vez.

• Adicionar esta restrição a todas as DMUs. Assim, cada DMU é avaliada com 2N restrições adicionais, sendo N o número total de DMUs. Este procedimento acarreta freqüentes inviabilidades no problema de programação linear, conforme destacado por LINS et al. (2006).

Com o objetivo de aplicar o modelo DEA, garantindo a viabilidade do modelo DEA,

optamos por utilizar restrições aos inputs e outputs virtuais, apenas da DMU analisada. Obteve-se a opinião de especialistas quanto à variação percentual da importância dada a cada variável. Esta faixa admissível está representada na Tabela 3.

Tabela 3 – Limites Atribuídos para Restrições aos Pesos dos Insumos e Produtos VARIÁVEL Inferior Superior INSUMOS 0,4 0,6 PRODUTOS 0,3 0,5

Os resultados com pesos virtuais obtidos estão mostrados na Tabela 4.

Tabela 4 – Resultados do Modelo com Restrições aos Pesos Virtuais Pesos Virtuais

INSUMOS PRODUTOS

Alternativas Energéticas

EFICIÊNCIA Emissão de

gases do efeito estufa (tCO2/GWh)

Potencial de criação

de empregos

Potencial de geração distribuída (GWh/ano)

Custo de O&M + CC (US$/MWh)

Custo de Investimento (US$/MWh)

1- UTE GN CC 0,3954 0,50 0,50 0,30 0,30 0,40 2 – UTE GN Merchant 0,3920 0,50 0,50 0,30 0,30 0,40 3 – Eólica 0,4711 0,60 0,40 0,40 0,30 0,30 4 – Solar 0,4021 0,60 0,40 0,40 0,30 0,30 5 – PCH 0,6722 0,50 0,50 0,30 0,38 0,32 6 – Casca de Arroz 1,0000 0,60 0,40 0,30 0,40 0,30 7 – GDL 1,0000 0,60 0,40 0,30 0,30 0,40 8 – DRANCO 0,7932 0,40 0,60 0,30 0,30 0,40 9 – Incineração 1,0000 0,55 0,45 0,30 0,40 0,30 10 – BEM 0,9367 0,40 0,60 0,30 0,40 0,30 11 – BAGAÇO 0,3948 0,50 0,50 0,38 0,30 0,32

Os resultados mostram que três tecnologias empatam em primeiro lugar: “Casca de

Arroz” e duas de aproveitamento de lixo: “GDL” e “Incineração”. Em seguida figuram “BEM”, com 94% e “DRANCO”, com 79%. As demais fontes alternativas ficam depois dos 67% obtidos



pela “PCH”. Cabe ressaltar que a tecnologia “GDL” apresenta-se como referência para 10 das 11 DMUs.

A aplicação do conceito de referência permite hierarquizar as opções energéticas que servem de patama para um maior número de fontes alternativas. Assim, apresentaremos na Tabela 6 as FAEs segundo a sua ordem de classificação. Tabela 6 – Classificação das FAE de acordo com os resultados do modelo DEA FAE CLASSIFICAÇÃO UTE GN CC 8 UTE GN Merchant 10 Eólica 7 Solar 8 PCH 6 Casca de Arroz 2 GDL + Conservação 1 DRANCO + GDL + Conservação 5 Incineração + GDL + Conservação 3 BEM + GDL + Conservação 4 Bagaço + P&P (BIG/STIG) 10

4 – Conclusões

As fontes renováveis voltam a ter um papel de destaque no fornecimento de energia,

depois de terem perdido para as fontes minerais a preponderância, com exceção do Brasil. As vantagens das grandes centrais energéticas mostraram-se insuficientes quando realizada uma avaliação sob premissas mais abrangentes, quanto se considera fatores não exclusivamente econômicamente mensuráveis, como a criação de empregos, controle na emissão de poluentes e segurança do sistema.

Entretanto, as tradicionais ferramentas de apoio à decisão ainda não estão adaptadas para permitir que as vantagens das fontes renováveis sejam vislumbradas, sendo poucos os casos de sucesso conhecidos, como as hidrelétricas brasileiras, que respondem por mais de 83% da geração elétrica no país, mas cuja capacidade instalada é similar à norte-americana, ainda que lá represente apenas 30%.

Para considerar as variáveis mais relevantes às fontes renováveis, sem esquecer aquelas tradicionalmente avaliadas para as fontes usuais, foi utilizado o conceito de Desenvolvimento Sustentável, que consiste no atendimento a requisitos ambientais, sociais, econômicos, tecnológicos e operacionais.

A aplicação deste conceito envolvendo múltiplos critérios, requer uma metodologia capaz de avaliar a eficiência de unidades produtivas face a múltiplos insumos e produtos. Para tanto, foi escolhida a Análise Envoltória de Dados, técnica baseada em programação linear, para calcular a eficiência relativa das unidades, representada pela criação de uma fronteira de eficiência. A metodologia é capaz de determinar um ponto de referência na fronteira para cada unidade ineficiente, levando em conta cada um dos aspectos sob análise, de acordo com uma faixa de variação atribuída pelo especialista ou tomador de decisão.

Como a Análise Envoltória de Dados requer a definição de grupos de variáveis de insumos e de produtos, aquelas escolhidas de acordo com o conceito de Desenvolvimento Sustentável foram divididas da seguinte maneira:

• Insumos: custo de investimento e custo de operação e manutenção; • Produtos: número de empregos gerados, potencial de energia disponibilizada e

emissões de gases do efeito estufa.



O resultado encontrado mostra que as tecnologias capazes de aproveitar energeticamente os resíduos devem ser priorizadas perante as demais analisadas, dentre as quais estão aquelas que utilizam gás natural e outras fontes renováveis.

Este resultado é importante para auxiliar na tomada de decisão dos diversos níveis de governo sobre o assunto, uma vez que a opção pela geração distribuída com fontes renováveis oriundas de resíduos pode atender a 30% do consumo nacional, com preços competitivos, reduzindo a poluição e ofertando empregos para pessoas de baixa qualificação profissional.

Assim, justifica-se uma política pública que estabeleça o atendimento exclusivo pelas tecnologias de aproveitamento de resíduos urbanos, durante um período mínimo a ser definido, de uma parcela da cota a ser definida pelo MME para renováveis, com vistas a fomentar o aprimoramento na produção dos equipamentos, que causará ganhos de escala, e a otimização dos processos. Nota

Nós agradecemos o suporte para o presente desenvolvimento ao CNPq (com concessão de bolsas), em particular ao CT-Energ processo No. 401908/2003-8 e ao Projeto Universal No. 470381/2004-3 e ao IVIG/COPPE/UFRJ. REFERÊNCIAS

BANKER, R.D., CHARNES, A. and COOPER, W.W. (1984), "Some Models to Estimate

Technical and Scale Inefficiencies in Data Envelopment Analysis", Management Science, 30, No.9, 1078-1092.

B.E.N. (2003). “Balanço Energético Nacional”. CHARNES, A., COOPER, W. W. and RHODES (1978), "Measuring the Efficiency of Decision-

Making Units", European Journal of Operational Research, 2, No.6, 429-444. CHARNES, A., COOPER, W. W., GOLANY,B., SEIFORD, L., STUTZ, J., (1985), “Foudations

of Data Envelopment Analysis for Pareto-Koopmans efficient production functions”, Journal of Econometrics, vol.30,No1/2, pp.91-107.n

Dyckhoff, H., Allen, K. (2001), “Measuring ecological efficiency with data envelopment analysis (DEA)”. European Journal of Operational Research, v. 132, n. 2, p. 312-325.

Färe, R., Grosskopf, S. (1995), “Environmental decision models with joint outputs”. Economics Working Paper Archive, Economic Department, Washington University, US.

Färe, R.; Grosskopf, S. (2001), “Optimization models applied to productivity and the environment.” XXXIII Simpósio Brasileiro de Pesquisa Operacional, Campos do Jordão, SP, Novembro, 19.

FARRELL, M.J. (1957), "The Measurement of Productive Efficiency", Journal of the Royal Statistical Society, Serialize THE, General, Part 3, 253-281.

Golany, B.; Roll, Y. (1989), “An application procedure for DEA. Omega – The International Journal of Management Science, v. 17, p. 237-250.

IEA-International Energy Agency. (2004), “International electric demand”. available: www.iea.org /statistics.

IDEAL (2005), Interactive Data Envelopment Analysis Laboratory, https://pepserv.pep.ufrj.br/~dea

LINS, M. P. E., MEZA, L. A., SILVA, A. C. M. (2004), “A Multi-Objective Approach to Determine Alternative Targets in Data Envelopment Analysis”. Journal of the Operational Research Society, v.55, p.1090 - 1101.

LINS, M. P. E., Silva, A. C. M. and Lovell, C.A.K. (2006), “Avoiding unfeasibility in weight restricted DEA models”, accepted for publishing in the European Journal of Operational Research.



Lovell, C.A.K.; Pastor, J.T.; Turner, J.A. (1995), “Measuring macroeconomic performance in the OECD: A comparison of European and non-European countries.” European Journal of Operational Research, v. 87, n. 3, p. 507-518.

MDIC-Ministério do Desenvolvimento Indústria e Comércio Exterior. (1998). “Programa Brasileiro de Reciclagem” . PBR. Disponível em: www.reciclagem.ibict.br/pbr . Acessado em: 20/04/1999

MME-Ministério das Minas e Energia. (2000). Programa Prioritário de Termelétricas. Disponível em www.mme.gov.br [capturado em 15 de maio de 2002].

___ (2001). Ministério das Minas e Energia. Plano Decenal de Expansão 2001/2010. Disponível em www.mme.gov.br/planodecenal [capturado em 12 de setembro de 2001].

___ (2003). Ministério das Minas e Energia. Modelo Institucional do Setor Elétrico. Brasília. OLIVEIRA, L. B. & ROSA, L.P. (2003). “Brazilian waste potential: energy, environmental,

social and economic benefits”. Energy Policy. v 31. pp. 1481-1491. Pedraja-Chapparo, R., Salinas-Jimenez, J. and Smith, P. (1997), “On the Role of Weight Restrictions in Data Envelopment Analysis,” Journal of Productivity Analysis 8, 215-30. Rheinhard, S., Lovell, C. A. K., Thijssen, G. (2000), “Environmental efficiency with multiple

environmentally detrimental variables estimated with SFA and DEA”. European Journal of Operational Research, v. 121, p. 287-303.

ROSA, L.P. (2003), “Geração de Energia a partir de Resíduos Sólidos Urbanos e Óleos Vegetais”. In: TOLMASQUIM, M.T (Coord) Fontes Alternativas de Energia no Brasil - CENERGIA. 1a Ed. Editora Interciência. 515 p.

ROSA, L.P.(2001), “O apagão – Por que veio? Como sair dele? Editora Revam” – 1ª edição – Rio de Janeiro. 125 p.

Scheel, H. (2001), “Undesirable outputs in efficiency evaluations”. European Journal of Operational Research, v. 132, p. 400-410.

Thanassoulis, E. e Allen, R. (1998), "Simulating Weight restrictions in Data Envelopment Analysis by means of unobserved DMUs", Management Science, v.44.

WONG, Y.-H. B., and BEASLEY, J. E. (1990), “Restricting Weight Flexibility in Data Envelopment Analysis”, Journal of the Operational Research Society 41:9, 829-835.


Avaliação de Desempenho das Fontes Alternativas de Energia ... · Programa de Engenharia de...

Documents

Transcript of Avaliação de Desempenho das Fontes Alternativas de Energia ... · Programa de Engenharia de...