Projeção de mercado de energia elétrica para a revisão tarifária durante a crise econômica de 2008/09 José Francisco Moreira Pessanha

Apresentação em tema: "Projeção de mercado de energia elétrica para a revisão tarifária durante a crise econômica de 2008/09 José Francisco Moreira Pessanha"— Transcrição da apresentação:

1 Projeção de mercado de energia elétrica para a revisão tarifária durante a crise econômica de 2008/09 José Francisco Moreira Pessanha (francisc@cepel.br)francisc@cepel.br Nelson Leon (nelleon@eletrobras.com)nelleon@eletrobras.com Juiz de Fora, 7 de outubro de 2013 Seminários do Programa de Pós-Graduação em Economia Aplicada da UFJF

2 Motivação Leon, N.; Pessanha, J.F.M.; Ribeiro Sobrinho, J. Projeção de mercado de energia elétrica para a revisão tarifária durante a crise econômica de 2008/09, Congreso Internacional de Distribución Eléctrica, Buenos Aires, 2010. O principal resultado da revisão tarifária é o faturamento da distribuidora aprovado pelo regulador: faturamento = tarifa média (R$/MWh) x mercado projetado (MWh). A projeção do consumo de energia elétrica tem papel relevante na determinação do nível da tarifa. Antes da crise, a economia brasileira vinha se desenvolvendo a taxas crescentes nos últimos anos e as previsões de crescimento para 2008 eram superiores a 6%. Os cenários macroeconômicos do IE/UFRJ até julho de 2008 previam um crescimento médio de 5% para o período 2009/2014. Com a crise econômica mundial foi necessário rever as projeções de mercado. O caminho crítico do processo de revisão tarifária passou pela elaboração dos cenários macroeconômicos que pudessem se aventurar a descrever o desenrolar do impacto da crise na economia brasileira.

3 Cenários da taxa de crescimento da economia na época do terceiro ciclo de revisão tarifária Em dezembro de 2008 as previsões de crescimento eram de 2% a 3% para 2009. Em meados de fevereiro, as previsões de crescimento já tinham caído para 1,5%. Após a divulgação do resultado do último trimestre de 2008, em 11 de março de 2009, o boletim do Banco Central reduziu a expectativa trazendo uma nova previsão para 2009, com uma previsão de crescimento de 0,59% no ano. Os cenários do IE/UFRJ foram ligeiramente mais pessimistas prevendo um crescimento de 0,4%. Três cenários macroeconômicos do IE/UFRJ que representa a evolução do pensamento do Grupo de conjuntura da UFRJ antes e durante a crise econômica. Taxas de crescimento do PIB a preço de mercado e dos valores adicionados dos setores agregados.

4 Incertezas do crescimento durante a crise econômica de 2008/09

5

6 Estudo de caso apresentado no artigo Eletrobras Distribuição Alagoas Necessidade de regionalização dos cenários macroeconômicos e das premissas demográficas que fundamentam a previsão de mercado. Em 2008 805 mil unidades consumidoras (91% residenciais) Consumo 2.246 GWh 36% residencial 21% comercial 17% industrial 8% rural 18% outras classe

7 Etapas da previsão de mercado 1) Formulação das premissas demográficas 2) Formulação dos cenários macroeconômicos 3) Projeção de longo prazo da demanda por energia elétrica (conversão das premissas demográficas e cenários macroeconômicos na projeção de demanda)

8 Etapa 1 - Premissas demográficas Conjunto de projeções populacionais e de número de domicílios para o Brasil, subsistemas elétricos, unidades da federação e áreas de concessão. A projeção da população brasileira é a disponibilizada pelo IBGE. Ajuste de um modelo demográfico para a projeção do número de domicílios no Brasil. No modelo são considerados as estimativas censitárias.desde 1970. Regionalização das projeções efetuada pelo método ai bi (MADEIRA & SIMÕES, 1972) ou sua variante abcd (LEON et al, 2006). MADEIRA, J.L.; SIMÔES, C.C.S. Estimativas preliminares da População Urbana e Rural segundo Unidades da Federação de 1960 a 1980, por uma nova metodologia, Revista Brasileira de Estatística, v.33, nº 129, pp 3 -11 jan./mar. de 1972. LEON, N.; PESSANHA, J.F.M.; RIBEIRO, P.M. Estimativas intercensitárias e projeções do número de domicílios para os estudos de previsão do mercado de energia elétrica da classe residencial. In: X Simpósio de Especialistas em Planejamento da Operação e Expansão Elétrica, Florianópolis, 2006.

9 Etapa 1 - Premissas demográficas

10 Envolve a formulação de cenários de crescimento da economia brasileira. Também inclui cenários para o crescimento do Valor Adicionado Bruto e dos setores agropecuário, industrial e serviços, as projeções do PIB na ótica da despesa explicitando a taxa de investimento, o consumo das famílias e de governo. Cenários regionalizados também são necessários. Etapa 2 - Cenários macroeconômicos Cenário para Alagoas Como a economia do estado de Alagoas é fortemente dependente do pólo cloroquímico, a queda do PIB industrial provoca uma retração do PIB do Estado no ano de 2009. Para o ano de 2010 a retração do PIB a preços de mercado de Alagoas é devida a forte redução dos impostos sobre produtos,

11 Etapa 2 - Cenários macroeconômicos

12 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica O mercado é estratificado em oito classes de consumo: 1)Residencial 2)Comercial 3)Industrial 4)Rural 5)Iluminação pública 6)Serviços públicos 7)Poderes públicos 8)Consumo próprio. A projeção de mercado é obtida por meio de um conjunto de modelos, um para cada classe de consumo. Os modelos relacionam as premissas demográficas e os cenários macroeconômicos com o consumo de energia elétrica (MWh).

13 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica Projeção da distribuição do nº de unidades consumidoras residenciais por faixa de rendimento domiciliar ( % ) em Alagoas

14 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica Projeções do consumo médio mensal (kWh) por consumidor residencial por faixa de rendimento domiciliar

15 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica Projeção do consumo comercial para Alagoas obtida por modelo econométrico COM t : consumo (MWh) da classe comercial no ano t PIBCOM t : valor adicionado do comércio e serviços no ano t D1 t : variável dummy (D 1t = 0 para t ≤ 2002 e D 1t =1 para t>2002) introduzida para representar a mudança na metodologia de cálculo do PIB em 2002 D 2t : variável dummy para incorporar o efeito do racionamento de 2001 (D 2t = 0 para t ≤ 2000 e D 2t =1 para t≥2001)

16 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica Projeção do consumo industrial para Alagoas obtida por modelo econométrico IND t : consumo (MWh) da classe industrial PIBIND t : valor adicionado das indústrias extrativistas mineral e de transformação D t : dummy para incorporar o racionamento de 2001

17 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica Projeção do consumo rural para Alagoas obtida por modelo econométrico Onde RUR t : consumo (MWh) da classe rural no ano t NCRUR t : número de unidades consumidoras da classe rural O número de consumidores foi extrapolado linearmente a partir da série histórica com base na seguinte equação: A classe rural abrange as grandes propriedades rurais (açúcar e fumo). O consumo da subclasse residencial rural é projetada junto com a classe residencial. O mercado da classe rural é majoritariamente da subclasse de irrigação. A irrigação é ligada somente nos anos secos. Prever o consumo desta subclasse seria prever o regime de chuvas na região, o que ainda não é factível. No entanto, é possível prever o consumo da classe rural em função do nº de unidades consumidoras rurais

18 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica Projeção do consumo da iluminação pública Em 2008 6% do consumo total Onde IP t : consumo (MWh) da classe iluminação pública NCR t : nº de unidades consumidoras residenciais no ano t. D t : uma variável dummy que representa o efeito do racionamento O nº de unidades consumidoras residenciais é uma variável proxy do crescimento horizontal e vertical das cidades. r 2 =0,9620

19 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica Projeção do consumo da classe poderes públicos Em 2008 5% do consumo total Variável explicativa: valor adicionado administração, educação e saúde públicas (APU) Projeção do consumo da classe serviços públicos Em 2008 7% do consumo total Variável explicativa: valor adicionado dos serviços industriais de utilidade pública (SIUP)

20 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica Projeção do consumo próprio Em 2008, 0,2% do consumo total Energia utilizada direta e indiretamente para exercer a atividade de distribuição de energia elétrica. A participação do consumo desta classe segue uma tendência decrescente do seu percentual em relação ao consumo total e reflete o ganho de produtividade decorrente do crescimento de mercado atendido. A projeção é realizada com um ajuste exponencial do percentual histórico. Mercado de todas as demais classes de consumo

21 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica Histórico e projeção do mercado MWh

22 Etapa 3 - Projeção de longo prazo da demanda por energia elétrica Participação das classes de consumo Eslasticidades de demanda para o período de projeção (2009/2014)

23 Resultado Para a Eletrobrás Distribuição Alagoas o consumo do ano teste foi superior a 2% do mercado projetado. Comparando o ano de 2014, nas três projeções de mercado segundo cada um dos cenários macroeconômicos, variou 13% para menos do cenário de julho de 2008 para o de março de 2009. Deste último para o julho de 2009, a demanda aumentou em 5%. Para os três cenários a elasticidade de demanda de 2009 a 2014 variou significativamente. A principal causa foi a variação do mercado industrial e das novas grandes cargas a nível regional em que a atividade econômica não está representada na desagregação do valor adicionado da indústria.

24 Modelo demográfico Operários – Tarsila do Amaral 1933

25 Artigo Long-term forecasting of household and residential electric customers in Brazil publicado na Revista IEEE América Latina, vol. 10, no. 2, Março de 2012. Modelo demográfico

26 Modelo de previsão da classe residencial

27 Classificação dos domicílios PROJETADOS COM BASE NA PROJEÇÂO POPULACIONAL PROJETADOS COM BASE NA EXTRAPOLAÇÂO DAS PARTICIPAÇÕES OBSERVADAS NOS ÚLTIMOS CENSOS MERCADO POTENCIAL DA CLASSE RESIDENCIAL NÃO SÂO CLIENTES DA CLASSE RESIDENCIAL NÃO CONSOMEM ENERGIA ELÉTRICA

28 Transição demográfica Redução do peso relativo da população jovem e o aumento relativo da população idosa

29 Transição demográfica Redução do peso relativo da população jovem e o aumento relativo da população idosa 2010 2020 Envelhecimento da população brasileira

30 Transição demográfica Crescimento dos arranjos domiciliares unipessoais

31 Transição demográfica Redução da densidade domiciliar em virtude do crescimento dos arranjos domiciliares com menos moradores (unipessoais e outros)

32 Efeitos da transição demográfica no consumo de energia elétrica 1)Aumento da demanda per capita da classe residencial com o envelhecimento da população (YAMASAKI & TOMINAGA, 1997; TONN & EISENBERG 2007). Demanda energética anual residencial per capita, nos EUA em 2001: 24,9 MBTUs para pessoas com menos de 25 anos de idade 30,4 MBTUs para pessoas entre 34 e 44 anos 49,6 MBTUs para pessoas entre 65 e 74 anos 54,2 MBTUs para pessoas com mais de 75 anos. 2)Redução da densidade domiciliar em virtude do crescimento dos arranjos domiciliares unipessoais, o que contribui para reduzir a demanda por unidade consumidora. 3)Efeitos conflitantes E. YAMASAKI, N. TOMINAGA, N. “Evolution of an aging society and effect on residential energy demand”, Energy Policy, v. 25, n. 11, pp. 903-932, 1997. B. TONN, J. EISENBERG “The aging US population and residential energy demand”, Energy Policy, 35, pp. 743-745, 2007.

33 Métodos para projeção do número de domicílios ocupados 1) Extrapolação da densidade linear Dnaee (Portaria 760 de 1976), Eletrobrás, EPE 2) Projeção da taxa de chefia Aneel (Resolução nº 223/2004) projeção do IBGE extrapolação da densidade População do sexo s com idades entre x e x+n. Projeção da pirâmide etária Taxa de chefia dos indivíduos do sexo s com idades entre x e x+n. Projeção obtida pelo modelo idade-período-coorte (IPC). Domicílio chefiado por indivíduo do grupo etário x e do sexo s

34 Densidade domiciliar (habitantes/domicílio) A trajetória decrescente seguida pela densidade domiciliar ao longo dos últimos quatro censos sugere uma extrapolação linear das estimativas censitárias para a obtenção de uma projeção da densidade domiciliar (hab/dom). Contudo, a extrapolação linear carece de uma melhor quantificação em função das incertezas ilustradas na figura.

35 Projeção da taxa de chefia Necessidade de utilizar métodos de projeção do número de domicílios ocupados que permitam considerar a transição da estrutura etária da população brasileira. A solução consiste em utilizar o método da projeção da taxa de chefia (KONO, 1987). KONO,S. Headship rate method for projection households. In: BONGAARTS,J.; BURCH,T.K.; WACHTER,K.W. Family Demography: methods and their applications. Oxford University Press, 1987.

36 Taxa de chefia (chefes de domicílio/habitantes) Taxa de chefia = Número de chefes de domicílios Número de habitantes A taxa é calculada por sexo e faixa etária em cada não t População do sexo s, na faixa etária de x a x+n anos completos Número de domicílios chefiados por indivíduos do sexo s e com idade entre x a x+n anos completos Cada chefe representa um domicílio ocupado. Total de domicílios chefiados por indivíduos do sexo s e com idades entre x e x+n anos na data t é o produto: O total de domicílios ocupados em um ano t, H(t), é a soma dos domicílios chefiados por homens e mulheres nos grupos etários acima de 10 anos de idade.

37 Taxa de chefia (chefes de domicílio/habitantes)

38 Projeção do número de domicílios ocupados Projeção do número de domicílios em função das projeções para a taxa de chefia e da população Projeção obtida pela modelagem dos efeitos idade, período e coorte (Modelo IPC) Projeção da pirâmide etária fornecida pelo IBGE

39 Efeitos idade, período e coorte Efeito idade Efeito período Efeito coorte Efeito idade: conseqüência do processo de envelhecimento dos indivíduos Efeito período: mudanças da sociedade ao longo do tempo e que afetam simultaneamente todas as faixas etárias Efeito coorte: mudança de comportamento compartilhada pelos indivíduos que nasceram em uma mesma década Taxa de chefia

40 Modelo de decomposição da taxa de chefia nos efeitos idade, período e coorte T ijk = taxa de chefia na faixa etária i, no período j e na coorte k D i =1 se i-ésima idade, caso contrário D i = 0, i=1....,7 D j =1 se j-ésimo período, caso contrário D j = 0, j=1....,4 D k =1 se k-ésima coorte, caso contrário D k = 0, k=1....,10  é o efeito médio  i é o efeito da idade i, i=1....,7  j é o efeito do período j, j=1....,4 k é o efeito da coorte k, k=1....,10 Para evitar a multicolinearidade retira-se uma variável dummy de cada efeito. Uma quarta variável dummy deve ser retirada em função da dependência linear exata entre os efeitos idade, período e coorte (DEATON, 1997). Variáveis eliminadas: grupo etário com mais de 70 anos, ao ano de 1970 e as duas coortes mais velhas (coortes 9 e 10). DEATON, A. The analysis of household surveys: a microeconometric approach to development policy, The World Bank, Washington, 1997.

41 Modelo de decomposição da taxa de chefia nos efeitos idade, período e coorte Estimativas dos coeficientes da equação de regressão

42 Decomposição da taxa de chefia nos efeitos idade, período e coorte Equação de projeção da taxa de chefia Efeitos de período  5 e  6 2010 e 2020 obtidos por extrapolação dos efeitos de período 1980, 1990 e 2000 Efeitos de coorte de nascimento 0 e -1 2010 e 2020 obtidos por extrapolação dos efeitos de coorte estimados por regressão

43 Projeções de população e taxa de chefia IBGE: pirâmide etária Revisão 2008 Resultados obtidos pelos modelo IPC

44 Projeções do número de domicílios Domicílios = População x Taxa de Chefia Total de domicílios em 2010 = 40.659.962 +15.963.674 = 56.623.636 População total em 2010 = 193.252.604 Densidade domiciliar em 2010 = 3,41 Total de domicílios em 2020 = 46.429.447 + 22.652.996 = 69.082.443 População total em 2020 = 207.143.243 Densidade domiciliar em 2020 = 3,00

45 Comparação das projeções obtidas pelos diferentes métodos de projeção do número de domicílios ocupados Uma parte dos desvios envolve o erro na projeção populacional para 2010 Projeção (revisão 2008) 193.252.604 habitantesm após a contagem de 2007 Censo 2010 190.755.799 habitantes Projeção 1,3% acima do Censo 2010.

46 Mercado potencial da classe residencial

47 Sinopse do Censo 2010 População = 190.755.799 habitantes Crescimento de 12,3% em comparação ao Censo 2000 Crescimento médio anual de 1,17% (menor taxa desde 1872) Taxa de urbanização = 84,4% 67.459.066 domicílios particulares (permanentes e improvisados) 56.528.865 domicílios ocupados (83,8%) 899.152 domicílios fechados (1,3%) 6.097.778 domicílios vagos (9%) 3.933,271 domicílios de uso ocasional (5,8%)

48 Comparação das projeções com os Censo 2010 Os desvios são maiores quando considerada a projeção obtida pelo método da extrapolação da densidade domiciliar. As projeções obtidas pelo método da taxa de chefia são aderentes aos resultados do Censo 2010.

49 Projeções até 2020 Projeções do número de domicílios em 1º de julho de cada ano

50 Modelo de previsão de mercado da classe residencial http://www.brasileconomico.com.br/noticias/nprint/98337.html

51 Modelo de previsão de mercado da classe residencial

52 A previsão de mercado para a classe residencial é o resultado das premissas assumidas nas projeções demográficas (população, domicílios e taxa de urbanização) e nos cenários macroeconômicos que incluem desde as trajetórias futuras para o crescimento do Produto Interno Bruto e a sua repartição setorial/regional até a distribuição funcional e pessoal do rendimento. Outras premissas igualmente importantes tratam dos efeitos da conservação de energia elétrica e da evolução das tarifas de eletricidade e de sua relação com os preços dos outros energéticos.

53 Modelo de previsão de mercado da classe residencial O consumo total de energia elétrica nas residências em um ano t (E t ) pode ser decomposto com base na seguinte identidade: consumo médio por unidade consumidora consumo de energia elétrica nas residências em um ano t total de domicílios taxa de atendimento A projeção do consumo da classe residencial é efetuada com base em três projeções: número de domicílios (premissas demográficas) consumo médio (baseado no cenário macroeconômico) taxa de atendimento até a universalização (metas da ANEEL)

54 Modelo de previsão de mercado da classe residencial

55 Projeção da taxa de atendimento Projeção definida com base nas metas de universalização estipuladas pela ANEEL (Resolução 223/2003). Universalização do atendimento prevista para 2015. Taxa de atendimento evolui linearmente até 2015. Após a universalização o número de unidades consumidoras é igual ao total de domicílios. Taxa de atendimento = Número de unidades consumidoras residenciais Número de domicílios

56 Projeção do número de unidades consumidoras Nº de consumidoras = Taxa de Atendimento x Nº de domicílios Projeção por meio do modelo IPC Projeção com base na resolução ANEEL 223/2003

57 Projeção do consumo médio Consumo médio por unidade consumidora = (CPC) Consumo anual da classe residencial Número de unidades consumidoras residenciais em 1 de julho O rendimento do domicílio e a difusão de eletrodomésticos são as principais variáveis explicativas do consumo médio das unidades residenciais. Em função da desigualdade de rendimentos familiares, decidiu-se estratificar o consumo de eletricidade em sete faixas de rendimento domiciliar e usar um modelo de regressão para projetar o CPC em cada faixa. 1) Até 1 salário mínimo 2) 1 a 2 salários mínimos 3) 2 a 3 salários mínimos 4) 3 a 5 salários mínimos 5) 5 a 10 salários mínimos 6) 10 a 20 salários mínimos 7) Mais de 20 salários mínimos 8) Domicílios de uso ocasional (por exemplo, casas de veraneio) Em cada uma das faixas de rendimento se admite uma maior homogeneidade tanto nos estoques como nos hábitos de consumo e nos gastos das famílias com energia elétrica.

58 Projeção do consumo médio por unidade consumidora (CPC) Passo 1 – Projeção do rendimento médio domiciliar Seja PIB t : Produto Interno Bruto no ano t crescimento do consumo das famílias %PIB t :parcela do PIB apropriada pelas famílias DOM t : projeção de domicílios ocupados e fechados (médios) no ano t RMD* PNAD : rendimento médio domiciliar na PNAD mais recente (ano base) %PIB* = (12 x DOM ano base x RMD* PNAD ) / PIB ano_base parcela do PIB apropriada pelas famílias ajustada pela PNAD %PIB* t = %PIB* t-1 x (%PIB t / %PIB t-1 ) é o %PIB ajustado para o ano t RF t = %PIB* t x PIB t : : projeção da renda total anual das famílias no ano t em função do cenário do PIB (consumo das famílias) RMD t = RF t / (12 x DOM t ) projeção do rendimento médio mensal domiciliar Cenários macroeconômicos IE/UFRJ Modelo demográfico

59 Histórico da distribuição do total de domicílios por faixa de rendimento % 1995-2008 Fonte: Microdados das PNADs Projeção do consumo médio por unidade consumidora (CPC) Passo 2 – Distribuição dos domicílios por faixa de rendimento

60 Participação do nº de domicílios por faixa de rendimento (%) x rendimento médio (R$) R$ O rendimento médio mensal familiar é uma variável explicativa (cenarizável, conforme passo 1) da distribuição dos domicílios entre as faixas de rendimento. Projeção do consumo médio por unidade consumidora (CPC) Passo 2 – Distribuição dos domicílios por faixa de rendimento

61 Correlações entre as participações das faixas de rendimento e o rendimento médio mensal no período 1995-2008 Projeção do consumo médio por unidade consumidora (CPC) Passo 2 – Distribuição dos domicílios por faixa de rendimento

62 Cada domicílio tem uma probabilidade P(y=i) de pertencer a uma determinada faixa de rendimento i: i=1, sem rendimento i=2, até 1 S.M. i=3, de 1 até 2 S.M. i=4, de 2 até 3 S.M. i=5, de 3 até 5 S.M. i=6, de 5 até 10 S.M. i=7, de 10 até 20 S.M. i=8, mais de 20 S.M. Seja P(y  i) a probabilidade acumulada até uma determinada faixa de rendimento i: P(y=1) = P(y  1) P(y=2) = P(y  2) - P(y  1) P(y=3) = P(y  3) - P(y  2) P(y=4) = P(y  4) - P(y  3) P(y=5) = P(y  5) - P(y  4) P(y=6) = P(y  6) - P(y  5) P(y=7) = P(y  7) - P(y  6) P(y=8) = P(y  8) - P(y  7) Y tem distribuição multinomial Projeção do consumo médio por unidade consumidora (CPC) Passo 2 – Distribuição dos domicílios por faixa de rendimento

63 A probabilidade acumulada é função do rendimento médio mensal familiar (X). P(y  i) = f(  i +  i X) Admitindo que f(X) seja uma função logística, tem-se que O logaritmo da razão de probabilidades (logit) é uma função linear do rendimento médio mensal (McCULLAGH, 1980): McCULLAGH, P. (1980) Regression models for ordinal data, Journal of the Royal Statistical Society, Series B, Volume 42, issue 2, pp. 109-142. Projeção do consumo médio por unidade consumidora (CPC) Passo 2 – Distribuição dos domicílios por faixa de rendimento

64 Calculando P(y  i) com base nas proporções acumuladas observadas em cada ano do histórico, estima-se o modelo com base no seguinte modelo de regressão linear: i =1,8 faixas de rendimento t = 1992,2005 anos Total de 112 observações Adaptação de um modelo Logit ordered para dados (agrupados) em painel X t = RMD t é o rendimento médio mensal no ano t Projeção do consumo médio por unidade consumidora (CPC) Passo 2 – Distribuição dos domicílios por faixa de rendimento

65 Equação de projeção das probabilidades acumuladas: Projeção da participação da i-ésima faixa de rendimento no ano t Projeção do consumo médio por unidade consumidora (CPC) Passo 2 – Distribuição dos domicílios por faixa de rendimento

66 Projeção da distribuição do total de domicílios por faixa de rendimento Projeção do consumo médio por unidade consumidora (CPC) Passo 2 – Distribuição dos domicílios por faixa de rendimento

67 Projeção do rendimento médio domiciliar Historicamente o rendimento médio de cada faixa de rendimento tem-se comportado de forma aparentemente estável Projeção do consumo médio por unidade consumidora (CPC) Passo 2 – Distribuição dos domicílios por faixa de rendimento

68 Valores (kWh/mês) históricos obtidos no Sistema Simples Valores a serem estimados Valores do consumo médio (CPC) disponíveis apenas para o total das faixas de rendimento Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento

69 Para uma dada faixa de renda i no ano t, o Índice de difusão do uso/aparelho j, denotado por ID(i,j,t) (GREER, 2011), é calculado da seguinte maneira: onde: DOM(i,j,t) = total de domicílios na faixa i no ano t que possuem o uso/aparelho j DOM(i,t) = total de domicílios na faixa i no ano t Foram considerados seis usos disponíveis na PNAD: (1)geladeira 1 porta (2)geladeira 2 portas (3)freezer (4)máquina de lavar roupa (5)Iluminação (6)TVs (em cores e preto e branco) Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento GREER, M. Electricity cost modeling calculations, Academic Press, 2011

70 O índice de difusão global da faixa de renda i no ano t é a média geométrica dos índices de difusão de seis usos: Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento

71 Índices de difusão global (histórico) Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento

72 Metodologia para estimar o CPC por faixa de rendimento: 1 – Estabelecer uma relação entre o CPC e o índice de difusão global (média geométrica). O índice de difusão global reflete o efeito da renda e das posses/usos. 2 – Usar a relação estimada em (1) para estimar o CPC em todas as faixas de rendimento, em função dos respectivos índices de difusão global. Valores de CPC disponíveis apenas para o total das faixas de rendimento Valores de difusão disponíveis para as faixas de rendimento e total das faixas de rendimento Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento

73 1 – Relação entre o CPC e o índice de difusão global (média geométrica) com base nos valores para o total das faixas de rendimento CPC t = consumo por consumidor global no ano t ID t = índice de difusão global no ano t D t = 1 para o período após o racionamento (t  2001) D t = 0 para o período anterior ao racionamento (t<2001) Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento

74 2 – Uso da relação do CPC com o índice de difusão estimação de valores dos consumos médios por faixa de rendimento Valores do índice de difusão na faixa i CPC da faixa i no ano t Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento

75 2 – Uso da relação dos valores globais do CPC com o índice de difusão para estimação dos consumos médios por faixa de rendimento Calibragem: Em cada ano do histórico, os CPCs das faixas de rendimento são multiplicados por um mesmo fator de ajuste, de tal forma que a média ponderada destes valores pelos respectivos totais de consumidores, seja igual ao CPC global do respectivo ano. Valores em kWh/mês Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento

76 Projeção do índice de difusão (IDG) Histórico Projeções Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento

77 Projeção do consumo médio da classe residencial (kWh/mês) Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento

78 Cenários de crescimento percentual do CPC Projeção do consumo médio por unidade consumidora (CPC) Passo 3 – Projeção do CPC por faixa de rendimento

79 Cenários para o mercado da classe residencial Projeção do consumo total anual residencial

80 Projeção do consumo médio por faixa de rendimento Resultados A metodologia apresentada permite integrar os cenários macroeconômicos e as projeções demográficas nas relações microeconômicas explicativas do consumo de energia elétrica nas residências, relações estas que associam a difusão dos eletrodomésticos aos rendimentos domiciliares e possibilitam incorporar os efeitos da conservação de energia nas projeções de mercado.

81 Modelo de REgionalização dos CEnários Macroeconômicos (RECEM)

82 Cenário Macroeconômico para o Brasil Necessidades de ajuste dos resultados Os cenários macroeconômicos tem sido concebidos com base no crescimento de alguns setores da economia, denominados de setores lideres que guiam o crescimento da economia. (Grupo de Conjuntura do IE - UFRJ) Até recentemente (2011), este grupo elabora os seus cenários macroeconômicos tendo como setores lideres da economia brasileira o crescimento da indústria e do comercio. Dessa forma o modelo macroeconômico utilizado informa o crescimento do PIB, do VAB (valor adicionado bruto) e os valores agregados do comercio e da indústria (extrativa + transformação). Para os “outros setores” as projeções apresentadas em forma de taxas de crescimento parecem ser apenas indicativas e não objetivam caracterizar o cenário. Foi verificado que os valores adicionados calculados com as taxas de crescimento na base dos seus valores históricos, adicionados ao da indústria e do comercio não correspondem ao VAB bruto informado. Dessa forma, os valores adicionados projetados para os “outros setores” mantêm coerência com a sua trajetória histórica evitando rupturas que não possuam consistência econômica ou que as apresentem em suas séries históricas.

83 Ajuste do Cenário Macro econômico para o Brasil Dessa forma, propõe-se um ajuste no cenário macroeconômico, baseado no seguinte modelo de repartição: m setores das contas nacionais. VAB i (t) i = 1, m valor adicionado bruto do i-ésimo setor VAB (t) outros setores valor adicionado bruto do agregado “outros setores” A partir das séries históricas do VAB desagregadas em m setores são estimados os respectivos coeficientes a i e b i com base no método dos mínimos quadrados, obtendo a seguinte equação estimada para cada setor:

84 Uma nota sobre as contas regionais do IBGE Em função da nova metodologia de cálculo do PIB, inicialmente as novas séries regionais foram limitadas ao período após 2002 e tendo como referência o ano 2000. Para permitir a aplicação dos modelos, as séries por setor e por unidade da federação foram retroprojetadas com base nos índices de preço e de volume das séries históricas dos PIB regionais (referência 1985), permitindo estimar as séries históricas a partir de 1985. Posteriormente, o IBGE retroprojetou algumas séries até 1995. As séries consideradas são as retroprojetadas até 1995 pelo IBGE. Modelo de Regionalização de Cenários Macroeconômicos

85 m setores das contas regionais. n Unidades da Federação. VAB i i = 1, m Valor adicionado Bruto do i-ésimo setor brasileiro VAB ij, j = 1, n Valor Adicionado Bruto no i-ésimo setor e na j-ésima UF Modelo de Regionalização de Cenários Macroeconômicos Incorpora as séries históricas dos valores agregados setoriais para o Brasil VAB i e para as Unidades da Federação em cada um dos setores econômicos ( VAB ij ) Os modelos de desagrega ç ão capturam a tendência do per í odo hist ó rico considerado, neste caso 1995/2007, para cada setor em cada UF se relaciona com o valor adicionado do mesmo setor para o Brasil:

86 Cenário macroeconômico da UFRJ para o Brasil de março de 2009 Classes e atividades2006200720082009201020112012201320142015201620172018 Agropecuária4,15,36,50,54,55,0 Extrativa mineral6,03,04,54,05,06,06,57,07,58,0 Transformação1,65,12,9-5,42,53,54,55,56,0 Construção civil4,65,08,52,93,75,06,07,0 Produção e distribuição de eletricidade, gás e água 3,65,06,01,05,0 5,5 Serviços3,74,74,91,52,73,03,33,53,7 3,8 3,9 Comércio4,87,68,01,03,54,45,05,86,06,1 Transporte, armazenagem e correio3,24,85,00,53,54,45,05,86,06,1 Serviços de informação2,38,0 1,03,54,45,05,86,06,1 Intermediação financeira, etc.6,113,0 2,05,0 Outros serviços2,62,33,02,5 Atividades imobiliárias e aluguel4,33,53,0 Administração, saúde e educação públicas3,10,92,0 Valor adicionado bruto a preços básicos3,54,8 0,43,03,53,94,34,54,6 4,7 PIB a preços de mercado3,75,4 0,43,03,53,94,34,54,6 4,7 Taxas de crescimento do PIB (%)

87 Cenário macroeconômico para o Amazonas Cenário para o PIB industrial do Amazonas obtido a partir da desagregação do cenário de crescimento da economia brasileira (IE/UFRJ, março de 2009).

88 Resultado da desagregação para a indústria geral e comercio & serviços para o Estado do Amazonas

89  Em 2009, nas classes residencial, comercial e rural, o consumo segue uma trajetória inicial acima dos valores de 2006, 2007 e 2008.  As previsões de mercado destas classes acompanham estas tendências. Acompanhamento do consumo da Amazonas Energia em 2009

90 Na classe industrial a queda se agrava e o consumo atinge nível inferior ao do ano de 2006

91 Deterioração do panorama econômico Expectativas do crescimento em 2009 Cenários macroeconômicos inicio da crise, descolamento do crescimento entre os países emergentes e os países desenvolvidos. Brasil cresce 5 a 6% dez 2008 “mercado” projeta 2 a 3%. fev 2009 crescimento de 1,5% (IE/UFRJ). Para a Amazonas Energia o cenário macroeconômico do IE / UFRJ de inicio de março de 2009 = -1,0% Meados de março de 2009, 0,59% (Banco Central) fins de março, economia crescimento zero e industria -2,8% (CNI) TAXAS de CRESCIMENTO da ECONOMIA (%)

92 Deterioração do panorama econômico Cenários macroeconômicos TAXAS de CRESCIMENTO da ECONOMIA (%) Boletim Focus (Banco Central do Brasil) 15 de maio de 2009 3,50% -0,49% 4,00% -4,13% Cenários: Crescimento da economia brasileira em 2009 da ordem de 0,4% (compatível com o cenário do boletim Focus de 15 de maio de 2009). Crescimento negativo da economia (–1%) para o Estado do Amazonas.

93 Industria Ext. Mineral e de Transformação

94

95 R 2 = 0,9558 Histórico 1994 - 2008 Previsão do consumo classe industrial

96 Proje ç ões obtidas pelo modelo econom é trico 2009 Previsão do consumo classe industrial Cenário implica em uma redução do consumo da classe industrial em 2009, fato já observado nos primeiros meses deste ano quando o consumo da classe industrial regrediu a níveis inferiores aos observados em 2006.

97 Previsão de consumo da classe comercial e serviços Regressão linear por partes (piecewise linear regression) 2002 Mudança de tendência

98 Conclusão Os modelos apresentados tem sido utilizados nos estudos de mercado das distribuidoras da Eletrobras. As previsões são fundamentadas em cenários macroeconômicos acerca do crescimento da economia e por setor de atividade Apresentou-se um modelo simples para desagregação e regionalização do cenário macroeconômico para atender as necessidades do planejamento anual.

99 Usina Hidrelétrica de Samuel 216 MW – Rio Jamari, RO Obrigado