A crescente penetração de fontes de energia renovável, especialmente eólica e solar, traz desafios globais complexos para a gestão das redes elétricas. No Brasil, o curtailment de energia — a redução deliberada da geração — tornou-se cada vez mais crítico, impulsionado pela rápida expansão das fontes renováveis variáveis (VRE). Este relatório sintetiza as principais causas do curtailment no sistema elétrico brasileiro e detalha como ferramentas avançadas de modelagem podem analisar, prever e gerenciar esse fenômeno em crescimento.
Dados históricos recentes revelam uma tendência contínua de aumento do curtailment, ressaltando a necessidade urgente de estruturas analíticas robustas. Os resultados indicam que o descompasso entre o ritmo de integração das renováveis e o crescimento da demanda, além da expansão da infraestrutura de transmissão, está agravando o problema. Métodos que incorporam simulação estocástica, granularidade horária e representação detalhada da rede são indispensáveis para compreender e mitigar o curtailment, contribuindo, em última instância, para uma transição energética mais resiliente e eficiente.
Entendendo o Curtailment no Contexto Brasileiro
O curtailment de renováveis, definido como a redução deliberada da geração de energia proveniente de fontes como eólica e solar, tornou-se comum em sistemas elétricos modernos. Essa prática é particularmente relevante no Brasil devido à rápida integração de fontes renováveis intermitentes. Três fatores distintos, porém interconectados, impulsionam principalmente esse fenômeno, cada um contribuindo para a necessidade de limitar a produção desses geradores.
Primeiramente, problemas de balanço energético surgem quando a oferta disponível de fontes de geração inflexíveis excede a demanda do sistema. Para manter o equilíbrio necessário à estabilidade da rede, torna-se imprescindível reduzir a produção. Esse desequilíbrio tem se tornado cada vez mais comum à medida que cresce a participação das VRE.
Em segundo lugar, questões de confiabilidade elétrica frequentemente exigem curtailment quando as redes de transmissão enfrentam congestionamentos. Esses gargalos podem ocorrer em diversos pontos do sistema, exigindo redução de geração para garantir a segurança e a estabilidade da rede como um todo. Esse ponto reforça diretamente o princípio de que “não há transição sem transmissão”, destacando o papel crucial de uma infraestrutura de rede robusta para acomodar novas fontes de geração.
Por fim, a indisponibilidade externa refere-se a interrupções fora do complexo de geração imediato. Esses fatores externos podem forçar a redução da geração para adaptar-se a novas topologias do sistema ou lidar com limitações imprevistas na infraestrutura energética mais ampla.
O panorama energético brasileiro tem, de fato, se transformado, marcado pela ampla integração de parques eólicos e, mais recentemente, de usinas solares, tanto distribuídas quanto centralizadas. Esse crescimento foi impulsionado pela redução dos custos de investimento dessas tecnologias e por diversos incentivos governamentais, incluindo políticas de net metering, descontos em tarifas de transmissão e isenções de determinados encargos setoriais.
Por exemplo, em 2024, o sistema adicionou cerca de 14 GW de capacidade instalada, dos quais 99% correspondem a usinas eólicas e solares. No entanto, surgiu uma divergência crítica: o ritmo de expansão da rede de transmissão e o crescimento da demanda de energia ficaram claramente atrás da rápida expansão da capacidade renovável. Esse descompasso levou inevitavelmente a um excesso de oferta de energia, impulsionando o aumento do curtailment de renováveis.
Dados históricos de 2023 a 2025 ilustram essa trajetória crescente, com picos significativos diretamente associados a atrasos na expansão da transmissão ao longo de 2024, quando o curtailment total na região Nordeste chegou a 15% da geração potencial mensal.
Metodologia da PSR para Previsão de Curtailment
A previsão e análise robustas do curtailment futuro no sistema elétrico brasileiro baseiam-se em uma metodologia em quatro etapas desenvolvida pela PSR. Essa abordagem estruturada garante projeções abrangentes e detalhadas, partindo de premissas fundamentais até simulações granulares e resultados acionáveis.
1. Definição de premissas
A primeira etapa envolve a definição de premissas-chave, que servem de base para todas as projeções subsequentes e influenciam significativamente a precisão das previsões de curtailment.
Isso inclui o processo de previsão de demanda, que considera fatores como crescimento econômico nacional e a introdução de novas tecnologias disruptivas, incluindo veículos elétricos, data centers e o emergente setor de produção de hidrogênio verde.
Paralelamente, analisa-se a evolução da matriz de oferta, incorporando projeções de desativação de usinas térmicas antigas, crescimento da geração distribuída — que possui dinâmica distinta em relação a projetos centralizados —, leilões de capacidade previstos e planos indicativos de expansão derivados de modelos de planejamento de longo prazo, como o OPTGEN da PSR.
Dada a forte dependência do Brasil da hidreletricidade, a representação adequada das afluências hidrológicas é essencial. Essa análise utiliza tendências hidrológicas recentes, que infelizmente indicam afluências abaixo da média histórica de longo prazo.
Por fim, as premissas de expansão da transmissão modelam cuidadosamente o crescimento projetado da capacidade de interconexão entre regiões e os reforços necessários nas redes regionais.
2. Desenvolvimento da base de dados
A segunda etapa concentra-se no desenvolvimento da base de dados, um processo que envolve um desafio significativo de integração.
O objetivo principal é unificar um caso energético agregado, representando o sistema de geração, com uma representação detalhada da rede, em uma única base de dados coesa.
Inicialmente, um conversor especializado importa dados do modelo oficial NEWAVE para o ambiente SDDP da PSR. Uma vez estabelecida essa base, as premissas previamente definidas são incorporadas.
Isso inclui a integração de perfis detalhados de geração renovável utilizando a ferramenta Time Series Lab (TSL) da PSR. A geração distribuída também é modelada, juntamente com usinas centralizadas individuais. A demanda é representada com projeções horárias, refletindo a natureza variável do consumo ao longo do tempo. Nesse ponto, estabelece-se o chamado “Energy Case”.
Em seguida, dados da rede provenientes de fontes oficiais, como a configuração PAR/PEL do ONS, que inclui aproximadamente 13.000 barras e 17.000 ramos, são importados e convertidos para o formato do SDDP.
Modificações adicionais refinam esses dados, definindo a distribuição de carga nas barras, estabelecendo conexões entre geradores e a rede e codificando restrições de interconexão. Esse processo resulta no “Integrated Generation and Transmission Case (G&T Case)”, uma base de dados unificada e abrangente.
3. Simulação
A terceira etapa é a simulação, centrada no modelo SDDP, e envolve duas execuções sequenciais.
Primeiramente, o Energy Case é utilizado para calcular a política ótima de operação e definir os valores da água para todas as usinas hidrelétricas.
Em seguida, realizam-se simulações horárias utilizando o Integrated G&T Case, incorporando as representações detalhadas de geração e transmissão desenvolvidas na etapa anterior.
O Time Series Lab (TSL), totalmente integrado ao SDDP, desempenha papel essencial ao fornecer cenários horários de produção para usinas eólicas e solares. Essa integração é fundamental para as simulações estocásticas, que lidam com a variabilidade e a incerteza inerentes à geração renovável.
4. Análise dos resultados
A etapa final consiste na análise dos resultados gerados pelo SDDP.
A simulação estocástica permite avaliar a distribuição de probabilidade dos níveis de curtailment. Por exemplo, em uma análise com horizonte de 10 anos, em escala mensal, o curtailment médio total para um grupo de usinas solares no Sudeste pode atingir cerca de 6% da geração potencial.
Em determinados cenários, esse valor pode se aproximar de 10%.
Além disso, ao analisar os resultados com resolução horária, observa-se que o curtailment se concentra durante as horas de luz solar, independentemente da tecnologia utilizada, e tende a ser mais pronunciado nos fins de semana, quando a demanda por eletricidade é geralmente menor.
O Valor Estratégico das Ferramentas da PSR para Previsão de Curtailment
A previsão de curtailment é essencial para a análise financeira e econômica de projetos de energia renovável, pois pode impactar significativamente sua rentabilidade.
A análise aprofundada do curtailment no sistema elétrico brasileiro demonstra o valor e a robustez das ferramentas da PSR, que oferecem um conjunto abrangente de recursos para lidar com as complexidades trazidas pela rápida expansão das energias renováveis.
Um destaque importante é a capacidade de simulação estocástica, fundamental para avaliar múltiplos cenários futuros e lidar com a incerteza inerente à geração renovável variável, como eólica e solar. Ao modelar diferentes resultados possíveis, essas simulações oferecem uma estrutura mais realista para a tomada de decisão, superando abordagens determinísticas e incorporando a natureza probabilística da geração renovável.
Outro atributo indispensável é a granularidade horária, essencial para analisar padrões de curtailment ao longo do dia e entre dias úteis e fins de semana, proporcionando compreensão detalhada da dinâmica temporal.
Além disso, a representação detalhada da rede é fundamental para identificar curtailment causado diretamente por congestionamentos. A capacidade de localizar esses gargalos permite orientar investimentos direcionados na expansão da transmissão e na implantação de Grid Enhancing Technologies (GETs), essenciais para uma operação mais eficiente, segura e flexível das redes.
A integração com o modelo de planejamento de expansão da PSR (OPTGEN) amplia ainda mais o valor estratégico dessas ferramentas, permitindo simular o curtailment em cenários futuros otimizados de longo prazo.
Por fim, a conversão automatizada de bases de dados simplifica significativamente todo o processo de análise, reduzindo esforço manual, minimizando erros e acelerando a geração de insights, aumentando a eficiência dos processos de planejamento e operação.
