O Papel do Armazenamento na Transição Energética
O setor elétrico brasileiro passa por uma profunda transformação impulsionada pela rápida expansão das fontes renováveis variáveis (FRV) e por metas ambiciosas de descarbonização. Embora a matriz elétrica do país tenha sido historicamente dominada pela geração hidrelétrica, a integração acelerada de energia eólica e solar introduziu desafios operacionais significativos para a flexibilidade do Sistema Interligado Nacional (SIN). Em conjunto, essas duas fontes respondem hoje por aproximadamente 40% da capacidade instalada total; contudo, a expansão de novas usinas hidrelétricas — tradicionalmente o principal recurso de flexibilidade do sistema — está cada vez mais condicionada por restrições socioambientais.
Destaca-se que aproximadamente 45 GW de FRV originam-se da geração distribuída (GD), que emergiu como uma das forças mais transformadoras nessa transição energética. Crescendo de forma exponencial impulsionada pelos incentivos de compensação de energia, a GD reformulou fundamentalmente o lado da demanda do sistema, aprofundando o “gap de flexibilidade” do sistema: em 2025, pelo menos 20% da produção potencial de energia limpa foi curtailada, enquanto o sistema recorreu ao despacho térmico para atender à demanda de ponta. Esse paradoxo evidencia a necessidade urgente de recursos flexíveis capazes de suprir a diferença entre uma oferta variável e uma demanda ainda pouco flexível.
Em contraste com a expansão renovável observada no SIN, muitas localidades — em especial na Amazônia Legal e em áreas rurais remotas — permanecem dependentes de geração a diesel. Além do impacto ambiental, esses geradores a combustíveis fósseis impõem severos encargos econômicos tanto aos consumidores quanto aos subsídios públicos, com custos variáveis de geração superiores a R$ 1.600/MWh.
Nesse contexto, o armazenamento de energia emerge como tecnologia fundamental para enfrentar ambas as dimensões dessa dicotomia: por um lado, fornecendo a flexibilidade necessária para acomodar a crescente participação de renováveis variáveis no SIN; por outro, viabilizando o fornecimento de energia limpa e confiável para consumidores isolados ainda onerados pela geração a diesel, cara e poluente.
O armazenamento de energia pode assumir diversas formas, abrangendo tecnologias químicas como baterias, soluções como o armazenamento hidrelétrico reversível (AHR) e sistemas de armazenamento térmico. Pode igualmente ser implantado em uma ampla variedade de configurações, desde recursos distribuídos acoplados a consumidores finais até ativos em escala de rede operando em nível de transmissão, seja integrado à geração renovável em usinas híbridas ou operando de forma independente em arranjos autônomos.
No entanto, para realizar seu pleno potencial, esse recurso versátil requer avanços em todas as dimensões do arcabouço do setor elétrico, incluindo as práticas de planejamento do sistema.
Incorporação do armazenamento em modelos de planejamento e operação
A incorporação de baterias em modelos de sistemas de energia representa um desafio particular, pois esses ativos exibem um perfil operacional dual: atuam como carga durante os períodos de carregamento e como geradoras durante a descarga. Ao contrário dos recursos convencionais de geração ou demanda, as baterias são regidas por um conjunto específico de restrições técnicas e contratuais que devem ser cuidadosamente representadas para garantir resultados consistentes. Essas restrições incluem limites máximos e mínimos de ciclos diários, durações máximas de despacho e recarga, profundidade máxima de descarga e perdas de eficiência de ida e volta que afetam o balanço líquido de energia em cada ciclo. Capturar adequadamente essas características exige uma representação detalhada do sistema, com alta granularidade espacial e temporal, para refletir toda a complexidade do comportamento das baterias em diferentes nós da rede e condições operacionais.
Deixar de considerar essas restrições pode levar a programações operacionais subótimas ou até inviáveis, distorcendo o verdadeiro valor do armazenamento no sistema. Em contrapartida, essa complexidade de modelagem oferece acesso a um ativo altamente responsivo, capaz de reagir a sinais de despacho em segundos, proporcionando um grau de flexibilidade operacional que nenhum recurso convencional consegue igualar.
1. Modelos Operacionais
Para lidar com essa complexidade de modelagem, o modelo SDDP, uma ferramenta de otimização estocástica desenvolvida pela PSR, oferece uma representação abrangente dos ativos de armazenamento. O modelo captura capacidade de armazenamento, capacidades de carregamento e descarga, eficiências e restrições, permitindo que o armazenamento seja co-otimizado juntamente com recursos hídricos, térmicos e renováveis.
Notavelmente, a resolução horária do SDDP é particularmente adequada para capturar os benefícios que as baterias trazem ao sistema, reforçando a necessidade de alta granularidade temporal discutida anteriormente. Além da representação individual de cada ativo, o SDDP também representa de forma eficiente a capacidade dos operadores de redespachar baterias durante falhas de componentes — como unidades geradoras, linhas de transmissão e transformadores — por meio de seu módulo de confiabilidade CORAL. Esse nível de detalhe torna o SDDP uma plataforma particularmente adequada para os estudos de caso desenvolvidos neste trabalho.
2. Modelos de Planejamento
Além de seu valor operacional, avaliar o papel do armazenamento no planejamento da expansão do sistema é igualmente fundamental, especialmente para compreender como essa tecnologia pode contribuir para preservar a matriz renovável brasileira no longo prazo. Para isso, o armazenamento pode ser modelado como candidato à expansão no OptGen, o modelo de planejamento da expansão desenvolvido pela PSR. Baseado na decomposição de Benders, o OptGen identifica o portfólio de investimentos de menor custo, equilibrando custos de capital e economias operacionais. Essa abordagem permite que o armazenamento concorra em igualdade de condições com alternativas convencionais, como usinas termelétricas, assegurando que o plano de expansão reflita a trajetória mais custo-efetiva e sustentável para o sistema, ao mesmo tempo em que garante a adequação de receita para os projetos selecionados.
O diagrama a seguir ilustra esse processo de otimização, no qual a decomposição viabiliza a comunicação iterativa entre o módulo de investimento OptGen — responsável por avaliar as decisões de alocação de capital — e o módulo de operação SDDP, que calcula os custos operacionais variáveis e os benefícios marginais resultantes de cada configuração de investimento proposta pelo primeiro. Nesses contextos, apesar de ainda carregar um custo de capital significativo, o armazenamento tende a prevalecer em virtude de sua capacidade de reduzir os custos operacionais globais, viabilizando uma operação do sistema mais flexível e desbloqueando o valor de excedentes de energia renovável que de outra forma seriam curtailados.
Figura 1 – Esquema de otimização do OptGen
O OptGen também pode ser aplicado como otimizador de sistemas híbridos para localidades isoladas ou com restrições de rede, aproveitando sua capacidade de determinar o plano de expansão de menor custo para qualquer sistema — incluindo configurações pequenas e de carga única, típicas de comunidades remotas. Dois recursos de modelagem são particularmente críticos nesse contexto. O primeiro é a representação da variabilidade de demanda e geração por meio de dias típicos: ao agrupar as horas de um determinado mês em perfis diários representativos, o OptGen reduz substancialmente o esforço computacional da otimização sem sacrificar a granularidade temporal necessária para capturar dinâmicas intradiárias, como rampas de geração solar e eventos de ponta de demanda. O segundo é a integração com o Time Series Lab (TSL), a ferramenta de modelagem de renováveis da PSR, que gera cenários de geração horária sintética para recursos eólicos e solares. O TSL cria um histórico de geração horária sintética processando dados de bancos de dados globais de reanálise e produz cenários futuros de FRV temporalmente e espacialmente correlacionados com afluências hidrológicas. Para isso, o TSL possui dois módulos principais: TSL-Data, que constrói o registro histórico de geração renovável horária sintética a partir de dados de reanálise, e TSL-Scenarios, um modelo estatístico que utiliza esse histórico para gerar cenários estocásticos futuros, preservando as correlações espaciais e temporais entre todas as estações de renováveis. Isso garante que a incerteza na geração renovável seja devidamente representada nos múltiplos cenários avaliados pelo OptGen, viabilizando decisões de investimento robustas mesmo em sistemas pequenos e isolados, onde as consequências de erros de dimensionamento são mais severas.
2.1 Triagem de Candidatos a Armazenamento Hidrelétrico Reversível com o HERA
Embora modelos como o SDDP sejam adequados para representar a operação e as decisões de expansão do armazenamento em nível de sistema, a identificação de sítios técnica e economicamente viáveis para o armazenamento hidrelétrico reversível (AHR) requer uma ferramenta espacial e de engenharia complementar.
Nesse contexto, o software HERA foi desenvolvido pela PSR para avaliar o potencial hidrelétrico por meio de um processo estruturado e computacionalmente eficiente, capaz de analisar milhares de alternativas. Ele apoia a triagem em escala de bacia e o projeto preliminar, integrando geoprocessamento, cálculos hidráulicos e estimativa de custos em uma única plataforma.
Para aplicações de AHR, o software adota uma metodologia de triagem de baixo para cima, baseada em filtros espaciais sucessivos. A partir de uma ampla área de interesse, restrições técnicas, ambientais, regulatórias e topográficas são progressivamente incorporadas, reduzindo o espaço de busca e priorizando as localizações mais promissoras.
A metodologia baseia-se em Modelos Digitais de Elevação (MDEs) de alta resolução para derivar automaticamente a queda hidráulica, as geometrias dos reservatórios e os possíveis eixos de barragem. A partir desses dados de entrada, o HERA gera layouts esquemáticos de engenharia, incluindo reservatórios superior e inferior, condutos, configuração da casa de máquinas, capacidade instalada e estimativas preliminares de custo de construção. O software pode avaliar configurações de circuito aberto e semi-aberto (conectadas a sistemas fluviais existentes), bem como de circuito fechado (fora do leito do rio). Após a fase de filtragem definir as áreas prioritárias, uma busca intensiva refina os layouts dos projetos, otimizando opcionalmente a geometria dos reservatórios para minimizar os custos de barramento.
Ao vincular sistematicamente a triagem territorial à definição preliminar de engenharia, o HERA fornece um portfólio consistente de candidatos a hidrelétricas e AHR técnica e economicamente triados. Esses projetos podem então ser incorporados a modelos de expansão e operacionais, garantindo a coerência entre a análise de viabilidade espacial e a otimização em nível de sistema.
Estudo de Caso: Armazenamento em Grande Escala como Suporte à Flexibilidade da Rede
Conforme discutido na seção anterior, o sistema elétrico brasileiro em evolução demanda cada vez mais serviços e capacidades que vão além do que os recursos tradicionais podem oferecer. Neste estudo, a PSR examina o papel do armazenamento de energia no fornecimento de flexibilidade e capacidade firme ao Sistema Interligado Nacional.
A análise utiliza dados oficiais do Programa Mensal de Operação Elétrica (PMO) de fevereiro de 2025, elaborado pelo Operador Nacional do Sistema Elétrico (ONS), com horizonte de simulação até dezembro de 2029. Todas as simulações operacionais foram realizadas com o SDDP, que viabilizou rodadas com resolução horária em 400 cenários — captando simultaneamente a variabilidade da geração eólica, solar e das afluências hidrológicas ao longo do período de estudo.
Figura 2 – Carga líquida média em setembro de 2029
Para quantificar as necessidades de flexibilidade em diferentes horizontes temporais, a PSR avaliou as necessidades de rampa ascendente para janelas de 1 hora, 4 horas e 7 horas ao longo de 2029. Os resultados mostram que, embora a necessidade média anual de rampa de 1 hora seja de aproximadamente 6 GW, cenários críticos (percentil 99) podem elevar esse valor a 18 GW — quase o triplo da média. Para rampas de 7 horas, os requisitos críticos podem ultrapassar 60 GW. Esses valores podem superar a capacidade de flexibilidade combinada atual de usinas hidrelétricas e termelétricas, que são ainda mais limitadas pelos níveis sazonais dos reservatórios e pelas restrições operacionais.
Figura 3 – Flexibilidade requerida no SIN
Para fazer frente a essa necessidade crescente, o governo brasileiro planeja utilizar leilões de reserva de capacidade para contratar recursos flexíveis, com as usinas termelétricas a gás de ciclo aberto entre as principais tecnologias elegíveis atualmente. Embora uma combinação equilibrada de recursos seja, sem dúvida, a abordagem mais robusta no longo prazo, uma comparação direta de cenários permite uma avaliação mais clara do que cada tecnologia contribui — e a que custo — para a flexibilidade do sistema.
Para esse fim, a PSR avaliou quatro cenários distintos, com os custos do sistema calculados pelo SDDP e compreendendo custos operacionais, custos de déficit de energia¹ e custos associados a violações de restrições operacionais, principalmente restrições de uso da água. Os custos de investimento não estão incluídos nessa comparação, com foco exclusivo na dimensão operacional. Os cenários são estruturados da seguinte forma: um Cenário de Referência que reflete o mix de geração atual contratado para 2029, com os contratos de compra de energia vencidos removidos; o Cenário B, que adiciona 32 GW de usinas termelétricas a gás de ciclo aberto à configuração de referência; o Cenário C, que substitui a adição térmica por uma capacidade equivalente de armazenamento de curta duração na forma de baterias de íons de lítio; e o Cenário D, que substitui de forma similar as usinas termelétricas por armazenamento hidrelétrico reversível de longa duração. Essa estrutura permite que as tecnologias de armazenamento sejam comparadas diretamente com a alternativa térmica que o governo está atualmente considerando para os próximos leilões.
Em todos os casos de armazenamento, a capacidade instalada de ESS foi definida em 32 GW, distribuída pelos quatro submercados. Os custos resultantes de todas as simulações SDDP estão resumidos na Tabela 1.Os resultados mostram que ambas as tecnologias de armazenamento superam o cenário de referência em termos de custos operacionais: baterias de 4 horas reduziram os custos médios do sistema em R$ 1.958 milhões (13%), enquanto o AHR de 100 horas proporcionou economias de R$ 2.298 milhões (quase 16%). No entanto, ao contrário das usinas termelétricas, os ESS não conseguem gerar energia de forma autônoma quando os recursos primários são escassos — o que significa que, em cenários de déficit de energia, o armazenamento por si só é insuficiente e deve ser complementado por geração firme. Em conjunto, as análises confirmam que os sistemas de armazenamento de energia são fortes candidatos para a expansão do sistema, desde que combinados com recursos despacháveis.
¹ Como a ocorrência de déficits de energia é indesejável, uma função de penalidade pode ser incorporada ao modelo matemático do despacho hidrotérmico na função objetivo do problema sempre que houver déficit. Com isso, o problema do despacho hidrotérmico passa a ser o de minimizar o custo operacional somado ao custo de penalização do déficit de energia ao longo de todo o horizonte de planejamento. Atualmente, esse valor é único, independentemente da profundidade do déficit, e é atualizado anualmente pela Aneel.
Tabela 1 – Custos operacionais para os cenários de expansão A, B, C e D
| Milhões R$ | Custo Total | Custo Operacional | Déficit | Outros |
| A – Cenário de Referência | 14,619 | 9,233 | 1,302 | 4,083 |
| B – Cenário B | 14,019 | 11,405 | 0 | 2,613 |
| (B-A) | (600) | 2,172 | (1,302) | (1,470) |
| C – Cenário C | 12,661 | 8,845 | 958 | 2,858 |
| (C-A) | (1,958) | (388) | (345) | (1,225) |
| D – Cenário D | 12,321 | 8,764 | 881 | 2,676 |
| (D-A) | (2,298) | (469) | (422) | (1,407) |
Estudo de Caso: Sistemas Híbridos para Descarbonização Custo-Efetiva
À medida que consumidores industriais e comerciais enfrentam pressões crescentes para reduzir sua pegada de carbono, a questão de como abandonar a geração a diesel sem comprometer a confiabilidade do fornecimento torna-se cada vez mais urgente. Neste estudo de caso, a PSR examina a economia e o desempenho operacional de sistemas híbridos de energia, combinando geração fotovoltaica (FV), armazenamento de energia em baterias (BESS) e geração a diesel, como caminho para a descarbonização custo-efetiva para autoprodutores.
A PSR conduziu a análise para três localidades no Brasil sob dois cenários de transmissão: com e sem acesso à rede. As simulações foram realizadas com as ferramentas de otimização proprietárias da PSR (TSL, SDDP e OptGen), com representações de períodos típicos de 7 dias.
O estudo avalia três configurações tecnológicas: um sistema convencional exclusivamente a diesel (UTE), um sistema totalmente renovável combinando FV e armazenamento em baterias (FV+BESS), e um sistema híbrido integrando as três tecnologias (FV+BESS+UTE). Os custos e premissas técnicas foram definidos para cada componente com base em benchmarks brasileiros consolidados. BESS e FV foram atribuídos com custos de capital e operação compatíveis com as referências de mercado atuais, enquanto a frota de diesel existente foi tratada como ativo afundado, considerando apenas os custos variáveis. A análise adota um horizonte de projeto de 15 anos, alinhado ao tempo de vida esperado do BESS, parâmetros padrão de eficiência e desempenho para baterias e módulos FV, e o valor oficial de 2025 para o custo de energia não suprida.
As principais conclusões do estudo são as seguintes:
- O acesso à rede de transmissão emerge como o único determinante mais importante do custo geral do sistema e de sua configuração. As soluções conectadas à rede superam consistentemente as alternativas isoladas em todas as localidades e níveis de carga, evidenciando o forte valor econômico da interconexão.
- Dentro das configurações conectadas à rede, os sistemas híbridos combinando FV, BESS e backup térmico oferecem a solução mais robusta e custo-efetiva, enquanto as opções totalmente renováveis e a combinação diesel com rede também alcançam desempenho comparável quando o acesso à transmissão está disponível.
- Em contraste, os sistemas isolados enfrentam uma estrutura de custos marcadamente diferente. A ausência de suporte da rede aumenta significativamente a capacidade instalada necessária e os custos totais, e a viabilidade econômica de soluções totalmente renováveis fora da rede torna-se altamente dependente da qualidade e da variabilidade do recurso solar local.
- O BESS desempenha um papel fundamental na arquitetura híbrida ao deslocar temporalmente a geração solar para os períodos de ponta vespertinos, reduzindo a dependência da geração térmica, aliviando as restrições de importação da rede durante as horas de ponta e evitando o superdimensionamento oneroso da capacidade.
- As diferenças geográficas nas condições do recurso solar têm impacto limitado nos cenários conectados à rede, pois a rede suaviza efetivamente a variabilidade e equaliza o desempenho entre as localidades. No entanto, nas configurações fora da rede, essas diferenças tornam-se determinantes, com a disponibilidade e a consistência do recurso solar emergindo como os principais fatores dos resultados tecno-econômicos.
Conclusões
As análises apresentadas neste trabalho demonstram que o armazenamento de energia não é uma solução única, mas uma tecnologia versátil capaz de enfrentar desafios estruturalmente distintos nos setores de energia modernos — desde o fornecimento de flexibilidade e a redução do curtailment em sistemas de transmissão de grande escala até a viabilização de um fornecimento de energia limpa e custo-efetivo em comunidades isoladas ainda dependentes da geração a diesel. Em ambas as dimensões, as ferramentas de modelagem da PSR — SDDP, OptGen, TSL e HERA — fornecem a base analítica necessária para avaliar, planejar e otimizar a implantação do armazenamento com o rigor que as decisões de investimento e de política exigem.
Embora o Brasil ofereça um estudo de caso particularmente instigante, as dinâmicas subjacentes estão longe de ser únicas. Seja em economias emergentes que navegam na tensão entre a rápida expansão de FRV e a adequação da rede, ou em nações desenvolvidas que enfrentam a desativação de ativos despacháveis e a descarbonização de sistemas remotos, o desafio central é o mesmo: integrar a geração variável preservando a confiabilidade ao menor custo. As ferramentas e metodologias aqui apresentadas foram concebidas precisamente para esse fim, adaptáveis a diferentes configurações de sistema, contextos regulatórios e dotações de recursos, e servem como um arcabouço replicável para qualquer país que busque maximizar o valor do armazenamento em sua própria transição energética.
