O preço nodal – também conhecido como Preço Marginal Locacional (ou LMP) – é uma forma de determinar o preço da eletricidade que varia conforme a localização. Na Parte Um, analisamos as implicações do preço nodal para todo o sistema energético da Grã-Bretanha. Depois, na Parte Dois, exploramos o que isso pode significar para o armazenamento de energia em baterias.

Na Parte Três, modelamos o que um sistema de armazenamento de energia em baterias poderia fazer ao longo de um único dia, em um nó simulado. Neste cenário, imaginamos o nó como um único Ponto de Suprimento de Rede (GSP). Como você pode ver na figura 1 (abaixo), existem 362 desses pontos em toda a Grã-Bretanha.

A Figura 2 (abaixo) mostra a composição modelada da geração distribuída em cada um dos GSPs no inverno de 2025/26. Esses dados são retirados dos Cenários Futuros de Energia 2021 da NG ESO (especificamente, o cenário Leading the Way). A demanda média projetada está sobreposta (linha roxa).

Pode ser útil encarar este artigo não como uma previsão, mas sim como um complemento às Partes Um e Dois. Juntos, os três artigos buscam traçar um panorama abrangente de como o armazenamento de energia em baterias pode operar sob um sistema de preços nodais.

Alerta de spoiler

Neste artigo, mostramos como uma bateria pode ser otimizada em um sistema de preços nodais. Um nó específico possui características únicas que levam a certos incentivos de preço. Em seguida, é possível adicionar serviços auxiliares em âmbito nacional para aumentar as receitas. Isso começa a se assemelhar bastante a uma otimização “behind-the-meter” (ou colocalizada) – na qual as particularidades do local podem levar a diferenças significativas no despacho ideal do ativo de armazenamento.

Como serão esses GSPs?

A Figura 3 (abaixo) mostra a capacidade modelada em cinco Pontos Individuais de Suprimento de Rede. Como antes, a demanda média projetada está sobreposta em roxo. Cada GSP tem uma composição diferente de capacidade instalada, demanda e flexibilidade (definida aqui como armazenamento). Escolhemos esses cinco por serem GSPs particularmente interessantes – um tem grande demanda, outro muito vento, outro muita energia solar distribuída, um com bastante geração de base e um com uma boa mistura.

Esses modelos individuais de GSP podem nos dar uma boa ideia sobre o que as baterias podem fazer, dependendo de sua localização. (Neste artigo, focaremos em BOLN_1, MITY_1 e especialmente CREB_1. Mostramos os demais para ilustrar os diferentes tipos de composição que encontraremos nesses GSPs.)

Por exemplo, o GSP de Minety, em Wiltshire (MITY_1) – que atualmente possui uma bateria operacional de 100 MW instalada, além de outro sistema de armazenamento de energia de 49,9 MW que entrou recentemente em operação* – deve chegar a quase 700 MW de energia solar até 2025/26. Isso superará a demanda relativamente baixa durante os horários de maior sol. Assim, uma bateria ali poderia se carregar com o excedente de energia solar barata ao meio-dia, descarregar nos horários de pico, quando a demanda deve superar a oferta, e fornecer serviços auxiliares no restante do tempo.

* O gráfico acima modela 131 MW de armazenamento no GSP de Minety para 2025/26. Quem gosta de matemática vai notar que já há mais de 131 MW de capacidade instalada ali. Isso ocorre porque usamos os modelos FES 2021 para os gráficos deste artigo – e eles são apenas isso: modelos, sujeitos a erros.

Já o GSP de Bolney, em West Sussex (BOLN_1), deve apresentar alta demanda e pouca geração distribuída. Portanto, será um GSP importador líquido. O armazenamento nesse local provavelmente obterá receitas principalmente de serviços auxiliares, podendo também aproveitar oportunidades de arbitragem a partir do preço de importação no nó.

Como é o nosso nó?

Para nosso estudo de caso modelado, analisamos o que uma bateria poderia fazer em um nó GSP ao longo de um único dia em novembro de 2025. A Figura 4 (abaixo) mostra como esse dia poderia ser. Este nó simulado é baseado em Creyke Beck (CREB_1), embora com algumas diferenças. Escolhemos Creyke Beck por sua composição diversificada de geração.

• A geração solar é bem pequena, com fator de carga de 5% (por ser inverno). Há picos de geração “outros” vindos de usinas alimentadas por biogás, e bastante vento.
• A demanda residual no nó é negativa na maior parte do dia, ou seja, o nó exporta energia, com alguma importação durante a noite.
• Como resultado, o preço modelado é alto nos períodos de importação e baixo quando a geração renovável distribuída excede a demanda.

A Figura 5 (abaixo) mostra o mesmo nó, mas agora a conexão de importação e exportação está limitada a 200 MVA.

• A demanda residual ultrapassa o limite de exportação em alguns momentos do dia (entre 10h e 15h).
• Nesses períodos, os consumidores dentro do nó são incentivados a usar mais energia. Em vez de reduzir a geração, pode ser mais barato pagar para que os usuários consumam energia.
• É assim que chegamos ao “preço nodal”, que dispara quando o consumo de energia se aproxima do limite de exportação ou importação do nó.

O que faz nosso sistema de armazenamento de energia em baterias?

Modelamos um sistema de baterias de 50 MW / 100 MWh, com eficiência de ciclo de 85%. Permitimos que o sistema faça 1,75 ciclos neste dia. A Figura 6 (abaixo) mostra o cronograma de carga e descarga da bateria, de acordo com o preço nodal no nó do exemplo.

(No momento da redação, há um único ativo operacional de armazenamento de energia em baterias de 49,9 MW / 50 MWh no GSP CREB_1, ou Creyke Beck.)

• Quando o preço dispara durante a madrugada, a bateria descarrega.
• No meio do dia, quando a restrição de exportação seria excedida, a bateria carrega (e é remunerada por isso). Assim, o limite de exportação do nó não é ultrapassado, evitando a necessidade de corte de geração.
• A bateria então descarrega durante os períodos de preço mais alto ao final do dia.

Essa otimização é baseada apenas no preço nodal modelado: ou seja, o cronograma acima considera que a bateria está buscando apenas arbitragem em torno do preço nodal. Isso resulta em um longo período com pouca carga no sistema. Se outros fatores fossem considerados, como um requisito mínimo de energia armazenada ou receitas adicionais por disponibilidade para serviços auxiliares, a otimização mudaria para passar menos tempo em 0% de carga (mas as receitas de arbitragem diminuiriam)!

O que faz nosso sistema de armazenamento de energia em baterias na resposta de frequência?

Disponibilidade para serviços auxiliares

Como esse cronograma afeta a disponibilidade do ativo para prestar serviços auxiliares? A Figura 7 (abaixo) mostra isso.

Em teoria, uma bateria de 50 MW sem restrições teria 50 MW de disponibilidade para carga e 50 MW para descarga. No nosso nó, a disponibilidade é limitada – pela demanda residual, pelas restrições de importação/exportação e pela energia disponível na bateria (por exemplo, quando a bateria está vazia após a descarga noturna, não pode mais descarregar).

Também depende da potência da bateria. Se ela está carregando a 50 MW, pode parar de carregar e começar a descarregar. Nessa situação, pode descarregar 100 MW, mas tem 0 MW de disponibilidade para carga (pois já está carregando em potência máxima).

Ao moderar sua potência programada (com base na otimização pelo preço nodal), a bateria pode fornecer serviços auxiliares nos mercados nacionais, desde que esses serviços normalmente não exijam alta potência (ou seja, se forem de “baixa utilização”). Assim, participar desses serviços auxiliares não fará a energia do sistema se desviar muito do planejado (na maior parte do tempo). Dessa forma, a bateria ainda oferece a flexibilidade que o nó precisa, empilhando com outro serviço – e pode ganhar receitas por isso.

Como são os preços de liquidação?

A Figura 8 (abaixo) mostra os preços de liquidação nacionais para resposta de frequência no nosso dia modelado.

• Os preços médios são de £10/MW/h para o serviço de alta frequência e £8/MW/h para o serviço de baixa frequência.
• Como esse serviço é de baixa utilização (semelhante ao Dynamic Containment), nossa bateria pode ofertar o serviço além das atividades de trading no mercado atacadista.

A Figura 9 (abaixo) mostra a disponibilidade do serviço auxiliar da nossa bateria com esses preços de liquidação sobrepostos. Essa disponibilidade depende da potência programada de carga e descarga, da energia do sistema e da capacidade do nó para importar e exportar energia (já considerando a demanda residual).

• Quando a bateria está totalmente descarregando, por volta da meia-noite, a disponibilidade para descarregar é zero.
• Há apenas um período de liquidação (30, ou 13:30-14:00) em que nossa bateria tem disponibilidade zero para carga ou descarga. Isso porque está carregando totalmente, a partir de vazia – então não pode carregar mais, nem descarregar pois não possui energia armazenada.

Assumimos que esse serviço auxiliar é contratado por bloco EFA, e não por período de liquidação (como ocorre atualmente nos leilões). Devemos fornecer o volume vendido durante todo o bloco EFA. Portanto, temos que considerar a menor disponibilidade por bloco EFA como o volume que podemos ofertar no serviço, tanto para serviços de alta (carga) quanto de baixa (descarga). No cenário da figura 9 (acima), isso significa que a bateria não pode ofertar resposta de frequência durante EFA 1 e EFA 4 – pois em algum momento desses blocos tanto a disponibilidade de carga quanto a de descarga são zero.

Como a contratação por período de liquidação impactaria isso?

Esses limites de quanto e com que frequência a bateria pode fornecer resposta de frequência se devem ao mercado ser contratado por bloco EFA. Como dito acima, se em algum momento de um bloco de 4 horas a bateria não tiver disponibilidade, ela não pode fornecer o serviço durante essas quatro horas. Se isso parece ineficiente, é porque realmente é.

Se o mercado fosse diferente – de modo que a resposta de frequência fosse contratada por período de liquidação de meia hora, e não por bloco EFA de 4 horas – o que a bateria poderia fazer? A Figura 10 (abaixo) mostra quanto de resposta de frequência nossa bateria poderia fornecer durante o dia simulado se o serviço fosse contratado por período de liquidação.

• Nesse dia, a contratação por período de liquidação permitiria que a bateria fornecesse 120% mais volume do que com contratação por bloco EFA.

Se uma bateria pudesse alterar sua oferta a cada período de liquidação, conseguiria vender muito mais de sua flexibilidade disponível. Em teoria, a mudança para contratação por período de liquidação também beneficiaria o ESO. Essa capacidade de contratar o volume necessário de forma mais granular permitiria projeções de capacidade mais precisas. Não seria necessário contratar para “um dia chuvoso”, pois os volumes podem ser ajustados mais perto do tempo real. Além disso, a possibilidade de mais ativos ofertarem sua flexibilidade – ou seja, mais participantes no mercado – pode reduzir preços (pela maior concorrência). No entanto, provavelmente levaria a uma redução geral da capacidade contratada – o que significa um mercado menor para o armazenamento de energia em baterias atuar.

Então, quanto dinheiro nosso sistema de armazenamento de energia em baterias realmente ganha?

Agora que vimos a estratégia de otimização da nossa bateria, vamos analisar as receitas. A Figura 11 (abaixo) mostra as receitas modeladas do nosso sistema de baterias ao longo do dia de novembro no nó simulado. Há picos grandes de receitas de arbitragem em certos blocos EFA, com os serviços auxiliares fornecendo uma renda estável em outros momentos do dia.

Claro, precisamos considerar tudo isso com bastante cautela. Esses preços não representam necessariamente as oportunidades que podem surgir sob o preço nodal. Como referência, sistemas de armazenamento de energia em baterias de duas horas renderam em média £311,40/MWh/dia em novembro de 2021, quando houve volatilidade extrema no atacado. Sob o preço nodal, esperaríamos valores muito maiores em alguns nós, e bem menores em outros.

Conclusão

Ter os dados certos disponíveis, em formato comum e oportuno, será fundamental para aproveitar ao máximo a flexibilidade nodal. Embora o trabalho do otimizador (e de quem tenta modelar as oportunidades entre diferentes nós) possa ficar bem mais complexo, também pode se tornar mais interessante. No fim das contas, o sistema deve se beneficiar de menores custos de balanceamento!