A Suite DecisionTools da Palisade Ajuda a Enex a Determinar o Tempo Ótimo do Procurement de Equipamentos Multi-milionários da Planta de Geração de Energia Geotérmica na Europa

Histórico
Sediada em Reykjavík, Islândia, a Enex fornece servios de energia renovável, especializando-se no desenvolvimento de plantas de geração de energia geotérmica para gerar eletricidade e fornecer aquecimento distrital. A companhia busca oportunidades para usar energia geotérmica, bem como o design, engenharia, procurement e construção de uma variedade de plantas de geração de energia incluindo Plantas Combinadas de Vapor e Energia (CHP), Plantas de geração de energia por Vapor de Flash e Ciclo Binário e Sistemas de Aquecimento Distrital Geotérmico.

A Enex também atua como um investidor e forma joint ventures com parceiros locais para financiar, desenvolver, construir e operar projetos de energias renováveis. Seus mercados chave incluem Alemanha, Europa Oriental e Estados Unidos.

A companhia está planejando construir uma planta geotérmica na Europa. Na preparação para isto, e para maximizar os ganhos financeiros esperados, a Enex conduziu um estudo utilizando a The DecisionTools Suite da Palisade contendo softwares de análise de decisão e de risco para o Microsoft Excel. Os softwares da DecisionTools incluem o software PrecisionTree®, a ferramenta de análise de decisão da Palisade, e o software de análise de risco @RISK, a ferramenta de Simulação de Monte Carlo permitiram à Enex determinar a escala de tempo ótima para comprar os equipamentos (fazer o procurement) durante a construção desta nova planta geotérmica bem como o tamanho ótimo da planta.

Risco e Incerteza Financeira
Plantas de Energia Geotérmica são desenvolvidas para captar a energia térmica contida na crosta terrestre. Isto significa que o site identificado para construir a planta deve ser adequado para sua construção.

Os fatores geológicos chave que impactam no sucesso ou falha de um plante de energia geotérmica são a temperatura dos reservatórios, o fluxo de líquido dos poços (ou entalpia e pressão), profundidades até as quais os poços devem ser perfurados e as condições químicas da salmoura dentro dos poços. Estes definem a capacidade de produção de uma planta de energia geotérmica bem como influenciam os custos de investimentos e operação do projeto.

Como estas são condições naturais, há uma quantidade imensa de incerteza para os fornecedores de plantas de energia geotérmicas se o site selecionado será adequado para tal planta.

A Enex identificou para esta nova planta baseada em uma estimativa calculada do estudo de dados históricos e geológicos disponíveis para a região em questão. Entretanto, a Enex será capaz apenas de determinar se o site será viável para uma planta geotérmica quando começar a perfurar os poços. Isto significa que a Enex terá que incorrer em uma proporção do investimento financeiro geral do projeto adiante, sem qualquer certeza de sucesso.

Custo de equipamento constitui parte expressiva do investimento total
Em um projeto geotérmico, o custo de perfuração dos poços e da planta (ou seja, equipamento) são os fatores chaves que compõem a maior parte dos custos do projeto geotérmico. DE fato, cerca de 70 a 100 componentes que são comprados para uma planta podem ser responsáveis por algo entre 30 e 80 porcento do custo total do projeto. Isto chega a aproximadamente 1500-3500 /Kilo Watt de energia. A perfuração dos poços entre no balanço do custo.

Além disso, dada a precisão e complexidade de engenharia dos equipamentos de energia, alguns dos componentes mais caros como turbinas, trocadores de calor e bombas possuem tempos de entrega (lead times) muito longos. Por exemplo, o tempo de entrega desde o momento de pedido para uma turbina pode chegar a até 75 semanas.

Timing de pedido de equipamentos é crítico
Para assegurar que a construção e comissionamento da planta serão executados suavemente, com mínimo atraso e máxima rentabilidade, o timing para pedido de equipamentos com lead times longos é crítico.

Entretanto, identificar o tempo ótimo para pedir os componentes é muito difícil. Por exemplo, se a Enex pré-solicitar os equipamentos antes da primeira perfuração dos poços, há uma possibilidade que a companhia possa descobrir que após a perfuração ser completada (o que pode levar até cerca de quatro meses) que o poço possa ser fechado devido a condições sub-ótimas de poço com relação à temperatura, fluxo e profundidade do poço. Ou que os resultados da perfuração não sejam adequados para os componentes que foram pré-solicitados.

PrecisionTree usado para modelar cenários potenciais para solicitação de equipamentos
Para este estudo, a Enex fez duas premissas chave. Em primeiro lugar, a planta deve consistir de dois poços de produção. Em segundo lugar, se os resultados de perfuração em condições sub-ótimas de um poço ocorrerem duas vezes seguidas, o projeto deve ser considerado uma falha pois a localização não é adequada para uma planta geotérmica.

A questão crítica que a Enex precisava responder neste estudo era se era melhor comprar os componentes críticos com maior lead time de fabricação e entrega antes da primeira perfuração, após a última perfuração ou entre a primeira e última perfuração.

A Enex usou o PrecisionTree para modelar os diferentes tipos de eventos que poderiam potencialmente ocorrer se o equipamento for solicitado antes ou após as perfurações. Por exemplo, se o equipamento for pedido antes da perfuração do primeiro poço, embora isto assegure que o equipamento esteja disponível no tempo de uso, a Enex estará assumindo o risco de fazer um investimento substancial sem estar certo que haverá a necessidade para ele. Além disso a companhia precisará solicitar os componentes baseada em certas especificações que podem ou não ser adequadas para as condições dos poços. A possibilidade de um poço ser inadequado e ser fechado após a perfuração inicial é considerável. Assim, se o equipamento pré-solicitado for inadequado, a Enex irá incorrer em custos de cancelamento que podem estar na região de 20 porcento do custo do componente. Cumulativamente, através dos diferentes tipos de equipamentos que podem ser pedidos, este total pode chegar a um custo substancial.

Adicionalmente, após a última perfuração, a Enex potencialmente teria mais informação sobre o estado do poço e será capaz de melhor determinar as especificações de equipamentos para otimizar a eficiência da planta. Por exemplo, antes de perfurar, a Enex pode solicitar uma turbina que seja de maior capacidade que a necessária, tornando-a um componente mais caro que necessário. Alternativamente, a turbina pré-solicitada pode ser sub-especificada, o que poderia impactar significativamente os níveis de produção na planta de energia e a rentabilidade do projeto.

@RISK Usado para Avaliar probabilidade de sucesso e falha
Estes diferentes cenários levantados no modelo do PrecisionTree foram então avaliados pela Enex usando simulação de Monte Carlo com o @RISK, o que mostrou todos os potenciais resultados bem como a probabilidade de cada evento ocorrer.

Por exemplo, usando dados históricos e geológicos, a Enex usou o @RISK para simular o índice de produção e temperatura para estimar a distribuição potencial do pico de capacidade de produção da planta.

Adicionalmente, o @RISK permitiu à Enex estimar o tamanho ótimo da planta. Uma estimativa precisa do tamanho da planta é importante pois pode ter enormes ramificações nos custos e rentabilidade da planta, especialmente quando a pré-compra de equipamentos está sendo considerada. Por exemplo, se o equipamento pré-solicitado tem capacidade sub-ótima ou é menos poderoso do que solicitado, a Enex incorreria em um custo baseado na produção perdida pois os componentes não seriam adequados para otimizar a produção da planta. Pelo outro lado, se os equipamentos pré-solicitados são superdimensionados ou mais poderosos que requerido, a Enex incorreria em um custo de investimento não necessário para maiores componentes bem como a perda potencial de eficiência como resultado do gap entre o tamanho estimado de componentes durante a fase de design e as condições reais ser muito grande.

Usando uma combinação do PrecisionTree e do @RISK, a Enex pesou as vantagens e desvantagens de solicitar antecipadamente e postecipadamente o equipamento. Foi possível concluir com confiança que o tempo ótimo para a companhia pedir equipamentos para este projeto em questão era antes da primeira perfuração do poço. Custos de investimentos extras necessitariam aumentar cerca de aproximadamente 400 porcento, para garantir uma mudança nesta decisão. Há uma probabilidade de 89 porcento de sucesso para uma planta com o tamanho de 14,5 Mega Watts.

Para este tamanho de planta, pré-solicitando os equipamentos, a planta poderá começar a produção mais cedo e assim reduzir o tempo entre a construção e o momento em que a planta começará a gerar RECEITA.

Viktor Thorisson, analista na Enex comentou, “Usar a tecnologia sofistica da Palisade, as ferramentas PrecisionTree e @RISK sinalizaram que este forma não tradicional de abordagem para requerer os componentes críticos antes da primeira perfuração devem nos fornecer uma rentabilidade esperada mais elevada. Esperamos que a perfuração para esta planta na Europa comece em pouco tempo.”

 

Informação Adicional

Distribuições usadas
Normal Uniform Beta General pois eram as mais adequadas para os dados geológicos e históricos

Análise de Sensibilidade
Foi usada para analisar o impacto de redução de eficiência, produção perdida e investimento extra no VPL

Técnicas Quantitativas usadas
Para definir a probabilidade de sucesso do input na árvore de decisão, um índice de função de produção e temperatura foi plotada para fornecer uma Taxa Interna de Retorno de 10 porcento. A simulação foi então realizada usando o @RISK para avliar quantas iterações resultariam abaixo desta linha, como mostrado no gráfico 1.

Gráficos

Gráfico 1: Definição de falha como função da temperatura
e PI

Para definir que temperatura e que índice de produção (PI) deveria ser considerado falha, uma função foi composta de forma que deveria atingir uma Taxa Interna de Retorno do Capital Próprio (TIR) de 10%, o que representaria a mínima TIR para o projeto ser classificado como um sucesso.

Quando o PI se aproxima 0, a temperatura necessária para obter 10% de TIR se aproxima do infinito. Assim, todos os valores de PI menores que 0,2 e à esquerda da linha plotada são considerados como falha.

Gráfico 2: Sensibilidade do VPL para dois caminhos de decisão

O gráfico abaixo mostra que o custo de investimentos extra esperado devido a pré-pedidos dos equipamentos (ou seja, o investimento extra médio esperado devido a sub ou super dimensionamento do equipamento) seria necessário aumentar em aproximadamente 400% do valor base calculado para alterar a decisão ótima. Entretanto, pode ser visto que o decaimento da linha representando o VPL esperado do projeto, se o primeiro poço for perfurado antes de pedir os componentes muda quando o valor do eixo X é 200%. A figura representa um aumento de 200% no custo de investimento extra devido a pré-solicitar os componentes. Isto é devido ao fato que neste ponto, a decisão ótima na árvore de decisão é esperar até toda a perfuração esteja completa e assim o VPL não será afetado pelo custo de investimento extra como resultado de pré-solicitar os equipamentos.

» The DecisionTools Suite