A competitividade das fontes energéticas em uma abordagem de learning curves: uma proposição de regulação que incentive as tecnologias renováveis

• Ano de defesa: 2016
• Autor(a) principal: Barbosa, Solange Maria Kileber
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: curvas de aprendizagem; energia; energia renovável; Energy. Learning curves. Public policies. Regulation. Renewable energy; políticas públicas; regulação
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/106/106131/tde-14042016-094140/

O objetivo deste estudo foi estimar os efeitos da curva de aprendizado sobre a competitividade de fontes energéticas, tais como petróleo, carvão, gás natural, biomassa (etanol), hidroeletricidade, nuclear, eólica e fotovoltaica, e propor medidas regulatórias que incentivem as tecnologias renováveis. Para tanto, se propôs a utilização da abordagem de learning curves, que considera três efeitos principais para explicar a redução dos custos de produção: o efeito especialização (chamado de learning by doing), o efeito escala (scale effect) e o efeito da pesquisa e desenvolvimento - P&D (learning by searching). Identificou-se o peso desses efeitos por fonte energética com vistas a auxiliar no direcionamento de incentivos às energias renováveis, de modo a se decidir se a ênfase deve ser dada à especialização, escala ou P&D. Embora os modelos originais de learning curves tenham sido idealizados a partir da trajetória dos custos, devido a facilidades operacionais a literatura na área vem adotando o preço como proxy de custos. Neste estudo, a orientação do modelo a custos ou a preços foi objeto de uma avaliação através de análise concorrencial. Como resultado, verificou-se que a adoção de preços como proxy de custos mostrou-se possível para a maioria das fontes analisadas devido a um grau satisfatório de concorrência dos mercados relativos a essas fontes de energia. Uma vez definida a orientação do modelo, a metodologia proposta envolveu estimar os três efeitos por métodos econométricos. Os resultados indicaram que as fontes carvão, petróleo e gás, energia nuclear e fotovoltaica reagiram ao efeito aprendizado, embora não apresentassem resposta expressiva quanto aos gastos em P&D. Já as fontes eólica e etanol mostraram-se sensíveis aos gastos em P&D e ao efeito escala, sendo a escala também determinante dos preços da energia nuclear e hidroeletricidade. Esses resultados auxiliaram na proposição de medidas públicas específicas como estímulo às fontes renováveis.