Dissertacao Rafael Brandi

Rafael Bruno da Silva Brandi
Processo Iterativo de Construo da Funo de

Custo Futuro na Metodologia PDE-ConvexHull
Juiz de Fora - MG, Brasil
30 de maro de 2011
Rafael Bruno da Silva Brandi
Processo Iterativo de Construo da Funo de
Custo Futuro na Metodologia PDE-ConvexHull
Dissertao submetida ao corpo docente do
Curso de Mestrado do Programa de Ps-
Graduao em Engenharia Eltrica da Facul-
dade de Engenharia da Universidade Federal de
Juiz de Fora, como requisito parcial para obten-
o do Grau de Mestre em Engenharia Eltrica,
rea de Concentrao em Sistemas de Energia
Eltrica.
Orientador:
Andr Lus Marques Marcato, D.Sc.
PROGRAMA DE PS-GRADUAO EM ENGENHARIA ELTRICA
FACULDADE DE ENGENHARIA
UNIVERSIDADE FEDERAL DE JUIZ DE FORA
Juiz de Fora - MG, Brasil
30 de maro de 2011

Brandi, Rafael Bruno da Silva.
Processo iterativo de construo da funo de custo futuro na
metodologia PDE-ConvexHull / Rafael Bruno da Silva Brandi. 2011.
119 f. : il.

Dissertao (Mestrado em Engenharia Eltrica)Universidade Federal
de Juiz de Fora, Juiz de Fora, 2011.

1. Engenharia eltrica. I. Ttulo.

CDU 621.3

Resumo
O Sistema Eltrico Brasileiro (SEB) apresenta caractersticas peculiares devido s grandes
dimenses do pas e pelo fato da gerao eltrica ser proveniente predominantemente de usi-
nas hidrulicas que proporcionam ao sistema a capacidade de uma regularizao plurianual dos
seus reservatrios. As auncias nestas usinas so estocsticas e muitas vezes apresentam com-
portamentos complementares entre as diversas regies do pas, o que incentiva a existncia de
grandes intercmbios energticos entre os subsistemas atravs do Sistema Interligado Nacional
(SIN).
O planejamento da operao no horizonte de mdio/longo prazo no pas (que compreende
a um perodo de 5 a 10 anos frente com discretizao mensal) realizado por uma cadeia
de modelos computacionais validados pelos principais agentes que atuam no SEB (comerci-
alizao, gerao, transmisso e distribuio de energia). O principal modelo desta cadeia, a
qual desenvolvida pelo Centro de Pesquisas de Energia Eltrica/ELETROBRS, o modelo
NEWAVE que baseia-se na tcnica de Programao Dinmica Dual Estocstica (PDDE) para a
determinao da poltica eletroenergtica de mdio prazo.
O objetivo deste trabalho implementar um modelo computacional para o planejamento
da operao de mdio prazo utilizando a metodologia de Programao Dinmica Estocstica
conjuntamente ao algoritmo de fechos convexos (PDE-ConvexHull) de uma forma computaci-
onalmente eciente (Fast-PDE-ConvexHull). Isto porque observou-se que quando utiliza-se a
tcnica da PDE-ConvexHull, um nmero elevado de hiperplanos so obtidos na composio das
funes de custo futuro e, com isto, os diversos problemas de programao linear a serem resol-
vidos durante o processo iterativo podem tornar-se maiores, aumentando consideravelmente o
tempo da execuo do clculo da poltica operativa. Sendo assim, a principal contribuio deste
trabalho apresentar uma nova metodologia para a representao da funo de custo futuro
no problema de programao linear na qual o tempo computacional se torne menos sensvel ao
nmero de hiperplanos obtidos pelo algoritmo de fechos convexos. Ressalta-se que tambm so
utilizadas tcnicas de computao paralela com o objetivo de tornar o processo mais eciente.
A metodologia foi utilizada para o clculo do planejamento de mdio prazo do SEB, base-
ando-se em subsistemas equivalentes de energia. A metodologia Fast-PDE-ConvexHull foi
incorporada a uma plataforma computacional, desenvolvida em C++/Java, capaz de considerar
o mesmo conjunto de dados utilizado pelos modelos ociais do SEB, compondo assim um
modelo robusto para a resoluo do problema.
Primeiramente, para ns de validao da metodologia proposta, comparou-se os resultados
obtidos pela metodologia da Fast-PDE-ConvexHull com os resultados obtidos pela utilizao
da tcnica da PDE-ConvexHull com o objetivo vericar o ganho computacional e a aderncia
dos resultados.
Por m, como a plataforma computacional desenvolvida capaz de utilizar o conjunto
de dados ociais disponibilizados para o SIN, fez-se o uso do Programa Mensal de Operao
(PMO) de janeiro de 2011, disponibilizado pelo Operador Nacional do Sistema (ONS), como
caso de estudo para comparao dos resultados obtidos pela metodologia proposta com os re-
sultados obtidos pelo modelo NEWAVE.
Palavras-chave: Planejamento da Operao, Sistemas Hidrotrmicos, Programao Din-
mica Estocstica, Fechos Convexos, Processamento Paralelo.
Abstract
The Brazilian National Grid (BNG) presents peculiar characteristics due to the huge terri-
tory dimensions and by the fact that the electricity generation is predominantly originated from
hydraulic plants that provide for the system the capacity of a pluriannual regularization of the
reservoirs. The water inows to these plants are stochastic and often present complementary
behavior among the regions of the country, stimulating the existence of big amounts of energy
exchanges between the subsystems through the national grid.
The long term operation planning problem (that includes a period of 5 to 10 years ahead
with monthly discretization) is made by a chain of computational models that are validated by
the main agents that act on BNG (commercialization, generation, transmition and distribution
of energy). The primary model of this chain, which is developed by Electric Energy Research
Center/ELETROBRS, is the NEWAVE model, which is based on the Stochastic Dual Dyna-
mic Programming (SDDP) for electroenergetic policy determination on a long term horizon.
This work has the objective of implement a computational model for the mid/long term ope-
ration planning using the Stochastic Dynamic Programming (SDP) together with the Convex
Hull algorithm (PDE-ConvexHull) in a computationally efcient way (Fast-PDE-ConvexHull).
This is because it was observed that when utilizing the PDE-ConvexHull technique, an eleva-
ted amount of hyperplanes are obtained for the composition of the cost-to-go function. So,
the different linear programming problems to be solved during the iterative process can be
turned larger, increasing the execution time for the operational policy calculus in a considera-
bly manner. Thus, the main contribution of this work is to present a new methodology (Fast-
PDE-ConvexHull) for the representation of the cost-to-go function on the linear programming
problems where the computational time become less sensible to the number of hyperplanes ob-
tained from the Convex Hull algorithm. It is highlighted that techniques of parallel computing
was employed in order to turn the process more efcient.
The methodology was utilized for the BNGs long term planning calculus, based on the
equivalent subsystems of energy. The methodology Fast-PDE-ConvexHull was incorporated
to a computational platform, developed in C++/Java programming language, that is able to
consider the same data set used by the ofcial models acting on the BNG, compounding a
robust model for the resolution of the problem.
Firstly, in order to validate the proposed methodology, the results obtained from the Fast-
PDE-ConvexHull are compared with those obtained fromthe utilization of the PDE-ConvexHull
technique aiming to verify the computational gain and the adherence between both results.
Finally, as the elaborated computational platform is capable to use the ofcial data set
available for the NG, it was possible the utilization of the Monthly Operational Program (MOP)
of January 2011, released by the Independent System Operator (ISO), as the study case for
comparing the results obtained by the proposed methodology with the results obtained from the
NEWAVE model.
Keywords: Operation Planning, Hydrothermal Systems, Stochastic Dynamic Program-
ming, Convex Hull, Parallel Processing.
Dedicatria
"Dedico este trabalho a Deus, presente em todos os
momentos da minha vida e em tudo que fao
Aos meus queridos pais e irmos
Ao professor Andr Marcato, responsvel pelos meus
primeiros passos na pesquisa e concluso deste trabalho
Agradecimentos
Deus pela vida, pelas boas oportunidades, por trazer-me discernimento e certeza de que
sou capaz de realizar meus sonhos.
Aos meus queridos pais por terem trabalhado e lutado sempre por mim e acima de tudo,
por terem me dado valores, me ensinado a importncia da simplicidade, da honestidade, do
amor e do respeito.
minha irm, ou "irme" Juliana, minha maior fonte de incentivo.
Ao meu av Miguel (in memorian) e a minha av Maria por todo carinho e amor forne-
cido.
s pessoas da minha famlia que torcem por mim.
Ao orientador, professor e amigo Andr Lus Marques Marcato pela grande ateno,
conana e apoio durante toda minha formao.
Duke Energy, na pessoa do Engenheiro Anderson Iung, por ter executado o modelo
computacional NEWAVE emsuas instalaes e, emseguida, ter cedido os resultados produzidos
para a utilizao no presente trabalho.
Ao amigo Tales Pulinho pelas idias e conselhos que muito contriburam para este e outros
trabalhos realizados.
Aos amigos Ivo, Bruno Dias, Joo Alberto e Marcelo Tomim pelo fomento de discusses
e incentivo que muito me ajudaram no amadurecimento do trabalho.
Ao amigos de graduao Anderson e Leandro Manso e aos amigos de longa data, Carlos,
Vincius, Wiliam e Jordan pela amizade sincera e nimo para realizao de todas as atividades.
CAPES, pelo Apoio Financeiro.
Sumrio
Lista de Figuras
Lista de Tabelas
Nomenclatura 17
1 Introduo 21
1.1 Consideraes Iniciais e Reviso Bibliogrca . . . . . . . . . . . . . . . . . . 21
1.2 Breve Histrico do Planejamento Energtico do SIN . . . . . . . . . . . . . . . 26
1.3 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.4 Publicaes Decorrentes da Pesquisa . . . . . . . . . . . . . . . . . . . . . . . 28
1.5 Estrutura da Dissertao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2 Aspectos da Representao de um Sistema Hidrotrmico 31
2.1 Consideraes Iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Dados Sistmicos do Programa de Operao Mensal . . . . . . . . . . . . . . 32
2.2.1 Sistema de Gerao Termoeltrico . . . . . . . . . . . . . . . . . . . . 32
2.2.2 Demanda Energtica . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.3 Patamares de Carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.4 Patamares de Dcit . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.5 Intercmbio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3 Sistemas Equivalentes de Energia . . . . . . . . . . . . . . . . . . . . . . . . 36
2.3.1 A Agregao de Reservatrios . . . . . . . . . . . . . . . . . . . . . . 39
2.3.2 Parmetros do Sistema Equivalente . . . . . . . . . . . . . . . . . . . 40
2.3.3 Parbolas de Correo . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3 Despacho da Operao em Sistemas Equivalentes de Energia 50
3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2 Tcnicas de Programao Dinmica Aplicadas ao Problema de Longo e Mdio
Prazo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3 Formulao Matemtica do Problema de Longo e Mdio Prazo . . . . . . . . . 57
3.3.1 Funo Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.3.2 Restries de Atendimento Demanda . . . . . . . . . . . . . . . . . 58
3.3.3 Restries de Balano Energtico nos Reservatrios Equivalentes de
Energia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.3.4 Restries de Gerao Hidrulica Mxima Controlvel . . . . . . . . . 61
3.3.5 Equaes de Ns Fictcios . . . . . . . . . . . . . . . . . . . . . . . . 62
3.3.6 Equaes da Funo de Custo Futuro . . . . . . . . . . . . . . . . . . 62
3.3.7 Limites das Variveis ou Restries de Canalizao . . . . . . . . . . . 63
4 Programao Dinmica Estocstica e Algoritmo de Fechos Convexos
(PDE-ConvexHull) 65
4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2 Algoritmo Geral da Programao Dinmica Estocstica . . . . . . . . . . . . . 65
4.3 Algoritmo de Fechos Convexos . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4 Utilizao da PDE Conjuntamente ao Algoritmo de Fechos Convexos (PDE-
ConvexHull) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5 Processo Iterativo de Utilizao da Funo de Custo Futuro 74
5.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.2 Algoritmo Proposto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
5.3 Exemplo Didtico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6 Processamento Paralelo Aplicado Programao Dinmica Estocstica 90
6.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.2 Mtricas de Desempenho em Sistemas Paralelos . . . . . . . . . . . . . . . . . 92
6.2.1 Fator de Acelerao . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.2.2 Ecincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.2.3 Granularidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.3 Interfaces de Programao Paralela . . . . . . . . . . . . . . . . . . . . . . . . 93
6.4 Aplicao do Processamento Paralelo Programao Dinmica Estocstica . . 95
7 Estudo de Caso 97
7.1 Caso Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
7.2 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
7.2.1 Comparao entre as Metodologias PDE-ConvexHull e
Fast-PDE-ConvexHull . . . . . . . . . . . . . . . . . . . . . . . . . . 98
7.2.2 Levantamento dos Pers da Computao Paralela . . . . . . . . . . . . 102
7.2.3 Comparao com o NEWAVE . . . . . . . . . . . . . . . . . . . . . . 104
8 Concluses 114
8.1 Consideraes Gerais e Principais Contribuies . . . . . . . . . . . . . . . . 114
8.2 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
Referncias Bibliogrcas 118
Lista de Figuras
1.1 Complementaridade hidrolgica dos subsistemas . . . . . . . . . . . . . . . . 22
1.2 Horizontes de estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3 Sistemas equivalentes de energia . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4 Relao entre a energia armazenvel mxima e a carga do SIN . . . . . . . . . 24
1.5 Consequncias da deciso operativa de um sistema hidrotrmico . . . . . . . . 25
1.6 Funo de custo imediato, custo futuro e custo total . . . . . . . . . . . . . . . 26
2.1 Evoluo da carga prpria mensal de um sistema ctcio . . . . . . . . . . . . 33
2.2 Discretizao dos patamares . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3 Exemplo de n de interligao no SIN . . . . . . . . . . . . . . . . . . . . . . 36
2.4 Topologia hidrulica do SIN . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.5 Sistema ctcio para construo do exemplo didtico. . . . . . . . . . . . . . . 43
2.6 Parbolas de correo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.1 Esquema de ocorrncia das auncias na PDEI . . . . . . . . . . . . . . . . . 55
3.2 Esquema de ocorrncia de auncias na PDE considerando a tendncia hidro-
lgica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.1 Exemplos de conjunto convexo e no-convexo . . . . . . . . . . . . . . . . . . 66
4.2 Exemplos de fechos convexos . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.3 Pontos aleatrios em um plano bidimensional . . . . . . . . . . . . . . . . . . 68
4.4 Algoritmo QuickHull Passo 1 . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.9 Conjunto convexo no plano tridimensional: (a) Conjunto aleatrio de pontos e
(b) Conjunto convexo obtido . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.10 Algoritmo da obteno das funes de custo futuro da PDE utilizando fechos
convexos (PDE-ConvexHull) . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.11 Invlucro convexo obtido do algoritmo de fechos convexos . . . . . . . . . . . 72
4.12 Conjunto de planos de corte que aproximam a FCF . . . . . . . . . . . . . . . 72
4.13 Detalhamento do Bloco 1 Algoritmo para obteno dos custos de operao . 73
5.1 Algoritmo proposto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.2 Sistema utilizado no exemplo didtico . . . . . . . . . . . . . . . . . . . . . . 78
5.3 Resultado obtido no estgio 3: (a) pontos obtidos pela PDE e (b) cortes obtidos
pelo algoritmo de fechos convexos (Bloco 2) . . . . . . . . . . . . . . . . . . . 82
5.4 Exemplo de interpolao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.5 Resultado do algoritmo da PDE e algoritmo de fechos convexos Estgio 2 . 89
6.1 Cluster de computadores tipo Beowulf genrico . . . . . . . . . . . . . . . . . 91
6.2 Algoritmo da obteno das funes de custo futuro da PDE utilizando fechos
convexos e programao paralela . . . . . . . . . . . . . . . . . . . . . . . . . 95
7.1 Perl de execuo obtido no uso da metodologia PDE-ConvexHull . . . . . . 100
7.2 Perl de execuo Metodologia Fast-PDE-ConvexHull (Vericao do ganho)100
7.3 Perl de execuo Metodologia Fast-PDE-ConvexHull (Vericao do com-
portamento) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
7.4 Aproximao do tempo de resoluo dos PPLs em funo do nmero de cortes 101
7.5 Caracterstica do tempo de resoluo na metodologia Fast-PDE-ConvexHull . 102
7.6 Fator de acelerao do algoritmo paralelo . . . . . . . . . . . . . . . . . . . . 103
7.7 Ecincia do algoritmo paralelo . . . . . . . . . . . . . . . . . . . . . . . . . 103
7.8 Custo mdio de operao mensal 11 discretizaes . . . . . . . . . . . . . . 106
7.9 Valor esperado de energia armazenada 11 discretizaes . . . . . . . . . . 106
7.10 Atendimento restrio de vazo mnima no modelo NEWAVE . . . . . . . . 107
7.11 Valor esperado da gerao hidrulica 11 discretizaes . . . . . . . . . . . 108
7.12 Valor esperado de gerao trmica 11 discretizaes . . . . . . . . . . . . . 108
7.13 Valor esperado do CMO 11 discretizaes . . . . . . . . . . . . . . . . . . 109
7.14 Valor esperado de dcit 11 discretizaes . . . . . . . . . . . . . . . . . . 109
7.15 Custos mensais obtidos por diversas discretizaes e comparao como NEWAVE
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
7.16 Custo de operao mensal para a srie de 1949 11 discretizaes . . . . . . 111
7.17 Custo de operao mensal para a srie de 1949 3 discretizaes . . . . . . . 111
7.18 Valor esperado de energia armazenada no SIN (Srie de 1949) 11 discretiza-
es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.19 Valor esperado de energia armazenada no SIN (Srie de 1949) 3 discretiza-
es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.20 Valor esperado de dcit 3 discretizaes . . . . . . . . . . . . . . . . . . 112
7.21 Custo de operao mensal para a srie de 1982 11 discretizaes . . . . . . 113
7.22 Custo de operao mensal para a srie de 1982 3 discretizaes . . . . . . . 113
Lista de Tabelas
1.1 Capacidade de gerao no Brasil . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.1 Parmetros do sistema equivalente utilizado no exemplo didtico . . . . . . . . 78
5.2 Parmetros das termeltricas utilizadas no exemplo didtico . . . . . . . . . . 79
5.3 Cenrios de auncia ao reservatrio equivalente . . . . . . . . . . . . . . . . 79
5.4 Tabela de custos encontrados para o ltimo estgio do problema . . . . . . . . 81
5.5 Coecientes dos cortes obtidos da resoluo do estgio 3 . . . . . . . . . . . . 82
5.6 Tabela de custos encontrados para o estgio 2 do problema . . . . . . . . . . . 88
7.1 Comparao entre as metodologias PDE-ConvexHull e Fast-PDE-ConvexHull 99
7.2 Tempo total de processamento em funo do nmero de processadores utiliza-
dos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
7.3 Estatstica dos custos das simulaes . . . . . . . . . . . . . . . . . . . . . . 105
Nomenclatura
t
(X
t
) Valor do custo futuro, que o custo esperado de operao do perodo t ao
nal do horizonte, em funo dos estados do sistema (R$ 730).
Subconjunto de que contm os cortes que so utilizados diretamente na
resoluo do PPL.
Taxa de desconto monetrio (pu).
Coleo de todos os cortes que formam a funo de custo futuro (
t+1
).
EA
i,t
Energia Armazenvel Mxima do sistema i no estgio t (MWms).
g
T
i, j,t
Gerao trmica mxima totalizada na classe trmica j do sistema i no pe-
rodo t (MWmdio).
int
i, j,k,t|i=j
Valor mximo de intercmbio do sistema i para o sistema j no estgio t
(MWmdio).
D
pd
Custo de dcit associado ao patamar de dcit pd (R$/MWh).
T
i, j,t
Custo de gerao associado classe trmica j do sistema i e perodo t
(R$/MWh).
j,t
(Vol) Produtibilidade da usina j no perodo t correspondente ao volume Vol
(MW/m
3
/s).
eq
j,t
(Vol) Produtibilidade equivalente da usina j no perodo t do volume mnimo ao
volume Vol (MW/m
3
/s).
g
T
i, j,t
Gerao trmica mnima totalizada na classe trmica j do sistema i no pe-
rodo t (MWmdio).
A
t
Vetor de auncias incrementais ao sistema no perodo t.
a
XXX
i,t
Coeciente do termo quadrtico da parbola para o clculo da grandeza
XXX em funo da energia armazenada inicial, onde i identica o sistema
e t o estgio.
b
XXX
i,t
Coeciente do termo linear da parbola para o clculo da grandeza XXX
em funo da energia armazenada inicial, onde i identica o sistema e t o
estgio.
C
t
(U
t
) Custo operativo relacionado deciso operativa U
t
, tambm denotado por
parcela de custo imediato (R$ 730).
c
XXX
i,t
Coeciente do termo independente da parbola para o clculo da grandeza
XXX em funo da energia armazenada inicial, onde i identica o sistema
e t o estgio.
COEFA
c,i,t
Coeciente relativo participao do sistema i no c-simo corte ou hiper-
plano que compe a funo de custo futuro do perodo t.
COEFB
c,t
Coeciente relativo ao termo independente do c-simo corte ou hiperplano
que compe a funo de custo futuro do perodo t.
de f
i,pc,pd,t
Dcit ocorrido no sistema i e estgio t dentro do patamar de carga pc e
patamar de dcit pd (MWmdio).
DEMANDA
i,t
Demanda de energia ser suprida no sistema i e perodo t (MWmdio).
DEMLIQ
i,k,t
Demanda lquida do sistema i no patamar de carga k, igual ao mercado
de energia ponderado pela profundidade do patamar abatida da gerao de
pequenas usinas, gerao trmica mnima e submotorizao no perodo t
(MWmdio).
DPMERC
k,t
Durao do patamar de carga k no perodo t (pu).
E
A
t
|X
t
Valor esperado de custo de acordo com todos os valores possveis de aun-
cias contidos em A
t
, condicionado pelo vetor de estados X
t
(conhecido no
incio do estgio) (R$ 730).
EC
i,t
Energia controlvel do sistema i no perodo t (MWms).
EDSVC
i,t
_
EA
i,t
_
Energia de desvio controlvel do sistema i no perodo t corrigida pelo ar-
mazenamento inicial do sistema (MWms).
EDSVF
i,t
Energia de desvio o dgua do sistema i no perodo t (MWmdio).
E f Ecincia computacional de um programa paralelo.
EFIO
i,t
Energia auente o dgua lquida ao sistema i no perodo t (MWmdio).
evert
i,t
Energia vertida no sistema i no perodo t (MWms).
EVM
i,t
Energia para enchimento do volume morto no sistema i e perodo t (MW-
ms).
EVMIN
i,t
_
EA
i,t
_
Energia de vazo mnima controlvel do sistema i no perodo t, corrigida
pelo armazenamento no incio do perodo (MWmdio).
EVP
i,t
_
EA
i,t
_
Energia evaporada no sistema i no perodo t corrigida pelo armazenamento
inicial do sistema (MWms).
exc
i,k,t
Excesso de energia no sistema i, patamar de mercado k e perodo t (MW-
mdio).
f
ps
Frao de tempo gasto na parte no-paralelizvel em relao ao tempo total
serial.
FATOR
t
Constante utilizada para converter m
3
/s em hm
3
/ms e pode ser calculada
de acordo com o nmero de dias do ms.
FCEA
i,t
Fator de correo da energia armazenada no sistema i no perodo t.
FCEC
i,t
_
EA
i,t
_
Fator multiplicativo para correo da energia controlvel, relativo ao sis-
tema i no perodo t, corrigido pelo armazenamento inicial do sistema.
g
T
i, j,pc,t
Gerao trmica total na classe trmica j do sistema i e estgio t dentro do
patamar de carga pc (MWmdio).
ghidr
i,k,t
Gerao hidrulica do sistema i no patamar de carga k no perodo t (MW-
mdio).
GHMAX
i,t
_
EA
i,t
_
Gerao hidrulica mxima do sistema i no perodo t, corrigida pelo arma-
zenamento inicial do sistema (MWmdio).
int
i, j,k,t|i=j
Intercmbio do sistema i para sistema j, no patamar de carga k, sendo sem-
pre i diferente de j no perodo t (MWmdio).
J
j
Conjunto composto pela usina j e todas as usinas jusante de j.
NCLT
i
Nmero de classes trmicas no sistema i.
NPDF Nmero de patamares de dcit.
NPMC Nmero de patamares de mercado.
NSIS Nmero de sistemas.
NUSI
i
Nmero de usinas com reservatrio do sistema i.
PEQUSI
i,t
Gerao proveniente das Pequenas Centrais Hidreltricas no sistema i e
perodo t (MWmdio).
PPMERC
i,k,t
Profundidade do patamar de carga k, sistema i e estgio t (pu).
S(p) Fator de acelerao ou speedup obtido para um nmero p de processadores.
SUBMOT
i,t
Gerao proveniente das usinas submotorizadas no sistema i e perodo t
(MWmdio).
t
p
Tempo gasto por um programa que utiliza p processadores de forma para-
lela (s).
t
S
Tambm chamado tempo sequencial o tempo gasto na computao de
um dado problema utilizando-se de apenas um processador (s).
U
t
Vetor com as decises obtidas no perodo t e determina o estado em que o
sistema se encontrar ao nal do mesmo ou seja, denir X
t+1
.
VMAX
j
Volume mximo da usina j (hm
3
).
VMIN
j
Volume mnimo da usina j (hm
3
).
VUTIL
j
Volume til da usina j (hm
3
).
X
t
Vetor de variveis que denem o estado inicial do sistema no perodo t.
z
t
(X
t
, A
t
) Valor do custo timo de operao no perodo t de acordo com a funo
custo futuro esperado e sujeito ao estado inicial dos armazenamentos X
t
e
ao conjunto de auncias A
t
no perodo t (R$ 730).
1 Introduo
1.1 Consideraes Iniciais e Reviso Bibliogrca
O sistema de produo de energia eltrica brasileiro, com caractersticas nicas no mundo,
um sistema hidrotrmico de grande porte com forte predominncia de usinas hidreltricas,
como indicado na Tabela 1.1 (EPE, 2011).
Tabela 1.1: Capacidade de gerao no Brasil
FONTE CAPACIDADE INSTALADA PARTICIPAO
(MW) (%)
Hidrulica
a
74.279 71,7
Trmica 13.302 12,8
Nuclear 2.007 1,9
Fontes Alternativas 7.645 7,4
Importao Contratada
b
6.365 6,1
Total 103.598 100,0
a
Inclui a parte brasileira da UHE Itaipu (7.000 MW)
b
Importao da UHE Itaipu no consumida pelo sistema eltrico Paraguaio.
Adicionalmente, os componentes do Sistema Interligado Nacional (SIN) advm de mlti-
plos proprietrios, que so os agentes do SIN. Sendo assim, o gerenciamento do sistema se torna
uma tarefa complexa, pois a predominncia da gerao hidrulica implica que a operao do
sistema possui uma alta dependncia das auncias, que ocorrem de forma estocstica e, alm
disso, dado que os empreendimentos que compem o SIN provm de proprietrios diversos, a
operao do sistema no pode ser realizada sob a tica simplesmente econmica das empresas
detentoras, pois o SIN deve possuir uma operao eciente e, sobretudo, segura.
Como as usinas hidreltricas so geralmente construdas em locais distantes dos centros de
carga tornou-se necessria a construo de um extenso sistema de transmisso possibilitando
1.1 Consideraes Iniciais e Reviso Bibliogrca 22
a troca de energia entre regies. Com isso pode-se tambm obter vantagens da diversidade
do comportamento hidrolgico entre as diferentes bacias hidrogrcas distribudas ao longo
do extenso territrio brasileiro, aproveitando a complementaridade dos regimes hidrolgicos
existente entre elas, conforme mostrado na Figura 1.1.
Figura 1.1: Complementaridade hidrolgica dos subsistemas
A operao coordenada do sistema eletroenergtico realizada de forma a minimizar os
custos globais de produo de energia eltrica e este objetivo atingido com base na interde-
pendncia operativa entre as usinas, na interconexo dos sistemas eltricos e na integrao dos
recursos de gerao e transmisso no atendimento da demanda.
Porm, devido a diversos fatores como restries de utilizao das usinas trmicas, no li-
nearidades das funes de produo das usinas hidrulicas, incertezas quanto s auncias, so-
mado ao nmero de aproveitamentos e estgios considerados, a operao coordenada do sistema
um problema de grande porte (MARCATO, 2002). Isto obriga a adoo de simplicaes que
consistem na diviso em subproblemas com diferentes horizontes de estudo (FORTUNATO et
al., 1990). Deste modo, deve-se equilibrar, por meio de uma cadeia de modelos acoplados, a
representao da estocasticidade das auncias e das no linearidades do problema atravs de
graus de detalhamento diferenciados sob diversicados horizontes de estudo, conforme ilus-
trado na Figura 1.2.
Figura 1.2: Horizontes de estudo
No planejamento da operao de curto prazo, a estocasticidade das auncias represen-
tada de forma simplicada, enquanto que os componentes do sistema so representados de
forma mais detalhada. Por exemplo, as usinas devem ser representadas individualmente com as
decorrentes no-linearidades da funo de produo e as diversas restries operativas e, alm
disso, a rede de transmisso considerada de uma forma mais realista.
No planejamento da operao de mdio/longo prazo, a estocasticidade das auncias deta-
lhadamente representada, com uma abordagem mais complexa do processo estocstico. Porm,
o sistema representado de maneira simplicada, pois as usinas no so representadas indivi-
dualmente devido agregao dos reservatrios em sistemas equivalentes de energia. Sendo
assim, as no-linearidades so representadas de forma indireta, o sistema de transmisso re-
presentado como sendo somente um conjunto de restries de importao e exportao entre
regies e a operao interpretada como sendo o comportamento global do sistema em questo
(TERRY et al., 1980). A Figura 1.3 ilustra o procedimento de agregao dos reservatrios e
montagem do sistema equivalente.
Figura 1.3: Sistemas equivalentes de energia
O perodo que compreende o planejamento de mdio prazo de 5 anos para o SIN devido
a estudos realizados no passado relativos capacidade de regularizao dos reservatrios. Po-
rm, devido a fatores principalmente ambientais, os novos empreendimentos geralmente no
possuem uma capacidade de armazenamento to grande como a existente nas usinas j cons-
trudas at ento. A Figura 1.4 (EPE, 2011) ilustra, de forma indireta, a reduo na capacidade
de regularizao do sistema e, assim, estudos podem ser realizados no intuito de determinar um
prazo mais adequado para o horizonte de estudo.
Figura 1.4: Relao entre a energia armazenvel mxima e a carga do SIN
O objetivo do planejamento da operao de mdio prazo a determinao de uma estratgia
de produo de energia que minimize o valor esperado dos custos operativos no horizonte de
planejamento considerado. Nestes custos incluem-se os gastos com combustveis das usinas
termeltricas, eventuais compras de energia de sistemas vizinhos e os custos de dcit, que
reetem o prejuzo sociedade quanto ao no atendimento pleno da demanda.
Observa-se que a gua, priori, no possui custo para a gerao eltrica
(FORTUNATO et al., 1990), porm, o gerenciamento dos recursos hdricos pode afetar de
forma intensa o custo de operao do sistema em perodos posteriores. Isto porque, embora
parea que a estratgia tima seja utilizar o mnimo possvel de gerao trmica em um curto
prazo, a estocagem da gua pode vir a ser importante, visto que a gua disponvel no futuro
depender dos regimes da chuva, o que pode implicar em uma operao insegura. Conclui-
se que, pelo fato do sistema brasileiro ser predominantemente hidrulico e das auncias se
comportarem de forma estocstica, o sistema se torna bastante sensvel a parmetros incertos .
Desta forma, o sistema composto por reservatrios de gua com o objetivo de possibilita-
rem a estocagem de gua para suprir os possveis perodos de seca, aumentando a conabilidade
do mesmo. Neste contexto, o maior desao do planejamento de mdio/longo prazo est em de-
terminar uma operao que leva em conta o custo de operao de uma dada deciso operativa,
somada ao custo esperado advindo da deciso tomada em perodos futuros. A Figura1.5 (MAR-
CATO, 2002) ilustra as possibilidades presentes nesta anlise.
Figura 1.5: Consequncias da deciso operativa de um sistema hidrotrmico
O uso da gua estocada garante uma operao menos onerosa no presente, porm pode
impactar em um alto custo de energia no futuro, caso haja uma baixa auncia, j que a ener-
gia dever ser gerada por fonte trmica de custos possivelmente elevados podendo, inclusive,
ocorrer o no suprimento da demanda. Do contrrio, caso se decida operar o sistema com a
utilizao de gerao trmica no estgio atual e ocorra uma auncia alta, haver um desper-
dcio de gerao trmica no presente ou at mesmo a necessidade de vertimento de gua, que
impactam em um aumento no custo de operao acima do necessrio para garantir a segurana
do sistema.
1.2 Breve Histrico do Planejamento Energtico do SIN 26
Esta dualidade no processo decisrio faz com que o custo de operao seja composto pelo
custo presente mais o custo futuro, representados na Figura 1.6 (SILVA, 2001) atravs de curvas
que representam os custos atual, futuro e total, em funo do nvel de armazenamento nal de
um determinado estgio. Desta forma, explica-se o porqu de apesar do custo da gua ser
considerado igual a zero a sua utilizao ou no em um determinado ms resulta em custo
futuro associado a esta deciso. Atravs desta metodologia, a utilizao da gua tem um custo
indireto incorporado ao problema atravs da funo de custo futuro.
Figura 1.6: Funo de custo imediato, custo futuro e custo total
Em resumo, a operao do sistema hidrotrmico ser realizada atravs da determinao de
uma estratgia de produo de energia que minimize o valor esperado dos custos operativos no
horizonte de planejamento considerado, o que equivale a encontrar o estado operativo em que a
soma das parcelas de custo imediato e futuro seja mnima.
Denido o problema, apresenta-se na prxima seo o histrico do planejamento hidrotr-
mico no contexto brasileiro e as demais referncias bibliogrcas sero citadas ao longo de todo
o trabalho, de acordo com o contexto.
1.2 Breve Histrico do Planejamento Energtico do SIN
A operao do sistema eletroenergtico brasileiro, que antes era determinada somente pelos
proprietrios das usinas, passa a ser realizada de forma coordenada em meados da dcada de 70.
Desde ento, houve o desenvolvimento de metodologias na tentativa de garantir uma operao
econmica e segura do sistema, que , a partir de ento, gerenciado por um rgo centralizador.
Entre 1974 e 1978 foi utilizado um modelo determinstico com base no uso de curva-guia,
que estabelecia as reservas energticas mnimas que deveriam ser mantidas nos reservatrios do
1.2 Breve Histrico do Planejamento Energtico do SIN 27
sistema, baseando-se na pior srie de todo o histrico de vazes, de maneira que a demanda de
energia do sistema fosse atendida sem ocorrncia de dcits dentro da capacidade de gerao
do parque trmico existente.
Foi adotado, a partir de 1979, um modelo estocstico desenvolvido pela Eletrobrs e
CEPEL que era baseado na Programao Dinmica Estocstica (PDE) conjuntamente ao uso
do modelo a sistemas equivalentes (TERRY et al., 1980), que visa a reduzir o nmero de va-
riveis de estados atravs da agregao dos diversos reservatrios. Porm, devido aos recursos
computacionais da poca, era possvel a representao de somente um sistema equivalente de
energia e, desta forma, a operao energtica de cada regio ou subsistema era realizada de
forma independente e as interligaes no eram explicitamente representadas.
Entretanto, com a interligao cada vez mais intensa do sistema brasileiro atravs da ampli-
ao do sistema de transmisso, houve a necessidade de se representar os diferentes subsistemas
de forma conjunta para a obteno de resultados mais conveis e, desta forma, a representao
de somente um subsistema para a realizao do clculo da poltica no era mais suciente.
Para contornar o problema da "maldio da dimensionalidade" existente na PDE, em que a
complexidade do problema cresce exponencialmente com a insero de novas variveis de es-
tado, foi proposta, em 1985, a Programao Dinmica Dual Estocstica PDDE
(PEREIRA; PINTO, 1985; PEREIRA, 1989), que utiliza a tcnica de Decomposio de Ben-
ders e trata o problema de forma analtica, evitando a discretizao do espao de estados tal
como feito na tcnica da PDE. Desta forma, o esforo computacional diminui substancial-
mente e possibilita-se a considerao de mais reservatrios alm da utilizao de sosticados
modelos estatsticos na representao das auncias.
Esta modelagem ainda utilizada e est, atualmente, implementada nos modelos DECOMP
e NEWAVE (MACEIRA et al., 2002), desenvolvidos pelo CEPEL, os quais so os modelos o-
ciais do Setor Eltrico Brasileiro (SEB) para o planejamento da operao de curto e mdio
prazo respectivamente. O modelo NEWAVE considera o horizonte de mdio prazo para o pla-
nejamento da operao com 5 a 10 anos de estudo e discretizao mensal. Neste horizonte, a
tendncia hidrolgica e o armazenamento nal dos sistemas equivalentes de cada estgio so
considerados como variveis de estado do problema. A gerao de cenrios de energias au-
entes (KELMAN; PEREIRA, 1977; MACEIRA; DAMZIO, 2006) realizada pelo modelo
auto-regressivo peridico Par(p) implementado no modelo GEVAZP, tambm desenvol-
vido pelo CEPEL.
No mbito da comercializao de energia, as empresas atuantes no setor eltrico encontram-
se desverticalizadas, de forma a manter a concorrncia nos segmentos de gerao e comerci-
1.3 Objetivos 28
alizao e os setores de transmisso e distribuio so gerenciados de forma regulada. Esta
congurao do setor eltrico visa modicidade tarifria e os softwares ociais apresentados
para a coordenao da operao so tambm utilizados para a composio do preo de comer-
cializao da energia, que obtido atravs do custo marginal de operao obtido da execuo
do modelo. Assim, as metodologias utilizadas na determinao do planejamento tm forte im-
pacto no setor, pois alm de fornecerem uma operao mais segura do sistema, apresentam a
capacidade de interferir no faturamento dos agentes do SIN (Vieira Filho et al., 1998; SACCHI
et al., 2008).
1.3 Objetivos
A tcnica da Programao Dinmica Estocstica uma tcnica clssica para a soluo
do problema de mdio prazo, porm ela foi descartada devido ao "mal da dimensionalidade"
(PEREIRA; PINTO, 1985), que tornou invivel a utilizao da tcnica com o nmero de sub-
sistemas requeridos. Adicionalmente, quando a PDE deixou de ser utilizada no clculo do
planejamento eletroenergtico, os recursos computacionais da poca eram escassos se com-
parados aos recursos atuais. Sendo assim, este trabalho busca revisitar esta tcnica de uma
maneira computacionalmente vivel com a utilizao de computao paralela e do algoritmo de
fechos convexos e apresenta como principal contribuio um algoritmo de utilizao dos cortes
da funo de custo futuro que deixa o processo de resoluo dos problemas de programao
linear menos sensvel ao nmero de cortes obtidos pelo algoritmo de fechos convexos, de forma
a haver uma reduo signicativa do tempo computacional demandado pela metodologia base.
1.4 Publicaes Decorrentes da Pesquisa
Publicaes em peridicos
Stochastic Dynamic Programming Applied to Hydrothermal Power Systems Operation
Planning Based on the Convex Hull Algorithm, Mathematical problems in Engineering,
vol. 2010, ISSN: 1024-123X, doi: 1155/2010/390940, 2010.
Publicaes em eventos
Utilizao do Algoritmo de Fechos Convexos na Programao Dinmica Estocstica:
Uma Abordagem Preliminar, Simpsio Brasileiro de Sistemas Eltricos, SBSE, Belm,
PA, Brasil, 18 a 21 de maio de 2010.
1.5 Estrutura da Dissertao 29
Convex Hull and Stochastic Dynamic Programming in the Brazilian Optimal Hydrother-
mal System Operation, - abstract - ALIO-INFORMS Joint International Meeting, Bue-
nos Aires, Argentina, 06 a 09 de junho de 2010.
Processamento Paralelo e Algoritmo de Fechos Convexos na Programao Dinmica
Estocstica Aplicada ao Planejamento da Operao de Sistemas Hidrotrmicos, XVIII
Congresso Brasileiro de Automtica (CBA), Bonito, MS, Brasil, setembro de 2010.
Programao dinmica estocstica aplicada ao planejamento da operao do sistema
eltrico brasileiro atravs do uso de processamento paralelo, 42
o
Simpsio Brasileiro
de Pesquisas Operacional (SBPO), Bento Gonalves, RS, Brasil, agosto de 2010.
Trabalhos aceitos para publicao em eventos
Comparao entre as programaes dinmica estocstica e dinmica dual estocstica
na formao de preos de energia em sistemas hidrotrmicos de grande porte, XXI
Seminrio Nacional de Produo e Transmisso de Energia Eltrica SNPTEE, 2011,
Florianpolis, SC, Brasil.
1.5 Estrutura da Dissertao
No presente Captulo foi realizada uma introduo ao tema do Planejamento da Operao,
assim como a reviso bibliogrca e foi tambm denido o objetivo principal deste trabalho.
O Captulo 2 dene resumidamente os aspectos da modelagem dos subsistemas, que so
representados por sistemas equivalentes de energia, sendo descritas a modelagem do sistema
de gerao termoeltrico e do sistema de transmisso, conjuntamente s principais grandezas
associadas aos sistemas equivalentes de energia, como, por exemplo, a energia armazenvel
mxima, energia controlvel, energia o dgua, energia de vazo mnima e gerao hidrulica
mxima.
O Captulo 3 apresenta a modelagem do problema do planejamento via sistemas equiva-
lentes de energia, atravs das equaes que regem o problema como, por exemplo, a funo
objetivo e as restries de demanda e balano hidrulico. Desta forma, apresenta-se a caracte-
rstica geral do problema, justicando a utilizao da Programao Dinmica na resoluo do
mesmo.
O Captulo 4 apresenta a tcnica da PDE com a utilizao do algoritmo de Fechos Convexos
(PDE-ConvexHull) e o Captulo 5 se constitui da maior contribuio do trabalho e apresenta o
1.5 Estrutura da Dissertao 30
algoritmo da Fast-PDE-ConvexHull, detalhando-se o processo iterativo de utilizao dos cortes
obtidos pelo algoritmo de fechos convexos tal que torne o clculo da poltica energtica um
processo menos oneroso computacionalmente.
O Captulo 6 descreve as caractersticas da implementao da computao paralela aplicada
ao problema.
O Captulo 7 traz um estudo de caso em que os cortes so utilizados da maneira tradicional
e atravs da metodologia proposta, alm do perl de desempenho apresentado pela computao
paralela aplicada ao problema. Adicionalmente, os resultados sistmicos obtidos so compara-
dos aos resultados obtidos pela metodologia ocial utilizada no SEB.
O Captulo 8 traz as principais concluses e sugestes para trabalhos futuros.
2 Aspectos da Representao de um
Sistema Hidrotrmico
2.1 Consideraes Iniciais
Como j discutido, o objetivo do planejamento da operao de mdio prazo determinar
as metas de gerao de todas as usinas de um sistema hidrotrmico sujeito s auncias de
natureza estocstica de forma a minimizar o valor esperado do custo de operao ao longo do
perodo do planejamento.
O sistema pode possuir um grande nmero de usinas dispostas ao longo das bacias hidro-
grcas e o modelo dever conseguir representar, dentro da topologia proposta, as restries
fsicas e operativas associadas ao problema, dentre as quais destacam-se (FORTUNATO et al.,
1990):
conservao da gua;
armazenamento mximo e mnimo;
limites de turbinamento;
deuncia mnima;
desvio de gua para irrigao;
Alm dos aspectos hidrulicos, h outros fatores que inuenciam na poltica de gerencia-
mento dos recursos hdricos, tais como os limites gerao do parque trmico, comportamento
da demanda e congurao dos sistemas de transmisso.
Logo, para o estudo completo do sistema, existem vrios detalhes de operao e algumas
simplicaes fazem-se necessrias, como exposto no Captulo 1. As propriedades decorrentes
da modelagem utilizada para o problema de mdio prazo so mostradas ao longo deste Captulo.
2.2 Dados Sistmicos do Programa de Operao Mensal 32
2.2 Dados Sistmicos do Programa de Operao Mensal
2.2.1 Sistema de Gerao Termoeltrico
No problema de mdio prazo no so consideradas diversas caractersticas das usinas tr-
micas como no-linearidades da funo de produo, restrio dos tempos de partida e parada
das unidades geradoras entre outras, que so modeladas mais detalhadamente em problemas de
curto prazo (DINIZ; MACEIRA, 2008). No problema tratado, as usinas termoeltricas so re-
presentadas por grupos de trmicas com custos semelhantes (classes trmicas) e os parmetros
bsicos representados so:
Gerao mxima;
gerao mnima;
custo incremental de operao, que representado por um valor constante.
Desta forma, embora alguns autores representem o custo das trmicas como uma funo
no linear (Soares Filho, 1987; CICOGNA, 2003), comum se adotar que as usinas trmicas
possuem representao linearizada no problema de mdio prazo. O uso de diversicadas fontes
para gerao trmica, como carvo, leo combustvel, gs natural ou nuclear, por exemplo, tem
importante contribuio para haver custos incrementais maiores ou menores de gerao trmica.
De acordo com os custos de gerao, as usinas trmicas so agrupadas em classes trmicas
e, assim, em vez de serem representadas individualmente no problema, as termeltricas de
mesmo custo podem ser agrupadas, resultando em um menor nmero de variveis no problema.
Porm, h uma tendncia das trmicas serem representadas de forma mais realista e os custos
da maioria das usinas so diferenciados, o que leva obteno de um nmero de classes que
no muito inferior ao prprio nmero de usinas trmicas do sistema.
2.2.2 Demanda Energtica
O estudo do planejamento energtico realizado com o objetivo de o sistema hidrotrmico
conseguir atender demanda energtica com uma operao segura e econmica. Porm, as
incertezas presentes na composio do valor da demanda de energia no so consideradas, j
que o problema foca-se nas incertezas presentes nas ocorrncias das auncias e, desta forma,
o valor da demanda fornecida de forma determinstica ao problema. Isto signica que, para
representar diferentes possibilidades de cenrios de crescimento econmico, o modelo compu-
tacional deve ser executado diversas vezes de acordo com a demanda de energia pressuposta
para cada cenrio.
Contudo, devido a algumas caractersticas do sistema hidrulico, a energia demandada do
sistema representado abatida por algumas parcelas que no so modeladas de forma explcita,
tal como a Gerao de Pequenas Centrais Hidreltricas (PCH) e a Gerao das Usinas Submo-
torizadas, que so usinas que ainda no possuem a sua potncia de base
1
(ANEEL, 2011). Am-
bas as geraes citadas provm de usinas que no possuem requisitos necessrios para possuir
representao explcita no problema, porm, essas geraes devem ser abatidas da demanda,
resultando no que chamado de "Demanda Lquida". Dependendo da modelagem do parque
trmico, a gerao proveniente dos limites de gerao trmica mnima das usinas trmicas tam-
bm pode participar como uma das parcelas que so abatidas da demanda.
2.2.3 Patamares de Carga
Como j discutido em modelos de mdio prazo, a discretizao do problema mensal e,
portanto, a carga prpria expressa atravs da energia fornecida pelo parque gerador ao sistema
ao longo de um ms, na unidade MWmdio. Mas a carga, ou demanda, em MW, atendida pelas
usinas hidreltricas e trmicas varia instantnea e continuamente ao longo do tempo e pode ser
importante para o planejador conhecer o comportamento do sistema de acordo com os ciclos
dirios da carga ao longo do ms (MACEIRA; SUANNO, 1995b; MARCATO, 2007), como
ilustrado na Figura 2.1, adaptada de (MARCATO, 2002).
Figura 2.1: Evoluo da carga prpria mensal de um sistema ctcio
1
A potncia de base refere-se quantidade mnima de unidades geradoras em operao comercial de uma usina
hidrulica, para que esta seja capaz de gerar sua garantia fsica total.
Uma possvel abordagem realizar o agrupamento das cargas distribudas em torno de
nveis semelhantes, denominados patamares de mercado, e vericar a forma como o mercado
de energia atendido em cada um destes nveis. comum encontrar na literatura relacionada
ao planejamento da operao a denio de trs patamares de mercado, em torno dos quais
se agrupam, respectivamente, cargas pesadas, mdias e leves (MARCATO, 2002; MARCATO,
2007).
Na denio destes patamares, so utilizadas duas variveis no modelo que so a durao
e a profundidade de cada patamar de mercado, denidas para cada perodo e sistema de modo
a preservar a energia fornecida ao longo de cada estgio mensal. A Figura 2.2, adaptada de
(MARCATO, 2002), ilustra como se congura a distribuio do mercado ao longo dos patama-
res de carga.
Figura 2.2: Discretizao dos patamares
Desta forma, dene-se a potncia de demanda lquida correspondente energia que est
sendo atendida dentro de um determinado patamar k, no sistema i e no perodo t como sendo:
DEMLIQ
i,k,t
=
_
DEMANDA
i,t
PPMERC
i,k,t
PEQUSI
i,t
SUBMOT
i,t
_
DPMERC
k,t
(2.1)
em que:
DEMLIQ
i,k,t
Demanda lquida do sistema i no patamar de carga k, igual ao mer-
cado de energia ponderado pela profundidade do patamar abatido da
gerao de pequenas usinas, gerao trmica mnima e submotoriza-
o no perodo t (MWmdio).
DEMANDA
i,t
Demanda de energia a ser suprida no sistema i e perodo t (MWm-
dio).
PPMERC
i,k,t
Profundidade do patamar de carga k, sistema i e estgio t (pu).
PEQUSI
i,t
Gerao proveniente das Pequenas Centrais Hidreltricas no sistema
i e perodo t (MWmdio).
SUBMOT
i,t
Gerao proveniente das usinas submotorizadas no sistema i e pe-
rodo t (MWmdio).
2
DPMERC
k,t
Ressalta-se que tanto a carga prpria como a durao e a profundidade dos patamares en-
tram nos modelos de mdio prazo de forma determinstica. Logo, antecipadamente, devem
ser utilizados outros modelos de previso e ajuste de carga para que estas informaes sejam
denidas.
2.2.4 Patamares de Dcit
Pode se penalizar o no atendimento demanda com custos de dcits diferentes de acordo
com a profundidade do corte de carga. Para isto so criados os patamares de dcit (NPDF), que
se conguram como se fossem incorporadas ao sistema um nmero igual a NPDF usinas trmi-
cas, cada uma com um custo de operao diferenciado que reete o prejuzo sociedade do no
suprimento da energia demandada, de acordo com fatores sociais e econmicos (NASCENTES,
2002).
2.2.5 Intercmbio
Como j mencionado, na modelagem de mdio prazo o sistema de transmisso no repre-
sentado de forma detalhada. Mas, de qualquer forma, importante a denio dos limites de
intercmbio de energia entre os subsistemas e, para tornar a modelagem mais realista, pode-se
2
Mesmo se tratando de um parmetro hidrulico, optou-se por representar a inuncia do termo de sub-
motorizao nesta seo, que apresenta os parmetros no-hidrulicos.
2.3 Sistemas Equivalentes de Energia 36
fazer uso de ns ctcios de interligao. Desta forma, os limites fsicos da rede se no re-
presentados de forma explcita so aproximados atravs de limites de uxos em interconexes
podendo-se tambm fazer uso de agrupamentos de intercmbio, que visam reetir restries de
diversos estados da rede .
Chama-se n de interligao a um sistema que no tem carga nem gerao servindo apenas
para a interligao de outros sistemas. A Figura 2.3 exemplica uma situao do sistema bra-
sileiro em que necessria a colocao de um sistema ou n de interligao para representar a
interligao existente entre os sistemas das regies Sudeste, Norte e Nordeste (GORENSTIN et
al., 1991) .
Figura 2.3: Exemplo de n de interligao no SIN
2.3 Sistemas Equivalentes de Energia
De forma simplicada, os componentes bsicos de uma usina hidroeltrica (UHE) so:
reservatrio, barragem, tomada dgua e condutos forados, casa de fora e um canal de resti-
tuio (FINARDI, 1999). Atravs da barragem a gua represada no reservatrio, o que conduz
a uma cota de montante que cria o potencial necessrio gerao de energia. Esse potencial
corresponde altura existente entre os nveis de gua encontrados montante e jusante da
usina. Para a gerao de energia, a gua represada levada, atravs da tomada dgua e dos
condutos forados, at o conjunto turbina-gerador na casa de fora, onde h a converso da
energia potencial do sistema em energia eltrica. A gua turbinada , ento, reconduzida ao
curso natural da gua no rio onde se encontra a usina.
A utilidade de represar a gua no , porem, unicamente de criar o potencial devido para
a gerao, mas tambm pode servir para regularizar a vazo de uma determinada seo do rio,
ou seja, armazenar o excesso de gua dos perodos chuvosos e utilizar esta reserva acumulada
nos reservatrios destas barragens para compensar as decincias dos perodos de estiagem
(ANEEL, 2011).
De acordo com sua capacidade de regularizao, as usinas hidreltricas podem ser classi-
cadas como usinas a o dgua ou usinas com reservatrio (tambm conhecidas como usinas de
acumulao). As usinas a o dgua so aquelas que apresentam regularizao de vazes dirias
ou semanais, pois possuem uma capacidade de armazenamento muito pequena sendo capazes
de acumular gua suciente apenas para suprir picos horrios da demanda, por exemplo. Por
outro lado, as usinas com reservatrio podem apresentar regularizao de descargas de um ms,
um ano ou mesmo vrios anos (MORAES, 2007), pois possuem reservatrios robustos o su-
ciente para acumular gua das pocas de srie mida para utilizao em perodos de estiagem,
podendo transcorrer meses ou anos entre esses perodos.
So fornecidos pelo Operador Nacional do Sistema Eltrico (ONS) dados caractersticos
de cada usina referentes, por exemplo, ao reservatrio, cotas, mquinas, usina jusante e ao
histrico de vazes. A Figura 2.4 (ONS, 2011) mostra a topologia hidrulica das usinas do SIN
atravs de um diagrama esquemtico e, como ser visto adiante, a disposio das usinas um
dado de grande importncia na determinao de diversos parmetros a serem utilizados para a
resoluo do problema.
Alm disso, devido ao crescimento esperado do mercado e a m de garantir a conabilidade
do sistema, o Setor Eltrico regido de tal forma que comum haver expanso do sistema
como, por exemplo, entrada de mquinas em usinas em funcionamento e entrada em operao
de novas usinas. Deste modo, ser sempre considerada essa expanso e grande parte dos dados
so referenciados aos respectivos perodos de planejamento.
Figura 2.4: Topologia hidrulica do SIN
2.3.1 A Agregao de Reservatrios
Quanto mais distante do instante inicial a simulao estiver, menos importncia dada
gerao individual de cada usina, tendo mais relevncia a proporo tima de utilizao dos
recursos hidrulicos e trmicos levando em considerao a anlise probabilstica do comporta-
mento das auncias. Alm disso, no planejamento de mdio prazo a estratgia de operao
funo de todas as combinaes possveis de tendncias hidrolgicas e nveis de reservatrios e
o problema de operao tima torna-se rapidamente invivel do ponto de vista computacional.
A soluo adotada consiste em reduzir o nmero de variveis atravs da agregao dos
reservatrios. No caso do sistema brasileiro que contm mais do que 100 usinas hidreltricas,
obtm-se uma drstica reduo do esforo computacional. Por conseguinte, torna-se necessrio
determinar a estratgia de operao para o sistema, isto , uma deciso operativa para cada ms
em funo dos possveis estados do sistema naquele perodo.
A metodologia que ser detalhada pode ser assim resumida (MARCATO, 2002):
Agregao das usinas hidreltricas pertencentes a bacias hidrogrcas situadas geogra-
camente prximas em um reservatrio equivalente. Atualmente, no caso do sistema eltrico
brasileiro, so utilizados quatro subsistemas ou reservatrios equivalentes, representando as re-
gies Sul, Sudeste/Centro-Oeste, Nordeste e Norte;
agregar as auncias das usinas de cada reservatrio equivalente em auncias energticas
equivalentes;
representao das auncias energticas atravs de um modelo estocstico adequado;
Para uma representao mais ecaz do sistema como um reservatrio equivalente reco-
mendvel que as usinas com reservatrio possuam grande capacidade de regularizao e que a
regio a que as mesmas pertencem seja hidrologicamente homognea, para uma melhor repre-
sentao do comportamento estocstico das auncias (FINARDI, 1999). Alm disso, a regio
deve tambm ser eletricamente interligada, de modo que a carga possa ser suprida pela gerao
de qualquer usina hidreltrica sem haver congestionamento, pois h a considerao de operao
em barra nica para as usinas que o compem no atendimento demanda do sistema.
Um parmetro ou estado de um sistema equivalente pressupe um estado operacional im-
plcito do sistema individualizado. Por exemplo, a gua armazenada em um dado reservatrio
reetida como a energia que seria gerada pelo completo deplecionamento desta usina; assim,
considera-se que esta gua deplecionada seria turbinada pela prpria usina e todas demais a
jusante da mesma. Desta forma, alguns estados que seriam variveis de deciso do problema
individualizado so simplicados e considerados conhecidos de acordo um pr-julgamento de
operao, como o turbinamento no caso descrito.
Ressalta-se que a modelagem por sistemas equivalentes utiliza a hiptese da operao em
paralelo do sistema, em que os reservatrios do sistema mantm a mesma tendncia de enchi-
mento e deplecionamento, reetida, por exemplo, atravs da energia armazenada do sistema.
Portanto, os estados de operao obtidos reetem o comportamento global do sistema em ques-
to, no somente em relao ao armazenamento, mas como tambm o turbinamento, o verti-
mento e outras variveis.
2.3.2 Parmetros do Sistema Equivalente
Para uma anlise do sistema atravs de subsistemas equivalentes de energia importante re-
orientar os parmetros de anlise. Isto porque, para a obteno de um comportamento global do
sistema, torna-se mais realstico a avaliao energtica do sistema. Assim, ao invs de conside-
rar a gua armazenada em cada reservatrio considera-se a energia armazenada no subsistema
e, desta mesma forma, a vazo de gua turbinada nas usinas reetida na gerao hidrulica do
subsistema e assim por diante.
Porm, para que estas consideraes sejam possveis no suciente, por exemplo, ape-
nas o conhecimento dos volumes de gua no reservatrio equivalente, uma vez que somente
essa informao no dene as reais possibilidades de gerao do subsistema como um todo.
Faz-se essencialmente necessrio conhecer, dentre outras caractersticas, a posio relativa das
usinas na cascata para computar a quantidade energia que provir da gua armazenada em cada
reservatrio (FINARDI, 1999).
A Figura 1.3, apresentada no Captulo 1, ilustra como se d a composio do sistema equi-
valente. Dada a topologia de um sistema composto por usinas hidrulicas de acumulao e
o dgua, as usinas so agregadas de modo a formar um sistema equivalente de energia atra-
vs de um reservatrio equivalente de energia, com uma representao explcita no problema,
conjuntamente s parcelas energticas a o dgua.
Em sistemas equivalentes, as parcelas a o dgua correspondem s energias provenientes
de uma dada quantidade de gua antes que esta possa vir a ser armazenada pelos reservatrios
do sistema durante seu curso no rio. Ou seja, so energias em que no h controle ou opo de
armazenamento e constituem-se de parcelas compulsrias, que no aparecem como variveis
de deciso no problema e so parmetros constantes a serem considerados.
J o reservatrio equivalente de energia o elemento para o qual realizam-se os proce-
dimentos de tomada de deciso acerca do recurso hdrico e detm, desta forma, as parcelas de
energia controlveis do subsistema. Isto porque, dada uma auncia, opta-se pelo turbinamento,
armazenamento ou vertimento do recurso, assim como no gerenciamento de uma usina com re-
servatrio tratada individualmente. Porm, em vez do gerenciamento da gua, o problema do
reservatrio equivalente de energia visa s possibilidades de utilizao da energia.
Funo de Produo Energtica de uma Usina de Reservatrio:
A produtibilidade de uma usina determina a energia gerada em funo do turbinamento de
gua ocorrido na mesma e dada pelo produto entre a produtibilidade especca da usina hidre-
ltrica (MW/m/s/m) e a altura de queda do reservatrio (m). Esta altura de queda calculada
em funo do nvel do reservatrio, ou melhor, da energia armazenada no reservatrio.
A altura de queda denida pela diferena em metros da cota da superfcie de gua do
reservatrio e a cota do canal de fuga somada s perdas. Acota denida pela diferena de nvel
entre a superfcie de gua do reservatrio, que funo do armazenamento, e a superfcie de
gua do oceano. Esta relao entre a cota da superfcie da gua e o volume de gua armazenada
no-linear e dada pelo polinmio cota-volume da usina (MARCATO, 2002).
Resumidamente, tem-se:
j,t
(Vol) Produtibilidade da usina j no perodo t correspondente ao volume Vol
(MW/m/s).
Por denio, a energia armazenada em cada reservatrio a energia gerada ao deplecion-
lo totalmente, sob a hiptese de auncia nula. Assim, a energia armazenada resultado do
deplecionamento do reservatrio partindo de um estado de armazenamento Vol no incio do
ms at o armazenamento mnimo (VMIN) ao nal do ms. Porm, durante esta variao na
quantidade da gua presente no reservatrio, os valores da altura de queda tambm variam ao
longo do ms proporcionando uma produtibilidade variada durante o estgio em anlise.
Assim, torna-se til denir a chamada produtibilidade equivalente, que a produtibilidade
que, se considerada constante, capaz de fornecer o valor da energia armazenada presente
em um reservatrio dado o esvaziamento do mesmo. Resumindo, a produtibilidade equivalente
constitui-se atravs do clculo do valor mdio da produtibilidade, que varia ao longo do estgio,
e dada por:
eq
j,t
(Vol) =
Vol
VMIN
j

j,t
(vol) dvol
Vol VMIN
j
(2.2)
em que:
eq
j,t
(Vol) Produtibilidade equivalente da usina j no perodo t do volume m-
nimo ao volume Vol (MW/m/s).
VMIN
j
Volume mnimo da usina j (hm).
Observao: A produtibilidade mdia para o problema de mdio prazo aquela correspon-
dente produtibilidade da usina quando operada em 65% do seu volume til. Portanto, quando
for referido o termo "produtibilidade" sem especicar qualquer condio, ou ainda o termo
"produtibilidade mdia" implicar no uso desta produtibilidade. J a ulilizao do termo "pro-
dutibilidade equivalente" sem especicao de volume implicar na produtibilidade equivalente
do volume mnimo ao mximo do reservatrio em questo.
Energia Armazenvel Mxima:
A Energia Armazenvel Mxima reete a quantidade de energia produzida atravs do com-
pleto esvaziamento dos reservatrios que compem o sistema, ou seja, ela mede a capacidade
total de armazenamento do conjunto de reservatrios do sistema. Adota-se a hiptese de ope-
rao em paralelo, isto , os armazenamentos e deplecionamentos so feitos paralelamente em
volume e, adicionalmente, este clculo feito desconsiderando-se novas auncias.
A gua utilizada para gerar energia em uma usina viajar ao longo de todo o rio e ir
tambm gerar energia em todas as usinas jusante da mesma e, por isso, o conhecimento da to-
pologia do sistema necessria para a resoluo do problema. A energia armazenvel mxima
calculada somando-se os produtos do volume til de cada reservatrio pela sua produtibili-
dade acumulada, onde, entende-se por produtibilidade acumulada a soma da produtibilidade do
prprio reservatrio e as produtibilidades de todos os reservatrios e usinas o dgua jusante
at o nal da cascata (CEPEL, 2001). A seguinte expresso retrata este procedimento para se
calcular a energia armazenvel mxima do sistema i no instante t.
EA
i,t
=
1
FATOR
t
NUSI
i
j=1
_
(VMAX
j
VMIN
j
)
kJ
j
eq
k,t
(VMAX
k
)
_
(2.3)
em que:
EA
i,t
Energia armazenvel mxima do sistema i no estgio t (MWms).
FATOR
t
Constante utilizada para converter m/s em hm/ms e pode ser cal-
culada de acordo com o nmero de dias do ms.
3
NUSI
i
Nmero de usinas com reservatrio do sistema i.
VMAX
j
Volume mximo da usina j (hm).
J
j
Conjunto composto pela usina j e todas as usinas jusante de j.
O termo VMAX
j
VMIN
j
mostrado na equao acima compreende toda a capacidade de
armazenamento do reservatrio j e comumente chamado de "volume til" do reservatrio,
denotado por VUTIL
j
.
Um exemplo didtico dos clculos de energia para sistemas equivalentes mostrado, a
partir do sistema considerado na Figura 2.5.
Figura 2.5: Sistema ctcio para construo do exemplo didtico.
De acordo com o exposto na Equao 2.3, o valor literal da energia armazenvel mxima
do sistema exemplo ser:
3
Neste trabalho, foi considerado como dias um nmero mdio de
365
12
, resultando em um FATOR
t
= 2.63
independentemente do ms de estudo.
EA =
1
FATOR
_
_
_
_
_
_
_
_
_
_
_
_
VUTIL
1
_
eq
1
+
eq
5
+
eq
6
+
eq
7
_
+
VUTIL
2
_
eq
2
+
eq
5
+
eq
6
+
eq
7
_
+
VUTIL
3
_
eq
3
+
eq
4
+
eq
5
+
eq
6
+
eq
7
_
+
VUTIL
4
_
eq
4
+
eq
5
+
eq
6
+
eq
7
_
+
VUTIL
5
_
eq
5
+
eq
6
+
eq
7
_
+
VUTIL
7
_
eq
7
_
_
_
_
_
_
_
_
_
_
_
_
_
(2.4)
Correo da Energia Armazenada devido a Mudana de Congurao:
Os valores, em energia, do armazenamento dos reservatrios, podem ser alterados quando
da mudana de congurao, ou seja, da entrada em operao de uma nova usina hidroeltrica.
Isto porque mesmo quando no h alterao dos volumes armazenados, porm, havendo vari-
ao das produtibilidades das usinas, ocorre alterao na energia armazenada. Este novo valor
de energia armazenada difere do anterior por um fator descrito pela razo entre as energias ar-
mazenveis mximas depois e antes da entrada em operao de novas usinas hidroeltricas sem
a contabilizao da energia advinda do volume til das novas usinas com reservatrio (CEPEL,
2001).
Em resumo, o exposto de que um dado armazenamento inicial de um estgio, em ener-
gia, deve ser corrigido pelo fator descrito a m de encontrar a energia armazenada no nal do
perodo em questo e esta variao ocorre devido a entrada de mquinas no sistema, causando
uma diferena de contabilizao entre o incio e o nal de um dado perodo do planejamento.
Este fator implicar, ento, na seguinte relao:
EA
i,t
= FCEA
i,t
EA
i,t1
(2.5)
em que:
EA
i,t
Energia armazenada no sistema i no perodo t (MWms).
EA
i,t1
Energia armazenada no sistema i, contabilizada no perodo t-1 (MW-
ms).
FCEA
i,t
Fator de correo da energia armazenada no sistema i no perodo t.
Este efeito na energia armazenada abordado porque o armazenamento a varivel respon-
svel pelo acoplamento temporal no problema em estudo, ou seja, o armazenamento nal de um
dado estgio corresponde ao armazenamento inicial do prximo estgio. A modelagem do pro-
blema do planejamento e, consequentemente, os efeitos e a dinmica existente na considerao
dos armazenamentos sero mostrados no Captulo 3.
Energia Controlvel:
Como o exposto anteriormente, na composio do sistema equivalente de energia faz-se
a montagem do reservatrio equivalente de energia e, assim, as auncias passveis de arma-
zenamento participam da contabilizao da energia auente controlvel do sistema, tambm
conhecida como energia controlvel do sistema.
A Energia Controlvel em um dado estgio t
_
EC
i,t
_
pode ser obtida pela soma das vazes
incrementais a cada reservatrio valorizadas pela produtibilidade mdia de todas as usinas
jusante do mesmo. A vazo incremental dada pela auncia natural descontada das auncias
naturais das usinas de reservatrio imediatamente montante.
Ainda existe uma segunda denio que utiliza a prpria auncia natural ao reservatrio
e especica a faixa de usinas a terem produtilibilidade contabilizada no clculo e, em geral,
fornece o mesmo resultado da utilizao da primeira denio, no funcionando somente para
casos com acoplamento hidrulico entre os subsistemas, assunto que no ser diretamente abor-
dado e pode ser encontrado em (SOUZA, 2008; MARCATO, 2002).
Energia Fio dgua:
A Energia Controlvel constitui-se da energia a ser gerada pela parcela de auncia que
no pode ser armazenada e constitui-se basicamente das auncias incrementais das usinas a o
dgua. A determinao da auncia incremental feita em cada usina a partir de sua auncia
natural, da qual so descontadas as auncias naturais s usinas de reservatrio imediatamente
a montante. A energia calculada respeitando-se o limite de engolimento mximo das turbinas
das usinas o dgua utilizadas no clculo, constituindo no que chamado de Energia Fio
dgua Lquida
_
EFIO
i,t
_
do sistema (MARCATO, 2002; TERRY et al., 1980).
Energia Natural Auente:
A Energia Natural Auente em um estgio t
_
EAFLU
i,t
_
composta por toda energia
auente ao sistema, independentemente de ser ou no controlvel e tem bastante importncia
para as anlises estatsticas para os modelos estocsticos. Mesmo que possa ser calculada de
forma direta, torna-se claro que a Energia Natural Auente pode ser dada como a soma das
energias auentes controlvel e o dgua, como mostrado abaixo:
EAFLU
i,t
= EC
i,t
+EFIO
i,t
(2.6)
em que:
EAFLU
i,t
Energia natural auente do sistema i no perodo t (MWms).
EC
i,t
EFIO
i,t
Energia o dgua lquida do sistema i no perodo t (MWms).
Energia de Vazo Mnima:
A Energia de Vazo Mnima
_
EVMIN
i,t
(EA
i,t
)
_
deve reetir o montante de energia gerado
pela deuncia mnima obrigatria de todas as usinas com reservatrio e seu valor depende
exclusivamente da congurao do sistema, ou seja, a srie hidrolgica em questo no afeta o
seu clculo (CEPEL, 2009).
Seu valor calculado multiplicando-se a descarga mnima obrigatria de cada usina com
reservatrio pela soma de sua produtibilidade, associada a altura queda lquida correspondente
a um dado armazenamento, conjuntamente s produtibilidades de todas as usinas o dgua
existentes entre o reservatrio em questo e o prximo reservatrio a jusante.
Como trata-se de uma gerao compulsria de parcelas controlveis e seu valor pode ser
expressivo em alguns sistemas, a incluso da restrio de vazo mnima obrigatria no pro-
blema exige a utilizao de alguns mecanismos para que pelo menos boa parte da restrio seja
atendida (DUARTE, 2002).
Energia Evaporada:
A Energia Evaporada
_
EVP
i,t
(EA
i,t
)
_
uma energia perdida pelo sistema devido evapo-
rao de gua decorrente da exposio da superfcie do lago insolao. Esta perda calculada
pelo produto dos coecientes de evaporao mdios mensais, pela rea da superfcie do lago e
pela produtibilidade acumulada nos reservatrios das usinas jusante do reservatrio em ques-
to inclusive. A rea da superfcie do lago exposta insolao uma funo do volume de gua
no reservatrio e, portanto, uma funo da energia armazenada no reservatrio.
Energia para Enchimento de Volume Morto:
Na ocasio de entrada de uma usina com reservatrio em uma determinada congurao,
at que o volume morto seja cheio, ocorre uma perda de energia que deve ser contabilizada
no problema (MARCATO, 2002). O volume morto compreende poro do reservatrio que
se encontra abaixo da cota de tomada de gua e a perda de energia ocorre porque essa quanti-
dade de gua necessria para o enchimento do volume morto no poder ser turbinada e nem
vertida. Esta energia , ento, denominada Energia de Volume Morto
_
EVM
i,t
_
e representa a
quantidade de energia perdida para que o reservatrio atinja o funcionamento pleno.
Energia de Desvio de gua:
A Energia de Desvio de gua independe da srie hidrolgica considerada, dependendo to
somente da congurao e da vazo que est sendo desviada ou retirada e ela consiste no valor
energtico das auncias necessrias retirada ou adio de gua de uma usina hidroeltrica
com ou sem reservatrio (CEPEL, 2009). No caso de uma usina com reservatrio, esta energia
contabilizada como controlvel
_
EDSVC
i,t
(EA
i,t
)
_
e pode ser corrigida pelo armazenamento
do sistema, j no caso de uma usina a o dgua esta energia contabilizada como o dgua
_
EDSVF
i,t
_
.
Gerao Hidrulica Mxima:
A Gerao Hidrulica Mxima
_
GHMAX
i,t
(EA
i,t
)
_
independe da srie hidrolgica consi-
derada, dependendo somente da congurao e reete a quantidade mxima que o sistema pode
vir a dispor de gerao hidrulica. Este valor funo da energia armazenada do sistema, pois
medida que os nveis de armazenamento se modicam na simulao da operao, mudanas
ocorrem no valor da disponibilidade de gerao hidrulica do sistema devido a alteraes nos
valores de produtibilidade das usinas.
2.3.3 Parbolas de Correo
Como mencionado anteriormente, o nvel de montante do reservatrio afeta o processo de
converso de energia e a cota de montante uma funo no-linear do volume do reservatrio.
Este efeito do volume sobre a funo de produo afetar, ento, grande parte dos parmetros
dos sistemas equivalentes, que so baseados em parmetros energticos e as produtibilidades
das usinas aparecem de forma determinante no problema.
Na tentativa de representar as no linearidades do problema so propostas as parbolas
de correo (MACEIRA; SUANNO, 1995a), que aproximam o comportamento no-linear do
sistema como um todo. Por exemplo, os parmetros de Gerao Hidrulica Mxima e Energia
de Vazo Mnima, como apresentados na seo anterior, so no-lineares, visto que so funo
do armazenamento do sistema. Porm, no realizado o reclculo de todos esses parmetros
para cada ponto de armazenamento durante o clculo da poltica. Na modelagem utilizada
adotam-se parbolas de correo que, alm de facilitarem no clculo dos parmetros ao longo
do processo de determinao da poltica elas podem ser implicitamente montadas de forma a
manter a convexidade do problema quando inseridas em restries de desigualdade.
Desta forma so ajustadas parbolas que tm como objetivo corrigir a energia em questo
em funo da energia armazenada no sistema que se modica durante a simulao da operao
e para a construo das parbolas dispem-se de trs pontos de operao, correspondentes aos
pontos de energia armazenvel mnima, mdia e mxima.
As parbolas sero, ento, montadas para a energia de vazo mnima, a energia evaporada,
gerao hidrulica mxima e energia de desvio controlvel bem como para o fator de correo
da energia controlvel, que um fator que multiplicado pela energia controlvel de maneira a
fornecer a energia controlvel corrigida pelo armazenamento do sistema equivalente. A Figura
2.6, adaptada de (CEPEL, 2007), ilustra o processo da montagem das parbolas.
Figura 2.6: Parbolas de correo
Em que dene-se:
a
XXX
i,t
Coeciente do termo quadrtico da parbola para o clculo da gran-
deza XXX em funo da energia armazenada inicial, onde i identica
o sistema, t o estgio e XXX pode ser substitudo por:
EVZ: Energia de Vazo Mnima
EVP: Energia Evaporada
GHM: Gerao hidrulica Mxima
DSV: Energia de desvio Controlvel
FEC: Fator de correo da energia controlvel
b
XXX
i,t
Descrio idntica ao termo a
XXX
i,t
s que relativo ao termo linear da
parbola.
c
XXX
i,t
Descrio idntica ao termo a
XXX
i,t
s que relativo ao termo indepen-
dente da parbola.
Onde for necessrio, por exemplo, a energia de vazo mnima
_
EVMIN
i,t
(EA
i,t
)
_
, que
funo de um dado armazenamento sobre os vrios reservatrios do sistema, ser utilizada
interpolao sobre a parbola de correo da energia de vazo mnima em funo do armazena-
mento requisitado ao sistema.
Ressalta-se que a no-linearidade aderida ao processo passvel de resoluo ainda atravs
de programao linear por se tratar de programao dinmica, assunto que ser tratado adi-
ante, em que o problema discretizado mensalmente e as correes so aplicadas de acordo
com os armazenamentos encontrados no incio de cada perodo de estudo. Contudo, estas no-
linearidades ainda no contemplam todas as possibilidades de modelagem que so encontradas
em um problema de curto-prazo (CUNHA et al., 1997)(DINIZ; MACEIRA, 2008) e a hip-
tese da operao em paralelo interfere de forma direta na acurcia da representao das no-
linearidades.
3 Despacho da Operao em Sistemas
Equivalentes de Energia
3.1 Introduo
A coordenao da operao de um sistema hidrotrmico de energia eltrica visa ao aten-
dimento dos requisitos de consumo do sistema de uma forma econmica e convel. Sendo
assim, o esforo despendido no sentido de que sejam utilizados os recursos hidreltricos dis-
ponveis da melhor maneira possvel, evitando ao mximo a complementao termeltrica da
gerao, sem, entretanto, comprometer a conabilidade do sistema.
Para os horizontes de longo e mdio prazo, o problema de planejamento da operao ener-
gtica deve levar em considerao o nvel de armazenamento nos reservatrios contemplando
a natureza estocstica das auncias e as restries fsicas do sistema, como limitaes de in-
tercmbios entre regies, cronograma de novas geraes, previses de demanda, patamares de
mercado e custo de dcit. Oproblema clssico de um estgio do planejamento com a utilizao
de sistemas equivalentes de energia resumidamente apresentado a seguir (DIAS, 2010):
Minimizar: Valor Esperado do Custo Total de Operao (Custo Imediato + Custo Futuro)
s.a:
Equaes de Atendimento Demanda
Equaes de Balano Energtico nos Reservatrios Equivalentes
Equaes de Fechamento dos Ns Fictcios
Restrio de Gerao Hidrulica Mxima
Equaes das Funes de Custo Futuro
Limites das Variveis Restries Operativas
3.2 Tcnicas de Programao Dinmica Aplicadas ao Problema de Longo e Mdio Prazo 51
O horizonte de planejamento adotado no sistema brasileiro para o problema de mdio e
longo prazo de 5 a 10 anos, com discretizaes mensais. Matematicamente, a resoluo do
problema consiste em decidir, ao incio de cada estgio, as metas de gerao hidrulica que
minimizam o custo de operao ao longo do planejamento. Ocorre, porm, que o problema de
planejamento estocstico, devido ao fato de que no h o conhecimento prvio das aun-
cias que ocorrero no sistema. Adicionalmente, dentro de um perodo to longo para a anlise
estocstica o problema torna-se especialmente complexo e estudos especcos tornam-se ne-
cessrios e, desta forma, comum a utilizao de tcnicas de Programao Dinmica (PD) na
resoluo do problema, as quais sero resumidamente apresentadas na seo subsequente.
3.2 Tcnicas de Programao Dinmica Aplicadas ao Pro-
blema de Longo e Mdio Prazo
A tcnica de Programao Dinmica (BELLMAN, 1957) foi desenvolvida por Richard
Bellman em meados da dcada de cinquenta com o objetivo de resolver diversos problemas
de controle e otimizao dinmica e vem sendo amplamente aplicada na soluo de problemas
de planejamento energtico e de operao, como na resoluo do "unit commitment" trmico
e, em especial, os problemas ligados ao planejamento envolvendo recursos hdricos, devido
estocasticidade das auncias (FINARDI, 1999; SIQUEIRA, 2009).
A deciso de manter um reservatrio em determinado nvel poder ter sido acertada depen-
dendo da estratgia de operao e da seqncia de auncias que chegar ao reservatrio nos
perodos subsequentes. Desta forma, a determinao do planejamento da operao energtica
ca caracterizada por tomadas de decises sequenciais em que a otimalidade de uma deciso
atual depende de um conjunto de acontecimentos futuros.
Devido a essas caractersticas apontadas no planejamento, a PD apresenta grande aplicao
na resoluo destes tipos de problemas, pois a PD apropriada para o tratamento de problemas
multiestgios e possui a capacidade de tratar as no linearidades e a estocasticidade inerentes ao
processo devido s condies de separabilidade (BERTSEKAS, 2007) vericadas. Como o pro-
blema estocstico ser, ento, utilizado um algoritmo de Programao Dinmica Estocstica
(PDE) para a resoluo problema da operao energtica de longo prazo.
De acordo com a tcnica, o problema dividido em etapas (estgios) e a melhor deciso
em cada etapa determinada de acordo com a situao (estado) em que o sistema se encontra
(FINARDI, 1999). O processo de otimizao baseia-se no conhecimento prvio de todas as
possibilidades futuras e suas consequncias, de modo a satisfazer o princpio da otimalidade de
Bellman (BELLMAN, 1957), que diz que uma poltica tima deve ser tal que, independente-
mente da trajetria descrita para se chegar a um determinado estado, as decises remanescentes
devem constituir uma trajetria tima a partir do estado em questo. Isto, intuitivamente, sig-
nica que o problema deve ser resolvido em sentido contrrio, ou seja, que a recurso deve ser
realizada no sentido inverso do tempo, abrangendo assim as possveis seqncias de auncias
atravs de decises futuras, o que no sentido direto do tempo traz informao do efeito das
possveis seqncias de auncias futuras como consequncia da deciso presente.
A partir das consideraes realizadas, uma ferramenta capaz de garantir a soluo tima do
problema a PDE e, uma vez utilizado este algoritmo, o problema pode ser formulado ainda de
duas maneiras (FINARDI, 1999):
1. acaso-deciso, em que dada uma varivel aleatria (acaso) determina-se a melhor ope-
rao (deciso). Ou seja, dado um estado ao incio do estgio t, supe-se conhecida a
auncia no incio do ms e toma-se a deciso de acordo com a auncia dada. Assim,
o acaso (auncia) considerado antes da tomada de deciso, o que resulta em diversos
custos de operao associados s diversas auncias.
2. deciso-acaso, decidindo-se apenas emfuno da distribuio de probabilidades da aun-
cia do estgio em que se encontra o problema. Nesta formulao no se admite que a
auncia seja conhecida ao incio do ms, supondo apenas conhecida a sua distribuio
de probabilidades e a deciso trmica tomada sem o conhecimento prvio da auncia.
Assim, para cada estado do problema, em cada estgio, tomada a deciso trmica que
em mdia seja menos onerosa, considerando as diversas possibilidades de auncias da
distribuio.
Um algoritmo baseado na PDE traduz matematicamente a inuncia das variveis de estado
no custo de operao do sistema e duas classes podem ser consideradas no presente estudo: o
volume do reservatrio e algum tipo de informao sobre a tendncia hidrolgica ao sistema,
como, por exemplo, as auncias aos reservatrios durante estgios anteriores (SIQUEIRA,
2009; MACEIRA; DAMZIO, 2006).
O modelo da PDE utilizada nos estudos de longo prazo do sistema eltrico brasileiro refe-
rente ao modelo do tipo acaso-deciso da PDE, em que so conhecidas as auncias no incio
do estgio, utiliza a seguinte equao recursiva (PEREIRA; PINTO, 1985):
t
(X
t
) = E
A
t
|X
t
_
Min
_
C
t
(U
t
) +
1
1+

t+1
(X
t+1
)
__
(3.1)
em que:
t+1
(X
t
) Valor do custo esperado de operao do perodo t ao nal do hori-
zonte, em funo dos estados do sistema.
1
E
A
t
|X
t
Valor esperado de custo de acordo com todos os valores possveis
de auncias contidos em A
t
, condicionado pelo vetor de estados X
t
(conhecido no incio do estgio).
X
t
Vetor de variveis que denem o estado inicial do sistema no perodo
t.
A
t
Vetor de auncias incrementais ao sistema no perodo t.
U
t
Vetor com as decises obtidas no perodo t e determina o estado em
que o sistema se encontrar ao nal do mesmo ou seja, denir
X
t+1
.
C
t
(U
t
) Custo operativo relacionado deciso operativa U
t
.
2
Conjuntamente, o problema sujeito s restries do problema hidrotrmico e t aplicado
para T, T-1,. . . ,1 em que T corresponde ao perodo total de estudo com
T+1
nulo para
quaisquer valores de estado nal. Isto indica que para o ltimo estgio do planejamento no
possvel incluir as consequncias operativas considerando efeitos de perodos posteriores.
Exatamente por isso, o perodo de estudo para o planejamento visando caracterizar o com-
portamento estocstico conjuntamente capacidade de regularizao do sistema no deve ser
muito curto, pois ao nal do perodo de planejamento os reservatrios tendem a se esvaziarem,
fazendo com que seja comumente considerado no clculo da poltica um perodo que vai alm
dos 5 anos de estudo, chamado perodo de ps-estudo. Desta forma, ao nal do perodo de
estudo, o armazenamento do sistema no estar to baixo, pois ser feita a anlise das con-
sequncias em perodos posteriores.
Como a estratgia de operao deve ser calculada para todas as combinaes possveis
dos nveis dos reservatrios e auncias do estgio anterior, o esforo computacional cresce
exponencialmente com o nmero de variveis de estado consideradas (CERVELLERA et al.,
2006). Supondo que cada um dos NR reservatrios do sistema sejam discretizados em ND
parcelas, com NR auncias do estgio anterior, tem-se um total de ND
2NR
estados discretiza-
dos, o que implica na resoluo de ND
2NR
problemas de otimizao para cada estgio. Assim,
1
Chamada de parcela de custo futuro.
2
Chamada de parcela de custo imediato.
um algoritmo baseado na PDE torna-se rapidamente invivel computacionalmente, mesmo para
sistemas com poucas usinas hidreltricas. Por exemplo, arbitrando-se ND = 10 discretizaes
tem-se:
1 reservatrio 10
2
= 100 estados
2 reservatrios 10
4
= 10.000 estados
3 reservatrios 10
6
= 1.000.000 estados
4 reservatrios 10
8
= 100.000.000 estados
Esta a chamada "maldio da dimensionalidade" da PDE e de modo a evitar esta exploso
combinatorial foram desenvolvidos algumas metodologias para tentar resolver o problema de
planejamento da operao energtica com um esforo computacional menor do que o exigido
pelo algoritmo da PDE.
A simplicao inicial, e muito adotada para o planejamento energtico de mdio e longo
prazo, a agregao dos vrios reservatrios do sistema em reservatrios equivalentes de ener-
gia (ARVANITIDIS; ROSING, 1970), no intuito de diminuir a quantidade de variveis de es-
tados do problema. Contudo, a agregao em reservatrios equivalentes ainda no torna-se
suciente para garantir a aplicabilidade da PDE porque a agregao do sistema em um nico
reservatrio, o que computacionalmente viabilizaria a utilizao da PDE, inadequada face
diversidade hidrolgica apresentada entre as regies em que se encontram os reservatrios. As-
sim, mais comumente adotada uma representao com mltiplos reservatrios equivalentes,
cada um representando um subsistema especco, o que j suciente para dicultar o uso
amplo da PDE como tcnica de resoluo do problema.
Uma aproximao para a resoluo do problema pode se constituir da simplicao da
representao estatstica das auncias ou a distribuio das probabilidades de ocorrncia das
mesmas. Alguns modelos consideram a correlao temporal entre as auncias atravs, por
exemplo, de uma cadeia de Markov de ordem unitria (SIQUEIRA, 2009; ZAMBELLI, 2009) e
assim, ser considerado que auncias de estgios anteriores no caso, umestgio antecedente
alteram as probabilidades de ocorrncia das auncias no estgio atual. J o modelo de
Programao Dinmica Estocstica Independente (PDEI) trata de eventos independentes e no
considera as auncias correlacionadas ms a ms e, assim, a distribuio das auncias ser a
mesma encontrada na amostra a ser utilizada, independentemente das auncias passadas. Isto
signica que, por exemplo, ao utilizar o histrico de vazes como amostragem a distribuio
utilizada ser a mesma encontrada no prprio histrico.
A Figura 3.1 ilustra como ocorre a distribuio das auncias na PDEI para uma amostra
do histrico de auncias. Sendo assim, observa-se que a distribuio no diretamente corre-
lacionada a auncias anteriores, ou seja, A
t
no depender da auncia A
t1
ocorrida e todas
as possveis auncias dentro do domnio de estudo so testadas. Alm disso, os pesos, em vez
de serem dados por um modelo estatstico, sero determinados pela frequncia de ocorrncia de
certos valores de auncia no histrico de vazes.
Figura 3.1: Esquema de ocorrncia das auncias na PDEI
Como efeito, h uma grande reduo no nmero de estados a serem analisados para a re-
soluo do problema. Desta vez, supondo que cada um dos NR reservatrios do sistema sejam
discretizados em ND parcelas, tem-se um total de ND
NR
estados discretizados por estgio. Por
exemplo, arbitrando-se ND = 10 discretizaes tem-se:
1 reservatrio 10
1
= 10 estados
2 reservatrios 10
2
= 100 estados
3 reservatrios 10
3
= 1.000 estados
4 reservatrios 10
4
= 10.000 estados
Esta reduo no esforo computacional importante, mas ainda no torna a resoluo do
problema do planejamento energtico via PDE um processo trivial (DIAS, 2010; DIAS et al.,
2010), devido ao nmero de sistemas considerados e ao nmero de dimenses inerentes ao pro-
cesso de montagem da funo de custo futuro. Porm, estes aspectos sero mais profundamente
abordados no Captulo 4.
A desvantagem da utilizao deste mtodo que ele considera que todas as auncias so
equiprovveis de acontecerem na ocasio do clculo do valor esperado do custo de operao,
diferentemente de quando se utilizam modelos que consideram a tendncia hidrolgica. Estes
modelos so capazes de reconhecer, em funo das auncias passadas, quando h alta probabi-
lidade de ocorrncia de auncias baixas, por exemplo, como em perodos de seca observados
no histrico, em que comum haver estgios consecutivos com baixa auncia caracterizando
o perodo de seca em questo. Porm, estes valores consecutivos de auncia baixa podem no
serem esperados pelo modelo independente com a probabilidade devida. A Figura 3.2 ilustra
como auncias de estgios anteriores podem inuenciar na probabilidade de ocorrncia das
auncias no estado atual.
Figura 3.2: Esquema de ocorrncia de auncias na PDE considerando a tendncia hidrolgica
Desta forma, a PDEI no possui a mesma capacidade de reconhecimento de provveis pe-
rodos de seca e nem perodos de cheia, que podem ser previstos pelo modelo estocstico atravs
de probabilidades diversicadas de acordo com as auncias de perodos anteriores, levando a
uma operao mais eciente. Mesmo podendo ser pessimista nos momentos de tendncia de
cheia comum dizer que a PDEI leva a uma operao otimista do sistema, pois os perodos de
seca so os mais crticos devido aos altos custos associados. Porm, bons resultados podem ser
obtidos do modelo da PDEI, como mostrado em (SIQUEIRA, 2009).
Em resumo, atravs da simplicao do processo estatstico, com a considerao dos even-
3.3 Formulao Matemtica do Problema de Longo e Mdio Prazo 57
tos independentes no tempo, a aplicao da tcnica da PDE torna-se mais vivel do ponto de
vista computacional e pode fornecer uma aproximao para a avaliao do planejamento ener-
gtico.
Atualmente, a Programao Dinmica Dual Estocstica (PEREIRA; PINTO, 1985; PE-
REIRA, 1989), que uma tcnica baseada na PDE, uma metodologia comumente utilizada
como alternativa para a soluo do problema de planejamento, pois ela capaz de resolver o
problema do planejamento considerando um nmero suciente de reservatrios conjuntamente
aos modelos estatsticos de representao das tendncias hidrolgicas, contornando a "maldio
da dimensionalidade" existente na PDE. A PDDE utiliza a tcnica de Decomposio de Benders
e trata o problema de forma analtica, evitando a discretizao do espao de estados tal como
feito na tcnica da PDE diminuindo o esforo computacional de forma substancial.
A PDDE no apresenta um espao amostral discreto dos armazenamentos, mas constitui-se
de um processo de convergncia em que os pontos so visitados de acordo com que realizada
a representao mais realista da funo de custo futuro ao longo das iteraes. A funo um
poliedro convexo que pode ser construdo a partir do valor esperado dos multiplicadores simplex
associados a cada subproblema. Para uma amostra bastante representativa das auncias o
espao de estados visitados suciente para a determinao de polticas satisfatrias.
3.3 Formulao Matemtica do Problema de Longo e Mdio
Prazo
3.3.1 Funo Objetivo
A funo objetivo retrata o objetivo do planejamento dos sistemas hidrotrmicos, que
atender a carga prpria com o menor custo esperado de operao. Assim, a funo objetivo de
cada subproblema, para um determinado estgio t, corresponde a minimizar o custo de operao
presente mais o custo esperado futuro, que vai desde o estgio seguinte, t+1, at o ltimo estgio
do horizonte do estudo, representada pela funo de custo futuro. Para referenciar os custos
operativos dos estgios posteriores no presente, inserida a taxa de desconto associada funo
de custo futuro.
De acordo como modelo adotado para a resoluo do problema coma utilizao da equao
recursiva da PDE para a formulao acaso-deciso, tem-se a seguinte funo objetivo a ser
utilizada na resoluo do problema para cada estado e perodo:
z
t
(X
t
, A
t
) = Min
_
NSIS
i=1
NPMC
pc=1
_
NCLT
i
j=1
T
i, j,t
g
T
i, j,pc,t
+
NPDF
pd=1
D
pd
de f
i,pc,pd,t
_
+
1
1+

t+1
_
(3.2)
em que:
z
t
(X
t
, A
t
) Valor do custo timo de operao no perodo t de acordo com a fun-
o custo futuro esperado e sujeito ao estado inicial dos armazena-
mentos X
t
e ao conjunto de auncias A
t
no perodo t (R$730)
3
.
NSIS Nmero de sistemas.
NPMC Nmero de patamares de mercado.
NCLT
i
Nmero de classes trmicas no sistema i.
NPDF Nmero de patamares de dcit.
T
i, j,t
Custo incremental de gerao associado classe trmica j do sistema
i e perodo t (R$/MWh).
D
pd
Custo incremental de dcit associado ao patamar de dcit pd
(R$/MWh).
g
T
i, j,pc,t
Gerao trmica total na classe trmica j do sistema i e estgio t
dentro do patamar de carga pc (MWmdio).
de f
i,pc,pd,t
Dcit ocorrido no sistema i e estgio t dentro do patamar de carga
pc e patamar de dcit pd (MWmdio).
t+1
Funo de custo esperado futuro relacionado deciso atual
(R$730).
3.3.2 Restries de Atendimento Demanda
Como j foi visto anteriormente, a demanda lquida no sistema i, patamar k e perodo t
o MWmdio a ser atendido durante o patamar k. Assim, a equao de atendimento a demanda
visa determinar a maneira como a demanda lquida ser atendida, considerando a gerao hi-
drulica e trmica, dcit e intercmbios. Porm, a demanda lquida deve ser abatida da gerao
3
O fator multiplicativo aparece devido converso dos custos por unidade horria em custo por unidades
mensais de tempo.
incondicional proveniente das usinas o dgua e devido a gerao para atendimento de requi-
sitos de vazo mnima. A equao de demanda para um dado sistema i e patamar de carga k em
um estgio t mostrada a seguir:
ghidr
i,k,t
+
NCLT
i
j=1
g
T
i,k, j,t
+
NPDF
j=1
de f
i,k, j,t

NSIS
j=1
int
i, j,k,t|i=j
+
NSIS
j=1
int
j,i,k,t|i=j
exc
i,k,t
=
_
DEMLIQ
i,k,t
EFIO
i,t
EDSVF
i,t
EVMIN
i,t
_
EA
i,t
_
_
DPMERC
k,t
(3.3)
em que:
ghidr
i,k,t
Gerao hidrulica do sistema i no patamar de carga k no perodo t
(MWmdio).
int
i, j,k,t|i=j
Intercmbio do sistema i para sistema j, no patamar de carga k, sendo
sempre i diferente de j no perodo t (MWmdio).
exc
i,k,t
Excesso de energia no sistema i, patamar de mercado k e perodo t
(MWmdio).
DEMLIQ
i,k,t
Demanda lquida do sistema i no patamar de carga k, igual carga
prpria ponderada pela profundidade do patamar abatida da gerao
de pequenas usinas, gerao trmica mnima e submotorizao no
perodo t (MWmdio).
EFIO
i,t
Energia auente o dgua lquida ao sistema i no perodo t (MW-
mdio).
EVMIN
i,t
_
EA
i,t
_
Energia de vazo mnima controlvel do sistema i no perodo t, cor-
rigida pelo armazenamento no incio do perodo (MWmdio).
EDSVF
i,t
Energia de desvio o dgua do sistema i no perodo t (MWmdio).
DPMERC
k,t
A varivel de deciso excesso inserida no problema como uma varivel de folga para a
situao em que a demanda lquida a ser atendida seja menor que a soma das energias o dgua
e a energia de vazo mnima, que so compulsrias. Desta forma, esta varivel importante
para evitar possveis infactibilidades no problema quando utilizada a representao do sistema
via sistemas equivalentes de energia. Sendo assim, a varivel de excesso de gerao hidrulica
comumente penalizada atravs da funo objetivo, assim como os valores de intercmbio, que
tambm possuem valores pequenos de custo associado.
3.3.3 Restries de Balano Energtico nos Reservatrios Equivalentes de
Energia
A energia armazenada no nal do estgio t dada pela energia armazenada no incio do
estgio mais a energia auente total menos o desestoque e as perdas. O desestoque dado
pela gerao hidrulica e vertimento, que so variveis de deciso, e, tambm, pela energia o
dgua e energia de vazo mnima, que so compulsrias. As perdas so representadas pela
energia evaporada e pela energia gasta com o enchimento de volume morto nos reservatrios
que esto iniciando sua operao no estgio t.
De forma simplicada, obtm-se:
ea
i,t+1
= EA
i,t
+EC
i,t
EVMIN
i,t
EDSVC
i,t
Variveis de Deciso
..
NPMC
k=1
ghidr
i,k
evert
i,t
Perdas
..
EVP
i,t
EVM
i,t
(3.4)
Resumidamente, participam da equao de balano hdrico a energia armazenada inicial, a
energia auente controlvel, o termo correspondente ao volume mnimo obrigatrio e as per-
das que, juntamente s variveis de deciso de gerao hidrulica e vertimento determinam o
volume armazenado nal no perodo.
Porm, necessrio fazer as correes necessrias atravs das parbolas em funo do
armazenamento inicial do sistema e a equao formal de balano energtico apresentada a
seguir:
ea
i,t+1
+
NPMC
k=1
ghidr
i,k
+evert
i,t
= FCEA
i,t
EA
i,t
+FCEC
i,t
_
EA
i,t
_
EC
i,t
EVMIN
i,t
_
EA
i,t
_
EDSVC
i,t
_
EA
i,t
_
EVP
i,t
_
EA
i,t
_
EVM
i,t
(3.5)
em que:
ea
i,t+1
Energia armazenada no sistema i no nal do perodo t (MWms).
evert
i,t
Energia vertida no sistema i no perodo t (MWms).
FCEA
i,t
Correo da energia armazenada devido a mudana de congurao.
EA
i,t
Energia armazenada no sistema i no incio do perodo t (MWms).
FCEC
i,t
_
EA
i,t
_
Fator multiplicativo para correo da energia controlvel, relativo ao
sistema i no perodo t, corrigido pelo armazenamento inicial do sis-
tema.
EC
i,t
EVMIN
i,t
_
EA
i,t
_
Energia de vazo mnima do sistema i no perodo t corrigida pelo
armazenamento inicial do sistema (MWms).
EDSVC
i,t
_
EA
i,t
_
Energia de desvio controlvel do sistema i no perodo t corrigida pelo
armazenamento inicial do sistema (MWms).
EVP
i,t
_
EA
i,t
_
Energia evaporada no sistema i no perodo t corrigida pelo armaze-
namento inicial do sistema (MWms).
EVM
i,t
Energia para enchimento do volume morto no sistema i e perodo t
(MWms).
3.3.4 Restries de Gerao Hidrulica Mxima Controlvel
Estas restries denem o mximo de gerao hidrulica controlvel de cada um dos sis-
temas em cada um dos patamares de mercado. A gerao hidrulica mxima calculada con-
siderando todas as usinas de cada um dos sistemas, e deve ser corrigida em funo da energia
armazenada pela sua parbola de correo e, em seguida, descontada da energia de vazo m-
nima e energias o dgua do sistema. A equao de gerao hidrulica mxima controlvel
para um dado sistema i e patamar de carga k em um estgio t mostrada a seguir:
ghidr
i,k,t
exc
i,k,t

_
GHMAX
i,t
_
EA
i,t
_
EFIO
i,t
EDSVF
i,t
EVMIN
_
EA
i,t
_
_
DPMERC
k,t
(3.6)
em que:
GHMAX
i,t
_
EA
i,t
_
Gerao hidrulica mxima do sistema i no perodo t, corrigida pelo
armazenamento inicial do sistema (MWmdio).
3.3.5 Equaes de Ns Fictcios
Para as equaes dos ns ctcios, deve-se garantir a gerao ou consumo lquidos de ener-
gia nulos. Tem-se a seguinte condio para cada n ctcio j e patamar de carga k:
i=j
int
i, j,k,t
i=j
int
j,i,k,t
= 0 (3.7)
3.3.6 Equaes da Funo de Custo Futuro
A Funo de Custo Futuro (FCF) ser composta por um conjunto de inequaes que for-
mam um espao convexo e associam o espao de soluo relativo aos armazenamentos aos
respectivos valores esperados de custo futuro. Desta forma, a uma dada soluo, ser atribudo
um valor de custo futuro, o qual ser avaliado conjuntamente aos custos decorrentes da utili-
zao da gerao trmica presente e eventuais dcits de energia em um mesmo problema de
otimizao.
apresentada a seguir uma denio genrica de uma inequao utilizada para representar
um c-simo elemento tambm chamado de corte ou hiperplano do conjunto de inequaes
que compema FCF no problema; porm, a montagemdas restries ser detalhada no Captulo
4.
t+1
NSIS
i=1
COEFA
c,i,t
ea
i,t+1
COEFB
c,t
(3.8)
em que:
t+1
Custo esperado futuro relacionado deciso atual.
COEFA
c,i,t
Coeciente relativo participao do sistema i no c-simo corte ou
hiperplano que compe a funo de custo futuro do perodo t.
COEFB
c,t
Coeciente relativo ao termo independente do c-simo corte ou hi-
perplano que compe a funo de custo futuro do perodo t.
Para as modelagens que consideram as tendncias hidrolgicas existem, na funo de custo
futuro, coecientes relativos s auncias dos meses anteriores.
3.3.7 Limites das Variveis ou Restries de Canalizao
Limites nas Capacidades de Gerao Trmica
O problema est sujeito aos limites mnimos e mximos de gerao trmica de cada classe
trmica em cada patamar de carga, de acordo com o exposto a seguir:
g
T
i, j,t
DPMERC
k,t
g
T
i, j,k,t
g
T
i, j,t
DPMERC
k,t
(3.9)
em que:
g
T
i, j,t
Gerao trmica mnima totalizada na classe trmica j do sistema i
no perodo t (MWmdio).
g
T
i, j,t
Gerao trmica mxima totalizada na classe trmica j do sistema i
no perodo t (MWmdio).
Limites nas Capacidades de Intercmbio
Os valores de transporte de energia entre os sistemas so limitados pela capacidade da rede
implantada e os valores limites desses intercmbios so retratados por:
0 int
i, j,k,t|i=j
int
i, j,k,t|i=j
DPMERC
k,t
(3.10)
em que:
int
i, j,k,t|i=j
Valor mximo de intercmbio do sistema i para o sistema j no estgio
t (MWmdio).
Limites nas Capacidades de Armazenamento
Os limites de armazenamento impactam de forma importante no clculo do despacho da
operao de sistemas hidrotrmicos via representao de sistemas equivalentes de energia. Isto
porque aqui ser delimitada a capacidade do sistema em armazenar a energia para os demais
estgios do problema, o que funo dos volumes mximos e mnimos de gua que podem
ser armazenados em cada reservatrio do sistema, corrigidos pelo fator devido a mudana de
congurao, de acordo com o exposto a seguir:
0 FCEA
i,t+1
ea
i,t+1
EA
i,t+1
(3.11)
em que:
ea
i,t+1
Energia armazenada no sistema i no nal do perodo t (MWms).
EA
i,t+1
Energia armazenvel mxima no sistema i no estgio t+1 (MWms).
Porm, podem tambm serem consideradas as restries advindas do operador para con-
trole de cheias e restries operacionais e, assim, as usinas hidrulicas podem no ter todo o
volume til disponvel durante o despacho. Os dados de armazenamento mximo e mnimo de
cada usina so fornecidos de forma explcita pelo operador, reetindo na energia armazenvel
mxima por restrio de volume de espera e na energia armazenvel mnima por restrio de
operao, cujas denies so encontradas em (CEPEL, 2001) e, se presentes no caso de estudo,
sero modeladas no presente trabalho, pois a plataforma desenvolvida contempla a utilizao
destes limites na modelagem computacional do problema.
4 Programao Dinmica Estocstica e
Algoritmo de Fechos Convexos
(PDE-ConvexHull)
4.1 Introduo
Este Captulo apresenta a aproximao inicial utilizada no trabalho para a resoluo do
problema de planejamento energtico. Sendo assim, sero expostos os algoritmos utilizados
conjuntamente a exemplos didticos para representar melhor o problema.
4.2 Algoritmo Geral da Programao Dinmica Estocstica
Foi discutida, anteriormente, a possibilidade da utilizao do modelo a eventos independen-
tes para a Programao Dinmica Estocstica (PDE) e, sendo assim, ela constri uma funo
de custo futuro,
t
(X
t
), discretizando o espao de estados (armazenamentos) em um conjunto
de valores e resolvendo o problema do despacho timo para cada uma dessas discretizaes.
Valores intermedirios de
t
(X
t
) so obtidos atravs da interpolao dos valores obtidos para as
discretizaes. O algoritmo de PDE pode ser sintetizado pelos seguintes passos :
Inicializao de
t+1
(X
t+1
);
Repita de t = T, T-1, ..., 1;
Repita para cada estado inicial, X
i
t
, i = 1, 2, . . . , nmero de discretizaes;
Repita para cada cenrio de auncia;
Calcula o custo timo de operao associado;
Calcula o valor esperado do custo de operao para o dado estado sujeito a
t+1
(X
t+1
);
Determina um ponto da funo de custo futuro;
4.3 Algoritmo de Fechos Convexos 66
Determinao da funo de custo futuro
t
(X
t
);
Contudo, a obteno da funo de custo futuro como uma interpolao dos pontos obtidos
pode ser uma tarefa complexa quando se trata de um nmero maior de reservatrios, pois os
planos de interpolao no so visualizados de forma trivial.
Desta forma, o algoritmo de fechos convexos (Convex Hull) utilizado na obteno da FCF
em funo dos pontos obtidos pela Programao Dinmica Estocstica. Isto porque ele capaz
de tratar geometricamente o problema da obteno dos hiperplanos para um nmero qualquer
de dimenses consideradas com a garantia dos hiperplanos formarem um conjunto convexo
(DIAS et al., 2010). A garantia do conjunto convexo importante para que a funo de custo
futuro possa ser representada como uma funo linear por partes de maneira que os problemas
possam ser resolvidos por programao linear.
Alm disso, o nmero de combinaes possveis para a seleo de pontos a formar cada
hiperplano pode ser alta, com consequente alto nmero de hiperplanos obtidos. Porm, o al-
goritmo de fechos convexos capaz de fazer com que hiperplanos coplanares sejam fundidos,
caracterizado em uma reduo no nmero de planos quando comparado a um algoritmo de PDE
convencional.
4.3 Algoritmo de Fechos Convexos
Para denir o mtodo dos fechos convexos ou Convex Hull deve-se considerar a
denio de conjuntos convexos atravs da seguinte denio:
Um conjunto S convexo se para quaisquer dois pontos p, q S, qualquer combinao
convexa de p e q tambm pertence a S, como indicado na Figura 4.1.
Figura 4.1: Exemplos de conjunto convexo e no-convexo
Foi mostrada somente a denio bsica de conjuntos convexos, porm, uma denio
mais completa e as propriedades advindas deste tipo de conjunto so apresentadas em alguns
trabalhos, vide (BORWEIN; LEWIS, 2000). A seguinte denio formal dada para o fecho
convexo:
Dado um conjunto nito de pontos P ={p
1
, . . . , p
n
}, o fecho convexo para esse conjunto
xo de pontos P o menor polgono convexo C tal que P C como indicado na Figura
4.2.
Figura 4.2: Exemplos de fechos convexos
Desta forma, entende-se que o fecho convexo ou convex hull dene a fronteira do
menor polgono convexo que compreende todos os elementos do conjunto e, desta forma, este
algoritmo pode ser utilizado para a montagem da funo de custo futuro em funo dos pontos
obtidos pela discretizao dos estados do problema.
Existem diversos algoritmos de fechos convexos, como exemplo temos o algoritmo de
Graham, o algoritmo de Jarvis e o algoritmo QuickHull (BARBER et al., 1996), que o al-
goritmo utilizado no presente trabalho para a montagem do fecho convexo.
A idia principal do algoritmo QuickHull pode ser sintetizada atravs seguinte lema: para
a maioria dos conjuntos de pontos mais fcil descartar muitos pontos que esto no interior
do invlucro convexo e concentrar o trabalho nos pontos que esto prximos da fronteira. No
caso, cada ponto representa o custo mdio associado a uma dada discretizao dos reservatrios
que denem a funo de custo futuro na PDE.
Dado umconjunto de pontos qualquer, como mostrado na Figura 4.3, o algoritmo QuickHull
se utiliza dos seguintes passos (DIAS, 2010):
Figura 4.3: Pontos aleatrios em um plano bidimensional
PASSO 1: O algoritmo iniciado com uma busca dos pontos extremos em qualquer uma
das direes, por exemplo, ao longo do eixo das abscissas, ordenadas ou algum aleatrio. Ento
denido um segmento de reta ab ligando os pontos encontrados, conforme a Figura 4.4.
Figura 4.4: Algoritmo QuickHull Passo 1
PASSO 2: Dado o segmento encontrado no passo anterior, encontra-se o ponto c em uma
dada direo coma maior distncia ao segmento ab e, se o ponto extremo c no existir, continua-
se o processo em outra direo. Ao encontrar o ponto extremo c, determina-se um polgono com
os pontos selecionados at ento, no caso, tem-se o tringulo abc, como mostrado na Figura
3-6.
PASSO 3: Para cada lado do polgono encontrado, verica-se se existe algum ponto mais
extremo perpendicular ao segmento, no caso do nosso exemplo, somente o lado ab do tringulo
abc apresenta ponto extremo, logo temos o seguinte resultado mostrado na Figura 4.6.
Observa-se que os pontos internos ao polgono no precisam mais ser vericados, logo eles
foram descartados da anlise.
PASSO 4: Dado o novo polgono, verica-se para os novos segmentos encontrados, se
existe algum ponto extremo aos segmentos. Uma vez encontrado o ponto, um novo polgono
formado conforme mostrado na Figura 4.7.
Este passo repetido para cada lado do polgono, at que no existam mais pontos exter-
nos. Quando isto ocorre, o conjunto convexo ento formado com os pontos utilizados como
extremos, conforme mostrado na Figura 4.8.
O algoritmo apresentado pode ser utilizado em problemas com dimenses superiores, como
mostrado na Figura 4.9 (DIAS, 2010), em que apresentado o resultado do algoritmo para
pontos no R
3
.
Figura 4.9: Conjunto convexo no plano tridimensional: (a) Conjunto aleatrio de pontos e (b)
Conjunto convexo obtido
Um exemplo da utilizao da tcnica de conjuntos convexos em sistemas de energia pode
ser visto em (DINIZ; MACEIRA, 2008), em que a teoria de conjuntos convexos utilizada
para a convexicao de partes da funo de produo hidrulica das usinas conjuntamente
utilizao de variveis binrias para a modelagem da funo de produo no problema do
despacho de curto prazo. Ao invs de utilizar uma implementao prpria, como no trabalho
citado, utilizado no presente trabalho a biblioteca computacional QHull (QHULL, 2011),
implementada em C++, para obteno do conjunto convexo, o qual formado pelos hiperplanos
de corte da PDE. Os pontos fornecidos ao algoritmo so obtidos dos custos timos de operao
do sistema para as discretizaes predenidas dos volumes dos reservatrios.
4.4 Utilizao da PDE Conjuntamente ao Algoritmo de Fechos Convexos (PDE-ConvexHull) 71
4.4 Utilizao da PDE Conjuntamente ao Algoritmo de Fe-
chos Convexos (PDE-ConvexHull)
Os passos do algoritmo de soluo da metodologia PDE-ConvexHull so mostrados na Fi-
gura 4.10 (DIAS, 2010). Observa-se que, seguindo a tcnica de programao dinmica, inicia-se
pelo ltimo estgio (t = T). No Bloco 1 so obtidos os custos operacionais mdios para cada
estado operativo atravs de programao linear. O conjunto de pontos que relacionam os arma-
zenamentos dos reservatrios aos custos timos obtidos fornecido ao algoritmo QuickHull, do
qual obtm-se o conjunto reduzido de planos que compem o fecho convexo que ser utilizado
para a modelagem da Funo de Custo Futuro (FCF), como mostrado no Bloco 2. No Bloco 3
h um decremento no nmero do estgio. As FCFs obtidas entram como restrio na anlise
do prximo estgio (t-1), sendo que este procedimento repetido at que se atinja o primeiro
estgio, vericao realizada no Bloco 4.
Figura 4.10: Algoritmo da obteno das funes de custo futuro da PDE utilizando fechos
convexos (PDE-ConvexHull)
Como mostrado anteriormente, o algoritmo de fechos convexos gera o invlucro convexo
para o conjunto de pontos determinados pela dinmica da PDE e um exemplo para dois reser-
vatrios mostrado na Figura 4.11.
Figura 4.11: Invlucro convexo obtido do algoritmo de fechos convexos
Desta forma, para a obteno dos cortes que representam a Funo de Custo Futuro ne-
cessrio que o Bloco 2 realize tambm um tratamento do conjunto de planos obtidos com o
intuito de eliminar os planos que "cobrem" o conjunto convexo, fazendo com que o resultado
que como o mostrado na Figura 4.12, que contm o conjunto dos planos a serem utilizados
na composio da FCF.
Figura 4.12: Conjunto de planos de corte que aproximam a FCF
Alm disso, o Bloco 2 pode tambm realizar a eliminao de cortes que possuem os coeci-
entes muito prximos de acordo com uma dada tolerncia e, assim, cortes que so praticamente
coplanares podem ser mesclados. Desta forma, haver um nmero reduzido de cortes a serem
inseridos no problema, resultando em um ganho computacional. Porm, a utilizao da elimi-
nao de cortes na resoluo do problema no compulsria, podendo ser utilizada de acordo
com algum valor de tolerncia requerida ou mesmo nem ser utilizada no algoritmo.
As tarefas realizadas pelo Bloco 1 so detalhadas na Figura 4.13, em que dado um estgio
t, feita a varredura do espao de estados e calcula-se o valor da funo objetivo para cada
discretizao de armazenamento e para cada cenrio considerando o conjunto de cortes ()
obtidos no perodo t+1. , ento, realizado o clculo do valor esperado do custo de operao
para cada estado de armazenamento, formando o conjunto de pontos a serem utilizados pelo
algoritmo de fechos convexos para a obteno de uma nova FCF.
Figura 4.13: Detalhamento do Bloco 1 Algoritmo para obteno dos custos de operao
5 Processo Iterativo de Utilizao da
Funo de Custo Futuro
5.1 Introduo
Como foi dito anteriormente, dependendo do nmero de reservatrios considerados o n-
mero de estados discretizados pode ser muito alto quando utiliza-se a Programao Dinmica
Estocstica na resoluo da poltica energtica devido ao fato de que muitos problemas de oti-
mizao devem resolvidos.
Porm, quando h muitas discretizaes, no somente o nmero de problemas de progra-
mao linear (PPLs) torna-se alto mas tambm o nmero de hiperplanos obtidos pelo algoritmo
de fechos convexos pode tornar os PPLs mais complexos devido ao excessivo nmero de res-
tries presentes na composio da funo de custo futuro no problema. Por exemplo, para
um nmero de NR reservatrios discretizados em ND parcelas, o algoritmo de fechos convexos
pode fornecer at (ND1)
NR
NR! hiperplanos para a confeco da FCF. O que, por exemplo,
implica nas seguintes possibilidades:
1 reservatrio, 3 discretizaes (3-1)
1
1! = 2 hiperplanos (ou 2 retas)
2 reservatrios, 3 discretizaes (3-1)
2
2! = 8 hiperplanos (ou 8 planos)
3
3! = 48 hiperplanos
4
4! = 384 hiperplanos
4
4! = 6.144 hiperplanos
4
4! = 240.000 hiperplanos
Quando h hiperplanos colineares, o algoritmo de fechos convexos automaticamente funde
estes planos, podendo resultar em uma resposta do algoritmo com um nmero menor de hiper-
planos em relao ao nmero calculado previamente. Porm, para um processo de resoluo de
5.2 Algoritmo Proposto 75
poltica robusto, deve-se considerar que o nmero de hiperplanos atingir valores muito prxi-
mos aos limites considerados acima.
Como utilizado o algoritmo simplex, o tempo de resoluo de cada PPL bastante sens-
vel ao nmero de hiperplanos considerados, o que pode fazer com que a resoluo da poltica
seja um processo de alto custo computacional. Questes semelhantes relacionadas ao com-
portamento do algoritmo simplex perante um nmero elevado de restries so abordadas em
(DINIZ, 2009).
Existem diversas famlias de algoritmos baseados em mtodos de pontos interiores
(QUINTANA et al., 2000) que poderiam ser utilizados na resoluo dos problemas, porm,
seria demandado um grande esforo no sentido de estudar as possibilidades de algoritmos a
serem testados e implementao de um solver estvel para aplicao no problema. Ainda as-
sim, existem solvers comerciais (ISON; CAIRE, 2008) que poderiam, tambm, ser utilizados e,
obviamente, agregariam um custo adicional utilizao da plataforma desenvolvida.
Neste Captulo, que a maior contribuio do trabalho, proposto um algoritmo simples
com o objetivo de tornar o tempo de resoluo dos PPLs menos sensvel ao nmero de cor-
tes obtidos durante o processo, evitando-se utilizar um nmero muito alto de restries para
a representao da funo de custo futuro. Desta forma, pode-se obter um bom desempenho
computacional utilizando o algoritmo simplex, disponvel em bibliotecas gratuitas, como ferra-
menta de soluo dos PPLs. Logicamente, a tcnica proposta no condicionada utilizao
do simplex, podendo tambm ser utilizada conjuntamente a solvers diversos.
5.2 Algoritmo Proposto
A ideia bsica fazer com que nem todos os hiperplanos obtidos pelo algoritmo de fechos
convexos sejam utilizados na resoluo do problema de programao linear, pois como utili-
zado o algoritmo simplex, o nmero de iteraes necessrias para alcanar a soluo pode ser
muito alto devido ao grande nmero de vrtices a serem avaliados. Assim, ao invs de utilizar
todo o conjunto dos hiperplanos obtidos do algoritmo de fechos convexos, ser utilizado um
conjunto menor de hiperplanos (), cujos elementos so preenchidos iterativamente ao longo
do processo.
De maneira a acelerar o processo, o conjunto pode ser reaproveitado entre estados con-
secutivos com o objetivo de acelerar a convergncia do altoritmo. Contudo, para que haja
um ganho expressivo, deve-se limitar o nmero de elementos contidos em para que ele seja
reaproveitado. Assim, se o numero de elementos do cunjunto for inferior a um parmetro Num-
MaxCortes o conjunto reaproveitado para a resoluo do prximo estado; caso contrrio,
reinicia-se o processo com o conjunto vazio.
Ressalta-se que a tcnica no representa uma alterao muito drstica no algoritmo b-
sico da PDE-ConvexHull, pois h modicao somente no trecho indicado pelo Bloco 1 da
Figura 4.10. Mais especicamente, realizada uma alterao no trecho existente no algoritmo
mostrado na Figura 4.13, que trata da resoluo do despacho sujeito a todos os hiperplanos do
conjunto obtidos pelo algoritmo de fechos convexos para o estgio subsequente. Desta forma,
ao invs de realizar a soluo direta do problema considerando todas as restries da funo de
custo futuro, utilizado um algoritmo iterativo para insero dos cortes no problema, como
mostrado na Figura 5.1.
Figura 5.1: Algoritmo proposto
Para a compreenso do algoritmo, relembra-se que o conjunto de todos os hiperplanos
obtidos pelo algoritmo de fechos convexos para o estgio subsequente que compem o termo
t+1
. Deniu-se por um subconjunto de que contm os cortes inseridos no processo e so
utilizados diretamente na resoluo do PPL. Adicionalmente, o conjunto vazio no incio
de cada estgio, assim como nula a varivel NumCortes que conta o nmero de hiperplanos
contidos em .
Primeiramente, o problema relaxado resolvido, ou seja, a FCF no representada ainda
porque o conjunto inicialmente vazio e obtm-se uma soluo X
com um valor de custo

futuro
(X
) nulo associado. Este valor no retrata, ainda, a funo de custo futuro como
desejado e, assim, vericam-se os valores de funo associados substituio da soluo rela-
tiva aos armazenamentos obtidos (X
) em cada um dos componentes do conjunto . Atravs

disso, possvel encontrar o corte de interpolao, que o i-simo corte do conjunto tal que
possua o maior valor de custo associado soluo X
entre todos do conjunto. Denominou-se

este i-simo corte do conjunto por corte de interpolao porque a sua utilizao equivale
interpolao linear da soluo X
sobre o conjunto de pontos obtidos dos custos esperados de

operao em funo das discretizaes de armazenamento.
O valor de custo interpolado equivale ao valor de custo futuro correto para o ponto X
de
acordo com o conjunto e chamado de
i
(X
), pois associado ao i-simo elemento do

conjunto. Se
(X
) e
i
(X
) estiverem sucientemente prximos de acordo com a tolerncia

adotada signica que houve a convergncia do processo. Caso contrrio o i-simo elemento
do conjunto inserido no conjunto e resolve-se novamente o problema sujeito ao novo
conjunto de hiperplanos , obtendo-se um novo valor de X
e consequentemente um novo
valor de custo futuro
(X
).
Desta forma, o processo repetido at que o custo associado funo de custo futuro
(X
) esteja prximo o suciente do valor correto

_
i
(X
)
_
, dado pelo maior valor obtido na
interpolao da soluo em cada um dos hiperplanos. Quando isto ocorre signica que a FCF
est devidamente representada no problema, o que tambm implica que o valor do custo timo
obtido estar de acordo com o que seria obtido quando da considerao direta dos cortes. Sendo
assim, dentro da tolerncia especicada o valor de z(X
t
, A
t
) invariante com a metodologia
direta ou iterativa utilizada na considerao dos cortes nos problemas de programao linear.
Porm, como estados consecutivos podem ser prximos, torna-se interessante deixar que
o conjunto da ltima convergncia possa ser utilizado no prximo estado avaliado, fazendo
com que o algoritmo gaste menos iteraes para alguma prxima convergncia. Contudo, se o
nmero de elementos do conjunto (NumCortes) for muito alto o tempo gasto no algoritmo
simplex passa a ser mais signicativo, o que leva a uma reduo no ganho quando se utiliza
o algoritmo proposto. Este nmero mximo de elementos no conjunto tal que fornea bom
5.3 Exemplo Didtico 78
desempenho do algoritmo dado pelo valor NumMaxCortes, que foi obtido de forma emprica
no presente trabalho.
5.3 Exemplo Didtico
Este exemplo dittico visa expor os algoritmos utilizados, especialmente da PDE com uti-
lizao do algoritmo de fechos convexos e do algoritmo iterativo de insero de cortes no pro-
blema de planejamento para um problema de trs estgios.
Para isto, ser utilizado um sistema equivalente ctcio e simplicado dentro da modela-
gem apresentada no presente trabalho para os sistemas equivalentes de energia, pois no sero
utilizadas energias provenientes de perdas por evaporao, energias o dgua, vazo mnima
ou desvio nem as parbolas de correo de acordo com o armazenamento. Sendo assim, a va-
rivel de excesso de gerao desnecessria no problema de acordo com os demais parmetros
existentes desprezados, como possveis efeitos da gerao mnima das usinas trmicas.
Osistema, que representado na Figura 5.2 adaptada de (SILVA, 2001) ser composto
por duas usinas trmicas e o mercado ser composto por somente 1 (um) patamar de carga.
Adicionalmente, somente 1 (um) patamar de dcit ser considerado no problema.
Figura 5.2: Sistema utilizado no exemplo didtico
Os dados do sistema equivalente so apresentados atravs da Tabela 5.1 e so estticos, no
variando ao longo dos trs estgios.
Tabela 5.1: Parmetros do sistema equivalente utilizado no exemplo didtico
EA (MWMS) EA(MWMS) GH (MWMDIO)
SISTEMA_1 0 1000 800
Os dados das usinas trmicas tambm no variam ao longo dos estgios e so mostrados na
Tabela 5.2. Neste exemplo, cada usina trmica compreende a uma classe trmica diferenciada
e os termos classe trmica e usina trmica sero, por simplicao, utilizados como sinnimos
dentro desta seo.
Tabela 5.2: Parmetros das termeltricas utilizadas no exemplo didtico
NOME CUSTO (R$/MWH) CAPACIDADE (MW) GERAO MNIMA (MW)
UTE_1 70 380 100
UTE_2 100 500 150
Os cenrios de auncia so mostrados na Tabela 5.3, utilizando-se trs cenrios de aun-
cia para denir cenrio de alta, mdia e baixa auncia para o sistema exemplo. Recapitulando,
as parcelas o dgua foram desconsideradas e os valores abaixo retratam a energia controlvel
auente ao sistema.
Tabela 5.3: Cenrios de auncia ao reservatrio equivalente
ESTGIO AFLUNCIA ALTA AFLUNCIA MDIA AFLUNCIA BAIXA
(MWMS) (MWMS) (MWMS)
1 420 250 100
2 400 260 85
3 340 180 70
O mercado ser xo para os trs estgios no valor de 1000 MW, com custo de dcit de 680
R$/MWh e a taxa de desconto ser considerada nula.
Para a PDE, sero utilizadas 6 discretizaes do armazenamento, o que equivale a uma
discretizao de 20 em 20% da capacidade do sistema. Como mencionado no algoritmo, o
processo se inicia do perodo T, ou seja, t = 3.
Nesse caso, por referir-se ao ltimo estgio o termo
t+1
nulo e sabendo-se que h so-
mente um sistema e desconsiderando a indexao de estgio e patamares o problema se con-
gura da seguinte forma:
Min 70 g
T
1
+100 g
T
2
+680 de f
sujeito a:
ghidr +g
T
1
+g
T
2
+de f = 1000 (restri ao de demanda)
ea+ghidr +evert = EA+EC (restri ao de balano hdrico)
dentro dos limites variveis:
0 ea 1000 (armazenamento do sistema)
0 ghidr 800 (gerao hidrulica do sistema)
evert 0 (vertimento no sistema)
de f 0 (dcit no sistema)
100 g
T
1
380 (gerao trmica)
150 g
T
2
500 (gerao trmica)
Os valores de EA (energia armazenada inicial) e EC (energia controlvel) variam de acordo com
a dinmica da PDE e, assim, possvel obter a Tabela 5.4, que contm os custos relacionados
obtidos pelo processo da PDE. Como mostrado no bloco da Figura 4.13, para cada discretizao
de armazenamento calcula-se o custo de operao relacionado a cada realizao de auncia
para, ento, realizar o clculo do valor esperado de operao em funo do determinado estado
de armazenamento. Por se tratar do ltimo estgio, no possuindo funo de custo futuro, o
processo de resoluo direto e no utiliza-se o processo iterativo de insero de cortes para o
referente estgio.
Tabela 5.4: Tabela de custos encontrados para o ltimo estgio do problema
DISCRETIZAO AFLUNCIA CUSTO TIMO CUSTO ESPERADO
(MWms) (R$x730) (R$x730)
Alta 22.000,00
1000 Mdia 22.000,00 22.000,00
Baixa 22.000,00
Alta 22.000,00
800 Mdia 22.000,00 22.000,00
Baixa 22.000,00
Alta 22.000,00
600 Mdia 22.000,00 23866.67
Baixa 27.600,00
Alta 22.700,00
400 Mdia 33.900,00 32.733,33
Baixa 41.600,00
Alta 36.700,00
200 Mdia 50.600,00 49.633,33
Baixa 61.600,00
Alta 54.600,00
0 Mdia 70.600,00 78.600,00
Baixa 110.600,00
Dados os pontos obtidos pelos valores de custo esperado, utiliza-se o algoritmo correspon-
dente ao Bloco 2 (Convex Hull), indicado na Figura 4.10, que utiliza o algoritmo de fechos
convexos para obteno dos cortes que representam a FCF, como indicado na Figura 5.3.
Figura 5.3: Resultado obtido no estgio 3: (a) pontos obtidos pela PDE e (b) cortes obtidos pelo
algoritmo de fechos convexos (Bloco 2)
Os coecientes dos cortes obtidos para a funo de custo futuro so apresentados na Tabela
5.5 e sero utilizados no estgio 2.
Tabela 5.5: Coecientes dos cortes obtidos da resoluo do estgio 3
corte(i) COEFA
i
COEFB
i
1 -144,83 78.600,00
2 -84,50 66.533,33
3 -44,33 50.466,67
4 -9,33 29.466,67
5 0,00 22.000,00
Antes de iniciar o processo iterativo compreendido ao estgio 2, ser aproveitado o exemplo
para mostrar o que representa o passo de interpolao em cada hiperplano em funo de um
dado armazenamento para a insero interativa. Pela Figura 5.4 ca claro o porqu do plano
selecionado ser o de maior valor de custo associado, pois o plano que representa a curva para
o dado ponto de armazenamento. Assim, para um armazenamento de 100 MWms, substitui-
se este armazenamento em cada um dos 5 hiperplanos (retas), obtendo-se 5 custos; o corte
selecionado o de maior custo associado que, no caso, o corte 1.
Figura 5.4: Exemplo de interpolao
Iniciando o processo de resoluo do estgio 2, tem-se que o conjunto inicialmente
vazio. Ser utilizada uma tolerncia de 1, 0 10
2
para a convergncia do processo e, alm
disso, ser considerado um nmero mximo de 3 cortes para o esvaziamento do conjunto .
Pela dinmica da PDE, deve-se varrer o espao das discretizaes dos estados e, desta
forma, tem-se a seguinte situao:
= EA = 1.000 e EC = 400 (cenrio alto)
PRIMEIRA ITERAO: ={}
-Resolvendo o problema sujeito aos cortes contidos em , tm-se:
X
= 324, 11 z
(X, A) = 22.000, 00
(X
) = 0
-Realizando as substituies nos cortes contidos em , tm-se:
corte 1: f
1
(X
) =144, 83324, 11+78.600, 00 = 31.658, 39

corte 2: f
2
(X
) =84, 50324, 11+66.533, 33 = 39.146, 23

corte 3: f
3
(X
) =44, 33324, 11+50.466, 67 = 36.097, 89

corte 4: f
4
(X
) =9, 33324, 11+29.466, 67 = 26.441, 66

corte 5: f
5
(X
) = 0, 00324, 11+22.000, 00 = 22.000, 00

-Vericando o valor do maior custo, o corte de ndice 2 candidato, logo:
i
(X
) = 39.146, 23
(X
) = 0
-Como a FCF ainda no est convergida, insere-se o corte selecionado.
SEGUNDA ITERAO: ={2}
X
= 787, 38 z
(X, A) = 31.616, 37
(X
) = 0
corte 1: f
1
(X
) =144, 83787, 38+78.600, 00 =35.438, 40

corte 2: f
2
(X
) =84, 50787, 38+66.533, 33 = 0, 0

corte 3: f
3
(X
) =44, 33787, 38+50.466, 67 = 15.559, 63

corte 4: f
4
(X
) =9, 33787, 38+29.466, 67 = 22.117, 82

corte 5: f
5
(X
) = 0, 00787, 38+22.000, 00 = 22.000, 00

i
(X
) = 22.117, 82
(X
) = 0
TERCEIRA ITERAO: ={2, 4}
X
= 650, 00 z
(X, A) = 45.400, 00
(X
) = 23.400, 00
corte 1: f
1
(X
) =144, 83650, 00+78.600, 00 =15.541, 67

corte 2: f
2
(X
) =84, 50650, 00+66.533, 33 = 11.608, 33

corte 3: f
3
(X
) =44, 33650, 00+50.466, 67 = 21.650, 00

corte 4: f
4
(X
) =9, 33650, 00+29.466, 67 = 23.400, 00

corte 5: f
5
(X
) = 0, 00650, 00+22.000, 00 = 22.000, 00

i
(X
) = 23.400, 00
(X
) = 23.400, 00
-A FCF est convergida e o conjunto ca inalterado.
Custo timo para o estado (EA = 1000 e EC = 400)
z(X, A) = z
(X, A) = 45.400, 00
Como o nmero de elementos de no excede o nmero de 3 cortes, ele mantido.
= EA = 1.000 e EC = 260 (cenrio mdio)
PRIMEIRA ITERAO: ={2, 4}
X
= 510, 00 z
(X, A) = 46.706, 67
(X
) = 24.706, 67
corte 1: f
1
(X
) =144, 83510, 00+78.600, 00 = 4735, 00

corte 2: f
2
(X
) =84, 50510, 00+66.533, 33 = 23.438, 33

corte 3: f
3
(X
) =44, 33510, 00+50.466, 67 = 27.856, 67

corte 4: f
4
(X
) =9, 33510, 00+29.466, 67 = 24.706, 67

corte 5: f
5
(X
) = 0, 00510, 00+22.000, 00 = 22.000, 00

i
(X
) = 27.856, 67
(X
) = 24.706, 67
SEGUNDA ITERAO: ={2, 4, 3}
X
= 510, 00 z
(X, A) = 49.856, 67
(X
) = 27.856, 67
corte 1: f
1
(X
) =144, 83510, 00+78.600, 00 = 4.735, 00

corte 2: f
2
(X
) =84, 50510, 00+66.533, 33 = 23.438, 33

corte 3: f
3
(X
) =44, 33510, 00+50.466, 67 = 27.856, 67

corte 4: f
4
(X
) =9, 33510, 00+29.466, 67 = 24.706, 67

corte 5: f
5
(X
) = 0, 00510, 00+22.000, 00 = 22.000, 00

i
(X
) = 27.856, 67
(X
) = 27.856, 67
z(X, A) = z
(X, A) = 49.856, 67
= EA = 1000 e EC = 85 (cenrio baixo)
PRIMEIRA ITERAO: ={2, 4, 3}
X
= 400.00 z
(X, A) = 59.283, 33
(X
) = 32.733, 33
corte 1: f
1
(X
) =144, 83400, 00+78.600, 00 = 20.666, 67

corte 2: f
2
(X
) =84, 50400, 00+66.533, 33 = 32.733, 33

corte 3: f
3
(X
) =44, 33400, 00+50.466, 67 = 32.733, 33

corte 4: f
4
(X
) =9, 33400, 00+29.466, 67 = 25.733, 33

corte 5: f
5
(X
) = 0, 00400, 00+22.000, 00 = 22.000, 00

-Vericando o valor do maior custo, o corte de ndice 2 ou 3 so candidatos, logo:
i
(X
) = 32.733, 33
(X
) = 32.733, 33
z(X, A) = z
(X, A) = 59.283, 33
Desta forma, foi possvel fazer o clculo do valor esperado para o estado de armazenamento
de 1000 MWms no incio do segundo estgio, como na forma:
E(X = 1000) =
45.400, 00+49.856, 67+59.283, 33
3
=
154.540, 00
3
= 51.513, 33
Este valor obtido um ponto da curva de custo futuro a ser utilizada no estgio 1. Para a
denio dos demais pontos, basta seguir o algoritmo apresentado para as demais discretizaes
do armazenamento.
Este exemplo didtico no tem por objetivo mostrar ganhos computacionais na execuo do
mtodo, pois para problemas desta ordem de grandeza os ganhos computacionais apresentados
so insignicantes e, assim, esta anlise ser realizada no estudo de caso presente no Captulo
7. Contudo, nos passos apresentados nesta seo foi possvel observar algumas caractersticas
do algoritmo proposto como, por exemplo, a inuncia decorrente de manter o conjunto de
hiperplanos entre problemas sucessivos, o que pode diminuir o nmero de iteraes necessrias
e inclusive fazer com que alguns problemas possam ser resolvidos sem necessidade de iteraes
extras, sendo resolvidos j na primeira iterao.
A Tabela 5.6 contm os custos obtidos do estgio 2 para todos os valores previstos de
discretizao do reservatrio, ou seja, o resultado esperado da continuidade do algoritmo para
o restante de discretizaes.
Tabela 5.6: Tabela de custos encontrados para o estgio 2 do problema
DISCRETIZAO AFLUNCIA CUSTO TIMO CUSTO ESPERADO
(MWms) (R$x730) (R$x730)
Alta 45.400,00
1000 Mdia 49.856,67 51.513,33
Baixa 59.283,33
Alta 52.516,67
800 Mdia 61.033,33 62.277,78
Baixa 73.283,33
Alta 65.233,33
600 Mdia 75.178,33 76.792,50
Baixa 89.965,83
Alta 80.248,33
400 Mdia 92.233,33 94.071,66
Baixa 109.733,33
Alta 98.233,33
200 Mdia 112.233,33 113.923,05
Baixa 131.302,50
Alta 118.233,33
0 Mdia 134.923,33 144.052,22
Baixa 179.000,00
De acordo com o algoritmo geral da PDE, atravs destes pontos obtidos determinada a
FCF atravs do algoritmo de fechos convexos, como mostrado na Figura 5.5 e o processo de
clculo da poltica terminado, pois no feita a mesma dinmica para o estgio 1, j que
possvel se conhecer o armazenamento inicial e a auncia ocorrida. Com esses valores
conhecidos, basta utilizar a funo de custo futuro obtida do estgio 2 para uma poltica tima.
Figura 5.5: Resultado do algoritmo da PDE e algoritmo de fechos convexos Estgio 2
6 Processamento Paralelo Aplicado
Programao Dinmica Estocstica
6.1 Introduo
Nos ltimos anos observa-se uma tendncia cada vez maior do aumento da demanda com-
putacional na resoluo de grandes problemas. Exemplos de aplicaes que exigem alto po-
der de computao so vistos em estudos de seqenciamento gentico (modelagem do DNA),
previso de movimentos de corpos celestes, renderizao de imagens tridimensionais, estudos
ssmicos e meteorolgicos. Diversas possibilidades computacionais foram desenvolvidas para
a resoluo destes problemas, tais como a criao de supercomputadores (CRAY, por exemplo),
estruturas de clusters de computadores, computadores pessoais que apresentam mais de um
ncleo de processamento e at a utilizao de unidades de processamento grco (GPUs, do
ingls Graphics Processing Units) para processamento paralelo de processos.
Acomputao paralela aplicada de forma eciente nestes conjuntos de computadores multi-
processados pode resultar em ganhos considerveis em termos de tempos de execuo de di-
versas aplicaes (PINTO et al., 2009), porm, como a maioria dos algoritmos utilizados para
tais tarefas foram inicialmente desenvolvidos com arquiteturas computacionais seqenciais
que utilizam um nico processador no faz-se o uso completo destes novos ambientes pa-
ralelos de computao. Desta forma, h a necessidade de se adaptar antigas metodologias ou
desenvolver novas tcnicas que sejam capazes de aproveitar de forma economicamente vivel
a capacidade computacional advinda dos sistemas paralelos ou distribudos de computao de
alto desempenho.
Fator importante a ser destacado que o aumento na velocidade dos processadores encontra
barreiras cada vez maiores medida que limites fsicos so atingidos, tais como a velocidade da
luz ou tamanho dos transistores. A freqncia de operao dos processadores passa a aumentar
a um passo bem mais reduzido do qu o experimentado durante os anos 90 e, desta forma, h
uma tendncia de que os requerimentos de capacidade computacional no sejam preenchidos
6.1 Introduo 91
por processadores mais rpidos e sim pelo aumento do nmero de operaes executadas simul-
taneamente num determinado perodo de tempo, com processadores trabalhando paralelamente
(FOSTER, 1995).
Nas ltimas dcadas, avanos na tecnologia de hardware tornaram os computadores pesso-
ais (PCs) uma alternativa de alto custo-benefcio, em comparao aos tradicionais supercompu-
tadores, na soluo de problemas cientcos de grande escala. Desta forma, faz-se a utilizao
de conjuntos de computadores pessoais de baixo custo interligados atravs de redes de alta ve-
locidade, constituindo uma estrutura conhecida como cluster Beowulf, cuja estrutura genrica
ilustrada na Figura 6.1 (ROCHA, 2003).
Figura 6.1: Cluster de computadores tipo Beowulf genrico
Entretanto, alm da estrutura de hardware, deve-se elaborar o modelo a ser utilizado para
a composio de uma soluo computacional atravs da computao paralela. A estruturao
das tarefas de processamento compe um paradigma da computao paralela e as principais
possibilidades de paralelismo so descritas a seguir (FINARDI, 1999):
Paralelismo de Dados : Os dados so particionados e distribudos entre os processadores
e, desta forma, cada processo realiza a mesma tarefa para um subconjunto distinto dos
dados;
Paralelismo Funcional : O algoritmo decomposto em diferentes sees com cada pro-
cesso sendo responsvel por determinado trecho ou subtarefa e, consequentemente, h
programas diferentes para cada processo;
Paralelismo Pipelining : Consiste em diminuir o tempo ocioso dos processadores envol-
vidos baseando-se no relacionamento existente entre um processo e o processo seguinte,
em que a sada de um a entrada do seu sucessor. Dado um conjunto de tarefas a serem
6.2 Mtricas de Desempenho em Sistemas Paralelos 92
realizadas serialmente sobre uma unidade de dado, as tarefas so dispostas de tal maneira
que se um processo termina uma tarefa relacionada a uma unidade de dado, o mesmo
processo comea a realizar a mesma tarefa em uma outra unidade de dado, enquanto a
unidade j processada destinada ao prximo processo.
6.2 Mtricas de Desempenho em Sistemas Paralelos
Ao se analisar o desempenho de programas paralelos, com intuito de comparar algoritmos
distintos, algumas mtricas so normalmente utilizadas, tais como o fator de acelerao e eci-
ncia (FOSTER, 1995; GRAMA et al., 2003; WILKINSON; ALLEN, 2004).
6.2.1 Fator de Acelerao
O fator de acelerao (speedup) uma medida que relaciona a acelerao obtida por um al-
goritmo paralelo com o melhor algoritmo seqencial disponvel para a execuo da uma mesma
tarefa.
Matematicamente, o fator de acelerao S corresponde razo entre o tempo gasto na com-
putao de um dado problema utilizando-se de apenas um processador, t
s
, e o tempo gasto por
um programa que utiliza p processadores de forma paralela, t
p
e dado pela expresso:
S(p) =
t
s
t
p
(6.1)
Diversos fatores limitam o aumento do fator de acelerao, tais como perodos de ociosi-
dade e comunicao entre processadores, bem como o fato de nem todo o cdigo poder ser
paralelizado. Em um sistema de computao paralelo ideal, tanto o processamento seqencial
necessrio pelo programa como o tempo de comunicao so nulos e o trabalho a ser executado
em paralelo pode ser caracterizado pela distribuio equilibrada do tempo seqencial original t
s
entre os p processadores. Neste caso, o tempo necessrio para resolver um dado problema em
paralelo seria
t
s
p
, levando a um fator de acelerao de p vezes.
Porm, considerando que nem todo o cdigo pode ser paralelizado, medida que o nmero
de processadores p aumenta, o fator de acelerao S obtido por tal programa paralelo, mesmo
que desconsiderando qualquer tempo gasto em comunicao, estaria limitado a
1
f
ps
, onde f
ps
representa a frao de tempo gasto na parte no-paralelizvel em relao ao tempo total serial,
fornecendo o fator de acelerao mximo.
6.3 Interfaces de Programao Paralela 93
6.2.2 Ecincia
Ecincia, por sua vez, mede a frao de tempo no qual cada unidade de processamento
efetivamente utilizada (GRAMA et al., 2003). A representao matemtica da ecincia
computacional de umprograma paralelo dada pela razo entre o fator de acelerao e o nmero
de processadores utilizados, como denido abaixo.
E f =
S(p)
p
=
t
s
t
p
p
(6.2)
Pode ser observado que a ecincia de um sistema de computao paralela ideal iguala-se
a unidade. Porm, na prtica a comunicao entre processos tende a aumentar com o nmero
de processadores, o que tende a levar obteno de cada vez mais baixas ecincias quando
utilizado um nmero muito alto de processadores.
6.2.3 Granularidade
Resumidamente, granularidade uma medida da quantidade de computao entre sincroni-
zaes, ou seja, uma grandeza fornece o quanto h de processamento em relao comunica-
o requerida para o mesmo .
O nvel de granularidade varia de um perl no, em que existe uma baixa quantidade de
processamento por byte comunicado, at o perl grosso quando existe muito processamento por
byte comunicado.
6.3 Interfaces de Programao Paralela
Muitos so os modelos computacionais utilizados em computao paralela, tais como para-
lelismo de dados, memria compartilhada, troca de mensagens, operaes em memria remota,
processos, e tambm, combinao dos anteriores. Tais modelos se diferenciam em vrios as-
pectos como, por exemplo, se a memria disponvel localmente compartilhada ou geograca-
mente distribuda e quanto ao volume de comunicao tanto em hardware como em software
(GROPP et al., 1996).
A aplicao de tais modelos, portanto, depende fortemente do problema a ser resolvido e a
arquitetura de computao paralela alvo. Esta situao fez com que vrios fabricantes de siste-
mas de computao paralela desenvolvessem suas prprias bibliotecas de interface, focando em
caracterstica, muitas vezes, inexistentes em outras arquiteturas. Desta forma, o cdigo desen-
6.3 Interfaces de Programao Paralela 94
volvido com bases nestas bibliotecas proprietrias no era porttil. Em face desta diculdade,
impulsionada pelos avanos na tecnologia de sistemas paralelos de computao, foi reconhe-
cida a necessidade de interfaces de programao que fossem ecientes, funcionais e portteis
nas mais variadas arquiteturas disponveis no mercado. Neste contexto, a Message Passing
Interface (MPI) e a Open Multi-Processing Application Program Interface (OpenMP) foram
concebidos.
O padro MPI uma especicao dos procedimentos de comunicao entre processos e
no uma implementao em si. Os processos, por sua vez, poderiam ser locais (e.g., processa-
dores de vrios ncleos) ou remotos (e.g., sistemas de distribudos). De posse de tal padroni-
zao, tanto fabricantes como usurios foram capazes de produzir implementaes da interface
do problema tm a caractersticas de possurem muitas MPI de forma eciente, aproveitando as
vantagens especcas de cada arquitetura computacional. Alm disto, programas paralelos, ba-
seados na MPI, tornaram-se portteis e poderiam ser compilados com qualquer implementao
MPI disponvel.
Atualmente, inmeras implementaes do padro MPI so publicamente disponibilizadas,
tal como a MPICH (GROPP et al., 1996), que foi utilizada no trabalho, e suportam redes ho-
mogneas e heterogneas, alm de sistemas de memria compartilhada e distribuda.
Outros padres podem tambm se referir utilizao de GPUs, ou unidades de proces-
samento grco, que so unidades construdas para um desempenho otimizado em processa-
mento grco, porm, podem ser tambm utilizadas para processamento numrico e, conse-
quentemente, podem ser utilizadas para diversas aplicabilidades. Essas unidades possuem uma
arquitetura baseada na paralelizao dos dados e enfatizam o processamento de um nmero alto
de threads em comparao a uma CPU, porm com uma velocidade menor de processamento.
Desta forma, em problemas que se adequam dentro dos limites de capacidade das GPUs e
dependendo de algumas caractersticas, como a granularidade, por exemplo, a utilizao de
GPUs para o processamento pode fornecer bons desempenhos. Como interfaces utilizveis
para processamento em GPUs, cita-se o OpenCL (do ingls, "Open Computing Language")
(OPENCL, 2011), que um padro heterogneo de desenvolvimento e contempla tipos mais
diferenciados de hardware, e o CUDA (NVIDIA, 2011), que uma implementao proprietria
de paralelismo em unidades grcas.
6.4 Aplicao do Processamento Paralelo Programao Dinmica Estocstica 95
6.4 Aplicao do Processamento Paralelo Programao Di-
nmica Estocstica
Uma caracterstica importante da Programao Dinmica est no fato do clculo do custo
timo de cada estado operativo de um estgio poder ser realizado de forma independente dos
outros estados do mesmo estgio, possibilitando a paralelizao destes processos (DIAS, 2010).
Desta forma, o uxograma apresentado anteriormente atravs da Figura 4.10 pode ser re-
formulado utilizando processamento paralelo. A Figura 6.2 mostra o uxograma proposto para
a PDE em que a tarefa realizada no Bloco 1, que trata da obteno dos custos relacionados a
cada estado operativo, realizada utilizando processos paralelos.
A estrutura utilizada a SPMD (do ingls Single Program Multiple Data), atravs do
paradigma de paralelismo de dados onde os processadores executam o mesmo cdigo, variando
o dado de entrada processado por cada um deles, ou seja, variam somente os estados a serem
avaliados por cada processo.
Figura 6.2: Algoritmo da obteno das funes de custo futuro da PDE utilizando fechos con-
vexos e programao paralela
Com a paralelizao proposta, um nmero maior de problemas de programao linear (PL)
pode ser resolvido em um dado intervalo de tempo e como este trecho o mais custoso com-
putacionalmente, espera-se a obteno de ganhos globais elevados na resoluo do problema.
6.4 Aplicao do Processamento Paralelo Programao Dinmica Estocstica 96
Adicionalmente, o algoritmo apresentado no Captulo 5 perfeitamente paralelizvel, no dife-
renciando os algoritmos PDE-ConvexHull e Fast-PDE-ConvexHull do ponto de vista da para-
lelizao do cdigo.
Analisando-se computacionalmente o processo, tem-se que a parte serial do cdigo con-
centrada no Bloco 2 que, em resumo, executa o algoritmo de fechos convexos e, alm disso,
pode realizar a eliminao de hiperplanos semelhantes.
7 Estudo de Caso
7.1 Caso Exemplo
O Programa Mensal de Operao (PMO) de janeiro de 2011 foi a base de dados utilizada
como referncia para as simulaes computacionais realizadas atravs da plataforma desenvol-
vida na linguagemC++/Java. Sendo assim, o estudo foi realizado para umperodo de cinco anos
de estudo e cinco anos de ps-estudo e utiliza os 4 subsistemas equivalentes Sudeste/Centro-
Oeste, Sul, Nordeste e Norte. As auncias utilizados correspondem ao histrico de vazes
tanto para o clculo da poltica eletroenergtica quanto para as simulaes de operao. Para
o clculo da poltica eletroenergtica, as auncias entram no problema como realizaes de
auncia por estado de armazenamento, dada a construo de possveis sries construdas atra-
vs do histrico. Estas sries de auncia so utilizadas diretamente para a fase simulao, ou
fase Forward. Especicamente, a primeira srie corresponde srie dos primeiros 5 anos (para
simulao) ou 10 anos (para clculo da poltica) de auncia a partir de 1931; a segunda srie
construda a partir de 1932 e assim por diante.
Dada a base de dados, pequenas modicaes foram realizadas devido a compatibilizaes
e limitaes da modelagem implementada como, por exemplo, a considerao de somente 1
(um) patamar de mercado e os desvios de gua no foram considerados no despacho da opera-
o. Alm disso, no modelou-se a curva de averso ao risco e a taxa de desconto foi conside-
rada nula.
O computador utilizado nas simulaes possui 2 processadores Intel Xeon E5540, que pos-
suem 4 ncleos de processamento cada, totalizando 8 ncleos de processamento a uma frequn-
cia de operao de 2,53 GHz e 16 GB de memria RAM. O sistema operacional utilizado nas
simulaes corresponde ao Kernel Linux 2.6.31-22-generic.
7.2 Resultados 98
7.2 Resultados
7.2.1 Comparao entre as Metodologias PDE-ConvexHull e
Fast-PDE-ConvexHull
A m de avaliar o impacto da utilizao do algoritmo proposto dentro da metodologia da
PDE-ConvexHull, so apresentados os tempos computacionais obtidos por ambas as tcnicas
no intuito de se vericar o ganho computacional provido pela tcnica proposta. Alm disso, so
apresentados alguns resultados para a vericao da consistncia existente entre as metodolo-
gias.
A tolerncia utilizada para convergncia do algoritmo proposto foi de 1, 0 10
3
para a
funo de custo futuro, o que pode representar erros de at R$ 0,73 na representao da FCF
quando comparado ao algoritmo da PDE-ConvexHull. Adicionalmente, esta diferena num-
rica, que pouco representativa, no causa grandes diferenas nos nmeros de cortes obtidos,
pois no h alteraes importantes na forma da FCF. Deste modo, o resultado nal mantm-se
dentro da margem esperada de erro causado pela tolerncia do processo.
O parmetro NumMaxCortes utilizado foi de 80 hiperplanos. Isto signica que no mximo
80 hiperplanos podem ser reaproveitados entre estados operacionais distintos para a montagem
das restries que representam a FCF no problema. Como foi mencionado anteriormente, este
um valor emprico tal que forneceu bons ganhos computacionais e ser utilizado no restante do
trabalho. Porm, foi vericado que a sensibilidade do desempenho em funo deste parmetro
no muito grande e valores de tal ordem de grandeza fornecem resultados similares.
O solver ou pacote computacional de otimizao linear utilizado para a resoluo dos PPLs
foi o CLP, da COIN-OR (CLP, 2011), ressaltando-se que os valores de ganho computacional as-
sim como o valor do parmetro NumMaxCortes possivelmente dependero do solver utilizado,
podendo apresentar comportamentos distintos quando da utilizao de outras distribuies dis-
ponveis para a resoluo do problema. Sobretudo, por se basear no algoritmo simplex, em que a
velocidade de convergncia depende do nmero de vrtices existentes entre a soluo inicial e a
soluo tima, esperado que tambm haja ganho computacional quando utiliza-se o algoritmo
proposto conjuntamente a outros solvers.
As execues apresentadas na Tabela 7.1 foram realizadas utilizando 8 processos em pa-
ralelo para valores distintos de discretizaes de armazenamento e nmero de realizaes de
auncia por estado. Para as realizaes de auncia so consideradas a ocorrncia de alguma
7.2 Resultados 99
srie do histrico de vazes a partir do primeiro ano do histrico
1
. So apresentados os resul-
tados relativos ao nmero mdio de cortes e o tempo computacional demandado por cada um
dos mtodos (PDE-ConvexHull e Fast-PDE-ConvexHull) confrontados, almdo erro percentual
existente entre os custos mdios de simulao obtidos por ambas metodologias.
Tabela 7.1: Comparao entre as metodologias PDE-ConvexHull e Fast-PDE-ConvexHull
NUM. NUM. NUM. MED. TEMPO (S) ERRO
DISCRET. Sries CORTES PDE-
CONVEXHULL
FAST-PDE-
CONVEXHULL
(%)
3 1 359 5,6 4,25 0,00
3 60 381 104,6 29,4 0,00
5 1 5.447 141,3 42,6 0,00
5 60 6.025 6.934,6 492,9 0,00
Para as simulaes computacionais realizadas acima, no foi utilizada a eliminao dos cor-
tes que so aproximadamente coplanares e, desta forma, o nmero mdio de cortes aproximou-
se do valor esperado pela expresso do limite de hiperplanos possveis
_
(ND1)
NR
NR!
_
,
sobretudo para os casos com maior nmero de cenrios, em que espera-se um comportamento
mais homogneo para a funo de custo futuro. Para o caso de 5 discretizaes de armazena-
mento e 60 realizaes de auncia foi obtido um custo mdio de R$ 25,08 bilhes. A anlise
mais detalhada do custo de operao ser realizada mais adiante.
Posteriormente, realizou-se uma nova simulao utilizando as mesmas 5 discretizaes so-
bre as 60 realizaes possveis de auncia para vericar o efeito da eliminao dos hiperplanos
no resultado nal e, tambm, mostrar como ambas as metodologias se comportam em funo
do nmero de cortes utilizados. Para uma tolerncia de 1, 010
2
para a eliminao de cortes,
o resultado do custo de simulao mdio apresentou um valor muito prximo ao valor encon-
trado sem utilizao da eliminao, sendo 0,013% superior, o que indica que a eliminao dos
hiperplanos no alterou os resultados de forma muito signicativa com uma reduo no custo
computacional da ordem de 30%.
A Figura 7.1 ilustra o perl de computao desenvolvido na utilizao da metodologia
PDE-ConvexHull (5 discretizaes e 60 sries de auncia) e so mostrados os tempos pre-
dominantes no processo, que correspondem ao algoritmo de fechos convexos, eliminao de
1
A considerao de somente uma srie de auncia recai no caso determinstico da programao dinmica.
7.2 Resultados 100
cortes e resoluo do problema linear. Os tempos despendidos em comunicao entre proces-
sos e montagem de restries foram vericados e no representam parcelas signicativas no
problema.
Figura 7.1: Perl de execuo obtido no uso da metodologia PDE-ConvexHull
Para a visibilidade do ganho computacional obtido, o resultado da utilizao da metodologia
Fast-PDE-ConexHull, Figura 7.2, apresentado na mesma escala do grco anterior.
Figura 7.2: Perl de execuo Metodologia Fast-PDE-ConvexHull (Vericao do ganho)
Porm, para a avaliao do comportamento apresentado pela metodologia Fast-PDE-
ConvexHull, construdo o grco da Figura 7.3, que detalham os tempos obtidos dentro de
uma escala mais adequada.
7.2 Resultados 101
Figura 7.3: Perl de execuo Metodologia Fast-PDE-ConvexHull (Vericao do compor-
tamento)
A Figura 7.4 apresenta as funes aproximadas do tempo de resoluo dos PLs em um dado
estgio em funo do nmero de cortes obtido na utilizao de cada uma das metodologias.
Figura 7.4: Aproximao do tempo de resoluo dos PPLs em funo do nmero de cortes
Observa-se, pela Figura 7.4, que a metodologia PDE-ConvexHull uma tcnica cujo tempo
computacional mais sensvel ao aumento do nmero de cortes. Porm, a metodologia Fast-
PDE-ConvexHull tambm apresenta um aumento do tempo de resoluo com o aumento do
nmero de cortes utilizados (Figura 7.5), porm, o aumento de ordem bastante reduzida em
relao obtida na utilizao da PDE-ConvexHull.
7.2 Resultados 102
Figura 7.5: Caracterstica do tempo de resoluo na metodologia Fast-PDE-ConvexHull
7.2.2 Levantamento dos Pers da Computao Paralela
Nesta simulao, levantado o perl da computao paralela para o caso de 5 discretizaes
dos armazenamentos e os 60 cenrios de auncia. Relembrando, foi utilizado o protocolo MPI
atravs da implementao MPICH2 (GROPP et al., 1996) e, tendo em vista a disponibilidade
de um micro Xeon, contabilizou-se, alm do tempo sequencial, o tempo gasto na utilizao de
valores diferentes de nmero de processadores. O tempo computacional total do programa em
funo do nmero de processadores utilizados mostrado na Tabela 7.2.
Tabela 7.2: Tempo total de processamento em funo do nmero de processadores utilizados
Nmero de Tempo Total
Processadores (s)
1 2.271,88
2 1.145.60
3 798,76
4 626,38
5 523,60
6 443,10
7 387,86
8 348,16
7.2 Resultados 103
A partir dos tempos totais obtidos, pode-se calcular o fator de acelerao (speedup) do
algoritmo, que mostrados na Figura 7.6.
Figura 7.6: Fator de acelerao do algoritmo paralelo
Tambm em funo dos valores encontrados na Tabela 7.2, calcula-se a ecincia encon-
trada no algoritmo, que mostrada na Figura 7.7.
Figura 7.7: Ecincia do algoritmo paralelo
Observa-se que o algoritmo paralelo apresentou uma alta ecincia, alm de um fator de
acelerao extremamente signicativo, o que mostra que o cdigo em estudo altamente para-
7.2 Resultados 104
lelizvel e maiores ganhos computacionais podem ser obtidos se um nmero maior de proces-
sadores for disponvel.
7.2.3 Comparao com o NEWAVE
Esta seo tem por objetivo comparar os resultados obtidos pelo modelo proposto com o
modelo ocial utilizado no SEB, que o modelo NEWAVE. Adicionalmente, espera-se mos-
trar que o modelo desenvolvido uma boa ferramenta para anlises rpidas, quando utilizado
menos discretizaes das energias armazenadas. Os resultados da execuo do NEWAVE fo-
ram obtidos no mbito do projeto de pesquisa e desenvolvimento (Projeto de P&D Estratgico
ANEEL Tema 1: Modelo de Otimizao do Despacho Hidrotrmico), em parceria direta
com o agente de gerao Duke Energy Gerao Paranapanema, o qual forneceu os resulta-
dos da execuo do modelo NEWAVE, verso 15, sobre o mesmo conjunto de dados utilizados
nas simulaes computacionais da metodologia Fast-PDE-ConvexHull.
Mais especicamente, foram utilizados 60 sries de auncia e, assim, a primeira srie cor-
responde srie de 5 ou 10 anos de auncia a partir de 1931 e a ltima srie corresponde srie
obtida a partir de 1990 do histrico de vazes. Aps o clculo da poltica operativa, realizada
a simulao do sistema para cada uma das sries, tanto para a metodologia proposta quanto para
o NEWAVE, porm, este ltimo modelo utiliza 200 sries sintticas para o clculo da poltica.
O caso de estudo utilizado na metodologia proposta, que sofreu pequenas modicaes, o
mesmo que foi utilizado na execuo do programa NEWAVE. Contudo, ainda h diferenas no
clculo da poltica pois o modelo NEWAVE considera o efeito da tendncia hidrolgica atravs
do modelo autoregressivo PAR.
Para a vericao da Fast-PDE-ConvexHull, foram realizados clculos para a poltica ope-
rativa utilizando valores diversicados para o nmero de discretizaes. Inicialmente, para uma
anlise rpida, utilizou-se de 3 discretizaes de armazenamento, que leva em considerao
apenas os estados de armazenamento mximo, mnimo e mdio para cada subsistema. Atravs
do uso de 5 discretizaes tem-se uma anlise de 25% em 25% das capacidades dos reserva-
trios equivalentes de energia. Finalmente, realizou-se o clculo da poltica utilizando-se 11
discretizaes, o que signica que os reservatrios de energia foram discretizados de 10 em
10% de suas capacidades. Para comparao com o NEWAVE foi utilizado o custo esperado
de operao obtido por cada uma das metodologias. O custo esperado de operao o custo
mdio obtido atravs da simulao de cada uma das 60 sries de energia auente construdas
atravs dos primeiros anos do histrico de vazes. Os resultados obtidos com a utilizao dos 8
processadores so apresentados na Tabela 7.3.
7.2 Resultados 105
Tabela 7.3: Estatstica dos custos das simulaes
Tempo Custo Mdio Desvio Padro do Custo
(Milhes R$) (Milhes R$)
Fast-PDE-ConvexHull 29,4 s 25.791,14 2.831,15
(3 discretizaes)
Fast-PDE-ConvexHull 492,9 s 25.082,89 2.892,13
(5 discretizaes)
Fast-PDE-ConvexHull 37,6 h 24.931,32 3.218,62
(11 discretizaes)
NEWAVE 25.558,30 2.894,05
Este resultado possui grande importncia, pois o objetivo do planejamento encontrar o va-
lor timo para o custo esperado de operao e, como pode ser observado, os custos encontram-se
bem prximos, mostrando a consistncia da metodologia proposta como uma ferramenta para
o clculo da poltica energtica.
No foi atribudo o tempo de execuo do modelo NEWAVE porque este foi executado em
outro computador e, alm disso, de maneira serial, no fazendo uso de seu potencial de para-
lelizao e, sendo assim, no h uma base de comparao slida entre os tempos de execuo
dos modelos. Observa-se que o tempo necessrio para a execuo da metodologia Fast-PDE-
ConvexHull com 11 discretizaes dos armazenamentos foi bem superior ao tempo requerido
com a utilizao de valores inferiores para o nmero de discretizaes, porm, os valores m-
dios de custo no variaram em uma ordem to grande.
Pelo algoritmo proposto, o tempo de resoluo do problema se subdivide entre as tarefas
de resoluo dos PPLs pelo solver e interpolao das solues iterativas sobre os hiperplanos
com a nalidade de encontrar o corte a ser inserido no processo. Para a resoluo do problema
considerando 11 discretizaes, aproximadamente 80% do tempo computacional despendido
corresponde a clculos necessrios insero interativa dos hiperplanos, ou seja, na realizao
de clculos de substituio sobre os hiperplanos obtidos do algoritmo de fechos convexos.
Para analisar os resultados obtidos das simulaes, mostrado, atravs da Figura 7.8, o
custo operacional mensal esperado ao longo do horizonte de planejamento.
7.2 Resultados 106
Figura 7.8: Custo mdio de operao mensal 11 discretizaes
Como indicado na Tabela 7.3, o valor da integral do custo obtido pela metodologia proposta
inferior ao obtido pelo modelo NEWAVE. As trajetrias esperadas dos armazenamentos so
mostradas na Figura 7.9, que contm as energias armazenadas nais em cada subsistema e a
energia armazenada no sistema como um todo, que o total da energia armazenada no SIN.
Figura 7.9: Valor esperado de energia armazenada 11 discretizaes
Primeiramente, percebe-se que os valores de energia armazenada no SIN ao nal do perodo
de planejamento so muito prximos entre os modelos NEWAVE e Fast-PDE-ConvexHull, o
que um fator importante para viabilizar comparaes entre os custos de operao. Observa-se
7.2 Resultados 107
que houve um comportamento diferenciado dos modelos quanto tendncia de armazenamento
dos subsistemas, principalmente os subsistemas Nordeste e Sul. A metodologia desenvolvida,
no geral, manteve os reservatrios do Nordeste menos deplecionados e uma consequncia desta
operao que no houve dcit de energia de vazo mnima na modelagem proposta, ou seja,
100% da meta de energia de vazo mnima foi atendida em todos os estgios e para cada srie.
J no modelo NEWAVE, h alguns estgios em que, dependendo da srie, apenas 50% da meta
de energia de vazo mnima atendida no sistema Nordeste. Um exemplo de dcit de vazo
mnima ocorrida no modelo NEWAVE apresentado na Figura 7.10, que foi obtida atravs de
uma srie de baixas auncias (srie de 1949 do histrico) em que a energia de vazo mnima
obtida no capaz de alcanar a meta de energia de vazo mnima. Conclui-se que, na metodo-
logia proposta, o armazenamento do subsistema Nordeste mantido em um nvel mais seguro
provavelmente para o atendimento s restries de vazo mnima em detrimento do subsistema
Sul, que apresentou nveis de armazenamento mais baixos. Contudo, o comportamento ge-
ral do armazenamento do SIN mostrou-se bastante coerente entre as duas metodologias, como
apresentado na Figura 7.9.
Figura 7.10: Atendimento restrio de vazo mnima no modelo NEWAVE
Alm do armazenamento, uma varivel importante no estudo a gerao hidrulica, cuja
determinao uma das metas do planejamento de mdio/longo prazo. A Figura 7.11 contm as
geraes hidrulicas de cada subsistema, assimcomo os valores esperados de gerao hidrulica
no SIN.
7.2 Resultados 108
Figura 7.11: Valor esperado da gerao hidrulica 11 discretizaes
Pode-se perceber que os valores encontrados de gerao hidrulica por ambos os modelos
so prximos. Porm, a diferena do montante trmico/hidrulico pode ser melhor observada
no grco da Figura 7.12, que contm os valores totais de gerao trmica (para todo o SIN).
Observa-se que o modelo proposto opta por uma menor complementao trmica para a opera-
o do sistema.
Figura 7.12: Valor esperado de gerao trmica 11 discretizaes
Uma varivel de grande importncia no estudo o Custo Marginal de Operao (CMO),
j que este aponta o preo de comercializao de energia. A Figura 7.13 apresenta os valores
7.2 Resultados 109
esperados para o CMO ao longo do horizonte de estudo para cada um dos quatro subsistemas.
Figura 7.13: Valor esperado do CMO 11 discretizaes
O valor do CMO encontrado pela metodologia proposta , em geral, menor e possui um
comportamento mais peridico. Contudo, pode-se atingir valores superiores ao custos margi-
nais obtidos pelo modelo NEWAVE em alguns perodos. Esta uma indicao de possibilidade
de ocorrncia de dcits no problema, os quais so apresentados no grco da Figura 7.14.
Figura 7.14: Valor esperado de dcit 11 discretizaes
A metodologia proposta apresentou um custo esperado de operao menor do que o ob-
tido pelo modelo NEWAVE, reforando que o resultado obtido est prximo de um valor
timo, porm, maiores valores de dcit esperado foram obtidos na metodologia Fast-PDE-
ConvexHull em 11 discretizaes de energia armazenada. Contudo, quando comparado ao
NEWAVE, percebe-se que os dcits obtidos nas simulaes dentro da metodologia proposta
ocorrem em menor frequncia durante o estudo.
7.2 Resultados 110
Como pode ser observado na Tabela 7.3, os custos obtidos por nmeros diferentes de dis-
cretizao so relativamente prximos, indicando que a metodologia pode ser utilizada para
anlises rpidas acerca da operao do sistema. Verica-se que com o aumento do nmero
de discretizaes dos armazenamentos, o custo operativo esperado diminuiu, porm, o desvio
padro dos custos aumentou, indicando que houve um aumento na variabilidade dos custos
obtidos. Isto pode ser explicado pela natureza da construo dos cortes pela metodologia Fast-
PDE-ConvexHull, em que o erro na representao da FCF tende a superestimar o valor esperado
de custo futuro, levando a uma operao mais conservadora na utilizao de um nmero menor
de discretizaes. Desta forma, embora possua uma operao, em mdia, mais onerosa a ope-
rao determinada pela utilizao de trs discretizaes ainda prxima da operao apontada
pelo NEWAVE, porm, apresenta menos volatilidade em relao operao advinda de um
nmero maior de discretizaes.
A Figura 7.15 apresenta uma comparao entre os custos obtidos por diversos valores de
discretizao (3, 5 e 11 discretizaes) conjuntamente ao modelo NEWAVE.
Figura 7.15: Custos mensais obtidos por diversas discretizaes e comparao com o NEWAVE
Como pode ser observado, no h grandes variaes no comportamento das curvas quando
altera-se o nmero de discretizaes, mostrando que pode-se fazer anlises preliminares com
um baixo tempo computacional. Para mostrar que a operao mais conservadora para nme-
ros menores de discretizao, apresenta-se o custo operacional obtido de uma srie de baixa
auncia para 11 discretizaes (Figura 7.16) e para 3 discretizaes (Figura 7.17).
7.2 Resultados 111
Figura 7.16: Custo de operao mensal para a srie de 1949 11 discretizaes
Alm disso, para destacar a diferena entre as operaes obtidas na srie de baixa auncia,
mostra-se, nas Figuras 7.18 e 7.19, os grcos da evoluo do armazenamento do SIN obtidos
para 11 e 3 discretizaes, respectivamente.
Figura 7.18: Valor esperado de energia armazenada no SIN (Srie de 1949) 11 discretizaes
7.2 Resultados 112
Figura 7.19: Valor esperado de energia armazenada no SIN (Srie de 1949) 3 discretizaes
Observa-se, nas Figuras anteriores, que uma operao mais conservadora foi obtida no
uso de um nmero menor de discretizaes de armazenamento, em que a energia armazenada
mantm-se a um nvel mais elevado.
A Figura 7.20 mostra o grco do dcit esperado para a execuo da poltica utilizando-se
3 discretizaes de energia armazenada e, quando confrontado com o grco da Figura 7.14,
observa-se que h uma pequena diminuio do dcit esperado quando utilizado um nmero
menor de discretizaes.
Figura 7.20: Valor esperado de dcit 3 discretizaes
Na operao obtida com a utilizao de 3 discretizaes houve uma ocorrncia menor de
dcit, porm, um valor esperado maior de custo de operao, o que faz com que a operao
obtida de 11 discretizaes esteja mais prxima do valor timo, segundo a modelagem adotada
de operao.
Desta forma, uma operao conservadora pode fazer com que haja custo adicional de ope-
rao quando ocorrem cenrios mais otimistas. A Figura 7.21 apresenta o custo de operao
mensal do SIN sujeito estratgia operativa determinada com o uso de 11 discretizaes e a
7.2 Resultados 113
Figura 7.22, para o uso de 3 discretizaes, considerando a ocorrncia da srie de 1982, em que
h uma maior abundncia de recursos hdricos.
De maneira geral, os resultados obtidos mostram que a tcnica proposta tem um poten-
cial considervel para resoluo do problema de planejamento de mdio/longo prazo, mesmo
quando comparada ao NEWAVE, que o modelo ocial utilizado no setor. Alm disso, os
resultados obtidos possuem comportamentos compatveis com o que poderia ser esperado teo-
ricamente, dentro das consideraes e simplicaes realizadas na resoluo do problema.
8 Concluses
8.1 Consideraes Gerais e Principais Contribuies
O problema de planejamento energtico consiste em determinar as estratgias de gerao
tal que minimizem o custo esperado de operao durante o horizonte de planejamento. Porm,
devido congurao do sistema brasileiro, que possui um elevado nmero de aproveitamentos
hidrulicos interligados por um sistema de transmisso de grandes dimenses, e ao horizonte
de estudo considerado, tem-se que a operao coordenada do sistema um problema de grande
porte. Sobretudo, h a necessidade da representao das no linearidades das unidades de ge-
rao e das incertezas dos valores de auncias futuras, que do uma caracterstica de grande
porte ao problema, elevando de forma intensa o requerimento computacional para a resoluo
do mesmo. Isto leva necessidade da separao do problema em diferenciados horizontes de
estudo, em que em um horizonte de curto prazo modela-se mais elmente os componentes do
sistema, diminuindo-se o peso da anlise estocstica do problema e no horizonte de mdio/longo
prazo esfora-se na representao do comportamento estocstico das auncias.
Este trabalho tem foco na resoluo do problema de mdio/longo prazo e, assim, a natureza
estocstica das auncias deve ser representada de forma detalhada e os diversos reservat-
rios do sistema so representados de forma agregada. Para a resoluo deste problema so
comumente utilizadas tcnicas de programao dinmica, sobretudo, a programao dinmica
estocstica, que trata conjuntamente as caractersticas de no linearidade e estocasticidade exis-
tentes no problema.
O presente trabalho apresenta uma nova abordagem da utilizao dos cortes da funo de
custo futuro nos problemas de programao linear presentes no processo da Programao Di-
nmica Estocstica, constituindo-se em um aprimoramento da metodologia PDE-ConvexHull
(DIAS, 2010), que utiliza o algoritmo de fechos convexos para a obteno das funes de custo
futuro. A nova tcnica visa tornar o tempo resoluo dos problemas de programao linear
menos sensvel ao nmero de cortes ou hiperplanos que compem a funo de custo futuro.
8.1 Consideraes Gerais e Principais Contribuies 115
Desta forma, foi inicialmente realizada a comparao entre a metodologia PDE-ConvexHull
e a metodologia proposta (Fast-PDE-ConvexHull), de forma a vericar o ganho computacional
e a aderncia entre resultados. Observou-se a metodologia proposta proporcionou uma reduo
drstica no tempo computacional requerido para a resoluo da PDE, de forma a ainda manter
coerentes os resultados obtidos por ambas as tcnicas.
Em seguida, foi levantado o perl da computao paralela com o objetivo de vericar as
caractersticas da implementao do algoritmo paralelo. Verica-se que o algoritmo altamente
paralelizvel, apresentando uma alta ecincia no processo.
Por m, a partir da implementao do sistema computacional, que capaz de utilizar os
dados de congurao ociais do SIN, foi realizado um estudo no caso do PMO de janeiro de
2011 para a comparao dos resultados obtidos pela metodologia desenvolvida com os resulta-
dos obtidos pelo modelo NEWAVE, ocialmente adotado pelo setor. Os resultados mostraram-
se promissores, j que os comportamentos vericados para os resultados so coerentes entre os
modelos e, alm disso, foi alcanado um custo mdio operativo mais econmico do que o en-
contrado pelo modelo NEWAVE. Entretanto, foram utilizadas, pela Fast-PDE-ConvexHull, as
mesmas sries hidrolgicas para o clculo da poltica operativa e para a simulao da operao,
enquanto que o NEWAVE utilizou 200 sries sintticas para o clculo da poltica e, assim, as
sries otimizadas so diferenciadas das sries simuladas.
Pelos resultados obtidos, este trabalho sinaliza que, devido melhoria dos recursos com-
putacionais, utilizao de tcnicas avanadas de sistemas paralelos, adicionalmente adoo
de tcnicas como a desenvolvida neste trabalho, pode ser possvel a utilizao da programao
dinmica estocstica na resoluo do problema do planejamento energtico de sistemas hidro-
trmicos.
Oalgoritmo proposto ofereceu umalto ganho computacional emrelao PDE-ConvexHull
convencional, sendo de simples implementao e no impe o desenvolvimento de solvers pr-
prios para a resoluo do problema, o que necessitaria de um grande esforo de implementao
para a obteno de um algoritmo robusto. Alm disso, a metodologia tambm no obriga a
utilizao de solvers comerciais para a resoluo do problema.
Foi mostrado tambm que mesmo para um nmero menor de discretizaes dos armazena-
mentos, em que o tempo computacional requerido baixo, consegue-se uma boa aproximao
para a poltica operativa, o que sugere que a metodologia proposta possa ser utilizada como uma
ferramenta de anlise rpida para o problema da operao.
Apesar de serem utilizadas as sries histricas no desenvolvimento deste trabalho, o modelo
8.2 Trabalhos Futuros 116
apresentado permite a obteno da poltica tima de planejamento utilizando modelos diversos
de gerao de srie hidrolgicas, isto porque o modelo computacional para o clculo da poltica
no acoplado ao modelo estocstico de gerao de sries sintticas. Pode-se utilizar, por
exemplo, o modelo PAR, adotado no NEWAVE, ou mesmo outro modelo de gerao de sries
sintticas, tais como o PARMA, ou ainda modelos que utilizam tcnicas inteligentes como redes
neurais e lgica fuzzy, dentre outros.
8.2 Trabalhos Futuros
O esforo computacional requerido para a resoluo do problema alto devido ao nmero
de combinaes de estados a serem avaliados durante a dinmica da PDE. Desta forma, com a
utilizao de tcnicas de discretizao eciente, o tempo computacional requerido poderia ser
reduzido, viabilizando inclusive a representao de mais de quatro subsistemas de energia no
planejamento eletroenergtico por meio da PDE.
Como mencionado no trabalho, no foi considerada a interdependncia temporal das aun-
cias e seria importante a realizao de estudos de forma a compor um modelo de clculo de
poltica operativa que considere a tendncia hidrolgica como varivel de estado, tal como
feito para a energia armazenada. Os primeiros estudos que podem ser realizados so relativos
utilizao de tcnicas de clusterizao dos cenrios de auncia, em que as sries so clas-
sicadas e agrupadas em conjuntos com maior representatividade e, consequentemente, seriam
agregadas ao processo mais informaes a respeito da estocasticidade das auncias.
Uma extenso natural deste trabalho a utilizao de um maior nmero de processadores,
que pode ser feito atravs de uma arquitetura beowulf, contemplando um conjunto de compu-
tadores pessoais, ou mesmo utilizando um cluster dedicado. Pode-se ainda utilizar uma outra
metodologia de paralelizao conhecida como cloud computing, que a utilizao de servido-
res dedicados disponibilizados atravs da internet. Neste contexto de paralelizao, tem-se que
os diversos PPLs foram distribudos entre os ncleos sem critrio cientco. Como o tempo
de resoluo de cada PPL no constante e depende da caracterstica do mesmo, tornaria-se
importante fazer um melhor uso dos processadores atravs de uma distribuio eciente de pro-
cessos entre os ncleos de forma minimizar o desequilbrio decorrente e, consequentemente,
obter um fator de acelerao ainda mais linear.
Analisando a estratgia de paralelizao, o algoritmo apresentou uma granularidade grossa,
8.2 Trabalhos Futuros 117
sendo altamente paralelizvel. Porm, a etapa de interpolao sobre os hiperplanos tem custo
computacional considervel e poderia ser paralelizada utilizando-se de granularidade na. As-
sim, prope-se a paralelizao do algoritmo de interpolao utilizando unidades de processa-
mento grco (GPUs), com a utilizao de CUDA ou OpenCL para um modelo hbrido de
computao paralelo, utilizando conjuntamente as CPUs e as GPUs disponveis, proporcio-
nando computao de alto desempenho em computadores pessoais.
Uma linha de desenvolvimento acerca da metodologia proposta sua utilizao como fer-
ramenta para uso no planejamento, como clculo de garantia fsica e cronograma de realizao
de obras. Isto porque, como foi apresentado anteriormente, para um nmero pequeno de discre-
tizaes de armazenamento e, consequentemente baixo esforo computacional, possvel obter
aproximaes razoveis para a operao do sistema. Assim, poderia-se utilizar, de forma auto-
matizada, baixos valores de discretiza para aproximaes iniciais e nmeros de discretizao
mais altos para o renamento do resultado e maior preciso no clculo de expanses timas.
Em relao modelagem utilizada para a resoluo do problema, verica-se que ela se
encontra aderente modelagem utilizada pelo modelo NEWAVE, pois os resultados obtidos
por ambos os modelos (NEWAVE e Fast-PDE-ConvexHull) encontraram-se numericamente
prximos. Porm, pretende-se incorporar plataforma em desenvolvimento ainda mais algumas
funcionalidades que so existentes no modelo NEWAVE e podem ser importantes no estudo,
como, por exemplo:
curva de averso ao risco
cargas adicionais
racionamento preventivo
utilizao de sries sintticas
A representao dos diversos patamares de carga j est implementada na modelagem, po-
rm, mais testes so necessrios para validar a metodologia.
118
Referncias Bibliogrcas
ANEEL. Site ocial da Agncia Nacional de Energia Eltrica. 2011. Http://www.aneel.gov.br.
Acessado em janeiro de 2011.
ARVANITIDIS, N. V.; ROSING, J. Optimal operation of multireservoir systems using a com-
posite representation. n. 2, p. 327335, 1970.
BARBER, C. B.; DOBKIN, D. P.; HUHDANPAA, H. The quickhull algorithm for convex hulls.
ACM Transactions on Mathematical Software, v. 22, n. 4, p. 469483, 1996. ISSN 00983500.
BELLMAN, R. E. Dynamic Programming. [S.l.]: Princeton University Press, 1957.
BERTSEKAS, D. P. Dynamic Programming and Optimal Control. 3rd. ed. [S.l.]: Athena Sci-
entic, 2007. ISBN 1886529086.
BORWEIN, J.; LEWIS, A. S. Convex Analysis and Nonlinear Optimization: Theory and Exam-
ples. 1. ed. [S.l.]: Springer, 2000. ISBN 0387989404.
CEPEL. Manual de Referncia Modelo NEWAVE. Rio de Janeiro, 2001.
CEPEL. Manual de Referncia do Programa SUISHI-O 6.10 ? Modelo de Simulao Usinas
Individualizadas para Subsistemas Hidrotrmicos Interligados. Rio de Janeiro, 2007. Relatrio
Tcnico DP/DEA 51566/07 e 51572/07.
CEPEL. Manual do Usurio - Programa NEWAVE,. Rio de Janeiro, 2009. Verso 15.
CERVELLERA, C.; CHEN, V.; WEN, A. Optimization of a large-scale water reservoir network
by stochastic dynamic programming with efcient state space discretization [An article from:
European Journal of Operational Research]. [S.l.]: Elsevier, 2006.
CICOGNA, M. A. Sistema de Suporte a Deciso para o Planejamento e a Programao da
Operao de Sistemas de Energia Eltrica. Tese (Doutorado) Unicamp, Campinas, SP, 2003.
CLP. COIN-OR Linear Program Solver. 2011. Http://www.coin-or.org.
CUNHA, S.; PRADO, S.; COSTA, J. Modelagem da produtividade varivel de usinas hidrel-
tricas com base na construo de uma funo de produo energtica. Simpsio Brasileiro de
Recursos Hdricos, ABRH, p. 391397, Nov 1997.
DIAS, B. H. Programao Dinmica Estocstica e Algoritmo de Fechos Convexos no Planeja-
mento da Operao de Sistemas Hidrotmicos. Tese (Doutorado) PUC-Rio, Rio de Janeiro,
2010.
DIAS, B. H.; MARCATO, A. L. M.; SOUZA, R. C.; SOARES, M. P.; JR, I. C. S.; OLIVEIRA,
E. J.; BRANDI, R. B. S.; RAMOS, T. P. Dynamic programming applied to hydrothermal power
systems operation planning based on the convex hull algorithm. Mathematical Problems in
Engineering, v. 2010, p. 120, 2010.
DINIZ, A. L. Processo iterativo de construo da funo de produo das usinas hidroeltri-
cas para o problema de coordenao hidrotrmica. In: XX Seminrio Nacional de Produo e
Transmisso de Energia Eltrica. Recife, PE: [s.n.], 2009.
DINIZ, A. L.; MACEIRA, M. E. P. A four-dimensional model of hydro generation for the
short-term hydrothermal dispatch problem considering head and spillage effects. v. 23, n. 3, p.
12981308, 2008.
DUARTE, V. S. Modelagem da Vazo Mnima Obrigatria em Problemas de Planejamento da
Operao de Longo Prazo de Sistemas Hidrotrmicos Interligados. Dissertao (Mestrado)
UFJF, Juiz de Fora, 2002.
EPE. Site ocial da Empresa de Pesquisa Energtica. 2011. Http://www.epe.gov.br. Acessado
em janeiro de 2011.
FINARDI, E. Planejamento da Operao de Sistemas Hidrotrmicos Utilizando Computao
de Alto Desempenho. Dissertao (Mestrado) Universidade Federal de Santa Catarina
UFSC, Florianpolis, 1999.
FORTUNATO, L. A. M.; NETO, T. A. A.; ALBUQUERQUE, J. C. R.; PEREIRA, M. V. F.
Introduo ao Planejamento da Expanso e Operao de Sistemas de Produo de Energia
Eltrica. Niteri: Universidade Federal Fluminense, 1990.
FOSTER, I. Designing and Building Parallel Programs: Concepts and Tools for Parallel Soft-
ware Engineering. [S.l.]: Addison Wesley, 1995. ISBN 0201575949.
GORENSTIN, B. G.; CAMPODONICO, N. M.; COSTA, J. P.; PEREIRA, M. V. F. Stochastic
optimization of a hydro-thermal system including network constraints. In: Proc. Power Industry
Computer Application Conf. [S.l.: s.n.], 1991. p. 127133.
GRAMA, A.; KARYPIS, G.; KUMAR, V.; GUPTA, A. Introduction to Parallel Computing. 2.
ed. [S.l.]: Addison Wesley, 2003. ISBN 0201648652.
GROPP, W.; LUSK, E.; DOSS, N.; SKJELLUM, A. A highperformance, portable implemen-
tation of the MPI message passing interface standard. Parallel Computing, v. 22, p. 789828,
set. 1996. ISSN 0167-8191. ACM ID: 244368. Disponvel em: <http://portal.acm.org/citation-
.cfm?id=244366.244368>.
ISON, M.; CAIRE, R. Commercial linear programming solvers and their applications to power
system optimization. In: Power and Energy Society General Meeting - Conversion and Delivery
of Electrical Energy in the 21st Century, 2008 IEEE. [S.l.: s.n.], 2008. p. 17. ISBN 1932-5517.
KELMAN, J.; PEREIRA, M. Critrios de avaliao para modelos de sries hidrolgicas. IV
SNPTEE, 1977.
MACEIRA, M.; SUANNO, C. Representao da Variao da Produtibilidade no Algoritmo de
Programao Dinmica Dual Estocstica Projeto Newave. Rio de Janeiro, RJ, Maro 1995.
Relatrio Tcnico.
MACEIRA, M.; SUANNO, C. Representao do Sistema Hidroeltrico, Patamares de Mer-
cado e Evoluo da Congurao Hidrotrmica no Modelo Newave. Rio de Janeiro, RJ, 1995.
Relatrio Tcnico.
MACEIRA, M. E. P.; DAMZIO, J. M. Use of the par(p) model in the stochastic dual dynamic
programming optimization scheme used in the operation planning of the brazilian hydropower
system. Probability in the Engineering and Informational Sciences, v. 20, p. 143156, jan.
2006. ISSN 0269-9648. ACM ID: 1127617. Disponvel em: <http://portal.acm.org/citation-
.cfm?id=1127608.1127617>.
MACEIRA, M. E. P.; TERRY, L. A.; COSTA, F. S.; DAMZIO, J. M.; MELO, A. C. G. Chain
of optimization models for setting the energy dispatch and spot price in the brazilian system.
In: 14th Power Systems Computation Conference (PSCC). Sevilla - Spain: [s.n.], 2002.
MARCATO, A. L. M. Representao Hbrida de Sistemas Equivalentes e Individualizados para
o Planejamento da Operao de Mdio Prazo de Sistemas de Potncia de Grande Porte. Tese
(Doutorado) PUC-Rio, Rio de Janeiro, 2002.
MARCATO, R. Redistribuio tima em patamares de carga da gerao mensal de usinas
hidreltricas. Dissertao (Mestrado) Associao Instituto Nacional de Matemtica Pura e
Aplicada, IMPA, Rio de Janeiro, 2007.
MORAES, L. A. M. Consideraes dos Contratos de Gs natural com Clusulas Take-or-Pay
no Planejamento Energtico a Mdio Prazo. Dissertao (Mestrado) IMPA, Rio de Janeiro,
2007.
NASCENTES, J. C. M. Inuncia do Custo do Dcit de Energia nos Preos Spot de Energia
Eltrica do Brasil. Dissertao (Mestrado) UNICAMP, Campinas, 2002.
NVIDIA. Site da NVIDIA. 2011. Http://www.nvidia.com.
ONS. Site ocial do Operador Nacional do Sistema. 2011. Http://www.ons.org.br. Acessado
em janeiro de 2011.
OPENCL. OpenCL - The open standard for parallel programming of heterogeneous systems.
2011. Http://www.khronos.org/opencl/.
PEREIRA, M. V. F. Optimal stochastic operations scheduling of large hydroelectric systems.
In: International Journal of Electric Power and Energy Systems. [S.l.: s.n.], 1989. v. 11, n. 5, p.
161169.
PEREIRA, M. V. F.; PINTO, L. M. V. G. Stochastic optimization of multireservoir hydroelectric
system: A decomposition approach. In: Water Resources Research. [S.l.: s.n.], 1985. v. 21, n. 6,
p. 779792.
PINTO, R. J.; P., S. A. L. G.; CABRAL, R. N.; COSTA, F. S.; DINIZ, A. L.; MACEIRA, M.
E. P. Metodologia para aplicao de processamento distribudo no planejamento de curto prazo
da operao hidrotrmica. In: XI SEPOPE. Belm: [s.n.], 2009.
QHULL. Qhull. 2011. Biblioteca em C++, disponvel em http://www.qhull.org.
QUINTANA, V.; TORRES, G.; Medina-Palomo, J. Interior-point methods and their applicati-
ons to power systems: a classication of publications and software codes. Power Systems, IEEE
Transactions on, v. 15, n. 1, p. 170176, 2000. ISSN 0885-8950.
ROCHA, J. M. G. Cluster Beowulf: Aspectos de Projeto e Implementao. Dissertao (Mes-
trado) Universidade Federal do Par, UFPA, Belm, 2003.
SACCHI, R.; MARQUES, R. F.; CASTRO, R. Possveis aprimoramentos na formao do pld
preo de liquidao das diferenas no mercado brasileiro. Workshop Internacional sobre
Formao de Preo de Energia Eltrica no Mercado de Curto Prazo, 2008.
SILVA, E. d. Formao de Preos em Mercados de Energia Eltrica. [S.l.]: Sagra Luzzatto,
2001.
SIQUEIRA, T. G. Comparao entre Diferentes Abordagens de Programao Dinmica no
Planejamento da Operao Energtica de Sistemas Hidrotmicos de Potncia. Tese (Douto-
rado) UNICAMP, Campinas, 2009.
Soares Filho, S. Planejamento da operao de sistemas hidrotmicos. SBA: Controle e Automa-
o, v. 1, n. 2, p. 122131, 1987.
SOUZA, B. B. Avaliao do Impacto da Representao Explcita de Bacias Hidrogrcas Atra-
vs do Acoplamento Hidrulico no Planejamento da Operao Energtica de Mdio Prazo.
Dissertao (Mestrado) COPPE/UFRJ, Rio de Janeiro, 2008.
TERRY, L.; GOMES, F.; PEREIRA, M. Modelo a Sistema Equivalente Descrio Geral.
Rio de Janeiro, RJ, 1980. Relatrio Tcnico.
Vieira Filho, X.; PEREIRA, M. V. F.; GORENSTIN, B. G.; G., M. A. C.; MELLO, J. C. O.;
GRANVILLE, S. Playing the odds: Risk management in competitive generation contracts. CI-
GR Conference, Paris, September 1998.
WILKINSON, B.; ALLEN, M. Parallel Programming: Techniques and Applications Using
Networked Workstations and Parallel Computers. 2. ed. [S.l.]: Prentice Hall, 2004. ISBN
0131405632.
ZAMBELLI, M. Planejamento da Operao Energtica do Sistema Interligado Nacional Ba-
seado em Modelo de Controle Preditivo. Tese (Doutorado) UNICAMP, Campinas, 2009.

Dissertacao Rafael Brandi

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Dissertacao Rafael Brandi

Загружено:

Авторское право:

Доступные форматы

Rafael Bruno da Silva Brandi

Processo Iterativo de Construo da Funo de

com um valor de custo

) em cada um dos componentes do conjunto . Atravs

entre todos do conjunto. Denominou-se

sobre o conjunto de pontos obtidos dos custos esperados de

), pois associado ao i-simo elemento do

) estiverem sucientemente prximos de acordo com a tolerncia

) esteja prximo o suciente do valor correto

) =144, 83324, 11+78.600, 00 = 31.658, 39

) =84, 50324, 11+66.533, 33 = 39.146, 23

) =44, 33324, 11+50.466, 67 = 36.097, 89

) =9, 33324, 11+29.466, 67 = 26.441, 66

) = 0, 00324, 11+22.000, 00 = 22.000, 00

) =144, 83787, 38+78.600, 00 =35.438, 40

) =84, 50787, 38+66.533, 33 = 0, 0

) =44, 33787, 38+50.466, 67 = 15.559, 63

) =9, 33787, 38+29.466, 67 = 22.117, 82

) = 0, 00787, 38+22.000, 00 = 22.000, 00

) =144, 83650, 00+78.600, 00 =15.541, 67

) =84, 50650, 00+66.533, 33 = 11.608, 33

) =44, 33650, 00+50.466, 67 = 21.650, 00

) =9, 33650, 00+29.466, 67 = 23.400, 00

) = 0, 00650, 00+22.000, 00 = 22.000, 00

) =144, 83510, 00+78.600, 00 = 4735, 00

) =84, 50510, 00+66.533, 33 = 23.438, 33

) =44, 33510, 00+50.466, 67 = 27.856, 67

) =9, 33510, 00+29.466, 67 = 24.706, 67

) = 0, 00510, 00+22.000, 00 = 22.000, 00

) =144, 83510, 00+78.600, 00 = 4.735, 00

) =84, 50510, 00+66.533, 33 = 23.438, 33

) =44, 33510, 00+50.466, 67 = 27.856, 67

) =9, 33510, 00+29.466, 67 = 24.706, 67

) = 0, 00510, 00+22.000, 00 = 22.000, 00

) =144, 83400, 00+78.600, 00 = 20.666, 67

) =84, 50400, 00+66.533, 33 = 32.733, 33

) =44, 33400, 00+50.466, 67 = 32.733, 33

) =9, 33400, 00+29.466, 67 = 25.733, 33

) = 0, 00400, 00+22.000, 00 = 22.000, 00

Вам также может понравиться