[en] ON THE SOLUTION VARIABILITY REDUCTION OF STOCHASTIC DUAL DYNAMIC PROGRAMMING APPLIED TO ENERGY PLANNING

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: MURILO PEREIRA SOARES
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: MAXWELL
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25355&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25355&idi=2
http://doi.org/10.17771/PUCRio.acad.25355
Resumo: [pt] No planejamento da operação hidrotérmica brasileiro, assim como em outros países hidro dependentes, a Programação Dinâmica Dual Estocástica (PDDE) é utilizada para calcular uma política ótima avessa a risco que, muitas vezes, considera modelos autorregressivos para modelagem das afluências às hidrelétricas. Em aplicações práticas, estes modelos podem induzir a uma variabilidade indesejável de variáveis primais (geração térmica) e duais (custo marginal e preço spot), que são altamente sensíveis a mudanças nas condições iniciais das vazões. Neste trabalho, são propostas duas abordagens diferentes para estabilizar as soluções da PDDE no problema de planejamento da operação energética: a primeira abordagem visa regularizar variáveis primais considerando uma penalidade adicional sobre as mudanças no despacho térmico ao longo do tempo. A segunda abordagem reduz indiretamente a variabilidade da geração térmica e do custo marginal ao ignorar informações de afluências passadas na função de custo futuro e compensando-a com um aumento na aversão ao risco. Para fins de comparação, a qualidade solução foi avaliada com um conjunto de índices propostos que resumem cada aspecto importante de uma política de planejamento hidrotérmico. Em conclusão, mostramos que é possível obter soluções com boa qualidade em comparação com benchmarks atuais e com uma redução significativa variabilidade.