No description available.

As compared to short-term forecasting (e.g., 1 day), it is often challenging to accurately forecast the volume of precipitation in a medium-term horizon (e.g., 1 week). As a result, fluctuations in water inflow can trigger generation shortage and electricity price spikes in a power system with major or predominant hydro resources. In this paper, we study a two-stage robust scheduling approach for a hydrothermal power system. We consider water inflow uncertainty and employ a vector autoregressive (VAR) model to represent its seasonality and accordingly construct an uncertainty set in the robust optimization approach. We design a Benders' decomposition algorithm to solve this problem. Results are presented for the proposed approach on a real-world case study.

O setor sucroalcooleiro vem ganhando cada vez mais destaque no agronegócio brasileiro. O Produto Interno Bruto (PIB) do setor na safra de 2015 gerou mais de US$113 bilhões ao longo de toda cadeia produtiva (UNICA, 2016). Esse período de ascensão é acompanhado de novos desafios e oportunidades, o que torna o setor um tema fértil para a pesquisa acadêmica, teórica e aplicada. Dada à pluralidade do setor que hoje extravasa seu nicho tradicional, álcool e açúcar, e atua cada vez mais intensamente nos setores energéticos, eletricidade e combustíveis renováveis, faz-se necessário a incorporação da nova dinâmica de produção que esses produtos trazem à realidade administrativa do setor. Assim, além de discutir teoria e metodologia correlatas à modelagem matemática empregada no auxilio à gestão do setor, esse trabalho visa contribuir com a literatura, incorporando e discutindo as novas possibilidades produtivas que a produção de biogás trás ao mix de produção tradicional. As principais ferramentas utilizadas nessa análise são a teoria de portfólios e o arcabouço teórico da otimização robusta. A partir dessas técnicas construiu-se um modelo de otimização onde se busca a minimização do risco para um dado retorno, princípio da teoria de portfólios, avaliando o risco com o CVaR, uma medida de risco mais adequada do que a tradicional variância. Construído esse modelo, analisa-se o papel do biogás, um produto ainda pouco usual nas usinas brasileiras, no portfólio produtivo de uma usina hipotética. Com base nesse modelo implementou-se as técnicas de otimização robusta com o intuito de aferir se os resultados verificados no modelo determinístico se mantém no caso robusto. / The sugarcane sector is gaining a huge prominence in the Brazilian agribusiness. The GDP of the sector in 2015 crop was over then US$ 113 billion along the entire production chain (UNICA, 2016). This auspicious period is accompanied by new challenges and opportunities, which makes the sector a hot field for academic research, theoretical and applied. Given the industry plurality which today goes beyond its traditional niche, alcohol and sugar, the sector is increasingly strongly its share in the energy sector, electricity and renewable fuels. Thus it is necessary to incorporate the new dynamic of production that these products bring to the administrative reality of the sector. Therefore, in addition to discussing theory and methodology related to the mathematical modeling used as a support to sector management, this work aims to contribute to the literature by incorporating and discussing the new production possibilities that biogas production brings to the traditional production mix. The main tools used in this analysis are the portfolio theory and the theoretical and applied framework of robust optimization. From these techniques it is built up an optimization model where one seeks to minimize risk for a given return, the principle of portfolio theory, assessing the risk with CVaR, a better measure of risk than traditional variance. Through this model, the role of biogas, an unusual product in the Brazilian plants, is analyzed considering a hypothetical plant. Based on this model it is implemented robust optimization techniques in order to assess whether the results observed in the deterministic model remains in the case robust.

Este trabalho tem como objetivo avaliar a viabilidade da aplicação de técnicas de otimização robusta (OR) no planejamento da operação de reservatórios para geração de energia hidrelétrica. A OR é uma técnica de otimização que visa encontrar resultados que sejam menos sensíveis às incertezas nas variáveis do modelo através da minimização da variância da função objetivo para diferentes cenários. Desta forma foi desenvolvido um modelo de otimização robusta aplicado à operação de reservatórios para a geração de energia hidrelétrica, chamado HIDRO-OR, utilizando o software General Algebraic Modeling System (GAMS). Para estudo de caso foram utilizados os dados da UHE Sinop, a ser instalada no rio Teles Pires MT. Inicialmente foi realizada uma análise de sensibilidade utilizando diferentes combinações dos coeficientes de ponderação da função objetivo e três conjuntos de cenários. Nesta abordagem, o modelo resultou em vertimentos indesejados para realizar a diminuição do desvio padrão dos resultados entre os diferentes cenários. Uma solução encontrada para o problema foi realizar a otimização em duas etapas. Na primeira etapa ocorre a otimização robusta propriamente dita e são fixados os resultados para o primeiro mês de operação. Na segunda etapa, apenas a função objetivo principal é otimizada e, assim, são corrigidos os vertimentos indesejados. No entanto, com a otimização em duas etapas, não ocorreram mudanças na operação do reservatório para os diferentes coeficientes de ponderação. Ao final do trabalho conclui-se que, apesar dos resultados da análise de sensibilidade terem sido praticamente iguais com a otimização em duas etapas, estes podem ser considerados robustos pois são factíveis para todos os cenários. Por fim, são realizadas sugestões para a continuidade das pesquisas utilizando as técnicas de OR para a operação de usinas hidrelétricas. / This work aims to evaluate the feasibility of robust optimization techniques (OR) for reservoir management for hydropower production. The OR is an optimization technique which aims to find results that are less sensitive to the randomness of variables in the model by minimizing the variance of the objective function for different scenarios. One OR model was developed to the operation of reservoirs for hydropower production, called HYDRO-OR, using the software General Algebraic Modeling System (GAMS). As study case, data from the Sinop hydropower plant were used, which will be constructed in the Teles Pires river - MT. First, a sensitivity analysis was performed using different combinations of weigh coefficients of the objective function with three sets of scenarios. Preliminary results in this approach showed that the model resulted in unwanted spills to force the reduction of the standard deviation of the results from different scenarios. To correct this, the model was reconfigured to perform the optimization in two stages, the first one being the OR itself in which the results were obtained for the first month of planning. In the second step, the model was optimized again for subsequent months. In this case the model corrected the unnecessary spills but the results were quite similar for the three combinations of the weight coefficients. However the results can be considered robust because it is feasible for all scenarios. Finally, suggestions are made for further studies using the techniques of OR for the operation of hydropower plants.

Another important contribution of this thesis is that we propose another novel and highly robust estimator: Kernel Density Estimation Sample Consensus (KDESAC) which employs Random Sample Consensus algorithm combined with Kernel Density Estimation (KDE). The main advantage of KDESAC is that no prior information and no scale estimators are required in the estimation of the parameters. The computational load of KDESAC is much lower than the robust algorithms which estimate the scale in every sample loop. The experiments on synthetic data show that the proposed method is more robust to the heavily corrupted data than other algorithms. KDESAC can tolerate more than 80% outliers and multiple structures. Although Adaptive Scale Sample Consensus (ASSC) can obtain such good performance as KDESAC, ASSC is much slower than KDESAC. KDESAC is also applied to SFM problem and multi-motion estimation with real data. The experiments demonstrate that KDESAC is robust and efficient. / Structure from motion (SFM), the problem of estimating 3D structure from 2D images hereof, is one of the most popular and well studied problems within computer vision. This thesis is a study within the area of SFM. The main objective of this work is to improve the robustness of the SFM algorithm so as to make it capable of tolerating a great number of outliers in the correspondences. For improving the robustness, a stereo image sequence is processed, so the random sampling algorithms can be employed in the structure and motion estimation. With this strategy, we employ Random Sample Consensus (RANSAC) in motion and structure estimation to exclude outliers. Since the RANSAC method needs the prior information about the scale of the inliers, we proposed an auto-scale RANSAC algorithm which determines the inliers by analyzing the probability density of the residuals. The experimental results demonstrate that SFM by the proposed auto-scale RANSAC is more robust and accurate than that by RANSAC. / Chan Tai. / "September 2006." / Adviser: Yun Hui Liu. / Source: Dissertation Abstracts International, Volume: 68-03, Section: B, page: 1716. / Thesis (Ph.D.)--Chinese University of Hong Kong, 2006. / Includes bibliographical references (p. 113-120). / Electronic reproduction. Hong Kong : Chinese University of Hong Kong, [2012] System requirements: Adobe Acrobat Reader. Available via World Wide Web. / Electronic reproduction. [Ann Arbor, MI] : ProQuest Information and Learning, [200-] System requirements: Adobe Acrobat Reader. Available via World Wide Web. / Abstracts in English and Chinese. / School code: 1307.

Este trabalho tem como objetivo avaliar a viabilidade da aplicação de técnicas de otimização robusta (OR) no planejamento da operação de reservatórios para geração de energia hidrelétrica. A OR é uma técnica de otimização que visa encontrar resultados que sejam menos sensíveis às incertezas nas variáveis do modelo através da minimização da variância da função objetivo para diferentes cenários. Desta forma foi desenvolvido um modelo de otimização robusta aplicado à operação de reservatórios para a geração de energia hidrelétrica, chamado HIDRO-OR, utilizando o software General Algebraic Modeling System (GAMS). Para estudo de caso foram utilizados os dados da UHE Sinop, a ser instalada no rio Teles Pires MT. Inicialmente foi realizada uma análise de sensibilidade utilizando diferentes combinações dos coeficientes de ponderação da função objetivo e três conjuntos de cenários. Nesta abordagem, o modelo resultou em vertimentos indesejados para realizar a diminuição do desvio padrão dos resultados entre os diferentes cenários. Uma solução encontrada para o problema foi realizar a otimização em duas etapas. Na primeira etapa ocorre a otimização robusta propriamente dita e são fixados os resultados para o primeiro mês de operação. Na segunda etapa, apenas a função objetivo principal é otimizada e, assim, são corrigidos os vertimentos indesejados. No entanto, com a otimização em duas etapas, não ocorreram mudanças na operação do reservatório para os diferentes coeficientes de ponderação. Ao final do trabalho conclui-se que, apesar dos resultados da análise de sensibilidade terem sido praticamente iguais com a otimização em duas etapas, estes podem ser considerados robustos pois são factíveis para todos os cenários. Por fim, são realizadas sugestões para a continuidade das pesquisas utilizando as técnicas de OR para a operação de usinas hidrelétricas. / This work aims to evaluate the feasibility of robust optimization techniques (OR) for reservoir management for hydropower production. The OR is an optimization technique which aims to find results that are less sensitive to the randomness of variables in the model by minimizing the variance of the objective function for different scenarios. One OR model was developed to the operation of reservoirs for hydropower production, called HYDRO-OR, using the software General Algebraic Modeling System (GAMS). As study case, data from the Sinop hydropower plant were used, which will be constructed in the Teles Pires river - MT. First, a sensitivity analysis was performed using different combinations of weigh coefficients of the objective function with three sets of scenarios. Preliminary results in this approach showed that the model resulted in unwanted spills to force the reduction of the standard deviation of the results from different scenarios. To correct this, the model was reconfigured to perform the optimization in two stages, the first one being the OR itself in which the results were obtained for the first month of planning. In the second step, the model was optimized again for subsequent months. In this case the model corrected the unnecessary spills but the results were quite similar for the three combinations of the weight coefficients. However the results can be considered robust because it is feasible for all scenarios. Finally, suggestions are made for further studies using the techniques of OR for the operation of hydropower plants.

O setor sucroalcooleiro vem ganhando cada vez mais destaque no agronegócio brasileiro. O Produto Interno Bruto (PIB) do setor na safra de 2015 gerou mais de US$113 bilhões ao longo de toda cadeia produtiva (UNICA, 2016). Esse período de ascensão é acompanhado de novos desafios e oportunidades, o que torna o setor um tema fértil para a pesquisa acadêmica, teórica e aplicada. Dada à pluralidade do setor que hoje extravasa seu nicho tradicional, álcool e açúcar, e atua cada vez mais intensamente nos setores energéticos, eletricidade e combustíveis renováveis, faz-se necessário a incorporação da nova dinâmica de produção que esses produtos trazem à realidade administrativa do setor. Assim, além de discutir teoria e metodologia correlatas à modelagem matemática empregada no auxilio à gestão do setor, esse trabalho visa contribuir com a literatura, incorporando e discutindo as novas possibilidades produtivas que a produção de biogás trás ao mix de produção tradicional. As principais ferramentas utilizadas nessa análise são a teoria de portfólios e o arcabouço teórico da otimização robusta. A partir dessas técnicas construiu-se um modelo de otimização onde se busca a minimização do risco para um dado retorno, princípio da teoria de portfólios, avaliando o risco com o CVaR, uma medida de risco mais adequada do que a tradicional variância. Construído esse modelo, analisa-se o papel do biogás, um produto ainda pouco usual nas usinas brasileiras, no portfólio produtivo de uma usina hipotética. Com base nesse modelo implementou-se as técnicas de otimização robusta com o intuito de aferir se os resultados verificados no modelo determinístico se mantém no caso robusto. / The sugarcane sector is gaining a huge prominence in the Brazilian agribusiness. The GDP of the sector in 2015 crop was over then US$ 113 billion along the entire production chain (UNICA, 2016). This auspicious period is accompanied by new challenges and opportunities, which makes the sector a hot field for academic research, theoretical and applied. Given the industry plurality which today goes beyond its traditional niche, alcohol and sugar, the sector is increasingly strongly its share in the energy sector, electricity and renewable fuels. Thus it is necessary to incorporate the new dynamic of production that these products bring to the administrative reality of the sector. Therefore, in addition to discussing theory and methodology related to the mathematical modeling used as a support to sector management, this work aims to contribute to the literature by incorporating and discussing the new production possibilities that biogas production brings to the traditional production mix. The main tools used in this analysis are the portfolio theory and the theoretical and applied framework of robust optimization. From these techniques it is built up an optimization model where one seeks to minimize risk for a given return, the principle of portfolio theory, assessing the risk with CVaR, a better measure of risk than traditional variance. Through this model, the role of biogas, an unusual product in the Brazilian plants, is analyzed considering a hypothetical plant. Based on this model it is implemented robust optimization techniques in order to assess whether the results observed in the deterministic model remains in the case robust.

Thesis (Ph. D.)--Ohio State University, 2006. / Title from first page of PDF file. Includes bibliographical references (p. 67-72).

La construction de modèles qui protègent contre les incertitudes dans les données, telles que la variabilité de l'information et l'imprécision est une des principales préoccupations en optimisation sous incertitude. L'incertitude peut affecter différentes domaines, comme le transport, les télécommunications, la finance, etc., ainsi que les différentes parts d'un problème d'optimisation, comme les coefficients de la fonction objectif et /ou les contraintes. De plus, l'ensemble des données incertaines peut être modélisé de différentes façons, comme sous ensembles compactes et convexes de l´espace réel de dimension n, polytopes, produits Cartésiens des intervalles, ellipsoïdes, etc. Une des approches possibles pour résoudre des tels problèmes est de considérer les versions minimax regret, pour lesquelles résoudre un problème sous incertitude revient à trouver une solution qui s'écarte le moins possible de la valeur solution optimale dans tout les cas. Dans le cas des incertitudes définies par intervalles, les versions minimax regret de nombreux problèmes combinatoires polynomiaux sont NP-difficiles, d'ou l'importance d'essayer de réduire l'espace des solutions. Dans ce contexte, savoir quand un élément du problème, représenté par une variable, fait toujours ou jamais partie d'une solution optimal pour toute réalisation des données (variables 1-persistentes et 0-persistentes respectivement), constitue une manière de réduire la taille du problème. Un des principaux objectifs de cette thèse est d'étudier ces questions pour quelques problèmes d'optimisation combinatoire sous incertitude. Nous étudions les versions minimax regret du problème du choix de p éléments parmi m, de l'arbre couvrant minimum et des deux problèmes de plus court chemin. Pour de tels problèmes, dans le cas des incertitudes définis par intervalles, nous étudions le problème de trouver les variables 1- et 0-persistentes. Nous présentons une procédure de pre-traitement du problème, lequel réduit grandement la taille des formulations des versions de minimax regret. Nous nous intéressons aussi à la version minimax regret du problème de programmation linéaire dans le cas où les coefficients de la fonction objectif sont incertains et l'ensemble des données incertaines est polyédral. Dans le cas où l'ensemble des incertitudes est défini par des intervalles, le problème de trouver le regret maximum est NP-difficile. Nous présentons des cas spéciaux ou les problèmes de maximum regret et de minimax regret sont polynomiaux. Dans le cas où l´ensemble des incertitudes est défini par un polytope, nous présentons un algorithme pour trouver une solution exacte au problème de minimax regret et nous discutons les résultats numériques obtenus dans un grand nombre d´instances générées aléatoirement. Nous étudions les relations entre le problème de 1-centre continu et la version minimax regret du problème de programmation linéaire dans le cas où les coefficients de la fonction objectif sont évalués à l´aide des intervalles. En particulier, nous décrivons la géométrie de ce dernier problème, nous généralisons quelques résultats en théorie de localisation et nous donnons des conditions sous lesquelles certaines variables peuvet être éliminées du problème. Finalement, nous testons ces conditions dans un nombre d´instances générées aléatoirement et nous donnons les conclusions.

We introduce methods for dealing with linear programming (LP) problems with uncertain data, using the notion of weighted analytic centers. Our methods are based on high interaction with the decision maker (DM) and try to find solutions which satisfy most of his/her important criteria/goals. Starting with the drawbacks of different methods for dealing with uncertainty in LP, we explain how our methods improve most of them. We prove that, besides many practical advantages, our approach is theoretically as strong as robust optimization. Interactive cutting-plane algorithms are developed for concave and quasi-concave utility functions. We present some probabilistic bounds for feasibility and evaluate our approach by means of computational experiments.