[pt] O aumento da participação de fontes de energias renováveis variáveis (ERVs) na matriz elétrica do Brasil traz diversos desafios ao planejamento e à operação do Sistema Elétrico Brasileiro (SEB), devido à estocasticidade das ERVs. Tais desafios envolvem a modelagem e simulação dos processos intermitentes de geração e, dessa forma, um volume considerável de pesquisas tem sido direcionado ao tema. Nesse contexto, um tópico de crescente importância na literatura relaciona-se ao desenvolvimento de metodologias para simulação estocástica conjunta de recursos intermitentes com características complementares, como, por exemplo, as fontes eólica e solar. Visando contribuir com essa temática, este trabalho propõe melhorias a um modelo de simulação já estabelecido na literatura, avaliando sua aplicabilidade a partir de dados do Nordeste brasileiro. A metodologia proposta baseia-se em discretização das séries temporais de energia aplicando a técnica de machine learning k-means, construção de matrizes de transição de estados com base nos clusters identificados e simulação de Monte Carlo para obtenção dos cenários. As séries sintéticas obtidas são comparadas aos resultados gerados pelo modelo já estabelecido na literatura a partir de técnicas estatísticas. Quanto ao alcance dos objetivos da pesquisa, a modelagem proposta se mostrou mais eficiente, gerando cenários que reproduziram satisfatoriamente todas as características dos dados históricos avaliadas. / [en] The increased participation of variable renewable energy sources (VRES) in Brazil s electricity matrix brings several challenges to the planning and operation of the Brazilian Power System (BPS), due to the VRES stochasticity. Such challenges involve the modeling and simulation of intermittent generation processes and, in this context, a considerable amount of research has been directed to the theme. In this context, a topic of increasing importance in the literature is related to the development of methodologies for joint stochastic simulation of intermittent resources with complementary characteristics, such as wind and solar sources. Aiming to contribute to this theme, this work proposes improvements in a simulation model already established in the literature, evaluating its applicability based on Brazilian Northeast data. The proposed methodology is based on the discretization of energy time series applying the kmeans machine learning technique, construction of state transition matrices based on the identified clusters, and Monte Carlo simulation to obtain the scenarios. The synthetic series obtained are compared to the results generated by the model already established in the literature from statistical techniques. Regarding the scope of the research objectives, the proposed modeling demonstrated more promising results, generating scenarios that satisfactorily reproduced all the evaluated characteristics of the historical data.

[pt] O planejamento da expansão da transmissão (PET) visa identificar os novos reforços a serem implementados na rede do sistema elétrico de potência, necessá-rios para assegurar uma adequada interligação entre a demanda e a geração do sistema, ambas previstas para o horizonte de planejamento. Um bom plano de expansão deve garantir o equilíbrio entre os custos de investimento e operação, mantendo um nível satisfatório de continuidade no fornecimento de energia. En-tretanto, a identificação de boas soluções para o PET tem se tornado uma tarefa cada vez mais difícil. Isso se deve, principalmente, às características e dimensões dos sistemas atuais, incluindo o aumento na dependência de fontes renováveis, e à não linearidade e natureza combinatória do problema de otimização. Nesta dissertação é proposta uma nova metodologia para resolver o proble-ma PET com alta penetração de energia renovável, em particular a eólica. A me-todologia é baseada na aplicação de uma nova ferramenta de otimização para so-lução do PET estático, a qual é classificada como metaheurística construtiva, onde soluções viáveis de boa qualidade são paralelamente construídas a partir da topo-logia inicial, por meio de adições graduais de reforços mais atrativos para a rede. Outras heurísticas são também utilizadas. Ênfase é dada à modelagem de cenários de geração eólica, que representam a energia renovável da rede a ser planejada, a qual deverá permitir uma operação flexível e adaptada à intermitência destas fon-tes. São utilizados o critério de segurança N-1 e o modelo linear DC de rede, com a consideração de perdas ôhmicas. Uma variante do sistema IEEE RTS, com inserção de fontes eólicas, é utilizada para testar a metodologia proposta. / [en] Transmission expansion planning (TEP) aims to identify the new reinforce-ments to be installed in the electric power system, necessary to ensure an adequate interconnection between demand and generation of the system, both foreseen for the planning horizon. A good expansion plan should ensure a balance between investment and operating costs, while maintaining a satisfactory level of continui-ty in the energy supply. However, identifying good expansion solutions for TEP has become an increasingly difficult task. This is mainly due to the characteristics and dimensions of the current systems, including the increase in the dependence of renewable sources, and the nonlinearity and combinatorial nature of the optimi-zation problem. In this dissertation, a new methodology is proposed to solve the TEP prob-lem with high penetration of renewable energy, in particular wind power. The methodology is based on the application of a new optimization tool for static TEP solution, which is classified as a constructive metaheuristic, where feasible solu-tions of good quality are simultaneously constructed from the initial topology of the network, through incremental additions of reinforcements more attractive to the grid. Other heuristics are also used. Emphasis is given to the modeling of wind power scenarios, which represent the renewable energy of the network to be planned, which should allow a flexible operation and adapted to the intermittency of these sources. The security criterion N-1 and the linear DC network model are used, with the consideration of ohmic losses. A variant of the IEEE RTS sys-tem, with insertion of wind sources, is used to test the proposed methodology.

[pt] Este trabalho apresenta um framework de investimento dinâmico para carteiras de energia, baseados em opções reais, que visa maximizar o valor, corrigido pelo risco, do investimento conjunto em projetos de geração de energia com fontes renováveis. Diferente de outros modelos semelhantes, várias classes de incerteza são levadas em consideração simultaneamente e os valores de projeto são calculados por um modelo de otimização híbrido robusto e estocástico. O framework de investimento é adequado para qualquer mercado que permita a negociação bilateral, conforme feita no Ambiente de Contratação Livre, e é construído na visão da empresa de geração, ou comercializadora de energia, que pretende investir em uma carteira de geração. Utilizando este framework é possível definir o quanto investir em cada fonte renovável, quanto vender da carteira de energia e o melhor momento para investir. Além disso, com essa modelagem é calculado o prêmio do investimento simultâneo em fontes renováveis complementares. Ele estende os modelos de decisão estáticos, já abordados na literatura, para um contexto dinâmico, ou seja, considerando a decisão ótima de investimento no tempo. Isso é feito utilizando a abordagem numérica desenvolvida por Bastian-Pinto [9], para descrever cenários de variáveis estocásticas que se comportam como um processo de reversão à média (típico dos preços de energia). Ao final são mostrados estudos de caso realistas que demonstram o valor do framework. Este modelo aprimora as decisões da indústria de energia, contribui para aumentar a competitividade das fontes renováveis e reduz a necessidade de subsídios para o investimento. Com isso, impulsiona a penetração das fontes renováveis no mercado brasileiro de energia elétrica. / [en] This dissertation presents a dynamic framework for renewable energy portfolios, based on real options, that maximize the risk-averse investment value. Differently from similar models, several classes of uncertainty are taken into account simultaneously and the project values are calculated by means of a hybrid robust and stochastic optimization model. The investment framework is suitable for any market that allows bilateral trading (as in the Brazilian free contracting environment) and is designed for a generation company or energy trading company, that intends to invest in a renewablesource portfolio. Using this framework it is possible to define how much to buy or build from each renewable source, how much to sell from the energy portfolio, and the best moment to invest. Additionally, the premium for investing simultaneously in several complementary renewable sources is also determined. The section responsible for supporting the dynamic investment timing decision uses the binomial lattice proposed by Bastian-Pinto et al [9], to describe mean reverting processes. This framework improves industry practices, contributes to increase renewables competitiveness and proposes an arragement that reduces the need for subsidies. As a consequence, this model contributes to foster the penetration of renewable sources in Brazilian electricity market.

[pt] A reserva girante é a parcela da geração que deve estar sincronizada, ou que seja possível sincronizar em tempo hábil, de forma a repor a perda de unidades de geração, suprir acréscimos de demanda devido aos erros de previsão, ou ainda lidar com possíveis flutuações na capacidade de geração de fontes renováveis. Desta forma, é crucial que tal parcela esteja dimensionada de modo a suprir tais necessidades de forma adequada. Para tal, deve-se considerar o perfil da demanda do sistema e também as características do sistema de geração. Estimativas imprecisas da carga elétrica podem levar a ocorrências de cortes de carga. Da mesma forma, um superdimensionamento da reserva pode ter como consequência custos excessivos para o consumidor de energia. Uma representação aceitável para carga é considerá-la como uma variável aleatória. Este tipo de modelagem permite que o valor do pico de carga estimado tenha suas incertezas intrinsecamente consideradas. Assim, considerando as variabilidades inerentes à demanda e à geração, é então possível estimar o risco de não suprimento do sistema por meio de métodos baseados em Simulação Monte Carlo (SMC). Tais métodos têm como principal vantagem uma relativa robustez para avaliação de índices que mensuram numericamente o nível de confiabilidade do sistema: e.g., LOLP (loss of load probability). Nesta dissertação será avaliado o impacto das incertezas associadas à demanda, à variabilidade das fontes renováveis e às falhas em equipamentos no dimensionamento da reserva de geração no âmbito da operação de sistemas elétricos. Serão empregadas técnicas baseadas em SMC para avaliar os níveis de confiabilidade, considerando diversas possibilidades de representação da carga em sistemas multiárea. Dentre os cenários testados e discutidos, calculam-se índices de risco para o sistema e por áreas, para avaliar se o sistema é confiável não apenas como um todo, mas também em cada uma de suas regiões operativas. Para avaliar a metodologia proposta, são realizados testes com o sistema IEEE-RTS (Reliability Test System) de modo a responder se os índices de risco por área/sistema estão dentro de níveis aceitáveis. Por fim, é avaliado também o efeito da inserção de fontes renováveis intermitentes na reserva do sistema. / [en] The spinning reserve is the generation quota that must be synchronized (or that can be synchronized in a timely manner) with the aim to restore the loss of generation units, to supply increases in demand due to forecast errors, or to cope with generation capacity fluctuations of renewable sources. Thus, it is crucial that such amount is defined so as to adequately meet the required needs. For this, the system load profile and also the generating system characteristics must be duly considered. Inaccurate estimates of electrical demand can lead to the occurrence of load shedding. Similarly, overinvestment in capacity reserve may result in excessive costs to electric energy consumers. An acceptable representation for the load profile is to consider it as a random variable. This type of modeling allows the estimated peak load value to have its uncertainties intrinsically considered. Therefore, considering the inherent variability of demand and generation, it is then possible to estimate the risk of not supplying the system load through methods based on Monte Carlo simulation (SMC). Such methods have as their main advantage a relative robustness for evaluating indices that numerically measure the reliability level of the system; e.g., LOLP (loss of load probability). In this dissertation, the impact of uncertainties associated with demand, the variability of renewable sources and equipment failures will be evaluated in order to size the amount of generating reserve, within the scope of the operation of electric systems. SMC techniques are used to evaluate the reliability levels, considering several possibilities of load representation in a multi-area system. Among different scenarios analyzed, risk indices are calculated for system and areas, in order to assess whether the grid is reliable as a whole and also for all operating regions. In order to evaluate the proposed methodology, tests are performed with the IEEE-RTS (Reliability Test System) to respond if the area/system risk indices are within acceptable levels. Finally, the effect of inserting intermittent renewable sources into the system reserve is also discussed.

[pt] A avaliação de confiabilidade da capacidade de geração é extremamente útil em diversos estudos de planejamento da expansão, na avaliação dos riscos relacionados ao dimensionamento da reserva operativa e também na programação da manutenção de unidades geradoras. O principal objetivo é avaliar se uma determinada configuração de unidades de geração atende de forma aceitável à carga do sistema, assumindo que os equipamentos de transmissão sejam totalmente confiáveis e sem limitações de capacidade. Na última década, a inserção de fontes renováveis nos sistemas elétricos de potência tem crescido de forma acentuada, na grande maioria dos países desenvolvidos como também em desenvolvimento. As flutuações de suas capacidades de geração se tornaram parte da complexidade do problema de planejamento e operação de redes elétricas, uma vez que dependem das condições ambientais em que foram instaladas. Além disso, representações detalhadas da carga têm se tornado uma preocupação a mais de muitos planejadores, tendo em vista as análises de risco ao atendimento da demanda nessas redes. Novos modelos e ferramentas computacionais devem ser desenvolvidos para tratar dessas variáveis principalmente com dependência espaço-temporal. Esta dissertação apresenta diversos estudos para avaliar a confiabilidade da capacidade de sistemas de geração via simulação Monte Carlo quasi-sequencial (SMC-QS), considerando fontes de geração e carga com forte dependência espaço-temporal. Esta ferramenta é escolhida devido à sua fácil implementação computacional e capacidade de simular eventos cronológicos. A técnica de redução de variância denominada amostragem por importância baseada no método Cross Entropy (CE) foi utilizada em conjunto com a SMC-QS. As simulações terão como base o sistema teste IEEE-RTS 96, o qual é adequada-mente modificado para incluir fontes renováveis eólicas e hídricas. Portanto, o principal objetivo desta dissertação é definir a melhor maneira de lidar com as séries temporais representativas da geração renovável e carga, nos diferentes estágios do método SMC-QS via CE, de modo a maximizar sua eficiência computacional. Vários testes de simulação são realizados com o sistema IEEE-RTS 96 modificado e os resultados obtidos são amplamente discutidos. / [en] The reliability evaluation of the generating capacity is extremely useful in several expansion planning studies, in the assessment of risks related to the requirements of the operating reserve and also in the scheduling of maintenance of generating units. The main objective is to assess whether a given generating configuration meets the system load in an acceptable manner, assuming that the transmission equipment is completely reliable and without capacity limitations. In the last decade, the insertion of renewable sources in electrical power systems has grown markedly, in the vast majority of developed and developing countries. Fluctuations in their generation capacities have become part of the complexity of the problem of planning and operating electrical networks, since they depend on the environmental conditions in which they are installed. In addition, detailed representations of the load have become a concern among many planners, given the risk analyzes to meet demand in these networks. New computational models and tools must be developed to deal with these variables mainly with space-time dependence. This dissertation presents several studies to evaluate the reliability of the capacity of generation systems via quasi-sequential Monte Carlo simulation (QS-MCS), considering generation and load sources with strong space-time dependence. This tool is chosen due to its easy computational implementation and the ability to simulate chronological events. The variance reduction technique named importance sampling based on the cross-entropy (CE) method is used in conjunction with the QS-MCS. The simulations will be carried out with the IEEE-RTS 96 test system, which is adequately modified to include renewable wind and hydro sources. Therefore, the main objective of this dissertation is to define the best way to deal with the time series representing the renewable generation and load, in the different stages of the SMC-QS method via CE, in order to maximize its computational efficiency. Several simulation tests are performed with the modified IEEE-RTS 96 system and the obtained results are widely discussed.