11 |
[en] DYNAMIC DECISION MODEL TO FOSTER RENEWABLE SOURCES IN BRAZIL / [pt] MODELO DECISÓRIO DINÂMICO PARA INCENTIVAR AS FONTES RENOVÁVEIS NO BRASILADERSON CAMPOS PASSOS 01 April 2016 (has links)
[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.
|
12 |
[en] CONSERVATIVE-SOLUTION METHODOLOGIES FOR STOCHASTIC PROGRAMMING: A DISTRIBUTIONALLY ROBUST OPTIMIZATION APPROACH / [pt] METODOLOGIAS PARA OBTENÇÃO DE SOLUÇÕES CONSERVADORAS PARA PROGRAMAÇÃO ESTOCÁSTICA: UMA ABORDAGEM DE OTIMIZAÇÃO ROBUSTA À DISTRIBUIÇÕESCARLOS ANDRES GAMBOA RODRIGUEZ 20 July 2021 (has links)
[pt] A programação estocástica dois estágios é uma abordagem
matemática amplamente usada em aplicações da vida real, como planejamento
da operação de sistemas de energia, cadeias de suprimentos,
logística, gerenciamento de inventário e planejamento financeiro. Como
a maior parte desses problemas não pode ser resolvida analiticamente,
os tomadores de decisão utilizam métodos numéricos para obter uma
solução quase ótima. Em algumas aplicações, soluções não convergidas
e, portanto, sub-ótimas terminam sendo implementadas devido a limitações
de tempo ou esforço computacional. Nesse contexto, os métodos
existentes fornecem uma solução otimista sempre que a convergência
não é atingida. As soluções otimistas geralmente geram altos níveis
de arrependimento porque subestimam os custos reais na função objetivo
aproximada. Para resolver esse problema, temos desenvolvido duas
metodologias de solução conservadora para problemas de programação
linear estocástica dois estágios com incerteza do lado direito e suporte retangular:
Quando a verdadeira distribuição de probabilidade da incerteza
é conhecida, propomos um problema DRO (Distributionally Robust Optimization)
baseado em esperanças condicionais adaptadas à uma partição
do suporte cuja complexidade cresce exponencialmente com a dimensionalidade
da incerteza; Quando apenas observações históricas da incerteza
estão disponíveis, propomos um problema de DRO baseado na métrica
de Wasserstein a fim de incorporar ambiguidade sobre a real distribuição
de probabilidade da incerteza. Para esta última abordagem, os métodos
existentes dependem da enumeração dos vértices duais do problema de
segundo estágio, tornando o problema DRO intratável em aplicações
práticas. Nesse contexto, propomos esquemas algorítmicos para lidar
com a complexidade computacional de ambas abordagens. Experimentos
computacionais são apresentados para o problema do fazendeiro, o problema
de alocação de aviões, e o problema do planejamento da operação
do sistema elétrico (unit ommitmnet problem). / [en] Two-stage stochastic programming is a mathematical framework
widely used in real-life applications such as power system operation
planning, supply chains, logistics, inventory management, and financial
planning. Since most of these problems cannot be solved analytically,
decision-makers make use of numerical methods to obtain a near-optimal
solution. Some applications rely on the implementation of non-converged
and therefore sub-optimal solutions because of computational time or
power limitations. In this context, the existing methods provide an optimistic
solution whenever convergence is not attained. Optimistic solutions
often generate high disappointment levels because they consistently
underestimate the actual costs in the approximate objective function.
To address this issue, we have developed two conservative-solution
methodologies for two-stage stochastic linear programming problems
with right-hand-side uncertainty and rectangular support: When the actual
data-generating probability distribution is known, we propose a DRO
problem based on partition-adapted conditional expectations whose complexity
grows exponentially with the uncertainty dimensionality; When
only historical observations of the uncertainty are available, we propose
a DRO problem based on the Wasserstein metric to incorporate ambiguity
over the actual data-generating probability distribution. For this
latter approach, existing methods rely on dual vertex enumeration of the
second-stage problem rendering the DRO problem intractable in practical
applications. In this context, we propose algorithmic schemes to address
the computational complexity of both approaches. Computational experiments
are presented for the farmer problem, aircraft allocation problem,
and the stochastic unit commitment problem.
|
13 |
[en] PORTFOLIO SELECTION USING ROBUST OPTIMIZATION AND SUPPORT VECTOR MACHINE (SVM) / [pt] SELEÇÃO DE PORTFÓLIO USANDO OTIMIZAÇÃO ROBUSTA E MÁQUINAS DE SUPORTE VETORIALROBERTO PEREIRA GARCIA JUNIOR 26 October 2021 (has links)
[pt] A dificuldade de se prever movimento de ativos financeiros é objeto
de estudo de diversos autores. A fim de se obter ganhos, se faz necessário
estimar a direção (subida ou descida) e a magnitude do retorno do ativo
no qual pretende-se comprar ou vender. A proposta desse trabalho consiste
em desenvolver um modelo de otimização matemática com variáveis
binárias capaz de prever movimentos de subidas e descidas de ativos financeiros
e utilizar um modelo de otimização de portfólio para avaliar os
resultados obtidos. O modelo de previsão será baseado no Support Vector
Machine (SVM), no qual faremos modificações na regularização do modelo
tradicional. Para o gerenciamento de portfólio será utilizada otimização robusta.
As técnicas de otimização estão sendo cada vez mais aplicadas no
gerenciamento de portfólio, pois são capazes de lidar com os problemas das
incertezas introduzidas na estimativa dos parâmetros. Vale ressaltar que o
modelo desenvolvido é data-driven, i.e, as previsões são feitas utilizando sinais
não-lineares baseados em dados de retorno/preço histórico passado sem
ter nenhum tipo de intervenção humana.
Como os preços dependem de muitos fatores é de se esperar que um
conjunto de parâmetros só consiga descrever a dinâmica dos preços dos
ativos financeiros por um pequeno intervalo de dias. Para capturar de forma
mais precisa essa mudança na dinâmica, a estimação dos parâmetros dos
modelos é feita em janela móvel.
Para testar a acurácia dos modelos e os ganhos obtidos foi feito um estudo de
caso utilizando 6 ativos financeiros das classes de moedas, renda fixa, renda
variável e commodities. Os dados abrangem o período de 01/01/2004 até
30/05/2018 totalizando um total de 3623 cotações diárias. Considerando
os custos de transações e os resultados out-of-sample obtidos no período
analisado percebe-se que a carteira de investimentos desenvolvida neste
trabalho exibe resultados superiores aos dos índices tradicionais com risco
limitado. / [en] The difficulty of predicting the movement of financial assets is the
subject of study by several authors. In order to obtain gains, it is necessary
to estimate the direction (rise or fall) and the magnitude of the return on
the asset in which it is intended to be bought or sold. The purpose of this
work is to develop a mathematical optimization model with binary variables
capable of predicting up and down movements of financial assets and using
a portfolio optimization model to evaluate the results obtained. The prediction
model will be based on the textit Support Vector Machine (SVM),
in which we will make modifications in the regularization of the traditional
model. For the portfolio management will be used robust optimization. The
robust optimization techniques are being increasingly applied in portfolio
management, since they are able to deal with the problems of the uncertainties
introduced in the estimation of the parameters. It is noteworthy that
the developed model is data-driven, i.e., the predictions are made using
nonlinear signals based on past historical price / return data without any
human intervention. As prices depend on many factors it is to be expected that a set of
parameters can only describe the dynamics of the prices of financial assets
for a small interval of days. In order to more accurately capture this change
in dynamics, the estimation of model parameters is done in a moving window
To test the accuracy of the models and the gains obtained, a case study
was made using 6 financial assets of the currencies, fixed income, variable
income and commodities classes. The data cover the period from 01/01/2004
until 05/30/2018 totaling a total of 3623 daily quotations. Considering the
transaction costs and out-of-sample results obtained in the analyzed period,
it can be seen that the investment portfolio developed in this work shows
higher results than the traditional indexes with limited risk.
|
14 |
[en] CO-OPTIMIZING POST-CONTINGENCY TRANSMISSION SWITCHING IN POWER SYSTEM OPERATION PLANNING / [pt] CO-OTIMIZANDO TRANSMISSION SWITCHING PÓSCONTINGÊNCIA NO PLANEJAMENTO DA OPERAÇÃO DE SISTEMAS DE POTÊNCIA25 May 2020 (has links)
[pt] Transmission switching já foi apresentado anteriormente como uma ferramenta capaz de prover benefícios significativos na operação de sistemas de potência, como redução de custos e aumento de confiabilidade. Dentro do contexto de mercados co-otimizados para energia e reservas, este trabalho endereça a co-otimização de transmission switching pós-contingência no planejamento da operação de sistemas elétricos. Os modelos propostos para programação diária e despacho econômico diferem de formulações existentes devido à consideração conjunta de três fatores complicadores. Primeiro, ações de transmission switching são consideradas nos estados pré e pós-contingência, portanto requerendo variáveis binárias pós-contingência. Adicionalmente, a programação de geradores e as ações de transmission switching são co-otimizadas. Além disso, a operação de geradores é caracterizada temporalmente em um contexto multi-período. Os modelos propostos são formulados como programas inteiros-mistos desafiadores para os quais os softwares comerciais comumente utilizados para modelos mais simples podem levar à intratabilidade até para instâncias de tamanho moderado. Como metodologia de solução, nós apresentamos uma versão aperfeiçoada de um algoritmo de geração de colunas e restrições aninhado, com a adição de restrições válidas para melhorar o desempenho computacional. Simulações numéricas demonstram o desempenho efetivo da abordagem proposta,
assim como suas vantagens econômicas e operacionais sobre modelos existentes que desconsideram o transmission switching pós-contingência. / [en] Transmission switching has been previously shown to offer significant benefits to power system operation, such as cost savings and reliability enhancements. Within the context of co-optimized electricity markets for energy and reserves, this work addresses the co-optimization of post contingency transmission switching in power system operation planning. The proposed models for unit commitment and economic dispatch differ from existing formulations due to the joint consideration of three major complicating factors. First, transmission switching actions are considered both in the preand post-contingency states, thereby requiring binary post-contingency variables. Secondly, generation scheduling and transmission switching actions are co-optimized. In addition, the time coupled operation of generating units is precisely characterized. The proposed models are formulated as challenging mixed-integer programs for which the off-the-shelf software customarily used for simpler models may lead to intractability even for moderatelysized instances. As a solution methodology, we present enhanced versions of an exact nested column-and-constraint generation algorithm featuring the inclusion of valid constraints to improve the overall computational performance. Numerical simulations demonstrate the effective performance of the proposed approach as well as its economic
and operational advantages over existing models disregarding post-contingency transmission switching.
|
15 |
[en] ITERATIVE METHODS FOR ROBUST CONVEX OPTIMIZATION / [pt] MÉTODOS ITERATIVOS PARA OTIMIZAÇÃO CONVEXA ROBUSTATHIAGO DE GARCIA PAULA S MILAGRES 24 March 2020 (has links)
[pt] Otimização Robusta é uma das formas mais comuns de considerar in-
certeza nos parâmetros de um problema de otimização. A forma tradicional
de achar soluções robustas consiste em resolver a contraparte robusta de
um problema, o que em muitos casos, na prática, pode ter um custo computacional proibitivo. Neste trabalho, estudamos métodos iterativos para
resolver problemas de Otimização Convexa Robusta de forma aproximada,
que não exigem a formulação da contraparte robusta. Utilizamos conceitos
de Online Learning para propor um novo algoritmo que utiliza agregação
de restrições, demonstrando garantias teóricas de convergência. Desenvolvemos ainda uma modificação deste algoritmo que, apesar de não possuir
tais garantias, obtém melhor performance prática. Por fim, implementamos
outros métodos iterativos conhecidos da literatura de Otimização Robusta
e fazemos uma análise computacional de seus desempenhos. / [en] Robust Optimization is a common paradigm to consider uncertainty
in the parameters of an optimization problem. The traditional way to find
robust solutions requires solving the robust counterpart of an optimiza-
tion problem, which, in practice, can often be prohibitively costly. In this
work, we study iterative methods to approximately solve Robust Convex
Optimization problems, which do not require solving the robust counter-
part. We use concepts from the Online Learning framework to propose a
new algorithm that performs constraint aggregation, and we demonstrate
theoretical convergence guarantees. We then develop a modification of this
algorithm that, although without such guarantees, obtains better practical
performance. Finally, we implement other classical iterative methods from
the Robust Optimization literature and present a computational study of
their performances.
|
16 |
[en] HEDGING RENEWABLE ENERGY SALES IN THE BRAZILIAN CONTRACT MARKET VIA ROBUST OPTIMIZATION / [pt] MODELO DE CONTRATAÇÃO PARA FONTES RENOVÁVEIS COM RUBUSTEZ AO PREÇO DE CURTO-PRAZOBRUNO FANZERES DOS SANTOS 26 March 2018 (has links)
[pt] O preço da energia no mercado de curto-prazo é caracterizado pela sua alta volatilidade e dificuldade de previsão, representando um alto risco para agentes produtores de energia, especialmente para geradores por fontes renováveis. A abordagem típica empregada por tais empresas para obter a estratégia de contratação ótima de médio e longo prazos é simular um conjunto de caminhos para os fatores de incerteza a fim de caracterizar a distribuição de probabilidade da receita futura e, então, otimizar o portfólio da empresa, maximizando o seu equivalente certo. Contudo, na prática, a modelagem e simulação do preço de curto prazo da energia é um grande desafio para os agentes do setor elétrico devido a sua alta dependência a parâmetros que são difíceis de prever no médio e longo, como o crescimento do PIB, variação da demanda, entrada de novos agentes no mercado, alterações regulatórias, entre outras.
Neste sentido, nesta dissertação, utilizamos otimização robusta para tratar a incerteza presente na distribuição do preço de curto-prazo da energia, enquanto a produção de energia renovável é tratada com cenários simulados exógenos, como é comum em programação estocástica. Mostramos, também, que esta abordagem pode ser interpretada a partir de dois pontos de vista: teste de estresse e aversão à ambiguidade. Com relação ao último, apresentamos um link entre otimização robusta e teoria de ambiguidade. Além disso, incluímos no modelo de formação de portfólio ótimo a possibilidade de considerar um contrato de opção térmica de compra para o hedge do portfólio do agente contra a irregularidade do preço de curto-prazo. Por fim, é apresentado um estudo de caso com dados realistas do sistema elétrico brasileiro para ilustrar a aplicabilidade da metodologia proposta. / [en] Energy spot price is characterized by its high volatility and difficult prediction, representing a major risk for energy companies, especially those that rely on renewable generation. The typical approach employed by such companies to address their mid- and long-term optimal contracting strategy is to simulate a large set of paths for the uncertainty factors to characterize the probability distribution of the future income and, then, optimize the company s portfolio to maximize its certainty equivalent. In practice, however, spot price modeling and simulation is a big challenge for agents due to its high dependence on parameters that are difficult to predict, e.g., GDP growth, demand variation, entrance of new market players, regulatory changes, just to name a few. In this sense, in this dissertation, we make use of robust optimization to treat the uncertainty on spot price distribution while renewable production remains accounted for by exogenously simulated scenarios, as is customary in stochastic programming. We show that this approach can be interpreted from two different point of views: stress test and aversion to ambiguity. Regarding the latter, we provide a link between robust optimization and ambiguity theory, which was an open gap in decision theory. Moreover, we include into the optimal portfolio model, the possibility to consider an energy call option contract to hedge the agent s portfolio against price spikes. A case study with realistic data from the Brazilian system is shown to illustrate the applicability of the proposed methodology.
|
17 |
[en] TWO-STAGE ROBUST OPTIMIZATION MODELS FOR POWER SYSTEM OPERATION AND PLANNING UNDER JOINT GENERATION AND TRANSMISSION SECURITY CRITERIA / [pt] MODELOS ROBUSTOS DE OTIMIZAÇÃO DE DOIS ESTÁGIOS PARA OPERAÇÃO E PLANEJAMENTO DE SISTEMAS DE POTÊNCIA SOB CRITÉRIOS DE SEGURANÇA DE GERAÇÃO E TRANSMISSÃO CONJUNTOSALEXANDRE MOREIRA DA SILVA 12 June 2015 (has links)
[pt] Recentes apagões em todo o mundo fazem da confiabilidade de sistemas
de potência, no tocante a contingências múltiplas, um tema de pesquisa
mundial. Dentro desse contexo, se faz importante investigar métodos eficientes
de proteger o sistema contra falhas de alguns de seus componentes, sejam elas
dependentes e/ou independentes de outras falhas. Nesse sentido, se tornou
crucial a incorporação de critérios de segurança mais rigorosos na operação e
planejamento de sistemas de potência.
Contingências múltiplas são mais comuns e desastrosas do que falhas
naturais e independentes. A principal razão para isso reside na complexidade
da estabilidade dinâmica de sistemas de potência. Além disso, o sistema de
proteção que opera em paralelo ao sistema de distribuição não é livre de
falhas. Portanto, interrupções naturais podem causar contingências em cascata
em decorrência do mau funcionamento de mecanismos de proteção ou da
instabilidade do sistema elétrico como um todo. Nesse contexto, se dá a
motivação pela busca de critérios de segurança mais severos como, por exemplo,
o n - K, onde K pode ser maior do que 2.
Nesse trabalho, o principal objetivo é incorporar o crtitério de segurança
geral n-K para geração e transmissão em modelos de operação e planejamento
de sistemas de potência. Além de interrupções em geradores, restrições de
rede, bem como falhas em linhas de transmiss˜ao também são modeladas.
Esse avanço leva a novos desafios computacionais, para os quais formulamos
metodologias de solução eficientes baseadas em decomposição de Benders.
Considerando operação, duas abordagens são apresentadas. A primeira propõe
um modelo de otimização trinível para decidir o despacho ótimo de energia
e reservas sob um critério de segurançaa n - K. Nessa abordagem, a alta
dimensionalidade do problema, por contemplar restrições de rede, bem como
falhas de geradores e de linhas de transmissão, é contornada por meio da
implícita consideração do conjunto de possíveis contingências. No mesmo
contexto, a segunda abordagem leva em conta a incerteza da carga a ser
suprida e a correlação entre demandas de diferentes barras. Considerando
planejamento de expansão da transmissão, outro modelo de otimização trinível
é apresentado no intuito de decidir quais linhas de transmissão, dentro de um
conjunto de candidatas, devem ser construídas para atender a um critério de
segurança n - K e, consequentemente, aumentar a confiabilidade do sistema
como um todo. Portanto, as principais contribuições do presente trabalho
são as seguintes: 1) modelos de otimização trinível para considerar o critério
de segurança n - K em operação e planejamento de sistemas de potência,
2) consideração implícita de todo o conjunto de contingências por meio de
uma abordagem de otimização robusta ajustável, 3) otimização conjunta
de energia e reserva para operação de sistemas de potência, considerando
restrições de rede e garantindo a entregabilidade das reservas em todos os
estados pós-contingência considerados, 4) metodologias de solução eficientes
baseadas em decomposição de Benders que convergem em passos finitos para
o ótimo global e 5) desenvolvimento de restrições válidas que alavancam a
eficiência computacional. Estudos de caso ressaltam a eficácia das metodologias
propostas em capturar os efeitos econômicos de demanda nodal correlacionada
sob um critério de segurançaa n - 1, em reduzir o esfor¸co computacional para
considerar os critérios de seguran¸ca convencionais n-1 e n-2 e em considerar
critérios de segurança mais rigorosos do que o n - 2, um problema intratável
até então. / [en] Recent major blackouts all over the world have been a driving force to
make power system reliability, regarding multiple contingencies, a subject of
worldwide research. Within this context, it is important to investigate efficient
methods of protecting the system against dependent and/or independent
failures. In this sense, the incorporation of tighter security criteria in power
systems operation and planning became crucial.
Multiple contingencies are more common and dangerous than natural
independent faults. The main reason for this lies in the complexity of the
dynamic stability of power systems. In addition, the protection system, that
operates in parallel to the supply system, is not free of failures. Thus, natural
faults can cause subsequent contingencies (dependent on earlier contingencies)
due to the malfunction of the protection mechanisms or the instability of the
overall system. These facts drive the search for more stringent safety criteria,
for example, n - K, where K can be greater than 2.
In the present work, the main objective is to incorporate the joint generation
and transmission general security criteria in power systems operation and
planning models. Here, in addition to generators outages, network constraints
and transmission lines failures are also accounted for. Such improvement leads
to new computational challenges, for which we design efficient solution
methodologies based on Benders decomposition. Regarding operation, two approaches
are presented. The first one proposes a trilevel optimization model
to decide the optimal scheduling of energy and reserve under an n - K security
criterion. In such approach, the high dimensionality curse of considering
network constraints as well as outages of generators and transmission assets
is withstood by implicitly taking into account the set of possible contingencies.
The second approach includes correlated nodal demand uncertainty in the
same framework. Regarding transmission expansion planning, another trilevel
optimization model is proposed to decide which transmission assets should be
built within a set of candidates in order to meet an n - K security criterion,
and, consequently, boost the power system reliability. Therefore, the main contributions
of this work are the following: 1) trilevel models to consider general
n - K security criteria in power systems operation and planning, 2) implicit
consideration of the whole contingency set by means of an adjustable robust
optimization approach, 3) co-optimization of energy and reserves for power
systems operation, regarding network constraints and ensuring the deliverability
of reserves in all considered post-contingency states, 4) efficient solution
methodologies based on Benders decomposition that finitely converges to the
global optimal solution, and 5) development of valid constraints to boost computational
efficiency. Case studies highlight the effectiveness of the proposed
methodologies in capturing the economic effect of nodal demand correlation
on power system operation under an n - 1 security criterion, in reducing the
computational effort to consider conventional n-1 and n-2 security criteria,
and in considering security criteria tighter than n - 2, an intractable problem
heretofore.
|
18 |
[pt] ENSAIOS EM MODELOS DE DOIS ESTÁGIOS EM SISTEMAS DE POTÊNCIAS: CONTRIBUIÇÕES EM MODELAGEM E APLICAÇÕES DO MÉTODO DE GERAÇÃO DE LINHAS E COLUNAS / [en] ESSAYS ON TWO-STAGE ROBUST MODELS FOR POWER SYSTEMS: MODELING CONTRIBUTIONS AND APPLICATIONS OF THE COLUMN-AND-CONSTRAINT-GENERATION ALGORITHMALEXANDRE VELLOSO PEREIRA RODRIGUES 07 December 2020 (has links)
[pt] Esta dissertação está estruturada como uma coleção de cinco artigos formatados em capítulos. Os quatro primeiros artigos apresentam contribuições em modelagem e metodológicas para problemas de operação
ou investimento em sistemas de potência usando arcabouço de otimização robusta adaptativa e modificações no algoritmo de geração de linhas e colunas (CCGA). O primeiro artigo aborda a programação de curto prazo com restrição de segurança, onde a resposta automática de geradores é considerada. Um modelo robusto de dois estágios é adotado, resultando em complexas instâncias de programação inteira mista, que apresentam variáveis binárias associadas às decisões de primeiro e segundo estágios.
Um novo CCGA que explora a estrutura do problema é desenvolvido. O segundo artigo usa redes neurais profundas para aprender o mapeamento das demandas nodais aos pontos de ajuste dos geradores para o problema do primeiro artigo. O CCGA é usados para garantir a viabilidade da solução. Este método resulta em importantes ganhos computacionais em relação ao primeiro artigo. O terceiro artigo propõe uma abordagem adaptativa em dois estágios para um modelo robusto de programação diária no qual o
conjunto de incerteza poliedral é caracterizado diretamente a partir dos dados de geração não despachável observados. O problema resultante é afeito ao CCGA. O quarto artigo propõe um modelo de dois estágios adaptativo, robusto em distribuição para expansão de transmissão, incorporando incertezas a longo e curto prazo. Um novo CCGA é desenvolvido para lidar com os subproblemas. Finalmente, sob uma perspectiva diferente e generalista, o quinto artigo investiga a adequação de prêmios de incentivo para promover inovações em aspectos teóricos e computacionais para os desafios de sistemas de potência modernos. / [en] This dissertation is structured as a collection of five papers formatted as chapters. The first four papers provide modeling and methodological contributions in scheduling or investment problems in power systems
using the adaptive robust optimization framework and modifications to the column-and-constraint-generation algorithm (CCGA). The first paper addresses the security-constrained short-term scheduling problem where automatic primary response is considered. A two-stage robust model is adopted, resulting in complex mixed-integer linear instances featuring binary variables associated with first- and second-stage decisions. A new tailored CCGA which explores the structure of the problem is devised. The second paper uses deep neural networks for learning the mapping of nodal demands onto generators set point for the first paper s model. Robust-based modeling approaches and the CCGA are used to enforce feasibility for the solution. This method results in important computational gains as compared to results of the first paper. The third paper proposes an adaptive data-driven approach for a two-stage robust unit commitment model, where the polyhedral uncertainty set is characterized directly from data, through the convex hull of a set of previously observed non-dispatchable generation profiles. The resulting problem is suitable for the exact CCGA. The fourth paper proposes an adaptive two-stage distributionally robust transmission
expansion model incorporating long- and short-term uncertainties. A novel extended CCGA is devised to tackle distributionally robust subproblems. Finally, under a different and higher-level perspective, the fifth paper investigates the adequacy of systematic inducement prizes for fostering innovations in theoretical and computational aspects for various modern power systems challenges.
|
19 |
[en] ENSURING RESERVE DEPLOYMENT IN HYDROTHERMAL POWER SYSTEMS PLANNING / [pt] GARANTINDO A ENTREGABILIDADE DE RESERVAS NO PLANEJAMENTO DE SISTEMAS DE POTÊNCIA HIDROTÉRMICOSARTHUR DE CASTRO BRIGATTO 03 November 2016 (has links)
[pt] Atualmente a metodologia correspondente ao estado da arte utilizada
para o planejamento de médio-/longo-prazo da operação de sistemas elétricos
de potência é a Programação Dual Dinâmica Estocástica (PDDE). No entanto,
a tratabilidade computacional proporcionada por este método ainda
requer simplificaçõeses consideráveis de detalhes de sistemas reais de maneira a
atingir performaces aceitáveis em aplicações práticas. Simplificações feitas no
estágio de planejamento em contraste com a implementação das decisões podem
induzir políticas temporalmente inconsistentes e, consequentemente, um
gap de sub-otimalidade. Inconsisência temporal em planejamento hidrotérmico
pode ser induzida, por exemplo, ao assumir um coeficiente de produtividade
constante para as hidrelétricas, ao agregar os reservatórios, ao negligenciar a segunda
lei de Kirchhoff e neglienciando-se critérios de segurança em modelos de
planejamento. As mesmas restrições são posteriormente consideradas na etapa
de implementação do sistema. Esse fato pode estar envolvido com esvaziamento
não planejado de reservatórios e entregabilidade inadequada de reservas girantes.
Ambos podem levar a altos custos operacionais. Além disso, o sistema pode
ficar exposto a um risco sistêmico de racionamento e em última instâcia, blackouts. O gap de sub-otimalidade pode também levar a distorções em mercados
de energia. Assim, é razoável que as consequências da inconstência temporal
em sistemas hidrotérmicos sejam estudadas. Nesse sentido, este trabalho
propõe uma extensão de trabalhos já realizados relacionados à inconsistência
temporal para medir os efeitos de simplificações de modelagem em modelos
de planejamento resolvidos pela PDDE. A abordagem proposta consiste em
usar um modelo simplificado para o planejamento do sistema, que é feito pela
avaliação da função de recurso, e um modelo detalhado para a sua operação.
Estudos de caso envolvendo simplificações em modelagem de linhas de transmissão e critérios de segurança são realizados. No entanto, o foco deste trabalho
se dará na segunda fonte, já que a mesma apresenta maior complexidade na
caracterização do efeito. No entanto, a incorporação de critérios de segurança
é um grande desafio para operadores de sistemas elétricos, pois o tamanho
do modelo tende a crescer exponencialmente quando critérios de segurança
reforçados são aplicados. Motivado por isso, o principal objetivo deste trabalho
é propor uma nova abordagem ao problema que permite que critérios de
segurança possam ser incorporados em modelos de planejamento e consequentemente
garantir a entregabilidade de reservas em políticas de planejamento.
A formulação do problema é uma extensão multiperiodo e estocástica the modelos
de Otimização Robusta Ajustável que já foram propostos na literatura
para resolver o problema relacionado à dimensionalidade para um período. A
metodologia de solução involve um algoritmo híbrido Robusto-PDDE que por
meio do compartilhamento de estados de contingência ativos entre os períodos
e cenários de afluência é capaz de atingir tratabilidade computacional. Com a
nova abordagem proposta, é possível (i) resolver o problema de agendamento
ótimo das reservas em sistemas hidrotérmicos garantindo a entregabilidade das
reservas em um critério n - K e (ii) calcular o custo e os efeitos negativos de
se negligenciar critérios de segurança no planejamento. / [en] The current state of the art method used for medium/long-term planning studies of hydrothermal power system operation is the Stochastic Dual Dynamic Programming (SDDP) algorithm. The computational savings provided by this method notwithstanding, it still relies on major system simplifications to achieve acceptable performances in practical applications. Simplifications in the planning stage in contrast to the actual implementation might induce time inconsistent policies and, consequently, a sub-optimality gap. Time inconsistency in hydrothermal planning might be induced by, for instance, assuming a constant coefficient production for hydro plants, reservoir aggregation, neglecting Kirchhoff s voltage law, and neglecting security criteria in planning models, which are then incorporated in implementating models. Unaccounted for reservoir depletion and inadequate spinning reserve deliverability situations that were observed in the Brazilian power system might be induced by time inconsistency. And this can lead to higher operational costs. Both these consequences are utterly negative since they pose the system to a great systemic risk of energy rationing or ultimately, system blackouts. In addition, the suboptimility gap may also lead to energy markets distortions. Hence, it seems reasonable that further investigations on consequences of time inconsistency in hydrothermal planning should be undertaken. Along these lines, this work proposes an extension to previous work on the subject of time inconsistency to measure the effects of modeling simplifications in the SDDP framework for hydrothermal operation planning. The approach consists of using a simplified model for planning the system, which is done by means of the assessment of the recourse (cost-to-go) function, and a detailed model for its operation (implementation of the policy). Case studies involving simplifications in transmission lines modeling and in security criteria are carried out. Nevertheless, the focus of this work is on the later source as it is more difficult to address due to the complexity involved in the characterization of this effect. However, incorporating security criteria in planning models poses a major challenge to system operators. This is because the size of the model tends to grow exponentially as tighter security criteria are adopted. Motivated by this, the main objective of this work is to propose a new framework that allows security criteria to be incorporated in planning models and consequently ensure reserve deliverability in planning policies. The problem formulation is a multiperiod stochastic extension of Adjustable Robust Optimization (ARO) based models already proposed in literature to successfully address the dimensionality issue regarding the incorporation of security criteria n - K and its variants. The solution methodology involves a hybrid Robust-SDDP algorithm that by means of sharing active contingency states amongst periods and possible inflow scenarios in the SDDP algorithm is capable of achieving computational tractability. Then, with the proposed approach it is possible to (i) address the optimal scheduling of energy and reserve in hydrothermal power systems ensuring reserve deliverability under an n - K security criterion and (ii) assess the cost and side effects of disregarding security criteria in the planning stage.
|
Page generated in 0.0302 seconds