[pt] O planejamento hidrotérmico estocástico multi-etapa se destaca como um dos problemas mais importantes do setor elétrico, principalmente devido à sua grande relevância na operação do sistema. Este problema refere-se a determinar o despacho ótimo das usinas que minimizam o custo de operação sob as restrições físicas do sistema. Uma das principais dificuldades do problema reside nas representações de incerteza, pois a decisão de despacho deve considerar os diferentes cenários possíveis de afluência de água, geração renovável e demanda. Mais recentemente, o grande aumento de fontes renováveis variáveis trouxe a atenção dos pesquisadores para como melhorar a granularidade do modelo sem aumentar muito o tempo computacional. Neste trabalho é proposto uma nova formulação para um despacho econômico estocástico multi-etapa com unit-commitment. O modelo usa regras de decisão afins para ser computacionalmente tratável. A relação entre regras de decisão e o scenario approach é explorada e, ao construir o conjunto de incertezas, tanto a viabilidade da política da regra de decisão quanto a restrição probabilística do balanço de carga são automaticamente respeitadas. / [en] Multi-stage stochastic hydrothermal planning stands as one of the most critical problems in the power systems industry, mostly due to its vast implication in the system operation. The multi-stage stochastic hydrothermal scheduling refers to determining the economic dispatch of the power plants that minimize the global operation cost under the system s physical constraints. One of the main difficulties of the problem lies in the representations of uncertainty, as the dispatch decision must consider the different possible scenarios of water inflow, renewable generation, and the demand. More recently, we have seen a worldwide speed up in the integration of variable renewable sources. Nonetheless, these sources have a greater uncertainty in the short-term than the world has ever experienced. Therefore, to support the dispatch scheduling, the models must accurately represent the uncertainties without increasing computational time. In this work it is proposed a novel formulation for a multistage stochastic week-ahead economic dispatch with unit-commitment. The model uses affine decision rules to be computationally tractable. The relationship between the decision rules and the scenario approach is explored, and by building the uncertainty set with the scenario approach, both the feasibility of the decision rule policy and the chance-constraint on the load balance are respected.

[pt] Este trabalho explora a estrutura de decomposição de um problema de planejamento da expansão da geração hidrotérmica, utilizando uma integração entre uma Decomposição de Benders modificada e um Progressive Hedging. Consideramos uma representação detalhada das restrições cronológicas de curto prazo, com resolução horária, baseando-se em dias típicos para cada etapa. Além disso, representamos a natureza estocástica de uma política operacional hidrotérmica multiestágio por meio de uma Regra de Decisão Linear otimizada, garantindo decisões de investimento compatíveis com uma política operacional não antecipativa. Para resolver este problema de otimização em grande escala, propomos um método de decomposição de Benders aprimorado com várias instâncias do problema mestre, onde cada uma delas é reforçada por cortes primários além dos cortes de Benders gerados a cada candidato a solução do mestre. Nossa nova abordagem permite o uso de termos de penalização de Progressive Hedging para fins de regularização. Mostramos que o algoritmo proposto é 60 porcento mais rápido que os tradicionais e que a consideração de uma política operacional não antecipativa pode economizar, em média, 8.27porcento do custo total em testes fora da amostra. / [en] This paper exploits the decomposition structure of the hydrothermal generation expansion planning problem with an integrated modified Benders Decomposition and Progressive Hedging approach. We consider a detailed representation of hourly chronological short-term constraints based on typical days per month and year. Also, we represent the multistage stochastic nature of the hydrothermal operational policy through an optimized linear decision rule, thereby ensuring investment decisions compatible with a nonanticipative implementable operational policy. To solve the resulting large-scale optimization problem, we propose an improved Benders Decomposition method with multiple instances of the master problem, each of which strengthened by primal cuts and new Benders cuts generated by each master s trial solution. Additionally, our new approach allows using Progressive Hedging penalization terms for regularization purposes. We show that our method is 60 percent faster than the traditional ones and also that the consideration of a nonanticipative operational policy can save, on average, 8.27 percent of the total cost in out-of-sample tests.