[pt] Estudamos aproximações amostrais de problemas com restrições probabilísticas através da aproximação pela média amostral (SAA) e demonstramos as propriedades de convergência relacionadas. Utilizamos SAA para obter bons candidatos à solução e cotas estatísticas para o valor ótimo do problema original. Para ajustar corretamente parâmetros, aplicamos o método a dois problemas com restrições probabilísticas. O primeiro é um problema de seleção de portfolio linear com retornos seguindo uma distribuição lognormal multivariada. O segundo é uma versão com restrições probabilísticas conjuntas de um problema da mistura simplificado. Concluímos com uma aplicação mais exigente ao problema de se determinar a provisão mínima que um agente econômico deve ter de forma a satisfazer uma série de obrigações futuras com probabilidade suficientemente alta. / [en] We study sample approximations of chance constrained problems through the sample average approximation (SAA) approach and prove the related convergence properties. We discuss how to use the SAA method to obtain good candidate solutions and bounds for the optimal value of the original problem. In order to tune the parameters of SAA, we apply the method to two chance constrained problems. The first is a linear portfolio selection problem with returns following a multivariate lognormal distribution. The second is a joint chance constrained version of a simple blending problem. We conclude with a more demanding application of SAA methodology to the determination of the minimum provision an economic agent must have in order to meet a series of future payment obligations with sufficiently high probability.

[pt] Este trabalho propõe a inclusão de restrições probabilísticas como alternativa para inclusão de aversão ao risco no problema de planejamento de longo prazo da geração em sistemas hidrotérmicos, resolvido por programação dinâmica dual estocástica (PDDE). Propõe-se uma abordagem menos restritiva em comparação com métodos alternativos de aversão a risco já avaliados no sistema brasileiro, como a curva de aversão ao risco (CAR) ou a superfície de aversão a risco (SAR). Considera-se uma decomposição de Benders de dois estágios para o subproblema de cada nó da árvore de cenários da PDDE, onde o subproblema de segundo estágio é denominado CCP-SAR. O objetivo é obter uma política operativa que considere explicitamente o risco de não atendimento à demanda vários meses à frente, no subproblema CCP-SAR, com uma modelagem contínua das variáveis aleatórias associadas à energia natural afluente aos reservatórios, segundo uma distribuição normal multivariada. A região viável para a restrição probabilística é aproximada por planos cortantes, construídos a partir da técnica de bisseção e calculando-se os gradientes dessas restrições, usando o código de Genz. Na primeira parte deste trabalho resolve-se de forma iterativa o subproblema CCP-SAR, para um determinado vetor de armazenamentos iniciais para o sistema. Na segunda parte do trabalho constrói-se uma superfície de aversão a risco probabilística, varrendo-se um espectro de valores para o armazenamento inicial. / [en] This paper proposes the inclusion of chance constrained programming as an alternative to include risk aversion in the long-term power generation planning problem of hydrothermal systems, solved by stochastic dual dynamic programming (SDDP). It is proposed a less restrictive approach as compared to traditional methods of risk aversion that have been used in the Brazilian system, such as risk aversion curve (CAR) or risk aversion surface (SAR). A two-stage Benders decomposition subproblem is considered for each SDDP scenario, where the second stage subproblem is labeled CCP-SAR. The objective is to yield an operational policy that explicitly considers the risk of load curtailment several months ahead, while considering in the CCP-SAR subproblem a continuous multivariate normal distribution for the random variables related to energy inflows to the reservoirs. The feasible region for this chance constrained subproblem is outer approximated by linear cuts, using the bisection method which gradients were calculated using Genz s code. The first part of this dissertation solves the multi-stage deterministic CCP-SAR problem by an iterative procedure, for a given initial vector storage for the system. The second part presents the probabilistic risk aversion surface, for a range of values of initial storage.