Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2017. / Made available in DSpace on 2017-11-28T03:22:21Z (GMT). No. of bitstreams: 1 348688.pdf: 12958994 bytes, checksum: d81fdddfc991476a1557d77e88b02591 (MD5) Previous issue date: 2017 / O modelo institucional do Setor Elétrico Brasileiro (SEB), vigente desde 2004, inclui em seu regulamento a obrigatoriedade por parte das empresas de distribuição de contratar antecipadamente, por meio de leilões públicos, a totalidade de sua demanda de energia no Ambiente de Contratação Regulado. Em caso de descumprimento dessa regra, tais empresas ficam sujeitas a multas e restrições no preço de repasse da energia para os consumidores cativos. Diante desse cenário, os agentes distribuidores ficam expostos a perdas financeiras devido às incertezas quanto ao comportamento futuro de sua demanda e dos preços da energia no mercado de curto prazo. Este trabalho tem como objetivo estudar as particularidades que envolvem a contratação de energia, e a partir disso, apresentar um problema de otimização estocástica linear multiestágio, o qual visa minimizar os custos de uma empresa distribuidora. Como resultado desse problema de otimização, pretende-se encontrar as decisões ótimas de compra de energia em leilões, levando em conta as mais diferentes regras do mercado. Outro foco dado neste trabalho diz respeito às estratégias de solução do problema matematico formulado. São utilizados três diferentes métodos de solução, a saber: Equivalente Determinístico, a Relaxação Lagrangiana e o Progressive Hedging. Nesta dissertação, é avaliado o desempenho dos métodos utilizados na solução do problema da contratação de energia, bem como a qualidade da solução fornecida. / Abstract : The Institutional Model of the Brazilian Electric Sector, in force since 2004, includes in its regulation the obligation for the distribution companies to contract in advance, through public auctions, the totality of their energy demand in the Regulated Contracting Environment. In case of non-compliance with this rule, such companies will be subject to fines and restrictions on the sale price of energy to ?captive? consumers. Given this scenario, distributors are exposed to financial losses due to uncertainties about the future behavior of their demand and energy prices in the short-term market. This work aims to study the peculiarities that involve the contracting of energy, and from this, to present a multistage linear stochastic optimization problem, which aims to minimize the costs of a distribution company. As a result of this optimization problem, it is intended to find the optimal decisions to buy energy in auctions, taking into account the most different rules of the market. Another focus given in this work concerns the strategies for solving the mathematical problem formulated. Three different methods of solution are used, namely: Deterministic Equivalent, Lagrangian Relaxation and Progressive Hedging. In this dissertation, the performance of the methods used to solve the energy contracting problem is evaluated, as well as the quality of the solution provided.

Submitted by Fatima Fonseca (fatima.fonseca@sibi.ufrj.br) on 2017-08-11T13:54:23Z No. of bitstreams: 1 135510.pdf: 2075661 bytes, checksum: 7a1afa0ffc29d4522a5b5d851f663aa4 (MD5) / Made available in DSpace on 2017-08-11T13:54:23Z (GMT). No. of bitstreams: 1 135510.pdf: 2075661 bytes, checksum: 7a1afa0ffc29d4522a5b5d851f663aa4 (MD5) Previous issue date: 1974-06 / Análise estrutural de vazões mensais. Foi identificada uma componente determinística periódica na média e na variância, assim como a dependência (modelo auto-regressivo linear de primeira ordem) na componente estocástica. Foi então ajustada uma distribuição de probabilidade à componente estocástica independente. O modelo estrutural foi usado para gerar várias séries de vazões mensais nas quais foram identificados os períodos críticos. Estes períodos críticos foram usados para determinar a operação ótima de um reservatório de múltiplos propósitos, com o objetivo de maximizar a energia produzida, fazendo uso de programação dinâmica regressiva. Foi usada a análise de múltipla regressão linear para obter regras de operação mensal para o reservatório, usando os resultados do modelo de otimização. O reservatório de Três Marias foi usado como um exemplo de aplicação das técnicas desenvolvidas, e as regras de operação mensal desenvolvidas foram aplicadas para a série histórica. / Analysis of monthly streamflows was performed. A deterministic periodic component in the mean and the variance was identified, as well as the dependence (first order linear autoregressive model) in the stochastic component. Then a probability distribution was adjusted to the independent stochastic component. The structural model was used to generate several series of monthly streamflows in which critical periods were identified. These critical periods were used to determine the optimal operation of a multi-purpose reservoir with the objective of maximizing produced energy, making use of backward dynamic programming. Multiple linear regression analysis was used to obtain monthly operation rules for the reservoir, using the results of the optimization model. Tres Marias reservoir was used as an example of application of the techniques developed, and the monthly operation rules developed were applied to the historic series.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2017. / No caso Brasileiro, o problema do planejamento da operação energética de médio prazo (PMP) visa minimizar uma combinação convexa dada pela soma dos valores da geração termelétrica esperada e o Conditional Value at Risk dos cenários hidrológicos críticos ao longo de um horizonte de cinco anos. As principais restrições são dadas pelo atendimento à demanda, balanço hidráulico dos reservatórios e limites operativos das usinas. Matematicamente, o problema do PMP é representado por um modelo de programação estocástica linear multiestágio, cuja complexidade de solução é demandada por algoritmos que empregam algum tipo de decomposição. Nesse sentido, a Programação Dinâmica Dual Estocástica (PDDE) é a metodologia mais bem-sucedida na solução do PMP. Na PDDE, o problema é decomposto em uma série de subproblemas de um único mês e o objetivo consiste em construir iterativamente a Função de Custo Futuro (FCF). No caso Brasileiro, a FCF depende dos volumes dos reservatórios no início do mês e das afluências de meses anteriores. Com modelagem das usinas hidrelétricas individualizadas, objeto deste trabalho, a PDDE demanda um número elevado de iterações para convergir devido à dimensão elevada do espaço de estados da FCF. Dado que as afluências são as variáveis aleatórias do problema, este trabalho propõe o uso da técnica de Análise de Componentes Principais (ACP) com finalidade de reduzir o espaço de estados da PDDE, sem perda significativa da informação presente no comportamento estatístico original das afluências. Por isso, com o intuito de reduzir o esforço computacional e obter uma política operativa menos onerosa, a ACP inicialmente é empregada para construir um modelo autoregressivo das afluências com base em componentes principais (CP). Na sequência, é feita uma adaptação do algoritmo da PDDE para incluir as CP como variável de estado no lugar das afluências dos meses anteriores. Neste contexto, o principal objetivo deste trabalho é usar essa estratégia baseada na ACP e resolver o PMP em menor tempo sem comprometer a qualidade dos resultados, tendo como base a solução fornecida pelo problema sem CP. Para tanto, este trabalho faz uso de uma configuração hidrotérmica com 16 hidrelétricas localizadas nas cascatas dos rios Uruguai e Iguaçu. Por meio do modelo autoregressivo periódico, quatro modelos de geração de afluências são calculados: sem as CP, uma, três e 16 CP, nomeados SCP, CP1, CP3 e CP16, respectivamente. Com o uso da PDDE, são determinadas as FCF sendo, em seguida, as mesmas utilizadas em uma simulação da operação no histórico e em 10.000 cenários de afluências geradas em cada um dos modelos. No total, foram executados 1.200 problemas do PMP e os resultados indicam que os modelos SCP e CP16 apresentam custos esperados de operação bastante similares. Por sua vez, o modelo CP1 apresentou em média custos 1,5% inferiores. Para um mesmo tempo computacional, o número de iterações do modelo CP1 é aproximadamente 10% maior em comparação aos modelos SCP e CP16. Por outro lado, os modelos com CP apresentaram em média reduções no tempo computacional por iteração da PDDE na ordem de 20%, estas especialmente verificadas nas últimas iterações do algoritmo. No geral, a técnica da ACP combinada com a PDDE necessita ainda de uma série de investigações, mas como um trabalho pioneiro na área tem-se uma expectativa positiva no seu uso para o problema do PMP do caso Brasileiro. / Abstract : In Brazilian electric-energy system, the long-term energetic operation planning (EOP) problem aims to minimize a convex combination given by the sum of the expected thermoelectric generation and the Conditional Value at Risk from critical hydrological scenarios throughout a five-year horizon. The main constraints are given by the demand, hydraulic balance of the reservoirs and operating limits of the hydro plants. Mathematically, the EOP problem is represented by a multistage linear stochastic programming model whose solution complexity is demanded by algorithms that use some type of decomposition. In this sense, Stochastic Dual Dynamic Programming (SDDP) is the most successful methodology to the EOP solution. In SDDP, the problem is decomposed into a set of single-month subproblems, and the goal is to build the Future Cost Function (FCF) iteratively. In the Brazilian case, the FCF depends on the reservoirs volumes at the beginning of the month and the inflows from previous months. In a modeling of individual hydropower plants, SDDP demands many iterations to converge due to the high dimension of the state space of the FCF. Once the inflows are the random variables of the problem, this work proposes the use of the Principal Component Analysis (PCA) to reduce the SDDP state space without significant information loss of the original statistical behavior of the inflows. Therefore, in order to reduce the computational effort and to obtain a less costly operational policy, the PCA is initially used to build an inflows autoregressive model based on principal components (PC). Hereupon, an adaptation of the SDDP algorithm is made to include the PC as a state variable instead of the inflows from previous months. In this context, the main objective of this work is to use this strategy based on the PCA to solve the EOP in a shorter amount of time without compromising the quality of the results, which is based on the solution given by the problem without PC. This work uses a hydrothermal configuration with 16 hydroelectric plants from Uruguay and Iguaçu rivers. Through periodic autoregressive model, four inflow generation models are calculated: without PC, one, three and 16 PC, named SPC, PC1, PC3 and PC16, respectively. By SDDP, the FCF are determined and then the same are used to simulate the operation in the historical and in 10,000 scenarios of inflows generated by each one of the models. In total, 1,200 long-term EOP problems were executed and the results indicate that the SPC and PC16 models have very similar expected operating costs. On the other hand, the PC1 model had on average 1.5% lower costs. For the same computational time, the number of iterations of the PC1 model is approximately 10% higher in comparison to the SPC and PC16 models. The models with PC showed around 20% reductions in the computational time by iteration of the SDDP, these specially verified in the last iterations of the algorithm. In general, PCA combined with SDDP still requires a series of investigations, but as a pioneering work in the area there is a positive prospect in its use for the EOP problem in Brazilian case.

A modelagem de processos em física e engenharia frequentemente resulta em problemas inversos. Em geral, esses problemas apresentam difícil resolução, pois são classificados como mal-postos. Resolvê-los, tratando-os como problemas de otimização, requer a minimização de uma função objetivo, que mede a discrepância entre os dados experimentais e os obtidos pelo modelo teórico, somada a uma função de regularização. Na maioria dos problemas práticos, essa função objetivo é não-convexa e requer o uso de métodos de otimização estocásticos. Dentre eles, tem-se o algoritmo de recozimento simulado (Simulated Annealing), que é baseado em três pilares: i) distribuição de visitação no espaço de soluções; ii) critério de aceitação; e iii) controle da estocasticidade do processo. Aqui, propomos uma nova generalização do algoritmo de recozimento simulado e da função de regularização. No algoritmo de otimização, generalizamos o cronograma de resfriamento, que usualmente são considerados algébricos ou logarítmicos, e o critério de Metropolis. Com relação à função de regularização, unificamos as versões mais utilizadas, em uma única fórmula. O parâmetro de controle dessa generalização permite transitar continuamente entre as regularizações de Tikhonov e entrópica. Por meio de experimentos numéricos, aplicamos nosso algoritmo na resolução de dois importantes problemas inversos na área de Física Médica: a determinação do espectro de um feixe de raios X, a partir de sua curva de atenuação, e a reconstrução da imagem na tomografia de impedância elétrica. Os resultados mostram que o algoritmo de otimização proposto é eficiente e apresenta um regime ótimo de parâmetros, relacionados à divergência do segundo momento da distribuição de visitação. / Modeling of processes in Physics and Engineering frequently yields inverse problems. These problems are normally difficult to be solved since they are classified as ill-posed. Solving them as optimization problems require the minimization of an objective function which measures the difference between experimental and theoretical data, added to a regularization function. For most of practical inverse problems, this objective function is non-convex and needs a stochastic optimization method. Among them, we have Simulated Annealing algorithm, which is based on three fundamentals: i) visitation distribution in the search space; ii) acceptance criterium; and iii) control of process stochasticity. Here, we propose a new generalization of simulated annealing algorithm and of the regularization function. On the optimization algorithm, we have generalized both the cooling schedule, which usually is algebric or logarithmic, and the Metropolis acceptance criterium. Regarding to regularization function, we have unified the most used versions in an unique equation. The generalization control parameter allows exchange continuously between the Tikhonov and entropic regularization. Through numerical experiments, we applied our algorithm to solve two important inverse problems in Medical Physics: determination of a beam X-rays spectrum from its attenuation curve and the image reconstruction of electrical impedance tomography. Results show that the proposed algorithm is efficient and presents an optimal arrangement of parameters, associated to the divergence of the visitation distribution.

A presente pesquisa realizou o estudo da confiabilidade aplicado à otimização da operação em tempo real de sistemas de abastecimento de água (SAA). Almeja-se que a otimização da operação em tempo real empregue técnicas que a tornem robusta, ou seja, que considerem as incertezas inerentes a um SAA real. Para tanto, é necessário associar ao modelo de otimização um previsor de demanda e um simulador hidráulico. O previsor produzirá estimativas de demandas futuras para o horizonte desejado, o qual alimentará o simulador, a fim de que sejam determinadas as estratégias operacionais otimizadas para atendimento das demandas previstas. Implementou-se o método de otimização AMALGAM (\"A Multialgorithm Genetically Adaptive Method\"), juntamente com as demais rotinas computacionais necessárias para integrar o simulador hidráulico (EPANET 2) e o previsor de demanda baseado na Rede Neural Dinâmica (DAN2). O modelo desenvolvido foi aplicado nos setores de abastecimento Eliana, Iguatemi e Martinez, os quais são operados pelo Departamento Autônomo de Água e Esgotos (DAAE) da cidade de Araraquara, SP. Os modelos das redes de água foram calibrados por meio de dados de vazão e carga de pressão coletados em campanhas de campo. As estratégias operacionais resultantes foram comparadas as operações praticadas pelo DAAE, resultando em reduções no custo do consumo de energia de 14%, 13% e 30% para os setores Eliana, Iguatemi e Martinez, respectivamente. / This research project proposes the study of reliability applied to real time optimization of operation of water supply network (WSN). It is desired to obtain robust real time optimization of operation through the use of adequate techniques which accounts the inherent uncertainty of a real WSN. To accomplish the task it is necessary to associate to the optimization model a demand forecaster and a hydraulic simulator. The forecaster will produce the future demand for the planning horizon to serve as input for the simulator, so it is possible to obtain the optimized operation to meet the predicted demand. It was implemented the AMALGAM (\"A Multialgorithm Genetically Adaptive Method\") to serve as optimization model as well as the necessary computational routine to link the EPANET hydraulic simulator as well as the demand forecaster based on DAN2. The developed model was applied to the sectors Eliana, Iguatemi and Martinez, which are part of the water system operated by the Autonomous Department of Water and Sewer (DAAE) of Araraquara, SP. The water network model was calibrated using data collected on field campaign to gather pressure and flow data. The optimized operation was compared to the operation from DAAE, resulting in reduction of energy consumption cost of 14%, 13% and 30% respectively for the sectors Eliana, Iguatemi and Martinez.

Made available in DSpace on 2014-06-12T17:38:15Z (GMT). No. of bitstreams: 2 arquivo2443_1.pdf: 4391547 bytes, checksum: 668fe7c822e6ef77af7ec08e5e691c63 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Universidade Federal de Pernambuco / A engenharia de reservatórios de hidrocarbonetos oferece muitas oportunidades de aplicação de modernas técnicas de planejamento sob incertezas, tanto para o geren- ciamento quanto para o desenvolvimento de reservatórios. Recentemente, a indústria de óleo e gás tem desprendido esforços signi…cantes para desenvolver tecnologias e…- cientes de gerenciamento para a otimização da produção, principalmente as relativas a campos inteligentes. De outro lado, grandes esforços têm sido empreendidos no de- senvolvimento de metodologias para a determinação da quantidade e posicionamento ótimo dos poços; encontrar o número, a locação e o conjunto ótimo de controles, sob condições de incerteza, é um grande desa…o. Os problemas acima envolvem o controle e a otimização de funções objetivas não- lineares, como a produção acumulada de óleo (NP) e a esperança do valor presente líquido (EVPL), conjuntamente com a satisfação de restrições lineares e não lineares implícitas, físicas e econômicas. Do ponto de vista de otimização, são necessários algoritmos de otimização que sejam capazes de tratar variáveis contínuas e discretas, de resolverem milhares de variáveis de controle e de não …carem presos nos ótimos locais decorrentes de ruídos estocásticos e numéricos. Idealmente, os algoritmos não devem necessitar de derivadas, para que se possa usar os mais adequados simuladores de reservatórios disponíveis. Um dos obstáculos iniciais para o uso de diversas técnicas de planejamento sob incertezas é que os reservatórios são caracterizados geoestatisticamente. Em princípio, isso quer dizer que um número signi…cativo de realizações de propriedades do reser- vatório, tais como as petrográ…cas, devem ser simuladas. Esta dissertação estuda o comportamento de um algoritmo, e cria algumas vari- antes, pertencente a uma classe de algoritmos que faz aproximações estocásticas de gradientes por meio de diferenças randômicas simultâneas. Este estudo mostra apli- cações do SPSA na otimização de controles de vazões e de locação de poços com controle simultâneo de vazões, com e sem incertezas geológicas. Os resultados são expressivos, permitindo a solução de problemas de otimização com milhares de variáveis, e proble- mas de otimização inteiro-mista

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016. / Made available in DSpace on 2017-01-17T03:17:11Z (GMT). No. of bitstreams: 1 343634.pdf: 6532403 bytes, checksum: cf85f6d8ee57774a9ea3e4632f49a5ec (MD5) Previous issue date: 2016 / Neste trabalho é apresentada uma análise comparativa de diferentes estratégias de decomposição aplicadas na resolução do problema da programação de unidades geradoras. A programação diária da operação eletroenergética é modelada como um problema de otimização estocástica de dois estágios, em que as incertezas são relacionadas à demanda e à afluência incremental das usinas hidrelétricas. As estratégias de decomposição são baseadas na Relaxação Lagrangiana (RL). Por sua vez, na recuperação primal utilizam-se heurísticas que combinam as soluções dos subproblemas da RL com aproximações da função de custo futuro. Diferentes estratégias de decomposição são avaliadas utilizando-se duas abordagens distintas, decomposição por cenários e decomposição espacial. Para avaliar cada uma das metodologias utiliza-se um grupo de sistemas hidrotérmicos variados, com número de usinas e capacidade de produção diferentes entre si.<br> / Abstract : This work presents a comparative analysis for different decomposition strategies used to solve the Unit Commitment (UC) problem subject to uncertain demand and water inflows. The methods are applied in hydrothermal systems and the day ahead scheduling is modeled as a two-stage stochastic optimization problem. The solution strategies are based on the Lagrangian Relaxation (LR) approach, using the scenario and the space decomposition schemes. On the other hand, the primal recovery phase uses heuristics that combine the solution of the LR subproblems and a cost to go function. The methods are assessed not only in cases similar to the Brazilian electrical power system but also in various configurations of thermal and hydro power plants, with different proportion in number of units and generation capacity.

A modelagem de processos em física e engenharia frequentemente resulta em problemas inversos. Em geral, esses problemas apresentam difícil resolução, pois são classificados como mal-postos. Resolvê-los, tratando-os como problemas de otimização, requer a minimização de uma função objetivo, que mede a discrepância entre os dados experimentais e os obtidos pelo modelo teórico, somada a uma função de regularização. Na maioria dos problemas práticos, essa função objetivo é não-convexa e requer o uso de métodos de otimização estocásticos. Dentre eles, tem-se o algoritmo de recozimento simulado (Simulated Annealing), que é baseado em três pilares: i) distribuição de visitação no espaço de soluções; ii) critério de aceitação; e iii) controle da estocasticidade do processo. Aqui, propomos uma nova generalização do algoritmo de recozimento simulado e da função de regularização. No algoritmo de otimização, generalizamos o cronograma de resfriamento, que usualmente são considerados algébricos ou logarítmicos, e o critério de Metropolis. Com relação à função de regularização, unificamos as versões mais utilizadas, em uma única fórmula. O parâmetro de controle dessa generalização permite transitar continuamente entre as regularizações de Tikhonov e entrópica. Por meio de experimentos numéricos, aplicamos nosso algoritmo na resolução de dois importantes problemas inversos na área de Física Médica: a determinação do espectro de um feixe de raios X, a partir de sua curva de atenuação, e a reconstrução da imagem na tomografia de impedância elétrica. Os resultados mostram que o algoritmo de otimização proposto é eficiente e apresenta um regime ótimo de parâmetros, relacionados à divergência do segundo momento da distribuição de visitação. / Modeling of processes in Physics and Engineering frequently yields inverse problems. These problems are normally difficult to be solved since they are classified as ill-posed. Solving them as optimization problems require the minimization of an objective function which measures the difference between experimental and theoretical data, added to a regularization function. For most of practical inverse problems, this objective function is non-convex and needs a stochastic optimization method. Among them, we have Simulated Annealing algorithm, which is based on three fundamentals: i) visitation distribution in the search space; ii) acceptance criterium; and iii) control of process stochasticity. Here, we propose a new generalization of simulated annealing algorithm and of the regularization function. On the optimization algorithm, we have generalized both the cooling schedule, which usually is algebric or logarithmic, and the Metropolis acceptance criterium. Regarding to regularization function, we have unified the most used versions in an unique equation. The generalization control parameter allows exchange continuously between the Tikhonov and entropic regularization. Through numerical experiments, we applied our algorithm to solve two important inverse problems in Medical Physics: determination of a beam X-rays spectrum from its attenuation curve and the image reconstruction of electrical impedance tomography. Results show that the proposed algorithm is efficient and presents an optimal arrangement of parameters, associated to the divergence of the visitation distribution.

A presente pesquisa realizou o estudo da confiabilidade aplicado à otimização da operação em tempo real de sistemas de abastecimento de água (SAA). Almeja-se que a otimização da operação em tempo real empregue técnicas que a tornem robusta, ou seja, que considerem as incertezas inerentes a um SAA real. Para tanto, é necessário associar ao modelo de otimização um previsor de demanda e um simulador hidráulico. O previsor produzirá estimativas de demandas futuras para o horizonte desejado, o qual alimentará o simulador, a fim de que sejam determinadas as estratégias operacionais otimizadas para atendimento das demandas previstas. Implementou-se o método de otimização AMALGAM (\"A Multialgorithm Genetically Adaptive Method\"), juntamente com as demais rotinas computacionais necessárias para integrar o simulador hidráulico (EPANET 2) e o previsor de demanda baseado na Rede Neural Dinâmica (DAN2). O modelo desenvolvido foi aplicado nos setores de abastecimento Eliana, Iguatemi e Martinez, os quais são operados pelo Departamento Autônomo de Água e Esgotos (DAAE) da cidade de Araraquara, SP. Os modelos das redes de água foram calibrados por meio de dados de vazão e carga de pressão coletados em campanhas de campo. As estratégias operacionais resultantes foram comparadas as operações praticadas pelo DAAE, resultando em reduções no custo do consumo de energia de 14%, 13% e 30% para os setores Eliana, Iguatemi e Martinez, respectivamente. / This research project proposes the study of reliability applied to real time optimization of operation of water supply network (WSN). It is desired to obtain robust real time optimization of operation through the use of adequate techniques which accounts the inherent uncertainty of a real WSN. To accomplish the task it is necessary to associate to the optimization model a demand forecaster and a hydraulic simulator. The forecaster will produce the future demand for the planning horizon to serve as input for the simulator, so it is possible to obtain the optimized operation to meet the predicted demand. It was implemented the AMALGAM (\"A Multialgorithm Genetically Adaptive Method\") to serve as optimization model as well as the necessary computational routine to link the EPANET hydraulic simulator as well as the demand forecaster based on DAN2. The developed model was applied to the sectors Eliana, Iguatemi and Martinez, which are part of the water system operated by the Autonomous Department of Water and Sewer (DAAE) of Araraquara, SP. The water network model was calibrated using data collected on field campaign to gather pressure and flow data. The optimized operation was compared to the operation from DAAE, resulting in reduction of energy consumption cost of 14%, 13% and 30% respectively for the sectors Eliana, Iguatemi and Martinez.

O planejamento de médio e longo prazo da operação hidrelétrica brasileira consiste em um problema de grande porte e que envolve muitas variáveis, onde, dentre estas, se destacam as vazões afluentes aos reservatórios. Estas vazões devem assim ser estimadas, com o objetivo de caracterizar a oferta futura de eletricidade em um horizonte de planejamento. Dentre as possíveis abordagens existentes para estimar estas vazões, se destaca a abordagem estocástica, que permite considerar variáveis em função de sua distribuição probabilística, e busca considerar o universo mais provável de manifestações. A abordagem estocástica pode se utilizar de modelos estocásticos, que costumam ser caracterizados através de árvores de cenários, que representam o universo de possibilidades de ocorrências. No entanto, devido à elevada dimensionalidade que o processo estocástico pode resultar ao se considerar árvores muito grandes, torna-se necessária a utilização de técnicas complementares, que visem a redução do número de cenários. Com base nesta contextualização, esta dissertação aborda de modo geral o processo de otimização estocástica do planejamento da geração hidrelétrica, considerando árvores de cenários e técnicas de redução de cenários, e utilizando como meio a modelagem de otimização da geração desenvolvida no SSD HIDROTERM, em linguagem GAMS. Como estudo de caso, foram desenvolvidos e adaptados algoritmos de otimização estocástica que consideram árvores com elevado número de cenários, gerados por meio de modelos estocásticos autorregressivos do tipo PAR e, sobre estas árvores, foi ainda aplicada a ferramenta de redução de cenários por agrupamento - SCENRED, desenvolvida em GAMS. As análises de sensibilidade realizadas visaram: validar o processo proposto de otimização estocástica; analisar os efeitos da utilização de diferentes árvores reduzidas de cenários de vazões, o impacto da consideração de diferentes horizontes de planejamento e a influência do regime hidrológico nos principais resultados do processo de otimização; além de estudar as vantagens e desvantagens deste processo para o planejamento da operação hidrelétrica. Os resultados indicam que o processo de otimização estocástica é eficaz ao considerar as aleatoriedades envolvidas na previsão de vazões afluentes. Estes também confirmaram tendências já esperadas no processo de otimização estocástica, como o fato de que quanto maior a árvore de cenários, mais precisos e estáveis tendem os resultados; assim como que quanto mais cenários envolvidos, maior o tempo de processamento requerido. Neste contexto, a utilização da ferramenta de redução SCENRED permitiu reduções significativas no tamanho da árvore de cenários, sem, contudo, ocasionar em perdas na qualidade e estabilidade da solução, além de viabilizar a aplicação do algoritmo de otimização estocástica proposto. / The medium and long-term planning of the Brazilian electric system consists of a complex problem with many uncertainties and variables, where, among these the inflows to the reservoirs highlight. These inflows need to be estimated in order to characterize the future availability of electricity in a planning horizon. Among the existing approaches to estimate these inflows, highlights the stochastic approach, which consider these variables according to their probability distribution, and aims to consider the most likely universe of manifestations. The stochastic approach can be developed through stochastic models, which are often characterized by scenarios trees that represent the possible universe. However, due to the high dimensionality that stochastic analyses can result when considering very large trees, it becomes necessary to use complementary tools, aimed at reducing the number of scenarios. Based on this context, this dissertation discusses in general the process of stochastic optimization of the hydroelectric generation planning, considering scenarios trees and scenario reduction tools, through the optimization modeling developed in the DSS HIDROTERM, developed in GAMS language. As a case study, it was generated and adapted stochastic optimization algorithms that consider trees with large number of scenarios, generated by autoregressive stochastic models PAR. Based on these trees it was applied the scenario reduction tool SCENRED, developed in GAMS language. The sensitivity analyzes developed intended to: validate the stochastic optimization process; analyze the effects of using different reduced scenarios trees of inflows; analyze the impacts of considering different planning horizons, analyze the hydrological influence on the main results of the optimization process, and the benefits and disadvantages of this process in the hydroelectric operation planning. The results indicate that the stochastic optimization process is effective to consider the randomness involved in the prediction of inflow to the reservoirs. These results have also confirmed some well-known trends in the stochastic optimization process, such as the fact that the larger the tree scenarios, more accurate and stable tend the results but also greater the processing time required. In this context, the use of the reduction tool SCENRED allowed significant reductions in the size of scenarios tree, without causing losses in quality and solution stability, enabling the application of the stochastic optimization algorithm proposed.