Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica / Made available in DSpace on 2012-10-26T01:17:59Z (GMT). No. of bitstreams: 1 299886.pdf: 3025664 bytes, checksum: bcaf35ce625460fd11b52a0069bc1727 (MD5) / O planejamento da operação energética de sistemas hidrotérmicos é usualmente divido em etapas as quais apresentam diferentes horizontes de estudo e priorizam distintos aspectos da modelagem física do problema. A Programação Mensal da Operação Energética - PMO, que corresponde a uma das etapas de estudo do problema do planejamento da operação no caso brasileiro sob a ótica do Operador Nacional do Sistema - ONS, apresenta importantes resultados e, assim, suas particularidades são o objeto de estudo deste trabalho. Em particular, os modelos matemáticos utilizados nessa etapa tem o intuito de definir as estratégias semanais de geração das usinas integrantes do sistema com o menor custo esperado de operação, considerando as incertezas associadas às vazões afluentes aos reservatórios do sistema. Solucionar problemas com essas características requer o uso de métodos avançados de Programação Estocástica - PE. Neste trabalho tem-se o objetivo de avaliar as políticas resultantes e o desempenho computacional de dois algoritmos de PE quando aplicados ao problema relacionado à etapa do PMO. Inicialmente, destaca-se o estudo de diferentes estratégias de decomposição do problema via o método Progressive Hedging - PH no sentido de prover benefícios ao desempenho computacional do mesmo, além da avaliação de técnicas de partida quente e alternativas associadas à atualização de parâmetros internos para acelerar a convergência do método. Em seguida, uma análise comparativa entre o método de PH e a Decomposição Aninhada - DA, método atualmente vigente no Brasil, é apresentada sob o ponto de vista computacional e também no que diz respeito às políticas resultantes de ambos. Para tanto, o Sistema Interligado Nacional - SIN é utilizado

Este trabalho trata de uma aplicação de programação estocástica para administração de passivos e ativos. Inicialmente, um modelo de administração de ativos e passivos utilizando valores de retorno de ativos determinísticos é formalizado, constatando-se as suas limitações, justificando-se a necessidade de abranger formalmente a incerteza inerente aos mercados financeiros. Para isso, um modelo para administração de ativos e passivos que utiliza otimização e programação estocástica baseado em uma árvore de cenários multiestágio balanceada é apresentado, descrito, e implementado. Os seus resultados determinam uma política de investimento de ativos para o instante inicial do período considerado, definindo-se também uma regra que possibilita, a partir do equilíbrio entre o patrimônio inicial e total de passivo a ser pago ao final do período considerado, estimar a probabilidade de insolvência do fundo de pensão. Além disso, realiza-se o estudo do impacto da redução de uma proxy da taxa de juros básico na composição do portfólio administrado por essas empresas. / This work discusses an application of stochastic programming for asset-liability management. Initially, a deterministic asset-liability model is formalized. Its limitations become clear which justify the need to include uncertainty in the model. Then, a stochastic programming model based on a balanced multistage scenario tree is presented, described and implemented for an asset-liability environment. The main results are: (i) an investment policy for the fund, and, (ii) the pension’s fund insolvency probability considering an initial relation between the current assets and the present value of the future liabilities. The impact of a possible reduction in interested rate on the pension’s fund optimal portfolio is also presented.

Este trabalho trata de uma aplicação de programação estocástica para administração de passivos e ativos. Inicialmente, um modelo de administração de ativos e passivos utilizando valores de retorno de ativos determinísticos é formalizado, constatando-se as suas limitações, justificando-se a necessidade de abranger formalmente a incerteza inerente aos mercados financeiros. Para isso, um modelo para administração de ativos e passivos que utiliza otimização e programação estocástica baseado em uma árvore de cenários multiestágio balanceada é apresentado, descrito, e implementado. Os seus resultados determinam uma política de investimento de ativos para o instante inicial do período considerado, definindo-se também uma regra que possibilita, a partir do equilíbrio entre o patrimônio inicial e total de passivo a ser pago ao final do período considerado, estimar a probabilidade de insolvência do fundo de pensão. Além disso, realiza-se o estudo do impacto da redução de uma proxy da taxa de juros básico na composição do portfólio administrado por essas empresas. / This work discusses an application of stochastic programming for asset-liability management. Initially, a deterministic asset-liability model is formalized. Its limitations become clear which justify the need to include uncertainty in the model. Then, a stochastic programming model based on a balanced multistage scenario tree is presented, described and implemented for an asset-liability environment. The main results are: (i) an investment policy for the fund, and, (ii) the pension’s fund insolvency probability considering an initial relation between the current assets and the present value of the future liabilities. The impact of a possible reduction in interested rate on the pension’s fund optimal portfolio is also presented.

Este trabalho trata de uma aplicação de programação estocástica para administração de passivos e ativos. Inicialmente, um modelo de administração de ativos e passivos utilizando valores de retorno de ativos determinísticos é formalizado, constatando-se as suas limitações, justificando-se a necessidade de abranger formalmente a incerteza inerente aos mercados financeiros. Para isso, um modelo para administração de ativos e passivos que utiliza otimização e programação estocástica baseado em uma árvore de cenários multiestágio balanceada é apresentado, descrito, e implementado. Os seus resultados determinam uma política de investimento de ativos para o instante inicial do período considerado, definindo-se também uma regra que possibilita, a partir do equilíbrio entre o patrimônio inicial e total de passivo a ser pago ao final do período considerado, estimar a probabilidade de insolvência do fundo de pensão. Além disso, realiza-se o estudo do impacto da redução de uma proxy da taxa de juros básico na composição do portfólio administrado por essas empresas. / This work discusses an application of stochastic programming for asset-liability management. Initially, a deterministic asset-liability model is formalized. Its limitations become clear which justify the need to include uncertainty in the model. Then, a stochastic programming model based on a balanced multistage scenario tree is presented, described and implemented for an asset-liability environment. The main results are: (i) an investment policy for the fund, and, (ii) the pension’s fund insolvency probability considering an initial relation between the current assets and the present value of the future liabilities. The impact of a possible reduction in interested rate on the pension’s fund optimal portfolio is also presented.

[pt] Asset and Liability Management ou ALM pode ser definido como um processo gestão de ativos e passivos de forma coordenada com a finalidade de atingir os objetivos financeiros de uma organização. No caso dos fundos de pensão, o ALM consiste fundamentalmente na determinação da política ótima de investimentos. Esta deverá maximizar o capital acumulado através de contribuições dos participantes e do retorno dos investimentos ao mesmo tempo em que minimiza o risco do não cumprimento das obrigações do fundo. A aplicação de modelos de programação estocástica para problemas de ALM em fundos de pensão é dificultada pelos longos prazos envolvidos - a duração dos benefícios pode ultrapassar cem anos. No entanto, os modelos de programação estocástica propostos na literatura limitam o horizonte de planejamento a poucas décadas, ao final das quais é imposta uma restrição de capital mínimo com vistas a controlar o risco de equilíbrio relativo ao restante da vigência do fundo. Este trabalho propõe um novo método para incorporar o risco de equilíbrio na determinação do capital mínimo final do modelo de programação estocástica aplicado a um fundo de pensão no contexto brasileiro. No método proposto, o cálculo da probabilidade de insolvência leva em consideração que os benefícios futuros devem ser trazidos a valor presente pela rentabilidade futura da carteira, cuja distribuição de probabilidades é levantada através de um processo de reamostragem (bootstrap) dos cenários embutidos na solução do problema de programação estocástica. O método proposto permite evidenciar que a probabilidade de insolvência medida tradicionalmente utilizada subestima acentuadamente o risco de equilíbrio. / [en] Asset and Liability Management or ALM can be defined as a process of managing coordinately assets and liabilities in an attempt to achieve an organization´s financial objectives. For instance, a pension fund ALM consists in determining the optimal investment policy which is the one that maximizes wealth accumulated by the contributions and minimizes the equilibrium risk defined as the insolvency probability, i.e., the probability that the fund won´t be able to pay all benefits during the planning horizon. The use of stochastic programming models for ALM problems is more difficult because of the long planning horizon. However stochastic programming models are proposed in the literature reducing the planning horizon and including a chance constraint or an objective function penalization to control the equilibrium risk for the non-considered period. On this work, a new method for measuring and controlling the equilibrium risk is proposed determining capital requirement of a Brazilian pension fund for the nonconsidered period. This developed method considers the portfolio return as the discount rate of all net liability flows. The distribution of this discount rate conditioned on the optimal decisions is estimated by bootstrapping the portfolio return embedded on the stochastic programming solution. To sum up, this method shows that the usual insolvency probability of the previous models actually underestimates the pension fund`s equilibrium risk.

A incerteza é um elemento fundamental da realidade. Então, torna-se natural a busca por métodos que nos permitam representar o desconhecido em termos matemáticos. Esses problemas originam uma grande classe de programas probabilísticos reconhecidos como modelos de programação estocástica. Eles são mais realísticos que os modelos determinísticos, e tem por objetivo incorporar a incerteza em suas definições. Essa tese aborda os problemas probabilísticos da classe de problemas de multi-estágio com incerteza e com restrições probabilísticas e com restrições probabilísticas conjuntas. Inicialmente, nós propomos um modelo de administração de ativos e passivos multi-estágio estocástico para a indústria de fundos de pensão brasileira. Nosso modelo é formalizado em conformidade com a leis e políticas brasileiras. A seguir, dada a relevância dos dados de entrada para esses modelos de otimização, tornamos nossa atenção às diferentes técnicas de amostragem. Elas compõem o processo de discretização desses modelos estocásticos Nós verificamos como as diferentes metodologias de amostragem impactam a solução final e a alocação do portfólio, destacando boas opções para modelos de administração de ativos e passivos. Finalmente, nós propomos um “framework” para a geração de árvores de cenário e otimização de modelos com incerteza multi-estágio. Baseados na tranformação de Knuth, nós geramos a árvore de cenários considerando a representação filho-esqueda, irmão-direita o que torna a simulação mais eficiente em termos de tempo e de número de cenários. Nós também formalizamos uma reformulação do modelo de administração de ativos e passivos baseada na abordagem extensiva implícita para o modelo de otimização. Essa técnica é projetada pela definição de um processo de filtragem com “bundles”; e codifciada com o auxílio de uma linguagem de modelagem algébrica. A eficiência dessa metodologia é testada em um modelo de administração de ativos e passivos com incerteza com restrições probabilísticas conjuntas. Nosso framework torna possível encontrar a solução ótima para árvores com um número razoável de cenários. / Uncertainty is a key element of reality. Thus, it becomes natural that the search for methods allows us to represent the unknown in mathematical terms. These problems originate a large class of probabilistic programs recognized as stochastic programming models. They are more realistic than deterministic ones, and their aim is to incorporate uncertainty into their definitions. This dissertation approaches the probabilistic problem class of multistage stochastic problems with chance constraints and joint-chance constraints. Initially, we propose a multistage stochastic asset liability management (ALM) model for a Brazilian pension fund industry. Our model is formalized in compliance with the Brazilian laws and policies. Next, given the relevance of the input parameters for these optimization models, we turn our attention to different sampling models, which compose the discretization process of these stochastic models. We check how these different sampling methodologies impact on the final solution and the portfolio allocation, outlining good options for ALM models. Finally, we propose a framework for the scenario-tree generation and optimization of multistage stochastic programming problems. Relying on the Knuth transform, we generate the scenario trees, taking advantage of the left-child, right-sibling representation, which makes the simulation more efficient in terms of time and the number of scenarios. We also formalize an ALM model reformulation based on implicit extensive form for the optimization model. This technique is designed by the definition of a filtration process with bundles, and coded with the support of an algebraic modeling language. The efficiency of this methodology is tested in a multistage stochastic ALM model with joint-chance constraints. Our framework makes it possible to reach the optimal solution for trees with a reasonable number of scenarios.

[pt] A década de 90 foi marcante para a indústria de eletricidade, com a introdução de mercados competitivos em que os agentes geradores são livres para tomar suas decisões de produção e investimento, assumindo integralmente os riscos decorrentes de suas estratégias. O despacho e o preço spot neste tipo de mercado são definidos através de leilões diários, onde os agentes fornecem seus lances de preços/quantidades que expressam suas disposições em vender ou comprar energia. Os lances aceitos nos leilões, que estabelecem compromissos de geração, são definidos um dia antes da energia ser fisicamente gerada e injetada na rede. A ocorrência de eventos improváveis, como quebra de máquinas ou alterações nas condições meteorológicas, gera a necessidade de ajustes para compensar os desequilíbrios entre geração e carga, e para isso criaram-se mercados de ajustes. A base experimental do trabalho foi o Nord Pool, o mercado livre de energia dos países nórdicos que possui um mercado de ajustes chamado Elbas. Neste trabalho foi desenvolvido um modelo computacional que otimiza a estratégia de oferta de um agente hidrelétrico price-taker atuando no Nord Pool, que além de representar de forma detalhada as características operativas das usinas, leva em conta as negociações no mercado Elbas e o nível de aversão a risco do agente gerador, através da função objetivo que maximiza uma combinação convexa do valor esperado e do CVaR (Conditional Value at Risk) da renda líquida obtida da venda de energia. Cenários de preços spot e do mercado Elbas foram gerados baseados em modelos de séries temporais ARMA e GARCH, e para reduzir o esforço computacional e viabilizar o uso de um número adequado de cenários foram utilizadas técnicas de decomposição de Benders e Benders Multicut. O modelo desenvolvido possibilitou estudar a atuação dos agentes nos mercados spot e Elbas sob dois pontos de vista distintos: sob a ótica dos geradores, que buscam maximizar suas margens operacionais; e sob a ótica do regulador, cujo foco é investigar se o mercado Elbas cumpre seu papel de equilibrar a oferta e a demanda, e não fazendo com que os geradores especulem através de estratégias conjuntas nos dois mercados. Todos esses efeitos foram estudados e analisados para diferentes perfis de risco dos agentes e diferentes condições de mercado, ou seja, considerando períodos de diferentes volatilidades dos preços praticados no mercado Elbas e diferentes valores (ou custos de oportunidade) da água armazenada nos reservatórios das usinas hidrelétricas. Sob a ótica do agente, o trabalho mostrou que há um incentivo para o agente neutro a tentar usufruir de possíveis preços mais altos no mercado Elbas que os praticados no spot. Sob a ótica do regulador, os resultados mostram que o agente menos avesso a risco, dependendo das condições de mercado, opta por deslocar parte de sua energia do mercado spot para o Elbas, mostrando seu apetite por ganhos maiores independentemente do risco associado às suas decisões. O agente avesso a risco opta por transacionar menos energia no Elbas, principalmente em períodos mais voláteis, evitando com isso os piores cenários. Finalmente, considerando que normalmente empresas de energia são avessas a risco, o modelo de ajustes através do mercado Elbas se mostrou adequado, cumprindo naturalmente seu papel sem a necessidade de interferência do regulador. / [en] The widespread introduction of competitive mechanisms during the 1990s changed the panorama of the electricity industry around the world. Vertically integrated and centrally operated systems were replaced by market environments in which generators became free to make their production and investment decisions and, at the same time, assume the risk of their chosen strategies. Both the dispatch and the energy spot price in such markets result from two-sided auctions in which producing and consuming agents submit their price-quantity bids, expressing how much energy they are willing to buy or sell. The accepted bids, which commit agents to either deliver or consume power, are set a day before the energy delivery. However, since unexpected events may occur - such as changes in weather conditions or breakdowns of generation turbines - some adjustments might have to be done in order to compensate for the unbalances between total generation and load. These adjustments usually take place in the balancing markets. In the present work, we propose an optimization model for a price-taking hydropower producer who trades energy in the Nord Pool – the competitive electricity market encompassing the Nordic countries that comprises a balancing market called Elbas. The proposed model represents in details the operating aspects of the plants and takes into account the possibility of trading energy in the Elbas market. The model represents the level of risk aversion of the agent in its objective function, by maximizing a convex combination of the expected value and the CVaR (Conditional Value at Risk) of the net income obtained. Scenarios of spot and Elbas prices were generated based on time series models ARMA and GARCH and, in order to reduce the computational effort and enable the use of an adequate number of scenarios, Benders decomposition and Benders Multicut methods were applied. The developed model allowed us to study the behavior of agents in the spot and Elbas markets under two different viewpoints: from the perspective of the generators, which aim at maximizing its operating income; and from the viewpoint of the regulator, whose focus is on analyzing whether the Elbas market meets its role of balancing supply and demand, rather than leading generators to speculate through combined strategies in both markets. All these effects were studied and analyzed for different risk-averse profiles of the agents, and for different market conditions, i.e., considering periods of different volatilities of Elbas market prices and different water values (or opportunity costs) stored in the reservoirs of the hydroelectric power plants. From the perspective of the agent, the study showed that there are incentives for the risk- neutral agent to try to take advantage of possible higher prices in the Elbas. From the regulator’s viewpoint, the results show that the risk-neutral agents, depending on market conditions, choose to shift some of its energy generation to the Elbas market, showing their desire for higher incomes regardless of the risk associated with their decisions. The risk-averse agent chooses to trade less energy in Elbas, especially in volatile periods, thereby avoiding the worst scenarios. Finally, considering that energy companies are usually risk-averse, the adjustments made in the Elbas market were shown to be adequate, naturally meeting its role without requiring interventions from the regulator.

A incerteza é um elemento fundamental da realidade. Então, torna-se natural a busca por métodos que nos permitam representar o desconhecido em termos matemáticos. Esses problemas originam uma grande classe de programas probabilísticos reconhecidos como modelos de programação estocástica. Eles são mais realísticos que os modelos determinísticos, e tem por objetivo incorporar a incerteza em suas definições. Essa tese aborda os problemas probabilísticos da classe de problemas de multi-estágio com incerteza e com restrições probabilísticas e com restrições probabilísticas conjuntas. Inicialmente, nós propomos um modelo de administração de ativos e passivos multi-estágio estocástico para a indústria de fundos de pensão brasileira. Nosso modelo é formalizado em conformidade com a leis e políticas brasileiras. A seguir, dada a relevância dos dados de entrada para esses modelos de otimização, tornamos nossa atenção às diferentes técnicas de amostragem. Elas compõem o processo de discretização desses modelos estocásticos Nós verificamos como as diferentes metodologias de amostragem impactam a solução final e a alocação do portfólio, destacando boas opções para modelos de administração de ativos e passivos. Finalmente, nós propomos um “framework” para a geração de árvores de cenário e otimização de modelos com incerteza multi-estágio. Baseados na tranformação de Knuth, nós geramos a árvore de cenários considerando a representação filho-esqueda, irmão-direita o que torna a simulação mais eficiente em termos de tempo e de número de cenários. Nós também formalizamos uma reformulação do modelo de administração de ativos e passivos baseada na abordagem extensiva implícita para o modelo de otimização. Essa técnica é projetada pela definição de um processo de filtragem com “bundles”; e codifciada com o auxílio de uma linguagem de modelagem algébrica. A eficiência dessa metodologia é testada em um modelo de administração de ativos e passivos com incerteza com restrições probabilísticas conjuntas. Nosso framework torna possível encontrar a solução ótima para árvores com um número razoável de cenários. / Uncertainty is a key element of reality. Thus, it becomes natural that the search for methods allows us to represent the unknown in mathematical terms. These problems originate a large class of probabilistic programs recognized as stochastic programming models. They are more realistic than deterministic ones, and their aim is to incorporate uncertainty into their definitions. This dissertation approaches the probabilistic problem class of multistage stochastic problems with chance constraints and joint-chance constraints. Initially, we propose a multistage stochastic asset liability management (ALM) model for a Brazilian pension fund industry. Our model is formalized in compliance with the Brazilian laws and policies. Next, given the relevance of the input parameters for these optimization models, we turn our attention to different sampling models, which compose the discretization process of these stochastic models. We check how these different sampling methodologies impact on the final solution and the portfolio allocation, outlining good options for ALM models. Finally, we propose a framework for the scenario-tree generation and optimization of multistage stochastic programming problems. Relying on the Knuth transform, we generate the scenario trees, taking advantage of the left-child, right-sibling representation, which makes the simulation more efficient in terms of time and the number of scenarios. We also formalize an ALM model reformulation based on implicit extensive form for the optimization model. This technique is designed by the definition of a filtration process with bundles, and coded with the support of an algebraic modeling language. The efficiency of this methodology is tested in a multistage stochastic ALM model with joint-chance constraints. Our framework makes it possible to reach the optimal solution for trees with a reasonable number of scenarios.

A incerteza é um elemento fundamental da realidade. Então, torna-se natural a busca por métodos que nos permitam representar o desconhecido em termos matemáticos. Esses problemas originam uma grande classe de programas probabilísticos reconhecidos como modelos de programação estocástica. Eles são mais realísticos que os modelos determinísticos, e tem por objetivo incorporar a incerteza em suas definições. Essa tese aborda os problemas probabilísticos da classe de problemas de multi-estágio com incerteza e com restrições probabilísticas e com restrições probabilísticas conjuntas. Inicialmente, nós propomos um modelo de administração de ativos e passivos multi-estágio estocástico para a indústria de fundos de pensão brasileira. Nosso modelo é formalizado em conformidade com a leis e políticas brasileiras. A seguir, dada a relevância dos dados de entrada para esses modelos de otimização, tornamos nossa atenção às diferentes técnicas de amostragem. Elas compõem o processo de discretização desses modelos estocásticos Nós verificamos como as diferentes metodologias de amostragem impactam a solução final e a alocação do portfólio, destacando boas opções para modelos de administração de ativos e passivos. Finalmente, nós propomos um “framework” para a geração de árvores de cenário e otimização de modelos com incerteza multi-estágio. Baseados na tranformação de Knuth, nós geramos a árvore de cenários considerando a representação filho-esqueda, irmão-direita o que torna a simulação mais eficiente em termos de tempo e de número de cenários. Nós também formalizamos uma reformulação do modelo de administração de ativos e passivos baseada na abordagem extensiva implícita para o modelo de otimização. Essa técnica é projetada pela definição de um processo de filtragem com “bundles”; e codifciada com o auxílio de uma linguagem de modelagem algébrica. A eficiência dessa metodologia é testada em um modelo de administração de ativos e passivos com incerteza com restrições probabilísticas conjuntas. Nosso framework torna possível encontrar a solução ótima para árvores com um número razoável de cenários. / Uncertainty is a key element of reality. Thus, it becomes natural that the search for methods allows us to represent the unknown in mathematical terms. These problems originate a large class of probabilistic programs recognized as stochastic programming models. They are more realistic than deterministic ones, and their aim is to incorporate uncertainty into their definitions. This dissertation approaches the probabilistic problem class of multistage stochastic problems with chance constraints and joint-chance constraints. Initially, we propose a multistage stochastic asset liability management (ALM) model for a Brazilian pension fund industry. Our model is formalized in compliance with the Brazilian laws and policies. Next, given the relevance of the input parameters for these optimization models, we turn our attention to different sampling models, which compose the discretization process of these stochastic models. We check how these different sampling methodologies impact on the final solution and the portfolio allocation, outlining good options for ALM models. Finally, we propose a framework for the scenario-tree generation and optimization of multistage stochastic programming problems. Relying on the Knuth transform, we generate the scenario trees, taking advantage of the left-child, right-sibling representation, which makes the simulation more efficient in terms of time and the number of scenarios. We also formalize an ALM model reformulation based on implicit extensive form for the optimization model. This technique is designed by the definition of a filtration process with bundles, and coded with the support of an algebraic modeling language. The efficiency of this methodology is tested in a multistage stochastic ALM model with joint-chance constraints. Our framework makes it possible to reach the optimal solution for trees with a reasonable number of scenarios.

[pt] As companhias petrolíferas dedicam grande esforço para manter sua rentabilidade e melhorar sua eficiência, principalmente frente às incertezas presentes neste negócio. As empresas que pretendem manter a competitividade precisam planejar suas operações cada vez melhor e com maior segurança. Em face destas oportunidades e desafios, foi proposta no âmbito desta tese uma abordagem estocástica para o problema de planejamento operacional de refinarias. Neste sentido foi desenvolvido um modelo não-linear (NLP) de programação estocástica com dois estágios. O modelo proposto representa os processos de natureza não-linear presentes em uma refinaria, como as transformações químicas e o cálculo de qualidade dos derivados. Devido ao elevado nível de complexidade do problema NLP formulado, foram avaliados cinco métodos de solução associados aos principais solvers comerciais. Uma metodologia de geração de cenários e medidas de qualidade para árvore de cenários também foram definidas para representar adequadamente as incertezas presentes neste problema. A abordagem estocástica proposta neste trabalho foi avaliada considerando dados reais de uma refinaria brasileira. Os resultados finais desta pesquisa devem proporcionar avanços no processo de planejamento operacional de refinarias, explorando a técnica de programação não-linear (NLP) e os novos solvers disponíveis para problemas do tipo NLP. Pretende-se também gerar contribuições na área de programação estocástica, definindo medidas de qualidade para árvore de cenários que permitam uma melhor representação das incertezas e consequentemente um melhor uso da abordagem estocástica. / [en] Oil companies make a great effort to maintain profitability and improve efficiency, especially given the uncertainties present in this business. Companies that intend to remain competitive need to plan their operations better and with greater safety. In light of these opportunities and challenges, this thesis proposes a stochastic approach to the refinery operational planning problem. In this sense, a two-stage nonlinear stochastic programming model (NLP) developed. The proposed model is intended to adequately represent nonlinear processes encountered in a refinery, such as chemical transformations and calculations of the properties of the oil derivatives. Due to the high level of complexity of the NLP problem formulated, five solution methods associated with major commercial solvers were evaluated. A methodology for generating scenarios and quality measures for scenarios tree were also defined to properly represent the uncertainties present in this problem. The stochastic approach proposed in the present study was evaluated based on actual data from a Brazilian refinery. The final results of this research should provide advances in the processes of refinery operational planning exploiting the technique of nonlinear programming (NLP) and new solvers available for NLP-type problems. Another objective was to generate contributions in the field of stochastic programming by defining quality measures for scenario trees that allow a better representation of uncertainties and, consequently, better use of the stochastic approach.