This paper explores how to optimally distribute vaccines by deciding what middle warehouses to use for storage. For this purpose, a network has been designed with a central warehouse, a set of middle warehouses and a set of local hospitals. The supply has been defined by two different types of vaccines to incorporate their logistical requirements, and the demand has been defined by the elderly population of Sweden. The model was constructed as a mixed-integer program in the optimisation programming language GAMS. The results was a set of 13 middle warehouses allocated such that the total distances when distributing the vaccines are minimised. It was also identified how much of each type of vaccines that was being shipped. The integer program was then relaxed to test whether the optimal value was in fact a global optima. Both the objective value for the original problem and for the relaxed problem was 10189.8 km, which means that it could be identified as a global optima. Furthermore, this paper explored ways to mitigate the supply chain risks with the help of mathematical methods and supply chain management literature. This paper presents scenario-based stochastic programming, how to construct a supplier portfolio, reliability engineering and distribution-based stochastic programming as useful methods when dealing with the risks.  In essence, the purpose of this paper was to evaluate modeling opportunities for distributions of vaccines rather than the quantitative results since the data was limited. The aim was to present a general model that could be used with different sets of data, and provide the most optimal allocation of warehouses. Recommended improvements to the paper are greater accuracy in data, in probability distributions and expansion of model with consideration of time. / Detta arbete utforskar hur man kan optimera distributionen av vaccin genom att bestämma placering av en mängd mellanlager. I detta syfte har ett nätverk designats med ett centrallager, en utspridd mängd mellanlager och en mängd lokala sjukhus. Utbudet har definerats som två olika typer av vaccin för att ta hänsyn till deras olika logistiska krav och efterfrågan har definerats som Sveriges äldre befolkning. Modellen var konstruerad som ett blandat heltalsproblem i programmeringsspråket GAMS. Resultatet blev 13 mellanlager som är optimala för en så effektiv distribution av vaccin som möjligt. Resultaten visar också vilken typ av vaccin som ska skickas var. Heltalsprogrammet använder sedan relaxation för att undersöka om resultatet är ett globalt optimum och inte endast ett lokalt optimum. Målfunktionens värde är 10189,8 km både för det ordinarie problemet och för det relaxerade, vilket inneär att man kan dra slutsaten att värdet är ett globalt optimum. Dessutom utforskars sätt att mildra försörjningskedjans risker med hjälp av matematiska metoder och litteratur inom logistik av försörjningskedjor. Denna uppsats presenterar scenariobaserad och distributionbaserad stokastisk programmering, konstruktion av leverantörsportföljer och tillförlitlighetsteknik som användbara metoder för att hantera riskerna.  Sammanfattningsvis är detta ett arbete som utforskar möjligheter med modelleringen av vaccindistribution snarare än en rigid kvantitativ analys eftersom datan är begränsad. Syftet var därför att utveckla en generell modell som med olika dataset kan ge den optimala allokeringen av mellanlager. De förbättringar av arbetet som rekommenderas är mer noggrann data, exakthet kring sannolikhetsfördelningarna och en expansion av modellen som tar hänsyn till tid.

Hydropower in Sweden is a powerful and efficient source of energy due to its flexibility, usually used to balance the Swedish power system. With the transition of power system into more intermittent power sources, the role of hydro-power as producers will become more important. Thus the optimal scheduling of hydropower units, with other assets, holds an important place in electric power systems, which is significantly investigated as a research issue. This thesis presents an optimization model that aims at maximizing the income of that producer. The model is implemented on a virtual power plant trading in both day-ahead and mFRR balancing markets in the SE2 bidding zone in Sweden. The virtual power plant comprises hydo-power plants located on the Swedish river Skellefteälven, a wind power unit, and a storage unit. This system participates in electricity market as a single entity in order to optimize the use of energy resources. As feature, uncertainty in electricity market price, wind power production and in active-time duration in the mFRR energy market are modeled in order to formulate a so-called stochastic adaptive robust optimization model. The latter is solved using a column-and-constraint generation algorithm, solved by GAMS and Matlab. A bid curve analysis is performed showing the optimal strategy in case of low/high price scenario and the level of conservativeness. After that, a revenue assessment is carried out which in turn leads to an investigation of the interaction between the three assets and the impact of the storage facility in the revenue. Results demonstrate the advantage of the battery in increasing profit in some cases and its flexibility in the use of storing energy and selling it to the markets at suitable times, e.g., it saves energy from the wind in hours of comparatively low prices, while it sells it in hours of comparatively high prices. Finally, an assessment on variation of imbalance costs is held with and without battery, comparing how such virtual power plants reduce the imbalance costs. / Vattenkraften i Sverige är en kraftfull och effektiv energikälla tack vare sin flexibilitet, används vanligtvis för att balansera det svenska kraftsystemet. I och med att kraftsystemet övergår till mer intermittenta energikällor kommer vattenkraftens roll som producent att bli viktigare. Den optimala schemaläggningen av vattenkraftsenheter har därför tillsammans med andra tillgångar en viktig plats i elkraftsystemen, vilket är en viktig forskningsfråga. I denna avhandling presenteras en optimeringsmodell som syftar till att maximera inkomsten för den producenten. Modellen implementeras på ett virtuellt kraftverk som handlar på både day-ahead- och mFRR-balanseringsmarknader i budzonen SE2 i Sverige. Det virtuella kraftverket består av vattenkraftverk belägna vid den svenska Skellefteälven, en vindkraftsenhet och en lagringsenhet. Systemet deltar på elmarknaden som en enda enhet för att optimera användningen av energiresurser. Som en funktion kan osäkerheten i elmarknadspriset, vindkraftsproduktionen och den aktiva tiden i kraftverket användas. mFRR-marknaden modelleras för att formulera en så kallad stokastisk adaptiv robust optimeringsmodell. Den sistnämnda löses med hjälp av en kolumn-och-bindningsgenerering algoritm, som löses med GAMS och Matlab. En analys av budkurvan utförs och visar att optimala strategin vid scenarier med lågt/hög pris och nivån av försiktighet. Efter därefter görs en intäktsbedömning som i sin tur leder till en undersökning av interaktionen mellan de tre tillgångarna och lagringsanläggningens inverkan på intäkterna.Resultaten visar att batteriet i vissa fall är en fördel när det gäller att öka vinsten och att dess flexibilitet när det gäller att lagra energi och sälja den på marknaden vid lämpliga tidpunkter, Det sparar t.ex. energi från vinden under timmar med jämförelsevis låga priser, medan det säljer den. när priserna är jämförelsevis höga. Slutligen görs en bedömning av variationen i obalansen. med och utan batteri, där man jämför hur sådana virtuella kraftverk minskar kostnaderna för obalans.

In this study within quantitative portfolio optimization, stochastic programming is investigated as an investment decision tool. This research takes the direction of scenario based Mean-Absolute Deviation and is compared with the traditional Mean-Variance model and widely used Risk Parity portfolio. Furthermore, this thesis is done in collaboration with the First Swedish National Pension Fund, AP1, and the implemented multi-asset portfolios are thus tailored to match their investment style. The models are evaluated on two different fund management levels, in order to study if the portfolio performance benefits from a more restricted feasible domain. This research concludes that stochastic programming over the investigated time period is inferior to Risk Parity, but outperforms the Mean-Variance Model. The biggest aw of the model is its poor performance during periods of market stress. However, the model showed superior results during normal market conditions. / I denna studie inom kvantitativ portföljoptimering undersöks stokastisk programmering som ett investeringsbeslutsverktyg. Denna studie tar riktningen för scenariobaserad Mean-Absolute Deviation och jämförs med den traditionella Mean-Variance-modellen samt den utbrett använda Risk Parity-portföljen. Avhandlingen görs i samarbete med Första AP-fonden, och de implementerade portföljerna, med era tillgångsslag, är därför skräddarsydda för att matcha deras investeringsstil. Modellerna utvärderas på två olika fondhanteringsnivåer för att studera om portföljens prestanda drar nytta av en mer restrektiv optimeringsmodell. Den här undersökningen visar att stokastisk programmering under undersökta tidsperioder presterar något sämre än Risk Parity, men överträffar Mean-Variance. Modellens största brist är dess prestanda under perioder av marknadsstress. Modellen visade dock något bättre resultat under normala marknadsförhållanden.