[pt] O objetivo desta dissertação é desenvolver uma metodologia para oferta estratégia de uma empresa geradora em ambiente de mercado com múltiplas usinas hidrelétricas, levando em consideração múltiplos estágios e a incerteza nas afluências, e ilustrar a aplicação da mesma em sistemas realistas. Mostra-se inicialmente que o problema de oferta estratégica pode ser formulado como uma recursão de programação dinâmica estocástica (PDE), onde as variáveis de estado são os níveis de armazenamento dos reservatórios no início de cada estágio e as afluências observadas nos estágios anteriores. Entretanto, a dificuldade computacional dos algoritmos de PDE restringe sua aplicação a sistemas com poucos reservatórios, limitando bastante a aplicação da técnica a sistemas realistas. Assim, a abordagem proposta nesta dissertação é estender a metodologia de programação dinâmica dual estocástica (PDDE), até então aplicada a problemas de minimização de custos, ao problema de otimização da oferta. Isto é feito através de dois passos principais: (i) Uso de uma estratégia de oferta por quantidade somente (análogo a um modelo de Cournot em problemas de equilíbrio econômico) e (ii) a recursão de PDDE, que por ser baseada numa aproximação por hiperplanos requer que o problema seja convexo, o que não ocorre necessariamente no caso da oferta estratégica. A abordagem proposta consiste em aproximar a cada estágio a função de benefício futuro (FBF) por sua envoltória côncava (concave hull). Com isso, a técnica de PDDE pode ser aplicada para resolver o problema de ofertas multi- estágio e estocástico de uma empresa hidroelétrica com múltiplas usinas. Exemplos e estudos de caso serão ilustrados com os sistemas reais da Romênia e El Salvador, ilustrando a aplicabilidade da metodologia proposta em estudos e análises de poder de mercado. / [en] The objective of this work is to present a methodology for the strategic bidding (or bid-based) problem of a hydropower based company, taking into account multiple hydro plants, time-coupling, multiple inflow scenarios and illustrate its application for real case studies. It is initially show that the bid-based dispatch for a hydro plant can be formulated as a stochastic dynamic programming (SDP) recursion scheme, where the state variables are the storage levels and the past inflows. As widely known, the computational effort of the SDP algorithms restricts its applications for systems with just a few reservoirs, which is not the case of the real world systems. Therefore, the approach proposed in this thesis is to extend the stochastic dual dynamic programming (SDDP) scheme, usually applied to cost minimization problems, to the strategic bidding problem. This is done through two main steps: (i) use of a quantity-only bidding scheme (similar to the Cournot model of economic equilibria); (ii) SDDP recursion, which is based on a linear approximation by piecewise linear segments and thus requires that the underlying problem to be convex. This is not necessarily observed in the strategic bidding problem. Thus, the proposed approach consists in approximating, at each stage, the future benefit function (FBF) by its concave hull, which then assures that the SDDP scheme can be applied to solve the multi-stage and stochastic strategic bidding problem of a company with a portfolio of several hydro plants. The proposed approach is illustrated with examples and case studies from real hydro systems from Rumania and El Savador, where market power analysis will be presented.

[pt] A dissertação trata da comparação de dois métodos de estimação para modelos de séries temporais com volatilidade estocástica. Um dos métodos é baseado em inferência Bayesiana e depende de simulações enquanto o outro utiliza máxima verossimilhança para o processo de estimação. A comparação é feita tanto com séries temporais artificialmente geradas como também com séries financeiras reais. O objetivo é mostrar que os dois métodos apresentam resultados semelhantes, sendo que o segundo método é significativamente mais rápido do que o primeiro.

[pt] Nesta tese é abordado o problema de planejamento de investimentos para a cadeia de fornecimento de petróleo sob incerteza. Neste contexto, um modelo de programação estocástica de dois estágios é formulado e resolvido. Tal modelo busca representar com precisão as características particulares que são inerentes ao planejamento de investimentos para a infra-estrutura logística de petróleo. A incorporação da incerteza neste contexto inevitavelmente aumenta a complexidade do problema, o qual se torna rapidamente intratável conforme cresce o número de cenários. Tal dificuldade é contornada baseando-se na aproximação por média amostral (AMA) para controlar o número de cenários necessários para atingir um nível pré-especificado de tolerância em relação à qualidade da solução. Além disso, é considerado o desenvolvimento de técnicas que resolvam de maneira eficiente o problema, explorando sua estrutura especial, através de decomposiçãoo por cenários. Seguindo esta ideia, propõe-se duas novas abordagens para decompor o problema de forma que o mesmo possa ser eficientemente resolvido. O primeiro algoritmo é baseado na decomposição estocástica de Benders, a qual é aprimorada usando-se novas técnicas de aceleração propostas. O segundo consiste de um novo algoritmo baseado em decomposição Lagrangeana que foi projetado para lidar com o caso onde temos variáveis inteiras no problema de segundo estágio. A característica inovadora desse algoritmo está relacionada com a estratégia híbrida utilizada para atualizar os multiplicadores de Lagrange, combinando subgradientes, planos de cortes e regiões de confiança. Em ambos os casos as abordagens propostas foram avaliadas considerando um exemplo de grande escala do mundo real e os resultados sugerem que os mesmos apresentam desempenho superior quando comparados com outras técnicas disponíveis na literatura. / [en] In this thesis we investigate the investment planning problem for the petroleum supply chain under demand uncertainty. We formulate and solve a two-stage stochastic programming model that seeks to accurately represent the particular features that are inherent to the investment planning for the petroleum logistics infrastructure. The incorporation of uncertainty in this case inevitably increases the complexity of the problem, which becomes quickly intractable as the number of scenarios grows. We circumvent this drawback by relying on Sample Average Approximation (SAA) to control the number of scenarios required to reach a prespecified level of tolerance regarding solution quality. We also focus on efficiently solving the stochastic programming problem, exploiting its particular structure by means of a scenario-wise decomposition. Following this idea, we propose two novel approaches that focus on decomposing the problem in a way that it could be efficiently solved. The first algorithm is based on stochastic Benders decomposition, which we further improve by using new acceleration techniques proposed in this study. The second is a novel algorithm based on Lagrangean decomposition that was designed to deal with the case where we have integer variables in the second-stage problem. The novel feature in this algorithm is related with the hybrid strategy for updating the Lagrange multipliers, which combines subgradient, cutting-planes and trust region ideas. In both cases, we have assessed the proposed approaches considering a large-scale realworld instances of the problem. Results suggests that they attain superior performance.

[pt] Este trabalho apresenta um framework de investimento dinâmico para carteiras de energia, baseados em opções reais, que visa maximizar o valor, corrigido pelo risco, do investimento conjunto em projetos de geração de energia com fontes renováveis. Diferente de outros modelos semelhantes, várias classes de incerteza são levadas em consideração simultaneamente e os valores de projeto são calculados por um modelo de otimização híbrido robusto e estocástico. O framework de investimento é adequado para qualquer mercado que permita a negociação bilateral, conforme feita no Ambiente de Contratação Livre, e é construído na visão da empresa de geração, ou comercializadora de energia, que pretende investir em uma carteira de geração. Utilizando este framework é possível definir o quanto investir em cada fonte renovável, quanto vender da carteira de energia e o melhor momento para investir. Além disso, com essa modelagem é calculado o prêmio do investimento simultâneo em fontes renováveis complementares. Ele estende os modelos de decisão estáticos, já abordados na literatura, para um contexto dinâmico, ou seja, considerando a decisão ótima de investimento no tempo. Isso é feito utilizando a abordagem numérica desenvolvida por Bastian-Pinto [9], para descrever cenários de variáveis estocásticas que se comportam como um processo de reversão à média (típico dos preços de energia). Ao final são mostrados estudos de caso realistas que demonstram o valor do framework. Este modelo aprimora as decisões da indústria de energia, contribui para aumentar a competitividade das fontes renováveis e reduz a necessidade de subsídios para o investimento. Com isso, impulsiona a penetração das fontes renováveis no mercado brasileiro de energia elétrica. / [en] This dissertation presents a dynamic framework for renewable energy portfolios, based on real options, that maximize the risk-averse investment value. Differently from similar models, several classes of uncertainty are taken into account simultaneously and the project values are calculated by means of a hybrid robust and stochastic optimization model. The investment framework is suitable for any market that allows bilateral trading (as in the Brazilian free contracting environment) and is designed for a generation company or energy trading company, that intends to invest in a renewablesource portfolio. Using this framework it is possible to define how much to buy or build from each renewable source, how much to sell from the energy portfolio, and the best moment to invest. Additionally, the premium for investing simultaneously in several complementary renewable sources is also determined. The section responsible for supporting the dynamic investment timing decision uses the binomial lattice proposed by Bastian-Pinto et al [9], to describe mean reverting processes. This framework improves industry practices, contributes to increase renewables competitiveness and proposes an arragement that reduces the need for subsidies. As a consequence, this model contributes to foster the penetration of renewable sources in Brazilian electricity market.

[pt] A formação do portfólio de uma empresa de Petróleo envolve complexas decisões devido ao ambiente de incertezas e é de extrema importância na definição do futuro estratégico da empresa. Recentemente, a otimização de um portfólio de ativos de exploração e produção de petróleo vem sendo amplamente tratada na literatura, entretanto observa-se uma escassez de trabalhos que consideram a otimização do portfólio de refino. Este trabalho tem por objetivo propor um modelo de formação de portfólio para empresas do setor de óleo e gás, que possuem atividades tanto no segmento de exploração e produção (upstream) quanto no segmento de refino (downstream), levando em conta a integração entre ambos. Assim como nos modelos tradicionais, os preços do barril de petróleo e a produtividade dos campos serão tratadas como incertezas. O modelo proposto utilizará técnicas de programação estocástica com aversão a risco, medido pelo CVaR (Conditional Value-at-Risk). A fim de validar a metodologia proposta, um estudo de caso baseado em uma empresa de óleo e gás será apresentado. A aplicação numérica indicou que o modelo que otimiza o portfólio conjunto de upstream e downstream apresenta resultado da função objetivo até 28 por cento superior ao modelo usualmente tratado na literatura que trata apenas do portfólio de upstream. / [en] The portfolio allocation of an Oil and Gas company involves complex decisions within an uncertain environment and is extremely important in defining the firm s economical and financial future behavior. Recently, the portfolio selection problem for oil exploration and production (E&P) projects has been widely treated in the literature, however, few studies consider the optimization of the combined upstream and downstream portfolio. The purpose of this work is to propose a portfolio selection model for oil and gas companies, which operates both in exploration and production (upstream) and in refining (downstream), considering the integration between them. Crude oil prices and fields performance are the main uncertainties of the problem. The proposed model makes use of risk aversion stochastic programming techniques, measured by CVaR (conditional value at risk). To validate the proposed methodology a case study based on an Oil Company will be presented. The numerical application indicates that the model considering both upstream and downstream portfolio presents objective function results 28 percent higher than the model usually used in the literature that only optimizes the upstream portfolio.

[pt] Minerar bitcoins é uma atividade incerta, e para realizá-la, os participantes competem em um processo chamado Proof-Of-Work. Cada participante pode passar meses ou até anos sem fluxos positivos de caixa, enquanto os custos se mantém. Isto pode afastá-los da tecnologia e a saída de membros afeta a própria rede, que não sobrevive sem a presença de mineradores. Este trabalho propõe estudar o compartilhamento de recompensas em estruturas já existentes na rede: mineradores se juntando em pools de mineração e dividindo receitas e custos, assim diminuindo a variabilidade e gerando fluxos positivos de caixa mais constantes. A receita e custos são modelados, e um modelo de programação estocástica é proposto para encontrar as alocações ótimas que garantem a permanência dos membros no pool. Este grupo de é caracterizado por uma coalizão, estudado através de Teoria dos Jogos. O comportamento dos jogadores também é de estudo neste trabalho, e uma medida monetária de risco, na forma de CVaR (Conditional Value at Risk) é usada para representar o perfil de risco do minerador e as consequências para as alocações ótimas. Embora não haja benefício estrito em fazer parte do pool para um único período de análise, há ganho financeiro quando se analisa em múltiplos períodos, e o tempo médio para se acertar um hash diminui quando os participantes se juntam em um pool. Um ganho na probabilidade de mineração ao fazer parte de um pool aumentaria a receita média da coalizão, trazendo ganhos financeiros mesmo em um único período de análise. Divisões intuitivas de recursos, como por poder computacional ou igualitária podem não garantir estabilidade do pool, principalmente considerando períodos longos de tempo. Tal estabilidade é possível em um futuro sem receitas fixas de mineração, se ocorrerem também mudanças nas receitas variáveis e custos. Três funções objetivo diferentes representando três idéias de partilha de recompensa são comparadas e uma metodologia é proposta para uso conjunto de pelo menos duas destas, com objetivo de aumentar a justiça na divisão das recompensas. / [en] Mining Bitcoins is an uncertain activity, and to perform it, players must compete in a process known as Proof-Of-Work. A miner may spend months or even years without positive cash flows on this process, while still incurring in the associated costs. This outcome has the possibility to drive them away from the technology, and the departure of members affects the network itself, as it cannot survive without the presence of miners. This work proposes to study the sharing of rewards in structures already presented in the network: miners joining forces and taking place in mining pools, sharing revenues and costs, thus having positive cash flows more often, reducing variability in gains. The revenues and costs are modeled, and a stochastic optimization model is proposed to find the optimal allocations that guarantee that all members stay within the pool. This group of miners is characterized by a coalition, studied through Game Theory. The behavior of the players is also subject of this study, and a monetary risk measure, by the form of CVaR (Conditional Value at Risk) is used to represent the miner s risk profile and consequences to the optimal allocations. While there is no strict benefit from being part of a pool for a single block, there is financial gain when looking at multi-period, and the average time to correctly guess a hash decreases when players join forces in a pool. A gain in mining probability by being in the pool would raise the average reward of the coalition and allow for financial benefit even in single period.We observe that intuitive sharing allocations such as through computational power and equally dividing rewards may not guarantee the stability of the pool, mainly when longer periods of time are considered. Said stability is possible in the future without fixed incomes, but with changes to the variable rewards and the costs of mining. Lastly, three different objective functions representing three ideas to share the rewards within the nucleolus are compared and a method is proposed to collectively use at least two of them, aiming increased fairness in the sharing of rewards.

[pt] A Petrobras, maior empresa de óleo e gás do Brasil e uma das maiores do mundo, possui mais de 94 porcento da sua produção proveniente de campos offshore. Na região Sudeste o transporte dos trabalhadores para as unidades marítimas de exploração e produção é realizado por modal aéreo, através de helicópteros afretados de médio a grande porte. Para atender ao grande número de voos, a Petrobras possui uma central de planejamento e programação de voos, cujo objetivo é construir escalas de atendimento eficientes, em relação ao uso de recursos e ao nível de serviço. Um dos desafios enfrentados é gerar, manualmente, programações dos voos em situações de ruptura do atendimento, como por exemplo quando ocorre interrupção de pousos e decolagens devido a condições meteorológicas adversas (exigindo que os voos sejam programados para horários posteriores aos previamente planejados). Nessa dissertação de mestrado, é proposta uma abordagem de programação estocástica para gerar a programação de voos offshore ótima do ponto de vista do nível de serviço, reduzindo os atrasos esperados nos voos. Considerando a característica combinatória dos problemas de agendamento, utilizou-se o método de Aproximação pela Média Amostral (SAA) para gerar os cenários do modelo de programação estocástica. Um modelo de Simulação de Eventos Discretos também foi desenvolvido para avaliar o nível de serviço das programações de voos geradas. Os resultados numéricos indicam que a abordagem estocástica pode reduzir atrasos imprevisíveis, que causam grande impacto nos passageiros e na cadeia de suprimentos. / [en] Petrobras, the largest oil and gas company in Brazil and one of the largest in the world, has more than 94 percent of its production from offshore fields. In the Southeast region, workers are transported to offshore exploration and production units by air, using medium size to large size chartered helicopters. To serve the large number of flights, Petrobras has a flight planning and scheduling center, with the objective of building efficient service scales, related to the use of resources and the level of service. One of the challenges faced is to generate, manually, flight schedules in situations of disruption of service, such as when there is an interruption of landings and takeoffs due to adverse weather conditions (requiring that flights be scheduled for times after those previously planned). In this master s thesis, a stochastic programming approach is proposed to generate the optimal offshore flight schedule from the service level point of view, reducing expected flight delays. Considering the combinatorial characteristic of scheduling problems, the Sample Average Approximation (SAA) method was used to generate the scenarios of the stochastic programming model. A Discrete Event Simulation model was also developed to evaluate the service level of the generated flight schedules. The numerical results indicate that the stochastic approach can reduce unpredictable delays, which have a major impact on passengers and the supply chain.

[pt] A programação estocástica dois estágios é uma abordagem matemática amplamente usada em aplicações da vida real, como planejamento da operação de sistemas de energia, cadeias de suprimentos, logística, gerenciamento de inventário e planejamento financeiro. Como a maior parte desses problemas não pode ser resolvida analiticamente, os tomadores de decisão utilizam métodos numéricos para obter uma solução quase ótima. Em algumas aplicações, soluções não convergidas e, portanto, sub-ótimas terminam sendo implementadas devido a limitações de tempo ou esforço computacional. Nesse contexto, os métodos existentes fornecem uma solução otimista sempre que a convergência não é atingida. As soluções otimistas geralmente geram altos níveis de arrependimento porque subestimam os custos reais na função objetivo aproximada. Para resolver esse problema, temos desenvolvido duas metodologias de solução conservadora para problemas de programação linear estocástica dois estágios com incerteza do lado direito e suporte retangular: Quando a verdadeira distribuição de probabilidade da incerteza é conhecida, propomos um problema DRO (Distributionally Robust Optimization) baseado em esperanças condicionais adaptadas à uma partição do suporte cuja complexidade cresce exponencialmente com a dimensionalidade da incerteza; Quando apenas observações históricas da incerteza estão disponíveis, propomos um problema de DRO baseado na métrica de Wasserstein a fim de incorporar ambiguidade sobre a real distribuição de probabilidade da incerteza. Para esta última abordagem, os métodos existentes dependem da enumeração dos vértices duais do problema de segundo estágio, tornando o problema DRO intratável em aplicações práticas. Nesse contexto, propomos esquemas algorítmicos para lidar com a complexidade computacional de ambas abordagens. Experimentos computacionais são apresentados para o problema do fazendeiro, o problema de alocação de aviões, e o problema do planejamento da operação do sistema elétrico (unit ommitmnet problem). / [en] Two-stage stochastic programming is a mathematical framework widely used in real-life applications such as power system operation planning, supply chains, logistics, inventory management, and financial planning. Since most of these problems cannot be solved analytically, decision-makers make use of numerical methods to obtain a near-optimal solution. Some applications rely on the implementation of non-converged and therefore sub-optimal solutions because of computational time or power limitations. In this context, the existing methods provide an optimistic solution whenever convergence is not attained. Optimistic solutions often generate high disappointment levels because they consistently underestimate the actual costs in the approximate objective function. To address this issue, we have developed two conservative-solution methodologies for two-stage stochastic linear programming problems with right-hand-side uncertainty and rectangular support: When the actual data-generating probability distribution is known, we propose a DRO problem based on partition-adapted conditional expectations whose complexity grows exponentially with the uncertainty dimensionality; When only historical observations of the uncertainty are available, we propose a DRO problem based on the Wasserstein metric to incorporate ambiguity over the actual data-generating probability distribution. For this latter approach, existing methods rely on dual vertex enumeration of the second-stage problem rendering the DRO problem intractable in practical applications. In this context, we propose algorithmic schemes to address the computational complexity of both approaches. Computational experiments are presented for the farmer problem, aircraft allocation problem, and the stochastic unit commitment problem.

[pt] A complementaridade entre os perfis de geração renovável tem sido amplamente explorada na literatura. No entanto, as estruturas regulatórias eeconômicas para usinas híbridas de energia apresentam desafios e oportunidades interessantes para investidores, reguladores e planejadores. Focando nomercado de energia brasileiro, este artigo propõe um cálculo unificado e isonômico de Garantia Física (GF) para geradores renováveis não controláveis, quenos permite 1) generalizar o conceito de GF para unidades híbridas e 2) capturar as sinergias regulatórias e econômicas entre as fontes. Com base na GFnão discriminatória proposta para usinas híbridas de energia, a co-otimizaçãodas estratégias de contratação de energia no mercado de futuro e da rede, o Montante de Uso do Sistema de Transmissão (MUST), é estudada, e seus incentivos econômicos são demonstrados. A participação ótima de fontes renováveisque compõem a geração da usina híbrida também é considerada no modelo eanalisada em nossos estudos de caso. Com base em dados reais do mercadode energia brasileiro, quantificamos os benefícios das estruturas e modelos demercado propostos para uma unidade híbrida típica de eólico-solar. / [en] The complementarity between renewable generation profiles has been widely explored in literature. Notwithstanding, the regulatory and economic frameworks for hybrid power plants add interesting challenges and opportunities for investors, regulators, and planners. Focusing on the Brazilian power market, this paper proposes a unified and isonomic firm energy certificate (FEC) calculation for non-controllable renewable generators, which allows us to 1) generalize the FEC concept for hybrid units and 2) capture the regulatory and economic synergies between sources. Based on the non-discriminatory FEC proposed for hybrid power plants, the co-optimization of both forward-market and network-access contracting strategies is studied, and its economic incentives are demonstrated. The optimal share of renewable sources composing the hybrid power plant is also considered in the model and analyzed in our case studies. Based on real data from the Brazilian power market, we quantify the benefits of the proposed market structures and model for a typical wind–solar hybrid unit.

[pt] Um dos algoritmos mais eficientes para resolver problemas de planejamento de operações hidrotérmicas, que são modelos estocásticos multiestágio de larga escala, é o chamado algoritmo de programação dinâmica dupla estocástica (SDDP). O planejamento da operação dos sistemas de energia visa avaliar o valor dos recursos escassos (por exemplo, água) para alimentar os modelos de despacho de curto prazo usados na implementação real das decisões. Quando o modelo de planejamento se desvia significativamente da realidade da operação implementada, as políticas de decisão são consideradas inconsistentes no tempo. A literatura recente explorou diferentes fontes de inconsistência, como medidas de risco dinâmico inconsistentes no tempo, representação imprecisa do processo de informação e simplificações no modelo de planejamento de rede. Este trabalho aborda a inconsistência no tempo devido a simplificações na representação da rede no modelo de planejamento que estende a literatura existente. O objetivo deste trabalho é propor uma estrutura, composta por uma metodologia e um pacote computacional de código aberto, para testar o impacto operacional e econômico das simplificações da modelagem sobre o fluxo de energia da rede em sistemas de energia hidrotérmica. Entre as inúmeras formulações disponíveis no pacote, nos concentramos em avaliar o custo e o desempenho operacional das seguintes aproximações de modelos: o modelo de rede de transporte (NFA), atualmente em uso pelo operador de sistema brasileiro; o relaxamento de cone de segunda ordem (SOC); o relaxamento de programação semidefinida (SDP); a aproximação do fluxo de energia de corente continua (DC); e o DC com aproximação de fluxo de potência com perda de linha (DCLL). Todas as formulações mencionadas anteriormente são testadas como aproximações para o modelo de rede na fase de planejamento, onde é construída a função de custo futuro. Em seguida, avaliamos cada aproximação simulando a operação do sistema usando um modelo de implementação que minimiza o custo imediato sob as restrições de fluxo de energia AC e a respectiva função de custo futuro. A comparação é feita para dois sistemas, um composto por um ciclo e o outro aproximadamente radial. / [en] One of the most efficient algorithms for solving hydrothermal operation planning problems, which are large-scale multi-stage stochastic models, is the so-called stochastic dual dynamic programming (SDDP) algorithm. Operation planning of power systems aims to assess the value of the scarce resources (e.g. water) to feed short-term dispatch models used in the actual implementation of the decisions. When the planning model significantly deviates from the reality of the implemented operation, decision policies are said to be time-inconsistent. Recent literature has explored different sources of inconsistency such as time-inconsistent dynamic risk measures, inaccurate representation of the information process and simplifications in the network planning model. This work addresses the time-inconsistency due to simplifications in the network representation in the planning model extending the existing literature. The objective of this work is to propose a framework, comprised of a methodology and an open-source computational package, for testing the operative and economic impact of modeling simplifications over the network power-flow in hydrothermal power systems. Among the myriad of formulations available in the package, we focused on assessing the cost and operative performance of the following model approximations: the transportation network-flow model (NFA), currently in use by the Brazilian system operator; the second-order cone relaxation (SOC); the semidefinite programming relaxation (SDP); the DC power-flow approximation (DC); and the DC with line-loss power-flow approximation (DCLL). All the previously mentioned formulations are tested as approximations for the network model in the planning stage, where the cost-to-go function is built. Then, we evaluate each approximation by simulating the system s operation using an implementation model, which minimizes the immediate cost under AC power-flow constraints and the respective cost-to-go function. The comparison is made for two systems, one composed of a cycle and the other approximately radial.