Spelling suggestions: "subject:"planejamento dde sistemas hidrotérmico."" "subject:"planejamento dde sistemas hidrotérmica.""
1 |
Planejamento de sistemas hidrotérmicos empregando um modelo com sensibilidade ao risco de vertimento / Hydrothermal scheduling problems employing spillage risk sensitive modelsLima, Amanda Maciel Pontes de 07 August 2006 (has links)
A importância do planejamento de sistemas hidrotérmicos é largamente reconhecida. A questão constitui-se em um complicado problema de otimização que envolve aspectos não-lineares e estocásticos, e que se torna mais complexo quando várias usinas são consideradas em conjunto, em virtude da ocorrência de interações. Apesar de se conhecerem formalizações teóricas do problema e da solução, a complexidade acarreta sérios entraves computacionais e muitas vezes consideram-se apenas cenários simplificados, como o determinístico ou estocástico com um modelo de reservatório equivalente. Este trabalho tem como objetivo conciliar a facilidade numérica de problemas determinísticos com a consideração indireta da natureza estocástica do problema. Com esta finalidade, propõe-se o uso de um funcional de custo que reflete o risco de vertimento a cada período. Outra linha estudada neste trabalho foi a de rastreamento de alvo utilizando a técnica de controle Linear Quadrático (LQ). A eficácia das estratégias propostas é avaliada através de diversos casos de estudo, incluindo comparação com o planejamento determinístico usual / The scheduling of hydrothermal systems is an important and challenging problem. In fact, the problem is complex since it involves the optimization of a cost functional related to a nonlinear and stochastic system. Although mathematical formulations of the problem are available, there are computational issues (as the course of dimensionality in dynamical programming) that make difficult to obtain the solution. In this situation, some simplifyied equivalent models or deterministic formulations were considered in the literature, which are simpler to deal with. The aim of this work is to obtain a solution thet presents the ease of computaion of deterministic models and, simultaneously, it reflects the stochastic nature of the problem, at some extension. The strategy consists of taking into account a cost functional that is related to the risk of spillage at each period. Another strategy considered here is the linear quadratic control with a target. Several case estudies are presented, which employ different models for the stochastic inflow, allwing us to evaluate the effectiveness of the strategies and to compare them with the usual deterministic control
|
2 |
Planejamento de sistemas hidrotérmicos empregando um modelo com sensibilidade ao risco de vertimento / Hydrothermal scheduling problems employing spillage risk sensitive modelsAmanda Maciel Pontes de Lima 07 August 2006 (has links)
A importância do planejamento de sistemas hidrotérmicos é largamente reconhecida. A questão constitui-se em um complicado problema de otimização que envolve aspectos não-lineares e estocásticos, e que se torna mais complexo quando várias usinas são consideradas em conjunto, em virtude da ocorrência de interações. Apesar de se conhecerem formalizações teóricas do problema e da solução, a complexidade acarreta sérios entraves computacionais e muitas vezes consideram-se apenas cenários simplificados, como o determinístico ou estocástico com um modelo de reservatório equivalente. Este trabalho tem como objetivo conciliar a facilidade numérica de problemas determinísticos com a consideração indireta da natureza estocástica do problema. Com esta finalidade, propõe-se o uso de um funcional de custo que reflete o risco de vertimento a cada período. Outra linha estudada neste trabalho foi a de rastreamento de alvo utilizando a técnica de controle Linear Quadrático (LQ). A eficácia das estratégias propostas é avaliada através de diversos casos de estudo, incluindo comparação com o planejamento determinístico usual / The scheduling of hydrothermal systems is an important and challenging problem. In fact, the problem is complex since it involves the optimization of a cost functional related to a nonlinear and stochastic system. Although mathematical formulations of the problem are available, there are computational issues (as the course of dimensionality in dynamical programming) that make difficult to obtain the solution. In this situation, some simplifyied equivalent models or deterministic formulations were considered in the literature, which are simpler to deal with. The aim of this work is to obtain a solution thet presents the ease of computaion of deterministic models and, simultaneously, it reflects the stochastic nature of the problem, at some extension. The strategy consists of taking into account a cost functional that is related to the risk of spillage at each period. Another strategy considered here is the linear quadratic control with a target. Several case estudies are presented, which employ different models for the stochastic inflow, allwing us to evaluate the effectiveness of the strategies and to compare them with the usual deterministic control
|
3 |
Uma contribuição metodológica para a otimização da operação e expansão do sistema hidrotérmico brasileiro mediante a representação estocástica da geração eólica / A proposal of methodology to optimize the operation and expansion of the Brazilian hydrotermal system by representing the wind power generation stochastically.Mummey, Juliana Ferrari Chade 12 May 2017 (has links)
A participação da energia eólica na geração de energia elétrica tem apresentado incremento importante nos últimos anos e a tendência é de representar 11,6% da capacidade instalada brasileira em 2024, segundo a Empresa de Pesquisa Energética (EPE). Hoje, nos modelos de otimização para o despacho das usinas no atendimento da carga de energia do sistema, a energia eólica, assim como as pequenas centrais hidrelétricas e a energia a biomassa, são abatidas da carga de forma determinística, não representando a incerteza na produção dessas usinas. Dada a variabilidade na geração de energia eólica, devido às variações nas velocidades dos ventos e considerando o aumento da participação eólica na matriz de eletricidade brasileira, fato que realça a relevância da fonte, este trabalho desenvolve uma representação estocástica da geração eólica a partir de dados históricos reconstruídos de velocidades de vento de 16 coordenadas do Brasil, em especial das regiões Nordeste e Sul. Os valores de velocidade de vento são transformados em energia eólica através de curvas de potência de turbinas e as usinas eólicas são representadas como se fossem usinas hidráulicas a fio d água no modelo de otimização Newave. A representação do histórico de geração eólica é feita através de vazões nos rios, considerando-se também a expansão no horizonte até 2020. O trabalho tem como base os dados do Newave oficial de agosto de 2016. Com a simulação do modelo considerando-se as séries históricas e sintéticas, o trabalho simula o despacho das usinas, o comportamento dos custos marginais, verificando-se as diferenças no comportamento dessas variáveis quando se utiliza uma representação estocástica para a energia eólica, em comparação com a modelagem determinística utilizada hoje. / Wind power has an increasing share of the Brazilian energy market and has the potential to represent 11.6% of the total capacity by 2024, according to Energy Research Company (EPE). The current optimization models, that dispatch power plants to meet demand, only optimize the demand using hydroelectric and thermal power plants. The remaining sources of generation including wind power, small hydroelectric plants and biomass plants, are not part of the optimization model and are included deterministically. There is variability in wind power generation because of wind speeds variations and considering the increase of the wind power share in the Brazilian electricity matrix, which stresses its importance, this work evaluates a stochastic representation for wind power generation through historical wind speed data of 16 coordinates from the Northeast and South of Brazil. It proposes to introduce wind power plants into the optimization model called Newave by proxy of run-of-river hydropower plants and their inflow. This study also considers wind power expansion in Brazil up to 2020 and the database is the official Newave as of August 2016. This work aims to verify the dispatches of the power plants and the marginal costs, considering the differences between the model used today and the stochastic model presented in the study.
|
4 |
Uma contribuição metodológica para a otimização da operação e expansão do sistema hidrotérmico brasileiro mediante a representação estocástica da geração eólica / A proposal of methodology to optimize the operation and expansion of the Brazilian hydrotermal system by representing the wind power generation stochastically.Juliana Ferrari Chade Mummey 12 May 2017 (has links)
A participação da energia eólica na geração de energia elétrica tem apresentado incremento importante nos últimos anos e a tendência é de representar 11,6% da capacidade instalada brasileira em 2024, segundo a Empresa de Pesquisa Energética (EPE). Hoje, nos modelos de otimização para o despacho das usinas no atendimento da carga de energia do sistema, a energia eólica, assim como as pequenas centrais hidrelétricas e a energia a biomassa, são abatidas da carga de forma determinística, não representando a incerteza na produção dessas usinas. Dada a variabilidade na geração de energia eólica, devido às variações nas velocidades dos ventos e considerando o aumento da participação eólica na matriz de eletricidade brasileira, fato que realça a relevância da fonte, este trabalho desenvolve uma representação estocástica da geração eólica a partir de dados históricos reconstruídos de velocidades de vento de 16 coordenadas do Brasil, em especial das regiões Nordeste e Sul. Os valores de velocidade de vento são transformados em energia eólica através de curvas de potência de turbinas e as usinas eólicas são representadas como se fossem usinas hidráulicas a fio d água no modelo de otimização Newave. A representação do histórico de geração eólica é feita através de vazões nos rios, considerando-se também a expansão no horizonte até 2020. O trabalho tem como base os dados do Newave oficial de agosto de 2016. Com a simulação do modelo considerando-se as séries históricas e sintéticas, o trabalho simula o despacho das usinas, o comportamento dos custos marginais, verificando-se as diferenças no comportamento dessas variáveis quando se utiliza uma representação estocástica para a energia eólica, em comparação com a modelagem determinística utilizada hoje. / Wind power has an increasing share of the Brazilian energy market and has the potential to represent 11.6% of the total capacity by 2024, according to Energy Research Company (EPE). The current optimization models, that dispatch power plants to meet demand, only optimize the demand using hydroelectric and thermal power plants. The remaining sources of generation including wind power, small hydroelectric plants and biomass plants, are not part of the optimization model and are included deterministically. There is variability in wind power generation because of wind speeds variations and considering the increase of the wind power share in the Brazilian electricity matrix, which stresses its importance, this work evaluates a stochastic representation for wind power generation through historical wind speed data of 16 coordinates from the Northeast and South of Brazil. It proposes to introduce wind power plants into the optimization model called Newave by proxy of run-of-river hydropower plants and their inflow. This study also considers wind power expansion in Brazil up to 2020 and the database is the official Newave as of August 2016. This work aims to verify the dispatches of the power plants and the marginal costs, considering the differences between the model used today and the stochastic model presented in the study.
|
Page generated in 0.101 seconds