Esta tese trata do desenvolvimento de um modelo de otimização para planejamento da operação de sistemas hidrotérmicos de produção de energia elétrica, chamado SolverSIN. São abordados ao longo do texto os seguintes itens: a estruturação do problema de planejamento da operação hidrotérmica, o reservatório equivalente de energia potencial, o balanço hidroenergético, o balanço de energia e o balanço de intercâmbios entre sistemas de produção de energia. O modelo foi testado e avaliado no Sistema Interligado Nacional de Energia Elétrica (SIN), o sistema hidrotérmico brasileiro, um dos mais complexos do mundo. Foi feita a caracterização da operação histórica do SIN para determinação das funções de perdas e das funções de custo térmico, fundamentais para viabilizar o equacionamento proposto. O modelo \"SolverSIN\" foi escrito em duas linguagens computacionais, um em Planilha eletrônica e outro em linguagem GAMS. A principal contribuição desse modelo é dar suporte à tomada de decisão operacional, envolvendo sistemas hidrotérmicos com eficiência, transparência e precisão. A eficiência do modelo está associada à proposta metodológica, baseada no balanço de energia entre fontes de produção de energia elétrica e as equações de balanço hidroenergético aplicadas aos reservatórios equivalentes de energia potencial. A otimização é feita empregandose a Programação Não Linear (PNL) com utilização das rotinas SNOPT, CONOPT e MINOS. A transparência do modelo é também uma propriedade muito importante, isso fica evidente com processamento do SolverSIN, pois ele permite ao decisor observar claramente o comportamento das variáveis envolvidas no processamento, tanto em situações de simulação, como nas de otimização. A propriedade da precisão é essencial e ela fica evidente com as aplicações apresentadas. Os resultados obtidos demonstram que o equacionamento proposto é adequado para emprego no planejamento da operação de sistemas hidrotérmicos. O SolverSIN é um modelo viável para emprego no planejamento operacional em tempo real de qualquer sistema hidrotérmico. / This thesis treats of development of an optimization model for operation planning of hydrothermal systems for electrical energy production. Discus the problem structure of hydrothermal operation planning, the potential energy equivalent reservoir, the hydro energetic balance, the energy balance and the interchange balance between energy production systems. An optimization model for operation planning is presented and is discussed a case study application with the Brazilian Electrical System. The characterization of historical operation of Brazilian System is done for lose functions determination, needed for the optimization model proposed. Thermal function coasts are also defined. The model entitled \"SolverSIN\" is presented in electronic sheet (Excel) version or GAMS program and is done applications with result analysis. The main contribution of this model is decision maker support on operational hydrothermal systems with efficiency, transparency and precision. The model efficiency is associated with methodological proposal, based on energy balance of electrical sources and hydro energetic balance equations applied to potential energy equivalent reservoir. The optimization process is solved by Non Linear Programming (NLP) with commercial solvers SNOPT, CONOPT and MINOS, with reliable on international technical community. The model transparency is also a property very important. The SolverSIN model runs allow that the decision maker clearly observe the involved variables, either on simulation, or optimization. The precision property is essential and gives evidence with presented applications. The results show that the SolverSIN model is proper for any hydrothermal systems operation planning.

A dissertação trata da aplicação de técnicas de programação não linear para otimização da operação de sistemas hidroenergéticos. Foi analisado o desempenho de diferentes funções objetivo para a otimização energética, assim como de regras para deplecionamento de sistemas hidroenergéticos com configurações em paralelo e em série. Neste caso, foi utilizado um sistema hipotético de reservatórios para permitir maior adequação do sistema aos conceitos que foram testados. O sistema Paranapanema foi escolhido como caso de estudo. Para esta bacia discutem-se aspectos ligados às séries hidrológicas, que constituem o principal dado de entrada do processo de otimização. A aplicação ao sistema Paranapanema foi efetuada com otimização de períodos de até 20 anos. Foram definidas novas regras baseadas na observação dos resultados da otimização de longo período e também apresentados padrões de variação da geração e dos volumes dos reservatórios. Foram feitas comparações com a operação real observada. Apresentou-se uma aplicação à operação de tempo real, que define políticas de operação para curto prazo. Essa aplicação tem horizonte de 12 meses, partindo-se do mês atual e considerando cenários futuros baseados em prognósticos climáticos. Os resultados mostram que a partir das regras definidas é possível ter um entendimento do processo de otimização. Os padrões de variação da geração e dos volumes auxiliam na elaboração de políticas de operação. Dessa forma se tem uma visão abrangente da otimização de um sistema hidroenergético considerando os resultados da otimização dentro de um ciclo sazonal conjuntamente com as implicações da otimização de longo período. / An application analysis of nonlinear programming is developed for hydropower systems optimization. The Paranapanema system is chosen like case study and treats aspects tied to hydrological series, that constitute the main input of optimization process. Different objective functions performance are analyzed for the hydropower optimization. It analyzes rules for emptying of hydropower reservoirs with configurations in parallel and in series. In this case a hypothetical system is used to allow larger system adaptation to the concepts that are tested. An application to the Paranapanema system is made, working with periods optimization of up to 20 years. New rules are defined based on the observation of the results of long period optimization. Also variation standards of power generation and reservoirs volumes are introduced. Comparisons with the observed operation are made. An application to real time operation is made, that defines operation policies for short term. This application has horizon of 12 months, departing of the current month and considering future scenarios based on climate prediction. The results show that is possible to have an optimization process understanding from the defined rules. The generation and volumes variation standards assist in the operation policies elaboration. Thus it has a general vision of hydropower system optimization, considering the results of optimization inside seasonal cycle jointly with the optimization long period implications.

Esta tese trata do desenvolvimento de um modelo de otimização para planejamento da operação de sistemas hidrotérmicos de produção de energia elétrica, chamado SolverSIN. São abordados ao longo do texto os seguintes itens: a estruturação do problema de planejamento da operação hidrotérmica, o reservatório equivalente de energia potencial, o balanço hidroenergético, o balanço de energia e o balanço de intercâmbios entre sistemas de produção de energia. O modelo foi testado e avaliado no Sistema Interligado Nacional de Energia Elétrica (SIN), o sistema hidrotérmico brasileiro, um dos mais complexos do mundo. Foi feita a caracterização da operação histórica do SIN para determinação das funções de perdas e das funções de custo térmico, fundamentais para viabilizar o equacionamento proposto. O modelo \"SolverSIN\" foi escrito em duas linguagens computacionais, um em Planilha eletrônica e outro em linguagem GAMS. A principal contribuição desse modelo é dar suporte à tomada de decisão operacional, envolvendo sistemas hidrotérmicos com eficiência, transparência e precisão. A eficiência do modelo está associada à proposta metodológica, baseada no balanço de energia entre fontes de produção de energia elétrica e as equações de balanço hidroenergético aplicadas aos reservatórios equivalentes de energia potencial. A otimização é feita empregandose a Programação Não Linear (PNL) com utilização das rotinas SNOPT, CONOPT e MINOS. A transparência do modelo é também uma propriedade muito importante, isso fica evidente com processamento do SolverSIN, pois ele permite ao decisor observar claramente o comportamento das variáveis envolvidas no processamento, tanto em situações de simulação, como nas de otimização. A propriedade da precisão é essencial e ela fica evidente com as aplicações apresentadas. Os resultados obtidos demonstram que o equacionamento proposto é adequado para emprego no planejamento da operação de sistemas hidrotérmicos. O SolverSIN é um modelo viável para emprego no planejamento operacional em tempo real de qualquer sistema hidrotérmico. / This thesis treats of development of an optimization model for operation planning of hydrothermal systems for electrical energy production. Discus the problem structure of hydrothermal operation planning, the potential energy equivalent reservoir, the hydro energetic balance, the energy balance and the interchange balance between energy production systems. An optimization model for operation planning is presented and is discussed a case study application with the Brazilian Electrical System. The characterization of historical operation of Brazilian System is done for lose functions determination, needed for the optimization model proposed. Thermal function coasts are also defined. The model entitled \"SolverSIN\" is presented in electronic sheet (Excel) version or GAMS program and is done applications with result analysis. The main contribution of this model is decision maker support on operational hydrothermal systems with efficiency, transparency and precision. The model efficiency is associated with methodological proposal, based on energy balance of electrical sources and hydro energetic balance equations applied to potential energy equivalent reservoir. The optimization process is solved by Non Linear Programming (NLP) with commercial solvers SNOPT, CONOPT and MINOS, with reliable on international technical community. The model transparency is also a property very important. The SolverSIN model runs allow that the decision maker clearly observe the involved variables, either on simulation, or optimization. The precision property is essential and gives evidence with presented applications. The results show that the SolverSIN model is proper for any hydrothermal systems operation planning.

A dissertação trata da aplicação de técnicas de programação não linear para otimização da operação de sistemas hidroenergéticos. Foi analisado o desempenho de diferentes funções objetivo para a otimização energética, assim como de regras para deplecionamento de sistemas hidroenergéticos com configurações em paralelo e em série. Neste caso, foi utilizado um sistema hipotético de reservatórios para permitir maior adequação do sistema aos conceitos que foram testados. O sistema Paranapanema foi escolhido como caso de estudo. Para esta bacia discutem-se aspectos ligados às séries hidrológicas, que constituem o principal dado de entrada do processo de otimização. A aplicação ao sistema Paranapanema foi efetuada com otimização de períodos de até 20 anos. Foram definidas novas regras baseadas na observação dos resultados da otimização de longo período e também apresentados padrões de variação da geração e dos volumes dos reservatórios. Foram feitas comparações com a operação real observada. Apresentou-se uma aplicação à operação de tempo real, que define políticas de operação para curto prazo. Essa aplicação tem horizonte de 12 meses, partindo-se do mês atual e considerando cenários futuros baseados em prognósticos climáticos. Os resultados mostram que a partir das regras definidas é possível ter um entendimento do processo de otimização. Os padrões de variação da geração e dos volumes auxiliam na elaboração de políticas de operação. Dessa forma se tem uma visão abrangente da otimização de um sistema hidroenergético considerando os resultados da otimização dentro de um ciclo sazonal conjuntamente com as implicações da otimização de longo período. / An application analysis of nonlinear programming is developed for hydropower systems optimization. The Paranapanema system is chosen like case study and treats aspects tied to hydrological series, that constitute the main input of optimization process. Different objective functions performance are analyzed for the hydropower optimization. It analyzes rules for emptying of hydropower reservoirs with configurations in parallel and in series. In this case a hypothetical system is used to allow larger system adaptation to the concepts that are tested. An application to the Paranapanema system is made, working with periods optimization of up to 20 years. New rules are defined based on the observation of the results of long period optimization. Also variation standards of power generation and reservoirs volumes are introduced. Comparisons with the observed operation are made. An application to real time operation is made, that defines operation policies for short term. This application has horizon of 12 months, departing of the current month and considering future scenarios based on climate prediction. The results show that is possible to have an optimization process understanding from the defined rules. The generation and volumes variation standards assist in the operation policies elaboration. Thus it has a general vision of hydropower system optimization, considering the results of optimization inside seasonal cycle jointly with the optimization long period implications.

Uma das aplicações mais importantes da análise de sistemas no planejamento de recursos hídricos diz respeito à determinação de estratégias operacionais de sistemas de múltiplos reservatórios, elementos indispensáveis aos aproveitamentos hídricos, cuja operação é alvo de análises que podem envolver muitas restrições e variáveis de decisão. Fica evidenciada, portanto, a necessidade de a operação destes ser otimizada, propiciando assim, o seu melhor aproveitamento, com o menor custo para a sociedade. A presente pesquisa estuda a operação otimizada de um sistema de reservatórios destinado a geração de energia elétrica, usando um modelo híbrido composto de algoritmos genéticos e o SIMPLEX de Nelder e Mead acoplado à programação linear sucessiva. Em conformidade com a recente proposta de Reis et al. (2005), o problema de otimização é resolvido através da decomposição em subproblemas seqüenciais independentes relativos a cada estágio de operação, conectados entre si por supor que os volumes dos reservatórios no final de cada estágio correspondam ao estado do sistema no início do estágio subseqüente. Para estimular a utilização mais eficiente dos volumes armazenados, no suprimento das demandas hídricas dos estágios futuros, são aplicados fatores de redução de custo (FRCs) sobre os volumes armazenados remanescentes no final de cada estágio / One of the most important uses for system analysis in water resources planning is the determination of the operational strategy for multiple reservoir systems, fundamental to better water supply, whose operation is the purpose of analysis that may involve many operation constraints and decision variables. Stay clear, so, the need of optimize their operation, creating in this manner, its best utilization with the less cost to society. This research on the optimal operation of a reservoir system has hydropower generation as its main objective. The optimization framework employs a hybrid model which corresponds to a combination of genetic algorithms and SIMPLEX of Nelder e Mead before employing successive linear programming. Accordant to recent Reis et. al (2005) proposal, the problem of optimizing is solved through decomposition in independents sequential sub problems related to each stage of operation, connected among themselves by supposing that reservoir storage at the end of each stage corresponds to the system state at the beginning of the subsequent stage. To promote the most efficient use of storage for water supply in future stages, FRC (cost reduction factors) are applied on the storage left at the end of each stage

Uma das aplicações mais importantes da análise de sistemas no planejamento de recursos hídricos diz respeito à determinação de estratégias operacionais de sistemas de múltiplos reservatórios, elementos indispensáveis aos aproveitamentos hídricos, cuja operação é alvo de análises que podem envolver muitas restrições e variáveis de decisão. Fica evidenciada, portanto, a necessidade de a operação destes ser otimizada, propiciando assim, o seu melhor aproveitamento, com o menor custo para a sociedade. A presente pesquisa estuda a operação otimizada de um sistema de reservatórios destinado a geração de energia elétrica, usando um modelo híbrido composto de algoritmos genéticos e o SIMPLEX de Nelder e Mead acoplado à programação linear sucessiva. Em conformidade com a recente proposta de Reis et al. (2005), o problema de otimização é resolvido através da decomposição em subproblemas seqüenciais independentes relativos a cada estágio de operação, conectados entre si por supor que os volumes dos reservatórios no final de cada estágio correspondam ao estado do sistema no início do estágio subseqüente. Para estimular a utilização mais eficiente dos volumes armazenados, no suprimento das demandas hídricas dos estágios futuros, são aplicados fatores de redução de custo (FRCs) sobre os volumes armazenados remanescentes no final de cada estágio / One of the most important uses for system analysis in water resources planning is the determination of the operational strategy for multiple reservoir systems, fundamental to better water supply, whose operation is the purpose of analysis that may involve many operation constraints and decision variables. Stay clear, so, the need of optimize their operation, creating in this manner, its best utilization with the less cost to society. This research on the optimal operation of a reservoir system has hydropower generation as its main objective. The optimization framework employs a hybrid model which corresponds to a combination of genetic algorithms and SIMPLEX of Nelder e Mead before employing successive linear programming. Accordant to recent Reis et. al (2005) proposal, the problem of optimizing is solved through decomposition in independents sequential sub problems related to each stage of operation, connected among themselves by supposing that reservoir storage at the end of each stage corresponds to the system state at the beginning of the subsequent stage. To promote the most efficient use of storage for water supply in future stages, FRC (cost reduction factors) are applied on the storage left at the end of each stage

Optimal operation of reservoir systems is necessary for better utilizing the limited water resources and to justify the high capital investments associated with reservoir projects. However, finding optimal policies for real-life problems of reservoir systems operation (RSO) is a challenging task as the available analytical methods can not handle the arbitrary functions of the problem and almost all methods employed are numerical or iterative type that are computer dependent. Since the computer resources in terms of memory and CPU time are limited, a limit exists for the size of the problem, in terms of arithmetic and memory involved, that can be handled. This limit is approached quickly as the dimension and the nonlinearity of the problem increases. In encountering the complex aspects of the problem all the traditionally employed methods have their own drawbacks. Linear programming (LP), though very efficient in dealing with linear functions, can not handle nonlinear functions which is the case mostly in real-life problems. Attempting to approximate nonlinear functions to linear ones results in the problem size growing enormously. Dynamic programming (DP), though suitable for most of the RSO problems, requires exponentially increasing computer resources as the dimension of the problem increases and at present many high dimensional real-life problems can not be solved using DP. Nonlinear programming (NLP) methods are not known to be efficient in RSO problems due to slow rate of convergence and inability to handle stochastic problems. Simulation methods can, practically, explore only a small portion of the search region. Many simplifications in formulations and adoption of approximate methods in literature still fall short in addressing the most critical aspects, namely multidimensionality, stochasticity, and additional complexity in conjunctive operation, of the problem. As the problem complexity increases and the possibility of arriving at the solution recedes, a near optimal solution with the best use of computational resources can be very valuable. In this context, genetic algorithms (GA) can be a promising technique which is believed to have an advantage in terms of efficient use of computer resources. GA is a random search method which find, in general, near optimal solutions using evolutionary mechanism of natural selection and natural genetics. When a pool of feasible solutions, represented in a coded form, are given fitness according to a objective function and explored by genetic operators for obtaining new pools of solutions, then the ensuing trajectories of solutions come closer and closer to the optimal solution which has the greatest fitness associated with it. GA can be applied to arbitrary functions and is not excessively sensitive to the dimension of the problem. Though in general GA finds only the near optimal solutions trapping in local optima is not a serious problem due to global look and random search. Since GA is not fully explored for RSO problems two such problems are selected here to study the usefulness and efficiency of GA in obtaining near optimal solutions. One problem is conjunctive operation of a system consisting of a surface reservoir and an aquifer, taken from the literature for which deterministic and stochastic models are solved. Another problem is real-time operation of a multipurpose reservoir, operated for irrigation (primary purpose) and hydropower production, which is in the form of a case study. The conjunctive operation problem consists of determining optimal policy for a combined system of a surface reservoir and an aquifer. The surface reservoir releases water to an exclusive area for irrigation and to a recharge facility from which it reaches the aquifer in the following period. Another exclusive area is irrigated by water pumped from the aquifer. The objective is to maximize the total benefit from the two irrigated areas. The inflow to the surface reservoir is treated as constant in deterministic model and taken at 6 different classes in stochastic model. The hydrological interactions between aquifer and reservoir are described using a lumped parameter model in which the average aquifer water table is arrived at based on the quantity of water in the aquifer, and local drawdown in pumping well is neglected. In order to evaluate the GA solution both deterministic and stochastic models are solved using DP and stochastic DP (SDP) techniques respectively. In the deterministic model, steady state (SS) cyclic (repetitive) solution is identified in DP as well as in GA. It is shown that the benefit from GA solution converges to as near as 95% of the benefit from exact DP solution at a highly discounted CPU time. In the stochastic model, the steady state solution obtained with SDP consists of converged first stage decisions, which took a 8-stage horizon, for any combination of components of the system state. The GA solution is obtained after simplifying the model to reduce the number of decision variables. Unlike SDP policy which gives decisions considering the state of the system in terms of storages, at reservoir, aquifer, and recharge facility, and previous inflow at the beginning of that period, GA gives decisions for each period of the horizon considering only the past inflow state of the period. In arriving at these decisions the effect of neglected state information is approximately reflected in the decisions by the process of refinement of the decisions, to conform to feasibility of storages in reservoir and aquifer, carried out in a simplified simulation process. Moreover, the validity of the solution is confirmed by simulating the operation with all possible inflow sequences for which the 8-stages benefit converged up to 90 % of the optimum. However, since 8 stages are required for convergence to SS, a 16-stage process is required for GA method in which the first 8 stages policy is valid. Results show that GA convergence to the optimum is satisfactory, justifying the approximations, with significant savings in CPU time. For real-time operation of a multipurpose reservoir, a rule curve (RC) based monthly operation is formulated and applied on a real-life problem involving releases for irrigation as well as power production. The RC operation is based on the target storages that have to be maintained, at each season of the year, in the reservoir during normal hydrological conditions. Exceptions to target storages are allowed when the demands have to be met or for conserving water during the periods of high inflows. The reservoir in the case study supplies water to irrigation fields through two canals where a set of turbines each at the canal heads generate hydropower. A third set of turbines operate on the river bed with the water let out downstream from the dam. The problem consists of determining the the RC target storages that facilitate maximum power production while meeting the irrigation demands up to a given reliability level. The RC target storages are considered at three different levels, corresponding to dry, normal, and wet conditions, according to the system state in terms of actual (beginning of period) storage of the reservoir. That is, if the actual beginning storage of the reservoir is less than some coefficient, dry-coe, times the normal target storage the target for the end of the period storage is taken at the dry storage target (of the three sets of storages). Similarly the wet level is taken for the end of the period target if the actual beginning storage is greater than some coefficient, wet-coe, times the normal storage. For other conditions the target is the normal storage level. The dry-coe and wet-coe parameters are obtained by trial and error analysis working on a small sequence of inflows. The three sets of targets are obtained from optimization over a 1000 year generated inflow sequence. With deterministic DP solutions, for small sequences of inflows, the optimization capability of GA-RC approach, in terms of objective function convergence, and generalization or robustness capability of GA-RC approach, for which the GA-RC benefit is obtained by simulating the reservoir operation using the previously obtained GA-RC solution, are evaluated. In both the cases GA-RC approach proves to be promising. Finally a 15 year real-time simulation of the reservoir is carried out using historical inflows and demands and the comparison with the historical operation shows significant improvement in benefit, i.e. power produced, without compromising irrigation demands throughout the simulation period.