Orientador : Prof. Dr. Marcelo Rodrigues Bessa / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia de Recursos Hídricos e Ambiental. Defesa: Curitiba, 11/05/2016 / Inclui referências : f.149-156 / Resumo: A presente dissertação propõe um método para a otimização da operação de usinas hidrelétricas com o objetivo de atender à demanda de eletricidade ao menor custo da complementação termelétrica. Faz-se uso da Programação Dinâmica Estocástica (Stochastic Dynamic Programming - SDP) e a modelagem se dá por meio de um Processo de Decisão de Markov (Markov Decision Process - MDP). O intuito é ava-liar a aplicação da SDP desenvolvida em uma linguagem de programação vetorial, o Matlab©. As usinas hidrelétricas são mantidas individuais para que suas característi-cas possam ser detalhadas, enquanto a complementação termelétrica é determina-da por uma função de custo. O MDP tem horizonte finito de sessenta meses. As va-riáveis de estado são os níveis de reservatório discretizados e as classes de vazões afluentes. As variáveis de decisão são as vazões turbináveis discretizadas. A matriz de transição do MDP calcula as probabilidades de que uma determinada classe de vazões afluentes ocorra, dadas as ocorrências das classes no mês anterior. O códi-go foi escrito de modo a usar, sempre que possível, vetores e matrizes, evitando la-ços, para potencializar as características da linguagem vetorial. São cinco as usinas hidrelétricas consideradas para o estudo de caso, todas em cascata no rio Iguaçu: dois reservatórios e três usinas a fio d'água, sendo que as usinas do rio Jordão, afluente do Iguaçu, não estão incluídas. Produzida como resultado da otimização, uma tabela de decisões é entregue a um simulador, alimentado pela série histórica. Os resultados da simulação são comparados ao simulador MSUI. O otimizador pro-posto alcançou geração média superior na cascata, deplecionando mais os reserva-tórios, especialmente o de cabeceira, e reduzindo vertimentos. Como as afluências do rio Iguaçu não são sazonais, o nível médio dos reservatórios é mantido entre 50% e 60%. Por fim, foram realizadas medidas de desempenho computacional, tan-to em velocidade de processamento como em alocação de memória. A memória tor-na-se o fator limitante com relação ao tempo computacional, mostrando que o códi-go usa a capacidade de processamento matricial para acelerar sua execução. PALAVRAS-CHAVE: programação dinâmica estocástica, otimização da operação de usinas, processos de decisão de Markov, linguagem vetorial, Rio Iguaçu. / Abstract: This dissertation proposes a method for the optimization of hydropower plants operation in order to meet demand at the lowest cost of the complementary thermoelectric production. Makes use of Stochastic Dynamic Programming - SDP and modeling is made through a Markov Decision Process - MDP. The aim is to evaluate the implementation of the SDP in the code written in a vector programming language, Matlab©. Hydroelectric plants are kept individual so that their characteris-tics can be detailed, while the thermal complementation is determined by a cost func-tion. The MDP has finite horizon of sixty months, the state variables are the discre-tized reservoir levels and the inflows classes. The decision variables are the discre-tized possible turbine flows. The MDP's transition matrix calculates the probabilities that a certain class of affluent flows occur, given that certain classes had ocurred in the previous month. The code was written to use, whenever possible, vectors and matrixes, avoiding loops in order to enhance the characteristics of the vector pro-gramming language. There are five hydroelectric plants considered for the case study, all cascaded on the Iguaçu River: two reservoirs that can regularize their out-flow, and three that cannot. The power plants of the Jordão River, Iguaçu affluent, are not included. Produced as a result of optimization, a table of decisions is given to a simulator, running the historical series. The results are compared to MSUI simula-tor. The proposed optimizer achieved higher average generation in the cascade, more depleted reservoirs, especially the first one in the cascade, and reduced spills. As the affluences of the Iguaçu River are not seasonal, the average level of the res-ervoirs is maintained between 50% and 60%. Finally, computational performance measurements were performed both in processing speed as memory allocation. The memory becomes the limiting factor prior to the computational time showing that the vectorial code uses the processing capability to accelerate its execution. KEYWORDS: stochastic dynamic programming, optimization of power plant opera-tion, Markov decision processes, vector language, Iguaçu River.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace.c3sl.ufpr.br:1884/46237 |
| Date | January 2016 |
| Creators | Locatelli, Fabiano Ari |
| Contributors | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia de Recursos Hídricos e Ambiental, Bessa, Marcelo Rodrigues |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 156 f. : il. algumas color., grafs., tabs., maps., application/pdf |
| Source | reponame:Repositório Institucional da UFPR, instname:Universidade Federal do Paraná, instacron:UFPR |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | Disponível em formato digital |
Page generated in 0.0019 seconds