Teses, Dissertações e Outros

O planejamento da operação de longo prazo do Sistema Interligado Nacional (SIN) tem como objetivo determinar políticas operativas para um sistema hidrotérmico de grande porte, coordenando a utilização de usinas hidrelétricas, termelétricas e fontes renováveis variáveis sob incerteza. Nesse contexto, os reservatórios hidrelétricos desempenham papel fundamental ao transferir energia no tempo por meio do armazenamento de água, permitindo equilibrar custos imediatos de operação e benefícios futuros associados ao uso desse recurso. Matematicamente, esse problema é formulado como um programa de otimização estocástica contínuo. Como sua resolução direta é computacionalmente inviável, as incertezas são discretizadas por meio de uma Aproximação por Média Amostral (Sample Average Approximation – SAA), dando origem a um problema com árvore de cenários discretos, resolvido pela Programação Dinâmica Dual Estocástica (PDDE). Na abordagem tradicionalmente adotada na literatura, essa discretização é representada por um conjunto fixo de cenários backward, mantido inalterado ao longo de todas as iterações do algoritmo. Entretanto, a utilização de uma única discretização da incerteza impõe limitações importantes nas aplicações práticas de grande porte. Nas aplicações oficiais de planejamento da operação do SIN, o tempo disponível para a realização dos estudos frequentemente limita o grau de refinamento que pode ser alcançado por essa discretização. Como consequência, as políticas operativas podem tornar-se excessivamente dependentes da árvore de cenários utilizada, fazendo com que pequenas alterações na modelagem produzam diferenças desproporcionais nos resultados operativos. Nessas condições, distinguir os impactos efetivamente decorrentes da modelagem daqueles associados à discretização da incerteza torna-se um desafio para a validação e a interpretação dos estudos de planejamento. A principal contribuição desta tese consiste em substituir a discretização fixa tradicional por uma estratégia de reamostragem dos cenários backward a cada iteração da PDDE. Em vez de concentrar as iterações do algoritmo no refinamento de uma única discretização, a metodologia proposta incorpora sucessivas discretizações do problema contínuo ao longo do processo iterativo, reduzindo a dependência das políticas operativas em relação a uma árvore de cenários específica, sem aumento do custo computacional. A fundamentação teórica da proposta baseia-se na desigualdade de Jensen, demonstrando que, quando as árvores de cenários são construídas por meio de um procedimento de estratificação associado aos centroides das partições, as funções de recurso obtidas constituem aproximações inferiores válidas da função de recurso contínua. Com base nessa propriedade, demonstra-se a convergência quase certa do algoritmo proposto. A metodologia é avaliada por meio de um caso tutorial, de um sistema hidrotérmico em cascata de pequeno porte e de uma aplicação em larga escala correspondente ao planejamento da operação do SIN utilizando o modelo NEWAVE, considerando explicitamente a representação individualizada de 162 usinas hidrelétricas e 119 usinas termelétricas com afluências correlacionadas de alta dimensão. Os resultados demonstram que, mantendo o mesmo custo computacional, a abordagem proposta produz políticas operativas de maior qualidade e reduz significativamente sua dependência em relação a uma árvore de cenários backward específica. Como consequência, as diferenças observadas nos resultados operativos passam a refletir mais fielmente alterações efetivas da modelagem, aumentando a robustez, a estabilidade e a reprodutibilidade dos estudos oficiais de planejamento da operação de longo prazo do SIN.