30/08 a 03/09

XLII SBPO

Bento gonalves rs

PROGRAMAO DINMICA ESTOCSTICA APLICADA AO PLANEJAMENTO DA

OPERAO DO SISTEMA ELTRICO BRASILEIRO ATRAVS DO USO DE
PROCESSAMENTO PARALELO
Bruno H. Dias
PUC-Rio1 / UFJF2
Rua Marqus de So Vicente, 225 Gvea, 22451-900, Rio de Janeiro, RJ 1
Campus da UFJF, Plataforma do Setor de Tecnologia, 36036-330, Juiz de Fora, MG2
bdias@ieee.org
Andr L. M. Marcato
Universidade Federal de Juiz de Fora - UFJF
Campus da UFJF, Plataforma do Setor de Tecnologia, 36036-330, Juiz de Fora, MG
andre.marcato@ufjf.edu.br
Reinaldo C. Souza
Pontifcia Universidade Catlica do Rio de Janeiro PUC-Rio
Rua Marqus de So Vicente, 225 Gvea, 22451-900, Rio de Janeiro, RJ
reinaldo@ele.puc-rio.br
Murilo P. Soares
Operador Nacional do Sistema Eltrico - ONS
Rua da Quitanda, 196 Centro, 20091-005 Rio de Janeiro, RJ
murilopsoares@yahoo.com.br
Ivo C. Silva Jr, Tales P. Ramos, Rafael B. S. Brandi, Edimar J. Oliveira, Marcelo A. Tomim
Universidade Federal de Juiz de Fora - UFJF
Campus da UFJF, Plataforma do Setor de Tecnologia, 36036-330, Juiz de Fora, MG
Ivo.junior@ufjf.edu.br, rafael.brandi@engenharia.ufjf.br, tales.pulinho@engenharia.ufjf.br,
edimar.oliveira@ufjf.edu.br, matomim@gmail.com
RESUMO
Neste trabalho so utilizadas tcnicas de processamento paralelo para estudo de
viabilizao da tcnica de programao dinmica estocstica utilizando algoritmo de fechos
convexos aplicada ao planejamento da operao de mdio prazo. As usinas hidreltricas
representadas so agrupadas em reservatrios equivalentes de energia e as funes de custo
futuro modeladas por aproximao linear. Para validao da metodologia o estudo proposto
realizado utilizando os dados do sistema eltrico brasileiro.
KEYWORDS. Planejamento de Sistemas Hidrotrmicos. Programao Dinmica
Estocstica. Programao Paralela. Pesquisa Operacional em Energia Eltrica.
ABSTRACT
This paper uses parallel processing techniques to study the viability of the stochastic
dynamic programming using convex hull algorithm applied to long term electrical system
operation planning. The hydroelectric plants are grouped into energy equivalent reservoirs and
the expected cost functions are modeled by a piecewise linear approximation. To validate the
methodology the proposed study uses data from the brazilian electrical power system.
KEYWORDS. Hydrothermal System Planning. Stochastic Dynamic Programming. Parallel
Programming. Operations research applied to Electrical Energy.

825

30/08 a 03/09

XLII SBPO

Bento gonalves rs

1. Introduo
O planejamento da operao de sistemas eltricos tem por objetivo a determinao do
montante de produo de energia por cada unidade geradora que minimize o valor esperado do
custo total de operao do sistema no horizonte considerado, mantendo um nvel pr-determinado
de confiabilidade (Fortunato, 1990).
Na operao de sistemas hidrotrmicos, como o Sistema Eltrico Brasileiro (SEB), o
objetivo usar, sempre que possvel, a gerao de origem hidreltrica, usando as demais fontes
como gerao complementar a fim de agregar maior confiabilidade ao sistema.
O planejamento da operao do SEB dividido de acordo com o horizonte de estudo
que vai do despacho hidrotrmico at o planejamento de mdio prazo. No despacho hidrotrmico
o sistema representado de forma detalhada, j que as restries de operao dos reservatrios
so conhecidas e as incertezas com relao s afluncias so muito baixas. medida que o
horizonte se distancia do despacho horrio, a incerteza com relao s afluncias aumenta,
tornando o problema mais complexo do ponto de vista estatstico. Por outro lado, as restries
horrias perdem importncia em horizontes maiores, e a representao fsica do sistema pode ser
simplificada (Maceira, 2002; Silva, 2001).
O presente trabalho apresenta como foco o planejamento de mdio prazo, cujo
horizonte varia de um a cinco anos, com elevadas incertezas, tais como, variao da carga e
afluncias aos reservatrios ao longo do horizonte. Por outro lado, possibilita uma modelagem do
sistema com menor nvel de detalhamento.
Desta forma, o planejamento da operao de mdio prazo tem como caractersticas:

Estocasticidade: relacionada com a incerteza em relao s afluncias futuras,

que se tornam mais significativas quanto maior for o horizonte do
planejamento;

Acoplamento espacial: a construo de usinas em cascata, ou seja, no leito de

um mesmo rio, visando um maior aproveitamento da energia, faz com que a
operao de uma usina a montante interfira na operao das usinas a jusante
(Grygier, 1985; Ni, 1999; Terry, 1986);

Acoplamento temporal: a deciso da utilizao dos recursos hdricos em um

ms pode ocasionar efeitos indesejados nos meses subseqentes, tais como o
no suprimento da carga (dficit) ou mesmo o vertimento de gua dos
reservatrios, que representa um desperdcio de energia (Silva, 2001).

O planejamento de mdio prazo do SEB era realizado, na dcada de oitenta, utilizando

a Programao Dinmica Estocstica PDE (Terry, 1986). Porm, a ampliao do sistema de
transmisso e conseqente possibilidade de intercmbio entre os subsistemas energticos resultou
em um aumento no nmero de combinaes de estados operativos, tornando a metodologia
invivel computacionalmente (Kligerman, 1992).
Para contornar o problema, foi ento proposta a metodologia da Programao Dinmica
Dual Estocstica PDDE (Pereira, 1989; Pereira, 1985). Esta metodologia utiliza a tcnica de
Decomposio de Benders (Benders, 1962), que possibilita que as afluncias sejam tratadas a
partir de modelos de sries temporais, tais como o modelo auto-regressivo peridico (Maceira,
2004; Hipel, 1994; Mondal, 2006). Adicionalmente, as usinas do Sistema Interligado Nacional
(SIN) so agregadas em quatro reservatrios equivalentes de energia a fim de reduzir o nmero
de combinaes de estados, reduzindo assim a dimenso do problema (Arvanitidis, 1970;
Zambelli, 2006).
Esta modelagem utilizada at hoje, e est implementada nos modelos DECOMP e
NEWAVE (Maceira, 2002), desenvolvidos pelo CEPEL, os quais so os modelos oficiais do
setor eltrico brasileiro para o planejamento da operao de curto e mdio prazo respectivamente.

826

30/08 a 03/09

XLII SBPO

Bento gonalves rs

Com a evoluo tecnolgica dos hardwares e softwares dos sistemas computacionais,

observada ao longo dos ltimos anos, propostas de voltar-se a utilizar a tcnica de Programao
Dinmica Estocstica (PDE) tm sido consideradas, a exemplo de Cervellera (2006), que
apresenta um modelo de discretizao eficiente, bem como a utilizao de Redes Neurais
Artificiais na resoluo do problema.
Silva e Finardi (2003) utilizam tcnicas de processamento paralelo para a soluo do
problema de planejamento hidrotrmico, porm atravs de Programao Dinmica Dual
Estocstica (PDDE). Outros exemplos de aplicao de processamento paralelo utilizado no
planejamento da expanso e operao de sistemas hidrotrmicos, baseados na mesma
metodologia podem ser vistos em Pinto (2006) e Pinto (2007).
O presente trabalho consiste em, inicialmente, modelar as Funes de Custo Futuro
(FCFs) dos estgios do problema de planejamento energtico de mdio prazo utilizando
aproximao linear por partes. Neste caso prope-se a utilizao do algoritmo de fechos
convexos e programao dinmica estocstica (Dias et al, 2010). Para reduzir o tempo
computacional devido ao elevado nmero de combinaes do espao de estados, o presente
trabalho analisa a utilizao de mltiplos processadores na soluo do problema do planejamento
energtico do Sistema Eltrico Brasileiro.
2. Programao Dinmica Estocsctica
A Programao Dinmica (PD) consiste em um processo seqencial de tomada de
decises, onde uma deciso tima global pode ser obtida atravs da otimizao de subproblemas
(ou timos locais) individuais (Bellman, 1957). No problema do planejamento energtico tem-se
a subdiviso do problema em estgios, sendo que a deciso tima atual est ligada a um conjunto
de acontecimentos futuros. O problema resolvido em sentido contrrio, ou seja, tomando como
incio o ltimo estgio de deciso e realizando a recurso no tempo, onde em cada estgio so
consideradas as decises do estgio em anlise e as conseqncias futuras (Silva, 2001).
O planejamento da operao de sistemas hidrotrmicos , por natureza, um problema
estocstico, uma vez que as afluncias futuras so incertas. Considerando o vetor de estados Xt,
contendo os dados de volume inicial referentes a cada usina hidreltrica no estgio t em estudo, a
Programao Dinmica Estocstica (PDE) pode ser descrita tendo como base a seguinte equao
recursiva (Silva, 2001):

X =
t( t)

1
E Min C U +
X
U
t t
t +1 t +1

y X t
t t

( )

(1)

Sujeito a:
gtt + ght + def t = Dt

(2)

xt +1 = xt + yt ut st

(3)

xt +1 xt +1 xt +1

(4)

ut ut

(5)

ght = .ut

(6)

Onde:

T
t(Xt)
t+1
Eyt|Xt

Nmero de estgios do problema;

custo total esperado de operao do estado Xt;
custo futuro ($);
valor esperado do custo total de operao considerando as
possveis afluncias no estgio t, e condicionadas ao estado Xt;

827

30/08 a 03/09

XLII SBPO

Bento gonalves rs

Xt
Ut
Ct(Ut)

gtt
ght
Deft
Dt
xt
xt+1
yt
ut
ut

st
xt +1
xt +1

vetor de estados no estgio t;

vetor de decises no estgio t;
custo operativo associado a deciso Ut;
taxa de desconto;
gerao trmica ( MW );
gerao hdrica ( MW );
dficit ( MW );
demanda total ( MW );
volume inicial do reservatrio no estgio t (hm3);
volume no final do estgio t (hm3);
afluncia ao reservatrio durante o estgio t (hm3/ms);
vazo turbinada no estgio t (hm3/ms);
vazo turbinada mxima (hm3/ms);
Produtibilidade da usina hidreltrica ( MW /hm3);
vazo vertida no estgio t (hm3/ms);
volume mximo do reservatrio (hm3);
volume mnimo do reservatrio (hm3).

Na equao (1), Ct(Ut) representa o custo imediato vinculado deciso Ut, uma vez que
o estado Xt+1 a conseqncia da deciso operativa Ut. Considera-se que Ut dado pelos vetores
correspondentes aos volumes armazenados no final do estgio, volumes turbinados e vertidos das
usinas hidreltricas, montante gerado nas usinas trmicas e dficit de energia. A funo de custo
de operao pode ser definida como a associao do custo em um determinado estado Xt ao custo
futuro associado ao estado Xt+1.
As equaes (2) a (5) representam as restries do problema, sendo a equao (2)
representa a restrio de atendimento demanda, onde o montante de gerao hdrica e trmica
deve suprir a demanda solicitada pelo sistema. Estes valores esto representados em MW-mdios
( MW ).
Na equao (3) tem-se a restrio de balano hdrico, onde o volume armazenado no
final de um estgio, xt+1, igual ao volume armazenado no incio deste estgio, xt, somado
afluncia ao sistema durante o estgio, yt, subtrado do montante de gua utilizado na gerao ut,
e do total vertido st.
As equaes (4) e (5) representam, respectivamente, os limites mximos e mnimos dos
reservatrios e os volumes mximos turbinveis. A equao (6) representa a gerao hidrulica
em funo da produtibilidade equivalente da usina e do volume turbinado.
Esse problema pode ser resolvido naturalmente por PD discretizando as variveis de
estado e enumerando todas as combinaes destas variveis. A desvantagem consiste no elevado
nmero de combinaes reforando a necessidade de novos procedimentos.
3. Fechos Convexos
Os algoritmos da classe Convex Hull (CH) apresentam, a partir de um conjunto de
pontos fornecidos, o menor polgono convexo que contm os pontos dados (Cormen, 2001),
conhecido como fecho convexo.
Um conjunto C considerado convexo se para quaisquer pontos x, y C , qualquer
combinao convexa de x e y tambm pertena a C, ou seja,
(1 ) x + y C | x, y C e [0,1]

(7)

Existem diversos algoritmos para a obteno dos CHs, dentre eles, o algoritmo de
Graham, o algoritmo de Jarvis e o algoritmo QuickHull, sendo este ltimo utilizado no
desenvolvimento do presente trabalho (Qhull, 2009; Barber, 1996).

828

XLII SBPO

30/08 a 03/09
Bento gonalves rs

No presente trabalho, dados os pontos correspondentes soluo tima de cada um dos

estados dos problemas de coordenao hidrotrmica, o algoritmo indica o conjunto de
hiperplanos que correspondem a um fecho convexo, que so utilizados como uma aproximao
linear das funes de custo futuro para cada estgio do problema.
Os passos do algoritmo de soluo so mostrados na Figura 1.

Figura 1: Algoritmo da obteno das funes de custo futuro utilizando fechos convexos
Observa-se que, seguindo a tcnica de programao dinmica, inicia-se pelo ltimo
estgio (t = T). No Bloco 1 so obtidos os custos operacionais mdios para cada estado operativo,
atravs da soluo de problemas de programao linear. O conjunto de pontos que relacionam o
armazenamento do reservatrio com o custo de operao obtido anteriormente fornecido ao
algoritmo QuickHull, obtendo o conjunto reduzido de planos que compem o fecho convexo.
Estes planos so utilizados para a modelagem da Funo de Custo Futuro (FCF). Este
procedimento mostrado no Bloco 2. No Bloco 3 h um decremento no nmero do estgio. As
FCFs obtidas entram como restrio na anlise do prximo estgio, sendo este procedimento
repetido at que se atinja o primeiro estgio. O critrio de parada est representado atravs do
Bloco 4.
4. Processamento Paralelo
A crescente demanda de aplicaes que necessitam um elevado esforo computacional,
o que em geral leva a um tempo de execuo que torna invivel a sua execuo, incentivou o
desenvolvimento de tcnicas e softwares que permitem a distribuio de processos ou
computao paralela de partes do cdigo.
Uma caracterstica importante da Programao Dinmica Estocstica est no fato do
clculo do custo timo de cada estado operativo de um estgio poder ser realizado de forma
independente dos outros estados do mesmo estgio, o que possibilita a paralelizao destes
processos.

829

30/08 a 03/09

XLII SBPO

Bento gonalves rs

Desta forma, o algoritmo apresentado na Figura 1 pode ser reformulado utilizando

processamento paralelo. Esta abordagem mostrada na Figura 2, onde se observa que o Bloco 1
passa a utilizar mltiplos processadores. Foi utilizada a estrutura SPMD (do ingls Single
Program Muliple Data), onde os processadores executam o mesmo cdigo, variando apenas os
dados de entrada (Wilkinson, 2005).

Figura 2: Algoritmo da obteno das funes de custo futuro utilizando fechos

convexos e processamento paralelo
Ao se paralelizar um processo, importante verificar o ganho de desempenho obtido
em relao ao mesmo processo executado de forma seqencial. Na avaliao do desempenho de
cdigos paralelizados, algumas mtricas de desempenho podem ser utilizadas, tais como o fator
de acelerao e eficincia.
O Fator de Acelerao (ou speedup, do ingls), representa a razo entre o tempo gasto
na soluo de um problema utilizando um nico processador, Ts, e o tempo gasto por um
programa que utiliza p processadores, de forma paralela, Tp.

S=

Ts
Tp

(7)

A Eficincia, por sua vez, mede a frao de tempo no qual cada unidade de
processamento efetivamente utilizada (Grama et al, 2003). A sua representao matemtica
dada pela razo entre o fator de acelerao e o nmero de processadores utilizados, conforme
equao abaixo

E=

T
S
= s
p p Tp

(8)

5. Aplicao ao SEB
A metodologia proposta, validada anteriormente para 2 usinas em cascata (Dias et al,

830

30/08 a 03/09

XLII SBPO

Bento gonalves rs

2010), simulada utilizando o processamento paralelo e aplicada ao sistema eltrico brasileiro.

Inicialmente realizado o planejamento apenas para dois subsistemas: Sul e Sudeste/CentroOeste. A seguir, apresenta-se o estudo de caso para o sistema completo, utilizando os quatro
subsistemas: Sul, Sudeste/Centro-Oeste, Norte e Nordeste. O sistema computacional utilizado foi
desenvolvido em C++.
5.1 Estudo de caso 1: dois subsistemas
Para avaliao do modelo proposto, utilizou-se o PMO de Janeiro de 2009 modificado,
contendo os dados dos sistemas Sudeste/Centro-Oeste e Sul.
Simulou-se o problema com 11 discretizaes de armazenamento para os sistemas
equivalentes e 72 cenrios de afluncia da srie histrica, com 60 estgios (5 anos) de estudo para
a anlise. A srie histrica corresponde ao registro temporal das afluncias aos reservatrios das
usinas, que atualmente compreende 76 anos em discretizaes mensais. Como o perodo de
estudo considerado de 5 anos, pode-se obter 72 cenrios distintos de 5 anos percorrendo-se o
registro do incio ao fim.
Neste trabalho no foi considerado perodo de ps-estudo nesta anlise. O ps-estudo
consiste em aumentar o horizonte na fase de modelagem dos planos de corte (fasebackward),
para evitar que os reservatrios sejam completamente deplecionados no final do horizonte de
estudo (nos estudos do SEB so geralmente considerados 5 anos para o ps-estudo). A escolha
dos parmetros foi feita com base em estudos prvios, conforme mostrado em Dias (2010).
Na Figura 3 pode-se observar o conjunto de planos que modelam a funo de custo
futuro, obtidos na PDE, no ltimo estgio do problema (estgio 60). Adicionalmente, na Figura 4
e na Figura 5 so mostradas as FCFs aproximadas para os estgios 59 e 2, respectivamente.
Funo de Custo Futuro
x 10

12

Custo (R$)

10
8
6
4
2
0
0
0.5
1
1.5

x 10

Arm. SE (MWms

2.5

0.5

1.5

2.5

Arm. S (MWms

x 10

Figura 3: Funo de custo futuro obtida no ltimo estgio

Funo de Custo Futuro
6

x 10
6

Custo (R$)

5
4
3
2
1
0
0
0.5
1
5

x 10
Arm. SE (MWms

1.5
2
2.5

0.5

1.5

2.5

Arm. S (MWms

x 10

Figura 4: Funo de custo futuro obtida no estgio 59

831

30/08 a 03/09

XLII SBPO

Bento gonalves rs

Funo de Custo Futuro

7

x 10
3

Custo (R$)

2.5
2
1.5
1
0.5
0
0.5
1
5

x 10
Arm. SE (MWms

1.5
2

0.5

1.5

Arm. S (MWms

x 10

Figura 5: Funo de custo futuro obtida no estgio 2

O custo operativo total calculado por meio de uma simulao da operao realizada
do primeiro ao ltimo estgio (fase forward) que, neste exemplo, considerou um cenrio mdio
de afluncias.
O computador utilizado foi um Intel Core 2 Quad de 2.66 GHz, com 4 Gb de memria
RAM. Inicialmente a simulao foi realizada em um nico processador. O tempo computacional
foi de aproximadamente 210 segundos. Observa-se o nmero total de Problemas Lineares (PLs)
a ser resolvido para esta modelagem, equivale a:
C E ( DN )

(10)

Onde:
D
N
E
C

nmero de discretizaes;
nmero de reservatrios;
nmero de estgios;
nmero de cenrios;

Desta forma, o nmero total de PLs de

72 60 (112 ) = 522.720

Na Figura 6 observa-se o montante de gerao hdrica e trmica em relao ao mercado

total de energia para os 5 anos de estudo (2009 a 2013).

Figura 6: Gerao hidrulica e trmica do caso em estudo

832

30/08 a 03/09

XLII SBPO

Bento gonalves rs

Observa-se ainda, na Figura 7, o armazenamento dos reservatrios equivalentes ao

longo do horizonte de estudo considerado. Uma anlise destes grficos mostra que ao final do
horizonte os reservatrios do Sudeste encontram-se totalmente deplecionados, o que esperado,
j que com o fim do horizonte o custo futuro associado a qualquer nvel de armazenamento
nulo. Assim, qualquer gua armazenada no reservatrio ao final do horizonte implica em
desperdcio de recursos. No Sul, apesar de haver um esvaziamento dos reservatrios nos dois
ltimos anos, observa-se ainda gua armazenada. Isto ocorre devido ao seu comportamento muito
irregular, devido a sries com altas afluncias nos ltimos meses, o que impossibilitou o uso de
toda a gua para gerao de energia, mesmo havendo uma tendncia de usar toda a gua nos
ltimos estgios.

Figura 7: Grfico de armazenamento dos Subsistemas.

b) Simulao utilizando processamento paralelo

Simulou-se ainda o mesmo sistema, utilizando, porm diferente nmero de

processadores a cada simulao. Tendo em vista a disponibilidade de um micro Quad Core,
contabilizou-se, alm do tempo seqencial, o tempo gasto com 2, 3 e 4 processadores. O tempo
computacional total do programa em funo do nmero de processadores utilizados mostrado
na Tabela 1.
Tabela 1: Tempo gasto com nmero de processadores.
Nmero de
processadores
1
2
3
4

Tempo total
(s)
210,2
111,6
77,3
62,8

A partir dos tempos totais obtidos e dos tempos das partes paralelizada e seqencial do
cdigo em anlise, pode-se calcular o fator de acelerao e eficincia, mostrados nas Figuras 8 e
9.

833

30/08 a 03/09

XLII SBPO

Bento gonalves rs

Grfico de Speedup

3.5

Speedup

2.5

1.5

0.5

Speedup
Speedup Linear

0
0.5

1.5

2
2.5
3
Nmero de Processadores

3.5

4.5

Figura 8: Fator de acelerao do algoritmo paralelo.

Grfico de Efici ncia

100
90
80

Eficincia (%)

70
60
50
40
30
20
10
0

P r o ce s s a d o re s

Figura 9: Eficincia do algoritmo paralelo.

Observa-se que o algoritmo paralelo apresenta uma eficincia superior a 80% para
quatro processadores, alm de um fator de acelerao significativo, sendo necessrio, porm, o
mesmo estudo com um nmero maior de processadores.
5.2 Estudo de caso 2: Sistema Eltrico Brasileiro 4 subsistemas
A simulao anterior foi ampliada para o SEB completo, utilizando para isto 4
reservatrios equivalentes de energia, representando os subsistemas sul, Sudeste/Centro-oeste,
Norte e Nordeste. Simulou-se para apenas trs cenrios de afluncia, utilizando sries de baixa,
mdia e alta afluncias, quando considerada a mdia de afluncia anual.
O tempo computacional total, utilizando 4 processadores foi de aproximadamente 30
horas. Para a simulao final foi escolhido o pior cenrio. O grfico de gerao total hdrica e
trmica observado na Figura 10.

834

30/08 a 03/09

XLII SBPO

Bento gonalves rs

Figura 10: Gerao hidrulica e trmica do SEB.

Ressalta-se que o problema completo ainda demanda um alto tempo computacional,
motivo da utilizao de apenas trs cenrios de afluncias.
6. Concluso e Trabalhos Futuros
Neste trabalho foram realizados testes de utilizao da PDE com modelagem das
funes de custo futuro utilizando algoritmo de fechos convexos para o Sistema Eltrico
Brasileiro completo.
O sistema computacional desenvolvido apresentou resultado relevante quando utilizado
para resoluo do problema de planejamento energtico considerando dois subsistemas.
Considerando quatro subsistemas, o tempo computacional ainda se apresenta muito
elevado. Para viabilizar a utilizao da metodologia proposta para o SEB representado por quatro
subsistemas em um tempo satisfatrio, utilizando os 72 cenrios da srie histrica de afluncias.
O presente trabalho deve ser estendido para um nmero maior de processadores. Para tanto,
pode-se utilizar um cluster com maior nmero de processadores. Adicionalmente deve ser
analisada a possibilidade de paralelizao de outros trechos do cdigo, tal como o algoritmo de
fechos convexos.
Adicionalmente, para reduo do esforo computacional prope-se a utilizao de
tcnicas de amostragem eficiente do espao de estados, excluindo os estados operativos que no
so atingidos em estgios especficos.
Agradecimentos
O presente trabalho foi realizado com o apoio do Conselho Nacional de
Desenvolvimento Cientfico e Tecnolgico CNPq - Brasil.
Referncias
Arvanitidis, N. V & Rosing, J., (1970), Composite representation of a multireservoir
hydroelectric power system, IEEE Transactions on Power Apparatus and Systems PAS-89,
pages 319-326.
Barber, C. B.; Dobkin, D. P.; Huhdanpaa, H., (1996) The Quickhull Algorithm for Convex
Hulls. ACM Trans. Math. Software, 22, 4.
Bellman, R., (1957). Dynamic Programming, Princeton Princeton University Press.
Benders, J. F., (1962) Partitioning procedures for solving mixed-variables programming
problems. Numerisch Mathematik, 4.
Cervellera, C.; Chen, V. C. P. ; Wen, A., (2006). Optimization of a large-scale water
reservoir network by stochastic dynamic programming with efficient state space discretization.
European Journal of Operational Research. Vol. 171, pages 1139-1151.
Cormen, T. H., (2001). Introduction to Algorithms. 2nd Edition, Cambridge, The MIT Press.

835

XLII SBPO

30/08 a 03/09
Bento gonalves rs

Dias, B. H.; Marcato, A. L. M.; Souza, R. C., Soares, M. P.; Silva Jr, I. C.; Oliveira, E. J.;
Brandi, R. B. S.; and Ramos, T. P.; (2010), Stochastic Dynamic Programming Applied to
Hydrothermal Power Systems Operation Planning Based on the Convex Hull Algorithm,
Mathematical Problems in Engineering vol.2010.
Fortunato, L. A. M., Neto, A. and Alencar, T. (1990). Introduo ao Planejamento da
Expanso e Operao de Sistemas de Produo de Energia Eltrica, Niteri EDUFF.
Grama, A., Gupta, A., Kumar, V. e Karypis, G. (2003). Introduction to Parallel Computing.
Addisson Wesley, 2 edition.
Grygier, J. C., Stendinger, J. R.; (1985) Algorithms for Optimizing Hydropower System
Operation . Water Resource Research, Vol 21, No. 1, pages 1-10.
Hipel, K. W., McLeod, A. I., (1994) Time Series Modeling of Water Resources and
Environmental Systems. Amsterdan, The Netherlands: Elsevier.
Kligerman, A. S., (1992) Operao tima de Subsistemas Hidrotrmicos Interligados
Utilizando Programao Dinmica Estocstica Dual. Dissertao de Mestrado, Unicamp.
Maceira, M., Terry, L., Costa, F., Damzio, J., Melo, A., (2002) Chain of optimization
models for setting the energy dispatch and spot price in the brazilian system. XIV Power
Systems Computation Conference, June, Spain.
Maceira, M. E. P., Damzio, J. M., (2004) The use of PAR(p) model in the stochastic dual
dynamic programming optimization scheme used in the operation planning of the Brazilian
hydropower system. International Conference os Probabilistic Methods Applied to Power
Systems, September, Iowa.
Mondal, M. S., Wasimi, S. A., (2006) Generating and forecasting monthly flows of the ganges
river with par model. Journal of Hydrology.
Ni, E.; Guan, X.; Li, R., (1999). Scheduling Hydrothermal Power System with Cascaded and
Head-Dependent Reservoir. IEEE Trans. Power Systems. Vol 14, No. 3, pages 1127 - 1132.
Pereira, M. V. F., (1989) Optimal stochastic operation of large hidro-electric systems.
Electrical Power and Energy Systems, vol.11.
Pereira, M. V. F., Pinto, L. M. V. G. (1985) Stochastic Optimization of a multireservoir
hydroelectric. Electrical Power and Energy Systems, vol. 11.
Pinto, R. J.; Duarte, V. S.; Maceira, M. E. P.; Metodologia para Aplicao de
Processamento Distribudo no Planejamento da Expanso e Operao; X SEPOPE,
Florianpolis, SC, Brasil, Maio, 2006.
Pinto, R. J.; Duarte, V. S.; Maceira, M. E. P.; Borges, C. L. T.; Falco, D. M.; Aveleda, A.
A.; Hinrichsen, A. C. P. A.; Metodologia para Aplicao de Processamento Distribudo no
Planejamento da Expanso e Operao; XXXIX SBPO, pp. 548-558, Fortaleza, CE, Brasil,
Agosto, 2007.
Qhull, biblioteca em C++, disponvel em http://www.qhull.com. Acesso em 10 de jan. 2009.
Silva, E. L.; (2001) Formao de Preo em Mercados de Energia Eltrica, Editora Sagra
Luzzatto.
Silva, E. L. e Finardi, E. C., (2003) Parallel Processing Applied to the Planning of
Hydrothermal Systems. IEEE Transactions on Parallel and Distributed Systems, vol. 14, no. 8.
Terry, L. A.; Pereira, M. V. F.; Neto, T. A. A.; Silva, L. F. C. e Sales, P. R. H.; (1986)
Brazilian national hydrothermal electrical generating system, Interfaces, 1986.
Wilkinson, B., Allen, M. (2005). Parallel Programming: techniques and applications using
networked workstations and parallel computers. Pearson Prentice Hall, 2nd edition.
Zambelli, M.; Siqueira, T. G.; Cicogna, M.; e Soares, S., (2006) Deterministic versus
stochastic models for long term hydrothermal scheduling. IEEE Power Engineering Society
General Meeting.

836