2022 10 11 - Apresentacao AndreDiniz SBPO 2022

Desafios Recentes para o Planejamento Energético:
Fontes Renováveis Intermitentes, Resposta da Demanda,

Usinas Reversíveis e Armazenamento de energia.
André Luiz Diniz
1
Agenda da Apresentação
➢ O que é a transição Energética? Objetivos e Panorama do Brasil
➢ Status atual modelos de Otimização Energética utilizados para o Planejamento da

Operação do Sistema Interligado Nacional
✓ Estratégias de Solução
✓ Modelagem dos Componentes do Sistema
➢ Desafios da Transição Energética para aprimoramento das metodologias
✓ Modelagem dos novos componentes a aprimoramento dos existentes

✓ Aperfeiçoamentos nas estratégias de Solução
2
O que é a Transição Energética ?
➢ Migração de matrizes energéticas

poluentes – como combustíveis fósseis
à base de carvão ou petróleo para
fontes de energia renováveis,
como hidrelétricas, eólicas, solares,
biomassas, etc.
➢ meio ambiente, eficiência

energética e outros aspectos
➢ 3 D´s: Digitalização, descentralização,

descarbonização
http://www.revistaopapel.org.br/
3
Como lidar com todos os meios necessários
para se atingir essa transição ?
➢ Incerteza e alta variabilidade das novas fontes renováveis
✓ Usinas eólicas, usinas solares
➢ Necessidade de incorporação / incremento de

Plano Nacional de
componentes com armazenamento de energia Energia (PNE 2050)
✓ baterias, usinas reversíveis (pumped storage)
➢ Atuação ativa dos consumidores no

atendimento à demanda (“prossumidores”)
✓ geração distribuída muitos, pequenos,
dentro dos centros de carga
✓ Resposta da demanda
✓ Deslocamento de carga dos consumidores
4
SISTEMA INTERLIGADO NACIONAL (SIN)
162 UHEs/386 unidades térmicas +9.000 barras / +13.000 linhas

398 eólicas / 37 usinas solares
HIDRO
(61.6%)
TÉRMICAS (13.9%)
+4,000km
GAS/LNG ÓLEO/DIESEL CARVÃO NUCLEAR
VENTO/SOLAR (15.4%)
BIOMASSA + OUTROS (8.9%)
fonte: www.ons.org.br 5
Modelos Eletroenergéticos do CEPEL
Modelos Elétricos Modelos Energéticos
• Elaboração do PDE
• Cálculo de Garantia Física
• Relatório R1
• Relatório R2
• Análise de Intervenções • Formação do PLD

• Margem de Transmissão
• Elaboração do PMO/PEN (SMs 3.3, 3.7 e 4.3) • Planejamento da Operação Quadrimestral e Mensal
• Programação Diária da Operação • Definição de Limites para o PEN Agentes
• Estudos Prospectivos de Atendimento ao SIN • Projeto de Consolidação da Base de Dados (PCBD) • Cálculo de Garantia Física
• Curvas de Armazenamento (Cref) – NT-ONS • Otimização de Controladores Sistêmicos • Prospecção de Preços e
• Prevenção e Controle de Cheias (SM 3.7) • Evolução de Nível de Curto-Circuito Cenários de Geração
• Bases de Dados Oficiais de Fluxo de Potência, • Superação de Disjuntores
Curto-Circuito e Modelos Dinâmicos (SM 3.9) • Estudos de Acesso
• Reserva de Potência Operativa
• Estudos de Acesso (SM 7.4) • PAR/PEL (SMs 3.1, 3.4 e 4.1) (SMs 7.3 e 7.4)
• Avaliação de Corredores de Recomposição • Dimensionamento de filtros de harmônicos
6
Modelos de Otimização Energética do Cepel
Planejamento da Expansão  Transição Energética
Desenvolvido pelo CEPEL,
colaborando com as instituições
e a comunidade científica
Análise Econômica de Projetos e

Comercialização de Energia"
Planejamento da operação
Validados em grupos de trabalho

envolvendo ONS, CCEE, EPE, MME,
ANEEL, e em forças tarefas com os
agentes e instituições do setor
Aprovado para uso oficial pela

agência regulatória (ANEEL)
Utilizado por:
Despacho e - CPAMP
Formação de Preço - ONS (para o despacho)
- CCEE (para preços)
- EPE (para planejamento)
- Empresas e Agentes do setor
7
Estrutura geral do Problema de
Planejamento Energético
O problema é: ➢ Minimizar custo de geração térmica + déficit
➢ considerer medida de risco (CVaR)
Subject to: GERAÇÃO
➢ Usinas individualizadas e ➢ restrições de unit commitment térmico
conectadas em cascata ➢ despacho antecipado (1-2 meses) de usinas a GNL
➢ Usinas de bombeamento
➢ novas renováveis intermitentes
➢ MUITAS restrições Usinas Térmicas
➢ Gerações fixas
operativas
Usinas de Usinas Hidrelétricas

bombeamento Reservatórios Outras Fontes
➢ Intercâmbio entre submercados TRANSMISSÃO

➢ Perdas nos intercâmbios CARGA
➢ Restrições Elétricas em cada
submercado
➢ Fluxo de potência DC com limites
de fluxo nas linhas
OBJETIVO: Obter uma “política ótima de operação”, para ser utilizada no planejamento
da operação e na determinação do despacho do sistema e preço de energia
8
Aspectos importantes da Tomada de Decisão
USINAS TÉRMICAS
$
Representação explícita do custo incremental de geração (CVU)
𝑀𝑊ℎ
Restrições de unit commitment X Valor de CVU
USINAS HIDROELÉTRICAS
Combinação de valores da água (função de custo futuro) e produtividade de geração
Consumo de água
Valor da $
Custo de para geração
água ℎ𝑚3

geração
=
Custo GH 𝜕𝐺𝐻
$ Futuro Função de Custo ℎ𝑚3
($) 𝜕𝑄
Futuro (FCF)
𝑀𝑊ℎ 𝑀𝑊ℎ
Armazenamento V Q
NOVAS FONTES RENOVÁVEIS COMPONENTES ADICIONAIS

INTERMITENTES Mitigar a intermitência/incerteza das novas renováveis
para otimizar o uso da energia disponível
Aproveitar ao máximo
possível a energia “grátis”
Usinas Eólicas, Fotovoltaicas,
heliotérmicas Dispositivos de Resposta da Demanda
Usinas Reversíveis
armazenamento
Capacitação GTIM - Modelo DESSEM – 12/11/2021
9
Incerteza na Hidrologia
➢ A maior fonte de incerteza para os modelos de otimização energética está

relacionada às vazões afluentes às usinas hidrelétricas
Energy inflows – Northeast Region – 1931 - 2019
over 6  difference
between 5% and
95% quantiles
10
Preço de Energia tem Forte dependência
das condições hidrológicas
Crise hídrica 2021

Racionamento
2001
Crise hídrica 2014
Fonte: www.ccee.org.br (adaptado) 11

Uso dos Modelos para os Processos de
Despacho(PMO) E Formação de Preço (PLD)
Cálculo da “Política de Operação” Refinamento da Política Despacho semi-horário e

Preço horário
Otimização Otimização
Estocástica (PDDE) Estocástica (PDD)
Programação
Inteira Mista
previsão de
vazões
diárias,
Cenários de semanais e
Energias e mensais
Vazões
Restrições
Previsão de carga
de Controle
mensal/semanal
de Cheias
e horária
12
Execução Sequencial dos modelos nos
diferentes níveis de planejamento
Esquema Geral de Encadeamento
Jan 2022 Fev 2022 Mar 2022 Abr 2022 Mai 2022
28 4 11 18 25 1 8 15 22 29 7 14 21 28 4 11 18 25 2 9 16 23...
NW NW NW NW NW
rv0 rv1 rv2 rv3 rv4 rv0 rv1 rv2 rv3 rv0 rv1 rv2 rv3 rv0 rv1 rv2 rv3 rv0 rv1 rv2 rv3
Aplicação Horizonte Discretização Árvore de Modelagem Estratégia

Cenários do Sistema de Solução
Mensal, Estocástica,
Reserv. Equivalentes
médio
Mensal 10 anos patamares de amostra de PDDE

Intercâmbios
carga FCF
cenários
2 meses Sem/Mensal, Estocástica, Usinas

curto
Semanal (pode ir patamares de Árvore Individualizadas, PDD

até 1 ano) carga Completa Intercâmbios
FCF, metas
curtíssimo
unit commitment,
Diária 2 semanas meia-hora Determinística MILP
Fluxo DC
13
Aplicação de Técnicas de Otimização / Pesquisa
Operacional no Problema de Planejamento da
Operação Energética
Status Atual
14
Planejamento de Médio/Longo
Prazos: Otimização Estocástica
PROBLEMA DE OTIMIZAÇÃO LINEAR MULTI-ESTÁGIO
Função Objetivo
𝑇 𝑁𝑇
min ෍ 𝜆𝐸 + (1 − 𝜆)𝐶𝑉𝑎𝑟 ෍ 𝑐𝑗 𝐺𝑇𝑗𝑡,𝜔 + 𝛼(𝑣 𝑇 )

𝑡=1
𝜔 𝜔
𝑗=1
Árvore de Cenários
Critério CVaR 1
1 ..
Geração térmica+ Custo de Déficit 1 ..
.
K
.
K .. 1
.
.. K
.
Restrições
1 .. 1
K .
.. K
. K
Atendimento à Demanda
.. 1
.. .
. K
.. 1
1 .
1
K
෍ 𝑔ℎ𝑖𝑡,𝜔 + ෍ 𝑔𝑡𝑖𝑡,𝜔 ± ෍ 𝐼𝑛𝑡 𝑡,𝜔 + 𝐷𝑒𝑓𝑐𝑗𝑡 = 𝐷𝑗𝑡 , ∀𝑡, 𝜔, 𝑗
..
.
K ..
. 1
𝑖∈𝐻𝑗 𝑖∈𝑇𝑗 𝑖∈𝐼𝑛𝑡𝑗 .. K
.
1 .. 1
K .
..
Equações de Balanço Hídrico
K
.
K ..
. 1
𝑡−𝑝,𝜔
𝑔ℎ𝑠𝑡,𝜔 𝜉𝑠𝑡,𝜔
K
𝑣𝑠𝑡 = 𝑣𝑠𝑡−1 − + ቚ(𝜉𝑠,𝑝−1,...𝑃 , 𝜁) , ∀𝑡, 𝜔, 𝑗 t=1 t=2 t=3 ... t=T
Amostragem Seletiva
Par-P model
+ MUITAS OUTRAS restrições operativas
15
Planejamento de Médio/Longo
Prazos: Otimização Estocástica
PROGRAMAÇÃO DINÂMICA DUAL ESTOCÁSTICA (PDDE)
➢ Consideração de dependência temporal, amostragem seletiva
(backward) e reamostragem de cenários (forward)
PASSO FORWARD PASSO BACKWARD
x t −1 x t −1 x t −1 x t −1
1 1 1 1
1
Cenário 1 2 2 2 2 2
Cenário 1 3
3
... 3
... 3
... 3
... ...
x t −1 x t −1 x t −1 x t −1 K K K K K
1 1 1 1 1
Cenário 2 2 2 2 2 2
Cenário 2 3 3 3 3
... ... ... ... 3
...
x t −1 x t −1 x t −1 x t −1 K K K K K
1
1 1 1 1
Cenário 3 2 2 2 2 2
Cenário 3 3 3 3 3 3
... ... ... ... ...
K
. . . K K K K
. x t −1 x t −1 . x t −1 x t −1 .
. . . 1
2
1
2
1
2
1
2
1
2
Cenário S << KT Cenário S << KT 3
... 3 ... 3
... 3
... 3
...
K K K K K
Construção dos
Obtenção de estados
.. 1
.. 1 . K
Cortes de Benders
1 . K .. 1
..
.
. K
.. 1 futuros do sistema
K .. 1 . K
. K .. 1
.. . K
. .. 1
.. 1
RESULTADO:
1 . K
. K .. 1
.. . K
. .. 1
.. 1
Política Operativa Ótima
K . K
. K ..
. K 1
t=1 t=2 t=3 ... t=T 16
Planejamento de Curto Prazo
Otimização Estocástica
PROGRAMAÇÃO DINÂMICA DUAL (PDD)
➢ Discretização semanal/mensal
➢ consideração de patamares de carga em cada período
➢ acoplamento com a função de custo futuro do NEWAVE (FCF)
FCF fornecida pelo Modelo NEWAVE
Armazenamos finais nos reservatórios
Geração usinas GNL para além do

horizonte do DECOMP
Vazões ao longo do horizonte de estudo
Vazões verificadas no 1º mês
Vazões verificadas em meses passados
17
17
Planejamento de Curto Prazo
Otimização Estocástica
ESTRATÉGIA DE SOLUÇÃO
Programação Dinâmica Dual (PDD)
com aplicação de CVaR
➢ Processamento Paralelo
➢ Tratamento de Inviabilidades
➢ Recuperação de base
➢ Infeasibility handling
1 2 3 4 month
18
18
Aplicação de aversão ao risco
Conditional Value-At-Risk (CVaR)
➢ resolver os subproblemas para todos
os w cenários backward
➢ identificar os a% maiores valores de zt,w
➢ Construir cortes considerando tanto o

valor esperado como o CVaR
19
Geração de Cenários para os
Modelos NEWAVE e DECOMP
MODELO AUTORREGRESSIVO PERIDÓDICO (Par(p))
Par(p)
Aspectos Principais
 Z (t ) −  m  ✓ Correlação Espacial

 
=
 m 
✓ Geração condicionada ao histórico recente
 Z (t − j ) −  m − j
pm

=   
m

 + a (t ) ✓ Tecnica de clusterização (“amostragem
j =1   m− jj

seletiva”)
Parcela Parcela ✓ Tratamento de postos artificias,
determinística estocástica tempo de viagem na afluência
O uso de técnicas de clusterização (2011) Modelo Par(p)-A (2020) reproduz melhor

traz resultados mais robustos secas de longa duração
Lower Bound on the Optimal Value (ZINF)
80000 80000
75000 75000
𝑝𝑚,𝑖
Amostragem 70000 70000
𝐸𝑁𝐴𝑡,𝑖 = ෍ 𝜙𝑡,𝑗,𝑖 (𝐸𝑁𝐴𝑡−𝑗,𝑖 )

Seletiva
65000 65000
10^6 $
10^6 $
60000 60000
𝑗=1
55000 55000
50000 50000 + 𝝍𝒕,𝒊 𝑨𝒕−𝟏,𝒊 + 𝜀𝑡,𝑖 + 𝐶𝑚,𝑖

45000 45000
Selective Sampling Simple Random Sampling
40000 40000
200x20
200x50
200x100
250x20
300x20
200x20
200x50
200x100
250x20
300x20
20
Programação Diária da Operação
e Preço Horário: MILP
+
+
➢ Representação do parque hidráulico em detalhes

✓ tempo de viagem da água, função de produção, restrições
operativas diversas, operação de canais e seções de rio
➢ Representação do parque térmico em detalhes
✓ restrições de unit commitment térmico e usinas a ciclo combinado
Programação
➢ Modelagem detalhada da rede elétrica Inteira Mista
✓ Fluxo de potência DC, limites de fluxo, restrições de segurança
Despacho do sistema de ½ em ½ hora, por unidade geradora (ONS)

Preço de energia (PLD) horário (CCEE)
21
FORMULAÇÃO MATEMÁTICA
PROGRAMAÇÃO LINEAR (POR PARTES) INTEIRA MISTA
( )
T NUT
min
s.a.
 i i
c ( gt
t =1 i =1
t
) + S i
t
+ a T
V T
Demanda  gt tj +  gh tj +  (Int tj →i − Intit→ j ) = Dit i = 1,…,NS, t = 1,…,T,

j i j i j i
Limites de NB NB E
fluxos 
i =1
i ,l ( g i − d i )  f l ; pi −   i ,l ( g i − d i )  rhs
i =1
i, j = 1,…,NL , t = 1,…,T
Conservação Vi t = Vi t −1 + I it − (Qit + Sit ) +  (Q tj + S tj )

da água jM i
FPHA ghit = FPH (Vi t , Qit , Sit ) H

i = 1,…,NH, t = 1,…,T,
Restrições Vi  Vi  Vi , Q  Q  Q , gh  gh  gh ,
t t t
i
t
i
t
i
t
i
t
i
t
i
t
operativas

Restrições gti  uit  gtit  gti  uit  t 
Cei  uit − uik   Sit
Térmicas: k =t −
 

t +Toni −1 k
Cs (u − u ) S
ui  Toni  (uit − uit −1 ) t −1
Unit k =t
t t T
i i i i
Commitment

t +Toff i −1
(1 − uik )  Toff i  (uit −1 − uit ) uit  0,1
k =t
i = 1,…,NUT, t = 1,…,T,
22
ESTRATÉGIA DE SOLUÇÃO – PROGRAMAÇÃO
LINEAR INTEIRA MISTA - MILP
Avançadas técnicas de otimização inteira-mista + procedimentos eficientes para tratar o
grande volume de restrições + técnicas heurísticas para restrições definidas por regras
Tratamento de Problema Inteiro-Misto (MILP) Obtenção de

Montagem do
restrições elétricas Despacho e CMO
Problema Resolução do
problema com Unit
commtiment (MILP) Obtenção do preço
Resolução inicial, (custos marginais)
sem unit commitment
Inserção de mais
restrições elétricas
Cálculo do fluxo DC e Fixação de

Inserção de novas verificação das Variáveis Inteiras e
restrições / Ajuste restrições elétricas resolução de um PL
das existentes
NÃO
SIM Obtenção do
Restrição de Local Branching Despacho (ONS)
Rede Violada?
Busca Local
Feasibility pump
23
Algumas Referências mais Abrangentes
Modelos
Modelos para Planejamento e Formação de Preços no Brasil Brasil / Noruega
Maceira, Penna et al, PSCC 2018
Helseth, Melo, Relatório

Técnico SINTEF, 2020
Modelos de Otimização Energética

Diniz, Costa et al, PSCC 2018
Santos, Diniz et al, EPSR, 2020

24
Modelagem dos Componentes
do Problema
Status Atual
25
Modelagem dos Reservatórios
USINAS HIDRELÉTRICAS EM CASCATA
Usinas de bombeamento Enchimento de

volume Morto
Propagação da água nos rios
Canais entre reservatórios

Restrições de vazão
Mínima
Volumes de espera
Modelagem de para controle de
Evaporação em função do Múltiplos Usos da Água
Seções de Rios cheias
volume armazenado
26
Modelagem da Função de Produção Hidrelétrica
Impacto da altura de Eficiência do conjunto

Perdas nos Condutos turbina-gerador
Queda na geração
hup
S
V
hd
w
GH Q
net water head
Geração Hidráulica (GH) como função linear por partes do

armazenamento V, turbinamento Q e vertimento S
5000
4500 GH 250
4000 248
3500 246
244
GH 3000 242
2500 240
2000 238
236
1500 234
1000 232
500 6400 230
0 3200
0,0 80,0 160,0 240,0 320,0 400,0 480,0
V, Q, S FPHA GH
10000
0
20000
30000
40000
Q
50000
0
V
Capacitação GTIM - Modelo DESSEM – 12/11/2021 S 27
Restrições de Unit Commitment Térmico
Custo de Partida/Parada Tempo mínimo ligada/desligada

Geração mínima (se ligada)
0 gti 1 gti
gt Restrições de
Trajetórias de rampa Usinas a Ciclo Combinado
acionamento/desligamento
4
gt *
28
Modelagem DC da rede elétrica
Restrições de Limite de Fluxo  k , Vk  m , Vm

 t −  mt Pk , Qk f km Pm , Qm
f km  f km =
t k
 f km    
   




 
 
xkm        
 g  − d 
   
= 
 B 

 
 
➢ ângulos de fase em função    

     




 

 
das injeções nas barras
   
k m
gh, gt
Restrições de Rampa de Fluxo

t −1
t
f km − f km  f km
Perdas nas linhas
➢ Aproximação Linear por

partes dinâmica
li  g i  i( k )
2
Restrições de limites e aproximações para as perdas incluídas iterativamente

29
Restrições Dinâmicas de Segurança Elétrica
Representação de diversas restrições de segurança estabelecidas pelo ONS

➢ Restrições de segurança por tabela ➢ Restrições de Segurança Lineares por Partes
5.000
4.500
4.000
3.500
3.000
2.500
2.000
-4000 -2000 0 2000 4000 6000 8000
Exp_N
➢ Limites de fluxos 𝑡 𝜃𝑘
𝑡
− 𝜃𝑚
𝑡
nos circuitos 𝑓𝑘𝑚 ≤ 𝑓𝑘𝑚 = ≤ 𝑓𝑘𝑚

𝑥𝑘𝑚
➢ Rampas de fluxo 𝑡 𝑡−1

𝑓𝑘𝑚 − 𝑓𝑘𝑚 ≤ Δ𝑓𝑘𝑚
nos circuitos
Fonte: ONS
30
Desafios Computacionais da Transição
Energética
Modelagem das incertezas e dos novos components e

restrições envolvidas
31
Incoporação da incerteza dos ventos
Longo/Médio Prazos
Maceira, Melo et al, PMAPS 2022

- Modelagem Par(p) ou Par(p)-A para vazões
- distribuição Weibull para velocidade de ventos
- Correlação espacial entre ventos e vazões
Agregação dos parques
eólicos em função dos
regimes de ventos Geração conjunta de
cenários vazões x
Dados históricos ou de ventos
Inserção no
reanálise horários de
problema de
velocidade de ventos e
otimização com
geração eólica
possibilidade de
Cálculo de funções
corte de geração
mensais de geração X
velocidade de ventos Regressão linear para
as curvas de produção
𝑵𝑷𝑴𝑪
෍ 𝑮𝑾𝒕,𝒖,𝒄 ≤ 𝒃𝑾 𝑾
𝒕,𝒖 + 𝒂𝒕,𝒖 𝑽𝒕,𝒖
𝒄=𝟏
Curva Horária Curva Mensal

32
Cenários de ventos para a
Programação Diária da Operação
➢ Previsões probabilísticas em base semi-horárias
➢ Técnicas de Regressão Quantílica
Previsão e geração de cenários
de produção eólica ➢ Uso da distribuição Weibull
Numeric
Weather
Prediction
Previsão de vento Dados históricos
➢ Geração de cenários com base em valores

Regressão
previstos disponibilizados pelo ONS
Quantílica
Capacitação GTIM - Modelo DESSEM – 12/11/2021 DESSEM 33

Modelagem da geração solar
➢ Produzem energia também a um custo zero de geração

➢ A geração solar também é uma decisão do modelo, pois pode-se
decidir em “cortar” a geração disponível
➢ São necessários modelos acurados para previsão de geração
solar, principalmente ao longo do dia
➢ A operação de usinas heliotérmicas (CSP)

envolve modelagem de armazenamento e
restrições de operação não convexas
34
Baterias e Dispositivos de Armazenamento
➢ Podem estar localizadas em uma barra (estudo com rede)

ou em um submercado (estudos sem rede)
➢ Possuem capacidade de armazenamento (MWh) e uma taxa
máxima de carga (MWh/h) e descarga (MWh/h)
➢ Considera-se uma perda de energia(%) nos processos de
carga e descarga
➢ Podem ser inseridas também restrições de limite de
armazenamento, variáveis ao longo do tempo
Através de estudos com o DESSEM, pode-se avaliar os benefícios econômicos da

introdução de baterias e unidades de armazenamento no sistema brasileiro
Estudo de avaliação do impacto de inclusões de

usinas termosolares (CSP) no sistema brasileiro
(usina solar + armazenamento)
35
Modelagem de Usinas Reversíveis
➢ Podem ser consideradas em ciclo aberto ou ciclo fechado

➢ A usina de montante turbina/verte água para a usina de jusante
➢ Há perdas/custos no bombeamento de energia
Estudo da inclusão de usinas reversíveis no Sistema Brasileiro, para mitigar intermitência das usinas eólicas
36
Modelagem da Resposta da Demanda
➢ Curvas de Preço X Quantidade para corte de carga de

consumidores, em função do preço de energia
✓ Mantém a convexidade do problema (“térmicas fictícias”)
➢ Agregadores de carga podem ser representados através

de restrições elétricas envolvendo diversos componentes
➢ Aspectos mais detalhados envolvem variáveis inteiras
✓ Requisitos dos programas de RD (ex: valores fixos)

✓ Deslocamentos de blocos de carga (load shifting):
(podem ser emuladas com baterias + unidades térmicas +
restrições de unit commitment+ ilhas elétricas
37
GERAÇÃO DISTRIBUÍDA
➢ Pode-se considerar qualquer geração de alguma fonte não

despachada de forma centralizada que contribui para o
abatimento da demanda
➢ Estas gerações impactam nos fluxos da rede elétrica e,
consequentemente, no atendimento aos limites de fluxos e
restrições de segurança
➢ A maioria dessas gerações não são decididas pelos modelos,
sendo informadas diretamente pelo usuário
➢ Grande desafio: aumento na granularidade espacial para
representação do problema
➢ Grandes impactos nas questões de operação elétrica do sistema
A GD pode ser emulada nos modelos de planejamento agregadas

por submercado ou alocadas em cada barra da rede elétrica
38
Restrições Dependentes do Estado do Sistema
➢ Não podem ser previstas a priori, pois dependem das condições do sistema
Médio/Longo Prazos
➢ Defluência Máxima dos reservatórios em

função do estado de armazenamento
se 0  f  6000 se f  6000
Curtíssimo Prazo
➢ Restrições de limite de fluxo na rede em

função da demanda líquida do sistema
A representação exata dessas restrições leva a problemas não convexos

39
Aprimoramento da Modelagem dos Componentes do
sistema mesmo no longo prazo
➢ Melhor balancear o “trade-off” entre qualidade da solução e esforço computacional

➢ Grande desafio para obtenção de dados detalhados para o longo prazo
NEWAVE híbrido
40
Transição Energética
Desafios para os Problemas de Otimização do

Planejamento e da Operação
41
Consideração de fontes intermitentes e
armazenamento no Longo Prazos
➢ Necessidade de uma granularidade Modelagem para representação
temporal maior no planejamento da de geração solar, geração
expansão e operação eólica e armazenamento de
➢ Análise operativa dos impactos energia nos modelos
da variabilidade e incerteza das
fontes intermitentes.
..
. cenários
“feedback” “feedback”
Dias/semanas representativos FCF do

NEWAVE
42
42
Consideração de Subproblemas horários no problema
de Otimização Estocástica Multi-esetágio
Problemas e Otimização Hidrótérmica “Multi-horizonte”
min 𝑐𝑥 min 𝑐𝑥 min 𝑐𝑥 min 𝑐𝑥 min 𝑐𝑥

𝑠. 𝑡.
𝐴𝑥 ≤ 𝑏
𝑠. 𝑡.
𝐴𝑥 ≤ 𝑏
𝑠. 𝑡.
𝐴𝑥 ≤ 𝑏
𝑠. 𝑡.
𝐴𝑥 ≤ 𝑏
𝑠. 𝑡.
𝐴𝑥 ≤ 𝑏
min 𝑐𝑥
𝑠. 𝑡.
Problemas mestres Subproblemas horários para
𝐴𝑥 ≤ 𝑏 (semanal/mensal) dias /semanas típicas
min 𝑐𝑥 min 𝑐𝑥 min 𝑐𝑥 min 𝑐𝑥
𝑠. 𝑡. 𝑠. 𝑡. 𝑠. 𝑡. 𝑠. 𝑡.
𝐴𝑥 ≤ 𝑏 𝐴𝑥 ≤ 𝑏 𝐴𝑥 ≤ 𝑏 𝐴𝑥 ≤ 𝑏
min 𝑐𝑥 min 𝑐𝑥 min 𝑐𝑥 min 𝑐𝑥

𝑠. 𝑡. 𝑠. 𝑡. 𝑠. 𝑡. 𝑠. 𝑡.
min 𝑐𝑥
𝑠. 𝑡.
𝐴𝑥 ≤ 𝑏 min 𝑐𝑥 min 𝑐𝑥 min 𝑐𝑥 min 𝑐𝑥
𝑠. 𝑡. 𝑠. 𝑡. 𝑠. 𝑡. 𝑠. 𝑡.
43
Resolução de Problemas de
Unit Commitment Estocástico
➢ É necessário considerar diversos cenários de geração eólica, solar, etc.

➢ Porém, o despacho para o dia seguinte (alocação de unidades) deve ser decidido a
priori, e flexível (robusto) para diferentes cenários
➢ Não é possível fazer um “wait and see” ao longo do dia!!
Otimização Robusta
Regras de Decisão (Linear)
Programação Estocástica com subproblemas de redespacho
..
. cenários
44
Documentação Técnica dos Modelos de
Otimização Energética
Disponíveis na página do CEPEL para acesso público:
www.cepel.br
➢ Manuais, Relatórios e Notas Técnicas de
todos os modelos energéticos
Link para acesso Direto:
http://www.cepel.br/produtos/otimizacao-
energetica/documentacao-tecnica/
Manuais online para funcionalidades mais recentes

➢ Documentação metodológica e do usuário das funcionalidades
mais recentes, desenvolvidas nas LIBs para todos os modelos
✓ Produtibilidade e perdas (DECOMP, DESSEM)
✓ incerteza das usinas eólicas (NEWAVE, DECOMP)
✓ Restrições hidráulicas de vazão e de energia
Link para acesso Direto:

https://see.cepel.br/manual/libs/latest/https://see.cepel.br/manual/libs/latest/ 45
Artigos Publicados - NEWAVE (1/6)
• A. C. G. Melo, M. E. P. Maceira, J. F. M. Pessanha, C. B. Cruz, V. A. Almeida, T. C. Justino, “Uma metodologia para a representação das incertezas
da geração eólica no planejamento da operação de longo e médio prazos”, XXVI SNPTEE - Seminário Nacional de Produção e Transmissão de
Energia Elétrica, Rio de Janeiro, 2022. Incerteza das
fontes eólicas
• M. E. P. Maceira, R. R. Barbosa, T. C. Justino, A. L. Diniz, C. B. Cruz, A. C. G. Melo, “Acoplamento entre os modelos de planejamento e
programação da operação de sistemas hidrotérmicos interligados (NEWAVE e DESSEM) com a presença de fontes intermitentes”, XXVI SNPTEE
- Seminário Nacional de Produção e Transmissão de Energia Elétrica, Maio 2022.
• V. A. Almeida, J. F. M. Pessanha, A. C. G. Melo, M. E. P. Maceira, “Modelagem da relação mensal entre velocidade de vento e produção
eólica no modelo NEWAVE”. LIII SBPO - Simpósio Brasileiro de Pesquisa Operacional, João Pessoa, 2021.
• A.L. Diniz, M.E.P. Maceira, R.J. Pinto, D.D.J. Penna, C.B. Cruz, C.L.V. Vasconcellos. “Estratégia de Seleção de Cortes de
Benders para Redução do Tempo Computacional da Programação Dinâmica Dual Estocástica”, SOBRAPO/2020 - LII • Seleção de
Simpósio Brasileiro de Pesquisa Operacional, Nov. 2020 Cortes
• F. Treistman; M.E.P. Maceira; J.M. Damázio; C.B. Cruz. “Memory Enhancement of Periodic Time Series Model – An Application to
Operation Planning of Hydro Dominated Systems”. ISF/2020. 40th International Symposium on Forecasting. 26-28 Outubro 2020
PAR(p)-A
• F. Treistman; M.E.P. Maceira; J.M. Damázio; C.B. Cruz, “Periodic Time Series Model with Annual Component Applied to Operation
Planning of Hydrothermal Systems”, PMAPS/2020 - 16th International Conference on Probabilistic Methods Applied to Power Systems, 2020.
• A. L. Diniz, M. E. P. Maceira, C. L. V. Vasconcellos, D. D. J. Penna, “A combined SDDP/Benders decomposition approach with a risk-averse
surface concept for reservoir operation in long term power generation planning”, Annals of Operations Research, v. 292, n.2, 649-681, 2020

46
• M. E.. P. Maceira; C. B. Cruz; D. D. J. Penna ; A. L. Diniz ; A. C. G. Melo. ; F. Treistman; T.C. Justino. “Representação de Usinas Hidrelétricas
Individualmente e de Forma Agregada na Programação Dinâmica Dual Estocástica - A Abordagem Híbrida”.XXV Seminário Nacional de Produção e
Transmissão de Energia Elétrica - SNPTEE , Belo Horizonte, MG, Brasil , 2019
• M. E. P. Maceira; C. B. Cruz; A.C.G. Melo; D.D.J. Penna; A.L. Diniz, F. Treistman. “Avaliação do Critério de Parada do Algoritmo de Programação
Dinâmica Dual Estocástica quando se Utilizam Técnicas de Reamostragem de Cenários de Afluências”. XXV Seminário Nacional de Produção e
Transmissão de Energia Elétrica - SNPTEE , Belo Horizonte, MG, Brasil, 2019.
• T. C. Justino; A. C. G. Melo, M. E. P. Maceira; C.B. Cruz; N. Maculan Filho. “Representação de Medidas de Mitigação de Gases de Efeito
Estufa no Problema do Planejamento da Operação de Sistemas Hidrotérmicos Interligados.” XXV Seminário Nacional de Produção e
Transmissão de Energia Elétrica , Belo Horizonte, MG, Brasil, SNPTEE, 2019.
• M. E. P. Maceira, C. B. Cruz, D.D.J. Penna, A. L. Diniz, A. C. G. Melo, ““Hybrid Representation of Hydropower Plants and Inflow Scenarios Re-
Sampling on SDDP: improvements in the official model used for operation planning of the Brazilian system” XV International Conference on
Stochastic Programming, Trondheim, July 29 - August 2, 2019
Modelagem
• M. E. P. Maceira, A. L. Diniz, C. B. Cruz, D. D. J. Penna, C. V. Vasconcellos, A. C. G. Melo, “ “Combined Representation Individualizada
of Hydropower Plants on Stochastic Dual Dynamic Programming - The Hybrid Approach” The 6th International Workshop
on Hydro Scheduling in Competitive Electricity Markets, Stavanger, Sep. 2018
• M.E.P. Maceira, D.D.J. Penna, A.L. Diniz, R.J. Pinto, A.C.G. Melo, C.V. Vasconcellos, C.B. Cruz , "Twenty Years of Application of StochasticHistórico de
Dual Dynamic Programming in Official and Agent Studies in Brazil – Main Features and Improvements on the avanços no
NEWAVE Model", 20th PSCC - Power Syst. Comp. Conf., Dublin, Ireland, June, 2018. modelo

47
• C. L. Vasconcellos, A. L. Diniz, M.E.P. Maceira, C.L.T. Borges," Aprimoramentos na metodologia de superfície de aversão a risco (nova
sar) para o problema de planejamento de longo/médio prazo da operação de sistemas hidrotérmicos”, XXIV SNPTEE – Seminário
Nacional de Produção e Transmissão de Energia Elétrica, Curitiba, out. 2017.
• A. L. Diniz, M.E.P. Maceira, C.L. Vasconcellos, D.D.J.Penna, “A two-level SDDP Solving Strategy with Risk-Averse multivariate
reservoir Storage Levels for Long Term power Generation Planning”, Optimization Online, 2016 (http://www.optimization-
Nova SAR
online.org/DB_FILE/2015/11/5186.pdf)
• M.E.P. Maceira, L.G.B. Marzano, D.D.J. Penna, A.L. Diniz, T.C. Justino, "Application of CVaR risk aversion approach in the expansion and
operation planning and for setting the spot price in the Brazilian hydrothermal interconnected system", International Journal of Electrical
Power and Energy Systems, v.72, pp. 126-135. Nov. 2015.
• A. L. Diniz, C. L. Vasconcellos, M. E. P. Maceira, D. D. J. Penna, "Risk-Averse Storage Level Surface Applied to Long Term Hydrothermal
Generation Planning within SDDP Solving Strategy", Euro Mini Conference on Stochastic Programming and Energy Applicationsins,
Paris, France, Sept. 2014.
• A. L. Diniz, C. L. Vasconcellos, M. E. P. Maceira, D. D. J. Penna, "Risk-Averse Storage Level Surface Applied to Long Term Hydrothermal
Generation Planning within SDDP Solving Strategy", Euro Mini Conference on Stochastic Programming and Energy Applicationsins, Paris,
France, Sept. 2014.
• A.L. Diniz, M.E.P. Maceira, C.L.. Vasconcellos, D.D.J. Penna, "Superfície de Aversão a Risco para o Planejamento da Operação de SAR
Sistemas Hidrotérmicos", XIII SEPOPE – Symposium of Simposium of Specialists in Electric Operational and Expansion Planning,
Foz do Iguaçu,, Brazil, May 2014.

48
• M. E. P. Maceira, L. G. B. Marzano, D. D. J. Penna, A. L. Diniz, T. C. Justino, “Aplicação do Mecanismo de Aversão a Risco CVaR no Planejamento
da Expansão e da Operação Energética e na Formação do PLD do Sistema Interligado Nacional" XIII SEPOPE –
Symposium of Specialists in Electric Operational and Expansion Planning, Brasília, Brazil, May 2014. CVaR
• M.E.P. Maceira, L.G.B. Marzano, D.D.J. Penna, A.L. Diniz, T.C. Justino, “Application of CVaR Risk Aversion Approach in the Expansion and
Operation Planning and for Setting the Spot Price in the Brazilian Hydrothermal Interconnected System”, 18th Power Systems
Computational Conference – PSCC, Wroclaw, Polland, Aug. 2014.
• A. L. Diniz, M.E.P. Maceira, “Multi-lag Benders decomposition for power generation planning with nonanticipativity constraints on the GNL
dispatch of LNG thermal plants”,In: Horand I Gassmann, William T Ziemba. (Org.). Stochastic Programming - Applications in Finance,
Energy, Planning and Logistics. 1ed.: World Scientific, v. 4, p. 399-420, 2013.
• R. J. Pinto, C. L. T. Borges, M. E. P. Maceira, "An Efficient Parallel Algorithm for Large Scale Hydrothermal System
Operation Planning", IEEE Transactions on Power Systems, v.29, n.4, pp. 4888-4896, Nov. 2013. Processamento
Paralelo
• M. I. Ennes, D.D.J. Penna, M. E. P. Maceira, A. L. Diniz, C. L. V. Vasconcellos, “Representação de subsistemas e submercados

de forma diferenciada no planejamento da operação hidrotérmica, XXII SNPTEE - Seminário Nacional de Produção e Transmissão de
Energia Elétrica, Brasília, Brazil, Oct. 2013.
• D. D. J, Penna, A. L. Diniz, M. E. P. Maceira, “Conditional Value-at-risk Versus Multidimensional Rule Curves Within the Risk-averse SDDP
Approach”, XIII ICSP - International Conference on Stochastic Programming, Bergamo, Italy, Jul. 2013

49
• A. L. Diniz, M. P. Tcheou, M.E.P. Maceira, “Uma abordagem direta para consideração do CVAR no problema de planejamento da operação
hidrotérmica” XII SEPOPE – Symp. Specialists in Electric Operational and Expansion Planning, Maio de 2012.
• M.P. Tcheou, R.N. Cabral, D.D.J. Penna, V.S. Duarte, M.E.P. Maceira, "Modelagem da função de perdas a fio d’água Perdas a fio
através do MARS (Multivariate Adaptive Regression Splines)", XII SEPOPE -–Symposium of Specialists in Electric dágua(MARS)
Operational and Expansion Planning, Rio de Janeiro, Brasil, May. 2012.
• D. D. J. Penna, M. E. P. Maceira, J. M. Damazio, A. L. Diniz, “Aplicação de Reamostragem de Cenários Hidrológicos na
Definição da Estratégia de Operação Energética de Médio Prazo”, Symposium of Specialists in Electric Operational and Reamostragem
Expansion Planning, May 2012.
• M. E. P. Maceira, V. S. Duarte, D. D. J. Penna, M. P. Tcheou, “An approach to consider hydraulic coupled systems in the construction of
equivalent reservoir model in hydrothermal operation planning”, 17th Power Systems Computation Conference – PSCC, Stockholm, 2011.
• M. E. P. Maceira, V. S. Duarte, D. D. J. Penna, M. P. Tcheou, “An approach to consider hydraulic coupled systems in the construction of equivalent
reservoir model in hydrothermal operation planning”, 17th Power Systems Computation Conference – PSCC, Stockholm, 2011.
• A. L. Diniz, M. E. P. Maceira, V. S. Duarte, T. N. Santos, M. P. Tcheou, A. L. Saboia, D. D. J. Penna, F. S. Costa, “Antecipação do despacho de
usinas térmicas à GNL no problema de programação da operação de sistemas hidrotérmicos” XXI SNPTEE - Seminário Nacional de Produção
e Transmissão de Energia Elétrica, Oct. Florianópolis, 2011.
• D. D. J. Penna, M. E. P. Maceira, J.M. Damázio, “Selective sampling applied to long-term hydrothermal generation planning”, 17th PSCC -
Power Syst. Comp. Conf., Stockholm, Sweden, Aug. 2011.

50
• A. L. Diniz, M. E. P. Maceira, M. P. Tcheou, T. N. Santos, V. S. Duarte, D. D. J. Penna, “Hydrothermal Generation Planning with Time-
Linking Constraints on the Dispatch of Liquefied Natural Gas (LNG) Thermal Plants PSCC - Power Systems Computation Conference,
Stockholm, Aug. 2011.
• A. L. Diniz, M. E. P. Maceira, M. P. Tcheou, “Long and Mid-term Generation Planning with Time-Linking Constraints on the Dispatch of
Liquefied Natural Gas” XII International Conference on Stochastic Programming, Halifax, Canadá, 2010.
• M. E. P. Maceira, D. D. J, Penna, , J. M. Damazio, V. S. Duarte, A. L. Diniz, “New Approach in Sampling Scenarios Tree Applied to Long-Term
Generation Planning of Electric Power Systems” XII Int. Conference on Stochastic Programming, Halifax, Canadá, 2010.
• M.E.P. Maceira, V.S. Duarte, D.D.J. Penna, L.A.M. Moraes, A.C.G. Melo, “Ten years of application of stochastic dual dynamic Programming
in official and agent studies in Brazil –Description of the NEWAVE program”, 16th Power Systems Computation Conference - PSCC,
Glasgow, SCO, July 2008.
• L.A. Terry, M.E.P. Maceira, C.V. Mercio, V.S. Duarte, "Equivalent reservoir model for hydraulic coupled systems", IX SEPOPE -–Symposium of
Simposium of Specialists in Electric Operational and Expansion Planning, Rio de Janeiro, Brasil, May. 2004
• M. E. Maceira and J. M. Damázio,"The use of PAR(p) model in the stochastic dual dynamic programming optimization scheme used in the operation
planning of the Brazilian hydropower systemOperation Planning Studies of the Brazilian Generating System", 8th Int. Conf. on Probabilistic Methods
Applied to Power Systems -PMAPS Ames, Iowa, Sept. 2004
• M.E.P. Maceira, L.A. Terry, F.S. Costa, J. M. Damazio, A C. G. Melo, “Chain of optimization models for setting the energy dispatch and spot
price in the Brazilian system”, Proceedings of the Power System Computation Conference - PSCC’02, Sevilla, Spain, June 2002.
• M. E. P. Maceira, M. V. F. Pereira, “Representação da operação hidrotérmica cronológica ao despacho de geração analítico”, XII Seminário
Nacional de Produção e Transmissão de Energia Elétrica, XII Simpósio Brasileiro de Recursos Hídricos, ABRH, anais 2, 391-397, 1997., Recife,
Brasil, Oct. 1993.

51
Artigos Publicados - GEVAZP (1/2)
• J. F.. M. Pessanha, A. C. G. Melo, M. E. P. Maceira, V. A. Almeida, "Generation of short-term wind power scenarios from an ensemble of hourly wind
speed forecasts", 17 th Probabilistic Methods Applied to Power Systems, Manchester, 2022.
• Treistman, F., Maceira, M.E.P., Penna, D.D.J. et al. Synthetic scenario generation of monthly streamflows conditioned to the El Niño–Southern
Oscillation: application to operation planning of hydrothermal systems. Stoch Environ Res Risk Assess 34, 331–353, 2020.
Cenários
• F. Treistman, M. E. P. Maceira, J. M. Damázio and C. B. Cruz, "Periodic Time Series Model with Annual Component Applied to Operation com ENOS
Planning
of Hydrothermal Systems," 2020 International Conference on Probabilistic Methods Applied to Power Systems (PMAPS), Liege, Belgium, pp. 1-6,
2020.
PAR(p)-A
• Treistman, F., Penna, D., de Araújo, H., et al., “Impacto da aplicação da técnica de agregação na construção da árvore de
cenários para o planejamento da operação de curto prazo”. XXII SBRH, 2017, ABRH, Florianópolis, 2017.
• de Araújo, H., Penna, D., Treistman, F., et al., “Aplicação das correlações espaciais históricas na geração de cenários Correlação
sintéticos multivariados para gerenciamento do sistema interligado nacional”. XXII SBRH, Florianópolis-SC, 2017 mensal
• W. Oliveira,C. Sagástizabal, D. Penna, et al., “Optimal scenario tree reduction for stochastic streamflows in power generation
planning problems”, Optimization Methods and Software, 25:6, 917-936, 2010.
• D. Penna, M.E. Maceira, J. Damazio, et al., “Aplicação de reamostragem de cenários hidrológicos da estratégia de operação energética de
médio prazo”. XII Simpósio de Especialistas em Planejamento da Operação e Expansão Elétrica. Anais... . p.11, 2012. Rio de Janeiro, RJ.
• W. Oliveira, D. Penna., J. Damazio, et al. “Análise da Correlação Cruzada Através da Distribuição Lognormal Três Parâmetros”, XVIII SBRH, 2009

52
Artigos Publicados - GEVAZP (2/2)
• M.E.P. Maceira, J. Damazio, “Stochastic streamflow model for hydroelectric systems using clustering techniques”, 2001 IEEE Porto Power
Tech Proceedings, v. 3, p. 244–249, 2001.
• D. Penna, M. E. Maceira, D. Falcão, “Of The Par(p) Model In The Stochastic Dual Dynamic Programming Optimization Scheme Used In The
Operation Planning Of The Brazilian Hydropower System”, 2006. U. Probab. Eng. Inf. Sci. 20, 1 (January 2006), 143–156.
• M.E.P. Maceira, C. Bezerra, “Stochastic streamflow model for hydroelectric systems”, 1997 International Conference on Probabilistic
Methods Applied to Power Systems (PMAPS), Vancouver, Canada, 1997

53
Artigos Publicados - DECOMP (1/3)
▪ L. C. Brandao, J. F. Pessanha, L. S. Khenayfis, A. L. Diniz, R. J. Coelho Pereira, C. A. Araújo, “A Data-Driven Representation of Produtibilidade e perdas
Aggregate Efficiency Curves of Hydro Units for the Mid-Term Hydrothermal Coordination Problem”, Electric Power variáveis para as UHEs
Systems Research v. 212, 108511, 2022.
▪ L. T. Yocogawa, L. C. Brandão, A. L. Diniz, "Modelagem da função de produção das usinas hidroelétricas considerando as características operativas
das unidades geradoras" XXV SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica - Belo Horizonte - 2019
▪ L. C. Brandão, A. L. Diniz, "Programação Dinâmica Dual Assíncrona - aplicação ao problema de planejamento de curto/médio prazos da operação
hidrotérmica" - XXV SNTPEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica - Belo Horizonte - 2019
▪ A. L. da silva, B. H. Dias, A. L. Diniz, L. C. Brandão, "Modelagem alternativa da Função de Custo Imediato para consideração do despacho
horário no problema de planejamento da operação resolvidos por PDD" - XXV SNTPEE - Seminário Nacional de Produção e Transmissão de
Energia Elétrica - Belo Horizonte - 2019 Descrição geral
DECOMP
▪ A. L. Diniz, F. S. Costa, M. E. P. Maceira, T. N. Santos, L. C. Brandão, R. N. Cabral, " Short/Mid-Term Hydrothermal Dispatch and
Spot Pricing for Large-Scale Systems - the Case of Brazil", 20th Power Systems Computation Conference, Dublin, Ireland, June 2018.
▪ L.C. Brandão, A. L. Diniz, L. G. Simonetti, "Accelerating Dual Dynamic Programming for Stochastic Hydrothermal Coordination Problems", 20th
Power Systems Computation Conference, Dublin, Ireland, June 2018.
▪ L.C. Brandão, A.L. Diniz, “Programação Dinâmica Dual: estratégias eficientes aplicadas a problemas estocásticos de coordenação
hidrotérmica”, XXIV SNPTEE – Seminário Nacional de Produção e Transmissão de Energia Elétrica, Curitiba, out. 2017.

54
▪ R. N. Cabral, A. L. Diniz, "Assessment of a new State-Dependent Dynamic Piecewise Linear Model of Thermal Generation Costs for
Hydrothermal Coordination". 2016 IEEE PES General Meeting, Boston, USA, 2016
▪ A. L. Diniz, A. L. Saboia, R. M. Andrade, “An Exact Multi-Plant Hydro Power Production Function for Mid/Long Term Hydrothermal Coordination”,
19th PSCC – Power Systems Computation Conference, Genoa, June 2016.
▪ L. C. B. Santos, A. L. Diniz, "Advances in tree traversing strategies and cut sharing formultistage Benders decomposition - application to the stochastic
hydrothermal coordination problem in a parallel processing environment”, ICSP – Int. Conf. Stoch. Programming, Rio de janeiro, 2016.
• M. E. P. Maceira, L. G. B. Marzano, D. D. J. Penna, A. L. Diniz, T. C. Justino, “Aplicação do Mecanismo de Aversão a Risco CVaR no Planejamento
da Expansão e da Operação Energética e na Formação do PLD do Sistema Interligado Nacional" XIII SEPOPE – Simposium of Specialists in
Electric Operational and Expansion Planning, Brasília, Brazil, May 2014. CVaR
• M.E.P. Maceira, L.G.B. Marzano, D.D.J. Penna, A.L. Diniz, T.C. Justino, “Application of CVaR Risk Aversion Approach in the Expansion and
Operation Planning and for Setting the Spot Price in the Brazilian Hydrothermal Interconnected System”, 18th Power Systems Computational
Conference – PSCC, Wroclaw, Polland, Aug. 2014.
• A. L. Diniz, M. I. A. Ennes, R. N. Cabral "Dynamic Piecewise Linear Models for Nonlinear Hydrothermal Scheduling Problems", 4th International
Workshop on Hydro Scheduling in Competitive Electricity Markets, Bergen, Norway, June 2012.
• A. L. Diniz, M. P. Tcheou, M. E. P. Maceira, “A direct approach to consider CVaR in the hydrothermal power generation planning” XII SEPOPE -
Symposium of Specialists in Electric Operational and Expansion Planning, May 2012.

55
• R. J. Pinto, A.L.G.P. Sabóia, R.N. Cabral, F.S. Costa, A.L.Diniz e M. E. P. Maceira, “Metodologia para aplicação de processamento
Processamento
paralelo no planejamento de curto-prazo (modelo DECOMP)”, XX SNPTEE- Seminário Nacional de Produção e Transmissão de Paralelo
Energia Elétrica, Recife, Novembro 2009.
• A. L. Diniz, F. S. Costa, A. L. G. Pimentel, L. N. R. Xavier, M. E. P. Maceira, “Hydro Plants Energetic Production Function Improvement in a Hydrothermal
System Mid-Term Operation Planning Model”,EngOpt International Conference on Engineering Optimization, Rio de Janeiro, Jun. 2008.
• L. N. R. Xaver, A. L. Diniz, F. S. Costa, M. E. P. Maceira, “Aprimoramento da modelagem da Função de Produção Energética das usinas hdroelétricas
no modelo DECOMP : Metodologia e resultados”, XVIII SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica, Curitiba, 2005.

56
Artigos Publicados - DESSEM (1/4)
• M. G. Curty, C.H. M. Saboia, M. L. V. Lisboa, C. L. T. Borgens, "Planejamento da expansão da geração considerando aspectos da Estratégia de solução
programação diária através de um soft link com o modelo DESSEM", XXVI Seminário Nacional de Produção e Transmissão de MILP com UCT e rede
Energia Elétrica - SNPTEE, Rio de Janeiro, 2022.
• M. E. P. Maceira, R. R. Barbosa, T. C. Justino, A. L. Diniz, C. B. Cruz, A. C. G. Melo, “Acoplamento entre os modelos de planejamento e
programação da operação de sistemas hidrotérmicos interligados (NEWAVE e DESSEM) com a presença de fontes intermitentes”, XXVI
SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica, Maio 2022.
• R. Santos, A. L. Diniz, B. Borba, "Assessment of the Modeling of Demand Response as a Dispatchable Resource in Day-Ahead
Hydrothermal Unit Commitment Problems: The Brazilian Case", Energies 15, 3928, 2022
• R. B. S. Santos, B. S. M. C. Borba, A. L. Diniz, “Avaliação dos impactos da introdução da resposta demanda na programação diária da
operação do sistema hidrotérmico brasileiro”, XXVI SNPTEE – Seminário Nacional de Produção e Transmissão de Energia Elétrica, Rio de
Janeiro, Maio 2022.
• C. P Trama, A. O. Pereira Júnior, A. P.C. Guimarães, A. L. Diniz, and L.S.R. Vieira. "Cost–Benefit Analysis of Solar Thermal Plants with Storage
in a Hydrothermal System" Energies 14, no. 18: 5662, 2021
• T. N. Santos, A. L. Diniz, C H. Saboia, R.N. Cabral, L.F. Cerqueira, "Hourly pricing and day-ahead dispatch setting in Brazil: Estratégia de solução
the dessem model", Electric Power Systems Research, v.189, 2020. MILP com UCT e rede
• T. N. Santos, A.L. Diniz, C.H. Saboia, C.E. Vilas Boas, J.M. Ferriera, F.Mourão, R.N. Cabral, L.F. Cerqueira, C. A. Araujo Jr.,
E. D. Carvalho, R. A. Kammler, “Incorporação de restrições operativas detalhadas utilizadas na elaboração do
Restrições de segurança
Programa Diário de Operação do Operador Nacional do Sistema (ONS) no modelo de Despacho Hidrotérmico de da rede elétrica
Curto Prazo”, XXV SNPTEE, Belo Horizonte, 2019.
57
• B. P .Cotia, C. L. T. Borges, A. L. Diniz, “Optimization of wind power generation to minimize operation costs in the daily scheduling of
hydrothermal systems”, Int. J. of Electrical Power & Energy Systems, v. 113, pp. 539-548, Dec. 2019
• T. N. Santos, A. L. Diniz, C. T. Borges, “A New Nested Benders Decomposition Strategy for Parallel Processing Applied to the Hydrothermal
Scheduling Problem”, IEEE Transactions on Smart Grid, v. 8, n.3, pp. 1504-1512, 2017.
• C. H. Saboia, A. L. Diniz, " A local branching approach for network-constrained thermal unit commitment problem under uncertainty", 19th
Power Systems Computation Conference (PSCC), Genoa, Italy, Jun. 2016..
• A. L. Diniz, T. M. Souza, “Short-Term Hydrothermal Dispatch With River-Level and Routing Constraints”, IEEE Tempo de viagem /
modelagem dos rios
Transactions on Power Systems, v.29, n.5, pp. 2427 – 2435, Sep. 2014.
• T. N. Santos, A. L. Diniz, “Alternative Approaches to Consider DC−Power Flow with Losses in a Linear Program for Short Term Hydrothermal
Scheduling” IEEE T&D Conference and Exposition Latin America, 2012, Montevideo, Uruguai, Sep. 2012
• T.N. Santos, C.E.V. Boas,, F.P. Mourão, A.L. Diniz, “Restrições de metas semanais na política de operação do sistema elétrico
brasileiro”, XII SEPOPE - Symposium of Specialists in Electric Operational and Expansion Planning, Rio de Janeiro, May2012.
• T. M. Souza, A. L. Diniz, “An accurate representation of water delay times for cascaded reservoirs in hydro Modelagem DC com
scheduling problems”, IEEE/PES General Meeting, San Diego, July 2012. perdas da rede elétrica
• T. N. Santos, A. L. Diniz, “A Dynamic Piecewise Linear Model for DC Transmission Losses in Optimal Scheduling
Problems”, IEEE Transactions on Power Systems, v.26, n.2, pp. 508-519, 2011.

58
• A. L. Diniz, “Processo iterativo de construção da função de produção das usinas hidroelétricas para o problema de coordenação
hidrotérmica”, XX Seminário Nacional de Produção e Transmissão de Energia Elétrica – SNPTEE, Recife, PE, 2009
• T. N. Santos, A.L. Diniz, “A Comparison of Static and Dynamic Models for Hydro production in Generation Scheduling Problems”, 2010
IEEE-PES General Meeting, Minneapolis, USA, 2010/
• T. N. Santos, A. L. Diniz, “Feasibility and optimality cuts for the multi-stage Benders decomposition approach:application to the network constrained
hydrothermal scheduling”, Proceedings of the 2009 IEEE PES General Meeting, Calgary, Canada, 2009.
• T. N. Santos, A.L.Diniz, “A New Multiperiod Stage Definition for the Multistage Benders Decomposition Approach Applied to
Hydrothermal Scheduling”, IEEE Transactions on Power Systems, v. 24, n.3, pp. 1383-1392, Aug. 2009.
• A. L. Diniz, , M.E.P. Maceira, , “A four-dimensional model of hydro generation for the short-term hydrothermal dispatch
Função de Produção
problem considering head and spillage effects”, IEEE Transactions on Power Systems, v. 23, n.3, pp. 1298-1308, Aug. hidroelétrica
2008.
• M. G. Martinez, C. A. Sagastizábal, A. L. Diniz, “A Comparative Study of two Forward Dynamic Programming Techniques for solving
Local Thermal Unit Commitment Problems”, 16th Power Systems Computation Conference - PSCC, Glasgow, SCO, July 2008.
• L.M.P. Costa, A.L. Diniz, T. N. Santos, “Sensitivity analysis on different types of electrical network modeling for the network constrained
hydrothermal scheduling problem”, IEEE/PES Transm. Distr. Conf. Expos. Latin America, Bogotá, Colômbia, Jul 2008.
• A. L. Diniz, C. A. Sagastizabal, M. E. P. Maceira, “Assessment of Lagrangian Relaxation with Variable Splitting for Hydrothermal
Scheduling”, 2007 IEEE PES General Meeting, Tampa, Florida, Jun 2007.

59
• A. L. Diniz, L. A. Terry, M. E. P. Maceira, F. S. Costa, et al, C. A. Sagastizabal, D. B. Chaves, L. C. F. Sousa, E. C. Finardi, “Hydro unit-commitment
via lagrangian relaxation. Application to the brazilian optimization model for short term scheduling of hydrothermal interconnected systems –
DESSEM”, Proceedings of the IX Symposium of Specialists in Electric Operational and Expansion Planning– SEPOPE, Rio de Janeiro, Brazil, May
2004
• A. Belloni, A. L. Diniz, M. E. P. Maceira, C. A. Sagastizabal, “Bundle relaxation and primal recovery in unit commitment problems. The
Brazilian case”, Annals of Operations Research, v.120, n. 1-4, pp. 21-44, Apr. 2003.
• A. L. Diniz, L. C. F. Sousa, M. E. P. Maceira, S. P. Romero, F. S. Costa, C. A. Sagastizabal, A. Belloni, “Estratégia de Modelagem DC

representação DC da rede elétrica no modelo de despacho da operação energética – DESSEM”, VIII SEPOPE – da rede elétrica
Symposium of Simposium of Specialists in Electric Operational and Expansion Planning, Brasilia, Brazil, 2002
• M. E. P. Maceira, L. A. Terry, A. L. Diniz, L. C. F. Sousa, F. S. Costa, S. P. Romero, S. Binato, S. M. Amado, C. E. Vilasboas, R. Vilanova,
“Despacho de geração horário com representação detalhada de restrições hidráulicas”, VII SEPOPE –Symposium of Simposium of Specialists
in Electric Operational and Expansion Planning, Foz do Iguacu, Brazil, May 2000.
Modelo DESSEM
sem rede, semUCT

60
diniz@cepel.br OBRIGADO !!
61

2022 10 11 - Apresentacao AndreDiniz SBPO 2022

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

2022 10 11 - Apresentacao AndreDiniz SBPO 2022

Enviado por

Direitos autorais:

Formatos disponíveis

Desafios Recentes para o Planejamento Energético:

Fontes Renováveis Intermitentes, Resposta da Demanda,

André Luiz Diniz

➢ O que é a transição Energética? Objetivos e Panorama do Brasil

➢ Status atual modelos de Otimização Energética utilizados para o Planejamento da

✓ Modelagem dos novos componentes a aprimoramento dos existentes

➢ Migração de matrizes energéticas

➢ meio ambiente, eficiência

➢ 3 D´s: Digitalização, descentralização,

➢ Necessidade de incorporação / incremento de

➢ Atuação ativa dos consumidores no

162 UHEs/386 unidades térmicas +9.000 barras / +13.000 linhas

GAS/LNG ÓLEO/DIESEL CARVÃO NUCLEAR

BIOMASSA + OUTROS (8.9%)

Modelos Elétricos Modelos Energéticos

• Análise de Intervenções • Formação do PLD

Análise Econômica de Projetos e

Validados em grupos de trabalho

Aprovado para uso oficial pela

Usinas de Usinas Hidrelétricas

➢ Intercâmbio entre submercados TRANSMISSÃO

NOVAS FONTES RENOVÁVEIS COMPONENTES ADICIONAIS

➢ A maior fonte de incerteza para os modelos de otimização energética está

Energy inflows – Northeast Region – 1931 - 2019

Crise hídrica 2021

Crise hídrica 2014

Fonte: www.ccee.org.br (adaptado) 11

Cálculo da “Política de Operação” Refinamento da Política Despacho semi-horário e

Aplicação Horizonte Discretização Árvore de Modelagem Estratégia

Mensal 10 anos patamares de amostra de PDDE

2 meses Sem/Mensal, Estocástica, Usinas

Semanal (pode ir patamares de Árvore Individualizadas, PDD

min ෍ 𝜆𝐸 + (1 − 𝜆)𝐶𝑉𝑎𝑟 ෍ 𝑐𝑗 𝐺𝑇𝑗𝑡,𝜔 + 𝛼(𝑣 𝑇 )

Armazenamos finais nos reservatórios

Geração usinas GNL para além do

Vazões ao longo do horizonte de estudo

Vazões verificadas no 1º mês

Vazões verificadas em meses passados

➢ identificar os a% maiores valores de zt,w

➢ Construir cortes considerando tanto o

O uso de técnicas de clusterização (2011) Modelo Par(p)-A (2020) reproduz melhor

𝐸𝑁𝐴𝑡,𝑖 = ෍ 𝜙𝑡,𝑗,𝑖 (𝐸𝑁𝐴𝑡−𝑗,𝑖 )

50000 50000 + 𝝍𝒕,𝒊 𝑨𝒕−𝟏,𝒊 + 𝜀𝑡,𝑖 + 𝐶𝑚,𝑖

➢ Representação do parque hidráulico em detalhes

Despacho do sistema de ½ em ½ hora, por unidade geradora (ONS)

PROGRAMAÇÃO LINEAR (POR PARTES) INTEIRA MISTA

Demanda  gt tj +  gh tj +  (Int tj →i − Intit→ j ) = Dit i = 1,…,NS, t = 1,…,T,

Conservação Vi t = Vi t −1 + I it − (Qit + Sit ) +  (Q tj + S tj )

FPHA ghit = FPH (Vi t , Qit , Sit ) H

Tratamento de Problema Inteiro-Misto (MILP) Obtenção de

Cálculo do fluxo DC e Fixação de

Maceira, Penna et al, PSCC 2018

Helseth, Melo, Relatório

Modelos de Otimização Energética

Santos, Diniz et al, EPSR, 2020

USINAS HIDRELÉTRICAS EM CASCATA

Usinas de bombeamento Enchimento de

Propagação da água nos rios

Canais entre reservatórios

Impacto da altura de Eficiência do conjunto

Geração Hidráulica (GH) como função linear por partes do

500 6400 230

Custo de Partida/Parada Tempo mínimo ligada/desligada