THE 9th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2011

Programao Neuro-Dinmica Aplicada ao Planejamento da Operao de Sistemas Hidrotrmicos de Potncia

L. F. Rodrigues, M. A. A. Castro, R. O. C. Scarcelli, A. A. F. M. Carneiro e R. Bertho, Jr
PDDD: Programao Dinmica Dual Determinstica PND: Programao Neuro-Dinmica RNA: Rede Neural Artificial PMC: Perceptron Multicamadas II. INTRODUO Segundo a OECD at abril de 2011, 14% da energia gerada no mundo so provenientes de UHEs enquanto 82% de UTEs, os 4% restantes so provenientes de gerao elica, geotrmica, solar e outras. No Brasil, de acordo com o Banco de Informaes Gerais da ANEEL at abril de 2011, 66,77 % da energia gerada no Brasil proveniente de usinas hidreltricas e 26,39 % proveniente de UTEs. Desta forma o sistema eltrico brasileiro caracterizado de grande porte e predominantemente hidreltrico, o que o torna fortemente dos fatores climticos e, tambm, das estratgias de operao. O problema de otimizao do POESH complexo, sendo no linear devido s funes de gerao trmica e gerao hidrulica no serem lineares, dinmico pois o sistema est continuamente mudando devido s mudanas do ambiente para o qual se est fazendo o planejamento, interconectado pois existe o acoplamento hidrulico entre as usinas de uma mesma cascata e estocstico pois as afluncias futuras no so conhecidas. Uma ferramenta matemtica usualmente utilizada na resoluo deste problema a PD. Tal ferramenta divide o problema em estgios e toma a deciso baseada no menor custo daquele estgio e de acordo com o estado em que se encontra [1]. Para os modelos hidrotrmicos, os estgios so os intervalos de tempo, a deciso a vazo turbinada e o estado o volume de gua armazenado. O custo total da operao dado pela soma do custo do estgio atual (custo presente) com o custo do estgio seguinte (custo futuro). Em casos onde as vazes afluentes futuras so previamente conhecidas, pode-se utilizar a PDD no planejamento [2]. Dessa forma determina-se a tabela de decises e por consequncia, a trajetria tima. Porm, devido ao problema ser de grande porte e ter a necessidade de discretizar os espaos de estado, a soluo via PDD exige um grande esforo computacional, mesmo para o caso determinstico. Uma alternativa a esse problema a PDDD em conjunto com a decomposio de Benders [2, 3, 4, 5 e 6]. A PDDD possibilita a aproximao da funo de custo futuro atravs de um processo iterativo. Dessa forma, no necessrio discretizar o todo o espao de estado e a deciso

Resumo Este trabalho apresenta uma proposta de implementao computacional da Programao Neuro-Dinmica (PND) aplicada ao planejamento da operao energtica de sistemas hidrotrmicos de potncia. A PND tem como base observar seu prprio comportamento atravs de simulaes e utilizar de mecanismos embutidos para a melhoria de suas aes atravs do reforo, utilizando tcnicas iterativas para melhorar a capacidade de aproximao da funo de custo futuro. Dessa maneira, ao invs de armazenar uma tabela de deciso dos valores timos para cada estgio do problema, como feito na Programao Dinmica (PD), armazena-se somente um vetor de valores associados aos pesos ou parmetros da rede neural. Os mtodos de PND tm sido consideravelmente eficazes em problemas onde tradicionalmente a PD dificilmente seria aplicvel, como o caso do planejamento energtico de sistemas hidrotrmicos brasileiro. Tal aplicao realizada de modo determinstico. Os resultados obtidos so comparados com a PD, a fim de verificar a viabilidade de implementao de tal mtodo de programao. Palavras-chave Planejamento da Operao, Programao Neuro-Dinmica, Programao Dinmica.

I. NOMENCLATURA OECD: Organization for Economic Cooperation and Development UHE: Usina Hidroeltrica UTE: Usina Termoeltrica ANEEL: Agncia Nacional de Energia Eltrica POESH: Planejamento da Operao Energtica de Sistemas Hidrotrmicos PD: Programao Dinmica; PDD: Programao Dinmica Determinstica Este trabalho contou com o apoio financeiro da CAPES. Escola de Engenharia de So Carlos EESC/USP, So Carlos, Brasil. L. F. Rodrigues, Estudante de Mestrado da EESC/USP, So Carlos, Brasil (e-mail: lfrodrigues@usp.br) M. A. A. Castro, Professor Doutor da Universidade Federal de Juiz de Fora, Juiz de Fora, Brasil. (e-mail:castro@ufjf.br) R. O. C. Scarcelli, Estudante de Mestrado da EESC/USP, So Carlos, Brasil (e-mail: scarcelli@usp.br) A. A. F. M. Carneiro, Professor Doutor da EESC/USP, So Carlos, Brasil. (e-mail: adriano@usp.br) R. Bertho Jr, Estudante de Mestrado da EESC/USP, So Carlos, Brasil. (e-mail: rui.bertho@usp.br)

THE 9th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2011

tima obtida atravs de um nmero finito de subproblemas lineares. Porm, esse mtodo requer algumas simplificaes que podem afetar na deciso final do quanto gerar em cada usina do sistema. Como o sistema brasileiro de grande porte, alm de utilizar a PDDD, utiliza-se a representao por reservatrio equivalente de energia [7 e 8], assim as usinas so agregadas por subsistem, onde o sistema gerador modelado por um nico reservatrio equivalente de energia e uma nica usina hidreltrica a fio dgua [9]. Em tal representao h uma significativa reduo no nmero de variveis do problema, porm por ser uma simplificao do modelo, a operao tima individual de cada reservatrio pode ser afetada. Neste contexto, este trabalho apresenta a proposta de implementao da PND aplicado ao planejamento de operao de sistemas hidrotrmicos de potncia. Tal mtodo utiliza uma aproximao da funo de custo futuro atravs de RNAs. III. MODELAGEM DO PROBLEMA O problema de otimizao do POESH pode ser modelado como um problema de otimizao. Para o caso determinstico e de uma nica usina pode ser formulado da seguinte maneira: + s.a. = = + = = . . + (2) (3) (4) (5) (6) (7) (8) (9) (1)

estgio t-1

ut ,qt , vt yt

estgio t

xt-1 xt Fig. 1 Esquema de decises do estgio t-1 para o estgio t

Como o problema determinstico, yt conhecido, assim dado o volume do estgio anterior (xt-1) toma-se o conjunto de decises no estgio t(ut, qt e vt) e tem-se o volume ao final do estgio t (xt), sempre respeitando-se os limites de armazenamento (xmax e xmin), os limites de turbinagem (qmax e qmin) e os limites de vertimento (vmax e vmin). Esse processo repetido at o ultimo estgio do horizonte de planejamento, ou seja, at que t = T. A partir das decises tomadas possvel obter as trajetrias de volume nos reservatrios, de gerao trmica, de gerao hidrulica e de vertimento, restando apenas definir qual delas a tima, ou seja, qual trajetria tem o menor custo total no final do horizonte de planejamento. No setor eltrico brasileiro, o custo mdio mensal de gerao trmica (C(GTt)) dependente dos custos das usinas trmicas, a Fig. 2 apresenta o custo real e uma aproximao do custo real. Neste trabalho utilizou-se a aproximao do custo real utilizando um polinmio de segundo grau. As usinas trmicas so colocadas em ordem crescente com relao ao custo, assim as usinas mais baratas entram em operao primeiro, e na medida em que torna-se necessrio, as usinas com maiores preos entram em operao. Isso acontece at o ponto onde a demanda no suprida, caracterizando-se assim os dficits de gerao. O custo de dficit o ltimo a ser contabilizado, pois tem um alto valor.
5 4,5 4 3,5 Custo (105 R$) 3 2,5 2 1,5 1 0,5 0 0 5000 10000 15000 20000 25000 30000 35000 Gerao Trmica (MW) Real Aproximao

Onde: T: horizonte de planejamento; C(GTt): funo de custo de complementao no hidrulica; t(xt): funo de custo futuro associado ao estado do reservatrio; GTt: gerao mdia mensal de energia trmica; Dt: demanda ao longo do intervalo t; GHt: gerao mdia mensal de energia hidroeltrica; xt: volume armazenado ao final do intervalo t; yt: vazo afluente mdia ao longo do intervalo t; qt: vazo defluente mdia ao longo do intervalo t; ut: turbinagem ao longo do intervalo t; vt: vertimento ao longo do intervalo t; mT: meta de volume do reservatrio ao final perodo; k: produtibilidade especfica da usina; hl: altura de queda lquida; : conversor de unidade de m/s para hm/ms; A equao (4) uma equao recursiva de transio de estado, ou seja, uma equao, que para um dado conjunto de decises, determina o estado do problema em dois estgios consecutivos, assim pode-se aplicar a PD para a resoluo do POESH. A Fig. 1 apresenta o esquema de decises do estgio t-1 para o estgio t.

Fig. 2 Custo mdio mensal de gerao trmica

IV. PROGRAMAO NEURO-DINMICA Na PDD a afluncia previamente conhecida, assim a partir da discretizao da varivel de estado do problema, so obtidos vrios pontos factveis e dessa maneira montado uma tabela de decises. A partir do valor timo do ltimo estgio, faz-se o caminho inverso (backward) a fim de descobrir a trajetria tima do problema. Porm quando trata-se de um problema de grande porte, como o caso do sistema eltrico brasileiro, sua dimenso cresce exponencialmente com a

THE 9th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2011

Custo Futuro (105 R$)

discretizao das variveis de estado, levando a um excessivo e, as vezes, impraticvel esforo computacional. O custo total do POESH em um dado estgio t formado pela soma do custo presente com o custo futuro. O custo presente dado pela funo de custo mdio da gerao trmica (C(GTt)) e o custo futuro dado pelo custo do estgio t+1 at o estgio final, onde t = T, tomado um conjunto de decises no estgio t. O custo futuro do estgio final nulo. A PND utiliza uma rede neural para fazer uma aproximao da funo de custo futuro de cada estgio do problema, assim no necessrio armazenar as vrias solues factveis de cada estgio, conseqentemente elimina-se o mal da dimensionalidade [10]. Retomando a Fig. 1, ao utilizar a PD, pode-se encontrar vrios conjuntos de decises que so factveis na transio do estgio t-1 para o estgio t, mas a trajetria tima s pode ser verificada ao final da PD, depois de calculadas todas as decises factveis em todos os estgios (tabela de decises). J, na PND, utiliza-se uma RNA em cada estgio do problema para determinar qual ser o custo futuro para um conjunto de decises (ut, qt e vt) e para esse mesmo conjunto calculado o custo imediato, assim a soluo tima do problema ser aquela que obtivera menor soma entre os pares de custo futuro e custo imediato, ou seja, o menor custo total. Dessa forma, somente um conjunto de decises utilizado na transio do estgio t-1 para o estgio t, onde no necessria a tabela de decises para determinar a trajetria tima do problema. A funo de custo futuro de um sistema hidrotrmico em funo do volume do reservatrio em um determinado estgio de otimizao. Como o volume inicial fixo, a funo de custo futuro no primeiro estgio uma constante. A rede neural utilizada para fazer a aproximao das funes de custo futuro foi a rede PMC. Tal rede caracterizada pela elevada possibilidade de aplicao e quanto aplicabilidade, onde pode-se destacar a aproximao de funes [11]. A rede PMC utilizada para aproximao de funes possui apenas uma camada escondida com a funo de ativao do neurnio de sada sendo linear e as funes de ativao da camada escondida sendo tangente hiperblica, assim a funo a ser mapeada ser uma superposio de funes de ativao do tipo tangente hiperblica. A Fig. 3 apresenta a estrutura da rede PMC. Na Fig. 3, a entrada o volume do estgio anterior e a sada o custo futuro do estgio. Ao todo utilizou-se 11 redes neurais e o nmero de neurnios da camada escondida (n) foi determinado de modo que melhor aproxime a funo de custo futuro para cada estgio do problema.
1 2 x Camada de entrada 3 Camada de sada y

As Fig. 4, 5 e 6 apresentam algumas funes de custo futuro aproximadas pelas redes PMC, para a usina hidreltrica de Emborcao. Como o horizonte de planejamento utilizado foi de 12 meses, para cada usina utiliza-se 11 redes PMC. As curvas possuem uma caracterstica descendente, pois quanto maior o volume do reservatrio mais fcil, e conseqentemente mais barato, ser para gerar energia suficiente at o final do horizonte.
8 7 Custo Futuro (106 R$) 6 5 4 3 2 1 0 0 20 40 60 80 100 Volume (%) Custo Real Custo Aproximado

Fig. 4 Funes de custo futuro real e aproximado do estgio 1 3,5 3 Custo Futuro (106 R$) 2,5 2 1,5 1 0,5 0 0 20 40 60 80 100 Volume (%) Custo Real Custo Aproximado

Fig. 5 Funes de custo futuro real e aproximado do estgio 7 6 5 4 3 2 1 0 0 20 40 60 80 100 Volume (%) Custo Real Custo Aproximado

n Camada intermediria Fig. 3 Estrutura da rede PMC utilizada na PND

Fig. 6 Funes de custo futuro real e aproximada do estgio 11

THE 9th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2011

Nas Fig. 4, 5 e 6 pode-se observar que a aproximao da funo atravs da rede neural foi praticamente igual funo real. Nas Fig. 5 e 6 o custo se mantm constante no incio e posteriormente decresce, isso deve-se ao fato de que existem infactibilidades para a resoluo do problema. Na Fig. 6 at aproximadamente 95% do volume do reservatrio a soluo infactvel, pois com o volume de gua da vazo no possvel encher o reservatrio at o volume meta que 100%. A seguir sero apresentados os resultados obtidos com a aplicao da PND. V. RESULTADOS E DISCUSSES A PND foi aplicada para uma otimizao determinstica nas usinas hidreltricas de Emborcao, Sobradinho, Tucuru e Foz do Areia. O horizonte de planejamento utilizado foi de 12 meses considerando o ano hidrolgico, ou seja, iniciando em maio e finalizando em abril do ano seguinte. O volume do reservatrio no incio do horizonte de planejamento, bem como o volume no final do horizonte de planejamento foram fixados no volume mximo da usina. A demanda a ser atendida a mesma da potncia instalada na usina. A Tabela 1 apresenta os dados da usina de Emborcao, situada no rio Paranaba, pertencente bacia do Paranaba. Tal usina encontra-se na regio Sudeste.
TABELA 1 DADOS DA USINA DE EMBORCAO

1200 Gerao (MW) 1000 800 600 400 1 2 3 4 5 6 7 8 9 10 11 12 Demanda

GH PND

GH PD

Fig. 8 Trajetria de gerao hidrulica para o caso da usina de Emborcao 1200 1100

Gerao (MW)

1000 900 800 700 600 500 400 1 2 3 4 5 6 GT PD 7 8 9 10 11 12 Demanda

Turbinagem mxima (m/s) Turbinagem mnima (m/s) Volume Mximo (hm) Volume Mnimo (hm) Potncia nominal (MW) Produtibilidade (MW/m.m) Canal de fuga mdio (m)

894 100 17192 4669 1192 0,008731 521,90

GT PND

Fig. 9 Trajetria de gerao trmica para o caso da usina de Emborcao

A Fig. 7 apresenta a trajetria de volume para a usina de Emborcao utilizando a PND e a PD. Para todos os testes efetuados, a PD tomada como referncia.
100 90 80 70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13

Volume PND

Volume PD

Na Fig. 8 pode-se observar que a trajetria de gerao da PD se mantm mais alta no incio e no final da trajetria praticamente igual a da PND, porm as mdias de gerao hidrulica so bem prximas. A PD tem uma mdia de gerao hidrulica de 569,25 MW enquanto a trajetria de gerao hidrulica dada pela PND tem uma mdia de 563,78 MW. Na Fig. 9, observa-se o mesmo padro da Fig. 8, a trajetria de gerao trmica dada pela PD se mantm mais abaixo que a PND e as mdias so bem prximas. A PD tem uma mdia de gerao trmica de 622,74 MW enquanto a trajetria de gerao trmica dada pela PND tem uma mdia de 628,21. Essa diferena nas trajetrias de geraes, provoca uma diferena no custo total, onde a PND 1,93 % mais barata que a PD. A Tabela 2 apresenta os dados da usina de Sobradinho, situada no rio So Francisco, pertencente Bacia do So Francisco. Tal usina encontra-se na regio Nordeste. As Fig. 10, 11 e 12 apresentam os resultados obtidos para a usina de Sobradinho.
TABELA 2 DADOS DA USINA DE SOBRADINHO

Volume (%)

Fig. 7 Trajetria de volume para o caso da usina de Emborcao

Na Fig. 7, pode-se observar que a trajetria de volume da PND aproximadamente igual a da PD. As Fig. 8 e 9 apresentam as trajetrias de gerao hidrulica e trmica, respectivamente.

Turbinagem mxima (m/s) Turbinagem mnima (m/s) Volume Mximo (hm) Volume Mnimo (hm) Potncia nominal (MW) Produtibilidade (MW/m.m) Canal de fuga mdio (m)

3833 1300 34116 5447 1005,9 0,009025 362,50

THE 9th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2011

100 90 80 70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13

nas trajetrias causa uma diferena no custo, onde a PND 2,92 % mais econmica que a PD. A Tabela 3 apresenta os dados da usina de Tucuru, situada no rio Tocantins, pertencente Bacia Tocantins Araguaia. Tal usina encontra-se na regio Norte.
TABELA 3 DADOS DA USINA DE TUCURU

Volume (%)

Volume PND

Volume PD

Turbinagem mxima (m/s) Turbinagem mnima (m/s) Volume Mximo (hm) Volume Mnimo (hm) Potncia nominal (MW) Produtibilidade (MW/m.m) Canal de fuga mdio (m)

5963 2000 45500 13487 4000 0,008382 8,70

Fig. 10 Trajetria de volume para o caso da usina de Sobradinho 1200 1000 Gerao (MW) 800 600 400 200 0 1 2 3 4 5 6 7 8 9 10 11 12

As Fig. 13, 14 e 15 apresentam os resultados obtidos para a usina de Tucuru. Na Fig. 13, pode-se observar que a trajetria de volume dada pela PND manteve-se um pouco abaixo da trajetria dada pela PD. Nas Fig. 14 e 15, observa-se que as trajetrias de geraes da PND um pouco diferente das trajetrias de gerao da PD, mas como ocorreu nos outros casos, as mdias mantiveram-se prximas. O custo total da PND foi 12,28 % mais econmico que a PD.
100 90 80 70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13

GH PND

GH PD

Demanda
Volume (%)

Fig. 11 Trajetria de gerao hidrulica para o caso da usina de Sobradinho 1200 1000 Gerao (MW) 800 600 400 200 0 1 2 3 4 5 6 GT PD 7 8 9 10 11 12

Volume PND

Volume PD

Fig. 13 Trajetria de volume para o caso da usina de Tucuru 4500 4000 3500 Gerao (MW) GT PND Demanda 3000 2500 2000 1500 1000 500 0 1 2 3 4 5 6 GH PD 7 8 9 10 11 12 Demanda

Fig. 12 Trajetria de gerao trmica para o caso da usina de Sobradinho

Na Fig. 10, pode-se observar que a trajetria de volume dada pela PND praticamente igual trajetria dada pela PD. Nas Fig. 11 e 12, observa-se que as trajetrias de geraes da PND e da PD seguem uma mesma tendncia, embora no sejam exatamente iguais, porm a mdia de gerao trmica e a mdia de gerao hidrulica so prximas. A mdia de gerao trmica da PND de 331,55MW enquanto a da PD de 345,83 MW. A mdia de gerao hidrulica da PND de 674,34 MW enquanto a da PD de 660,07 MW. A diferena

GH PND

Fig. 14 Trajetria de gerao hidrulica para o caso da usina de Tucuru

THE 9th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2011

4500 4000 3500 Gerao (MW) 2500 2000 1500 1000 500 0 1 2 3 4 5 6 GT PD 7 8 9 10 11 12 Demanda Volume (%) 3000

100 90 80 70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13

GT PND

Volume PND

Volume PD

Fig. 15 Trajetria de gerao trmica para o caso da usina de Tucuru

Fig. 17 Trajetria de volume para o caso da usina de Foz do Areia 1800 1600 1400 Gerao (MW) 1200 1000 800 600 400 200 0 1 2 3 4 5 6 GH PD 7 8 9 10 11 12 Demanda

A Fig. 16 apresenta o vertimento da usina de Tucuru.

20000 18000 16000 14000 12000 10000 8000 6000 4000 2000 0 1 2 3 4 5 6 7 8 9 10 11 12

Vertimento (m/s)

GH PND

Vertimento PND

Vertimento PD

Fig. 18 Trajetria de gerao hidrulica para o caso da usina de Foz do Areia 1800 1600 1400 Gerao (MW) 1200 1000 800 600 400 200 0 1 2 3 4 5 6 GT PD 7 8 9 10 11 12 Demanda

Fig. 16 Trajetria de vertimento para o caso da usina de Tucuru

Em todos os testes efetuados anteriormente, no havia ocorrido o vertimento, porm neste caso sim. Devido ao grande volume de gua, a usina tem um limite mximo de gerao, vertendo assim a gua em excesso. Na Fig. 16 observa-se que apesar de ocorrer o vertimento, a PND capaz de absorver tal acontecimento e a trajetria de vertimento praticamente igual trajetria de vertimento da PD. A ltima usina a ser analisada a usina de Foz do Areia, situada no rio Iguau, pertencente Bacia do Iguau. Tal usina encontra-se na regio Sul. A Tabela 4 apresenta os dados da usina.
TABELA 4 DADOS DA USINA DE FOZ DO AREIA

GT PND

Fig. 19 Trajetria de gerao trmica para o caso da usina de Foz do Areia

Turbinagem mxima (m/s) Turbinagem mnima (m/s) Volume Mximo (hm) Volume Mnimo (hm) Potncia nominal (MW) Produtibilidade (MW/m.m) Canal de fuga mdio (m)

1173 79 5779 1974 1676 0,009025 601,70

Na Fig. 17, pode-se observar que a trajetria de volume da PND praticamente igual trajetria da PD. Nas Fig. 18 e 19 observa-se que as trajetrias de gerao hidrulica e trmica entre a PND e a PD so bem prximas. A diferena de custos foi de 0,09 %. Assim como nos testes anteriores, com exceo da usina de Tucuru, no houve vertimento, tanto na PND quanto na PD.

As Fig. 17, 18 e 19 apresentam os resultados obtidos para a usina de Foz do Areia.

THE 9th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2011

VI. CONCLUSES Neste trabalho, pode-se observar que a funo de custo futuro tem uma grande influncia na operao tima de sistemas hidrotrmicos de potncia. A aproximao das funes de custo futuro atravs de redes PMC se mostrou muito eficiente e de extrema importncia na PND. As respostas encontradas pela PND foram condizentes com a realidade e factveis. Apesar das diferenas entre as respostas da PND e da PD, a diferena no custo final de operao foi pequena. Nos os estudos efetuados com a PND, no ocorreu o mal da dimensionalidade, pois o conjunto de decises na transio de um estgio para outro nico. Assim abre-se a possibilidade de utilizao de uma PND estocstica em uma cascata de usinas. As aproximaes das funes de custo futuro dependem muito do horizonte de planejamento e dos perodos hidrolgicos, o que podem acarretar em erros maiores, ou em outras palavras, em um maior custo operativo do sistema. A PND, quando tratada deterministicamente, mostrou ser uma boa ferramenta para a otimizao de usinas hidreltricas. Para trabalhos futuros, deve-se verificar a utilizao da PND em sistemas com usinas em cascata e ainda considerar a estocasticidade presente no problema de otimizao de usinas hidreltricas. VII. REFERNCIAS
Bellman, R., Dynammic Programming, Princeton University Press, Princeton N. J., 1962. [2] Siqueira, T. G., Comparao Entre Diferentes Abordagens de Programao Dinmica no Planejamento da Operao Energtica de Sistemas Hidrotrmicos de Potncia, Dissertao de Mestrado, Faculdade de Engenharia Eltrica e Computao, Unicamp, Campinas, 2009. [3] Pereira, M. V. e Pinto, L. M. V. G., Stochastic optimization of a multireservoir hydroelectric system: a decomposition approach, Water Resources Research, 21(6): 779792, 1985. [4] Rotting, T. A. e Gjelsvik, A., Stochastic dual programming for seasonal scheduling in the Norwegian power systems, IEEE Transactions on Power Systems, 7: 273279, 1992. [5] A. Kligerman, Operao tima de Sistemas Hidrotrmicos Interligados Utilizando Programao Estocstica Dual, Dissertao de Mestrado, Faculdade de Engenharia Eltrica e Computao, Unicamp, Campinas, 1992. [6] Siqueira, T. G., Comparao entre programao dinmica primal e dual no planejamento da operao energtica, Dissertao de Mestrado, Faculdade de Engenharia Eltrica e Computao, Unicamp, Campinas, 2003. [7] Arvanitidis, N. V. e Rosing, J., Composite representation of a multireservoir hydroelectric power system, IEEE Transactions on Power Apparatus and Systems, vol. PAS-89, n. 2, p. 319-326. 1970. [8] Arvanitidis, N. V. e Rosing, J., Optimal operation of multireservoir systems using a composite representation, IEEE Transactions on Power Apparatus and Systems, vol. PAS-89, n. 2, p. 327-335. 1970. [9] ONS, NT-068/2010 As Interligaes Entre os Submercados A Considerao das Restries Internas aos Submercados no Clculo do CMO/PLD, Brasil, 2010. [10] Bertsekas, D. P. , Tsitsiklis, J. N., Neuro-Dynamic Programming, Athena Scientific, Belmont, Massachusetts, 1996. [11] Silva, I. N. , Spatti, D. H. e Flauzino, R. A. , Redes Neurais Artificiais para Engenharia e Cincias Aplicadas. Artliber, So Paulo, 2010 [1]

VIII. BIOGRAFIAS
Lucas Furtado Rodrigues nasceu em Cruzeiro, Brasil, em 17 de Maio de 1984. Formou-se tcnico em eletrnica no Colgio Tcnico Industrial de Guaratinguet (CTIG UNESP) em 2001. Graduouse em Engenharia Eltrica na Universidade Federal de Viosa (UFV) em 2010. pesquisador no Laboratrio de Sistemas de Energia Eltrica LSEE na Escola de Engenharia de So Carlos EESC/USP. Atualmente estudante de mestrado em Engenharia Eltrica na rea de Planejamento e Operao de Sistemas Eltricos de Potncia, na Escola de Engenharia de So Carlos EESC/USP. Ricardo de Oliveira Camargo Scarcelli nasceu em Presidente Venceslau, Brasil, em primeiro de Maio de 1986. Graduou-se em Engenharia Eltrica na Universidade Federal de Viosa (UFV) em 2010. pesquisador no Laboratrio de Sistemas de Energia Eltrica LSEE na Escola de Engenharia de So Carlos EESC/USP. Atualmente estudante de mestrado em Engenharia Eltrica na rea de Planejamento e Operao de Sistemas Eltricos de Potncia, na Escola de Engenharia de So Carlos EESC/USP. Marco Aurlio de Almeida Castro nasceu em Juiz de Fora, Brasil, em 30 de Maio de 1976. Bacharel em Engenharia Eltrica pela Universidade Federal de Juiz de Fora (UFJF), Juiz de Fora, 2001. Fez Mestrado e Doutorado em Engenharia Eltrica na Escola de Engenharia de So Carlos EESC/USP em 2003 e 2006 respectivamente. Ministrou aulas na Universidade Federal de Viosa entre 2006 e 2010 e atualmente professor na Universidade Federal de Juiz de Fora (UFJF). Adriano Alber de Frana Mendes Carneiro nasceu em Belm, Brasil. Graduou-se em Engenharia Eltrica na Pontifcia Universidade Catlica (PUC SP) em 1970. Fez Mestrado em Engenharia Eltrica na Universidade Federal de Itajub (UNIFEI), Itajub, Brasil, em 1980. Fez seu doutorado em Engenharia Eltrica na Universidade de Campinas (UNICAMP), Campinas, Brasil em 1991. Atualmente professor na Escola de Engenharia de So Carlos EESC/USP, em So Carlos. Sua pesquisa voltada para as reas de planejamento e operao de sistemas eltricos de potncia. Rui Bertho Junior. nasceu em Araraquara, Brasil, em 23 de Maro de 1987. Graduou-se em Engenharia Eltrica na Escola de Engenharia Eltrica da Universidade de So Paulo (EESC/USP) em 2010. pesquisador no Laboratrio de Sistemas de Energia Eltrica LSEE na Escola de Engenharia de So Carlos EESC/USP. Atualmente estudante de mestrado em Engenharia Eltrica na rea de Planejamento e Operao de Sistemas Eltricos de Potncia, na Escola de Engenharia de So Carlos EESC/USP.