MODELOS DE OTIMIZAÇÃO DO
DESPACHO HIDROTÉRMICO
Coimbra, Portugal, maio de 2012 Prof. Reinaldo Castro Souza, Ph.D.
Fernando Luiz Cyrino Oliveira, M.Sc.
Agenda
¨ Características do setor elétrico
¨ O problema estocástico
¨ Modelo PAR(p) Bootstrap
¨ Os fenômenos meteorológicos
¨ Incorporação destes fenômenos ao modelo
¨ Agenda de pesquisa
Característica do Sistema Brasileiro
CARACTERÍSTICAS DO SEB:
Ø Sistema hidrotérmico de grande porte Ø Predominância de usinas hidraúlicas Ø Único em âmbito mundial
(tamanho e características)
3
Evolução do Consumo de Energia Elétrica no Brasil
41 38 40 42 44 46 48 50 53 56 59 62 64 40 50 60 70 41 38 40 42 44 46 48 50 53 56 59 62 64 40 50 60 70 41 38 40 42 44 46 48 50 53 56 59 62 64 40 50 60 70
Observações
¨ Margem entre a capacidade instalada e o mercado de energia
¨ Em sistemas puramente térmicos, com contratos firmes de fornecimento de combustíveis, a margem pode ser menor
¨ A margem pode ser menor em sistemas onde a previsibilidade das afluências é maior: Ex: Sistema Norueguês
5
Dimensão do Sistema Interligado Nacional
Fonte: ONS
Observações sobre o SIN
¨ O SIN atende 98% do mercado de energia brasileiro
¨ Devido a forte interligação, o nível de investimento em geração pode ser diminuído
¨ Complementariedade entre as bacias hidrográficas
¨ Economia do combustível das usinas térmicas
¨ Redução do vertimento
¨ Regulação em paralelo dos reservatórios de todas as bacias
¨ Melhor controle de tensão sistêmico, melhor controle de freqüência, melhor controle de intercâmbio entre áreas.
7
Interconexões entre as Bacias
Hidráulicas
Total e Explorado 258,41 78,716 42,03 26,268 111,396 0 50 100 150 200 250 300
Brasil Sudeste Sul Nordeste Norte
Po te ncia l ( GW) 28,2 41,0 47,8 40,4 8,9 0,0 10,0 20,0 30,0 40,0 50,0 60,0
Brasil Sudeste Sul Nordeste Norte
Po te ncia l Explora do (%) 9
Sazonalidade e a Complementaridade,
do Comportamento Hidrológico do SIN
10 0 10.000 20.000 30.000 40.000 50.000 60.000
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
[M Wm éd ] Máximo Mínimo 3,3/1 Média anual ENA Sudeste 0 2.000 4.000 6.000 8.000 10.000 12.000 14.000
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
[M W m éd ] Máximo Mínimo 2,0/1 Média anual ENA Sul 0 2.000 4.000 6.000 8.000 10.000 12.000 14.000 16.000
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
[M Wm éd ] Máximo Mínimo 4,8/1 Média anual ENA Nordeste 0 2.000 4.000 6.000 8.000 10.000 12.000 14.000
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
[M Wm éd ] Máximo Mínimo 10,1/1 Média anual ENA Norte
e hidráulica
40.000 42.000 44.000 46.000 48.000 50.000 52.000 54.000 0 2.000 4.000 6.000 8.000 10.000 12.000 14.000Jan/10 Fev/10 Mar/10 Abr/10 Mai/10 Jun/10 Jul/10 Ago/10 Set/10 Out/10 Nov/10 Dez/10
MW m éd MW m éd Geração Térmica Geração Hidráulica
Participação das fontes na capacidade
térmica instalada
10,4% 21,7% 39,4% 8,4% Ano 2011 Carvão Biomassa Óleo/Diesel Gás Natural Ano 2015O Modelo Operacional do Setor Elétrico
¨ Década 70: Custo do Serviço (Lei 5.655/71)
¨ 1974: Surgiu lei que garantia que empresas deficitárias fossem
apoiadas por empresas superavitárias
¨ Até 1995: Empresas verticalizadas, predominantemente estatais,
sem competição, ou seja, todos consumidores eram cativos.
¨ 1993: Lei 8.631/93 extinguiu a equalização tarifária e criou a
necessidade do estabelecimento de contratos entre geradores e distribuidores
¨ Lei 9.074/95 criou a possibilidade de agentes privados atuarem
como PIEs e introduziu o conceito de consumidor livre
13
Projeto RE-SEB
¨ 1996¨ Desverticalização das empresas
¨ Competição nos seguimentos de geração e comercialização
¨ Criação da ANEEL, ONS e MAE
¨ 2001: Racionamento de energia
Novo Modelo Para o Setor Elétrico
¨ Leis 10.847/04 e 10.848/04 e Decreto 5.163/04¨ Planejamento do Setor Elétrico para o longo prazo: EPE
¨ Comitê de Monitoramento do Setor Elétrico (CMSE)
¨ MAE foi transformado em CCEE (Câmara de Comercialização de Energia Elétrica)
¨ Necessidade de 100% de contratação para distribuidoras e consumidores livres
¨ Leilões para venda de energia com o critério menor tarifa
15
Ambientes de Contratação
¨ Regulado¤ Agentes de Geração, Comercialização e Distribuição
¨ Livre
¤ Agentes de Geração, Comercialização, Importadores e
Novo Modelo para o Setor Elétrico
17 PLANEJAMENTO DA OPERAÇÃO DE SISTEMA DE GERAÇÃO Sistemas Termoelétricos de Geração Sistemas Hidrotérmicos de Geração Objetivo:Minimização do Custo Operacional e Garantia de Atendimento ao Mercado 18
Planejamento da Operação
19 Fonte: ONS
Planejamento da Operação
¨ FCI cresce à medida que o volume final aumenta, isto é,quanto maior este volume, maior o gasto com térmicas. A FCF tem comportamento contrário a FCI, ou seja, quanto maior o estoque final, menor é a expectativa de gastos com
Planejamento da Operação
?
Natureza Dinâmica / Estocástica
PROGRAMAÇÃO DINÂMICA ESTOCÁSTICA
Custos Futuros: Valor esperado sobre
os possíveis cenários de afluências 21
Planejamento da Operação
médio prazo curto prazo programaçãodiária horizonte: 1 a 12 meses etapas: semanais horizonte: 1 semana etapas: ½ hora horizonte: 5 anos etapas: mensais DECOMP DESSEM NEWAVE 22Planejamento da operação
¨ Cadeia de modelos emvigor no SEB e incertezas associadas aos horizontes de planejamento:
O modelo Newave
¨ Modelo de otimização para o planejamento de médio
prazo (até 5 anos), com discretização mensal e representação a sistemas equivalentes. Seu objetivo é determinar a estratégia de geração hidráulica e térmica em cada estágio que minimiza o valor esperado do custo de operação para todo o período
O modelo Newave
¨ Relação entre os módulos do Newave P&D MDDH Módu lo Est ocásti coO projeto MDDH
¨ P&D Estratégico proposto pela ANEEL com vistas à investigação do Modelo de Despacho Hidrotérmico empregado no planejamento da operação energética no Brasil.
¨ Características do projeto:
¨ Participação de Diversas Empresas - APINE
¨ Convênio PUC-Rio / UFJF
Motivação
¨ Investigar alternativas à metodologia hoje existente para
simulação do despacho hidrotérmico, auxiliando nos estudos de planejamento energético de curto e médio prazo.
¨ O problema é dividido em duas partes:
ESTOCÁSTICA OTIMIZAÇÃO
ESTOCÁSTICA
Pensando na parte estocástica...
PAR(p)
Como melhorar o modelo PAR(p)
?
A Particularmente no metodologia B&JPAR(p) é composta por três fases: , tem-se as três fases:
¨ Identificação da ordem do modelo PAR(p) por simulação Bootstrap
(Neto, 1991 e Oliveira, 2010).
¨ Os modelos identificados são mais parcimoniosos!!!
Caso SE / CO JAN MAI DEZ 5 3 4 1 1 1 Mês Clássica Bootstrap Identificando o modelo da esquerda para direita, a ordem escolhida fica bem próxima dos resultados bootstrap.
Identificação da ordem
Estimação dos parâmetros
¨ Utilizamos no nosso trabalho o método dos momentos bootstrap, ou
seja, construímos intervalos de confiança para estimativa obtida pelo método dos momentos.
Distribuição de JAN dos parâmetros estimados via simulação Bootstrap, SE/CO
Percentil inferior 0,45 Percentil superior 0,72 Média Bootstrap 0,60
Estimativa Método Momentos 0,59
Estimação dos parâmetros
¨ O que podemos notar?
¨ Seja a forma clássica de estimação.
¨ Vejamos o exemplo de JAN do subsistema SE/CO.
Percentil Média Percentil Estimativa Método dos Método Bootstrap Lag
Estimação dos parâmetros
¨ Em resumo:
¨ O critério Clássico superestima as ordens e considera
parâmetros não significantes no modelo.
¨ O critério por Bootstrap mostrou-se mais adequado e
comprova as ordens identificadas anteriormente.
¨ O critério Bootstrap permite obter intervalos de
confiança para os parâmetros;
¨ Outra vantagem do critério por Bootstrap é que este se
mostrou mais parcimonioso.
¨ CHARBENEAU (1978), aplicou a distribuição Lognormal 3
parâmetros à séries de vazões, restringindo sua aplicação a distribuições com coeficiente de assimetria positivo.
¨ O principal motivo da utilização da Lognormal é evitar
vazões negativas.
¨ Todavia, é assumida não-linearidade pelo modelo para
a geração de cenários via Lognormal três parâmetros (FINARDI et al, 2009), o que pode se tornar um problema na fase de otimização.
¨ Resultados da geração de cenários via Bootstrap.
Geração de Séries Sintéticas
Envoltória e médias do SE/CO via Bootstrap
Todas as propriedades estatística mantidas: v Média; v Variância; v Aderência; v Sequência positiva; v Sequência Negativa.
O modelo
¨ O modelo PAR(p) que utiliza simulação Bootstrap nas três fases:
¨ É mais parcimonioso;
¨ Mantém a linearidade da estrutura;
37
Outras questões surgiram...
¨ Boa notícia: Os efeitos meteorológicos mais
conhecidos, El Niño, La Niña e Manchas Solares podem nos ajudar a modelar processo long memory.
...podem influenciar às séries de ENAs?
Os fenômenos meteorológicos...
¨ Vamos tentar incorporar nos modelos estocásticos a
influência de fenômenos como:
¨ El Niño;
¨ La Niña; e
¨ Machas Solares.
Os fenômenos El Niño e La Niña serão modelados através das séries de SOI -Southern Oscillation Index.
Série histórica de Manchas Solares disponibilizada pela NASA.
Os fenômenos meteorológicos
¨ Manchas solares
¤ Existe uma série da NASA, inclusive com previsões.
¤ Todavia, não conseguimos formular um modelo que incorporasse este
fenômeno.
¨ SOI: Southern Oscillation Index
¤ O SOI é calculado a partir das flutuações mensais ou sazonais na
diferença de pressão de ar entre Tahiti e Darwin, no Pacífico.
¤ Valores negativos indicam El Niño e positivos La Niña.
¨ SOI: Southern Oscillation Index ¤ Ajuste de modelos de long memory.
. 79 . 0 , 48 . 0 , 82 . 0 ), 1 , , 1 ( d φ = d = θ = ARFIMA
Os fenômenos meteorológicos
¤ Incorporação dos fenômenos influentes no modelo
PAR(p) através da série de SOI
¤ Modelo proposto: m t VE SOI p m p m p t m p m m t m m m Z Z Dummy Z m m m m β ε σ µ ϕ σ µ ϕ σ µ + + ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − + + ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − − − − − − − * 1 1 1 1 …
¨ SOI: Southern Oscillation Index ¤ Estimação da variável :
¤ Estimação da variável dummy:
SOI
β
Fez-se uma regressão linear dos Resíduo vs SOI com o objetivo de capturar possíveis efeitos extremos que possam ter ocorrido devido aos fenômenos El Niño e La Niña e que não foram refletidos pelo modelo PAR(p).
Normalizou-se a série de SOI e criou-se uma variável dummy pegar apenas valores extremos na série de SOI que impactem no valor da ENA. Utilizou-se um intervalo de confiança de 95%.
Os modelo PAR
Bootstrap
+ SOI
Mês
PAR(p) bootstrap
+ SOI
PAR(p)
bootstrap Diff MAPE
jan 45,51 45,39 0,12
Os modelo PAR
Bootstrap
+ SOI
¨ Resultados do modelo:
¨ Cenários bem aderentes à série
Considerações Finais
Conclusão geral do estudo
PAR(p)
Identificação da ordem Estimação dos parâmetros Geração dos cenários Incorporação SOIBootstrap
S O I
¨ Histograma do subsistema SE/CO
Agenda de Pesquisa
Percebe-se uma distribuição Gama e não Lognormal!
Muito semelhante a uma distribuição GAMMA!
Agenda de Pesquisa
¨ Utilização de Wavelets para filtrar os sinais de
vazão/energia e averiguar o ganho em termos de ajuste e capacidade preditiva.
¨ Desenvolvimento de um índice global da “qualidade”
dos cenários através de ferramentas de Análise Multicritério.
¨ Modelos que incorporem outros fenômenos
meteorológicos.
¤ Estamos desenvolvendo uma sistema amigável que tem
por objetivo agregar os modelos de geração de cenários sintéticos já desenvolvidos pela equipe da PUC-Rio.
¤ Este sistema permitirá ao usuário escolher vários
parâmetros dos modelos e de maneira fácil gerar e analisar as séries sintéticas geradas por estes modelos.
¨ Desenvolvemos um sistema amigável que tem por objetivo agregar todos os modelos de geração de cenários sintéticos já desenvolvidos e estudados pela PUC-Rio.
¨ As séries sintéticas geradas por este software servirão de input para o sistema de otimização que está sendo desenvolvido pela equipe da UFJF.
¨ Na sequência, serão apresentadas todas as funcionalidades da ferramenta computacional desenvolvida.
A ferramenta computacional -
vBETA
Objetivo
¨ Apresentar as principais funcionalidades do software desenvolvido pela PUC-Rio, que constam os modelos que foram adotados, após a inspeção e estudo de alguns modelos estocásticos, durante os dois anos do projeto MDDH.
¨ Este software, denominado MDDH Módulo Estocástico, possui três grandes partes, quais sejam:
v Configuração do modelo;
v Testes estatísticos do modelo; e
Tela principal
Carregar dados
Deve-se direcionar para o diretório onde estão os dados.
Publicações fruto do projeto de P&D
¨ CONGRESSOS – 2010
¨ OLIVEIRA, F. L. C.; SOUZA, R. C. New approach to generating streamflow scenario to
long-term energetic operation planning. ALIO-INFORMS Joint International Meeting,
Buenos Aires, Argentina, 2010.
¨ OLIVEIRA, F. L. C.; SOUZA, R. C. New approach to identification of the order “p” in the
periodic autoregressive model, PAR(p), to generating streamflow scenarios. The 30th
Annual International Symposium on Forecasting, San Diego, USA, 2010.
¨ CALILI, R. F.; FERREIRA, P. G. C.; MIRANDA, C. V.; OLIVEIRA, F. L. C.; SOUZA, R. C. Critérios
de identificação da ordem do modelo autorregressivo periódico. 42º Simpósio
Brasileiro de Pesquisa Operacional, Bento Gonçalves, Brasil, 2010.
¨ CALILI, R. F.; FERREIRA, P. G. C.; OLIVEIRA, F. L. C; PEREIRA, G. A. A; SOUZA, R. C.
Bootstrap para estimação dos parâmetros fracionários em modelos de memória longa aplicados a séries de vazão. Encontro Regional de Pesquisa Operacional – Sudeste,
Brasil, 2010.
¨ CALILI, R. F.; FERREIRA, P. G. C.; OLIVEIRA, F. L. C; PEREIRA, G. A. A; SOUZA, R. C.
Implementação de bootstrap na estimação de parâmetros em modelos autorregressivos periódicos. Encontro Regional de Pesquisa Operacional – Sudeste,
Brasil, 2010.
¨ SOUZA, R.C.; MARCATO, A. L. M.; DIAS, B. H.; SILVA JÚNIOR, I. C.; Minicurso: A Pesquisa
Operacional e o Planejamento de Sistemas Energéticos. 42º Simpósio Brasileiro de
Pesquisa Operacional, Bento Gonçalves, Brasil, 2010.
¨ CALILI, R. F. C; FERREIRA, P. G. C.; MIRANDA, C. V. C; OLIVEIRA, F. L. C.; SOUZA, R. C.
Critérios de identificação da ordem do modelo autorregressivo periódico PAR(p).
Simpósio Brasileiro de Pesquisa Operacional, Bento Gonçalves, 2010.
¨ DIAS, B.H.; MARCATO, A.L.M.; SOUZA, R.C.; SOARES, M.P.; SILVA JUNIOR, I.C.; BRANDI,
R.B.S. ; RAMOS, T.P. ; OLIVEIRA, E.J.; Convex Hull and Stochastic Dynamic Programming
in the Brazilian Optimal Hydrothermal System Operation. In: ALIO-INFORMS Joint
International Meeting, 2010, Buenos Aires. ALIO-INFORMS Joint International Meeting, 2010 (resumo).
¨ Dias, Bruno H. ; MARCATO, A. L. M. . Programação Dinâmica Estocástica e Algoritmo de
Fechos Convexos no Planejamento de Sistemas Hidrotérmicos. In: II Congresso de
Matemática e Suas Aplicações - CWB2010, 2010, Curitiba. II Congresso de Matemática e Suas Aplicações - CWB2010, 2010 (resumo).
¨ DIAS, B.H. ; MARCATO, A.L.M.; SOUZA, R.C.; SOARES, M. P.; SILVA JUNIOR, I.C.; BRANDI,
R.B.S. ; RAMOS, T.P. ; OLIVEIRA, E.J.; Utilização do Algoritmo de Fechos Convexos na
Programação Dinâmica Estocástica: uma abordagem preliminar. Simpósio Brasileiro de
Sistemas Elétricos, Belém – PA, 2010.
¨ DIAS, B.H. ; MARCATO, A.L.M.; SOUZA, R.C.; SOARES, M. P.; SILVA JUNIOR, I. C.; BRANDI,
R.B.S. ; RAMOS, T.P. ; TOMIM, M. A. ; OLIVEIRA, E.J.; Processamento Paralelo e Algoritmo
de Fechos Convexos na Programação Dinâmica Estocástica Aplicada ao Planejamento da Operação de Sistemas Hidrotérmicos. Congresso Brasileiro de Automática, Bonito,
2010.
¨ DIAS, B.H. ; MARCATO, A.L.M.; SOUZA, R.C.; SOARES, M. P.; SILVA JUNIOR, I. C.; BRANDI,
R.B.S. ; RAMOS, T.P. ; TOMIM, M. A. ; OLIVEIRA, E.J.; Programação Dinâmica Estocástica
Aplicada ao Planejamento da Operação do Sistema Elétrico Brasileiro Através do Uso de Processamento Paralelo. Simpósio Brasileiro de Pesquisa Operacional, Bento
Gonçalves, 2010.
Publicações fruto do projeto de P&D
¨ CONGRESSOS - 2011
¨ OLIVEIRA, F. L. C.; SOUZA, R. C. Modelling periodic autoregressive structures using
Bootstrap. The 31th Annual International Symposium on Forecasting, Prague, Czech
Republic, 2011.
¨ CALILI, R. F. C; FERREIRA, P. G. C.; OLIVEIRA, F. L. C.; PEREIRA, G. A. A; SOUZA, R. C.
Critérios Tratamento estocástico do despacho hidrotérmico no Brasil. Simpósio
Brasileiro de Pesquisa Operacional, Ubatuba, 2011.
¨ PEREIRA, G. A. A; SOUZA, R. C. Modelagem de séries hidrológicas através de modelos
¨ CONGRESSOS – 2011
¨ MARCATO, A.L.M.; DIAS, B.H.; TOMIM, M.A.; RAMOS, T.P.; BRANDI, R.B.S.; SILVA JUNIOR,
I.C.; PASSOS FILHO, J.A.; SOUZA, R.C.; IUNG, A.; Comparação entre as Programações
Dinâmica Estocástica e Dinâmica Dual Estocástica na Formação de Preços de Energia em Sistemas Hidrotérmicos de Grande Porte; XXI SNPTEE - Seminário Nacional de Produção e
Transmissão de Energia Elétrica, Brasil, 2011.
¨ MARCATO, A. L. M. ; Brandi, Rafael B. S. ; SILVA JUNIOR, I. C. ; Dias, B. H. ; PASSOS
FILHO, J. A. ; Ramos, Tales P. . Fast Convex Hull And Stochastic Dynamic Programming
Applied to Energy System Hydrothermal Planning. In: INFORMS 2011 Annual Meeting,
2011, Charlotte. INFORMS 2011 Annual Meeting, 2011 (resumo).
Publicações fruto do projeto de P&D
¨ MINICURSO
¨ SOUZA, R.C.; MARCATO, A. L. M.; DIAS, B. H.; SILVA JÚNIOR, I. C.; Minicurso: A Pesquisa
Operacional e o Planejamento de Sistemas Energéticos. 42º Simpósio Brasileiro de
Pesquisa Operacional, Bento Gonçalves, Brasil, 2010.
¨ DISSERTAÇÕES
¨ OLIVEIRA, F. L. C. Nova abordagem para geração de cenários de afluências no
planejamento da operação energética de médio prazo. Dissertação de Mestrado,
Departamento de Engenharia Elétrica, PUC-Rio, Brasil, 2010.
¨ PEREIRA, G. A. A. Modelos de memória longa para geração de cenários hidrológicos
sintéticos. Dissertação de Mestrado, Departamento de Engenharia Elétrica, PUC-Rio,
Brasil, 2011.
¨ BRANDI, R. B. S. Processo Iterativo de Construção da Função de Custo Futuro na
Metodologia PDE-ConvexHull. Dissertação de Mestrado, Programa de Pós-Graduação
em Engenharia Elétrica, UFJF, Brasil, 2011.
¨ RAMOS, T. P. Modelo Individualizado de Usinas Hidrelétricas Baseado em Técnicas de
Programação Não Linear Integrado com o Modelo de Decisão Estratégica. Dissertação
de Mestrado, Programa de Pós-Graduação em Engenharia Elétrica, UFJF, Brasil, 2011.
Publicações fruto do projeto de P&D
¨ TESE
¨ DIAS, B. H. Programação Dinâmica Estocástica e Algoritmo de Fechos Convexos no
Planejamento da Operação de Sistemas Hidrotérmicos. Tese de Doutorado,
Departamento de Engenharia Elétrica, PUC-Rio, Brasil, 2010.
¨ PERIÓDICOS
¨ OLIVEIRA, F. L. C; SOUZA, R. C.; A New Approach to Identify the Structural Order of PAR (p)
Models, Pesquisa Operacional, vol.31, no.3, ISSN 0101-7438.
¨ SOUZA, R. C.; MARCATO, A. L. M.; DIAS, B. H.; and OLIVEIRA, F. L. C.; Optimal Operation of
Hydrothermal Systems with Hydrological Scenario Generation through Bootstrap and Periodic Autoregressive Models, European Journal of Operational Research - EJOR (submetido).
¨ DIAS, B. H.; MARCATO, A. L. M.; SOUZA, R.C.; SOARES, M. P.; SILVA JÚNIOR, I. C.; OLIVEIRA, E. J.;
BRANDI, R. B. S.; RAMOS, T. P. Stochastic Dynamic Programming Applied to Hydrothermal Power
Systems Operation Planning Based on the Convex Hull Algorithm. Mathematical problems in
Engineering, vol. 2010, ISSN: 1024-123X.
¨ MARCATO, A. L. M.; PASSOS FILHO, J.A.; SILVA JUNIOR, I.C.; DIAS, B. H.; BRANDI, R. B. S.; RAMOS, T.
P.; IUNG, A. M.; OLIVEIRA, E. J.; Modelo de Rateio do Bloco Hidráulico para o Planejamento
Hidrotérmico de Médio Prazo baseado em PNL, Revista SBA – Controle e Automação (aceito para
publicação).
¨ DIAS, B. H.; TOMIM, M. A.; MARCATO, A. L. M.; RAMOS, T. P.; BRANDI, R. B. S.; SILVA Jr, I. C.;
PASSOS FILHO, J. A.; and OLIVEIRA, E.; “Parallel Computing Applied to the Stochastic Dynamic
Programming for Long Term Operation Planning of Hydrothermal Power Systems”,IJEPES (em
processo de submissão).
Publicações fruto do projeto de P&D
OBRIGADO!
www.mddh.com.br
Prof. Reinaldo Castro Souza, Ph.D.
reinaldo@ele.puc-rio.br
Fernando Luiz Cyrino Oliveira