CVAR Nwave

PROPOSTAS METODOLÓGICAS PARA O TRATAMENTO DA CURVA DE
AVERSÃO A RISCO NO MODELO DE PLANEJAMENTO DA OPERAÇÃO A

MÉDIO PRAZO
Renata Nogueira Francisco
PROJETO SUBMETIDO AO CORPO DOCENTE DO DEPARTAMENTO DE

ENGENHARIA ELÉTRICA DA ESCOLA POLITÉCNICA DA UNIVERSIDADE
FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSÁRIOS
PARA A OBTENÇÃO DO GRAU DE ENGENHEIRA ELETRICISTA.
Aprovada por:
____________________________________________
Prof. Djalma Mosqueira Falcão, Ph. D.
(Orientador)
____________________________________________
Engª. Maria Elvira Piñeiro Maceira, D. Sc.
(Co-orientadora)
____________________________________________
Profª. Carmen Lucia Tancredo Borges, D. Sc.
RIO DE JANEIRO, RJ – BRASIL

DEZEMBRO DE 2006
À minha mãe Tânia, pai Gustavo,
irmão Luís Gustavo e
ao meu noivo Renato.
ii
Agradecimentos
A Maria Elvira pelas oportunidades de estagiar no CEPEL e de participar de estudos na área

de planejamento da operação, que deram origem a este trabalho.
Ao meu orientador Djalma por acreditar na realização deste trabalho.
Aos meus pais, Tânia e Gustavo, que sempre estiveram ao meu lado me apoiando,
incentivando e oferecendo a sua ajuda incondicional.
Ao meu noivo, Renato, pelo apoio e pela compreensão nos momentos difíceis.
Aos colegas integrantes do projeto Newave, Débora Jardim, Leonardo Moraes e Vitor Duarte,
pelo incentivo, paciência, ajuda e por tudo que me ensinaram.
Aos colegas do DEA/CEPEL pela amizade e pelos momentos de descontração.
iii
Resumo do Projeto Final em Engenharia Elétrica apresentado ao Departamento de Engenharia
Elétrica da Escola Politécnica – UFRJ como parte dos requisitos necessários para a obtenção
do grau de Engenheira Eletricista:
PROPOSTAS METODOLÓGICAS PARA O TRATAMENTO DA CURVA DE AVERSÃO

A RISCO NO MODELO DE PLANEJAMENTO DA OPERAÇÃO A MÉDIO PRAZO
Renata Nogueira Francisco
Dezembro de 2006
Orientadores: Djalma Mosqueira Falcão

Maria Elvira Piñeiro Maceira
O NEWAVE, desenvolvido pelo Centro de Pesquisas de Energia Elétrica – CEPEL, é o

modelo utilizado pelo Operador Nacional do Sistema (ONS) para o planejamento da operação
do Sistema Interligado Nacional a médio prazo. A preocupação com a segurança e
confiabilidade da operação do sistema levou à introdução de um processo de aversão a risco
neste modelo, representado pela consideração de metas de energia armazenável mínima para
os subsistemas – a Curva de Aversão a Risco (CAR). Contudo, durante a modelagem e
posterior utilização da CAR, foram verificadas inconsistências matemáticas no tratamento
deste processo de aversão a risco no modelo.
O objetivo do presente trabalho é a obtenção de uma melhor modelagem para a consideração

da CAR, de maneira que não cause impactos significativos nos resultados da operação ótima
indicada pelo modelo e que mantenha a coerência matemática. Desta forma, são apresentadas
cinco novas propostas de metodologias de aversão a risco, suas principais características,
além de resultados comparativos entre elas.
iv
ÍNDICE
1. INTRODUÇÃO.......................................................................................................................................... 10
1.1. CONSIDERAÇÕES INICIAIS .......................................................................................................... 10

1.2. OBJETIVO DO TRABALHO ........................................................................................................... 11
1.3. ESTRUTURA DO TRABALHO ....................................................................................................... 12
2. REVISÃO BIBLIOGRÁFICA.................................................................................................................. 14
2.1. DESCRIÇÃO DO SISTEMA DE GERAÇÃO DE ENERGIA ELÉTRICA BRASILEIRO ............. 14

2.2. PLANEJAMENTO DA OPERAÇÃO ENERGÉTICA ..................................................................... 15
2.2.1. Objetivo.............................................................................................................................................. 15
2.2.2. Formulação do Problema .................................................................................................................. 16
2.2.2.1. Sistemas Térmicos........................................................................................................................................16
2.2.2.2. Sistemas Hidrotérmicos................................................................................................................................18
2.2.3. Planejamento da Operação do Sistema Elétrico Brasileiro .............................................................. 22
2.2.3.1. Planejamento a Médio Prazo ........................................................................................................................23
2.2.3.2. Planejamento a Curto Prazo .........................................................................................................................23
2.2.3.3. Programação da Operação ............................................................................................................................24
3. PLANEJAMENTO DA OPERAÇÃO A MÉDIO PRAZO .................................................................... 26
3.1. INTRODUÇÃO ................................................................................................................................. 26

3.2. MODELO NEWAVE......................................................................................................................... 27
3.2.1. Módulo de Cálculo do Sistema Equivalente ...................................................................................... 28
3.2.2. Módulo de Cálculo da Política de Operação..................................................................................... 31
3.2.2.1. Programação Dinâmica Dual Estocástica Aplicada ao Planejamento da Operação Hidrotérmica................31
3.2.2.2 Despacho de Operação Hidrotérmica em Sistemas Equivalentes de Energia ................................................37
3.2.3. Módulo de Simulação da Operação................................................................................................... 42
4. CURVA DE AVERSÃO A RISCO – CAR .............................................................................................. 43
4.1. INTRODUÇÃO ................................................................................................................................. 43

4.2. METODOLOGIA .............................................................................................................................. 44
4.3. CONSTRUÇÃO DA CAR ................................................................................................................. 45
4.4. EVOLUÇÃO DA IMPLEMENTAÇÃO DA CAR NO MODELO DE PLANEJAMENTO DA
OPERAÇÃO A MÉDIO PRAZO..................................................................................................................... 51
4.4.1. Metodologia Atual Implementada...................................................................................................... 53
5. PROPOSTAS PARA A IMPLEMENTAÇÃO DA CAR........................................................................ 57
5.1. VERSÃO 1 ......................................................................................................................................... 58

v
5.1.1. Corte Ativo ......................................................................................................................................... 59
5.1.2. Adição do Corte Artificial.................................................................................................................. 60
5.1.3. Impactos no Modelo........................................................................................................................... 62
5.1.4. Análise do Critério de Parada do Modelo para a Versão 1 .............................................................. 63
5.1.4.1. Técnicas de Solução .....................................................................................................................................65
5.1.4.2. Atribuição de Valores às Variáveis ..............................................................................................................66
5.1.4.3. Construção da Função de Custo Futuro........................................................................................................68
5.1.4.4. Construção do Corte Artificial .....................................................................................................................71
5.1.4.5. Resultados ....................................................................................................................................................71
5.1.5. Exemplo de Problema Provocado pela Adição de Cortes Univariados à Função de Custo Futuro . 73
5.1.5.1. Resultados ....................................................................................................................................................76
5.2. VERSÃO 2 ......................................................................................................................................... 79
5.3. VERSÃO 3 ......................................................................................................................................... 81
5.3.1. Impactos............................................................................................................................................. 82
5.4. VERSÃO 4 ......................................................................................................................................... 83
5.5. VERSÃO 5 ......................................................................................................................................... 84
6. ANÁLISE E COMPARAÇÃO DOS RESULTADOS ............................................................................ 87
6.1. RESULTADOS DA SIMULAÇÃO FINAL ...................................................................................... 87

6.2. CONVERGÊNCIA DA VERSÃO 1 ............................................................................................................ 89
6.3. SÉRIES COM NÍVEL DE ARMAZENAMENTO INFERIOR AO DEFINIDO PELA CAR ................................... 91
6.4. EVOLUÇÃO DA ENERGIA ARMAZENADA FINAL E DOS RISCOS DE DÉFICIT .......................................... 93
7. CONCLUSÕES E PROPOSTAS PARA TRABALHOS FUTUROS.................................................... 97
REFERÊNCIAS BIBLIOGRÁFICAS............................................................................................................... 99
APÊNDICE A .................................................................................................................................................... 102
vi
Lista de Símbolos
gT Geração térmica máxima;
earmf t Energia armazenável máxima no final do estágio t;
earmf t Energia armazenável mínima no final do estágio t;
GH (EARMf t −1 ) Geração hidráulica máxima;

CTERMAX Custo de geração da térmica mais cara;
def Déficit;
DEMLIQ Demanda líquida, igual à demanda bruta abatida da geração de
pequenas usinas, geração térmica mínima e submotorização;
EAFt Energia natural afluente no estágio t;
earmf t Energia armazenada no final do estágio t;

EC Energia controlável;
EFIO Energia a fio d’água;
EAMINOP Energia armazenada mínima de operação;
EMORTO Perda energética por enchimento de volume morto;
EVAP(EARMf t −1 ) Energia evaporada;
evert Energia de vertimento em reservatórios;
evmin Energia de vazão mínima;
exc Variável de folga que representa o excesso de energia de vazão
mínima, submotorização e geração térmica mínima;
FC (EARMf t −1 ) Fator de correção da energia controlável;
FPENG Duração de um patamar de carga;
gH Geração hidráulica controlável;
gT Geração térmica de uma determinada classe térmica;
vii
i j ,k Intercâmbio de energia do sistema j para o sistema k;
M EVMIN (EARMf t −1 ) Meta de geração de vazão mínima;

NCOR Número de Cortes de Benders;
NPDF Número de patamares de déficit;
NPMC Número total de patamares de carga própria;
NSIS Número total de subsistemas;
PREF Fator de penalização de referência;
p Ordem do modelo Par(p);
TCLSIS Número de classes térmicas de um dado subsistema;
Vi Volume armazenado no reservatório i;
zt Custo esperado de operação no estágio t;
α t +1 Custo futuro;
β Taxa de desconto;
γ Parcela de EAFt correspondente à energia controlável;
η BH Multiplicador simplex associado à equação de balanço hídrico;

η AD Multiplicador simplex associado à equação de atendimento à demanda;
η COR Multiplicador simplex associado à cada equação de corte de Benders;
η EH Multiplicador simplex associado à equação de geração hidráulica

controlável máxima;
π Ak Coeficiente do corte de Benders associado ao estado energia afluente
passada do estágio t-k, onde k = 1,p;
πv Coeficiente do corte de Benders associado ao estado armazenamento
inicial do estágio t;
ψD Custo do déficit para um dado corte de carga;
ψT Custo de operação associado à classe térmica;
∆ Invasão do nível de armazenamento mínimo.
viii
As variáveis associadas à solução de problemas de programação linear são expressas neste
trabalho em letras minúsculas, enquanto as variáveis que tem seu valor conhecido são
expressas em letras maiúsculas.
ix
Capítulo 1 - Introdução
1. INTRODUÇÃO
1.1. CONSIDERAÇÕES INICIAIS
O problema de planejamento da operação do sistema elétrico brasileiro, predominantemente

hidrelétrico, é caracterizado por apresentar acoplamento temporal, uma vez que a decisão
operativa de geração de energia tomada em um estágio presente afeta a decisão a ser tomada
nos estágios futuros; aleatoriedade das vazões afluentes aos reservatórios, que variam
sazonalmente e regionalmente tornando o problema estocástico; e acoplamento espacial, já
que a energia defluente de uma usina a montante afeta a operação de outra a jusante. Além
disso, os objetivos de economia de operação e confiabilidade são contrários, já que uma
excessiva utilização de energia hidrelétrica, apesar de reduzir os custos de operação no
presente, aumentam os riscos de déficit no futuro. Por outro lado, evitando-se o uso da água
no presente, reduzindo assim os riscos de déficit, pode-se gerar desperdício de energia futura,
caso ocorram períodos de afluência elevada.
O planejamento da operação em sistemas de geração deste tipo pode ser executado em etapas,
a saber: planejamento de médio prazo, para estudos com horizonte de até cinco anos,
responsável pela minimização das conseqüências de uma decisão presente no futuro frente às
incertezas das afluências futuras; planejamento de curto prazo, com horizonte de um ano e
responsável pelo atendimento das metas semanais; programação diária da operação,
responsável pela programação da operação do próximo dia.
O principal objetivo do planejamento da operação de um sistema hidrotérmico é determinar, a

cada etapa, metas de geração para cada usina do sistema e de intercâmbio de energia, que
10
atendam à demanda e minimizem o valor esperado do custo de operação ao longo do período

de planejamento. Este custo é composto pelo custo variável de combustível das usinas
térmicas e pelo custo atribuído às interrupções de fornecimento de energia, que pode ser
representado por uma função de penalização dos déficits de energia (custo do déficit). Além
disso, os modelos usados no planejamento da operação podem ser utilizados também para
diversos estudos, por exemplo, estudos de políticas comerciais, de política tarifária, de
política de racionamento, realimentação ao planejamento da expansão, entre outros.
A política de operação ótima gerada por estes modelos energéticos depende de uma série de
fatores, dentre eles: cenários hidrológicos, carga própria, custo de geração térmica, entrada de
novos projetos, disponibilidade de equipamentos de geração e transmissão. Devido à
complexidade da previsão destes parâmetros e das incertezas a que eles estão sujeitos, estas
podem ser representadas de forma explícita, onde sua distribuição de probabilidades é
representada diretamente no cálculo da política, ou implícita, onde a distribuição de
probabilidades é representada através de análise de sensibilidades ou valores esperados.
O modelo NEWAVE [1], desenvolvido no CEPEL, apresenta uma metodologia para

determinação das estratégias da operação hidrotérmica a médio prazo, com representação
agregada do parque hidrelétrico e cálculo da política ótima baseado em Programação
Dinâmica Dual Estocástica. Esse modelo apresenta como características principais a
interligação de múltiplos subsistemas, configuração estática ou dinâmica, modelo equivalente
com produtibilidade variável e energias afluentes modeladas por um processo auto-regressivo
periódico de ordem p, PAR(p) [2].
1.2. OBJETIVO DO TRABALHO
Em 2001, observou-se uma deterioração da situação energética do sistema elétrico brasileiro,

onde o nível de armazenamento neste período atingiu índices bastante alarmantes, levando o
Operador Nacional do Sistema – ONS – a solicitar um racionamento de 20% da demanda ao
longo de dois meses. Com isso, iniciaram-se inúmeras discussões acerca dos possíveis
11
motivos que levaram a este severo racionamento, e a busca de soluções capazes de evitar a
repetição de situações críticas como esta [3].
Embora o objetivo do modelo Newave seja minimizar o custo de operação, a preocupação

com a segurança do sistema, ou seja, com o não esgotamento das reservas de água é crescente.
Desta forma, surge a necessidade de estabelecer níveis mínimos operativos de
armazenamento, definidos por uma “curva de alerta”. A incorporação desta curva ao processo
de cálculo da política ótima operativa do modelo de despacho hidrotérmico, para a energia
armazenada em cada subsistema, levou ao início de um processo de introdução de
metodologias de aversão a risco.
Busca-se, neste trabalho, uma melhor modelagem para a consideração da curva de aversão a
risco que não cause impactos significativos nos resultados da operação ótima indicada pelo
modelo, como um indesejável aumento dos custos, e mantenha a consistência matemática do
modelo. A motivação deste trabalho se deve a não conciliação destas duas características nas
propostas implementadas até o momento. A primeira destas, apesar de matematicamente
consistente, provocava elevações acentuadas nos custos marginais de operação dos
subsistemas, sendo abandonada. Já a metodologia utilizada atualmente faz uso de recursos
que podem levar a incoerências no mesmo, como a não convergência do algoritmo de
programação [4].
Desta forma, são apresentadas neste trabalho cinco novas propostas de metodologias de
aversão a risco, suas principais características, além de resultados comparativos entre elas.
1.3. ESTRUTURA DO TRABALHO
O trabalho está dividido em 7 capítulos, além de um Apêndice, que são sucintamente

descritos a seguir.
No presente capítulo é feita uma descrição do objetivo do trabalho e, ainda, uma apresentação
dos principais conceitos utilizados ao longo deste.
12
No capítulo 2 é apresentada uma revisão bibliográfica, com explanações sobre o sistema

elétrico brasileiro, as etapas do planejamento da operação e os modelos desenvolvidos para
cada uma delas.
No capítulo 3 é feita uma revisão sobre o planejamento da operação de médio prazo e uma
apresentação mais detalhada do modelo proposto pelo CEPEL.
No capítulo 4 é realizada uma descrição da construção da Curva de Aversão a Risco utilizada

pelo modelo NEWAVE, bem como a evolução de sua metodologia de implementação.
No capítulo 5 são propostas cinco metodologias consistentes matematicamente para um

melhor tratamento da Curva de Aversão a Risco.
No capítulo 6 são apresentados os resultados obtidos com as formulações proposta,

comparações com a formulação atualmente usada, todas devidamente analisadas.
O capítulo 7 traz as conclusões e sugestões para futuros aperfeiçoamentos ao que foi proposto.
O apêndice A é uma extensão do capítulo 6, onde é apresentada uma análise mais detalhada
de alguns resultados.
13
Capítulo 2 – Revisão Bibliográfica
2. REVISÃO BIBLIOGRÁFICA
2.1. DESCRIÇÃO DO SISTEMA DE GERAÇÃO DE ENERGIA

ELÉTRICA BRASILEIRO
O sistema elétrico brasileiro apresenta uma porcentagem substancial de geração hidrelétrica,

com mais de 90% do total da capacidade instalada no país, e é caracterizado por grandes
reservatórios, que possuem uma capacidade de regularização plurianual, formando complexas
cascatas sobre diversas bacias hidrográficas. As usinas hidrelétricas podem utilizar a água
armazenada nos seus reservatórios para produzir energia no futuro, substituindo os custos de
combustível das unidades térmicas, apresentando-se assim economicamente competitivas [5].
Todavia, a afluência futura aos reservatórios tem comportamento estocástico, dependendo das
precipitações futuras, que não podem ser previstas com muita exatidão. Além disto, o
montante de afluência possui uma grande variação em diferentes estações dos anos, e até
mesmo de ano para ano. Outra característica do sistema é que os registros históricos de
afluências possuem períodos de grandes secas, alguns maiores que um ano.
As usinas hidrelétricas, dependendo de sua capacidade de regularização, podem ser

classificadas em: usinas a fio d’água e usinas com reservatórios. Usinas a fio d’água são
aquelas cujo volume é suficiente apenas para regularização de descargas semanais ou diárias.
Já as usinas com reservatórios são usinas com regularização de vazões de um mês, de um ano
ou até mesmo vários anos.
14
Visando aproveitar as precipitações, os desníveis dos rios e os relevos da região, para um

armazenamento mais eficiente, as usinas hidrelétricas são construídas em locais distantes dos
centros de consumo. Desta forma, se fez necessário um extenso sistema de transmissão,
formando assim o Sistema Interligado Nacional - SIN - que interliga os sistemas de energia:
Sudeste/Centro-Oeste, Sul, Nordeste e Norte. A existência de um sistema interligado permite
a redução dos custos de operação, através das trocas de energia entre as regiões, aproveitando
as diversidades do comportamento hidrológico entre as diferentes bacias hidrológicas e um
aumento da confiabilidade e eficiência de fornecimento.
O parque termelétrico brasileiro tem como principais objetivos, complementar os recursos

hidrelétricos e aumentar a confiabilidade do sistema, já que não está sujeito a incertezas,
como a estocasticidade das afluências, no caso das hidrelétricas. Além disso, este parque,
ainda se destina ao abastecimento de sistemas isolados (como alguns encontrados na região
Norte) e ao atendimento localizado no caso de ocorrências de restrições elétricas e/ou
energéticas.
É esperado que a hidroeletricidade permaneça como a fonte dominante na geração de energia

devido à grande disponibilidade de potencial a ser explorado. Não obstante, a participação de
usinas térmicas no sistema deve crescer, devido também ao avanço na tecnologia das turbinas
a gás e ao fato do comportamento crescente dos custos relacionados à exploração hidráulica
de novos locais.
2.2. PLANEJAMENTO DA OPERAÇÃO ENERGÉTICA
2.2.1. Objetivo
O sistema elétrico brasileiro é hidrotérmico, composto predominantemente por usinas

hidrelétricas, além de usinas termelétricas convencionais e nucleares. Estas usinas são ligadas
aos centros de carga, basicamente, através de um sistema de transmissão [6].
15
O objetivo do planejamento da operação é determinar, a cada estágio, uma política de

operação para cada usina, visando atender à demanda de energia com o menor custo
operacional possível. Este custo é formado, basicamente, pelos custos dos combustíveis
utilizados nas termelétricas e os custos associados ao não atendimento à demanda, ou seja, o
custo do déficit.
Para o cálculo da política ótima de operação são usados modelos energéticos, que também
podem ser utilizados em diversos estudos, tais como:
(i) informações sobre consumo de combustível: através da simulação da operação do

sistema para diversos cenários hidrológicos e de demanda, podem ser estimadas
média e variância do consumo de combustível e valores de pico deste consumo.
(ii) estudo de políticas tarifárias: um dos resultados dos modelos de planejamento é o
custo marginal de operação, que mede a variação do custo esperado de operação
com relação a incrementos de demanda. Este índice é fundamental para a
determinação de preços de intercâmbio e de tarifas de pedágio pelo uso do sistema
de transmissão.
(iii) estudos de política de racionamento: os modelos de planejamento da operação
representam o efeito de diferentes políticas de racionamento de energia, em termos
de duração, profundidade e impactos econômicos e financeiros.
(iv) estudos de expansão da geração e transmissão do sistema.
2.2.2. Formulação do Problema
2.2.2.1. Sistemas Térmicos
Sistemas termelétricos são aqueles formados unicamente por usinas térmicas [7], como as
usinas nucleares, usinas com combustíveis fósseis, usinas a gás, além de usinas de cogeração.
De forma simplificada, pode-se dizer que essas usinas usam a queima da matéria-prima para a
16
obtenção de vapor, que aciona as turbinas acopladas ao gerador. As usinas nucleares

trabalham de forma semelhante, porém obtém calor a partir de reações nucleares.
Em estudos de planejamento, as usinas termelétricas são representadas através de

características físicas e operativas, tais como potência máxima, tipo de combustível, taxa de
tomada de carga, geração mínima operativa, dentre outros índices.
Em sistemas de geração puramente térmicos, o custo variável do combustível é o responsável

pela definição do custo de cada usina. De forma simplificada, o problema de planejamento da
operação resume-se em classificar as usinas em ordem crescente de custo de combustível e
despachar cada MWh incremental para a usina com o menor custo, até que a demanda seja
suprida. Este processo utilizado para a resolução deste problema de operação é chamado de
despacho por ordem de mérito. A última usina a ser despachada será o gerador marginal e o
custo marginal de operação será igual ao seu custo de combustível.
Na prática, este problema de otimização é um pouco mais complexo, já que devem ser
levados em conta: a taxa de tomada de carga, tempos mínimos e máximos em operação, além
de tempos de resfriamento [8].
As principais características dos sistemas puramente térmicos são:
• Desacoplados no tempo: uma decisão tomada em um período não tem impactos sobre
o custo de operação de períodos posteriores, já que depende apenas da disponibilidade
de combustível;
• Custo direto de operação: o custo de operação de cada usina térmica independe do
nível de geração ou da disponibilidade de outras usinas;
• Confiabilidade de fornecimento: não apresentam restrições de armazenamento,
dependendo apenas da capacidade total de atendimento das usinas.
17
2.2.2.2. Sistemas Hidrotérmicos
Os sistemas hidrotérmicos caracterizam-se pela presença de usinas hidrelétricas,

adicionalmente às térmicas. Diferentemente do sistema visto no item anterior, esses sistemas
contam com a energia armazenada nos reservatórios de água, de custo teoricamente zero, em
substituição às dispendiosas usinas térmicas.
Entretanto, o volume limitado dos reservatórios aliado à variabilidade das futuras afluências
produz uma relação entre a decisão operativa em um determinado estágio e as conseqüências
futuras desta decisão, conforme ilustrado na figura 2.1. Desta forma, por exemplo, se for
tomada uma decisão de utilizar a energia hidrelétrica para atender a carga própria presente e
baixas afluências ocorrerem no futuro, as usinas hidrelétricas podem não ter água suficiente
para suprir a demanda no futuro. Como conseqüência, poderá ser necessária a utilização de
recursos térmicos extremamente caros ou, até mesmo, a interrupção do fornecimento de
energia. Se, por outro lado, a opção for de atender a carga própria presente com geração
térmica, e altos valores de afluências ocorrerem no futuro, já estando elevados os níveis dos
reservatórios, poderá haver vertimento no sistema, caracterizando um desperdício de energia e
aumento desnecessário do custo de operação.
Consequência
Decisão Afluências
Operativa
Utilizar os Altas Operação Econômica

reservatórios
minimizando o
custo de
combustível Baixas Déficit
Altas Vertimento
Não utilizar os
reservatórios e
usar geração
termelétrica
Baixas Operação Econômica
Figura 2.1: Processo de decisão para sistemas hidrelétricos.
18
O problema do planejamento da operação para sistemas hidrotérmicos possui as seguintes

características:
• Acoplamento temporal: como visto no exemplo anterior, as decisões tomadas no

presente tem conseqüências no futuro. A solução ótima é obtida minimizando-se o
benefício presente do uso da água mais o benefício futuro de seu armazenamento;
• Natureza estocástica: há incerteza a respeito das afluências futuras no momento em

que a decisão operativa é tomada, pois há imprevisões em relação às precipitações;
• Acoplamento espacial: como as usinas podem estar dispostas em cascata, a decisão de

deplecionamento de uma usina a montante afeta a afluência total à usina a jusante;
• Custos não-diretos associados à geração de uma hidrelétrica: o custo da geração

hidrelétrica pode ser medido em termos da economia resultante do custo de
combustível das térmicas não despachadas ou déficits evitados devido a sua utilização;
• Competição entre os objetivos do problema: a máxima utilização da energia

hidrelétrica disponível a cada etapa é a política mais econômica, pois minimiza os
custos de combustível. Entretanto, esta política resulta em maiores riscos de déficits
futuros. Por sua vez, a máxima confiabilidade de fornecimento é obtida conservando o
nível dos reservatórios o mais elevado possível. Entretanto, isto leva a uma maior
utilização de geração térmica, implicando em maiores riscos de vertimentos futuros, e,
portanto, aumento nos custos de operação [2].
Como visto no item anterior, na tomada de decisão da operação de um sistema hidrotérmico

deve-se comparar o benefício imediato do uso da água e o benefício futuro de seu
armazenamento. O benefício do uso imediato da água pode ser representado através de uma
função chamada Função de Custo Imediato (FCI), enquanto que o benefício de armazená-la
no presente para o seu uso futuro pode ser representado através de uma Função de Custo
Futuro (FCF). Estas duas funções estão ilustradas na figura 2.2. O eixo x, das abscissas, do
gráfico representa o volume final armazenado nos reservatórios das usinas hidrelétricas do
19
sistema, e o eixo y, das ordenadas, representa o valor da FCF ou FCI expresso em unidades
monetárias.
Figura 2.2: Custos Imediato e Futuro X Armazenamento
Como é de se esperar, a FCI aumenta com o volume final armazenado nos reservatórios. Isto
ocorre porque a decisão de economizar água no presente está relacionada a um maior gasto
com geração térmica no estágio atual para o atendimento à carga. Por outro lado, a FCF
diminui com o volume final armazenado nos reservatórios, porque a decisão de economizar
água no presente está relacionada a um menor uso de geração térmica no futuro.
O uso ótimo da água armazenada corresponde ao ponto que minimiza a soma dos custos
imediato e futuro. Como é mostrado na figura 2.3, o ponto de mínimo custo global também
corresponde ao ponto onde as derivadas da FCI e da FCF com relação ao armazenamento se
igualam em módulo (equação 2.1). Estas derivadas são conhecidas como valores da água.
∂ (FCI + FCF ) ∂FCI ∂FCF ∂FCI ∂FCF

= + =0⇒ =− (2.1)
∂V ∂V ∂V ∂V ∂V
20
Figura 2.3: Uso Ótimo da Água.
Vale ressaltar ainda, que a existência de interligações com os sistemas vizinhos permite uma
redução dos custos de operação, através do intercâmbio de energia e um aumento da
confiabilidade de fornecimento, através da repartição das reservas. Por exemplo, quando
sistemas interligados possuem regimes hidrológicos complementares, a transferência de
energia em um determinado período se dará do sistema em regime de cheias para o sistema
que está em período seco.
O valor da energia hidrelétrica é o valor da geração térmica mais déficit que se poderia
substituir hoje ou no futuro. Este valor é resultante do processo de determinação da política
ótima de operação. Com este conceito, pode-se representar uma hidrelétrica como sendo uma
"térmica" cujo "custo marginal de operação" é o valor da água. Entretanto, é importante
observar que este valor não se mede de maneira isolada em cada usina, pois depende da
operação conjunta do sistema. Em outras palavras, se a política ótima de operação
hidrotérmica de cada usina hidrelétrica for calculada de maneira isolada, os intercâmbios de
energia futuros, mesmo baseados nos valores da água de cada usina hidrelétrica, não resultam
na operação mais econômica possível.
Dessa forma, para obter os ganhos operativos máximos de um sistema hidrotérmico

interligado, é necessário calcular a política de operação e operar o sistema de maneira
21
integrada, isto é, otimizando conjuntamente a operação de todos os subsistemas, com o

objetivo de minimizar o custo total de operação.
2.2.3. Planejamento da Operação do Sistema Elétrico Brasileiro
A tarefa de operar o sistema elétrico brasileiro não é trivial, frente à sua complexidade e
inúmeras incertezas. Deste modo, opta-se por dividir o planejamento da operação do sistema
em três etapas: médio prazo, curto prazo e programação da operação, conforme ilustrado na
figura 2.4.
MÉDIO PRAZO
Operação Hidrotérmica a
Geração de Vazões Sintéticas Mercado
Médio Prazo
Função de Custo Futuro
Alocação de Volume de
CURTO PRAZO
Espera
Operação Hidrotérmica a
Previsão de Carga
Curto Prazo
Previsão de Vazões
Semanais Função de Custo Futuro
PROGRAMAÇÃO DIÁRIA
Programação Diária da
Previsão de Carga Horária Previsão de Vazões Horárias
Operação
Figura 2.4: Processo de Planejamento da Operação.
Em cada etapa do planejamento da operação, é utilizado um modelo matemático com

diferentes graus de detalhamento para a representação do sistema que contemplam os distintos
horizontes de estudo.
É feita, a seguir, uma breve descrição dos modelos computacionais utilizados pelo Operador
Nacional do Sistema Elétrico para o planejamento da operação energética de médio prazo,
22
curto prazo e para a programação da operação. Estes modelos computacionais são o

NEWAVE [5, 9], o DECOMP [5, 10] e o DESSEM [5, 11, 12], todos desenvolvidos pelo
Centro de Pesquisas de Energia Elétrica – CEPEL.
2.2.3.1. Planejamento a Médio Prazo
Para esta etapa do planejamento energético da operação, foi desenvolvido o modelo

NEWAVE, caracterizando-se por ser o primeiro da cadeia. Ele define para cada mês do
horizonte de planejamento da operação, que é de cinco anos, a alocação ótima dos recursos
hídricos e térmicos de forma a minimizar o valor esperado do custo de operação ao longo de
todo o horizonte de planejamento. Visando reduzir a dimensão do problema, o parque
hidrelétrico é representado de forma agregada, agrupando-se costumeiramente as usinas
hidrelétricas em quatro reservatórios equivalentes – Norte, Nordeste, Sul e Sudeste/Centro. O
modelo NEWAVE leva em consideração a capacidade de regularização plurianual do sistema
e a aleatoriedade das afluências aos reservatórios através da simulação de um grande número
de cenários hidrológicos, calculando assim, índices probabilísticos de desempenho do sistema
para cada mês da simulação. Dentre os resultados obtidos nos estudos desta etapa estão os
totais mensais médios de geração térmica e hidráulica.
2.2.3.2. Planejamento a Curto Prazo
O modelo DECOMP é o próximo da cadeia, e foi desenvolvido para aplicação no horizonte

de curto prazo. Nesta etapa, há um acoplamento com a etapa anterior através da função de
custo futuro gerada (que representa a política ótima do médio prazo) num estágio que seja
coincidente com o final do horizonte do modelo de curto prazo. Desta forma, é gerada uma
função que retrata o valor econômico da água armazenada nos reservatórios em função dos
níveis de armazenamento dos mesmos.
O objetivo do planejamento a curto prazo é minimizar o valor esperado do custo de operação

ao longo do período de planejamento de um ano, com discretização semanal para o primeiro
23
mês e mensal para os demais1. Para isto, é determinada a trajetória ótima de evolução dos
armazenamentos dos reservatórios e, para cada patamar de carga, as metas de geração de cada
usina de um sistema hidrotérmico, os intercâmbios entre os subsistemas e os custos marginais
de operação. Também são consideradas nesta etapa as diversas restrições de geração e
algumas restrições elétricas. A incerteza das afluências aos diversos aproveitamentos do
sistema é consideravelmente menor que a presente no planejamento a médio prazo, e é
representada através de cenários hidrológicos. Estes cenários podem ser representados através
de uma árvore de afluências com probabilidades de ocorrência associadas a cada ramo.
2.2.3.3. Programação da Operação
Atualmente, a elaboração da programação da operação ocorre de forma participativa e

interativa entre os Agentes e o ONS, cabendo a este a aprovação e o estabelecimento do
Programa Diário de Produção final, decorrente do processo de compatibilização com as
restrições locais.
Nesta etapa utiliza-se o modelo DESSEM, que trabalha com horizonte de uma a duas
semanas, sendo os dois primeiros dias discretizados de trinta minutos em trinta minutos, e os
demais dias com discretização horária. A fim de que o despacho fornecido pelo DESSEM
esteja bastante próximo do despacho que efetivamente será colocado em prática, o modelo
considera em sua formulação a dinâmica das unidades termelétricas, bem como uma
representação detalhada das funções de produção das unidades hidrelétricas. A rede de
transmissão é representada por um fluxo de potência DC (corrente contínua). A função de
custo futuro gerada pelo modelo de curto prazo no estágio que coincide com o último estágio
do modelo de programação diária é utilizada para definir-se a meta de geração de cada
unidade geradora.
1
Na prática o ONS tem rodado o DECOMP com horizonte de apenas dois meses, sendo o primeiro mês
determinístico, e o segundo mês estocástico.
24
Este trabalho tem o enfoque voltado para a primeira etapa do problema de planejamento: o
planejamento da operação a médio prazo. No capítulo seguinte, são apresentados os aspectos
técnicos do modelo usado no desenvolvimento deste trabalho.
25
Capítulo 3 – Planejamento da Operação a Médio Prazo
3. PLANEJAMENTO DA OPERAÇÃO A MÉDIO

PRAZO
3.1. INTRODUÇÃO
A abordagem tradicional para resolução do problema de planejamento da operação de médio

prazo é a Programação Dinâmica Estocástica. Esta técnica necessita da discretização do
espaço de estados, representado pelos níveis de armazenamento iniciais e as energias
afluentes dos meses passados, o que torna o problema da determinação da operação ótima do
sistema rapidamente inviável do ponto de vista computacional. Esta limitação pode impor
simplificações do tipo: não representação explícita do intercâmbio entre subsistemas e a
necessidade de modelar as energias afluentes por um modelo auto-regressivo mensal de
ordem baixa, como um modelo de ordem 1 [13], ou seja, a afluência de um período é dada em
função apenas da afluência do período anterior. As séries de afluências do Brasil apresentam
secas de longa duração, de três a cinco anos. Modelos estocásticos, como o AR(1), auto-
regressivo de ordem um, não conseguem reproduzir tais secas e a política de operação
resultante mostra-se muito otimista, onde as secas de longa duração são eventos de baixa
probabilidade [14].
Pereira [15] desenvolveu a técnica de Programação Dinâmica Dual Estocástica (PDDE), que
alivia os problemas de dimensionalidade associados à discretização do espaço de estados,
viabilizando a obtenção da estratégia ótima de operação para sistemas hidrotérmicos
interligados. O Centro de Pesquisas de Energia Elétrica, CEPEL, desenvolveu um modelo
para o planejamento da operação do sistema elétrico brasileiro, baseado em PDDE: o modelo
NEWAVE, que será descrito a seguir.
26
3.2. MODELO NEWAVE
Baseado na técnica de Programação Dinâmica Dual Estocástica e considerando uma

representação agregada do parque hidrelétrico, o modelo NEWAVE pode considerar vários
subsistemas interligados, permite a representação estática ou dinâmica da configuração do
sistema, discretização da carga própria em até três patamares (por exemplo, pesada, média e
leve), representação dos cortes no suprimento do mercado de energia elétrica em até quatro
patamares de déficit, além da consideração de diversos cenários de energias afluentes, obtidos
através de um modelo auto-regressivo periódico de ordem p, PAR(p) [16], que modela a
afluência de um mês como sendo função das afluências dos p meses anteriores. Através do
uso do PAR(p), secas de longa persistência são capazes de serem reproduzidas.
Basicamente, o NEWAVE é composto pelos seguintes módulos:
I. módulo de cálculo do sistema equivalente – Calcula os subsistemas equivalentes de

energia a partir de uma configuração definida nos dados de entrada. Cada subsistema é
definido por: energias armazenáveis máximas, séries históricas de energias
controláveis e energias fio d’água, parábolas de energia de vazão mínima, energia
evaporada, capacidade de turbinamento, correção da energia controlável em função do
armazenamento, perdas por limite de turbinamento nas usinas fio d’água, dentre
outras.
II. módulo de energias afluentes - Estima os parâmetros do modelo estocástico, PAR(p),

e gera séries sintéticas de energias naturais afluentes que são utilizadas no módulo de
cálculo da política de operação hidrotérmica e para geração de séries sintéticas de
energias afluentes para análise de desempenho no módulo de simulação da operação.
III. módulo de cálculo da política de operação hidrotérmica - Determina a política de

operação mais econômica para os subsistemas equivalentes, baseado em PDDE,
27
levando em conta as incertezas nas afluências futuras e os patamares de carga própria

e déficit; e calcula a Função de Custo Futuro.
IV. módulo de simulação da operação - Simula a operação do sistema ao longo do

período de planejamento, para distintos cenários de seqüências hidrológicas. Calcula
índices de desempenho, tais como o custo esperado de operação, o risco e
profundidade de déficit, a distribuição de freqüências dos custos marginais,
intercâmbios de energia, gerações hidráulicas e térmicas.
3.2.1. Módulo de Cálculo do Sistema Equivalente
Mesmo com a utilização da PDDE, a estratégia ótima de operação deve ser calculada para
diversos cenários hidrológicos. A dimensão do espaço de estados é dado pelo número de
reservatórios somado à ordem máxima do modelo PAR(p). No caso do sistema elétrico
brasileiro, com mais de 50 reservatórios, faz-se necessário reduzir o número de variáveis de
estado através da agregação dos diversos reservatórios de uma mesma região em um
reservatório equivalente de energia, cujos principais parâmetros são descritos a seguir [17]:
1) Energia Armazenável Máxima
A energia armazenável máxima, EARMf , representa a capacidade de armazenamento do

conjunto de reservatórios do sistema e é estimada pela energia produzida pelo
esvaziamento completo dos reservatórios do sistema de acordo com uma política de
operação estabelecida. Adota-se a hipótese de operação em paralelo, isto é, os
armazenamentos e deplecionamentos são feitos paralelamente em volume. Sendo assim, a
energia armazenada entre dois estados de armazenamento do sistema é definida como
sendo a energia gerada ao se deplecionar paralelamente os reservatórios entre os estados
inicial e final, sem considerar novas afluências.
28
2) Energia Controlável
A energia controlável, EC , pode ser obtida a cada mês, a partir da soma da vazão natural
a cada reservatório multiplicada pela sua produtibilidade equivalente somada às
produtibilidades das usinas a fio d'água a jusante até o próximo reservatório exclusive ou,
alternativamente, pode também ser obtida pela soma das vazões incrementais a cada
reservatório valorizadas pela produtibilidade equivalente em todas as usinas a jusante do
mesmo.
3) Energia a Fio D’Água
A energia a fio d'água, EFIO , corresponde às vazões incrementais às usinas a fio d'água e
conseqüentemente não são passíveis de armazenamento. A determinação da vazão
incremental é feita em cada usina a partir da afluência natural, da qual são descontadas as
vazões naturais às usinas de reservatório imediatamente a montante. O máximo de vazão
incremental que pode ser transformado pela usina em energia é limitado pelo engolimento
máximo das turbinas.
4) Separação da Energia Controlável da Energia Natural Afluente
As séries sintéticas geradas correspondem ao valor total de energia afluente, isto é, energia
controlável mais energia fio d’água bruta, EFIOB . Para obter-se a energia controlável a
partir da energia afluente total é necessário ter-se calculado previamente, a partir do
histórico, a participação média da energia controlável na energia afluente total.
5) Correção da Energia Controlável
A energia controlável é calculada supondo que os reservatórios do sistema em estudo

estejam com seus níveis de armazenamento correspondentes às alturas equivalentes, Heq.
Tendo em vista que durante a simulação da operação os níveis de armazenamento se
modificam, o valor da energia controlável inicialmente calculado deve ser corrigido em
29
função dessas variações, uma vez que estas implicam em mudanças no valor do
coeficiente de produção utilizado [18], e conseqüentemente, no valor da disponibilidade
total de energia controlável ao sistema. Essas variações de altura de queda podem ser
traduzidas através de um fator de correção, FC [19].
6) Energia de Vazão Mínima
A energia de vazão mínima, EVMIN , independe da série hidrológica considerada,

dependendo tão somente da configuração do sistema. Seu valor máximo é calculado
multiplicando-se a descarga mínima obrigatória de cada usina com reservatório pela soma
da produtibilidade associada à altura equivalente, e as de todas as usinas fio d’água
existentes entre o reservatório e o próximo reservatório a jusante.
7) Energia Evaporada
O valor máximo da energia evaporada, EVAP , é calculado multiplicando-se o coeficiente

de evaporação de cada reservatório pela área correspondente à altura equivalente e pelo
produto da produtibilidade, associado também à altura equivalente, de todas as usinas
existentes (com reservatório e fio d’água) entre o reservatório e a última usina da cascata.
8) Geração Hidráulica Máxima
A capacidade de geração hidráulica deve levar em conta que, durante a simulação da

operação, os níveis de armazenamento se modificam, e, conseqüentemente, implicam em
mudanças no valor da disponibilidade de geração hidráulica do sistema. A geração
hidráulica máxima, GH , independe da série hidrológica considerada, dependendo tão
somente da configuração e do nível de armazenamento.
Assim, para cada mês do horizonte de estudo, são calculados três valores de geração
hidráulica máxima, correspondentes à queda líquida considerando o reservatório no
volume mínimo, no volume correspondente a 65% do volume útil e no volume máximo. A
30
partir destes três pontos, ajusta-se uma parábola de segundo grau, a partir da qual obtém-
se a geração hidráulica máxima em função da energia armazenada no mês.
3.2.2. Módulo de Cálculo da Política de Operação
O planejamento da operação visa calcular estratégias de operação para as usinas hidrelétricas

e termelétricas de forma a minimizar o custo de operação no horizonte de planejamento.
Assim, o problema de operação ótima de um sistema hidrotérmico consiste em determinar

uma estratégia de operação que, a cada estágio do período de planejamento, conhecido o
estado do sistema no início do estágio, forneça as metas de geração de cada unidade geradora
e intercâmbio de energia entre elas. Desta forma, para cada estágio, deseja-se minimizar o
custo presente mais o custo futuro de operação. O primeiro é representado pelos custos dos
combustíveis das usinas termelétricas mais o custo associado à interrupção do fornecimento
de energia. O segundo representa o impacto futuro de uma decisão presente, ou seja, o custo
de operação desde o estágio seguinte até o final do horizonte de estudo.
O estado do sistema é composto por variáveis que podem influir no resultado da operação. No
caso do planejamento energético, o nível de armazenamento no início do estágio e as energias
afluentes aos estágios anteriores são as variáveis componentes do estado.
O problema de operação hidrotérmica pode ser resolvido por Programação Dinâmica

Estocástica, PDE. Contudo, para aplicações envolvendo múltiplos reservatórios, tem-se
recorrido à Programação Dinâmica Dual Estocástica, PDDE, apresentada na próxima seção.
3.2.2.1. Programação Dinâmica Dual Estocástica Aplicada ao Planejamento da

Operação Hidrotérmica
Com o objetivo principal de evitar a explosão combinatória decorrente de um algoritmo

baseado em Programação Dinâmica Estocástica, a Programação Dinâmica Dual Estocástica se
31
apresenta como uma alternativa viável para resolver o problema, com um esforço
computacional moderado. Na PDDE, a função de custo futuro é construída analiticamente
através do “Princípio de Decomposição de Benders” [21].
Para demonstrar o processo de construção da função de custo futuro, inicialmente apresenta-

se uma versão determinística da PDDE, aqui denominada de Programação Dinâmica Dual
Determinística (PDDD). Em seguida é feita a extensão para o caso estocástico [8] [20].
Programação Dinâmica Dual Determinística
Considere o seguinte problema de programação linear de dois estágios:
Min ( f ) = c1 x1 + c 2 x 2 (3.1)
sujeito a:
A1 x1 ≥ b1
(3.2)
E1 x1 + A2 x 2 ≥ b2
O problema apresentado pelas equações 3.1 e 3.2 pode ser interpretado como um processo de
tomada de decisão seqüencial de dois estágios:
• 1o estágio: escolhe-se uma decisão viável, x1∗ , tal que A1 x1∗ ≥ b1 ;
• 2 estágio: com x1∗ fixado, resolve-se o problema de otimização do 2o estágio, dado

pelas equações 3.3 e 3.4.
Min c 2 x 2 (3.3)
sujeito a:
A2 x 2 ≥ b2 − E1x1∗ (3.4)
32
Como x1∗ é conhecido, passa para o lado direito do conjunto de restrições do problema do 2o
estagio.
Os vetores x1 e x 2 , do primeiro e do segundo estágio, respectivamente, são compostos pelas

variáveis hidráulicas e térmicas: volumes armazenados ao final do período, volumes
turbinados e vertidos, e níveis de geração térmica. Os custos do primeiro estágio são
representados por c1 x1 e as restrições de operação do sistema (balanço hídrico, limites
superior e inferior de volumes) são representadas por A1 x1 ≥ b1 . Analogamente, c 2 x 2
representa o custo de operação do segundo estágio e A2 x 2 ≥ b2 − E1 x1∗ , as respectivas

restrições operativas. O objetivo do problema consiste em minimizar o custo total de operação
composto por c1 x1 + c 2 x 2 .
Desta forma, o problema de decisões seqüenciais (equações 3.1 e 3.2) pode ser resolvido por
Programação Dinâmica. As expressões recursivas ficam:
2o estágio:
α 2 ( x1 ) = min c 2 x 2
s.a. (3.5)
A2 x 2 ≥ b2 − E1 x1
1o estágio:
α 1 ( x0 ) = min c1 x1 + α 2 ( x1 )
s.a. (3.6)
A1 x1 ≥ b1
O valor de x0 pode ser interpretado como um estado inicial do sistema. A função α 2 ( x1 )
fornece informações sobre as conseqüências nos estágios futuros da decisão x1 . Caso esta
função esteja disponível, o problema dado pela equação 3.1 pode ser resolvido sem a
representação explicita das restrições do 2o estágio.
33
De um modo geral, entretanto, a função de custo futuro, generalizada para qualquer estágio t,
α t +1 ( xt ) , não é conhecida. Na recursão usual da Programação Dinâmica esta função é
calculada para valores discretos de xt . A figura 3.1 ilustra o cálculo para α 2 ( x1 ) . O eixo
horizontal x1, é discretizado em N pontos ( x1j , j = 1,L, N ) e α 2 ( x1 ) , sendo caracterizada
{ ( )
pelo conjunto α 2 x1j , j = 1,L, N . }
α 2 (x1 )
{α (x ), j = 1,L, N }
2 1
j
{x1
j
, j = 1,L, N }
Figura 3.1: Cálculo da Função de Custo Futuro através da Programação Dinâmica.
O princípio de “Decomposição de Benders” é uma técnica que permite construir,

iterativamente, aproximações para a função α 2 ( x1 ) do problema dado pela equação 3.5,
baseada na solução do problema do primeiro estágio (equação 3.6).
Considerando que há um problema dual associado a qualquer problema de Programação

Linear, tem-se que o dual do problema 3.5 pode ser representado por:
α 2 ( x1 ) = Max π 2 (b2 − E1 x1 )
s.a. , (3.7)
A2π 2 ≤ c 2
onde
34
π2 é o vetor com as variáveis duais associadas ao problema do 2o estágio.
Assim, através da análise dual do problema do segundo estágio, dada pelo conjunto de
equações 3.7, a restrição transferida ao problema do 1o estágio pode ser escrita da forma:
α 2 ( x1 ) + π 2∗ E1 x1 ≥ ω 2∗ + π 2∗ E1 x1∗ (3.8)
A vantagem deste processo é que não há necessidade da discretização do espaço de estados. A

cada iteração, uma nova aproximação da função de custo futuro é gerada em torno do ponto
obtido a partir da solução do problema do 1o estágio, x1∗ .
Quanto a escola dos pontos x1∗ , tem-se um processo baseado em iterações que consistem na
seleção de uma série de recursões diretas, denominada forward, e inversas, backward, para
todo o período de estudo.
A Programação Dinâmica Dual é facilmente aplicada à problemas multi-estágos.

Considerando que um problema possua T estágios, e sendo k o contador de iterações,
inicialmente resolve-se uma seqüência de problemas, percorrendo desde o estágio 1 até o
estágio T-1. De cada problema, obtém-se o valor ótimo das variáveis, xt∗k , e o custo imediato
associado a cada estágio, ct xt∗k . Esta etapa do algoritmo é denominada de processo forward.
Ao chegar no último estágio, começa-se a recursão inversa, denominada processo backward,

do estágio T até o 2o estágio. Para cada estágio t, obtém-se os valores de ω t∗k e π t∗k , que em
conjunção com o vetor xt∗−k1 , calculados no processo forward, monta-se a seguinte restrição,
generalizada para qualquer estágio t:
α t ( xt −1 ) + π t∗k Et −1 xt −1 ≥ ω t∗k + π t∗k Et −1 xt∗−k1 (3.9)
Essa restrição (“Cortes de Benders”) é então passada para o estágio anterior.

35
O processo iterativo termina quando, a cad estágio t, o custo previsto no estágio t-1 para o
estágio t, iguala-se ao custo efetivo do estágio t, ω t∗k .Com isso, tem-se que o custo total do 1o
estágio, ω1∗ , iguala-se ao valor da soma composta por c1 x1∗ + c 2 x 2∗ + L + cT xT∗ . Ou seja, a
soma dos custos efetivos de todos os estágios em uma iteração define o limite superior do
problema, sendo que o limite inferior é obtido no 1o estágio, ω1∗ . Desta forma, o problema
converge quando a diferença entre o limite inferior e o superior é menor do que uma
tolerância especificada.
Programação Dinâmica Dual Estocástica
A extensão do algoritmo de Programação Dinâmica Dual para problemas estocásticos com

multi-estágios segue o mesmo princípio descrito anteriormente, onde α t +1 ( xt ) é agora
expresso como o valor esperado das derivadas dos custos futuros da decisão xt tomada sobre
todos os m possíveis cenários dos estágios subseqüentes. Assim, a nova expressão para o
Corte de Benders relativo ao caso estocástico, em um estágio t qualquer, fica da seguinte
forma:
α t ( xt −1 ) + π t∗ Et −1 xt −1 ≥ ω t∗ + π t∗ Et −1 xt∗−1 , (3.10)
onde
α t ( xt −1 ) : valor esperado das aproximações da função de custo futuro relacionadas com

os m cenários;
ω t∗ : valor esperado dos custos de operação para todos os m cenários utilizados;
π t∗ : valor esperado dos multiplicadores simplex pra todos os m cenários utilizados.
36
A cada iteração é possível obter um limite superior para o valor esperado do custo futuro dado
pela equação 3.11:
T 
z = E ∑ ci xi  , (3.11)
 i =1 
e um limite inferior, dado pelo custo esperado total aproximado do 1o estágio α 1 ( x0 ) .
3.2.2.2 Despacho de Operação Hidrotérmica em Sistemas Equivalentes de

Energia
O problema de minimização de um estágio que descreve o cálculo da política ótima de

operação hidrotérmica em sistemas equivalentes de energia é dado por :
a) Função Objetivo:
 NSIS NPMC TCLSIS NPDF  1 

z t = min  ∑ ∑  ∑ ψ T g T + ∑ψ D def  + α t +1  (3.12)
   1+ β 
sujeito a:
b) Equações de Balanço Hídrico – EBH (uma equação para cada subsistema):
NPMC
earmf t + ∑g H + evert =EARMf t −1 + FC (EARMf t −1 ) ⋅ γ ⋅ EAFt −
(3.13)
− M EVMIN (EARMf t −1 ) − EVAP(EARMf t −1 ) − EMORTO
c) Equações de Atendimento à Carga Própria – EAD (uma equação para cada subsistema
e para cada patamar):
37
TCLSIS NPDF
gH + ∑ gT + ∑ def + ∑ i recebido − ∑ iexp ortado − exc =
(3.14)
[DEMLIQ − (1 − γ )EAFt − M EVMIN (EARMf t −1 )]FPENG
d) Restrições que representam a Função de Custo Futuro – ECOR (tantos quantos forem
o número de Cortes de Benders [21]):

(
 π Visis earmf t isis − EARMf t ∗ isis + ) 

A1 (
t −1 t −1 A2 )
t −2 (
NSIS  + π isis EAF isis − EAF ∗ isis + π isis EAF isis − EAF ∗ isis + 
≥ zt + ∑  t −2 )
α t +1 , (3.15)
isis =1 + L + 
 + π isis EAF isis − EAF ∗ isis
( ) 
 Ap t− p t− p 
onde
(*): estado da série em questão no período t.
Seja
NSIS
W = zt − ∑ (π
isis =1
isis
V EARMf t ∗ isis + π Aisis1 EAFt ∗−1isis + π Aisis2 EAFt ∗− 2isis + L + π Ap
isis
)
EAFt ∗− pisis , (3.16)
então a equação do corte construído no período t pode ser escrita da forma:
NSIS
α t +1 ≥ W + ∑ (π
isis =1
isis
V earmf t isis + π Aisis1 EAFt isis isis isis isis isis
−1 + π A 2 EAFt − 2 + L + π Ap EAFt − p ) (3.17)
e) Restrições de Geração Hidráulica Máxima Controlável – EEH (para cada subsistema e

para cada patamar):
[
g H ≤ GH (EARMf t −1 ) − (1 − γ )EAFt − M EVMIN (EARMf t −1 ) FPENG ] (3.18)
f) Equações de Nó – EFIC (para cada nó fictício, para cada patamar de carga):
38
∑i
∀j ≠ k
j ,k − ∑i
∀j ≠ k
k, j =0 (3.19)
g) Limites:
0 ≤ ii , k ≤ ii , k (3.20)
0 ≤ gT ≤ gT (3.21)
earmf t ≤ earmf t ≤ earmf t (3.22)
Na equação 3.19, chama-se de nó fictício aquele nó que não tem carga, armazenamento ou
geração.
Na função objetivo, equação 3.12, α t +1 é o valor esperado do custo de operação do estágio

(t+1) até o final do horizonte de estudo.
A energia afluente, EAFt, presente nas equações 3.13 e 3.14 é composta da energia
controlável, afluente às usinas hidrelétricas com reservatório, e da energia a fio d’água,
afluente às usinas a fio d’água.
Na equação 3.13, o fator de separação, γ , é aplicado à energia afluente para a obtenção da

energia controlável. De acordo com o modelo PAR(p), a energia afluente de um estágio t é
função de p energias afluentes passadas, onde p é a ordem do modelo, mais uma parte
aleatória:
EAFt = φ1t EAFt −1 + φ 2t EAFt − 2 + L + φ pt EAFt − p + at (3.12)
Como, na parcela da energia afluente correspondente à energia controlável está contabilizada

a energia de vazão mínima, na equação 3.13, esta parcela é abatida na equação do balanço
hídrico.
39
Como a energia de vazão mínima é uma geração hidráulica da qual não se tem controle, ela é
abatida diretamente da demanda, na equação 3.14, assim como a geração a fio d’água.
O conjunto de equações 3.17 representa a função de custo futuro, que no caso da programação
dinâmica dual estocástica, PDDE, é representada por uma função linear por partes e
construída iterativamente pelos cortes de Benders [21].
Em cada estágio t e para cada estado, os coeficientes do corte de Benders associados à energia
armazenada no início do estágio, π V , e às energias afluentes passadas, π Ai , i = 1,L, p , são
obtidos pelas equações 3.24 e 3.25, durante as recursões backward do algoritmo de PDDE.
NPMC
∂ ∂
π Visis = η BH EBH + ∑ η AD EAD +
∂EARMf t −1 ∂EARMf t −1
NPMC
(3.24)
∂
+ ∑η EH
∂EARMf t −1
EEH
NPMC
∂ ∂
π Aiisis = η BH EBH + ∑ η AD EAD +
∂EAFt −i ∂EAFt −i
NCOR NPMC
(3.25)
∂ ∂
+ ∑η COR
∂EAFt −i
ECOR + ∑ η EH
∂EAFt −i
EEH
Sejam as equações abaixo que representam as parábolas do fator de correção da energia

controlável, da meta de energia de vazão mínima, energia evaporada e geração hidráulica
máxima, em função da energia armazenada inicial no estágio t ( EARMf t −1 ):
FC (EARMf t −1 ) = a EC EARMf t −21 + bEC EARMf t −1 + c EC (3.26)
M EVMIN (EARMf t −1 ) = a EZ EARMf t −21 + bEZ EARMf t −1 + c EZ (3.27)
EVAP(EARMf t −1 ) = a EV EARMf t −21 + bEV EARMf t −1 + c EV (3.28)
40
GH (EARMf t −1 ) = a EH EARMf t −21 + bEH EARMf t −1 + c EH (3.18)
Das equações 3.24 e 3.25, os coeficientes dos cortes de Benders [2] associados ao
armazenamento inicial e às p energias afluentes passadas no estágio t são dados pelas
equações 3.30 e 3.31, respectivamente:
(1 + γ )EAFt (2a EC EARMf t −1 + bEC ) − (2a EV EARMf t −1 + bEV )

π Visis = η BH  −
− (2a EZ EARMf t −1 + bEZ ) 
(3.30)
− η AD (2a EZ EARMf t −1 + bEZ ) +
+ η EH [(2a EH EARMf t −1 + bEH ) − (2a EZ EARMf t −1 + bEZ )]
π Aiisis , t = η BH [(a EC EARMf t −21 + bEC EARMf t −1 + c EC )γφit ] −

[
− η AD (1 − γ )φit + ]
 NCOR  (3.31)
+ η COR  ∑ π Aiisis , t −1 −
 
[
− η EH (1 − γ )φi t
]
Dessa forma, o módulo de cálculo da política de operação é responsável pela construção

iterativa da função de custo futuro através do algoritmo de Programação Dinâmica Dual
Estocástica.
O critério de convergência do modelo Newave, descrito na seção 3.2.2.1, é a boa aproximação

da real função de custo esperado futuro através da função linear por partes definida pelos
“Cortes de Benders”.
Dado que o processo de otimização da política convergiu, podem ser obtidos indicadores
estatísticos da operação futura do sistema através do módulo de simulação da operação
descrito na próxima seção.
41
3.2.3. Módulo de Simulação da Operação
Neste módulo é realizada a simulação da operação do sistema para diversos cenários de

energias naturais afluentes, gerados pelo modelo PAR(p), ou para a série histórica. Nesta
simulação são usadas as funções de custo futuro que foram calculadas previamente no módulo
de cálculo da política de operação. Com as soluções obtidas para cada cenário e período do
horizonte de estudo, é possível calcular os riscos de não atendimento à carga própria, valor
esperado do custo de operação, gerações hidráulicas e térmicas de cada subsistema,
armazenamentos, intercâmbios, vertimentos, entre outros parâmetros.
A modelagem do programa Newave, descrita neste capítulo, não leva em consideração

critérios de segurança do sistema hidrotérmico brasileiro, que impeçam o esgotamento das
reservas de água. Desta forma, no capítulo 4, é apresentado o processo de construção da
Curva de Aversão a Risco e a incorporação desta curva ao módulo de cálculo da política de
operação e de simulação da operação, implementada atualmente.
42
Capítulo 4 – Curva de Aversão a Risco - CAR
4. CURVA DE AVERSÃO A RISCO – CAR
4.1. INTRODUÇÃO
Pelo fato do sistema energético brasileiro ser predominantemente hidrelétrico e de se ter como
objetivo a minimização do valor esperado dos custos operativos, o fator predominante na
formação do preço da energia é o risco de racionamento futuro.
Tipicamente, um agente avesso a risco toma precauções no caso do reservatório esvaziar,

dando um maior peso para o nível de armazenamento e menor para informações hidrológicas
“otimistas”. Evita-se assim, que um mês de hidrologia elevada influencie demasiadamente a
afluência esperada, levando a um esvaziamento não desejado dos reservatórios.
A cada Programa Mensal de Operação (PMO), e suas revisões semanais, os armazenamentos

de cada subsistema previstos para o final do mês do PMO, obtidos com o uso de modelos
computacionais, serão comparados aos valores mínimos desejados, que representam de
alguma forma uma operação segura. Se o armazenamento previsto for inferior a este valor
mínimo, deverão ser despachadas todas as unidades térmicas disponíveis, por ordem de
mérito, necessárias para a recuperação do nível de armazenamento até o valor indicado. Caso
isso não seja possível pelo esgotamento dos recursos disponíveis, outras medidas poderão ser
tomadas para recompor o nível mínimo de garantia do sistema.
Estes valores mínimos de armazenamento definem a Curva de Aversão a Risco (CAR). A

seguir, são apresentados os procedimentos adotados e os conceitos necessários para a
construção da CAR.
43
4.2. METODOLOGIA
A seguir, descrevem-se os parâmetros e as variáveis necessárias ao estabelecimento da

metodologia de cálculo da Curva de Aversão a Risco [22].
Geralmente, a CAR é definida para um período de dois anos consecutivos para os quais se
deseja obter condições que garantam a segurança do atendimento do sistema. Os valores dessa
curva no primeiro ano estão condicionados ao atendimento do mercado no segundo ano, sob
condições de segurança definidas.
Considerando a característica de segurança da curva de aversão a risco, a afluência passada

utilizada no seu processo de construção deve corresponder a uma condição hidrológica crítica,
para o biênio considerado, segundo critérios escolhidos, isto é, ela pode estar associada ao
biênio mais crítico do histórico de afluências, ou corresponder a uma freqüência de
ocorrências pré-definida.
Estabelecidos todos os parâmetros e variáveis, a curva de aversão a risco será determinada

segundo a seguinte metodologia:
• definem-se, para cada um dos anos, as premissas de carga, oferta e intercâmbios entre
regiões;
• define-se o biênio cujas afluências serão simuladas;
• define-se o nível mínimo de segurança ao final do período seco (NSPS) do 2º ano do
biênio;
• determinam-se os requisitos de armazenamento, a cada mês, a partir do NSPS, no
sentido inverso do tempo, através de um balanço energético mensal com os recursos e
requisitos definidos.
44
A figura 4.1 ilustra, de forma simplificada, o processo de obtenção da curva de segurança de

aversão a risco, onde o nível mínimo de segurança ao final do período seco (NSPS) representa
o nível de armazenamento de energia do subsistema para o qual valores inferiores ao mesmo
resultam na operação a fio d’água em alguns aproveitamentos. Este fato se apresenta em
decorrência da diversidade hidrológica entre as bacias, não visualizada na representação do
sistema equivalente.
EAR
Simulação Reversa
NSPU
NSPS NSPS
31/Dez 31/Jan 28/Fev 31/Mar 30/Abr 31/Mai 30/Jun 31/Jul 31/Ago 30/Set 31/Out 30/Nov 31/Dez 31/Jan 28/Fev 31/Mar 30/Abr 31/Mai 30/Jun 31/Jul 31/Ago 30/Set 31/Out 30/Nov 31/Dez
NSPU – nível mínimo de segurança no final do período úmido (abril)

NSPS – nível mínimo de segurança no final do período seco (novembro)
Figura 4.1: Processo de obtenção da Curva de Segurança..
São apresentados na próxima seção os procedimentos utilizados para a obtenção da CAR, de

maneira mais detalhada, aprofundando-se nas etapas de construção da curva.
4.3. CONSTRUÇÃO DA CAR
Diversos critérios de segurança podem ser usados para a construção da CAR. Serão
apresentados a seguir três métodos distintos, representados por três curvas guias de segurança
[23], onde a primeira é a curva utilizada atualmente no modelo NEWAVE.
45
As curvas guias de segurança se baseiam em metodologias simplificadas, tendo em vista as

atuais condições do Sistema Interligado Nacional, ou seja, levando em consideração que o
Sistema perdeu sua característica de regularização plurianual.
Para um melhor entendimento, será mostrado um exemplo de elaboração das curvas guias.
a) Curva 1 – Curva Guia de Segurança
Define o Nível de Partida que seria Necessário (NPN), ao final de dez/2001, bem como os
requisitos de armazenamento, a cada mês, que garantem o atendimento a 100% da carga,
durante 2002, mesmo com a ocorrência do ano crítico (1955) - 61% MLT durante o ano.
Esta curva foi determinada para dois níveis de segurança em função de diferentes hipóteses de
despacho de geração térmica:
• Curva 1 Verde (Referência Superior) - Considera apenas o despacho das térmicas

existentes;
• Curva 1 Laranja (Referência Inferior) - Considera o despacho de todas as térmicas,

inclusive as do PPT (Programa Prioritário de Termoeletricidade) e as Emergenciais.
b) Curva 2
Define, através de uma simulação recursiva, a evolução do nível de armazenamento

necessário, no período jan/abr de 2002, para atingir o Nível de Segurança ao final do Período
Úmido (NSPU) em 30/abr/2002, o que garante o atendimento à 100% da carga no período
Seco - mai/dez de 2002, mesmo com a ocorrência do ano crítico (1955) - 64% MLT nesse
período.
Esta curva foi determinada para dois níveis de segurança em função de diferentes hipóteses de
despacho de geração térmica:
46
• Curva 2 Verde (Referência Superior) - Considera apenas o despacho das térmicas

existentes;
• Curva 2 Laranja (Referência Inferior) - Considera o despacho de todas as térmicas,

inclusive as do PPT e as Emergenciais.
c) Curva 3
Define para cada mês do período úmido - jan/abr, a afluência necessária para se atingir os
requisitos de armazenamento a partir do qual se garante o atendimento a 100% da carga,
durante 2002, mesmo na ocorrência do ano crítico (1955) - 61% MLT durante o ano.
Esta curva é determinada considerando o despacho de todas as térmicas, inclusive as do PPT e

as Emergenciais.
Com essas curvas, identificam-se três cenários correspondentes às áreas nos gráficos 4.2 e 4.3,
que representam as curvas guias 1 e 2, respectivamente.
Cenário Verde: região acima da curva verde, que garante o atendimento a

100% da carga, mesmo na ocorrência do período crítico, utilizando apenas a
geração térmica existente;
Cenário Amarelo: região entre as curvas verde e laranja, que garante o

atendimento a 100% da carga, mesmo na ocorrência do período crítico,
utilizando o despacho de todas as térmicas, inclusive as do PPT e as
Emergenciais;
Cenário Laranja: região abaixo da curva laranja, em que além da necessidade

de se despachar todas as térmicas, inclusive as do PPT e as Emergenciais, há
necessidade de se reduzir o consumo.
47
Figura 4.2: Cenários correspondentes à Curva 1 – Curva Guia de Segurança.
Figura 4.3: Cenários correspondentes à Curva 2.
48
Terminado o período úmido (30/abr/2002), com o nível de armazenamento atingido,

determina-se nova curva de segurança para o período seco.
De maneira informativa, as figuras 4.4, 4.5 e 4.6 ilustram os históricos dos valores de energia
armazenada mínima de operação (EAMINOP) atribuídos à CAR, determinados pelo ONS, e
dos valores de energia armazenada verificadas ao final de cada período (EARMf), para os
subsistemas Sudeste, Sul e Nordeste, respectivamente. Não é definida uma CAR para o Norte,
por ser um subsistema de pequeno porte. Os valores referentes a EARMf são resultados
gerados pelo programa Newave, a partir dos planos mensais de operação (PMO’s) elaborados
pelo ONS.
Os dados referentes a EAMINOP são fornecidos a partir de janeiro de 2004 até dezembro de
2007, onde os valores referentes ao ano de 2007 foram estimados, porém ainda não revisados.
Já os dados correspondentes a EARMf são mostrados até o mês de outubro de 2006, posto que
foram verificados até esta data.
SUDESTE
100
90
80
70
% EARMmáx
60
50
40
30
20
10
0
ab 4
ab 5
ab 6
07
ou 4
ou 5
ou 6
ou 7
4
7
4
7
0
0
l/0
t/ 0
l/0
t/ 0
l/0
t/ 0
l/0
t/ 0
r/0
r/0
r/0
r/0
n/
n/
n/
n/
ju
ju
ju
ju
ab
ja
ja
ja
ja
CAR EARMf
Figura 4.4: Evolução da EAMINOP definida pela CAR e da EARMf verificada – Sudeste.
49
SUL
100
90
80
70
% EARMmáx
60
50
40
30
20
10
0
ab 4
ab 5
ab 6
07
ou 4
ou 5
ou 6
ou 7
4
7
4
7
0
0
l/0
t/ 0
l/0
t/ 0
l/0
t/ 0
l/0
t/ 0
r/0
r/0
r/0
r/0
n/
n/
n/
n/
ju
ju
ju
ju
ab
ja
ja
ja
ja
CAR EARMf
Figura 4.5: Evolução da EAMINOP definida pela CAR e da EARMf verificada – Sul.
NORDESTE
120
100
% EARMmáx
80
60
40
20
0
ab 4
ab 5
ab 6
07
ou 4
4
ou 5
5
ou 6
6
ou 7
7
4
7
0
0
l/0
l/0
l/0
l/0
t/0
t/0
t/0
t/0
r/0
r/0
r/0
r/0
n/
n/
n/
n/
ju
ju
ju
ju
ab
ja
ja
ja
ja
CAR EARMf
Figura 4.6: Evolução da EAMINOP definida pela CAR e da EARMf verificada – Nordeste.
50
4.4. EVOLUÇÃO DA IMPLEMENTAÇÃO DA CAR NO

MODELO DE PLANEJAMENTO DA OPERAÇÃO A
MÉDIO PRAZO
Depois de construída de maneira a tentar minimizar o risco de um futuro racionamento, a

curva de aversão a risco, ainda precisa ser introduzida no modelo de planejamento da
operação a médio prazo - NEWAVE - desenvolvido pelo CEPEL [3].
Como premissa básica, quando o nível de armazenamento dos reservatórios for superior à
restrição dada pela CAR, esta não deve influenciar o processo de cálculo da política de
operação. Já para um nível de armazenamento inferior, deve ser sinalizada uma situação de
alerta, levando à aplicação de medidas como o despacho das térmicas do sistema.
Numa primeira fase, em dezembro de 2001, foi proposta a superposição da curva de alerta ao
resultado do modelo de despacho e formação de preços. Se o nível de armazenamento
resultante do despacho fosse inferior ao da curva, os preços seriam ajustados para o máximo
entre o preço calculado pelo modelo e o preço da curva de alerta (a título de exemplo, 150
R$/MWh). Com isso, unidades térmicas com custo de geração mais elevados, porém
inferiores ao custo da água sinalizado pela curva, agora 150 R$/MWh, seriam despachadas. A
figura 4.8 ilustra de maneira qualitativa o efeito desta curva de alerta nos preços da figura 4.7.
Numa segunda fase, a curva de alerta foi incorporada ao processo de cálculo da política
operativa do modelo de despacho hidrotérmico. A razão para a existência de duas fases foi a
necessidade de implementar e validar qualquer modificação no modelo de despacho junto aos
grupos de trabalho do ONS e MAE (atual CCEE).
51
Figura 4.7: Região Sudeste – Nível de Armazenamento e CMO – Abr/00-Mar/01.
Figura 4.8: Região Sudeste – Nível de.Armazenamento e CMO com Curva de Alerta – Abr/00-
Mar/01.
52
4.4.1. Metodologia Atual Implementada
A metodologia implementada hoje no modelo NEWAVE [4] não representa uma solução
“matematicamente correta”, uma vez que o problema de otimização pode não convergir,
como será exposto a seguir.
Inicialmente, o problema de despacho hidrotérmico original é resolvido penalizando-se o não

cumprimento da meta de nível mínimo de armazenamento dado pela Curva de Aversão a
Risco ( ∆ ), utilizando-se como penalidade um custo unitário informado pelo usuário do
modelo (Penalidade de Referência – PREF). Desta forma, o problema original adicionado das
restrições de aversão a risco, pode ser detalhado pelas equações 4.1, 4.2 e 4.3.

z t = min  ∑ ∑  ∑ ψ T g T + ∑ψ D def + PREF ⋅ ∆  + α t +1  (4.1)
   1+ β 
sujeito a:
Equações de Balanço Hídrico (uma equação para cada subsistema):
NPMC
earmf t + ∑g H + evert =EARMf t −1 + FC (EARMf t −1 ) ⋅ γ ⋅ EAFt −
(4.2)
− M EVMIN (EARMf t −1 ) − EVAP(EARMf t −1 ) − EMORTO
Invasão do Armazenamento Mínimo Operativo - EAMINOP (uma equação para cada

subsistema):
∆≥0
(4.3)
earmf t + ∆ ≥ EAMINOPt
53
Neste problema, a escolha das térmicas a serem despachadas é feita de acordo com os seus
respectivos custos. Caso haja alguma usina térmica com o custo de geração inferior ao valor
de utilização da água, a mesma é despachada. Se o nível mínimo de armazenamento não for
respeitado, o valor da água poderá não ser mais igual ao módulo do multiplicador de
Lagrange das restrições de balanço hídrico, como ocorria no caso em que a CAR não era
considerada. Neste caso, o valor da água deve ser acrescido da penalidade de não
cumprimento da restrição (PREF), podendo assim, atingir valores bastante altos, superiores
até ao custo associado ao primeiro patamar de déficit, de modo a provocar o despacho de um
número elevado de usinas térmicas.
Desta forma, é agora atribuído um valor máximo para esta penalidade, tal que o valor da água
seja o suficiente para despachar as térmicas desejadas. Com isso, há um processo iterativo, a
cada problema, para definição desta penalidade.
A partir das considerações acima, são apresentados a seguir os passos para a solução do
problema.
Passo1: Resolver o problema de cada estágio, representando-se as restrições operativas no

estágio e a aproximação linear por partes da função de custo futuro;
Passo 2: Após a solução deste problema, caso algum subsistema tenha acionado o mecanismo
de aversão a risco, um fator de penalização reduzido (PREF_red) é obtido pelo máximo entre
zero e a diferença entre o fator de penalização de referência (PREF) e o coeficiente do corte
de Benders ativo na solução deste problema:
PREF _ red = max{0, PREF − CorteAtivoAtual} (4.4)
Passo 3: O problema é resolvido novamente utilizando-se o fator de penalização reduzido. A

solução deste problema pode indicar um outro ponto de operação. Este problema será
chamado de problema 2;
54
Passo 4: Após a solução do problema 2, caso algum subsistema tenha acionado o mecanismo
de aversão a risco, e o critério de convergência para este subsistema não tenha sido satisfeito,
então um novo fator de penalização reduzido é obtido pelo máximo entre zero e a diferença
entre o fator de penalização (PREF) e o coeficiente do corte de Benders ativo na solução deste
problema;
Passo 5: O problema 2 é resolvido novamente utilizando-se o novo fator de penalização

reduzido. Caso o número máximo de iterações do processo iterativo para o problema da Etapa
2 não tenha sido atingido, volte ao passo 4.
O processo descrito pelos passos 1 e 2 caracteriza a primeira etapa da metodologia de aversão

a risco implementada atualmente, já o processo descrito ao longo dos passos 3, 4 e 5
representa a segunda etapa, conforme ilustrado na figura 4.9.
Penalidade de Invasão Penalidade Reduzida, calculada

ao fim de cada iteração
Custo 1o
Patamar
Déficit
PREF
Valor da Água
Resultante
FCF
Iteração 1 Iteração 2 ... Iteração N
Etapa 1 Etapa 2
Valor da Água Original
Figura 4.9: Metodologia Atual da Curva de Aversão a Risco.
Embora este método apresente resultados considerados satisfatórios pelo Operador do

Sistema, não há garantias que o valor calculado para a penalidade irá convergir. Este fato que
pode levar o modelo a despachos inconsistentes com a metodologia: caso a soma da
55
penalidade reduzida com o valor da água seja inferior à penalidade de referência, o despacho
de todas as térmicas desejadas pode não ocorrer; caso a soma seja superior, haverá parcelas
indesejadas, que causam o aumento do custo de operação. Além disso, a utilização de
diferentes valores para a penalidade de não cumprimento da meta de armazenamento mínimo,
para problemas do mesmo período, leva a incorreções matemáticas no cálculo dos hiperplanos
suportes da função de custo futuro.
No próximo capítulo são abordadas novas propostas metodológicas para a consideração da

curva de aversão a risco, visando oferecer uma solução que não apresente inconsistências
matemáticas no modelo.
56
Capítulo 5 – Propostas para a Implementação da CAR
5. PROPOSTAS PARA A IMPLEMENTAÇÃO DA

CAR
O NEWAVE é o modelo utilizado pelo Operador Nacional do Sistema para o planejamento

da operação de médio prazo. Atualmente, a versão oficial usada pelo ONS é a 12, cujo
processo de aversão a risco leva em consideração uma curva de metas de energia armazenável
mínima para os subsistemas – a curva de aversão a risco – e é implementado conforme
descrito na seção 4.4.1, caracterizando-se por ser matematicamente inconsistente.
Visando solucionar este problema, cinco novas propostas metodológicas para o tratamento da
CAR foram implementadas no modelo NEWAVE, objetivando-se uma possível substituição
da metodologia atual. São elas:
Versão 1
o Para todos os subsistemas que possuem restrição de nível mínimo operativo de
armazenamento definido pela CAR, são adicionados cortes diretamente à
função de custo futuro, cuja inclinação é ligeiramente superior, em módulo, ao
maior custo de geração das térmicas. Os cortes adicionados para cada período e
série somente são válidos para a iteração em questão.
Versão 2
o Baseada na versão 1, diferencia-se pela adição de cortes multivariados, onde há
coeficientes não nulos para os termos de energia armazenada final, para todos
os subsistemas.
Versão 3
o Adiciona cortes à FCF somente no processo de simulação final, usando a
mesma metodologia descrita para a versão 1. Durante o processo iterativo, a
57
invasão do nível mínimo de armazenamento é penalizada de maneira similar ao

processo descrito na seção 4.4.1, no entanto a penalidade não é recalculada.
Versão 4
o Baseada na versão 3, porém com um limite superior para o maior custo de
geração das térmicas utilizado na construção dos cortes, igual ao custo
referente ao primeiro patamar de déficit;
Versão 5
o Baseada na versão 3. Um único corte é adicionado diretamente à função de
custo futuro, somente na simulação final. Este corte considera todos os
subsistemas com restrição de nível mínimo operativo de armazenamento
definido pela CAR.
Todas as implementações propostas têm o objetivo de utilizar todos os recursos térmicos

disponíveis prioritariamente ao não cumprimento do nível mínimo de armazenamento dado
pela CAR. Desta forma, não é mais necessária a informação por parte do usuário de uma
penalidade extra para a relaxação da restrição imposta pela CAR.
5.1. VERSÃO 1
O despacho de uma térmica está condicionado ao fato do seu custo de geração ser inferior ao
valor da água, para um determinado nível de armazenamento no momento da decisão
operativa.
Assim, como primeira abordagem, busca-se adicionar cortes diretamente à função de custo
futuro, de modo que sua inclinação fosse superior, em módulo, ao maior custo de geração das
térmicas. Este procedimento visa garantir o atendimento à demanda através de recursos
térmicos até sua exaustão, se necessário, evitando o não cumprimento da restrição operativa,
sempre que houver condições.
Nesta implementação, são adicionados cortes para todos os subsistemas que possuem
restrição de nível mínimo operativo de armazenamento definida pela CAR. Supondo que isto
58
ocorra para um subsistema X, o valor das variáveis de estado no momento da construção deste
corte (restrição CAR) é descrito na equação 5.1:
earmf t X = EAMINOPt X
earmf t isis ≠ X = 0
eaf t = EAFt ,i (5.1)
eaf t −1 = EAFt −1,i
M
Para construção destas restrições é necessário que se conheça o corte ativo em cada um destes
estados.
5.1.1. Corte Ativo
Os cortes que definem a função de custo futuro são mostrados pela equação 3.17. Re-
agrupando os termos:
NSIS NSIS
α t +1 ≥ W + ∑ π Visis earmf t isis +
isis =1
∑ (π
isis =1
isis
A1 EAFt isis isis isis isis isis
−1 + π A 2 EAFt − 2 + L + π Ap EAFt − p ) (5.2)
O corte ativo em um estado é aquele para o qual tem-se o maior valor para o lado direito da
inequação 5.2, para os dados valores de armazenamento e afluências passadas. Seja α CA o
valor de α t +1 no estado definido em 5.1. Como este estado é o limiar entre a utilização ou não
do corte artificial, é importante que o corte artificial e o corte ativo coincidam neste ponto de
operação, ou seja, que ambos valham α CA .
Vale ressaltar que, como os estados acessados para a construção do corte adicional em cada
subsistema são diferentes, o corte ativo da função de custo futuro pode não ser o mesmo para
os subsistemas. Assim, para um determinado subsistema X, tem-se um valor para o corte ativo
no estado correspondente ao nível mínimo de armazenamento, α CA, X .
59
Seja uma função de custo futuro que dependa unicamente de uma variável de estado – no
caso, o armazenamento do final do estado; aproximada por três cortes, como ilustrado na
figura 5.1. O corte ativo e seu valor correspondente ( α CA, X ) quando o subsistema X opera no
seu nível mínimo de operação (EAMINOPX) são destacados na mesma figura.
Figura 5.1: Representação do Corte Ativo da Função de Custo Futuro.
5.1.2. Adição do Corte Artificial
Para cada subsistema com nível de armazenamento mínimo definido pela CAR, são
adicionados cortes em cada série, abertura e período, construídos no estado apresentado na
equação 5.1.
A equação 3.15 mostra como o estado utilizado para a construção do corte e o estado
consultado durante a resolução do problema, afetam o termo independente original (RHS) dos
cortes da função de custo futuro. Como o corte artificial só é utilizado nesta série, abertura e
período, as parcelas referentes às afluências passadas são nulas, já que os valores de EAFt isis
−i e
EAFt*−iisis são iguais para todo i = 1, L , p .
A equação simplificada do corte artificial, univariado (já que o corte é construído

separadamente para cada subsistema com CAR definida), é representada da seguinte forma:
60
α − π VX Vt X ≥ RHS ,
Adic
(5.3)
onde
Vt X = earmf t X (5.4)
A inclinação do corte artificial, π VXAdic (R$/MWh), deve ter um valor ligeiramente maior que o
custo da térmica com geração mais cara (CTERMAX) no período em questão, como mostra a
equação 5.5. Desta forma, para níveis de armazenamento inferiores ao definido pela CAR, a
água será usada somente após a utilização de todos os recursos térmicos disponíveis. Assim,
em determinado período, busca-se garantir que todas as térmicas serão despachadas antes que
sejam ultrapassados os níveis de volume mínimo operativo dados pela CAR.
π VX
Adic
(
= − CTERMAX tX + ε ) (5.5)
O termo independente original (RHS) deste corte adicional é calculado conforme mostrado na
equação 5.6, podendo ser facilmente deduzido a partir do gráfico ilustrado na figura 5.2. O
valor de ε (positivo) garante que o valor da água seja ligeiramente superior ao custo da
térmica mais cara disponível no período em questão. Adota-se ε = 1.
RHS = α CA, X − π VXAdic EAMINOPt X (5.6)
Substituindo-se as equações 5.4, 5.5 e 5.6 na equação 5.3:
α + (CTERMAX tX + ε )earmf t X ≥ α CA, X + (CTERMAX tX + ε )EAMINOPt X (5.7)
Na figura 5.2 é representado o corte ativo, quando a energia armazenada final do período t
atinge o nível de armazenamento definido pela CAR e o corte artificial adicionado à função
de custo futuro do problema de minimização de custo de operação.
61
Figura 5.2: Representação do Corte Artificial adicionado à FCF.
5.1.3. Impactos no Modelo
Durante o processo de implementação, foram verificados alguns problemas na formulação

desta proposta metodológica, que podem causar impactos não desejados nos resultados
gerados pelo modelo de otimização, NEWAVE.
Primeiramente, verifica-se um fato que torna o critério de convergência do modelo

inconsistente: o corte artificial é inserido na função de custo futuro sem levar em consideração
o comportamento da operação para os períodos futuros. Para que o modelo convirja, a soma
dos custos reais de operação de cada período (ZSUP) deve ser igual, dentro de um
determinado intervalo de confiança, à soma do custo presente e do custo futuro do primeiro
período (ZINF). Logo, como a função de custo futuro não reflete o real custo de operação dos
períodos futuros, não há garantias de que o custo futuro indicado no primeiro período de
estudo (influenciado pelo corte adicionado) seja refletido na operação dos períodos
adjacentes.
Para um melhor entendimento do problema referente à não-validade do critério de

convergência do Newave, este é exemplificado de forma didática, na seção 5.1.4.
62
Ao se adicionar cortes univariados para cada subsistema com CAR definida e, em um

determinado intervalo, apenas um desses cortes ficar sempre ativo, surge um outro problema:
supondo um corte univariado ativo, para a variação do armazenamento de um outro
subsistema, diferente daquele cujo corte é o ativo, o valor do corte ativo se mantém
inalterado. Isto ocorre, pois o hiperplano – corte – ativo não depende do armazenamento dos
outros subsistemas, conforme mostra a metodologia descrita anteriormente. Assim, para estes
subsistemas, as térmicas não são despachadas em sua totalidade, como o desejado, posto que a
geração hidráulica será sempre mais econômica, já que a alteração do armazenamento final
destes subsistemas não implica em aumento do custo de operação. Com isso, o nível de
armazenamento pode ser inferior àquele definido pela CAR para estes subsistemas.
O problema encontrado, explicado no parágrafo acima, pode ser mais bem compreendido
através da visualização gráfica dos cortes que compõe a função de custo futuro do problema
de minimização. Para tal, é apresentado na seção 5.1.5 um exemplo, onde os cortes são
facilmente identificados.
Conhecidos os problemas provocados no modelo pela implementação da Versão 1, novas

metodologias são propostas nas versões descritas nas próximas seções, de modo a tentar
resolvê-los.
5.1.4. Análise do Critério de Parada do Modelo para a Versão 1
Nesta seção, é apresentado um exemplo simplificado de operação de um sistema energético

em dois períodos, de maneira a se verificar a incoerência do critério de parada atualmente
implementado no modelo Newave ao se utilizar a metodologia aplicada à versão 1. Este fato
sugere o desenvolvimento de um outro critério de convergência.
Supondo um problema de minimização de custo de operação, cujas principais características

são:
• 2 períodos;
63
• 1 subsistema;
• 2 usinas térmicas;
• afluência determinística.
É possível se escrever este problema, simplificadamente, na forma de um problema de

programação linear, como mostrado a seguir, no sistema 5.8:
2 2
1
Min∑ cT i ,1 g T i ,1 + ∑c T i ,2 g T i , 2 + PEN (evert1 + evert 2 )
i =1 1+ β i =1
earmf1 + gh1 + evert1 = EARMI + EAF1

earmf + gh + evert − earmf = EAF2
 2 2 2 1
 gh1 + g T 1,1 + g T 2,1 = MERC1


 gh2 + g T 1, 2 + g T 2, 2 = MERC2
earmf1 , earmf 2 , evert1 , evert 2 ≥0 , (5.8)

S .a. gh1 , gh2 ≥0
 gh , gh ≤ GH
 1 2
 g T 1,1 , g T 2,1 , g T 1, 2 , gT 2, 2 ≥0
g , g ≤ GT1
 T 1,1 T 1, 2
 g T 2,1 , g T 2, 2 ≤ GT2

earmf1 , earmf 2 ≤ EARMf
onde
cT i ,t , é o custo da térmica i, no período t, por unidade de geração;
g T i ,t , é a energia gerada pela térmica i, no período t;
1 (1 + β ) , taxa de desconto mensal;

PEN , penalidade referente ao vertimento de energia;
evert t , energia vertida no período t;
earmf t , energia armazenada final do período t;
ght , geração hidráulica no período t;

EARMI energia armazenada inicial do período de estudo;
EAFt , energia natural afluente no período t;
64
MERCt , mercado no período t;
GH , geração hidráulica máxima;

GTi , geração térmica máxima da térmica i;
EARMf t , energia armazenada máxima no final do período t.
5.1.4.1. Técnicas de Solução
O problema pode ser resolvido, basicamente, de dois modos:
• através da solução direta de todo o problema de programação linear;

• através da divisão do problema em subproblemas, utilizando-se técnicas de
decomposição.
a) Solução Direta
Esta técnica de solução é atrativa em termos computacionais, quando o número de

variáveis e restrições é pequeno. Como o problema real a ser resolvido é composto de
um horizonte de cinco anos (Planejamento Mensal da Operação) ou dez anos (Planos
Decenais de Expansão) e diversos cenários hidrológicos são considerados, não é
viável computacionalmente que esta técnica seja aplicada.
b) Decomposição
A técnica de decomposição é caracterizada pela divisão do problema em diversos sub

problemas. Cada um deles é resolvido de maneira separada, no entanto como há uma
dependência temporal, são criados relacionamentos entre eles através da
funcionalidade conhecida como função valor, chamada no Newave de “Função de
Custo Futuro”.
65
Assim, ao retirar-se o segundo período do problema descrito acima e se introduzir a

“Função de Custo Futuro” ( α ), cuja função é representar a influência da operação do
primeiro período na otimização do segundo, tem-se um novo problema de
minimização:
2
1
Min∑ cT i ,1 g T i ,1 + α (earmf1 ) + PEN (evert1 )
i =1 1+ β
earmf1 + gh1 + evert1 = EARMI + EAF1
 gh + g + g = MERC1
 1 T 1,1 T 2 ,1
earmf1 , evert1 ≥0

 gh1 ≥0
, (5.9)
 gh ≤ GH
S .a. 1
 g T 1,1 , g T 2,1 ≥0
 g T 1,1 ≤ GT1

 g T 2,1 ≤ GT2
earmf ≤ EARMf
1

α + π k earmf1 ≥ RHS k , k = 1,L, ncor
onde α(earmf1) significa que o custo de operação do segundo período é influenciado

pelo “estado final” de armazenamento do primeiro período – variável earmf1.
5.1.4.2. Atribuição de Valores às Variáveis
A escolha dos valores numéricos das variáveis do problema de minimização descrito acima é
feita de maneira a tornar mais visível graficamente o problema analisado.
A tabela 5.1 fornece o custo, por unidade de energia, das térmicas 1 e 2 para cada período.
66
Tabela 5.1: Custo das térmicas, por unidade de energia ($/MWh).

Térmica 1 Térmica 2
Período 1 300 50
Período 2 310 60
As variáveis de decisão são as variáveis de saída do PL: earmf1, earmf2, gh1, gh2, evert1,
evert2, gT1,1, gT1,2, gT2,1 e gT2,2.
Os valores atribuídos às variáveis de entrada do PL, bem como aqueles que representam os
limites máximos de armazenamento, geração hidráulica e térmica estão listados na tabela 5.2.
Os limites inferiores das variáveis de decisão não são apresentados na tabela, posto que são
considerados sempre nulos.
Tabela 5.2: Valores para as variáveis de entrada e limites superiores das variáveis de decisão.
Variáveis de Entrada Limites Superiores
EARMI 25 EARMf 40
EAF1 50 GH 60
EAF2 40 GT1 40
MERC1 80 GT2 25
MERC2 80
Para o cálculo da taxa de desconto, supõe-se um índice de desconto anual de 10% a.a., que
equivale a um índice mensal ( β ) de aproximadamente 0,7974% a.m..Assim, a taxa de
desconto mensal do problema, dada pela equação 5.10, é:
1
= 0,992 (5.10)
1+ β
A penalidade (PEN) atribuída ao vertimento das usinas hidráulicas é de 0,05 unidades

financeiras por unidade de energia (R$/MWh). A adoção deste valor reduzido, em relação ao
67
custo de geração das térmicas tem como objetivo priorizar a geração e o armazenamento de
energia ao vertimento, sem causar impactos irreais ao custo final ótimo de operação.
O valor estabelecido para a energia armazenada mínima de operação (EAMINOP)

corresponde a 55% do volume máximo do reservatório.
5.1.4.3. Construção da Função de Custo Futuro
a) Programação Dinâmica Tradicional
Anteriormente à adoção de técnicas duais para a aproximação da função de custo futuro

utilizada pelo modelo Newave, a mesma era construída através de Programação Dinâmica
Estocástica (PDE) tradicional, ou seja, era avaliada em diversos intervalos de níveis de
armazenamento. No exemplo desta seção, para realizar-se tal avaliação, deve ser calculado o
custo da operação ótima do segundo período para cada valor de armazenamento final de
primeiro período resultante da discretização imposta. O problema de minimização do segundo
período a ser resolvido é apresentado na equação 5.11.
2
Min∑ cT i , 2 g T i , 2 + PEN ⋅ evert 2
i =1
earmf 2 + gh2 + evert 2 = EARMf1 + EAF2

 gh + g + g = MERC 2
 2 T 1, 2 T 2, 2
earmf 2 , evert 2 ≥0

 gh2 ≥0 , (5.11)

S .a. gh2 ≤ GH
g , g ≥0
 T 1, 2 T 2, 2
 g T 1, 2 ≤ GT1
g ≤ GT2
 T 2, 2
earmf 2 ≤ EARMf
Assim, a operação do segundo período é otimizada diversas vezes, cada qual para valores
diferentes de níveis de armazenamento final de primeiro período, onde cada um destes valores
68
é substituído por valores percentuais do volume máximo do reservatório, resultantes da

discretização comentada anteriormente. Com isso, para cada intervalo de armazenamento
considerado, o valor da função de custo futuro corresponde ao custo desta operação,
descontado pela taxa mensal.
O algoritmo tradicional da Programação Dinâmica é aplicável a problemas multi-estágios e de

natureza estocástica, permitindo modelar adequadamente as possíveis não-linearidades
existentes. No entanto, a grande desvantagem deste algoritmo reside na necessidade de se
discretizar o espaço de estados de armazenamento e afluências. Como a estratégia de
operação deve ser calculada para todas as combinações possíveis dos níveis dos reservatórios
e afluências do estágio anterior, o esforço computacional cresce de forma exponencial com o
número de variáveis de estado, tornando-se computacionalmente inviável, mesmo para
sistemas com poucas usinas hidrelétricas. Esta característica é conhecida, na literatura, como
maldição da dimensionalidade. Como exemplo, para um problema determinístico, constituído
de apenas 4 usinas hidrelétricas, discretizando-se seus armazenamentos em 20 intervalos, o
que é um número muito baixo, tem-se 420 problemas a serem resolvidos, para cada período.
Esta inviabilidade computacional levou ao desenvolvimento da Programação Dinâmica Dual
Estocástica (PDDE).
b) Programação Dinâmica Dual Estocástica
Como já descrito na seção 3.2.2.1,em um algoritmo baseado em Programação Dinâmica Dual

Estocástica, a construção da função de custo futuro é realizada através do “Princípio de
Decomposição de Benders”.
Assim, para estes algoritmos, apesar de não ser necessária a discretização do espaço de
estados, a função de custo futuro é representada através de aproximações lineares calculadas
em um número finito de pontos. Em analogia à aproximação de uma curva no espaço
Euclidiano R2, seria necessário que se conhecesse a derivada (ou gradiente) da curva nos
pontos utilizados para a construção da mesma – no caso do planejamento energético, nos
armazenamentos e afluências que definem o estado desejado.
69
Como o segundo estágio é definido por um problema de minimização e não uma função
analítica explícita, não é possível se ter uma expressão para o seu gradiente, logo se utiliza um
subgradiente, advindo da teoria matemática da programação não-diferenciável. Este
subgradiente representa a tangente dos hiperplanos suporte denominados “Cortes de Benders”
em torno deste ponto da FCF.
Os coeficientes das energias armazenadas finais nos cortes de Benders correspondem aos
valores da água esperados, para cada subsistema, e são obtidos a partir dos multiplicadores de
Lagrange das equações que levam em consideração estas variáveis – no caso da modelagem
atualmente implantada, apenas a equação de balanço hídrico. O cálculo do custo operativo e
das tangentes da superfície de custo futuro é repetido para cada estado de armazenamento no
segundo período. O resultado de todo este processo é uma superfície linear por partes, que
representa a FCF – α (earmf1 ) – para o primeiro período.
São ilustradas na figura 5.3, uma aproximação para a função de custo futuro real (ALFA)
calculada com o uso da programação dinâmica tradicional e uma típica representação desta
função através de três “Cortes de Benders”. Vale ressaltar que, para a PDDE, a função de
custo futuro é aproximada pela envoltória convexa dos cortes de Benders, ou seja, pelo valor
máximo dos cortes em cada ponto do espaço de estados de armazenamentos e afluências.
7000
6000
5000
4000
Custo
3000
2000
1000
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40
earmf1
ALFA Corte 1 Corte 2 Corte 3
Figura 5.3: Representações da Função de Custo Futuro

70
5.1.4.4. Construção do Corte Artificial
De modo a se representar o processo de aversão a risco segundo a metodologia da versão 1,

no primeiro período do problema exemplo, é inserido um corte artificial à função de custo
futuro. Como visto na equação 5.7, para a construção deste corte é preciso conhecer o maior
valor de custo de geração das térmicas para os subsistemas com CAR definida, e a energia
armazenada mínima de operação para o primeiro período, além do valor do corte ativo no
estado de armazenamento correspondente ao nível mínimo operativo.
Como se pode observar na figura 5.3, o corte ativo da função de custo futuro, para o volume
mínimo de operação (EAMINOP = 22), é representado pelo “Corte 3”, sendo seu valor, α CA ,
facilmente descoberto.
5.1.4.5. Resultados
Como já citado na seção 5.1.3, ZSUP é a soma do custo real da operação ótima do primeiro
período com os custos reais das operações ótimas dos demais períodos. Neste caso, como
existem somente dois períodos, a função de custo futuro real do primeiro período reflete
exatamente o custo da operação do segundo período, descontada a taxa mensal.
Já ZINF é a soma do custo real da operação ótima do primeiro período com uma aproximação
do custo futuro de operação a partir do segundo período, dada, neste exemplo, pela
aproximação da função de custo futuro influenciada pelo corte artificial.
A figura 5.4 representa graficamente o critério de convergência atual utilizado pelo modelo
Newave. Como a estratégia ótima de operação é calculada para diversos cenários de energias
afluentes, é calculada a média de ZSUP para estes cenários, bem como o seu intervalo de
confiança correspondente [LINF, LSUP]. Desta forma, para o problema de despacho
71
hidrotérmico ser considerado convergido, o valor de ZINF deve estar contido no intervalo de
confiança de ZSUP.
Figura 5.4: Critério de Convergência do modelo Newave.
Como se pode observar na figura 5.5, o corte artificial superpõe a função de custo futuro real
para um conjunto significativo de estados do sistema, quando o nível de armazenamento final
do primeiro período é inferior à energia armazenada mínima de operação. Com isso, não é
mais possível se dizer que a função de custo futuro (influenciada pelo corte artificial)
representa uma aproximação para o custo de operação do segundo período. No intervalo onde
o corte artificial é superior ao real custo de operação do segundo período, a aproximação dada
pela função de custo futuro (influenciada por este corte) seria maior do que o real valor de
operação (ZINF > ZSUP).
72
9000
8000
7000
6000
Custo
5000
4000 EAMINOP
3000
2000
1000
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40
earmf1
ALFA Corte Artificial
Figura 5.5: Corte Artificial adicionado à Função de Custo Futuro.
Desta forma, o critério de convergência, caracterizado pela aproximação entre o custo real de
operação futura e seu valor esperado no presente, não pode ser considerado válido. Um
algoritmo converge sempre que se tem ZINF menor ou igual a ZSUP para qualquer
aproximação convexa. Como ZINF é maior que ZSUP, neste exemplo, e a tendência da reta
representativa do corte artificial é se afastar cada vez mais do eixo das coordenadas (aumento
da penalidade de não atendimento aos níveis definidos pela CAR), pode-se afirmar que este
algoritmo nunca irá convergir.
5.1.5. Exemplo de Problema Provocado pela Adição de Cortes Univariados

à Função de Custo Futuro
Seja um caso constituído de dois subsistemas, ambos com curva de aversão a risco definidas.
Os valores do custo máximo de geração das térmicas e dos volumes mínimos operativos
dados pela CAR para os dois subsistemas são dados na tabela 5.3:
73
Tabela 5.3: Energia Amazenável Mínima de Operação e Custo Máximo das Térmicas.
EAMINOP CTERMAX
Subsistema 1 20 15
Subsistema 2 30 25
A função de custo futuro real deste problema é aproximada, em um dado momento, por dois
“Cortes de Benders” e são adicionados a esta função dois cortes, um para cada subsistema
com CAR definida. Com o objetivo de facilitar a análise do problema, para uma melhor
visualização destes cortes é desconsiderada a parcela referente às energias afluentes passadas
(EAF).
A tabela 5.4 fornece os valores dos termos independentes (RHS) e dos multiplicadores π V 1 e
π V 2 dos cortes que representam a função de custo futuro.Tabela 5.4: Termo Independente
Original – RHS - e Multiplicadores - π V 1 e π V 2 .
RHS πV1 πV 2
Corte FCF – Sist 1 1000 20 10
Corte FCF – Sist 2 1200 10 20
Logo, as equações dos cortes que representam a função de custo futuro são:
FCF1 ⇒ α + 20 EARMf1 + 10 EARMf 2 ≥ 1000
(5.13)
FCF2 ⇒ α + 10 EARMf1 + 20 EARMf 2 ≥ 1200
Para o subsistema 1, o estado em que o corte artificial deve ser inserido é dado pela equação
5.14. No entanto, para a sua construção, é necessário que se conheça o corte ativo e seu valor
neste estado, cujo cálculo encontra-se na equação 5.15.
earmf1 = EAMINOP1
(5.14)
earmf 2 = 0
74
FCF1 ⇒ α ≥ 1000 − 400 − 0 = 600

(5.15)
FCF2 ⇒ α ≥ 1200 − 200 − 0 = 1000
Logo, o segundo corte (FCF2) é o ativo. Já para o subsistema 2, o estado em que os cortes
artificiais devem ser construídos e o valor do corte ativo neste estado são mostrados nas
equações 5.16 e 5.17, respectivamente.
earmf1 = 0
(5.16)
earmf 2 = EAMINOP2
FCF1 ⇒ α ≥ 1000 − 0 − 300 = 700

(5.17)
FCF2 ⇒ α ≥ 1200 − 0 − 600 = 600
Assim, o primeiro corte (FCF1) é o ativo para o estado em que o corte artificial deste sistema
será construído.
Conforme descrito na seção 5.1.2, são apresentadas abaixo as equações dos cortes a serem
adicionados à FCF para os dois subsistemas.
•Corte adicionado para o subsistema 1:
α + (CTERMAX 1 + ε )earmf1 ≥ α CA,1 + (CTERMAX 1 + ε )EAMINOP1 ; (5.18)
•Corte adicionado para o subsistema 2:
α + (CTERMAX 2 + ε )earmf 2 ≥ α CA, 2 + (CTERMAX 2 + ε )EAMINOP2 ; (5.19)
onde α CA,i representa o valor do corte ativo da função de custo futuro para o subsistema i, no
estado de construção do seu corte artificial.
75
Substituindo-se os valores de CTERMAX e EAMINOP dados na tabela 5.3, nas equações

5.18 e 5.19 acima, são obtidos os cortes adicionais univariados construídos para os
subsistemas 1 e 2, mostrados na equações 5.20 e 5.21, respectivamente:
α + 16earmf1 ≥ 1320 (5.20)
α + 26earmf 2 ≥ 1480 (5.21)
5.1.5.1. Resultados
A representação dos cortes da função de custo futuro – FCF1 e FCF2 – antes da adição dos
cortes artificiais é ilustrada na figura 5.6.
Figura 5.6:
Representação dos cortes da Função de Custo Futuro – FCF1 e FCF2.
Na figura 5.7, além dos cortes da função de custo futuro, é ilustrado o corte adicionado que
representa a restrição operativa definida pela CAR para o subsistema 1. Pode-se observar que
os hiperplanos correspondentes ao corte adicional e ao corte ativo da função de custo futuro
(FCF2) no estado determinado para o subsistema 1 se interceptam - ponto referente à energia
76
armazenada mínima operativa deste subsistema. A linha vermelha mostra que o valor do custo
de operação não se altera para variações do estado de armazenamento do subsistema 2.
Figura 5.7: Representação dos cortes da FCF e do corte adicionado para o subsistema 1.
A figura 5.8 ilustra os cortes da função de custo futuro e o corte artificial adicionado para o
subsistema 2. De maneira análoga à explicação dada para a figura anterior, há a interseção dos
hiperplanos correspondentes ao corte adicional e ao corte ativo da função de custo futuro
(FCF1) no ponto referente à meta de nível mínimo operativo de armazenamento deste
subsistema. A linha vermelha mostra que o valor do custo de operação não se altera para
variações do estado de armazenamento do subsistema 1.
77
Figura 5.8: Representação dos cortes da FCF e do corte adicionado para o subsistema 2.
Para concluir esta análise, pode-se notar através da observação de todos os cortes – cortes que
representam a função de custo futuro real e os cortes adicionais – ilustrados na figura 5.9, que
os cortes artificiais superpõem a FCF real em praticamente sua totalidade. Com isso, o corte
ativo da “nova” FCF será univariado em grande parte do espaço de estados considerado.
Desta forma, para a variação do nível de armazenamento de um subsistema, diferente daquele
para o qual o corte ativo é construído, o valor do custo de operação se mantém inalterado
(valor da água é zero), pois o hiperplano – corte – ativo não depende do estado de
armazenamento do outro subsistema.
78
Figura 5.9: Representação dos cortes da FCF e dos cortes adicionados para os subsistemas 1 e 2.
Como a geração hidráulica será sempre mais econômica para estes subsistemas, não serão
despachadas as térmicas para os subsistemas distintos daquele ao qual o hiperplano se refere,
como se desejava nesta implementação. Com isso, o volume final do reservatório destes
subsistemas pode ficar abaixo do nível mínimo definido pela CAR.
5.2. VERSÃO 2
O problema descrito na seção 5.1.5 caracteriza-se pelo fato dos cortes artificiais adicionados à
função de custo futuro, apresentarem valores nulos para os coeficientes associados às
variáveis de estado de armazenamento diferentes daquela cuja restrição é construída. Visando
resolver este problema, na metodologia proposta para a versão aqui descrita, são adicionados
cortes multivariados, onde há coeficientes não nulos associados às variáveis de estado de
armazenamento de todos os subsistemas.
79
Da maneira semelhante à metodologia da versão 1, são adicionados cortes para todos os

subsistemas que possuem restrição de nível mínimo operativo de armazenamento definida
pela CAR. Supondo que isto ocorra para um subsistema X, a equação 5.1 fornece o valor das
variáveis de estado no momento da construção deste corte.
A equação simplificada do corte artificial, agora multivariado, é representada da seguinte

forma:
NSIS
α − π VX Vt X −
Adic ∑π
isis =1
isis
V Vt isis ≥ RHS , (5.22)
isis ≠ X
onde
Vt isis = earmf t isis , ∀isis = 1, L , NSIS (5.23)
Como apresentado na seção 5.1.1, o valor do corte ativo calculado, α CA, X , corresponde ao
valor do termo independente da equação que representa o corte artificial.
A inclinação do corte artificial, associada à variável de estado de armazenamento que

corresponde ao subsistema X, π VXAdic (R$/MWh), deve ter um valor ligeiramente maior, em
módulo, que o custo da térmica com geração mais cara no período em questão (equação 5.24).
Já as inclinações associadas às demais variáveis de estado de armazenamento, correspondem
às inclinações dos cortes ativos nos estados de construção do corte artificial (equação 5.25).
π VX
Adic
= −(CTERMAX tX + ε ) (5.24)
π Visis = π Visis , ∀isis ≠ X

CA
(5.25)
O cálculo do termo independente original (RHS) deste corte adicional é feito da mesma forma
da versão1 (equação 5.6), já que o estado no qual a restrição é construída não se altera.
80
Substituindo-se as equações 5.23, 5.24, 5.25 e 5.6 na equação 5.22:
NSIS
α + (CTERMAX tX + ε )earmf t X − ∑π isis
VCA earmf t isis ≥ α CA, X +
isis =1
isis ≠ X (5.26)
(
+ CTERMAX tX + ε EAMINOPt X )
Os cortes artificiais construídos nesta versão dificilmente influenciam a função de custo

futuro, já que estes, geralmente, não são o corte ativo em um estado de armazenamento
diferente daquele para o qual a restrição operativa da CAR é construída. Com isso, a
metodologia proposta pela versão 2, não produz o efeito desejado.
5.3. VERSÃO 3
É proposta nesta versão uma alternativa para o problema de convergência do modelo de

otimização, onde o tratamento da curva de aversão a risco é dividido em duas etapas
independentes.
Na primeira etapa, durante o processo iterativo do cálculo da política de operação, é atribuída

uma penalidade ligeiramente maior que o custo de geração mais elevado das térmicas
(CTERMAX+ε) à variável de folga da equação de armazenamento mínimo ( ∆ ), conforme a
primeira implementação da processo de aversão a risco no modelo Newave [4].
Esta formulação do problema de minimização difere da usada na versão oficial pelo fato do
custo, referente à penalidade de não cumprimento dos níveis mínimos operativos definidos
pela CAR, não ser mais oferecido pelo usuário do modelo, como mostram as equações 5.27 e
5.28, mas ser decorrente da configuração dos sistemas.

z t = min  ∑ ∑  ∑ ψ T g T + ∑ψ D def + (CTERMAX + ε )∆  + α t +1  (5.27)
   1+ β 
81
sujeito a:
M
∆≥0
, (5.28)
earmf t + ∆ ≥ EAMINOPt
existindo uma restrição como a detalhada acima, para cada subsistema com CAR definida.
Na segunda etapa do processo, que corresponde à simulação de diversos cenários

hidrológicos, após a convergência do processo iterativo, a restrição operativa dada pela CAR
não é mais representada através da relaxação Lagrangeana apresentada anteriormente, mas
sim por meio de um corte artificial adicionado à função de custo futuro conforme metodologia
descrita na seção 5.1.
5.3.1. Impactos
Como explicado acima, são elaborados dois problemas diferentes: um no cálculo da política
de operação, quando é usada a variável de folga, e outro na simulação final, quando é
adicionado um corte artificial à função de custo futuro. Desta forma, os resultados estatísticos
encontrados na simulação final, como os valores esperados de custo de operação e risco de
déficit, diferem dos valores ótimos, já que a função de custo futuro representa a política ótima
de operação para um problema ligeiramente diferente daquele utilizado na simulação final.
Contudo, como não são inseridos à função de custo futuro cortes exógenos, que não
representam os custos reais da operação futura, o critério de convergência utilizado na versão
atual do Newave permanece válido. Durante o processo da simulação final, que tem como um
de seus objetivos o cálculo do valor médio esperado do custo marginal da operação, o valor da
água é representado unicamente pela inclinação dos cortes da Função de Custo Futuro. O
82
custo da penalidade atribuída à variável de folga não contribui para a formação do valor da
água. Com isso, é retirada a influência da penalidade de não cumprimento da meta de nível
mínimo de armazenamento no valor da água e, conseqüentemente, no custo marginal de
operação, tornando estes valores mais realistas.
Além disso, surge um problema associado aos elevados custos de geração das térmicas, que
podem ser superiores aos custos do primeiro patamar de déficit para um determinado
subsistema. Assim, é possível verificar riscos de qualquer déficit bastante elevados, muito
superiores a 5%.
5.4. VERSÃO 4
Geralmente, pode-se observar nos dados contidos nos arquivos de entrada do Plano Mensal de
Operação elaborado pelo ONS, que o maior custo de geração das térmicas é superior ao custo
de déficit do primeiro patamar ( CDEF1isis ). Assim, como a inclinação do corte artificial
inserido à função de custo futuro é ligeiramente superior ao custo de geração térmica mais
cara, o modelo opta pelo corte de carga no primeiro patamar preferencialmente à invasão da
CAR, conforme a formulação apresentada na seção 5.1.2. Como conseqüência, o risco de
qualquer déficit de energia se torna muito elevado. Vale ressaltar que os riscos de déficit
superiores ao primeiro patamar não sofrem variações significativas, comparando-se aos
valores resultantes da versão oficial, já que o custo de não suprimento da carga para estes
patamares é maior do que o custo de geração térmica mais elevado.
Visando reduzir o risco de não atendimento à demanda para o primeiro patamar, é feita uma
pequena verificação dos dados durante o processo de construção do corte artificial: o valor da
inclinação deste corte será igual ao máximo entre o custo do primeiro patamar de déficit e o
valor do custo de geração da térmica mais cara.
Esta alteração na formulação da equação do corte adicional, conforme é mostrado nas

equações 5.29 e 5.30, é implementada na versão 4, que é baseada na versão 3.
83
α + CMAX tX earmf t X ≥ α CA, X + CMAX tX EAMINOPt X , (5.29)
onde
CTERMAX tX + ε , se CTERMAX tX ≤ CDEF1X − ε
CMAX tX =  X (5.30)
 CDEF1 − ε , se CTERMAX tX > CDEF1X − ε
Os impactos sobre o Newave e demais modelos energéticos provocados com a implementação

desta versão são os mesmos citados na seção anterior, para a versão 3. No entanto, como a
inclinação do corte artificial é limitada pelo custo do primeiro patamar de déficit, há uma
significativa redução do risco de qualquer déficit, em comparação aos resultados da versão 3.
5.5. VERSÃO 5
Os cortes univariados descritos na definição do problema da versão 1 (seção 5.1.5), têm como
uma de suas características a derivada nula em relação ao armazenamento dos subsistemas
diferentes daquele utilizado para a construção destes cortes. Desta maneira, a variação do
nível de armazenamento destes subsistemas não altera o valor do corte ativo, se este for o
corte artificial. Como conseqüência, não há garantias que suas térmicas serão despachadas,
posto que, neste caso, o atendimento à demanda através das usinas hidráulicas não implica no
aumento do custo de operação.
Buscando uma solução para este problema, é adicionado à função de custo futuro apenas um
único corte multivariado de forma a tentar representar as restrições de nível mínimo operativo
de armazenamento para todos os subsistemas com CAR definida. Baseando-se na versão 3, é
alterado o estado em que o corte adicional é construído, de modo que todos os subsistemas
com CAR definida estejam com o armazenamento no nível do volume mínimo operativo dado
pela curva de aversão a risco, como mostra a equação 5.31.
84
earmf t isis = EAMINOPt isis , ∀isis = 1,L, NSIS

eaf t = EAFt ,i
, (5.31)
eaf t −1 = EAFt −1,i
M
onde o valor de EAMINOP isis é nulo para subsistemas que não possuem CAR definida.
As equações 5.32, 5.33, 5.34 e 5.35, apresentadas a seguir, representam a nova restrição do
problema.
NSIS
α− ∑π
isis =1
isis
V Adic Vt isis ≥ RHS , (5.32)
onde
π Visis = 
(
− CTERMAX tisis + ε ) , se isis possui CAR
(5.33)
Adic
 0 , se isis não possui CAR
Vt isis = earmf t isis (5.34)
NSIS
RHS = α CA − ∑π
isis =1
isis
V Adic EAMINOPt isis (5.35)
Substituindo-se as equações 5.33, 5.34 e 5.35 na equação 5.32:
NSIS
α+ ∑ (CTERMAX
isis =1
t
isis
)
+ ε earmf t isis ≥ α CA +
NSIS
(5.36)
+ ∑ (CTERMAX
isis =1
isis
t )
+ ε EAMINOPt isis
Como esta versão é baseada na versão 3, não há problema de convergência do processo

iterativo. Porém, devido ao fato do estado onde o corte é construído ser pouco provável de
ocorrer, e o corte ser multivariado, permitindo compensações entre os subsistemas de acordo
85
com seus níveis de armazenamento, os resultados não se mostram satisfatórios, não sugerindo
a utilização deste método, conforme é visto no capítulo seguinte.
Com esta formulação, para cada subsistema com CAR definida, tem-se valores muito
elevados para os multiplicadores de Lagrange do corte artificial construído no estado
mencionado na equação 5.31. Assim, para um determinado estado, onde somente um
subsistema atinge níveis de armazenamento inferiores ao definido pela CAR, são despachadas
as térmicas de todos os subsistemas com energia armazenada mínima de operação definida
pela curva. Com isso, verifica-se um aumento do custo de operação, e os subsistemas que
operavam com níveis seguros de armazenamento, continuam a utilizar suas térmicas.
86
Capítulo 6 – Análise e Comparação dos Resultados
6. ANÁLISE E COMPARAÇÃO DOS RESULTADOS
6.1. RESULTADOS DA SIMULAÇÃO FINAL
Os gráficos apresentados na figura 6.1 têm como objetivo comparar os resultados da operação
do sistema, gerados pelas versões que não apresentaram problemas no processo de
convergência. Estas versões são aquelas cujos cortes artificiais são adicionados à função de
custo futuro somente na simulação final (versão 3 e versões 4 e 5, baseadas na 3). Desta
forma, a partir do plano mensal de operação (PMO) elaborado pelo Operador Nacional do
Sistema, para o mês de janeiro do ano 2006, são obtidos para o período de estudo: a média do
custo marginal de operação; os valores médios de risco de déficit, do valor esperado da
energia não suprida, dos riscos de déficit a 5% do mercado e a 10% do mercado, obtidos na
simulação final (2000 séries sintéticas); e o valor esperado do custo de operação durante o
horizonte de planejamento.
PMO - JANEIRO 2006 PMO - JANEIRO 2006
25,00 60,00
EENS Médio (MWmes)
50,00
20,00
Risco Médio (%)
40,00
15,00
30,00
10,00
20,00
5,00
10,00
0,00 0,00
SUDESTE SUL NORDESTE NORTE SUDESTE SUL NORDESTE NORTE
Versão Oficial Versão 3 Versão 4 Versão 5 Versão Oficial Versão 3 Versão 4 Versão 5
(a) (b)
87
PMO - JANEIRO 2006 PMO - JANEIRO 2006
8,00 4,50
7,00 4,00
3,50
10% do Mercado
Risco Médio (%)
Risco Médio (%)
6,00
5% do Mercado
3,00
5,00
2,50
4,00
2,00
3,00
1,50
2,00 1,00
1,00 0,50
0,00 0,00
SUDESTE SUL NORDESTE NORTE SUDESTE SUL NORDESTE NORTE
Versão Oficial Versão 3 Versão 4 Versão 5 Versão Oficial Versão 3 Versão 4 Versão 5
(c) (d)
Custo de Operação - PMO/JAN 2006 PMO - JANEIRO 2006
25000 160,00
20000 140,00
E(CO) ($10^6)
CMO Médio ($/MWh)

120,00
15000
100,00
10000
80,00
5000 60,00
0 40,00
Versão Oficial 19594,67 20,00
Versão 3 20573,71 0,00

SUDESTE SUL NORDESTE NORTE
Versão 4 20282,27
Versão 5 19604,71 Versão Oficial Versão 3 Versão 4 Versão 5
(e) (f)
Figura 6.1: Valores médios de risco de déficit (a), energia não suprida (b), risco de déficit a 5% (c) e a
10% do mercado, custo de operação (e) e CMO médio (f).
O objetivo deste trabalho é desenvolver metodologias para um tratamento consistente da

CAR, de modo a diminuir a freqüência de situações em que o nível de armazenamento de
cada subsistema encontra-se abaixo do nível definido pela CAR. Logo, se a meta desejada é
alcançada, sem causar impactos significativos nos resultados estatísticos calculados pelo
programa, a proposta metodológica implementada pode ser considerada válida.
Assim, os resultados gerados com o uso das versões 3, 4 e 5 mostram-se satisfatórios, posto
que mantiveram-se bem próximos dos obtidos utilizando-se a versão oficial do NEWAVE,
como observado nos gráficos da figura 6.1.
A versão 2 não apresenta resultados satisfatórios, já que não atende ao objetivo a que este
trabalho se propõe, aumentando a quantidade de séries onde o nível de armazenamento
88
encontra-se inferior ao nível mínimo definido pela CAR. Com isso, não são apresentados,
neste capítulo, os resultados referentes a esta versão.
O Apêndice A traz uma análise mais detalhada dos resultados mostrados nesta seção. São
apresentadas tabelas com os valores de risco de déficit, energia não suprida e custo marginal
de operação para cada ano do período de estudo, assim como seus valores médios. Além
disto, também são apresentados relatórios de convergência contento a evolução de ZSUP e
ZINF ao longo das iterações; e tabelas com o custo de operação das séries simuladas.
6.2. Convergência da Versão 1
Para o mesmo caso base – PMO de janeiro de 2006 – é analisado o comportamento do custo
presente (ZSUP) e custo futuro (ZINF) de operação ao longo de todo processo de
convergência para a Versão 1. Este estudo visa à determinação de um outro critério de
convergência do algoritmo, já que, como apresentado na seção 5.1.4, o critério atual não é
válido.
Ao se observar os gráficos ilustrados nas figuras 6.2 e 6.3, é possível verificar que o valor de
ZSUP possui um movimento oscilatório nas primeiras iterações, que se reduz até se manter
praticamente constante a partir da 9a iteração, aproximadamente. O valor de ZINF, como era
esperado, não se alterou. Este comportamento era esperado devido ao fato dos cortes
artificiais sobrescreverem a função de custo futuro para o primeiro período praticamente para
sua totalidade. Desta forma, como para todas as iterações tem-se os mesmos valores iniciais
de energias armazenadas e afluentes passadas, esperavam-se resultados iguais ao longo do
processo iterativo para ZINF.
89
Convergência
350000
300000
250000
($10^6)
200000
ZINF
150000 ZSUP
100000
50000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Iteração
Figura 6.2: Evolução de ZINF e ZSUP ao longo do processo iterativo.
Evolução de ZSUP
60000
55000
($10^6)
50000
45000
40000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Iteração
Figura 6.3: Evolução de ZSUP ao longo do processo iterativo.
Assim, como uma alternativa para o problema da convergência do modelo encontrado com a
implementação desta nova metodologia, propõe-se a mudança do critério de convergência
utilizado pelo NEWAVE. Com esta mudança, o conceito de ZINF não seria mais utilizado,
sendo considerado convergido o problema para o qual o valor de ZSUP se mantivesse
constante, salvo um intervalo relativo determinado, durante um certo número de iterações
consecutivas.
90
6.3. Séries com Nível de Armazenamento Inferior ao Definido pela

CAR
A análise apresentada nesta seção é fundamental para verificar a validade das metodologias
propostas neste trabalho. Ao tentar priorizar o despacho das usinas térmicas em relação ao uso
da água para o atendimento à demanda de energia, quando o nível de armazenamento
encontra-se próximo aos limites definidos pela CAR, tenta-se, implicitamente, reduzir o
número de séries operando com níveis de armazenamento inferiores aos níveis definidos pela
CAR.
Desta forma, as tabelas 6.1, 6.2 e 6.3, para os subsistemas Sudeste, Sul e Nordeste,
respectivamente, apresentam uma estatística comparando, a cada período, o número de séries
que têm seus níveis de armazenamento abaixo daqueles dados pela CAR, para todas as
versões do modelo NEWAVE implementadas, além da versão oficial. São analisadas as 2000
séries sintéticas geradas, que são utilizadas na simulação final. Como visto na descrição
metodológica, todas as versões usam os cortes artificiais na simulação final.
Novamente, é utilizado o PMO de janeiro de 2006 para a obtenção de resultados. Neste caso,
a curva de aversão a risco é definida somente para o primeiro ano de estudo, para os meses de
janeiro a setembro.
Tabela 6.1: Número de séries com armazenamento inferior ao definido pela CAR – Sudeste.
Número de Séries com Nível de Armazenamento Inferior a EAMINOP
SUDESTE
Versão Oficial Versão 1 Versão 3 Versão 4 Versão 5
jan/06 0 0 0 0 0
fev/06 0 0 0 0 0
mar/06 0 0 0 0 0
abr/06 0 0 0 0 0
mai/06 0 0 0 0 0
jun/06 0 0 0 0 0
jul/06 0 0 1 1 0
ago/06 0 0 2 3 0
set/06 0 4 4 5 0
91
Tabela 6.2: Número de séries com armazenamento inferior ao definido pela CAR – Sul.
SUL
jan/06 0 0 0 0 0
fev/06 0 0 0 0 5
mar/06 0 0 0 0 27
abr/06 3 5 0 0 66
mai/06 11 21 0 0 75
jun/06 166 16 0 0 162
jul/06 213 36 0 0 170
ago/06 43 63 0 0 110
set/06 13 1 0 0 43
Tabela 6.3: Número de séries com armazenamento inferior ao definido pela CAR – Nordeste.
NORDESTE
jan/06 0 0 0 0 0
fev/06 0 0 0 0 0
mar/06 0 0 0 0 0
abr/06 0 0 0 0 0
mai/06 0 0 0 0 0
jun/06 0 0 0 4 1
jul/06 5 0 0 9 3
ago/06 5 0 1 30 7
set/06 2 1 3 59 15
Pode-se notar que, apesar do número de séries com níveis de armazenamento abaixo do
definido pela CAR para as versões 3 e 4 serem maiores que na oficial, nos subsistemas
Sudeste e Nordeste, o percentual continua muito baixo (aproximadamente 0,3% no Sudeste e
no máximo 3% no Nordeste, para a versão 4). Além disso, estas versões apresentam uma
redução significativa no subsistema Sul, já que aproximadamente 10% das séries têm seus
níveis de armazenamento inferiores aos dados pela curva na versão oficial e, nas versões 3 e
4, não é verificada nenhuma série com nível inferior à CAR
A versão 1 também se mostra bastante adequada, já que reduz o percentual de séries com
níveis de armazenamento abaixo do mínimo operativo nos subsistemas Nordeste e Sul,
principalmente, e há um acréscimo de apenas 4 séries no Sudeste, em setembro de 2006.
92
Contudo, a versão 5 não apresenta melhorias significativas neste aspecto, posto que, na
maioria dos períodos, eleva o número de séries cuja energia armazenada final é menor que
EAMINOP para o subsistema Sul.
Como complementação a esta análise, é relevante se conhecer a evolução da energia

armazenada final (EARMf) de cada subsistema com energia armazenada mínima de operação
(EAMINOP) definida pela CAR.
6.4. Evolução da Energia Armazenada Final e dos Riscos de

Déficit
No plano mensal de operação do mês de janeiro do ano 2006, níveis mínimos de

armazenamento são definidos pela curva de aversão a risco, no período de janeiro a setembro
de 2006. Os gráficos ilustrados nas figuras 6.4, 6.5 e 6.6 apresentam a evolução mensal da
energia armazenada final média para os subsistemas Sudeste, Sul e Nordeste,
respectivamente. Estes valores são resultados da simulação final do caso com o uso das
versões 1, 3, 4 e 5.
SUDESTE
200000
180000
160000
EAMINOP
140000
Versão 1
120000
Versão 3
MW
100000
Versão 4
80000
Versão 5
60000
Versão Oficial
40000
20000
0
jan/06 fev/06 mar/06 abr/06 mai/06 jun/06 jul/06 ago/06 set/06
Figura 6.4: EAMINOP e EARMf média – Sudeste.
93
SUL
20000
18000
16000
EAMINOP
14000
Versão 1
12000
Versão 3
MW
10000
Versão 4
8000
Versão 5
6000
Versão Oficial
4000
2000
0
Figura 6.5: EAMINOP e EARMf média – Sul.
NORDESTE
50000
45000
40000 EAMINOP
35000 Versão 1
30000
Versão 3
MW
25000
Versão 4
20000
Versão 5
15000
Versão Oficial
10000
5000
0
Figura 6.6: EAMINOP e EARMf média – Nordeste.
Espera-se que o tratamento da CAR mais eficiente seja aquele, cujo nível de armazenamento é
maior, já que se afasta mais dos valores de energia armazenada mínima de operação. No
entanto, esta análise não permite definir uma versão mais adequada no que se refere ao nível
de armazenamento final dos subsistemas com curva definida. Isto se deve ao fato de não
haver um comportamento constante entre as versões que apresentam níveis de armazenamento
mais elevados para cada subsistema. A versão 3, por exemplo, é aquela que apresenta maior
energia armazenada final para o subsistema Nordeste e, em alguns meses, menor para o
Sudeste.
94
Buscando complementar a análise acima, as figuras 6.7, 6.8 e 6.9 apresentam a evolução
mensal dos riscos de déficit total de energia, e dos riscos de déficit maiores que 5% do
mercado, para os subsistemas Sudeste, Sul e Nordeste, respectivamente.
Risco de Déficit Total - SUDESTE Risco de Déficit > 5% do Mercado - SUDESTE
5 5
4 4
3 3
%
%
2 2
1 1
0 0
jan/06 fev/06 mar/06 abr/06 mai/06 jun/06 jul/06 ago/06 set/06 jan/06 fev/06 mar/06 abr/06 mai/06 jun/06 jul/06 ago/06 set/06
Versão 1 Versão 3 Versão 4 Versão 5 Versão Oficial Versão 1 Versão 3 Versão 4 Versão 5 Versão Oficial
(a) (b)
Figura 6.7: Evolução mensal dos riscos de déficit total (a) e maiores que 5% do mercado (b) – Sudeste.
Risco de Déficit Total - SUL Risco de Déficit > 5% do Mercado - SUL
70 5
60
4
50
40 3
%
30 2
20
1
10
0 0
(a) (b)
Figura 6.8: Evolução mensal dos riscos de déficit total (a) e maiores que 5% do mercado (b) – Sul.
95
Risco de Déficit Total - NORDESTE Risco de Déficit > 5% do Mercado - NORDESTE
5 5
4 4
3 3
%
%
2 2
1 1
0 0
(a) (b)
Figura 6.9: Evolução mensal dos riscos de déficit total (a) e maiores que 5% do mercado (b) –
Nordeste.
Pode-se notar com a observação dos gráficos apresentados acima, que há diferença entre os
riscos de déficit ao longo dos meses em que a CAR é definida. O comportamento obtido com
o uso da versão 4 traduz perfeitamente a metodologia usada na sua implementação, já que não
permite que os multiplicadores das equações dos cortes artificiais sejam superiores ao custo
do primeiro patamar de déficit, como pode ser verificado na versão 3. Desta forma, quando
um corte artificial é o ativo, o risco de déficit obtido a partir da versão 4 apresenta-se bem
menor que o gerado a partir das outras versões.
Para o PMO de janeiro de 2006, em um determinado conjunto de estados de armazenamento,

o corte ativo é o corte artificial construído para o subsistema Sul. Soma-se a isto, o fato do
maior custo de geração térmica deste subsistema se apresentar superior ao custo associado ao
primeiro patamar de déficit. Logo, a diferença observada entre as versões, no âmbito do risco
de déficit total e risco de déficit maior que 5% do mercado, fica evidente para este subsistema,
comprovando que a versão 4 resolve o problema de riscos de déficit elevados verificado na
versão 3.
96
Capítulo 7 – Conclusões e Propostas para Trabalhos Futuros
7. CONCLUSÕES E PROPOSTAS PARA

TRABALHOS FUTUROS
O objetivo do modelo Newave é minimizar o valor esperado do custo de operação, ao longo

do período de planejamento. No entanto, há uma preocupação crescente com a segurança do
sistema, ou seja, com o não esgotamento das reservas de água, no sentido de evitar a repetição
de situações alarmantes no sistema elétrico brasileiro, como a verificada em 2001, com a
solicitação de um racionamento de 20% da demanda ao longo de dois meses.
Desta forma, surge a necessidade de estabelecer níveis mínimos operativos de armazenamento

em cada subsistema, levando ao início de um processo de introdução de metodologias de
aversão a risco no modelo de planejamento a médio prazo. A metodologia utilizada
atualmente faz uso de recursos que podem levar a incoerências no mesmo, como a não
convergência do algoritmo de Programação Dinâmica Dual Estocástica.
Buscando desenvolver metodologias matematicamente consistentes, que não causassem

impactos significativos nos resultados da operação ótima indicada pelo modelo, foram
propostas, neste trabalho, cinco novas metodologias para a consideração da curva de aversão a
risco.
Para tal, foi implementada uma versão do modelo Newave para cada proposta metodológica,
onde as versões 2, 3, 4 e 5 surgiram com o objetivo de tentar resolver os problemas
encontrados com a implementação da versão 1. Todas as implementações propostas têm o
objetivo de utilizar todos os recursos térmicos disponíveis prioritariamente ao não
cumprimento do nível mínimo de armazenamento definido pela Curva de Aversão a Risco.
97
Capítulo 7 – Conclusões e Propostas para Trabalhos Futuros
Todas as versões, com exceção da versão 2, atendem ao objetivo proposto, já que, além de
apresentarem metodologias consistentes matematicamente, levam à redução da freqüência de
vezes em que o nível de armazenamento de cada subsistema encontra-se abaixo do nível
mínimo de operação definido pela CAR. Contudo, foi observado que a implementação destas
metodologias causam impactos no modelo Newave.
O critério de convergência atualmente utilizado no modelo torna-se inconsistente com a

metodologia da versão 1. Para as demais versões, este critério permanece válido, já que são
adicionados cortes somente na simulação final.
Além disto, devido à inserção de cortes univariados nos problemas de despacho hidrotérmico,
são encontradas situações nas quais há um deplecionamento indesejado de subsistemas
diferentes daquele ao qual se refere o corte ativo. Com isso, o nível de armazenamento pode
ser inferior àquele definido pela CAR para estes subsistemas.
Tendo em vista estes impactos, se faz necessário o desenvolvimento de novas propostas

metodológicas, que atendam ao objetivo deste trabalho, sem a ocorrência dos mesmos. Como
alternativa, podem ser avaliados novos critérios de convergência que tornem viável a
utilização de versões baseadas na versão 1.
98
Referências Bibliográficas
REFERÊNCIAS BIBLIOGRÁFICAS
[1] MACEIRA, M. E. P., DUARTE, V. S., MARCATO, A. L. M., “Manual do Usuário do

Modelo NEWAVE”, Relatório Técnico CEPEL no DPP/PEN – 623/2000, 2000.
[2] MACEIRA, M. E. P., SUANO, C. M., COSTA, J. P., “Modelo Estratégico de Geração
Hidrotérmica a Subsistemas – NEWAVE – Especificação Funcional”, Relatório Técnico
CEPEL no DPP/PEN – 1003/93, 1993.
[3] Comitê de Revitalização do Modelo do Setor Elétrico – Relatório de Progresso no 2 –

Documento de Apoio C – Aversão a Risco – Proposta Metodológica, 2002.
[4] “Status do Processo de Introdução de Metodologias de Aversão a Risco no Modelo

NEWAVE – Período Agosto/2003 a Julho/2004”, Relatório Técnico CEPEL, 2004.
[5] MACEIRA, M. E. P., TERRY, L. A., COSTA, F. S., DAMÁZIO, J. M., MELO, A. C. G.,
“Chain of Optimization Models for Setting the Energy Dispatch and Spot Price in the
Brazilian System”, 14o PSCC, Sevilla, Espanha, 2002.
[6] CUNHA, D. M., “Produção, transporte e distribuição de energia elétrica. Centrais

hidrelétricas.”, CEUE Editora, Porto Alegre, 1960.
[7] FORTUNATO, L. A. M., NETO, T. A. A., ALBUQUERQUE, J. C. R., PEREIRA, M. V.

F., “Introdução ao Planejamento da Expansão e Operação de Sistemas de Produção de
Energia Elétrica”, Editora da Universidade Federal Fluminense, 1990.
99
[8] SILVA, E.L., “Formação de Preços em Mercados de Energia Elétrica”, Editora Sagra
Luzzatto, 2001.
[9] MACEIRA, M. E. P., COSTA, A. P. C., MARCATO, A. L. M, “NEWAVE –

Especificação Funcional”, Relatório Técnico CEPEL no DPP/PEL – 349/99, 1999.
[10] COSTA, J. P., PRADO, S., BINATO, S., “Modelo DECOMP – Manual de
Metodologia”, Relatório Técnico CEPEL no DPP/PEL – 639/99, 1999.
[11] BELLONI, A., LIMA, A L. D. S., MACEIRA, M. E. P., SAGASTIZÁBAL, C., “Bundle
Relaxation and Primal Recovery in Unit Commitment Problems. The Brazilian Case”, Annals
of Operations Research, Vol. 120, pp. 21 – 44, 2003.
[12] DINIZ, A., SOUZA, L. C. F., MACEIRA, M. E. P., COSTA, F. S., TERRY, L. A.,
“Manual do Usuário Modelo DESSEM v 5.0”, Relatório Técnico CEPEL no DPP/PEN –
117/2000, 2000.
[13] ELETROBRÁS, BACUS, Balanço a Equicusto, DOS/DEOP, 1985.
[14] KELMAN, J., PEREIRA, M.V.F., "Critérios de Avaliação para Modelos de Séries
Hidrológicas", IV SNPTEE, 1977.
[15] PEREIRA, M. V. F., "Optimal Stochastic Operations of Large Hydroeletric Systems",

Electrical Power & Energy Systems, Vol. 11, N° 3, pp. 161-169, July/1989.
[16] MACEIRA, M. E. P., MERCIO, C. M. V. B., "Stochastic Sreamflow Model for

Hydroelectric Systems", 5th International Conference PMAPS – Probabilistic Methods
Applied to Power Systems, Vancouver, Canada, 1997.
[17] TERRY, L. A., “Modelo a Sistema Equivalente - Descrição Geral.", Relatório Técnico
CEPEL no DPP/PEN – 1705/80, 1980.
100
[18] SUANNO, C.M., MACEIRA, M.E.P., COSTA, J.P. da, "Representação da Variação da
Produtibilidade no Algorítmo de Programação Dinâmica Dual Estocástica", Relatório Técnico
CEPEL no DPP/PEN – 153/95, 1995.
[19] SUANNO, C.M., “Operação Estocástica de Sistemas Hidrotérmicos com Representação

da Produtividade Variável”, Tese de Mestrado, COPPE/UFRJ, Dezembro 1995.
[20] PEREIRA, M. V. F., PINTO, L. M. V. G., “Multi-stage stochastic optimization applied

to energy planning”, Mathematical Programming 52, pp. 359-375, North-Holland, 1991.
[21] BENDERS, J. F., “Partioning Procedures for Solving Mixed Variabels Programming
Problems”, Numerische Mathematik, v. 4, pp. 238-252, 1962.
[22] “Curva Bianual de Segurança e Aversão a Risco para a região Nordeste para
2002/2003.”, Nota Técnica ONS no NT 013/2002, 2002.
[23] “Curvas Guias de Segurança para 2002 – Regiões Sudeste / Centro-Oeste.”, Nota
Técnica ONS no NT 001/2002, 2002.
101
Apêndice A
APÊNDICE A
Os resultados apresentados a seguir foram gerados a partir do plano mensal de operação

(PMO) elaborado pelo Operador Nacional do Sistema, para o mês de janeiro do ano 2006.
a) Versão Oficial
Tabela 1.1: Custo de Operação, em $, obtidos nas simulações com o modelo NEWAVE.
CUSTO DE OPERAÇÃO DAS SÉRIES SIMULADAS ($10^6)
VALOR ESPERADO TOTAL 19594,67
DESVIO PADRÃO 521,1
Tabela 1.2: Risco Anual de Déficit e ENNS, em %, obtidos nas simulações com o modelo NEWAVE.
RISCO ANUAL DE DEFICIT E E(ENS) (%)
ANO RISCO EENS RISCO EENS RISCO EENS RISCO EENS
% MWMES % MWMES % MWMES % MWMES
2006 0,00 0,00 0,00 0,00 0,15 0,00 18,75 9,10
2007 0,85 5,30 0,90 1,20 5,40 3,30 3,00 1,80
2008 3,05 30,90 3,45 7,50 13,85 12,40 4,20 3,80
2009 7,45 94,00 9,40 24,00 21,70 35,50 13,60 13,80
2010 11,30 118,70 12,95 30,90 23,60 49,20 18,20 19,10
MEDIA DOS RISCOS ANUAIS DE DEFICIT (%) E E(ENS) - PERIODO DE PLANEJAMENTO
4,53 49,78 5,34 12,72 12,94 20,08 11,55 9,52
102
Apêndice A
Tabela 1.3: Risco de Déficit em 5% e 10% do mercado, em %, obtidos nas simulações com o modelo
NEWAVE.
RISCO DE DEFICIT - 5% E 10% DO MERCADO (%)
SISTEMA SISTEMA SISTEMA SISTEMA
ANO SUDESTE SUL NORDESTE NORTE
5% 10% 5% 10% 5% 10% 5% 10%
2006 0,00 0,00 0,00 0,00 0,10 0,00 14,80 11,20
2007 0,50 0,30 0,30 0,20 1,60 0,80 1,40 0,70
2008 1,00 0,60 1,10 0,40 5,20 2,40 1,70 0,40
2009 2,70 1,90 3,30 1,60 12,10 6,50 3,80 2,10
2010 4,30 2,50 5,00 2,00 12,70 8,30 7,70 4,40
MEDIA DOS RISCOS DE DEFICIT (%) - PERIODO DE PLANEJAMENTO
1,70 1,06 1,94 0,84 6,34 3,60 5,88 3,76
Tabela 1.4: Custos Marginais de Operação ($/MWh).

CUSTOS MARGINAIS DE OPERACAO ($/MWh)
2006 21,04 24,24 15,12 80,49
2007 61,17 60,52 56,06 61,40
2008 113,28 112,04 116,62 114,69
2009 201,08 200,49 219,68 241,84
2010 211,36 209,98 248,00 241,10
MEDIA DOS CUSTOS MARGINAIS DE OPERACAO
121,59 121,45 131,10 147,90
Tabela 1.5: Relatório de Convergência.

RELATÓRIO DE CONVERGÊNCIA
LIMITE ZINF LIMITE ZSUP
ITER INFERIOR SUPERIOR
($10^6) ($10^6) ($10^6) ($10^6)
1 50798,42 43598,93 65570,38 58184,40
2 40294,93 44900,73 52769,96 46532,45
3 39398,33 46709,23 52398,21 45898,27
b) Versão 1
103
Apêndice A
RISCO ANUAL DE DÉFICIT E E(ENS) (%)
2006 0,10 0,10 68,00 31,60 0,05 0,10 8,95 8,70
2007 2,15 16,90 2,50 4,00 6,40 5,00 3,90 2,60
2008 3,00 34,60 3,60 8,30 12,10 11,90 4,90 4,50
2009 7,40 96,50 9,90 25,40 20,15 33,60 13,90 14,40
2010 10,80 119,80 13,10 30,60 22,75 50,30 20,95 21,40
MÉDIA DOS RISCOS ANUAIS DE DÉFICIT (%) E E(ENS) - PERÍODO DE PLANEJAMENTO
4,69 53,58 19,42 19,98 12,29 20,18 10,52 10,32
NEWAVE.
RISCO DE DÉFICIT - 5% E 10% DO MERCADO (%)
5% 10% 5% 10% 5% 10% 5% 10%
2006 0,00 0,00 0,00 0,00 0,10 0,10 7,00 5,50
2007 0,90 0,70 0,80 0,30 2,40 1,00 1,90 0,60
2008 1,30 0,60 1,50 0,30 4,50 2,30 1,70 0,40
2009 3,20 1,90 3,60 1,60 11,70 6,50 4,50 2,00
2010 4,30 2,50 4,70 2,00 12,40 8,20 10,50 6,50
MÉDIA DOS RISCOS DE DÉFICIT (%) - PERÍODO DE PLANEJAMENTO
1,94 1,14 2,12 0,84 6,22 3,62 5,12 3,00

CUSTOS MARGINAIS DE OPERAÇÃO ($/MWh)
2006 11,83 87,98 21,73 56,65
2007 74,13 72,87 65,01 73,52
2008 117,44 114,83 118,27 122,42
2009 202,70 202,93 215,74 246,06
2010 216,15 213,43 251,34 251,59
MÉDIA DOS CUSTOS MARGINAIS DE OPERAÇÃO
124,45 138,41 134,42 150,05

($10^6) ($10^6) ($10^6) ($10^6)
1 51821,93 320459,69 66946,99 59384,46
2 41675,15 320471,00 54442,17 48058,66
3 40696,18 320471,00 54216,22 47456,20
104
Apêndice A
c) Versão 2
Como explicado na seção 5.2 do presente trabalho, a versão 2 não apresenta resultados
satisfatórios, já que não atende ao objetivo proposto, aumentando a quantidade de séries
onde o nível de armazenamento encontra-se inferior ao nível mínimo definido pela CAR.
Com isso, não são apresentados, neste capítulo, os resultados referentes a esta versão.
d) Versão 3
2006 0,15 0,50 71,90 46,60 0,15 0,20 8,25 5,20
2007 1,65 13,80 1,65 2,80 5,55 4,50 4,45 3,10
2008 3,35 37,00 3,80 8,50 14,15 13,10 3,95 3,90
2009 7,95 98,50 9,10 24,90 22,15 36,50 14,25 14,40
2010 11,05 118,40 12,70 30,60 23,20 50,50 20,30 20,30
4,83 53,64 19,83 22,68 13,04 20,96 10,24 9,38
NEWAVE.
5% 10% 5% 10% 5% 10% 5% 10%
2006 0,10 0,10 0,00 0,00 0,10 0,10 6,30 4,60
2007 0,90 0,70 0,80 0,40 1,70 0,90 1,90 1,00
2008 1,30 0,60 1,40 0,30 5,30 2,40 1,70 0,40
2009 2,70 2,00 3,10 1,80 12,90 6,80 3,90 2,10
2010 4,30 2,50 4,80 2,00 13,30 8,30 10,20 6,20
1,86 1,18 2,02 0,90 6,66 3,70 4,80 2,86
105
Apêndice A

2006 11,29 120,98 19,13 42,27
2007 72,09 69,47 63,17 73,28
2008 117,94 115,37 120,90 119,04
2009 204,28 202,26 223,34 249,17
2010 213,80 211,68 251,69 250,04
123,88 143,95 135,65 146,76

($10^6) ($10^6) ($10^6) ($10^6)
1 50819,28 43596,65 65588,11 58203,69
2 40160,99 44878,50 52621,36 46391,17
3 39335,44 46902,17 52261,99 45798,72
e) Versão 4
2006 0,15 0,60 0,05 0,00 1,50 1,20 2,10 1,00
2007 1,65 13,20 1,85 2,80 8,55 6,10 4,50 3,20
2008 3,45 36,80 3,90 8,40 13,90 13,10 4,10 4,10
2009 7,95 98,20 9,90 25,10 21,60 37,20 14,05 14,60
2010 11,55 121,50 12,90 31,50 23,70 50,00 23,40 23,00
4,95 54,06 5,72 13,56 13,85 21,52 9,63 9,18
106
Apêndice A
NEWAVE.
5% 10% 5% 10% 5% 10% 5% 10%
2006 0,10 0,10 0,00 0,00 1,00 0,60 1,40 0,80
2007 0,90 0,70 0,80 0,40 2,50 1,20 2,10 1,00
2008 1,20 0,70 1,40 0,30 5,30 2,20 1,90 0,40
2009 2,90 2,20 3,30 2,00 13,10 7,20 4,50 2,30
2010 4,10 2,30 4,80 2,10 13,00 8,50 12,10 7,80
1,84 1,20 2,06 0,96 6,98 3,94 4,40 2,46

2006 11,28 69,67 13,19 19,05
2007 72,69 70,03 68,65 71,94
2008 119,25 116,22 122,10 121,50
2009 205,24 204,79 228,02 251,80
2010 213,13 212,49 249,44 259,58
124,32 134,64 136,28 144,77

($10^6) ($10^6) ($10^6) ($10^6)
1 50898,65 43809,52 65800,15 58349,40
2 40627,42 45159,53 53147,62 46887,52
3 39381,39 47128,61 52346,69 45864,04
f) Versão 5
107
Apêndice A
2006 1,60 2,90 4,20 2,70 0,20 0,20 12,65 5,80
2007 0,70 5,20 0,75 1,20 5,15 3,10 3,00 1,70
2008 3,00 30,70 3,35 7,30 13,90 12,20 3,60 3,60
2009 7,65 94,00 8,85 23,90 21,95 35,80 14,05 13,90
2010 10,90 117,20 12,60 30,10 23,20 50,10 20,05 20,00
4,77 50,00 5,95 13,04 12,88 20,28 10,67 9,00
NEWAVE.
5% 10% 5% 10% 5% 10% 5% 10%
2006 0,00 0,00 2,10 1,00 0,20 0,10 9,70 7,20
2007 0,50 0,30 0,40 0,30 1,60 0,80 1,20 0,60
2008 1,00 0,50 0,90 0,30 5,20 2,40 1,70 0,30
2009 2,70 1,90 3,00 1,70 12,80 6,80 3,80 2,00
2010 4,30 2,50 4,80 1,90 13,40 8,30 10,10 6,10
1,70 1,04 2,24 1,04 6,64 3,68 5,30 3,24

2006 22,72 29,15 16,18 59,26
2007 61,31 60,82 55,82 61,03
2008 112,80 110,90 116,94 114,67
2009 200,88 199,09 220,59 245,71
2010 212,66 210,54 250,98 248,75
122,07 122,10 132,10 145,88

($10^6) ($10^6) ($10^6) ($10^6)
1 50819,28 43596,65 65588,11 58203,69
2 40160,99 44878,50 52621,36 46391,17
3 39335,44 46902,17 52261,99 45798,72
108

CVAR Nwave

Enviado por

Direitos autorais:

Formatos disponíveis

CVAR Nwave

Enviado por

Dados do documento

Descrição 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

CVAR Nwave

Enviado por

Direitos autorais:

Formatos disponíveis

PROPOSTAS METODOLÓGICAS PARA O TRATAMENTO DA CURVA DE

AVERSÃO A RISCO NO MODELO DE PLANEJAMENTO DA OPERAÇÃO A

Renata Nogueira Francisco

PROJETO SUBMETIDO AO CORPO DOCENTE DO DEPARTAMENTO DE

RIO DE JANEIRO, RJ – BRASIL

A Maria Elvira pelas oportunidades de estagiar no CEPEL e de participar de estudos na área

Ao meu orientador Djalma por acreditar na realização deste trabalho.

Aos colegas do DEA/CEPEL pela amizade e pelos momentos de descontração.

PROPOSTAS METODOLÓGICAS PARA O TRATAMENTO DA CURVA DE AVERSÃO

Renata Nogueira Francisco

Orientadores: Djalma Mosqueira Falcão

O NEWAVE, desenvolvido pelo Centro de Pesquisas de Energia Elétrica – CEPEL, é o

O objetivo do presente trabalho é a obtenção de uma melhor modelagem para a consideração

1.1. CONSIDERAÇÕES INICIAIS .......................................................................................................... 10

2.1. DESCRIÇÃO DO SISTEMA DE GERAÇÃO DE ENERGIA ELÉTRICA BRASILEIRO ............. 14

3. PLANEJAMENTO DA OPERAÇÃO A MÉDIO PRAZO .................................................................... 26

3.1. INTRODUÇÃO ................................................................................................................................. 26

4. CURVA DE AVERSÃO A RISCO – CAR .............................................................................................. 43

4.1. INTRODUÇÃO ................................................................................................................................. 43

5. PROPOSTAS PARA A IMPLEMENTAÇÃO DA CAR........................................................................ 57

5.1. VERSÃO 1 ......................................................................................................................................... 58

6. ANÁLISE E COMPARAÇÃO DOS RESULTADOS ............................................................................ 87

6.1. RESULTADOS DA SIMULAÇÃO FINAL ...................................................................................... 87

7. CONCLUSÕES E PROPOSTAS PARA TRABALHOS FUTUROS.................................................... 97

APÊNDICE A .................................................................................................................................................... 102

gT Geração térmica máxima;

earmf t Energia armazenável máxima no final do estágio t;

earmf t Energia armazenável mínima no final do estágio t;

GH (EARMf t −1 ) Geração hidráulica máxima;

earmf t Energia armazenada no final do estágio t;

M EVMIN (EARMf t −1 ) Meta de geração de vazão mínima;

zt Custo esperado de operação no estágio t;

η BH Multiplicador simplex associado à equação de balanço hídrico;

η EH Multiplicador simplex associado à equação de geração hidráulica

1.1. CONSIDERAÇÕES INICIAIS

O problema de planejamento da operação do sistema elétrico brasileiro, predominantemente

O principal objetivo do planejamento da operação de um sistema hidrotérmico é determinar, a

atendam à demanda e minimizem o valor esperado do custo de operação ao longo do período

O modelo NEWAVE [1], desenvolvido no CEPEL, apresenta uma metodologia para

1.2. OBJETIVO DO TRABALHO

Em 2001, observou-se uma deterioração da situação energética do sistema elétrico brasileiro,

Embora o objetivo do modelo Newave seja minimizar o custo de operação, a preocupação

1.3. ESTRUTURA DO TRABALHO

O trabalho está dividido em 7 capítulos, além de um Apêndice, que são sucintamente

No capítulo 2 é apresentada uma revisão bibliográfica, com explanações sobre o sistema

No capítulo 4 é realizada uma descrição da construção da Curva de Aversão a Risco utilizada

No capítulo 5 são propostas cinco metodologias consistentes matematicamente para um

No capítulo 6 são apresentados os resultados obtidos com as formulações proposta,

2.1. DESCRIÇÃO DO SISTEMA DE GERAÇÃO DE ENERGIA

O sistema elétrico brasileiro apresenta uma porcentagem substancial de geração hidrelétrica,

As usinas hidrelétricas, dependendo de sua capacidade de regularização, podem ser

Visando aproveitar as precipitações, os desníveis dos rios e os relevos da região, para um

O parque termelétrico brasileiro tem como principais objetivos, complementar os recursos

É esperado que a hidroeletricidade permaneça como a fonte dominante na geração de energia

2.2. PLANEJAMENTO DA OPERAÇÃO ENERGÉTICA

O sistema elétrico brasileiro é hidrotérmico, composto predominantemente por usinas

O objetivo do planejamento da operação é determinar, a cada estágio, uma política de

(i) informações sobre consumo de combustível: através da simulação da operação do

2.2.2. Formulação do Problema