Gestão Hidrotérmica: Abordagem Multicritério e Sistemas de Apoio à Decisão

1. Gestão Hidrotérmica: Abordagem Multicritério e Sistemas de Apoio à Decisão Celso Carneiro Ribeiro Universidade Federal Fluminense

2. Aspectos da modelagem, da metodologia e da tecnologia atuais Evolução possível da metodologia Estratégias a serem exploradas Escopo da apresentação

3. Modelo? Representação simplificada da realidade • simplificação confere factibilidade operacional • equivalência para determinados propósitos e sob certas condições • modelo sujeito a erros e aproximações Questão: A modelagem é adequada aos propósitos atuais? Modelagem • Mudança nos objetivosoperação x comercial (cálculo de energia para contratos, preço) • Mudança no ambiente modelado monopólio x mercado; uso da água (energia, ambiente); matriz energética • Introdução de novas variáveis aleatórias afluências x (obras, carga, preço de combustível) • Introdução de novas fontes de energia gás; biomassa • Evolução tecnológicaequivalente x individualizado

4. Questão: A metodologia usada é adequada aos propósitos atuais? Metodologia f = Min c1z1 + c2z2 sa: A1z1≥ b1 E1z1 + A2z2≥ b2 • Otimalidade da solução  introdução de uma regra determinísitica (CAR) na otimização estocástica • Imprecisão x incertezas x otimalidade • Estabilidade e conseqüente confiança dos resultados  simulação influenciada pelo número de séries  condicionamento do sistema de equações  adequação do critério de convergência: custo x variáveis x número de iterações • Pode considerar outros objetivos? • Tempos de processamento permitem avaliação de alternativas?

5. Questão: A tecnologia empregada está no nível das possibilidades e das necessidades atuais? É possível: Tecnologia A*, PL, Benders, PDE, PDED, MC, AGs, heurísticas...? • Mudança de regras e critérios face à evolução da estrutura do setor? • Tratamento de critérios múltiplos? • Adoção de modelos mais detalhados com representação do sistema mais próxima da realidade? • Convergência mais rápida? • Utilização de novos recursos computacionais e menores tempos de processamento?

6. Sistemas de apoio à decisão Otimização multicritério Suporte analítico ao processo de tomada de decisão, compreen-dendo um conjunto de técnicas cujo objetivo é a recomendação de ações bem fundamentadas. Problemas • Necessidade de considerar os conflitos entre os atores envolvidos • Necessidade de considerar as diversas dimensões (incertezas), freqüentemente conflitantes e muitas vezes qualitativas • Necessidade de fundamentar as decisões Nestas situações, as técnicas tradicionais da PO têm alcance limitado, pois não contemplam as premissas de um problema complexo: a existência de subjetividade, do juízo de valor dos atores e da multidimensionalidade do processo decisório.

7. Z2           Z1 Estratégias • Metodologia • Técnicas • Hardware Metodologia multicritério: • O ótimo sistêmico é claramente multi-critério. • Ponderar múltiplos objetivos para estabelecer prioridades (?). • Gerar e explorar soluções não-dominadas (eficientes, Pareto-ótimas).variar peso na combinação dos objetivos para enumerar soluções eficientes: vantajoso para problemas computacionalmente simples aplicações e ferramentas tratam dois objetivos apenas (difícil extensão) • Usar preferências (a priori, a posteriori, interativo) para análise e comparação de alternativas (decidir entre diversas soluções). • Alternativa: tratar objetivos secundários como restrições e aplicar análise de sensibilidade às restrições: menor custo computacional. • Alternativa: heurísticas para gerar uma aproximação da fronteira de Pareto  métodos que constroem muitas soluções: GRASP, algoritmos genéticos

8. Estratégias • Metodologia • Técnicas • Hardware Técnicas de otimização: • Heurísticas x imprecisões, incertezas e tempo de processamento: problemas de decisão (planejamento, programação)é importante obter sempre uma “solução ótima exata”? utilizar heurísticas que fornecem boas soluções aproximadas em tempos de processamento significativamente menores: GRASP, algoritmos genéticos (subproblemas poderão ser simulações) exploração do espaço de soluções fornece não apenas uma solução, mas sim um grande número de soluções que podem ser exploradas por métodos de análise multicritério e sistemas de apoio à decisão • Vantagens: menores tempos de processamento, flexibilidade (revisão da modelagem, novos objetivos e incorporação de novas regras), alternativas • Aplicações em outras áreas: petróleo (otimização da exploração, campos inteligentes), telecomunicações (engenharia de tráfego, roteamento)

9. Estratégias • Metodologia • Técnicas • Hardware Recursos computacionais • Evolução das plataformas computacionais: processamento paraleloClusters: conjunto de processadores padrão interligados por rede local e integrados por um sistema de troca de mensagens (tecnologia estabelecida) Grids: colaboração entre processadores distribuídos geograficamente, utilizando capacidade ociosa (desafios tecnológicos) • Soluções de baixo custo em termos de equipamentos e software • Algoritmos paralelos são freqüentemente mais robustos e menos influenciados por parâmetros • Heurísticas e problemas típicos de otimização em planejamento e programação da operação são estruturalmente passíveis de paralelização

10. Estratégias Novas técnicas e paradigmas podem reforçar ainda mais a competência do ONS na operação do sistema. • Metodologia • Técnicas • Hardware Recursos computacionais • Evolução das plataformas computacionais: processamento paraleloClusters: conjunto de processadores padrão interligados por rede local e integrados por um sistema de troca de mensagens (tecnologia estabelecida) Grids: colaboração entre processadores distribuídos geograficamente, utilizando capacidade ociosa (desafios tecnológicos) • Soluções de baixo custo em termos de equipamentos e software • Algoritmos paralelos são freqüentemente mais robustos e menos influenciados por parâmetros • Heurísticas e problemas típicos de otimização em planejamento e programação da operação são estruturalmente passíveis de paralelização

11. Algumas referências • P. Agrell, B. Lence e A. Stam (1998), “An interactive multicriteria decision model for multipurpose reservoir management: the Shellmouth reservoir”, Journal of Multicriteria Decision Analysis 7, 61-86. • M. Basu (2004), “An interactive fuzzy satisfying method based on evolutionary programming technique for multiobjective short-term hydrothermal scheduling”, Electric Power Systems Research 69, 277-285. • S. Bath, J. Dhillon e D.P. Kothari (2004), “Fuzzy satisfying stochastic multi-objective generation scheduling by weightage pattern search methods”, Electric Power Systems Research 69, 311-320. • C. Lyra e L. Ferreira (1995), “A multiobjective approach to the short-term scheduling of a hydroelectric power system”, IEEE Transactions on Power Systems 10, pp. 1750-1754.