Gestão Hidrotérmica:
Abordagem Multicritério e
Sistemas de Apoio à Decisão
Celso Carneiro Ribeiro
Universidade Federal Fluminense
Escopo da apresentação
 Aspectos da modelagem, da metodologia e da tecnologia atuais
 Evolução possível da metodologia
 Estratégias a serem exploradas
Modelagem
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?
 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
Metodologia
f = Min c1z1 + c2z2
sa: A1z1
≥ b1
E1z1 + A2z2 ≥ b2
Questão: A metodologia usada é adequada aos propósitos atuais?
 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?
Tecnologia
A*, PL, Benders, PDE, PDED,
MC, AGs, heurísticas...?
Questão: A tecnologia empregada está no nível das possibilidades e das
necessidades atuais? É possível:
 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?
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
Sistemas de apoio à decisão
Otimização multicritério
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.
Suporte analítico ao processo de
tomada de decisão, compreendendo um conjunto de técnicas
cujo objetivo é a recomendação de
ações bem fundamentadas.
Estratégias
Z2
 Metodologia
 Técnicas
 Hardware









Metodologia multicritério:

 O ótimo sistêmico é claramente multi-critério.
Z1
 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
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)
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
Estratégias
 Metodologia
 Técnicas
 Hardware
Novas técnicas e paradigmas podem
reforçar ainda mais a competência do ONS
na operação do sistema.
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
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 multiobjective 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.