Extensions for probabilistic constrained programming problems: the cases of non-continuous unit commitment and bilinear energy portfolio management

Detalhes bibliográficos
Autor(a) principal: Ramalho, Guilherme Matiussi
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: eng
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/214997
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2019.
id UFSC_f15edb799caf2a580e80702e2da960a9
oai_identifier_str oai:repositorio.ufsc.br:123456789/214997
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Extensions for probabilistic constrained programming problems: the cases of non-continuous unit commitment and bilinear energy portfolio managementEngenharia elétricaProgramação linearEnergiaAlgorítmosAnalise estocasticaTese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2019.O presente estudo explora métodos para utilizar conjuntos convexos em problemas com Restrições Probabilísticas de forma eficiente a fim de resolver aplicações de otimização com precisão. No primeiro tópico da tese é proposto um método para resolver o problema de Unit Commitment hidrotérmico estocástico por meio da Programação Linear Inteira Mista. Este problema, em sua forma mais comum, procura definir para um dado sistema o cronograma de geração hidrotérmico de suas unidades, considerando o acoplamento temporal e espacial, com o objetivo de suprir a demanda e minimizando os custos de despacho. Do ponto de vista das incertezas que podem ser levadas em conta no modelo estão as fontes de energia alternativa, como a eólica e fotovoltaica, as afluências naturais e as demandas de energia. Para resolver o problema, propomos o modelo de otimização por Restrições Probabilísticas que define soluções obedecendo um limite de probabilidade. O problema de programação contém funções (contínuas) analíticas de distribuição que caracterizam a abordagem por Restrições Probabilísticas. Neste quadro, para o primeiro tópico do trabalho, propõe-se um método de Restrições Probabilística por hiperplanos suportes. Esse método oferece soluções factíveis exatas quanto ao nível de probabilidade, lidando com conjuntos factíveis não contínuos que caracterizam o problema de Unit Commitment hidrotérmico estocástico linear inteiro misto. A performance do algoritmo proposto foi atestada por meio de comparações numéricas com estratégias alternativas de se lidar com problemas de Restrições Probabilísticas. A eficácia do método também foi testadas em um sistema de 46 barras, envolvendo 10.657 variáveis (1.512 binárias) e 25.618 restrições, mostrando que o método também é apropriado para sistemas complexos. No segundo tópico da tese, explora-se outra estrutura de Restrições de Probabilidade, caracterizada por restrições que possuem variáveis aleatórias que multiplicam as de decisão. A literatura define este tipo de estrutura como bilinear, comumente encontrada em aplicações de gestão de portfólio de ativos, por exemplo. O estudo apresenta a comprovação de que essas estruturas podem ser classificadas como um mapa localmente concavo generalizado, possibilitando o uso de uma combinação de algoritmos próprios de programação convexa, para assim resolver uma classe de problemas mais ampla. O algoritmo é testado em um problema de portfólio de energia de uma distribuidora, onde os riscos de ganhos e perdas de um cesta de contratos expostos aos preços de curto prazo foram controlados por uma Restrição Probabilísticas bilinear e bilateral.Abstract: The present work explores methods to efficiently make use of convex sets in Probabilistic Constrained (PC) problems to solve energy optimization applications accurately. The first topic is related to a method to deal with the stochastic Hydrothermal Unit Commitment (HTUC) problem through Mixed-Integer Linear Programming (MILP). The standard stochastic HTUC problem intends to define the (hydrothermal) units' generation schedule for a given system, considering its time and space coupling, aiming at the load demand supply with minimal dispatch costs. Regarding the uncertainties, the alternative energy sources, like wind or photovoltaic, the natural river inflows and the load demand can possibly be taken into account. To solve the problem, we propose a probabilistically constrained (PC) optimization model finding solutions obeying a probability threshold. The programming problem contains analytic (continuous) distribution functions that distinguish the PC approach. In this framework, by the first topic of the work, we propose a supporting hyperplane PC method that offers exact feasible solutions in terms of the probability level, handling the non-continuous feasible set that distinguishes the stochastic HTUC MILP problems. We attest the performance of the proposed algorithm by numerical comparisons with commonly used strategies that handle with PC problems. The capabilities of the method are also tested in a 46-bus system, which involves 10,657 variables (1,512 binaries) and 25,618 constraints, showing that the method is also affordable for complex systems. In the second topic of the thesis, we explore a different structure of PC, when random variables multiply the decision ones. The literature defines this type of structure as bilinear, commonly found among asset portfolio applications, for instance. As a research contribution, we prove that such structures can be classified as a locally generalized concave mapping, turning possible the use of a combination of proper convex programming algorithms to solve a broader class of problems. We efficiently test the algorithm in a utility energy portfolio problem, where a two-sided bilinear PC controls the risks of gains and losses of a basket of contracts exposed to the short-term energy price.Finardi, Erlon CristianAckooij, Wim Stefanus vanUniversidade Federal de Santa CatarinaRamalho, Guilherme Matiussi2020-10-21T21:12:04Z2020-10-21T21:12:04Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis180 p.| il., gráfs.application/pdf369227https://repositorio.ufsc.br/handle/123456789/214997engreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2020-10-21T21:12:04Zoai:repositorio.ufsc.br:123456789/214997Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732020-10-21T21:12:04Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Extensions for probabilistic constrained programming problems: the cases of non-continuous unit commitment and bilinear energy portfolio management
title Extensions for probabilistic constrained programming problems: the cases of non-continuous unit commitment and bilinear energy portfolio management
spellingShingle Extensions for probabilistic constrained programming problems: the cases of non-continuous unit commitment and bilinear energy portfolio management
Ramalho, Guilherme Matiussi
Engenharia elétrica
Programação linear
Energia
Algorítmos
Analise estocastica
title_short Extensions for probabilistic constrained programming problems: the cases of non-continuous unit commitment and bilinear energy portfolio management
title_full Extensions for probabilistic constrained programming problems: the cases of non-continuous unit commitment and bilinear energy portfolio management
title_fullStr Extensions for probabilistic constrained programming problems: the cases of non-continuous unit commitment and bilinear energy portfolio management
title_full_unstemmed Extensions for probabilistic constrained programming problems: the cases of non-continuous unit commitment and bilinear energy portfolio management
title_sort Extensions for probabilistic constrained programming problems: the cases of non-continuous unit commitment and bilinear energy portfolio management
author Ramalho, Guilherme Matiussi
author_facet Ramalho, Guilherme Matiussi
author_role author
dc.contributor.none.fl_str_mv Finardi, Erlon Cristian
Ackooij, Wim Stefanus van
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Ramalho, Guilherme Matiussi
dc.subject.por.fl_str_mv Engenharia elétrica
Programação linear
Energia
Algorítmos
Analise estocastica
topic Engenharia elétrica
Programação linear
Energia
Algorítmos
Analise estocastica
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2019.
publishDate 2019
dc.date.none.fl_str_mv 2019
2020-10-21T21:12:04Z
2020-10-21T21:12:04Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 369227
https://repositorio.ufsc.br/handle/123456789/214997
identifier_str_mv 369227
url https://repositorio.ufsc.br/handle/123456789/214997
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 180 p.| il., gráfs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652179321389056

Registros relacionados