Uma pesquisa desenvolvida no Cepel ganhou destaque em um dos principais periódicos científicos internacionais da área de pesquisa operacional. O artigo da pesquisadora Cristiane Cruz foi publicado no European Journal of Operational Research (EJOR), da editora Elsevier, e apresenta nova abordagem metodológica para a otimização estocástica aplicada ao NEWAVE, uma das principais ferramentas desenvolvidas pelo Centro para o setor elétrico brasileiro. 

A pesquisa é  fruto da tese de doutorado de Cristiane, desenvolvida no Programa de Engenharia de Sistemas e Computação (PESC) da COPPE/UFRJ, e propõe uma estratégia de reamostragem dos cenários backward utilizados na Programação Dinâmica Dual Estocástica (PDDE) para representação das incertezas do problema de planejamento. 

A metodologia foi desenvolvida para reduzir a dependência dos resultados em relação à árvore de cenários utilizada na aproximação das incertezas, um desafio particularmente relevante em problemas de grande porte e com restrições de tempo computacional. 

 Além do reconhecimento científico, a publicação traz resultados com aplicação direta no NEWAVE, utilizado oficialmente pelo Operador Nacional do Sistema Elétrico (ONS), pela Empresa de Pesquisa Energética (EPE) e pela Câmara de Comercialização de Energia Elétrica (CCEE) em estudos relacionados ao planejamento da operação, expansão energética e formação de preços. Em particular, o principal resultado prático é a redução significativa da variabilidade amostral dos resultados entre simulações com sementes diferentes ou pequenas alterações de dados. 

A pesquisa faz parte do processo contínuo de evolução do NEWAVE, incorporando avanços da pesquisa em otimização para aumentar a robustez das análises realizadas pelo setor. 

Um desafio de longa data 

No planejamento de médio e longo prazos, o NEWAVE ajuda a definir estratégias para o uso da água armazenada nos reservatórios, considerando também a geração termelétrica, usinas eólicas e outras fontes de energia. Para realizar essas análises, o modelo precisa lidar com uma variável que não pode ser prevista com exatidão: as afluências futuras. 

É aí que entra a Programação Dinâmica Dual Estocástica (PDDE), metodologia de otimização estocástica utilizada para construir iterativamente a política operativa do sistema com aproximações sucessivas que consideram  as incertezas futuras por meio de diferentes cenários. 

Na abordagem tradicional, um mesmo conjunto de cenários backward é mantido fixo ao longo das iterações do algoritmo. Em sistemas de grande porte, como o brasileiro, essa representação limitada da incerteza pode fazer com que a política operativa fique excessivamente dependente da árvore de cenários utilizada e, consequentemente, da semente aleatória empregada para gerá-la. 

Na prática, simulações realizadas com sementes diferentes podem apresentar variações nos resultados operativos e nos Custos Marginais de Operação (CMO). Isso dificulta distinguir diferenças efetivamente provocadas por alterações nas condições do sistema daquelas decorrentes do próprio processo de amostragem. 

Uma nova abordagem 

A abordagem proposta no trabalho muda essa dinâmica. Em vez de considerar a mesma árvore de cenários em todas as iterações, a metodologia renova essa representação a cada iteração do algoritmo, estratégia denominada backward resampling ou reamostragem backward. 

Com isso, o NEWAVE passa a incorporar sucessivas representações da incerteza ao longo do processo iterativo, ampliando a exploração das possíveis condições futuras sem aumentar o tempo de processamento. 

Mas a contribuição metodológica vai além da renovação dos cenários. 

Para viabilizar essa abordagem, a pesquisa utiliza a Desigualdade de Jensen, associada a técnicas de quantização e amostragem estratificada. Essa fundamentação permite que as informações acumuladas pelo algoritmo continuem válidas mesmo com a renovação dos cenários ao longo das iterações. 

Essa é uma parte importante da contribuição científica do trabalho: não se trata apenas de trocar a árvore de cenários, mas de estabelecer as condições matemáticas que permitem fazer essa troca ao longo do processo iterativo mantendo as propriedades teóricas de convergência do método. 

Em outras palavras, o modelo consegue ampliar a representação das incertezas e, ao mesmo tempo, acumular o conhecimento adquirido ao longo de diferentes representações da incerteza utilizadas durante o processamento. 

Do sistema tutorial ao SIN 

A nova metodologia foi testada em diferentes escalas, desde sistemas tutoriais e configurações reduzidas até uma representação do Sistema Interligado Nacional (SIN), com 162 usinas hidrelétricas individualizadas, 119 usinas termelétricas e 256 cenários estocásticos por iteração. 

Os resultados mostraram uma redução expressiva na variabilidade amostral. Na configuração brasileira, o desvio-padrão dos custos médios obtidos com diferentes sementes caiu de 2.462 para 288. 

Também houve ganhos de eficiência. Em um sistema reduzido em cascata, foi possível alcançar a mesma qualidade da política operativa utilizando apenas seis aberturas na árvore de cenários, em comparação com dez na abordagem tradicional. A mudança representou uma economia de aproximadamente 22% no tempo de CPU. 

Ciência que chega à operação 

Fruto de uma pesquisa de doutorado que partiu de um desafio concreto do setor elétrico, o trabalho conecta o desenvolvimento científico em otimização estocástica à evolução de uma ferramenta utilizada na rotina do setor. 

Para Cristiane Cruz, um dos principais resultados do trabalho é justamente aproximar o avanço científico de um desafio presente na rotina do setor elétrico. 

“O valor deste trabalho está em conectar o rigor matemático à solução de um desafio concreto do setor elétrico, que afeta diretamente a rotina das instituições e agentes de mercado. A fundamentação teórica nos permitiu superar uma limitação histórica de amostragem. Ao avançarmos na teoria da otimização estocástica com garantias matemáticas formais de convergência, entregamos uma resposta estrutural e robusta à variabilidade amostral, fortalecendo a maturidade e a previsibilidade das decisões de planejamento e formação de preços”, destaca Cristiane. 

A publicação internacional dá visibilidade à produção científica desenvolvida no Cepel e mostra como esse conhecimento se traduz na evolução das ferramentas utilizadas pelo setor. No caso do NEWAVE, significa incorporar novos avanços científicos a um modelo desenvolvido pelo Centro e que está diretamente ligado ao planejamento, à operação e à formação de preços de energia no Brasil. 

A publicação está disponível para acesso no seguinte link:  https://www.sciencedirect.com/science/article/abs/pii/S037722172600456X.