Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) Departamento de Engenharia Elétrica (DEE) www.ele.puc-rio.br Curso de Otimização Linear aplicado ao Setor Elétrico Módulo 3 Prof. Alexandre Street Setembro de 2010 2 Agenda Módulo 1 – Modelagem de problemas de PL Módulo 2 – Propriedades das soluções e o Método Simplex Módulo 3 – Teoria de dualidade e análise de sensibilidade Introduzir o conceito de problema primal e dual (exemplos e interpretações); teorema da dualidade fraca, forte e complementariedade de folgas análise de sensibilidade com relação aos recursos: custo marginal e viabilidade primal; análise de sensibilidade com relação a outros parâmetros do problema; aplicações práticas de dualidade em problemas do setor elétrico: custo de oportunidade da água (“valor da água”). Módulo 4 – Decomposição de Benders e PDDE 3 O que significa primal e dual? Primal é o problema em foco e dual é um outro problema que tenha certas características com relação ao seu par primal. A principal das características é que o problema dual fornece um limite superior (para o caso de maximização) para todas as soluções viáveis do problema primal, incluindo, portanto, a ótima. • Qual quer solução viável do problema dual fornece um valor de objetivo superior ao primal • O objetivo do problema dual é busca o menor limite (mais apertado), sendo assim um problema de minimização. Teoria de dualidade f.obj. de ambos os problemas Valores das soluções (f.obj.) do problema dual Valores das soluções (f.obj.) do problema primal zp * zd * GAP dual 4 Como formular o problema dual do seguinte problema de PL? Teoria de dualidade 𝑧𝑝 ∗ = Max 𝐱≥𝟎 𝒄𝑻 ⋅ 𝒙 𝑠. 𝑎: 𝑨 ⋅ 𝒙 ≤ 𝒃 5 Suponha que desejamos encontrar um limite superior para o lucro máximo z*p (ótimo) que podemos obter no problema da produção: Como a solução ótima deste problema atende a todas as suas restrições, ao multiplicarmos a restrição (1.1) por 3, obteremos a seguinte inequação, válida para todos os pontos viáveis: Em uma rápida análise podemos perceber que como todos os coeficientes dessa desigualdade são maiores que os respectivos coeficientes da f.obj., esta nunca poderá valer mais que 12! Teoria de dualidade 𝑧𝑝 ∗ = Max 𝐱≥𝟎 4 ⋅ 𝑥𝐴 + 3 ⋅ 𝑥𝐵 (1) 𝑠. 𝑎: 2 ⋅ 𝑥𝐴 + 1 ⋅ 𝑥𝐵 ≤ 4 (1.1) 1 ⋅ 𝑥𝐴 + 2 ⋅ 𝑥𝐵 ≤ 4 (1.2) 6 ⋅ 𝑥𝐴 + 3 ⋅ 𝑥𝐵 ≤ 12 6 Se fizermos uma combinação linear positiva das restrições (1.1) e (1.2) a desigualdade decorrente será válida para todos os pontos que atendem às restrições originais: Se fizermos y1 = 5/3 e y2 = 2/3, por exemplo, obteremos um limite superior igual a 28/3 = 9.3..., que sabemos ser o máximo do problema da produção! Isso nos mostra que o limite superior obtido por essa escolha de multiplicadores resulta no menor limite possível! Limite ótimo! IMPORTANTE: O GAP de dualidade em problemas de PL é sempre zero!!! Nos respectivos pontos ótimos as f.objs. do primal e do dual são iguais!!! Teorema da Dualidade Forte Teoria de dualidade 𝑦1 ⋅ 2 ⋅ 𝑥𝐴 + 1 ⋅ 𝑥𝐵 ≤ 𝑦1 ⋅ 4 𝑦2 ⋅ 1 ⋅ 𝑥𝐴 + 2 ⋅ 𝑥𝐵 ≤ 𝑦2 ⋅ 4 + 𝑦1 ⋅ 2 + 𝑦2 ⋅ 1 ⋅ 𝑥𝐴 + 𝑦1 ⋅ 1 + 𝑦2 ⋅ 2 ⋅ 𝑥𝐵 ≤ 𝑦1 ⋅ 4 + 𝑦2 ⋅ 4 7 Como podemos gerar uma sistemática para encontrar os pesos yi de maneira que eles proporcionem o menor limite superior (mínimo)? Precisamos impor que cada coeficiente da desigualdade encontrada seja superior ao respectivo coeficiente da função objetivo: Com isso, o lado direito dessa nova desigualdade será sempre maior que qualquer valor que a função objetivo possa valer dentro do conjunto de pontos viáveis: Teoria de dualidade 𝑦1 ⋅ 2 ⋅ 𝑥𝐴 + 1 ⋅ 𝑥𝐵 ≤ 𝑦1 ⋅ 4 𝑦2 ⋅ 1 ⋅ 𝑥𝐴 + 2 ⋅ 𝑥𝐵 ≤ 𝑦2 ⋅ 4 + 𝑦1 ⋅ 2 + 𝑦2 ⋅ 1 ⋅ 𝑥𝐴 + 𝑦1 ⋅ 1 + 𝑦2 ⋅ 2 ⋅ 𝑥𝐵 ≤ 𝑦1 ⋅ 4 + 𝑦2 ⋅ 4 𝑦1 ⋅ 2 + 𝑦2 ⋅ 1 ≥ 4 𝑦1 ⋅ 1 + 𝑦2 ⋅ 2 ≥ 3 4 ⋅ 𝑥𝐴 + 3 ⋅ 𝑥𝐵 ≤ 𝑦1 ⋅ 2 + 𝑦2 ⋅ 1 ⋅ 𝑥𝐴 + 𝑦1 ⋅ 1 + 𝑦2 ⋅ 2 ⋅ 𝑥𝐵 ≤ 𝑦1 ⋅ 4 + 𝑦2 ⋅ 4 𝑧𝑝 = 4 ⋅ 𝑥𝐴 + 3 ⋅ 𝑥𝐵 8 Assim, queremos minimizar o limite superior, mexendo nos multiplicadores y, sujeito a esses multiplicadores gerarem um limite superior: No problema (2)-(2.2), a função objetivo representa o limite superior para o problema primal: É a combinação linear do lado direito das restrições do primal A restrição (2.1) garante que o coeficiente associado à variável xA será superior ao coeficiente da função objetivo (do primal); A restrição (2.2) garante o mesmo para o coeficiente associado à variável xB. Teoria de dualidade 𝑧𝑝 ∗ ≤ 𝑧𝑑 ∗ = Min 𝐲≥𝟎 4 ⋅ 𝑦 1 + 4 ⋅ 𝑦 2 (2) 𝑠. 𝑎: 2 ⋅ 𝑦1 + 1 ⋅ 𝑦2 ≥ 4 (2.1) 1 ⋅ 𝑦1 + 2 ⋅ 𝑦2 ≥ 3 (2.2) 9 Exemplo: Problema da produção Variáveis de decisão: quantidade a produzir de cada produto xA e xB (mil unidades). Função objetivo: f(xA, xB) = 4xA + 3xB Restrições: • A quantidade de madeira utilizada não pode ser maior que o estoque: 2xA + 1xB 4 • A quantidade de ferro utilizada não pode ser maior que o estoque: 1xA + 2xB 4 • Não é permitido produzir negativo: xA 0, xB 0 Teoria de dualidade (interpretação) Produto A (103 unid.) Produto B (103 unid.) Qt em Estoque Insumo M (103 m2) 2 1 4 Insumo F (Ton.) 1 2 4 10 Exemplo: Problema da produção Uma possível interpretação para o dual seria: Por que preços de insumos (ferro e madeira) o dono desta empresa ficaria indiferente entre produzir, obtendo assim o lucro da produção, e parar a produção e vender todo o seu estoque de insumos? Teoria de dualidade (interpretação) 𝑧𝑝 ∗ = Max 𝐱≥𝟎 4 ⋅ 𝑥𝐴 + 3 ⋅ 𝑥𝐵 (1) 𝑠. 𝑎: 2 ⋅ 𝑥𝐴 + 1 ⋅ 𝑥𝐵 ≤ 4 (1.1) 1 ⋅ 𝑥𝐴 + 2 ⋅ 𝑥𝐵 ≤ 4 (1.2) 11 Exemplo: Problema da produção Uma possível interpretação para o dual seria: Por que preços de insumos (ferro e madeira) o dono desta empresa ficaria indiferente entre produzir, obtendo assim o lucro com a produção, e parar a produção e vender todo o seu estoque de insumos? Certamente por preços yM (MMR$/10 3m2) e yF (MMR$/Ton.) em que o lucro dessa venda supere o lucro da empresa operada de forma ótima z*p: Porém, para obtermos isso, precisamos de condições sobre os preços que garantam que: a venda dos insumos necessários para produzir cada produto supere o seu lucro! Teoria de dualidade (interpretação) 𝑧𝑝 ∗ = Max 𝐱≥𝟎 4 ⋅ 𝑥𝐴 + 3 ⋅ 𝑥𝐵 (1) 𝑠. 𝑎: 2 ⋅ 𝑥𝐴 + 1 ⋅ 𝑥𝐵 ≤ 4 (1.1) 1 ⋅ 𝑥𝐴 + 2 ⋅ 𝑥𝐵 ≤ 4 (1.2) 𝑧𝑝 ∗ ≤ 𝑧 = 𝑦𝑀 ⋅ 4 + 𝑦𝐹 ⋅ 4 12 Exemplo: Problema da produção 1. Condição para parar de vender o produto A: Vender 2 mil m3 de madeira ao preço yM e vender 1 Ton. de ferro a yF deve gerar uma receita superior a 4 MMR$ (lucro que cada lote do produto A gera). 2. Condição para parar de vender o produto B: Vender 1 mil m3 de madeira ao preço yM e vender 2 Ton. de ferro a yF deve gerar uma receita superior a 3 MMR$ (lucro que cada lote do produto B gera). Teoria de dualidade (interpretação) 𝑧𝑝 ∗ = Max 𝐱≥𝟎 4 ⋅ 𝑥𝐴 + 3 ⋅ 𝑥𝐵 (1) 𝑠. 𝑎: 2 ⋅ 𝑥𝐴 + 1 ⋅ 𝑥𝐵 ≤ 4 (1.1) 1 ⋅ 𝑥𝐴 + 2 ⋅ 𝑥𝐵 ≤ 4 (1.2) 𝑦𝑀 ⋅ 2 + 𝑦𝐹 ⋅ 1 ≥ 4 𝑦𝑀 ⋅ 1 + 𝑦𝐹 ⋅ 2 ≥ 3 13 Exemplo: Problema da produção Assim, a resposta para a pergunta: Por que preços de insumos (ferro e madeira) o dono desta empresa ficaria indiferente entre produzir, obtendo assim o lucro com a produção, e parar a produção e vender todo o seu estoque de insumos? É dada pelo problema que encontra a menor receita de venda dos insumos pela qual ainda sim vale a pena parar de produzir: Teoria de dualidade (interpretação) 𝑧𝑝 ∗ = Max 𝐱≥𝟎 4 ⋅ 𝑥𝐴 + 3 ⋅ 𝑥𝐵 (1) 𝑠. 𝑎: 2 ⋅ 𝑥𝐴 + 1 ⋅ 𝑥𝐵 ≤ 4 (1.1) 1 ⋅ 𝑥𝐴+ 2 ⋅ 𝑥𝐵 ≤ 4 (1.2) 𝑧𝑝 ∗ ≤ 𝑧𝑑 ∗ = Min 𝐲≥𝟎 4 ⋅ 𝑦 𝑀 + 4 ⋅ 𝑦 𝐹 (2) 𝑠. 𝑎: 2 ⋅ 𝑦𝑀 + 1 ⋅ 𝑦𝐹 ≥ 4 (2.1) 1 ⋅ 𝑦𝑀 + 2 ⋅ 𝑦𝐹 ≥ 3 (2.2) 14 Como funciona o processo de “dualização” de restrições (relaxação lagrangeana)? O processo de “dualização” implica em relaxar alguma das restrições (ou todas) do problema primal e incorporar uma penalização na f.obj. sobre a viabilidade das soluções. Teoria de dualidade 𝑧𝑝 ∗ = Max 𝐱≥𝟎 𝒄𝑻 ⋅ 𝒙 𝑠. 𝑎: 𝑨 ⋅ 𝒙 ≤ 𝒃 𝑧𝑝 ∗ ≤ 𝜃 𝒚 = Max 𝐱≥𝟎 𝒄𝑻 ⋅ 𝒙 + 𝒚𝑻 ⋅ 𝒃 − 𝑨 ⋅ 𝒙 𝑠. 𝑎: 𝑨 ⋅ 𝒙 ≤ 𝒃 ∀ 𝒚 ≥ 𝟎 𝑧𝑝 ∗ ≤ 𝜃 𝒚 ≤ 𝜙 𝒚 = Max 𝐱≥𝟎 𝒄𝑻 ⋅ 𝒙 + 𝒚𝑻 ⋅ 𝒃 − 𝑨 ⋅ 𝒙 ∀ 𝒚 ≥ 𝟎 Interpretação: O dono da fábrica agora pode vender ou comprar a sobra ou déficit de insumos em “um mercado” (ilimitado) por preços y 15 Como se comporta a função dual lagrangeana? Dado um vetor y de multiplicadores de Lagrange, O processo de relaxação lagrangeana busca um vetor y que minimize (y)! Logo, o segundo caso (que proporciona valor infinito) será sempre evitado! A interpretação para esse comportamento é: se o lucro unitário de produção (cT) for inferior à receita de venda de seus insumos no mercado ao preço y (yTA), então paramos a produção e vendemos todos os insumos no mercado, resultando em um lucro de yTb. Caso contrário, ocorre a possibilidade de arbitragem, onde podemos comprar no mercado os insumos por preços que geram um custo inferior ao lucro de produção. Assim, compramos infinito e vendemos infinito, obtendo assim um resultado ilimitado. Teoria de dualidade 𝑧𝑝 ∗ ≤ 𝜙 𝒚 = Max 𝐱≥𝟎 𝒄𝑻 ⋅ 𝒙 + 𝒚𝑻 ⋅ 𝒃 − 𝑨 ⋅ 𝒙 ∀ 𝒚 ≥ 𝟎 𝑧𝑝 ∗ ≤ 𝜙 𝒚 = Max 𝐱≥𝟎 𝒄𝑻 − 𝒚𝑻 ⋅ 𝑨 ⋅ 𝒙 + 𝒚𝑻 ⋅ 𝒃 = 𝒚𝑻 ⋅ 𝒃, 𝑠𝑒 𝒄𝑻 − 𝒚𝑻 ⋅ 𝑨 ≤ 𝟎 +∞, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 16 O problema dual busca um vetor y que minimize (y)! Logo, o segundo caso será sempre evitado! Assim, temos o seguinte par primal-dual: Teoria de dualidade 𝑧𝑝 ∗ ≤ Min 𝐲≥𝟎 𝜙 𝒚 = Min 𝐲≥𝟎 𝒚𝑻 ⋅ 𝒃, 𝑠𝑒 𝒄𝑻 − 𝒚𝑻 ⋅ 𝑨 ≤ 𝟎 +∞, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 = Min 𝐲≥𝟎 𝒚𝑻 ⋅ 𝒃 𝑠. 𝑎: 𝒚𝑻 ⋅ 𝑨 ≥ 𝒄𝑻 𝑧𝑝 ∗ = Max 𝐱≥𝟎 𝒄𝑻 ⋅ 𝒙 𝑠. 𝑎: 𝑨 ⋅ 𝒙 ≤ 𝒃 ≤ 𝑧𝑑 ∗ = Min 𝐲≥𝟎 𝒚𝑻 ⋅ 𝒃 𝑠. 𝑎: 𝒚𝑻 ⋅ 𝑨 ≥ 𝒄𝑻 17 Agenda Módulo 1 – Modelagem de problemas de PL Módulo 2 – Propriedades das soluções e o Método Simplex Módulo 3 – Teoria de dualidade e análise de sensibilidade Introduzir o conceito de problema primal e dual (exemplos e interpretações); teorema da dualidade fraca, forte e complementaridade de folgas análise de sensibilidade com relação aos recursos: custo marginal e viabilidade primal; análise de sensibilidade com relação a outros parâmetros do problema; aplicações práticas de dualidade em problemas do setor elétrico: custo de oportunidade da água (“valor da água”). Módulo 4 – Decomposição de Benders e PDDE 18 Dualidade Fraca e Forte O teorema da dualidade Fraca diz que (Primal de Maximização): O valor mínimo do problema Dual (de minimização) é superior ao máximo do problema primal (maximização). • Isso torna-se óbvio depois de mostrado o processo de construção do dual da maneira que apresentamos aqui. Este foi concebido para sempre gerar um limite superior para o problema primal. O teorema da dualidade Forte diz que (Primal de Maximização): No ótimo o valor da função objetivo de qualquer par primal-dual decorrente de um PL é sempre o mesmo! f.obj. Valores das soluções (f.obj.) do problema dual Valores das soluções (f.obj.) do problema primal zp *=zd * GAP dual = 0 𝑧𝑝 ∗ = Max 𝐱≥𝟎 𝒄𝑻 ⋅ 𝒙 𝑠. 𝑎: 𝑨 ⋅ 𝒙 ≤ 𝒃 = 𝑧𝑑 ∗ = Min 𝐲≥𝟎 𝒚𝑻 ⋅ 𝒃 𝑠. 𝑎: 𝒚𝑻 ⋅ 𝑨 ≥ 𝒄𝑻 19 Exemplo: despacho centralizado vs competição perfeita O despacho ótimo “centralizado” de um período, que visa atender uma demanda d (MWh) utilizando os recursos disponíveis (capacidades Gi) é dado pelo seguinte problema: Para que este problema atinja o seu objetivo, é importante que os agentes informe os seus reais custo operativos e capacidades (ci, Gi). Dualidade Forte (Ex. de implicação prática) 𝐶∗ = Min 𝐠≥𝟎 𝑐𝑖 ⋅ 𝑔𝑖 𝑛 𝑖=1 (3) 𝑠. 𝑎: 𝑔𝑖 𝑛 𝑖=1 ≥ 𝑑 (3.1) 𝑔𝑖 ≤ 𝐺𝑖 ∀𝑖 = 1, … , 𝑛 (3.2) 20 Exemplo: despacho centralizado vs competição perfeita É possível mostrar, sob certas condições (que serão identificadas), que: Um mercado competitivo, • onde os agente são todos price-takers e visam maximizar os seus lucros com a venda de energia através de um leilão de preço uniforme, proporciona o mesmo despacho (solução de geração) que o despacho de mínimo custo: Começamos por dualizar a restrição de atendimento à demanda Onde para todo 0 teremos a seguinte relação: Dualidade Forte (Ex. de implicação prática) 𝐶∗ ≥ 𝐶𝑑 ∗(𝜋) = Min 𝐠≥𝟎 𝑐𝑖 ⋅ 𝑔𝑖 𝑛 𝑖=1 + 𝜋 ⋅ 𝑑 − 𝑔𝑖 𝑛 𝑖=1 (4) 𝑠. 𝑎: 𝑔𝑖 ≤ 𝐺𝑖 ∀𝑖 = 1, … , 𝑛 (4.1) 21 Exemplo: despacho centralizado vs competição perfeita Em seguida, rearranjamos os termos de maneira a colocar o gi em evidência: Dualidade Forte (Ex. de implicação prática) 𝐶∗ ≥ 𝐶𝑑 ∗(𝜋) = Min 𝐠≥𝟎 𝑐𝑖 ⋅ 𝑔𝑖 𝑛 𝑖=1 + 𝜋 ⋅ 𝑑 − 𝑔𝑖 𝑛 𝑖=1 (4) 𝑠. 𝑎: 𝑔𝑖 ≤ 𝐺𝑖 ∀𝑖 = 1, … , 𝑛 (4.1) 𝐶∗ ≥ 𝐶𝑑 ∗(𝜋) = Min 𝐠≥𝟎 𝜋 ⋅ 𝑑 − (𝜋 − 𝑐𝑖) ⋅ 𝑔𝑖 𝑛 𝑖=1 (4) 𝑠. 𝑎: 𝑔𝑖 ≤ 𝐺𝑖 ∀𝑖 = 1, … , 𝑛 (4.1) 22 Exemplo: despacho centralizado vs competição perfeita Como o primeiro termo não depende da decisão g, este pode ser colocado fora do “Min”: Dualidade Forte (Ex. de implicação prática) 𝐶∗ ≥ 𝐶𝑑 ∗ 𝜋 = 𝜋 ⋅ 𝑑 + Min 𝐠≥𝟎 − (𝜋 − 𝑐𝑖) ⋅ 𝑔𝑖 𝑛 𝑖=1 (4) 𝑠. 𝑎: 𝑔𝑖 ≤ 𝐺𝑖 ∀𝑖 = 1, … , 𝑛 (4.1) 𝐶∗ ≥ 𝐶𝑑 ∗(𝜋) = Min 𝐠≥𝟎 𝜋 ⋅ 𝑑 − (𝜋 − 𝑐𝑖) ⋅ 𝑔𝑖 𝑛 𝑖=1 (4) 𝑠. 𝑎: 𝑔𝑖 ≤ 𝐺𝑖 ∀𝑖 = 1, … , 𝑛 (4.1) 23 Exemplo: despacho centralizado vs competição perfeita Por fim, repare que o problema de minimização pode ser decomposto em n problemas, em que cada um pode ser substituído por um de maximização da seguinte forma: Dualidade Forte (Ex. de implicação prática) 𝐶∗ ≥ 𝐶𝑑 ∗ 𝜋 = 𝜋 ⋅ 𝑑 + Min 𝐠≥𝟎 − (𝜋 − 𝑐𝑖) ⋅ 𝑔𝑖 𝑛 𝑖=1 (4) 𝑠. 𝑎: 𝑔𝑖 ≤ 𝐺𝑖 ∀𝑖 = 1, … , 𝑛 (4.1) 𝐶∗ ≥ 𝐶𝑑 ∗ 𝜋 = 𝜋 ⋅ 𝑑 − Max gi≥0 (𝜋 − 𝑐𝑖) ⋅ 𝑔𝑖 (4) 𝑠. 𝑎: 𝑔𝑖 ≤ 𝐺𝑖 (4.1) 𝑛 𝑖=1 24 Exemplo: despacho centralizado vs competição perfeita O problema resultante é o problema em que cada agente gerador visa maximizar a sua renda vendendo energia a um preço (R$/MWh) e a demanda (inelástica) paga o mesmo preço pela aquisição dessa energia. Onde, Dualidade Forte (Ex. de implicação prática) 𝐶∗ ≥ Max π≥0 𝜋 ⋅ 𝑑 − 𝐿𝑖 ∗(𝜋) 𝑛 𝑖=1 𝐿𝑖 ∗(𝜋) = Max gi≥0 (𝜋 − 𝑐𝑖) ⋅ 𝑔𝑖 (4) 𝑠. 𝑎: 𝑔𝑖 ≤ 𝐺𝑖 (4.1) Q p d gi=0 gi=Gi 25 Exemplo: despacho centralizado vs competição perfeita Para constatarmos a igualdade obtida anteriormente, entre o bem estar social e o custo mínimo de operação, escrevemos diretamente o dual do problema de despacho a mínimo e mostramos que esse pode ser obtido por um mercado competitivo. 𝐶∗ = Max π≥0 𝛉≥𝟎 𝜋 ⋅ 𝑑 − 𝜃𝑖 ⋅ 𝐺𝑖 𝑛 𝑖=1 (5) 𝑠. 𝑎: 𝜋 − 𝜃𝑖 ≤ 𝑐𝑖 ∀𝑖 = 1, … , 𝑛 (5.1) Dualidade Forte (Ex. de implicação prática) 𝐶∗ = Max π≥0 𝜋 ⋅ 𝑑 − Min θi≥0 𝜃𝑖 ⋅ 𝐺𝑖 𝑠. 𝑎: 𝜃𝑖 ≥ 𝜋 − 𝑐𝑖 𝑛 𝑖=1 Maxπ≥0 𝜋 ⋅ 𝑑 − 𝐿𝑖 ∗ 𝜋 𝑛 𝑖=1 26 Dualidade Forte (Ex. de implicação prática e teórica) Talvez a mais importante, ou pelo menos mais conhecida e difundida em diversas áreas, devido à relação entre o problema primal e o dualseja a interpretação da variável dual como “preço sombra” ou custo marginal dos recursos: Em problemas convexos, em que vale a dualidade forte, a variável dual pode ser interpretada como a derivada parcial do valor ótimo da função objetivo do primal, com relação ao lado direito da restrição associada a esta variável que em ultima análise é o multiplicador de lagrange 𝑧𝑝 ∗ = 𝑧𝑑 ∗ = 𝒚∗𝑻 ⋅ 𝒃 𝜕𝑧𝑝 ∗ 𝜕𝒃 = 𝜕𝑧𝑝 ∗ 𝜕𝑏1 , … , 𝜕𝑧𝑝 ∗ 𝜕𝑏𝑚 = 𝑦1 ∗, … , 𝑦𝑚 ∗ = 𝑦∗𝑇 27 Dualidade Forte e complementariedade de folgas A complementariedade entre folgas e variáveis duais é uma propriedade que caracteriza a otimalidade de um par de soluções primal-dual Interpretação: No ponto ótimo, a derivada da função objetivo com relação a um recurso (RHS de uma restrição = bi) só pode apresentar valor diferente de zero, se e somente se, esta restrição estiver ativa (atendida como igualdade), ou seja, si * = 0. Exemplo: Quanto varia o lucro ótimo do problema da produção, se variarmos marginalmente o a quantidade de madeira? “A quantidade de madeira utilizada não pode ser maior que o estoque: 2xA + 1xB 4” 𝑠𝑖 ∗ ⋅ 𝑦𝑖 ∗ = 0 ∀ 𝑖 = 1, … , 𝑚 28 Dualidade Forte e complementariedade de folgas Exemplo: Quanto varia o lucro ótimo do problema da produção, se variarmos marginalmente a quantidade de madeira “A quantidade de madeira utilizada não pode ser maior que o estoque: 2xA + 1xB 4”. Recuperando o dicionário ótimo deste problema, vemos que s1 * = 0, pois é um variável não básica. Logo y1 * 0. xA xB 4 2 (1.1) 4 2 (1.2) 4/3 4/3 cT 𝛿 𝑠1 ∗ ⋅ 𝑦1 ∗ = 0 𝑧 = 28 3 − 5 3 ⋅ 𝑠1 − 2 3 ⋅ 𝑠2 𝑥𝐴 = 4 3 − 2 3 ⋅ 𝑠1 + 1 3 ⋅ 𝑠2 𝑥𝐵 = 4 3 + 1 3 ⋅ 𝑠1 − 2 3 ⋅ 𝑠2 29 Dualidade Forte e complementariedade de folgas Exemplo: Quanto varia o lucro ótimo do problema da produção, se variarmos marginalmente a quantidade de madeira “A quantidade de madeira utilizada não pode ser maior que o estoque: 2xA + 1xB 4”. Somente porque a restrição deste recurso está ativa (s1 * = 0), pode existir um contribuição na função objetivo ao variarmos o recurso (y1 * = dz*/db1 0). 𝑧 = 28 3 − 5 3 ⋅ 𝑠1 − 2 3 ⋅ 𝑠2 𝑥𝐴 = 4 3 − 2 3 ⋅ 𝑠1 + 1 3 ⋅ 𝑠2 𝑥𝐵 = 4 3 + 1 3 ⋅ 𝑠1 − 2 3 ⋅ 𝑠2 𝑠1 ∗ ⋅ 𝑦1 ∗ = 0 xA xB 4 2 (1.1) 4 2 (1.2) 4/3 4/3 cT 𝛿 30 Dualidade Forte e complementariedade de folgas Exemplo: Quanto varia o lucro ótimo do problema da produção, se variarmos marginalmente a quantidade de madeira No caso do problema com a restrição xA+xB 1, o fato de variarmos o lado direito desta restrição não contribui em nada para a f.obj. no ponto ótimo, pois s3 * = 5/3 > 0. Logo, y3 = 0!!! 𝑠3 ∗ ⋅ 𝑦3 ∗ = 0 xA xB 4 2 4 2 (a) (b) (d) (e) 1 1 (f) (g) 31 Dualidade Forte e complementariedade de folgas Como podemos obter os valores das variáveis duais no dicionário primal? 𝑧 = 28 3 − 5 3 ⋅ 𝑠1 − 2 3 ⋅ 𝑠2 𝑥𝐴 = 4 3 − 2 3 ⋅ 𝑠1 + 1 3 ⋅ 𝑠2 𝑥𝐵 = 4 3 + 1 3 ⋅ 𝑠1 − 2 3 ⋅ 𝑠2 𝑠1 ∗ ⋅ 𝑦1 ∗ = 0 xA xB 4 2 (1.1) 4 2 (1.2) 4/3 4/3 cT 𝛿 32 Dualidade Forte e complementariedade de folgas Como podemos obter os valores das variáveis duais no dicionário primal? Nos custos reduzidos das folgas! Eles valem o negativo das variáveis duais. Veja o porquê: Como o GAP dual é zero (dualidade forte) e sabemos que xN = 0, Ou seja, 𝑧 = 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝒃 + 𝒄𝑵 𝑻 − 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝑵 ⋅ 𝒙𝑵 𝒙𝑩 = 𝑩 −𝟏 ⋅ 𝒃 − 𝑩−𝟏 ⋅ 𝑵 ⋅ 𝒙𝑵 𝑧𝑝 ∗ = 𝑧𝑑 ∗ = 𝒚∗𝑻 ⋅ 𝒃 = 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝒃 𝒚∗𝑻 = 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 33 Dualidade Forte e complementariedade de folgas Como podemos obter os valores das variáveis duais no dicionário primal? Suponha que uma variável de folga termine no dicionário ótimo como não básica. Como uma variável de folga não tem custo na função objetivo: cN=0 E a coluna da matriz A referente a ela é um vetor com apenas uma componente não nula e igual a um exatamente na linha correspondente à restrição desta folga, Por exemplo, suponha a folga 1: 𝑐 𝑠1 = 𝑐𝑠1 − 𝒄𝑩 𝑇 ⋅ 𝑩−1 ⋅ 𝑁𝑠1 𝑐 𝑠1 = 0 − 𝒚 ∗𝑻 ⋅ 1 0 = −𝑦1 ∗ 𝑧 = 28 3 − 5 3 ⋅ 𝑠1 − 2 3 ⋅ 𝑠2 𝑥𝐴 = 4 3 − 2 3 ⋅ 𝑠1 + 1 3 ⋅ 𝑠2 𝑥𝐵 = 4 3 + 1 3 ⋅ 𝑠1 − 2 3 ⋅ 𝑠2 𝑦1 ∗ = 5 3 34 Dualidade Forte e complementariedade de folgas Como a complementariedade implica em Dualidade Forte (GAP=0)? Se as soluções primal e dual são ótimas, então são viáveis: Ao multiplicarmos as duas igualdades acima, a primeira por y e a segunda por x, obtemos um termo em comum: 𝐺𝐴𝑃 = 𝑧𝑑 ∗ − 𝑧𝑝 ∗ = 𝒚∗𝑻 ⋅ 𝒃 − 𝒄𝑻 ⋅ 𝒙∗ 𝑨 ⋅ 𝒙∗ ≤ 𝒃, ou já com as folgas 𝑨 ⋅ 𝒙∗ + 𝒔∗ = 𝒃 𝒚∗𝑻 ⋅ 𝑨 ≥ 𝒄𝑻, ou já com as folgas 𝒚∗𝑻 ⋅ 𝑨 − 𝒖∗𝑻 = 𝒄𝑻 𝒚∗𝑻 ⋅ 𝑨 ⋅ 𝒙∗ 35 Dualidade Forte e complementariedade de folgas Desta multiplicação encontramos as seguintes equações: Igualando, encontramos que o GAP, diferença de funções objetivo do dual e primal, é igual á soma dos produtos das folga (primais e duais) pelas respectivas variáveis duais (do problema primal, 𝒚, e do problema dual, 𝒙): Se Então o GAP = 0 𝒚∗𝑻 ⋅ 𝑨 ⋅ 𝒙∗ = 𝒚∗𝑻 ⋅ 𝒃 − 𝒚∗𝑻 ⋅ 𝒔∗ 𝒚∗𝑻 ⋅ 𝑨 ⋅ 𝒙∗ = 𝒄𝑻 ⋅ 𝒙∗ + 𝒖∗𝑻 ⋅ 𝒙∗ 𝒚∗𝑻 ⋅ 𝒃 − 𝒄𝑻 ⋅ 𝒙∗ = 𝒚∗𝑻 ⋅ 𝒔∗ + 𝒖∗𝑻 ⋅ 𝒙∗ = 𝐺𝐴𝑃 𝒚∗𝑻 ⋅ 𝒔∗ = 𝟎 𝒖∗𝑻 ⋅ 𝒙∗ = 𝟎 Complementaridade de Folgas 36 Agenda Módulo 1 – Modelagem de problemas de PL Módulo 2 – Propriedades das soluções e o Método Simplex Módulo 3 – Teoria de dualidade e análise de sensibilidade Introduzir o conceito de problema primal e dual (exemplos e interpretações); teorema da dualidade fraca, forte e complementariedade de folgas análise de sensibilidade com relação aos recursos: custo marginal e viabilidade primal; análise de sensibilidade com relação a outros parâmetros do problema; aplicações práticas de dualidade em problemas do setor elétrico: custo de oportunidade da água (“valor da água”). Módulo 4 – Decomposição de Benders e PDDE 37 Análise de Sensibilidade O objetivo da análise de sensibilidade consiste em estudar o comportamento do valor da função objetivo e da solução ótima ao variarmos os parâmetros do problema: matriz A, vetores c e b 𝑧𝑝 ∗ = Min 𝐱≥𝟎 𝒄𝑻 ⋅ 𝒙 𝑠. 𝑎: 𝑨 ⋅ 𝒙 ≤ 𝒃 38 Análise de Sensibilidade: vetor de recursos Com relação ao vetor b, duas constatações podem ser feitas com base na análise do dicionário ótimo: O vetor b não tem efeito direto na otimalidade da base, pois não altera o custo reduzido; Porém tem direto efeito na viabilidade da solução, pois uma variação pode acarretar em um xB < 0. Logo, podemos perguntar quanto podemos variar o vetor b sem que este inviabiliza a atual solução ótima! Esse range de recursos implica que: apesar de a solução mudar ao variarmos b, a política de produção continuará baseada nos mesmos produtos! a variação da de cada insumo terá o efeito na f.obj. decorrente de seu custo marginal (variável dual), pois a base não mudará. 𝑧∗ = 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝒃 + 𝒄𝑵 𝑻 − 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝑵 ⋅ 𝒙𝑵 𝒙𝑩 = 𝑩 −𝟏 ⋅ 𝒃 − 𝑩−𝟏 ⋅ 𝑵 ⋅ 𝒙𝑵 39 Análise de Sensibilidade: vetor de recursos Para que a base ótima continua viável? Ou seja, para deltas que não tornem xB negativo (inviável). 𝒙𝑩 = 𝑩 −𝟏 ⋅ (𝒃 + 𝚫) − 𝑩−𝟏 ⋅ 𝑵 ⋅ 𝒙𝑵 𝑩−𝟏 ⋅ 𝒃 + 𝚫 ≥ 𝟎 xA xB 4 2 (1.1) 4 2 (1.2) 4/3 4/3 𝛿1 𝑩−𝟏 ⋅ 4 + 𝛿1 4 + 𝛿2 ≥ 𝟎 𝑩−𝟏 ⋅ 𝛿1 𝛿2 ≥ −𝑩−𝟏 ⋅ 4 4 = −4/3 −4/3 𝛿2 40 Análise de Sensibilidade: vetor de recursos Exemplo: Quanto podemos variaro insumo 1 e continuarmos com a mesma base ótima? xA xB 4 2 (1.1) 4 2 (1.2) 4/3 4/3 𝛿1 𝑩−𝟏 ⋅ 𝛿1 0 ≥ −𝑩−𝟏 ⋅ 4 4 = −4/3 −4/3 2 3 − 1 3 − 1 3 2 3 ⋅ 𝛿1 0 ≥ −4/3 −4/3 𝛿1 ≥ −2 𝛿1 ≤ 4 41 Análise de Sensibilidade: vetor de recursos Exemplo: Qual o impacto na função objetivo? Para variações dentro do intervalo anterior, a base não muda (faixa vermelha)! Logo: 1 z*(1) y1 * = 5/3 z* =28/3 𝑧∗ 𝛿1 = 𝑦1 ∗ ⋅ 𝑏1 + 𝛿1 + 𝑦2 ∗ ⋅ 𝑏2 = 𝑧 ∗ + 𝑦1 ∗ ⋅ 𝛿1 4 -2 42 Agenda Módulo 1 – Modelagem de problemas de PL Módulo 2 – Propriedades das soluções e o Método Simplex Módulo 3 – Teoria de dualidade e análise de sensibilidade Introduzir o conceito de problema primal e dual (exemplos e interpretações); teorema da dualidade fraca, forte e complementariedade de folgas análise de sensibilidade com relação aos recursos: custo marginal e viabilidade primal; análise de sensibilidade com relação a outros parâmetros do problema; aplicações práticas de dualidade em problemas do setor elétrico: custo de oportunidade da água (“valor da água”). Módulo 4 – Decomposição de Benders e PDDE 43 Análise de Sensibilidade: vetor de custos O que muda se variarmos o cN no ótimo? O custo de uma variável não básica só implica na otimalidade do problema; O impacto fica restrito ao custo reduzido da variável não básica que tenha seu custo alterado; Tanto o valor da função objetivo quanto a solução não se alteram! Logo, para garantirmos que a base ótima não se altera em um problema de Max., 𝑧∗ = 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝒃 + 𝒄𝑵 𝑻 − 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝑵 ⋅ 𝒙𝑵 𝒙𝑩 = 𝑩 −𝟏 ⋅ 𝒃 − 𝑩−𝟏 ⋅ 𝑵 ⋅ 𝒙𝑵 𝒄𝑵(𝒋) 𝑻 − 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝑵𝒋 ≤ 𝟎 44 Análise de Sensibilidade: vetor de custos Contudo, ao variarmos cB impactamos em um conjunto muito maior de fatores: O custo de uma variável básica implica na otimalidade do problema; O impacto fica restrito ao custo reduzido, porém uma alteração em um custo de uma dada variável básica impacta no custo reduzido de todas as não básicas! A função objetivo se altera! Logo, para garantirmos que a base ótima não se altera em um problema de Max., precisamos reexaminar todos os custos reduzidos! 𝑧∗ = 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝒃 + 𝒄𝑵 𝑻 − 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝑵 ⋅ 𝒙𝑵 𝒙𝑩 = 𝑩 −𝟏 ⋅ 𝒃 − 𝑩−𝟏 ⋅ 𝑵 ⋅ 𝒙𝑵 𝒄𝑵 𝑻 − 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝑵 ≤ 𝟎 45 Análise de Sensibilidade: inclusão de variáveis A solução ótima mudaria se uma variável a mais fosse considerada? Não se o seu custo reduzido for negativo na base ótima! Logo, calculamos o custo reduzido desta nova variável e caso este seja negativo, ela seria não básica no ótimo (vale zero e não altera a solução) Caso o custo reduzido seja positivo, pode-se aproveitar o dicionário anterior e prosseguir no simplex! 𝑐𝑛𝑒𝑤 𝑇 − 𝒄𝑩 𝑻 ⋅ 𝑩−𝟏 ⋅ 𝑵𝒏𝒆𝒘 ≤ 𝟎 46 Agenda Módulo 1 – Modelagem de problemas de PL Módulo 2 – Propriedades das soluções e o Método Simplex Módulo 3 – Teoria de dualidade e análise de sensibilidade Introduzir o conceito de problema primal e dual (exemplos e interpretações); teorema da dualidade fraca, forte e complementariedade de folgas análise de sensibilidade com relação aos recursos: custo marginal e viabilidade primal; análise de sensibilidade com relação a outros parâmetros do problema; aplicações práticas de dualidade em problemas do setor elétrico: custo de oportunidade da água (“valor da água”). Módulo 4 – Decomposição de Benders e PDDE 47 Despacho Físico: Sistema Hidro-Térmico Características do sistema Hídricos com reservatórios: Usinas hidrelétrica podem estar em cascatas Balanço hídrico Volume do reservatório no final de t (vt) é igual ao volume inicial de t (vt-1), mais a afluência lateral (at) e a montante, menos o turbinamento (ut) e vertimento (st). Limites de turbinamento e vertimento Limites de defluência máxima e mínima navegabilidade, recreação, alagamento, ... 1 2 a2t s1t+u 1 t a1t s2t+u 2 t 𝑣𝑡 1 = 𝑣𝑡−1 1 + 𝑎𝑡 1 − 𝑢𝑡 1 − 𝑠𝑡 1 ∀𝑡 𝑣𝑡 2 = 𝑣𝑡−1 2 + 𝑎𝑡 2 + 𝑢𝑡 1 + 𝑠𝑡 1 − 𝑢𝑡 2 − 𝑠𝑡 2 ∀𝑡 𝐴𝑖 ≤ 𝑢𝑡 𝑖 + 𝑠𝑡 𝑖 ≤ 𝐴 𝑖 ∀𝑡, 𝑖 48 Despacho Físico: Sistema Hidro-Térmico Função Objetivo: Hidrelétricas possuem um custo praticamente zero (desprezíveis se comparados às termelétricas, ~ 3 R$/MWh). Logo não são consideradas diretamente na função objetivo. Atendimento à demanda: Geração termelétrica + a energia proveniente do volume turbinado de cada hidrelétrica + déficit. O coeficiente de produção de uma usina pode ser simplificado por uma constante (em MWh/hm3), mas na prática depende também da altura de queda (mapeada no volume do reservatório). 1 2 a2t s1t+u 1 t a1t s2t+u 2 t 𝑔𝑡 1 + 𝑔𝑡 2 + 𝜌1 ⋅ 𝑢𝑡 1 + 𝜌2 ⋅ 𝑢𝑡 2 + 𝑟𝑡 ≥ 𝑑𝑡 ∀ 𝑡 𝜌𝑖(𝑣𝑡 𝑖) ⋅ 𝑢𝑡 1 49 M(3) Despacho Físico: Sistema Hidro-Térmico Minimizar 𝐠≥𝟎 𝐮,𝐬≥𝟎 r>0 𝑐𝑖 ⋅ 𝑔𝑡 𝑖 𝑖∈𝑈𝑇𝐸 + 𝑐𝑑 ⋅ 𝑟𝑡 𝑡∈𝑇 𝑠. 𝑎: 𝑔𝑡 𝑖 𝑖∈𝑈𝑇𝐸 + 𝜌𝑖 ⋅ 𝑢𝑡 𝑖 𝑖∈𝑈𝐻𝐸 + 𝑟𝑡 ≥ 𝑑𝑡 ∀𝑡 ∈ 𝑇 𝑣𝑡 𝑖 = 𝑣𝑡−1 𝑖 + 𝑎𝑡 𝑖 + 𝑢𝑡 𝑗 + 𝑠𝑡 𝑗 𝑗∈𝑀(𝑖) − 𝑢𝑡 𝑖 − 𝑠𝑡 𝑖 ∀𝑖 ∈ 𝑈𝐻𝐸, 𝑡 ∈ 𝑇 𝑉𝑖 ≤ 𝑣𝑡 𝑖 ≤ 𝑉 𝑖 ; 𝑆𝑖 ≤ 𝑠𝑡 𝑖 ≤ 𝑆 𝑖 ; 𝑈𝑖 ≤ 𝑢𝑡 𝑖 ≤ 𝑈 𝑖 ∀𝑖 ∈ 𝑈𝐻𝐸, 𝑡 ∈ 𝑇 𝜌𝑖 ⋅ 𝑢𝑡 𝑖 ≤ 𝑃𝑖 ∀𝑖 ∈ 𝑈𝐻𝐸, 𝑡 ∈ 𝑇 𝐴𝑖 ≤ 𝑠𝑡 𝑖 + 𝑢𝑡 𝑖 ≤ 𝐴 𝑖 ∀𝑖 ∈ 𝑈𝐻𝐸, 𝑡 ∈ 𝑇 𝐺𝑖 ≤ 𝑔𝑡 𝑡 ≤ 𝐺 𝑖 ∀𝑖 ∈ 𝑈𝑇𝐸, 𝑡 ∈ 𝑇 UTE: Conjunto de Unidades Termelétricas UHE: Conjunto de Unidades Hidrelétricas M(i): Conjunto de hidrelétricas a montante de i Ex: se i = 3, M(3)={1,2}; se i = 1, M(1)={} 1 3 2 50 Conclusão: Acoplado no tempo: uma decisão operativa tomada hoje não pode ser analisada fora de um horizonte temporal, pois esta afeta o custo operativo da próxima etapa através dos volumes dos reservatórios O volume de água armazenada hoje pode representar uma economia no uso de combustíveis das termelétricas e de cortes de carga (déficits) em etapas posteriores. O importante é minimizar o custo global ao longo do horizonte. As unidades hidrelétrica têm um custo indireto de oportunidade no uso da água: o custo de economizar o uso de combustível das termelétricas e de possíveis déficits futuros Despacho Físico: Sistema Hidro-Térmico 51 Despacho Físico: Sistema Hidro-Térmico 𝐶2 ∗ 𝑣1 = Min𝐠≥𝟎 v2,u2,s2,r2≥0 𝑐1 ⋅ 𝑔 2 1 + 𝑐2 ⋅ 𝑔 2 2 + 𝑐𝑑 ⋅ 𝑟2 𝑠. 𝑎: 𝑔 2 1 + 𝑔 2 2 + 𝜌 ⋅ 𝑢2 + 𝑟2 ≥ 𝑑2 𝑣2 + 𝑢2 + 𝑠2 = 𝑣1 + 𝑎2 𝑣2 ≤ 𝑉 ; 𝑠2 ≤ 𝑆 ; 𝑢2 ≤ 𝑈 𝜌 ⋅ 𝑢2 ≤ 𝑃 𝐺1 ≤ 𝑔 2 1 ≤ 𝐺 1 ; 𝐺2 ≤ 𝑔 2 2 ≤ 𝐺 2 Custo de oportunidade da água (1 hora): Análise do problema de dois períodos e uma UHE: T = {1,2} e UHE={1} Não existe restrição de defluência mínima, nem turbinamento mínimo 52 Despacho Físico: Sistema Hidro-Térmico Custo de oportunidade da água (1 hora): Suponha um rendimento de 1 MWh/hm3 para a turbina da hidrelétrica Potência máxima da hidrelétrica igual a 200 MW Uma afluência de 5 hm3 Demanda igual a 120 MWh 𝐶2 ∗ 𝑣1 = Min𝐠≥𝟎 v2,u2,s2,r2≥0 100 ⋅ 𝑔 2 1 + 150 ⋅ 𝑔 2 2 + 500 ⋅ 𝑟2 𝑠. 𝑎: 𝑔 2 1 + 𝑔 2 2 + 1 ⋅ 𝑢2 + 𝑟2 ≥ 120 𝑣2 + 𝑢2 + 𝑠2 = 𝑣1 + 5 0 ≤ 𝑣2 ≤ 500 ; 0 ≤ 𝑠2 ≤ 100 ; 0 ≤ 𝑢2 ≤ 200 1 ⋅ 𝑢2 ≤ 200 0 ≤ 𝑔 2 1 ≤ 100 ; 0 ≤ 𝑔 2 2 ≤ 50 53 Despacho Físico: Sistema Hidro-Térmico 𝐶2 ∗ 𝑣1 = Min𝐠≥𝟎 v2,u2,s2,r2≥0 100 ⋅ 𝑔 2 1 + 150 ⋅ 𝑔 2 2 + 500 ⋅ 𝑟2 𝑠. 𝑎: 𝑔 2 1 + 𝑔 2 2 + 1 ⋅ 𝑢2 + 𝑟2 ≥ 120 𝑣2 + 𝑢2 + 𝑠2 = 𝑣1 + 5 0 ≤ 𝑣2 ≤ 500 ; 0 ≤ 𝑠2 ≤ 100 ; 0 ≤ 𝑢2 ≤ 200 1 ⋅ 𝑢2 ≤ 200 0 ≤ 𝑔 2 1 ≤ 100; 0 ≤ 𝑔 2 2 ≤ 50 Custo de oportunidade da água (1 hora): O limite inferior para a função objetivo é zero (variáveis positivas) Se podemos atender a demanda somente com energia da hidrelétrica, o custo será zero (gerar com hidro custa zero) Suponha que v1 = 115 hm 3 54 Despacho Físico: Sistema Hidro-Térmico 𝐶2 ∗ 𝑣1 = Min𝐠≥𝟎 v2,u2,s2,r2≥0 100 ⋅ 𝑔 2 10 + 150 ⋅ 𝑔 2 20 + 500 ⋅ 𝑟20 𝑠. 𝑎: 𝑔 2 10 + 𝑔 2 20 + 1 ⋅ 𝑢2120 + 𝑟20 ≥ 120 𝑣20 + 𝑢2120 + 𝑠20 = 120 0 ≤ 𝑣20 ≤ 500 ; 0 ≤ 𝑠20 ≤ 100 ; 0 ≤ 𝑢2120 ≤ 200 1 ⋅ 𝑢2120 ≤ 200 0 ≤ 𝑔 2 10 ≤ 100 ; 0 ≤ 𝑔 2 20 ≤ 50 Custo de oportunidade da água (1 hora): O limite inferior para a função objetivo é zero (variáveis positivas) Se podemos atender a demanda somente com energia da hidrelétrica, o custo será zero (gerar com hidro custa zero) Suponha que v1 = 115 hm 3 55 Despacho Físico: Sistema Hidro-Térmico Custo de oportunidade da água (1 hora): Para cada valor inicial que o volume do reservatório pode assumir no segundo período (v1 [0,500] hm 3), devemos “abater da demanda” a quantidade de geração hídrica máxima e realizar o despacho termelétrico remanescente. (R$) 115 10.000,0 𝐶2 ∗ 𝑣1 c2=-150 v1 (hm 3) 𝐶2 ∗ 𝑣1 = Min𝐠≥𝟎 v2 ,u2 ,s2 ,r2≥0 100 ⋅ 𝑔2 1 + 150 ⋅ 𝑔2 2 + 500 ⋅ 𝑟2 𝑠. 𝑎: 𝑔2 1 + 𝑔2 2 + 𝑟2 ≥ 120 − min 200, 𝑣1 + 5 𝑣2 + 𝑢2 + 𝑠2 = 𝑣1 + 5 0 ≤ 𝑣2 ≤ 500 ; 0 ≤ 𝑠2 ≤ 100 ; 0 ≤ 𝑢2 ≤ 200 1 ⋅ 𝑢2 ≤ 200 0 ≤ 𝑔2 1 ≤ 100 ; 0 ≤ 𝑔2 2 ≤ 50 c1=-100 15 12.250,0 Despacho hídro 56 Despacho Físico: Sistema Hidro-Térmico Custo de oportunidade da água (1 hora): O custo marginal de operação com relação ao volume inicial de um determinado período (no caso t=2), reflete o custo de oportunidade (em R$/MWh) da água no período anterior. (R$/MWh) 115 100 v1 (hm 3) 15 150 − 𝜕𝐶2 ∗ 𝑣1 𝜕𝑣1 𝑦𝑣1 = 𝜕𝐶2 ∗ 𝑣1 𝜕𝑣1 (R$) 115 10.000,0 𝐶2 ∗ 𝑣1 c2=-150 v1 (hm 3) c1=-100 15 12.250,0
Compartilhar