Motivação¶
Para resolução dos secao-problema-otimizacao-estocastica oriundos do Planejamento Hidrotermo-eólico como é impossível resolver o secao-problema-real-estocástico com a Distribuição de probabilidades contínua para as variáveis aleatórias (ou, em uma descrição mais precisa, o vetor aleatório), é necessário aproximá-la através de uma discretização em um conjunto finito de valores possíveis, que dão origem ao secao-problema-arvore-completa.
Estes cenários, ilustrados a seguir, são utilizados para representar as incertezas no problema estocástico que é resolvido para o Modelo NEWAVE, para o planejamento a médio e longo prazos, e o modelo Modelo DECOMP, para o planejamento de curto prazo do Sistema Interligado Nacional (SIN).
Em geral, os resultados do problema de otimização e a política operativa que é obtida dependem fortemente dos cenários gerados. Quanto maior o tamanho da árvore, mais bem representada estará a variável aleatória, porém o custo computacional para resolução do problema aumenta, por vezes de forma significativa. Assim, na geração desta árvore de cenários deve ser avaliado o custo X benefício do tamanho da árvore em cada período, em termos de acurácia na modelagem das incertezas X tempo de resolução do problema.
Também é importante gerar séries sintéticas para estudos de simulação hidrotérmo-eólica, onde, tipicamente, avaliamos o desempenho de determinada política calculada pelo problema de otimização.
Em geral, há grande escalabilidade do tempo computacional em relação à quantidade de séries que são geradas para os modelos SUISHI ou simulações finais com o NEWAVE, visto que, * como a política operativa já está obtida, as simulações em cada série são independentes, podendo-se desta forma, fazer um uso mais efetivo do processamento paralelo.