Planejamento Hidrotermo-eólico

Nesta seção apresentaremos os conceitos e características básicas do problema de planejamento de sistemas de energia elétrica hidrotermo-eólicos, cujo foco é a otimização energética. O objetivo principal desse tipo de problema, que é tratado de forma geral pelos Modelos de Otimização Energética do CEPEL, é o planejamento da operação e programação do despacho de geração, embora diversos aspectos da transmissão sejam considerados desde os modelos de mais longo prazo, como o Modelo NEWAVE, até os modelos de mais curto prazo, como o Modelo DESSEM, onde a rede é considerada de forma mais detalhada.

A figura no início dessa seção ilustra os componentes principais dessse tipo de problema, que incluem as diversas fontes de geração de energia elétrica, como Usinas Hidrelétricas, Usinas Termicas, e outras fontes de geração, como Usinas Eólicas, usinas solares, usinas de biomassa, pequenas centrais de geração não despachadas de forma centralizada pelo Operador Nacional do Sistema (ONS), além da micro e macro geração distribuída (conhecida como MMGD).

A energia gerada por essas fontes de geração passam por um sistema de transmissão, composto tanto por Intercâmbios de energia entre as áreas (Submercados) em que o sistema se divide, assim como a rede elétrica mais detalhada, até chegar às Conceituação Geral ou pontos de consumo, que em geral são compostos pelas subestações que, posteriormente, irão transferir a energia para o sistema de distribuição.

Sistemas Hidrotermo-eólicos

O termo sistemas hidrotermo-eólicos tem sido empregado para designar a transformação que os tradicionais sistemas de geração de energia elétrica, baseados em usinas hidrelétricas e termelétricas, tem passado com o aumento na penetração de fontes renováveis de grande variabilidade e incerteza na sua geração, como a eólica e solar, que são comumente chamadas de fontes intermitentes.

Assim, embora a geração das usinas termosolares e fotovoltaicas, assim como a micro e macro geração distribuída, também estejam presentes e possuam crescente participação na matriz elétrica brasileira, daqui em diante será empregado o termo “sistemas hidrotermo-eólicos” para indicar a presença dessas todas essas novas fontes renováveis no sistema, sendo a geração eólica vista como a “representante” de todas as outras fontes em termos de caracterização do problema.

Sistema Interligado Nacional (SIN)

No caso do Brasil, o sistema de geração apresenta uma alta participação de fontes renováveis de energia, incluindo as tecnologias hidrelétricas, biomassa e eólica, que respondem em 2023 por quase 90% do consumo de eletricidade do país. O sistema que é despachado de forma centralizada pelo ONS, utilizando os Modelos de Otimização Energética do CEPEL é denominado de Sistema Interligado Nacional, e conhecido pela sigla SIN. A ilustração abaixo, elaborada a partir de figuras extraída do site do ONS em Novembro de 2023, mostra, à direita, a participação dos diferentes tipos de fontes na Matriz Elétrica brasileira.

Fonte dos dados e figuras: https://www.ons.org.br/paginas/sobre-o-sin/o-sistema-em-numeros

Percebe-se que o Brasil apresenta ainda, em 2023, predominância da hidroeletricidade, caracterizada por grandes reservatórios com capacidade de regularização plurianual, dispostos em cascatas e que envolvem uma grande quantidade de usinas. A parte direita da figura acima mostra o conjunto de usinas hidrelétricas do sistema brasileiro cuja operação é determinada de forma centralizada pelo operador, utilizando os modelos de otimização energética desenvolvidos pelo CEPEL.

Esta predominância de geração hidrelétrica reforça a necessidade de representação acurada das incertezas de médio/longo prazo nas afluências aos reservatórios, levando à divisão macro do planejamento da operação hidrotérmica em vários níveis decisórios, correspondentes ao planejamento de longo, médio e curto prazos.

Características Gerais do problema

O problema de planejamento hidrotérmico-eólico de sistemas de grande porte como o brasileiro possui uma série de características, relacionadas a seguir:

• é essencialmente estocástico, devido à grande incerteza na vazão afluente às usinas hidrelétricas, principalmnete no médio e longo prazos, além da incerteza na geração nas fontes não despacháveis, como as usinas eólicas e solares, principalmente no curto prazo;

• possui forte acoplamento temporal, visto que a decisão de geração das usinas hidrelétricas no presente impacta sua operação no futuro, devido à regularização pluri-anual dos reservatórios;

• possui forte acoplamento espacial entre os componentes do sistema, visto que a geração das diversas usinas deve ser coordenada para atendimento à demanda de energia de forma instantânea, já que energia não pode ser armazenada em grande escala. Além disso, os reservatórios estão dispostos em longas cascatas ao longo dos rios, o que faz com que as usinas de jusante tenham sua operação afetada pelas usinas de montante;

• é não linear e não convexo, devido a algumas características intrínsecas dos componentes do sistema e das restrições, como por exemplo a Função de Produção Hidrelétrica, as restrições de Unit Commitment Térmico (UCT) e restrições de segurança da rede elétrica;

• é de grande porte, devido ao elevado número de usinas hidrelétricas, usinas térmicas e componentes do sistema de transmissão (barras e linhas de transmissão);

Diversas referências podem ser consultadas para se obter uma descrição mais detalhadas das características do problema de planejamento hidrotérmico e formação de preços nos sistemas de energia elétrica, com foco no sistema brasileiro, como por exemplo 1, 2, 3, 4.

Referências

1

L. A. M. Fortunato, T. A. A. Neto, J. C. R. Albuquerque, and M. V. F. Pereira. Introdução ao planejamento da expansão e operação de sistemas de produção de energia elétrica. Universidade Federal Fluminense, EDUFF, Niterói, 1990.

2

E. L. Silva. Formação de preços em mercados de energia elétrica. Ed. Sagra Luzatto, 2nd. edition, 2001.

3

A. L. Marcato, B. H. Dias, R. S. Brandi, T. P. Ramos, R. C. Souza, F. C. Oliveira, and P. C. Ferreira. Planejamento da Operação de Sistemas Hidrotérmicos no Brasil. Editora PUC Rio, Rio de Janeiro, 2014.

4(1,2)

A. Helseth and A. C. G. Melo. Scheduling toolchains in hydro-dominated systems : evolution, current status and future challenges for norway and brazil. Technical Report 2020:00757, SINTEF Energy Research, Maio 2020.

Dilema do Decisor

Uma característica fundamental do processo de decisão no problema de planejamento hidrotérmico é saber gerenciar, da melhor forma, o uso dos recursos limitados de água nos reservatórios para geração de energia, de forma a minimizar os custos de geração térmica. Como há uma elevada incerteza nas afluências aos reservatórios, essa é uma decisão bastante difícil, e classificada na literatura como o dilema do decisor.

A figura a seguir ilustra essa questão, onde, para fins de simplicidade de exposição, considera-se uma decisão dicotômica entre gerar muita ou pouca geração térmica no presente, assim como duas situações extremas para a condição hidrológica: excesso ou falta de chuva.

A tomada de decisão tem o objetivo, o tanto quanto possível, de evitar as situações indesejadas ilustradas na figura, ou seja, ecnomizar água nos reservatórios e incorrer em vertimentos por excesso de recursos, ou utilizar água no presente e levar a custos elevados de geração térmica - ou mesmo deficit - por escassez de recursos no futuro.

Custos e Valor das fontes de geração

A busca por minimização de custos de geração térmica leva à necessidade de valoração dos recursos para geração ao longo do tempo, em virtude da forte dependência entre as decisões em diferentes instantes de tempo. De forma geral, os custos das diferentes fontes podem ser categorizados da forma mostrada na figura a seguir:

Os custos/valores das fontes podem ser descritos como segue.

• custos explícitos de geração térmica, que são fornecidos pelos geradores térmicos, na forma de custos unitários (ou incrementais) de geração, mensurados em $/MWh. No setor elétrico esses custos são conhecidos como Custo Variável Unitário (CVU);

• custos marginais implícitos de geração hidrelétrica (CMH), que são obtidos por uma combinação entre os valores da água, em \($/hm3\), que são avaliados principalmnete pelos modelos de mais longo prazo, e a produtividade das usinas, mensuradas em \(MW/(m^3/s)\). Através de uma conversão de unidades, os modelos podem computar implicitamente o CMH em cada usina ao longo do tempo. Entretanto, a grande complexidade em se determinar esse valor é que ele depende das condições operativas não só da própria usina, como armazenamento e vazão turbinada, mas também das usinas a jusante na cascata;

• custos nulos das novas fontes intermitentes, como geração eólica e solar. Uma distinção importante dessas fontes em relação à geração hidrelétrica é que, como não dispõem de armazenamento em larga escala como os reservatórios, a geração deve ser aproveitada no mesmo instante em que o recurso está disponível. Por esse motivo, não se computa o valor do recurso, como no caso das usinas hidrelétricas

Ressalta-se que novos componentes vem surgindo nos sistemas elétricos, como dispositivos de armazenamento, usinas reversíveis e programas de resposta da demanda, como uma forma de melhor gerenciar a grande variabilidade e incerteza horárias das novas fontes de energie renováveis.

Crescimento das Novas Fontes Renováveis

Os sistemas elétricos no mundo têm experimentado grande aumento na participação das novas fontes renováveis, como eólica e solar. Em particular, na matriz elétrica brasileira, as usinas eólicas contavam, em 2023, com mais de 10% da capacidade instalada no Brasil, especialmente na região Nordeste onde, onde devido à recorrente escassez hídrica, tem sido a principal fonte própria de energia na região.

A principal característica das novas fontes renováveis e que incorre em dificuldades para o planejamento e programação da operação, do ponto de vista energético, é a grande incerteza e variabilidade dessas fontes ao longo do dia. Isto traz alguns desafios metodológicos para os modelos de otimização energética, que têm sido estudados e enfrentados pelo Cepel, e que se referem a uma integração mais direta entre os modelos de médio/longo prazos e a programação diária da operação, conforme desctito a seguir.

Referências

Etapas do Planejamento

Planejamento da operação a longo, médio e curto prazos

A divisão macro do planejamento da operação hidrotérmica é motivada pelas particularidades requeridas em cada nível de planejamento. No longo prazo, há uma grande incerteza em relação às energias e vazões afluentes às usinas hidrelétricas, visto que, apesar da sazonalidade marcante das afluências ao longo de um ano, o nível médio em cada mês ao longo dos anos pode oscilar de forma significativa. Já no curto prazo, é de suma importância a representação do sistema em maior detalhes, visto que a configuração do sistema e os dados individuais aos componentes de geração e transmissão são conhecidos com maior precisão.

Exemplos de divisão do problema em vários níveis podem ser encontrados para diversos sistemas reais com participação expressiva de usinas hidrelétricas, como o Brasil 5, Noruega 6, Canadá 7, Chile 8 e Suécia 9. Em 4 faz-se uma descrição dos modelos computacionais de otimização utilizados nos sistemas brasileiro e norueguês, que são os de predominância hidrelétrica com maior nível de complexidade.

Para o planejamento/programação da operação e formação do preço de energia no Brasil, utilizam-se oficialmente os modelos desenvolvidos pelo CEPEL, em particular o Modelo NEWAVE 10, 11, Modelo DECOMP 12 e Modelo DESSEM 13, assim como o modelo SUISHI 14, 15 para a realização de simulações hidrotérmicas mais detalhadas para o longo prazo, conforme ilustrado na Figura 1.4.

A figura a seguir ilustra essas etapas de planejamento no sistema brasileiro, que é mais bem detalhada na seção referente aos Modelos de Otimização Energética do CEPEL desenvolvidos pelo CEPEL. Nos processos de Programa Mensal da Operação (PMO), o ONS e CCEE realizam uma Execução Encadeada dos Modelos.

Incorporação de aspectos da programação diária no planejamento a médio/longo prazos

Devido à elevada dificuldade computacional de se considerar, em um problema de otimização estocástico de longo prazo e de grande porte, uma discretização temporal muito detalhada, alguns trabalhos vêm sendo propostos com o objetivo de considerar os aspectos da operação horária no planejamento de médio/longo prazos por meio de modelos “multi-horizonte” 16, ou pela construção de “funções de custo imediato”, que consigam expressar o impacto da alta variabilidade e/ou incerteza horária das novas fontes renováveis nos custos de operação térmica 17, 18, 19.

Em particular, no trabalho 18 avaliou-se a utilização, no modelo DECOMP, de uma função de custo de geração térmica semanal/mensal calculada com base em diversos cenários de produção eólica horária, levando em consideração alguns aspectos horários da operação, como a rampa de variação na geração de unidades térmicas . Já em 20 apresenta-se uma ferramenta de integração direta entre os modelos NEWAVE e DESSEM, que permite a realização de estudos de planejamento da expansão e operação a médio/longo prazos porém avaliando os impactos da configuração do parque gerador e da política operativa na operação a curtíssimo prazo do sistema, com o modelo DESSEM, que pode se acoplar à FCF do NEWAVE.

As figuras a seguir ilustram as metodologias propostas nesses dois trabalhos.

A importância de se caminhar em busca de uma representação cada vez mais detalhada do sistema nos modelos de longo prazo foi discutida em 21, 22, analisando-se especificamente a representação da transmissão, em sistemas reduzidos e com uma representação bastante simplificada das características de geração das usinas hidrelétricas

Representação da incerteza e modelagem explícita das novas fontes renováveis nos modelos de mais longo prazo

Devido ao aumento na penetração dessas novas fontes renováveis na matriz elétrica brasileira, especialmente na região Nordeste onde, devido à recente escassez hídrica, tem sido a principal fonte própria de energia na região. De qualquer forma, o CEPEL tem desenvolvido diversos esforços para gerar cenários e previsões para gerações dessas fontes, além de melhor representá-las nos modelos energéticos.

Neste sentido, foi desenvolvida uma metodologia para considerar, nos cenários gerados pelo modelo NEWAVE, seja na metodologia PAR(p) ou PAR(p)-A, a incerteza na produção eólica 23, 24. A distribuição de probabilidades dos ventos é construída a partir de dados históricos, utilizando a distribuição de Weibull para modelagem dos ruídos 25 e considerando as correlações espaciais entre os regimes de ventos 26 e destes com as afluências. Os cenários mensais de geração eólica, que podem ter um fator de modularização por patamar, são construídos considerando a relação mensal entre a velocidade do vento e a produção eólica 27. Finalmente, também foi considerada a possibilidade de corte de geração eólica, caso haja excesso de geração no sistema.

Também já está disponível, desde 2021, versão do modelo DECOMP considerando a incerteza de geração eólica, também com a possibilidade de corte de carga.

Tratamento da incerteza e modelagem das novas fontes renováveis no curtíssimo prazo

O Cepel desenvolveu um modelo de previsões probabilísticas da produção de usinas eólicas até 168 horas à frente, denominado VENTOS (vide 27 e referências), que aplica modelos de regressão quantílica especificados como modelos aditivos generalizados. A variável de resposta é a produção horária do gerador eólico, e as variáveis explicativas são funções suaves (splines) dos respectivos valores horários de intensidade e direção do vento. As previsões são obtidas com modelos ajustados às previsões de velocidade de vento oriundas de modelos meteorológicos (Numerical Weather Prediction).

Mais recentemente, foi desenvolvida também uma metodologia para geração de cenários de geração eólica a partir das previsões disponibilizadas diariamente no Sintegre 26, 28.

Em relação à geração solar fotovoltaica, o Cepel contribuiu para o desenvolvimento de uma metodologia para a previsão um dia à frente, com resolução horária 29, 30. A metodologia proposta possui um módulo de tratamento de dados e um modelo de previsão, que se baseia em Máquina de Vetores de Suporte (Support Vector Machine – SVM), onde se faz uma regressão não linear em função de variáveis selecionadas, como previsões meteorológicas da irradiação solar, temperatura e cobertura de nuvens.

Atualmente, o modelo DESSEM considera de forma explícita a modelagem das usinas eólicas, também com a possibilidade de corte de carga (usinas constrained-off), visto que esse artifício oferece um potencial grande de redução de custo e garantia de um despacho físico em função das restrições da rede elétrica, como estudado em 31. Esta funcionalidade é utilizada oficialmente no despacho pelo ONS e formação do preço horário pela CCEE. O modelo também pode considerar as fontes solares e unidades de armazenamento de energia, tendo sido recentemente utilizado para apoiar um estudo econômico sobre a viabilidade de usinas termo-solares 32, 33. Atualmente, o maior desafio em relação é esse aspecto é a consideração da incerteza na geração eólica de forma explícita no modelo.

Mecanismos para mitigação da incerteza das novas fontes renováveis

Além dos desafios mencionados acima, outras transformações vêm ocorrendo no setor elétrico, como o aumento da geração distribuída, o interesse por usinas reversíveis para mitigar a variabilidade das fontes intermitentes, e o incentivo a programas de resposta da demanda (para citar algumas). Ressalta-se que a modelagem de usinas reversíveis pode ser realizada nas versões oficiais dos modelos DECOMP e DESSEM, através da funcionalidade de usinas de bombeamento 31, e a resposta da demanda pode ser emulada na versão atual do DESSEM através de usinas térmicas fictícias, como realizado em 34, 35.

:footcite:`` :footcite:`` :footcite:``

Referências

5

M. E. Maceira, L. A. Terry, F. S. Costa, J. M. Damazio, and A. C. G. Melo. Chain of optimization models for setting the energy dispatch and spot price in the brazilian system. In Proceedings of the 14th Power System Computation Conference - PSCC, volume, 1–7. 2002.

6

O.B. Fosso, A. Gjelsvik, A. Haugstad, B. Mo, and I. Wangensteen. Generation scheduling in a deregulated system. the norwegian case. IEEE Transactions on Power Systems, 14(1):75–81, 1999. doi:10.1109/59.744487.

7

R.A. Ponrajah, J. Witherspoon, and F.D. Galiana. Systems to optimise conversion efficiencies at ontario hydro’s hydroelectric plants. IEEE Transactions on Power Systems, 13(3):1044–1050, 1998. doi:10.1109/59.709097.

8

E. Gil, J. Bustos, and H. Rudnick. Short-term hydrothermal generation scheduling model using a genetic algorithm. IEEE Transactions on Power Systems, 18(4):1256–1264, 2003. doi:10.1109/TPWRS.2003.819877.

9

H. Brannlund, J. A. Bubenko, D. Sjelvgren, and N. Andersson. Optimal short term operation planning of a large hydrothermal power system based on a nonlinear network flow concept. IEEE Transactions on Power Systems, 1(4):75–81, 1986. doi:10.1109/TPWRS.1986.4335019.

10

M. E. P. Maceira, D. D. J. Penna, A. L. Diniz, R. J Pinto, A. C. G. Melo, C. V Vasconcellos, and C. B. Cruz. Twenty years of application of stochastic dual dynamic programming in official and agent studies in brazil - main features and improvements on the newave model. In 20th PSCC - Power Systems Computation Conference. Dublin, Ireland, June 2018.

11

M. E. P. Maceira, V. S. Duarte, D. D. J. Penna, A. C. Moraes, and A. C. G Melo. Ten years of application of stochastic dual dynamic programming in official and agent studies in brazil–description of the newave program. In 16th PSCC - Power Systems Computation Conference. Glasgow,Scotland, Jujy 2008.

12

A. L. Diniz, F. S. Costa, M. E. P. Maceira, T. N. Santos, L. C. Brandão, R. N. Cabral. Short/mid-term hydrothermal dispatch and spot pricing for large-scale systems - the case of brazil. In 20th PSCC - Power Systems Computation Conference. Dublin, Ireland, June 2018.

13

T.N. Santos, A.L. Diniz, C.H. Saboia, R.N. Cabral, and L.F. Cerqueira. Hourly pricing and day-ahead dispatch setting in brazil: the dessem model. Electric Power Systems Research, 189:106709, 2020. URL: https://www.sciencedirect.com/science/article/pii/S0378779620305125, doi:https://doi.org/10.1016/j.epsr.2020.106709.

14

M.E.P. Maceira, F.R.S. Batista, L.F.E. Cerqueira, R.R. Olasagasti, A.C.G. Melo, and L.G.B. Marzano. A probabilistic approach to define the amount of energy to be traded in hydro dominated interconnected systems. In 2018 Power Systems Computation Conference (PSCC), volume, 1–7. 2018. doi:10.23919/PSCC.2018.8442612.

15

CEPEL - Centro de Pesquisas em Energia Elétrica. Modelo SUSIHI - Manual de referência. Technical Report, CEPEL - Centro de Pesquisas de Energia Elétrica, 2021. URL: http://www.cepel.br/produtos/otimizacao-energetica/documentacao-tecnica/.

16

H. Abgottspon. Hydro power planning: Multi-horizon modeling and its applications. PhD thesis, ETH Zurich, 2015.

17

C. N. Metello. Representação analítica da função de custo imediato no SDDP. Master’s thesis, Dissertação de Mestrado - Departamento de Engenharia Elétrica, PUC, Rio de Janeiro, 2016.

18(1,2)

A. A. L. Silva, B. H. Dias, A. L. Diniz, and L. C. Brandão. Modelagem alternativa da função de custo imediato para consideração do despacho horário no problema de planejamento da operação resolvidos por PDD. In XXV SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica. Belo Horizonte, Brasil, 2019.

19

A. Fernandes, E. J. Oliveira, A. L. Marcato, E. Oliveira, and I. C. Silva Jr. Representation of wind energy scenarios in the mid-term hydrothermal systems operation scheduling. Journal of Control, Automation and Electrical Systems, 30:413–423, 2019.

20

M. E. P. Maceira, R. R. Barboza, T. C. Justino, A. L. Diniz, C. B. Cruz, and A. C. G. Melo. Acoplamento entre os modelos de planejamento e programação da operação de sistemas hidrotérmicos interligados (newave e dessem) com a presença de fontes intermitentes. In XXVI SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica, volume, 1–1. 2022.

21

A. Brigatto, A. Street, and D. M. Valladão. Assessing the cost of time-inconsistent operation policies in hydrothermal power systems. IEEE Transactions on Power Systems, 32(6):4541–4550, November 2017. doi:10.1109/TPWRS.2017.2672204.

22

A. W. Rosemberg, A. Street, J. D. Garcia, D. M. Valladão, T. Silva, and O. Downson. Assessing the cost of network simplifications in long-term hydrothermal dispatch planning models. IEEE Transactions on Sustainable Energy, 13(1):196–206, January 2022. doi:10.1109/TSTE.2021.3106810.

23

M. E. P. Maceira, A. C. G. Melo, J. F. M. Pessanha, C. B. Cruz, V. A. Almeida, and T. C. Justino. Uma abordagem para a representação das incertezas da fonte de geração eólica no planejamento da operação de longo e médio prazos - modelo NEWAVE - relatório final. Technical Report, CEPEL - Centro de Pesquisas de Energia Elétrica, 2021. URL: http://www.cepel.br/produtos/otimizacao-energetica/documentacao-tecnica/.

24

A. C. G. Melo, M. E. P. Maceira, J. F. M. Pessanha, C. B. Cruz, V. A. Almeida, and T. C. Justino. Uma metodologia para a representação das incertezas da geração eólica no planejamento da operação de longo e médio prazos. In XXVI SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica. Rio de Janeiro, Brazil, 2022.

25

A. C. G. Melo, M. E. P. Maceira, and J. F. Pessanha. Ajuste de distribuições weibull tri-paramétricas com elevadas assimetrias na geração de velocidades mensais de ventos correlacionadas com vazões na programação dinâmica dual estocástica. adernos do IME – Série Estatística, 49:35–65, 2020. doi:10.12957/cadest.2020.61793.

26(1,2)

J. F. M. Pessanha, A. C. G. Melo, R. J. G. S. B Bessa, and V. A. Almeida. Uma metodologia para geração de cenários de produção eólica compatíveis com as correlações espaciais entre os regimes de ventos. In XXV SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica. Belo Horizonte, Brazil, 2019.

27(1,2)

V. A. Almeida, J. F. M. Pessanha, A. C. G. Melo, and M. E. P. Maceira. Modelagem da relação mensal entre velocidade de vento e produção eólica no modelo newave. In LIII SBPO - Simpósio Brasileiro de Pesquisa Operacional. João Pessoa, Brazil, 2021.

28

J. F. M. Pessanha, A. C. G. Melo, M. E. P. Maceira, and V. A. Almeida. Generation of short-term wind power scenarios from an ensemble of hourly wind speed forecasts. In 17th International Conference on Probabilistic Methods Applied to Power Systems (PMAPS). Manchester, England, 2022.

29

R. P. Caldas, A. C. G. Melo, J. F. M. Pessanha, and D. Falcão. Um modelo de previsão de curto prazo de energia solar fotovoltaica, usando máquina de vetores de suporte (svm). In XXV SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica. Belo Horizonte, Brazil, 2019.

30

J. F. M. Pessanha, A. C. G. Melo, R. P. Caldas, and D. Falcão. A methodology for joint data cleaning of solar photovoltaic generation and solar irradiance. In 16th International Conference on Probabilistic Methods Applied to Power Systems (PMAPS). Liege, Belgium, 2020.

31(1,2)

Cotia B. P., C. L. T Borges, and A. L. Diniz. Optimization of wind power generation to minimize operation costs in the daily scheduling of hydrothermal systems. International Journal of Electrical Power & Energy Systems, 113:539–548, 2019. URL: https://www.sciencedirect.com/science/article/pii/S0142061519301024, doi:https://doi.org/10.1016/j.ijepes.2019.05.071.

32

C. P. Trama, A. L. Diniz, A. P. C. Guimarães, A. O. Pereira Jr, and L. S. R. Vieira. Análise de viabilidade econômica da inserção de plantas heliotérmicas com armazenamento em um sistema hidrotérmico. In XXVII SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica. Brasilia, Brazil, 2023.

33

C. P. Trama, A. O. Pereira Junior, A. P. Guimarães, A. L. Diniz, and L. S. Vieira. Cost–benefit analysis of solar thermal plants with storage in a hydrothermal system. Energies, 14(18):5662, 2021. doi:https://doi.org/10.3390/en14185662.

34

R. Santos, A. L. Diniz, and B. Borba. Assessment of the modeling of demand response as a dispatchable resource in day-ahead hydrothermal unit commitment problems: the brazilian case. Energies, pages 3928, 2022. doi:https://doi.org/10.3390/en15113928.

35

G. M. Longhi, C. L. T. Borges, and A. L. Diniz. Esposta da demanda com deslocamento da carga na programação diária da operação, aplicada ao sistema elétrico brasileiro. In XXVII SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica. Brasilia, Brazil, 2023.