Fuzzy inference systems approach for long term hydrothermal scheduling

O planejamento energético de sistemas hidrotérmicos caracteriza-se pela otimização dos recursos hidráulicos através da maximização da operação hidrelétrica e da minimização da operação térmica. Seu objetivo é garantir um atendimento à carga de maneira econômica e confiável durante todo o horizonte de estudo. Este problema pode ser caracterizado como de natureza complexa, dado que suas características o definem como um problema de grande porte, dinâmico, estocástico e não-linear. Não obstante muitas técnicas já terem sido propostas para solução deste problema, não existe, ainda, uma metodologia unânime que aborde todas essas características com eficiência. A Programação Dinâmica, que é uma das técnicas mais populares utilizadas, tem sua aplicação limitada em sistemas reais, dado que exige um elevado esforço computacional. Neste trabalho, foi proposta uma metodologia alternativa para abordagem do planejamento da operação de médio prazo de sistemas hidrotérmicos. A metodologia proposta é baseada em um Sistema de Inferência Neural-Nebulosa Adaptativo atuando em paralelo com um modelo de otimização determinístico com perfeita previsão de vazão. A informação do otimizador determinístico é utilizada no treinamento da rede, que gera uma base de regra de inferência nebulosa que reproduzirá o comportamento ótimo da usina através da definição da vazão turbinada, em cada estágio, em função das varáveis de entrada estipuladas. A performance da metodologia Neural Nebulosa proposta foi comparada com outras modelagens, como a Programação Dinâmica Determinística, a Programação Dinâmica Estocástica e o Controle de Malha Aberta, através de simulações em cinco usinas hidrelétricas do parque gerador brasileiro considerando as vazões afluentes do histórico. Os resultados indicaram que a metodologia Neural Nebulosa proposta apresentou desempenho similar a abordagens mais tradicionais e que se configuram computacionalmente menos eficienteThe long term hydrothermal scheduling lies in the optimization of the water resource usage through the maximization of the hydroelectric production and the minimization of the thermal plants operation. Its goal is to assure an economic and reliable load supply throughout the study stages. This problem can be characterized by exhibiting a complex nature, since its characteristics define it as a large scale, dynamic, stochastic and nonlinear problem. Although many optimization approaches have already been proposed to answer the hydrothermal scheduling problem, until now, there is no unanimous approach that is able to cope efficiently with all the problem issues. Dynamic Programming, which is one of the most commonly used techniques to deal with this problem, is limited regarding its application on real systems since its computational requirements tend to be heavy. In this work we proposed an alternative approach to deal with the long term hydrothermal scheduling. The proposed technique is based on an Adaptive Neuro-Fuzzy Inference System working in parallel with a deterministic optimization model with perfect inflows forecasting. The optimal operation information is processed by the network that produces fuzzy rules describing the optimal decisions of the plant through the definition of the amount of discharge in each stage and depending on the chosen input variables. The performance of the proposed Neuro-Fuzzy approach was compared to other policies, including Deterministic Dynamic Programming, Stochastic Dynamic Programming and Open- Loop Feedback Control, by simulation using historical inflow records of five different Brazilian hydroelectric power plants. The results demonstrated that the Neuro-Fuzzy approach provided similar and competitive performance to less computationally efficient and commonly used policie