Este trabalho aborda o problema de previsão para séries de vazões médias mensais, no qual denomina-se de horizonte de previsão (h), o intervalo de tempo que separa a última observação usada no ajuste do modelo de previsão e o valor futuro a ser previsto. A análise do erro de previsão é feita em função deste horizonte de previsão. Estas séries possuem um comportamento periódico na média, na variância e na função de autocorrelação. Portanto, considera-se a abordagem amplamente usada para a modelagem destas séries que consiste inicialmente em remover a periodicidade na média e na variância das séries de vazões e em seguida calcular uma série padronizada para a qual são ajustados modelos estocásticos. Neste estudo considera-se para a série padronizada os modelos autorregressivos periódicos PAR (p m). As ordens p m dos modelos ajustados para cada mês são determinadas usando os seguintes critérios: a análise clássica da função de autocorrelação parcial periódica (FACPPe); usando-se o Bayesian Information Criterion (BIC) proposto em (MecLeod, 1994); e com a análise da FACPPe proposta em (Stedinger, 2001). Os erros de previsão são calculados, na escala original da série de vazão, em função dos parâmetros dos modelos ajustados e avaliados para horizontes de previsão h variando de 1 a 12 meses. Estes erros são comparados com as estimativas das variâncias das vazões para o mês que está sendo previsto. Como resultado tem-se uma avaliação da capacidade de previsão, em meses, dos modelos ajustados para cada mês.

This paper addresses the problem of forecasting for monthly mean streamflow series, in which we call the forecast horizon (h), the interval of time between the last observation used in fitting the model prediction and the future value being predicted. The analysis of the forecast error is made on the basis of the forecast horizon. These series have a periodic behavior on average, ariance and autocorrelation function. Therefore, we consider the widely used approach to modeling these series that initially consists of removing the periodicity in mean and variance of the streamflow series and then calculating a standardized series for which stochastic models are adjusted. In this study we consider the series to the standard periodic autoregressive models PAR (p m). Orders p m of the adjusted models for each month are determined from the analysis of periodic partial autocorrelation function (PePACF), using the Bayesian Information Criterion (BIC) applied to PAR models, proposed in (MecLeod, 1994) and analysis of PePACF proposed in (Stedinger, 2001). The forecast errors are calculated on the basis of parameters adjusted and evaluated for forecasting horizons h, ranging from 1 to 12 months on the original scale of the flow series. These errors are compared with estimates of the variances of the flows for the month being predicted. As a result we have an evaluation of the predictive performance in months of the adjusted models for each month.

Este artigo compara o modelo NEWAVE, uma abordagem baseada em programação dinâmica dual estocástica usada no Brasil para o planejamento da operação de médio prazo, com o modelo ODIN (Otimização de Despacho Interligado Nacional), uma abordagem determinística baseada em modelo de controle preditivo. A primeira adota uma representação agregada do sistema e aproximações lineares para possibilitar a aplicação da técnica de programação dinâmica ao sistema brasileiro. A última usa um algoritmo de otimização não linear considerando vazões futuras previstas com uma representação detalhada das usinas individualmente. Dados de fontes oficiais foram usados para formular um caso de estudo sobre o planejamento mensal de Janeiro de 2011 que considera os planos de expansão até dezembro de 2015. Os testes foram realizados por simulação utilizando 75 séries históricos de vazões. Em comparação com o planejamento fornecido pela abordagem estocástica em vigor, a abordagem determinística proposta apresentou desempenho superior devido ao uso mais eficiente dos recursos hídricos, levando a uma operação mais segura e econômica.

This paper compares the NEWAVE model, a stochastic dual dynamic programming based approach used in Brazil for the long term hydropower scheduling of the interconnected Brazilian power system, to the ODIN model (Optimal Dispatch for the Interconnected Brazilian National system), a deterministic approach based on model predictive control. The former adopts a composite representation of the hydro system and piecewise linear approximations to make the application of dynamic programming solution technique possible to the Brazilian system. The latter uses a nonlinear optimization algorithm considering predicted future inflows with a detailed representation of the individual power plants. Data from official sources were used to formulate a case study on the monthly operation planning of January 2011 that considers the projected expansion plans up to December 2015. Tests were performed by simulation using 75 historical inflow scenarios. In comparison to the scheduling provided by the stochastic approach, the proposed deterministic one was found to provide a superior performance due to the more efficient use of water resources, leading to a more secure and economic operation.

Este trabalho apresenta uma nova formulação do problema de fluxo de potência ótimo corrente contínua com restrições de segurança de três tipos: perda de ramo, perda de gerador e múltiplas perdas. A formulação emprega um modelo de fluxo em redes com restrições adicionais de igualdade e desigualdade e função objetivo quadrática separável que é eficientemente resolvido por um método de pontos interiores preditor-corretor. Técnicas de esparsidade são utilizadas para explorar a estrutura matricial do problema. Estudos de caso para o Sistema Interligado Nacional com 3535 barras e 4238 ramos são apresentados e discutidos, a fim de demonstrar que o modelo proposto pode ser resolvido através de um método de pontos interiores de maneira eficiente, fornecendo soluções que respeitam as restrições de segurança em um tempo computacional razoável.

This paper presents a new formulation for the security constrained optimal active power flow problem which enables the representation of three basic constraints: branch outage, generator outage and multiple equipment congestion. It consists of a network model with additional linear equality and inequality constraints and quadratic separable objective function, which is efficiently solved by a predictor-corrector interior point method. Sparsity techniques are used to exploit the matricial structure of the problem.Case studies with a 3,535-bus and a 4,238-branch Brazilian power system are presented and discussed, to demonstrate that the proposed model can be efficiently solved by an interior point method, providing security constrained solutions in a reasonable time.

Este trabalho apresenta uma proposta de identificação de modelos de séries temporais baseada no algoritmo de Informação Mútua Parcial (PMI). Este critério leva em conta tanto as relações lineares, como as relações não-lineares existentes entre as variáveis consideradas na análise. Para o cálculo do PMI é necessário estimar as funções de probablidades marginais e conjunta e o valor esperado. Neste trabalho, essas funções são aproximadas através da função de diferença absoluta em combinação com as funções de kernel. O algoritmo é aplicado na identificação de modelos lineares de séries temporais, assim como na seleção de entradas de um modelo não-linear utilizando redes neurais artificiais. Estes modelos neurais são utilizados na modelagem de séries de vazões médias mensais do Brasil. Os resultados mostram a eficiência do algoritmo, tanto para identificação de modelos lineares como para não-lineares.

In this work, an algorithm for identifying time series models is proposed. The strategy is based on Partial Mutual Information Criterion (PMI), which considers not only linear but also non-linear relations between variables under study. For calculating the PMI criterion, it is necessary to approximate marginal and joint probability densities, as well as conditional expected values. In this work, these operators are estimated using the city-block distance function and product multivariate kernel estimators. The algorithm is applied for identifying time series linear models and for selecting inputs for a non-linear model based on neural networks. The neural model is used for modelling monthly average streamflow series of a Brazilian river. Experimental results show good performance of the proposed approach.

Os métodos de pontos interiores primal-dual e preditor-corretor são desenvolvidos para um modelo de fluxo de potência ótimo DC onde as leis de Kirchhoff são representadas por um problema de fluxo em redes com restrições adicionais. A estrutura matricial resultante é explorada reduzindo o sistema linear a ser resolvido a um sistema da dimensão do número de barras ou, opcionalmente, do número de laços independentes, cuja matriz é invariante ao longo das iterações permitindo que o método tenha uma iteração bastante rápida. Como conseqüência, um sistema linear cuja matriz varia a cada iteração deve ser resolvido. A dimensão deste sistema se reduz ao número de geradores. Resultados numéricos com implementação em C são apresentados para sistemas testes do IEEE e sistemas brasileiros de grande porte. O método de pontos interiores se mostra bastante robusto convergindo rapidamente para todos os casos testados.

The primal-dual and predictor-corrector versions of interior point methods are developed for an optimal DC power flow model where Kirchhoff law's are represented by a network flow model with surrogate constraints. The resulting matrix structure is explored reducing the linear system to be solved either to the number of buses or to the number of independent loops, leading to very fast iterations. Either matrix is invariant and can be factored off-line. As a consequence of such matrix manipulations, a linear system which changes at each iteration must be solved; its size, however, reduces to the number of generating units. Numerical results with C implementation are presented for IEEE test systems and large scale Brazilian systems. The interior point method shows to be robust, achieving fast convergence in all instances tested.