Show simple item record

Professor Advisordc.contributor.advisorWeintraub Pohorille, Andrés
Authordc.contributor.authorPérez Pérez, Carlos Francisco 
Associate professordc.contributor.otherPalma Behnke, Rodrigo
Associate professordc.contributor.otherOrdóñez Pizarro, Fernando
Admission datedc.date.accessioned2017-10-19T14:47:23Z
Available datedc.date.available2017-10-19T14:47:23Z
Publication datedc.date.issued2017
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/145295
General notedc.descriptionMagíster en Gestión de Operaciones. Ingeniero Civil Industriales_ES
Abstractdc.description.abstractEl presente trabajo, trata sobre metodologías de resolución de problemas estocásticos multi-etapa. El objetivo es comparar el algoritmo Stochastic Dual Dynamic Programming (SDDP), con la metodología Progressive Hedging (PH). La diferencia entre metodologías radica en que SDDP corresponde a un algoritmo de descomposición vertical o por períodos, mientras que PH representa una metodología de descomposición horizontal o por escenarios. El estudio se desarrolla en el contexto eléctrico chileno, caracterizado por una red eléctrica compuesta por generadores, demandas y líneas de transmisión. Además de una red hídrica; en la que se modelan todos los generadores hidroeléctricos, flujos hídricos y capacidades de almacenamiento. Para realizar las pruebas, se utilizan instancias de distintos tamaños y horizontes de planificación, bajo el supuesto uninodal (todas las centrales eléctricas y demandas, conectadas a un mismo nodo) y multinodal. Las metodologías fueron testeadas mediante un árbol en común. Los resultados muestran que en general, SDDP presenta tiempos de ejecución mucho menores, atribuibles principalmente al lenguaje de ejecución (Fortran vs Python). En cuanto a la exactitud de la solución, PH muestra un mejor desempeño, con diferencias poco significantes. Un segundo estudio, es la confrontación de generadores de árboles de escenarios. Se compara la metodología actual (nombrada PLP), con dos generadores desarrollados íntegramente en esta investigación. Estas metodologías se basan en probabilidades condicionales por período, y llevan el nombre de Synth y NSG, que corresponden a generación de escenarios sintéticos e históricos, respectivamente. Una de las ventajas de estas metodologías es que consideran tanto la correlación espacial, como la correlación temporal. Bajo escenarios extremos, Synth muestra los menores costos operativos en un 60% de las pruebas realizadas, obteniendo costos comparativos hasta un 7% menores. Por otro lado, bajo escenarios promedios, existe un desempeño muy parecido entre los generadores Synth y PLP, donde PLP muestra mayores ahorros comparativos.es_ES
Lenguagedc.language.isoeses_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 Chile*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/cl/*
Keywordsdc.subjectDistribución de energía eléctricaes_ES
Keywordsdc.subjectMétodos de simulaciónes_ES
Keywordsdc.subjectModelos matemáticoses_ES
Keywordsdc.subjectProgressive Hedginges_ES
Títulodc.titleMétodos de optimización bajo incertidumbre aplicados al problema de coordinación hidro-térmica chilenoes_ES
Document typedc.typeTesis
Catalogueruchile.catalogadorgmmes_ES
Departmentuchile.departamentoDepartamento de Ingeniería Industrial
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES


Files in this item

Icon
Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 Chile
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 Chile