Resumo Técnico: Formulações Estreitas para o Compromisso de Unidades com Diferentes Níveis de Detalhe – Parte I

1. Definição do Problema

O problema do Compromisso de Unidades (Unit Commitment - UC) é um desafio crítico de Programação Linear Inteira Mista (MILP) na gestão de sistemas de potência, visando determinar o cronograma operacional otimizado para geradores (térmicos, nucleares, renováveis, etc.) ao longo de um horizonte de curto prazo (tipicamente 24–48 horas). O problema envolve minimizar os custos operacionais de todo o sistema enquanto satisfaz a demanda e respeita as restrições específicas das unidades, tais como limites de rampa, tempos mínimos de subida/descida (up/down times) e capacidades de partida (start-up) e parada (shut-down).

Apesar de sua importância, o problema de UC enfrenta severas limitações computacionais em aplicações de grande escala, particularmente quando integrado a modelos de investimento ou estruturas estocásticas/robustas. A presença de variáveis binárias (que representam o status de compromisso da unidade) faz com que a complexidade do problema cresça exponencialmente. As abordagens atuais para mitigar isso frequentemente envolvem:

• Redução da Fidelidade do Modelo: Agrupamento de unidades similares ou uso de dias representativos, o que pode introduzir erros ao superestimar a flexibilidade ou subestimar os custos.
• Relaxação da Integralidade: Resolver a Programação Linear (LP) relaxada em vez da MILP, o que pode levar a grandes lacunas de otimalidade (optimality gaps) e soluções inexequíveis na prática.

Existe uma falta de uma visão clara e a priori sobre qual formulação oferece o melhor equilíbrio entre estreitamento (o gap entre a região viável da MILP e sua relaxação LP) e tamanho do modelo (número de variáveis e restrições) para diferentes tipos de geradores e níveis de detalhe.

2. Metodologia

Este artigo (Parte I) foca no desenvolvimento e análise teórica das formulações de UC. Os autores adotam a seguinte abordagem metodológica:

• Classificação por Nível de Detalhe: Os autores categorizam os modelos de UC com base no número de variáveis binárias por período de tempo:
  • Modelos 1bin: Contêm apenas a variável de compromisso ($u_{gt}$).
  • Modelos 2bin/3bin: Incluem variáveis adicionais para partida ($v_{gt}$) e parada ($w_{gt}$).
• Análise do Envelope Convexo (Convex Hull): O objetivo principal é identificar formulações baseadas no envelope convexo da região viável. A formulação mais estreita corresponde ao envelope convexo. No entanto, como encontrar o envelope convexo completo muitas vezes exige um número exponencial de restrições, os autores focam em subconjuntos de facetas que:
  1. Descrevam o envelope convexo (ou uma aproximação estreita) para subproblemas específicos (ex: rampas, capacidades de partida).
  2. Mantenham um tamanho de modelo similar ao da menor formulação válida.
• Provas Teóricas: O artigo fornece novas provas e insights teóricos sobre a estreiteza de formulações bem conhecidas. Utiliza técnicas como eliminação de Fourier-Motzkin e programação disjuntiva (método de Balas) para derivar e verificar descrições de envelope convexo para problemas de unidade única ao longo de dois períodos de tempo.
• Limitação de Escopo: Todos os insights teóricos sobre estreiteza são derivados para um problema operacional de unidade única, excluindo a restrição de balanço de energia de todo o sistema. A função objetivo é geralmente considerada irrelevante para a determinação do envelope convexo, a menos que especificado.

3. Principais Contribuições

O artigo apresenta quatro contribuições específicas, sendo as contribuições 1 e 2 detalhadas na Parte I:

1. Visão Estruturada de Modelos de UC: Os autores apresentam uma taxonomia estruturada de modelos de UC com variados níveis de detalhe (desde limites básicos de geração até trajetórias complexas de partida). Para cada nível, eles propõem formulações específicas que atendem a um equilíbrio entre estreiteza e tamanho.
2. Insights Teóricos e Provas:
   • Rampa: Novas provas são fornecidas para a estreiteza das restrições de rampa. O artigo estabelece que formulações específicas (Modelo I-E-T) constituem o envelope convexo de dois períodos para subida e descida de rampa.
   • Custos de Partida/Parada: O artigo analisa duas formulações comuns para modelar custos de partida e parada (Modelo II e Modelo II-S). Prova-se que, embora o Modelo II-S possua menos restrições, ambas as formulações definem o mesmo espaço de solução na direção da função objetivo, tornando-as igualmente estreitas para fins de otimização.
   • Capacidades: O artigo apresenta as formulações de envelope convexo 1bin e 3bin para capacidades de partida e parada (saída máxima durante a partida/parada), provando que combinações específicas de restrições (ex: Modelo I-E2-T e Modelo II-E2) definem o envelope convexo para problemas de dois períodos.
3. Comparação de Formulações: O artigo compara diretamente diferentes formulações para o mesmo problema (ex: 1bin vs. 3bin, ou diferentes conjuntos de facetas) para destacar diferenças teóricas de estreiteza e tamanho.
4. Fundação para a Parte II: Este trabalho estabelece a base teórica para a Parte II, que compara numericamente esses modelos em contextos operacionais e de investimento de grande escala.

4. Resultados e Formulações

O artigo define vários modelos específicos, variando do básico ao estendido:

• Nível I (Modelos 1bin):

  • Modelo I: Limites básicos de geração. Provado como a formulação mais estreita possível para seu escopo.
  • Modelo I-E: Adiciona restrições de rampa.
  • Modelo I-E-T: Uma versão mais estreita do Modelo I-E, incluindo facetas adicionais para rampa de subida/descida. Provado como o envelope convexo de dois períodos.
  • Modelo I-E2: Inclui rampas e capacidades de partida/parada.
  • Modelo I-E2-T: A versão mais estreita, provada como o envelope convexo de dois períodos para rampas e capacidades.

• Nível II (Modelos 3bin):

  • Modelo II: Inclui variáveis e custos de partida/parada. Provado como a formulação mais estreita para este escopo.
  • Modelo II-S: Uma formulação alternativa usando variáveis de custo contínuas em vez de variáveis binárias de partida. O Teorema III.4 prova que ele é igualmente estreito que o Modelo II na direção da função objetivo, embora defina um envelope convexo não limitado sem a restrição superior $u_t \leq 1$.
  • Modelo II-E: Adiciona restrições de tempo mínimo de subida/descida (up/down times). Provado como a formulação mais estreita para este escopo (tamanho linear).
  • Modelo II-E2: O modelo 3bin mais detalhado, incorporando rampas, capacidades de partida/parada e tempos mínimos de subida/descida. O Teorema III.5 prova que ele define o envelope convexo para dois períodos.
  • Modelo II-E3: Estende o Modelo II-E2 para incluir trajetórias de partida e parada (rampas de múltiplos períodos para atingir a saída mínima), provado como definidor do envelope convexo de dois períodos.

Principais Achados Teóricos:

• Para problemas de unidade única, as relaxações LP dos Modelos I, II e II-E descrevem o envelope convexo de seus respectivos espaços viáveis.
• Para problemas de dois períodos, os Modelos I-E-T, I-E2-T e II-E2 descrevem o envelope convexo.
• Relaxar a integralidade das variáveis de partida/parada (de binária para contínua) não altera o conjunto viável do MIP, mas os solvers modernos podem se beneficiar ao mantê-las como inteiras para estratégias de ramificação (branching).
• Modelos 3bin podem ser reescritos como modelos 2bin (eliminando a variável de parada) sem perder a estreiteza, embora o número de restrições possa variar.

5. Significância e Alegações

O artigo alega que sua principal significância reside em fornecer uma estrutura fundamentada teoricamente para a seleção de formulações de UC. Ao definir modelos com diferentes níveis de detalhe e provar suas propriedades de estreiteza, os autores permitem que os modeladores:

• Selecionem o nível de detalhe mais apropriado para geradores específicos ou escalas de problemas sem sacrificar desnecessariamente a eficiência computacional.
• Compreendam os compromissos entre tamanho de modelo e estreiteza a priori, em vez de depender apenas de testes computacionais a posteriori, que podem depender do solver e não serem generalizáveis.
• Incorporem detalhes operacionais de alta fidelidade em modelos de investimento de grande escala (como demonstrado na Parte II) mantendo-se dentro dos limites computacionais.

Os autores enfatizam que, embora encontrar o envelope convexo total seja frequentemente intratável devido ao crescimento exponencial, as formulações propostas oferecem o "melhor" equilíbrio ao utilizar subconjuntos de facetas que são similares em tamanho às menores formulações válidas, mas significativamente mais estreitas que as relaxações padrão. Este trabalho visa guiar a seleção de modelos de UC que sejam computacionalmente eficientes, porém precisos o suficiente para evitar a superestimação da flexibilidade do sistema e a subestimação de custos, problemas frequentemente encontrados em modelos de investimento simplificados.