Optimizacin bajo incertidumbre

Andrs Ramos, Antonio Alonso-Ayuso, Gloria Prez (eds.) Red Temtica de Optimizacin bajo Incertidumbre (ReTOBI) http://www.optimizacionbajoincertidumbre.org/

ndice general
Prlogo
XIII

I Teora
1. Introduccin 2. Ejemplos de aplicacin 2.1. Caractersticas de problemas estocsticos multiperiodo . . . . . . . . . . . 2.2. Revisin de carteras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3. Modelo de bonos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4. Modelo de gestin de activos y pasivos . . . . . . . . . . . . . . . . . . . 2.5. Planicacin de la produccin . . . . . . . . . . . . . . . . . . . . . . . . 2.6. Planicacin de la expansin de sistemas de generacin de energa elctrica 2.7. Planicacin de generacin de energa hidrotrmica . . . . . . . . . . . . 2.8. Control de fundicin: optimizacin de costes . . . . . . . . . . . . . . . . 3. Modelizacin estocstica 3.1. Problemas lineales deterministas . . . . . . . 3.2. Problemas lineales estocsticos . . . . . . . . 3.3. Espacios de probabilidad y variables aleatorias 3.4. Decisiones y tipos de recurso . . . . . . . . . 3.5. Principio de no anticipatividad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1
3 9 10 11 11 12 13 14 15 16 19 20 21 22 24 25

3.6. 3.7. 3.8. 3.9.

Modelo determinista equivalente . . . . . . Modelos estocsticos y propiedades . . . . . Caracterizacin de las soluciones estocsticas Introduccin al riesgo y sus medidas . . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

28 32 36 41

II Mtodos de resolucin
4. Mtodos de resolucin para programacin lineal 4.1. Descomposicin de Benders . . . . . . . . . . 4.2. Descomposicin de Dantzig-Wolfe . . . . . . 4.3. Relajacin lagrangiana . . . . . . . . . . . . 4.4. Descomposicin Primal-Dual . . . . . . . . . 4.5. Descomposicin anidada . . . . . . . . . . . 4.6. Descomposicin lagrangiana aumentada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43
45 46 53 58 63 64 69

5. Mtodos de resolucin para programacin entera mixta 5.1. Branch-and-Bound . . . . . . . . . . . . . . . . . . . . . . . 5.2. BFC. Deniciones y esquema algortmico . . . . . . . . . . . . 5.3. BFC y descomposicin lagrangiana para problemas 0-1 mixtos . 5.4. Procedimiento heurstico miope . . . . . . . . . . . . . . . . . 5.5. FRC para programacin estocstica entera . . . . . . . . . . . 5.6. Metodologa heurstica de programacin dinmica estocstica .

73 . 74 . 76 . 79 . 93 . 94 . 101

III Casos de aplicacin

6. Seleccin de carteras 6.1. Solucin no anticipativa. Modelo estocstico . . . . . . . . . . . 6.2. Caso de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3. Valor de la informacin perfecta y valor de la solucin estocstica 6.4. Estrategia de inmunizacin . . . . . . . . . . . . . . . . . . . . 6.5. Apndice A . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.6. Apndice B . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. Planicacin agrcola 8. Planicacin a medio plazo de la generacin elctrica 8.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . 8.2. Planicacin de la explotacin . . . . . . . . . . . . . 8.3. Papel de la incertidumbre . . . . . . . . . . . . . . . . 8.4. Modelo de planicacin de la explotacin a medio plazo 8.5. Caso ejemplo de modelo estocstico . . . . . . . . . . 8.6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

113
115 119 121 126 130 130 135 139 149 149 150 153 157 167 174

9. Contratacin a plazo para productores elctricos: Ejemplo 177 9.1. Mercados de energa elctrica y contratacin a plazo . . . . . . . . . . . . . . . . . . 177 9.2. Caso ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180 9.3. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184

II

ReTOBI 2008 - Optimizacin bajo incertidumbre

NDICE GENERAL

10. Sector qumico: problema 10.1. Conversaciones con tu jefe . . . . . . . . . . . . . . . 10.2. Anlisis previo . . . . . . . . . . . . . . . . . . . . . . 10.3. Modelo utilizado . . . . . . . . . . . . . . . . . . . . . 10.4. Representacin del modelo en un lenguaje de ordenador 10.5. Anlisis de los resultados . . . . . . . . . . . . . . . . 10.6. Planteamientos alternativos . . . . . . . . . . . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

187 188 189 195 200 204 205

IV Aplicaciones prcticas en la industria

11. Finanzas. Estructuracin de una cartera de ttulos nancieros 11.1. Modelo nanciero bajo un escenario . . . . . . . . . . . . 11.2. Modelo estocstico bietapa 01 mixto . . . . . . . . . . . . 11.3. Esquema algortmico . . . . . . . . . . . . . . . . . . . . 11.4. Caso ilustrativo . . . . . . . . . . . . . . . . . . . . . . . 11.5. Experiencia computacional . . . . . . . . . . . . . . . . . 11.6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . 11.7. Apndice 1. Tcnica binomial reticular . . . . . . . . . . . 11.8. Apndice 2. Duracin de Macaulay . . . . . . . . . . . . . 11.9. Apndice 3. Convexidad . . . . . . . . . . . . . . . . . . . 12. Problema estocstico de secuenciacin y planicacin 12.1. Denicin del problema . . . . . . . . . . . . . . 12.2. Modelo determinista equivalente . . . . . . . . . 12.3. Reforzamiento del modelo . . . . . . . . . . . . . 12.4. Resultados computacionales . . . . . . . . . . . . 12.5. Conclusiones . . . . . . . . . . . . . . . . . . . 13. Planicacin de la produccin bajo incertidumbre 13.1. Denicin del problema . . . . . . . . . . . . . 13.2. Modelo 0-1 mixto desagregado con recurso total 13.3. Modelo 0-1 mixto agregado con recurso total . . 13.4. Experiencia computacional . . . . . . . . . . . 13.5. Conclusiones . . . . . . . . . . . . . . . . . . 14. Modelo hidrotrmico detallado 14.1. Introduccin . . . . . . . . . . . . . . . 14.2. Descomposicin en forma de L . . . . . 14.3. Descomposicin de Benders multietapa . 14.4. Programacin dinmica dual estocstica 14.5. Resultados numricos . . . . . . . . . . 14.6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

207
209 211 221 224 243 248 257 258 260 264 267 269 271 276 278 281 287 287 288 291 292 295 307 307 308 310 313 320 327

15. Modelado de la generacin elica en la planicacin de la generacin a medio plazo en un 329 mercado liberalizado 15.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329 15.2. Planicacin de la generacin elctrica a medio plazo . . . . . . . . . . . . . . . . . 331 15.3. Estocasticidad en el medio plazo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339 15.4. Mercado elctrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342 15.5. Ejemplo de aplicacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349 ReTOBI 2008 - Optimizacin bajo incertidumbre
III

15.6. Conclusiones

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359 359 362 365 370 373 373 374 377 382 387

16. Contratacin a plazo para productores elctricos: Modelo detallado 16.1. Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16.2. Formulacin detallada . . . . . . . . . . . . . . . . . . . . . . . 16.3. Caso de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . 16.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . 17. Distribucin de hidrocarburos 17.1. Problema . . . . . . . . . . . . . . . . . . . . . . . . . 17.2. Datos . . . . . . . . . . . . . . . . . . . . . . . . . . 17.3. Modelo utilizado . . . . . . . . . . . . . . . . . . . . . 17.4. Representacin del modelo en un lenguaje de ordenador 17.5. Anlisis de los resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18. Problema estocstico de rutas de vehculos 389 18.1. Problemas de Rutas de Vehculos Estocsticos . . . . . . . . . . . . . . . . . . . . . 389 18.2. Problema de entregas con demandas estocsticas . . . . . . . . . . . . . . . . . . . . 393 18.3. Problemas de recogidas y entregas con demandas estocsticas . . . . . . . . . . . . . 402 19. Manejo de pesqueras. Cuotas de captura 19.1. Introduccin. . . . . . . . . . . . . . . 19.2. Pesquera del langostino colorado . . . 19.3. Modelo de Programacin Estocstica . 19.4. Resultados . . . . . . . . . . . . . . . 19.5. Comentarios nales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405 405 406 408 410 412

Software
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

415
417 418 421 428 430 434 437

20. OLE-G: Optimizador Lineal Estocstico orientado a Grid 20.1. Entornos grid . . . . . . . . . . . . . . . . . . . . . . 20.2. Descomposicin por escenarios completos . . . . . . . 20.3. Descripcin de la herramienta OLE-G . . . . . . . . . . 20.4. Caso ejemplo . . . . . . . . . . . . . . . . . . . . . . 20.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . Bibliografa

IV

ReTOBI 2008 - Optimizacin bajo incertidumbre

ndice de guras
3.1. 3.2. 3.3. 3.4. 3.5. 5.1. 5.2. 5.3. 5.4. 5.5. 5.6. rbol de escenarios . . . . . . . . . . Principio de no anticipatividad . . . . Grupos de escenarios . . . . . . . . . Estructura de la formulacin compacta Estructura de la formulacin extendida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 26 27 30 31 78 98 104 106 110 111

Esquema de Ramicacin y Fijacin Coordinado,BFC Niveles FR . . . . . . . . . . . . . . . . . . . . . . . rbol de escenarios multi periodo . . . . . . . . . . . Curvas EF V . . . . . . . . . . . . . . . . . . . . . rbol de escenarios multiperiodo, 3 etapas . . . . . . rbol de escenarios multi periodo, etapa e = 1 . . . .

6.1. rbol de escenarios. Seleccin de carteras . . . . . . . . . . . . . . . . . . . . . . . 122 8.1. 8.2. 8.3. 8.4. 8.5. 8.6. Ejemplo de la curva horaria de la demanda programada y real (www.ree.es). . . . . Ejemplo de rbol de escenarios binario de tres etapas . . . . . . . . . . . . . . . . . . Demanda horaria de una semana y diferenciacin por tipo de hora. . . . . . . . . . . . Montonas de carga de cada subperodo. . . . . . . . . . . . . . . . . . . . . . . . . Coherencia de arranques-acoplamientos-paradas en el modelo de medio plazo. . . . . Curva input-output de un grupo trmico que permite obtener el gasto de combustible expresado en termias por hora, en funcin de la potencia bruta producida. . . . . . . . 150 156 159 159 161 162

8.7. 8.8. 8.9. 8.10. 8.11. 8.12.

Modelo agregado de una cuenca hidrulica. . . . . . . . . . . . . . . . . . . . . . . . Estructura del rbol de escenarios empleado en el caso ejemplo. . . . . . . . . . . . . Aportaciones del rbol de escenarios de la hidrulica regulable. . . . . . . . . . . . . Aportaciones del rbol de escenarios de la hidrulica uyente. . . . . . . . . . . . . . Grco de tecnologas empleadas para cubrir la demanda en el escenario ms seco. . . Grco de tecnologas empleadas para cubrir la demanda en un escenario de aportaciones medias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.13. Grco de tecnologas empleadas para cubrir la demanda en el escenario ms hmedo. 9.1. Ejemplo de rbol de escenarios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2. Marco de decisin bietapa para un productor de energa elctrica que participa en los mercados a plazo y diario. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.3. Benecio esperado y variabilidad del mismo. . . . . . . . . . . . . . . . . . . . . . . 9.4. Ejemplo: frontera eciente entre el valor esperado y la desviacin tpica del benecio. .

164 168 169 169 170 171 171 179 180 181 184

10.1. Superestructura del proceso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 11.1. Ejemplo con tres variables binarias y dos escenarios . . . . . . . . . . . . . . . . . . 226 11.2. Esquema de Ramicacin-y-Fijacin Coordinada, BFC . . . . . . . . . . . . . . . . 227 11.3. Esquema algortmico de la Descomposicin de Benders . . . . . . . . . . . . . . . . 235 11.4. Algoritmo Ramicacin-y-Fijacin Coordinada, BFC . . . . . . . . . . . . . . . . . 241 11.5. Tipo de inters rt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243 11.6. Algoritmo BFC-DB en ejemplo ilustrativo . . . . . . . . . . . . . . . . . . . . . . . 248 11.7. BF C vs OSL y BF C B vs OSL, caso P6 . . . . . . . . . . . . . . . . . . . . . . . 255 11.8. BF C vs OSL y BF C B vs OSL, caso P9 . . . . . . . . . . . . . . . . . . . . . . . 256 11.9. Comparacin, en trminos de tiempo de CPU, en 15 problemas estocsticos de dos etapas257 11.10.Comparacin, en trminos de tiempo de CPU, en 10 problemas estocsticos de dos etapas258 11.11.Tcnica binomial reticular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259 11.12.Relacin variacin precios-tipos de inters . . . . . . . . . . . . . . . . . . . . . . . 265 12.1. rbol de escenarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270 14.1. rbol de escenarios. . . . . . . . . . . . . . . . . . . . . 14.2. rbol de escenarios recombinante. . . . . . . . . . . . . 14.3. rbol de escenarios recombinante. . . . . . . . . . . . . 14.4. rbol de escenarios recombinante. . . . . . . . . . . . . 14.5. Escenario resuelto en la pasada hacia adelante de la SDDP. 14.6. Nodos resueltos en la pasada hacia atrs de la SDDP. . . . 14.7. rboles recombinantes para 2 y 4 escenarios. . . . . . . . 14.8. rboles recombinantes para 8 y 16 escenarios. . . . . . . 14.9. rboles recombinantes para 32 y 64 escenarios. . . . . . 14.10.Evolucin SDDP. . . . . . . . . . . . . . . . . . . . . . 14.11.Evolucin SDDP. . . . . . . . . . . . . . . . . . . . . . 14.12.Evolucin SDDP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311 312 315 316 319 319 323 323 324 324 325 325

15.1. Embalse de salto constante y red hidrulica replicada equivalente . . . . . . . . . . . 332 15.2. Carga horaria (arriba) y montona de cargas (abajo) que es ms fcil de predecir . . . 334 15.3. MC (lnea punteada) y montona de generaciones de una semana en un caso real con 32 unidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337

VI

ReTOBI 2008 - Optimizacin bajo incertidumbre

NDICE DE FIGURAS

15.4. Montona de generacin y generacin elica correspondiente (izquierda) y montona de generacin elica y estimacin de la potencia cuya probabilidad de ser constante es del 10 % (derecha). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338 15.5. rbol de escenarios completo para un problema con cuatro subperodos y tres niveles . 340 15.6. Carga casada horaria y precio de mercado, y funcin de precio de mercado segn duracin de la carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344 15.7. Funcin de precio de mercado respecto a duracin de la carga para un subperodo y remuneracin de la generacin de la unidad j. . . . . . . . . . . . . . . . . . . . . . 345 15.8. Media mvil semanal de precio de mercado (lnea) y generacin hidrulica (rea) durante 2007 en Espaa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 346 15.9. Serie de precios ordenada segn carga decreciente (MC) y ajuste lineal para cada subperodo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351 15.10.Datos usados para generar escenarios hidrulicos. . . . . . . . . . . . . . . . . . . . 351 15.11.rbol completo: 4 subperodos, 3 niveles y 27 escenarios (nudos hoja). . . . . . . . . 351 15.12.Montonas de generacin elica en cada subperodo y unidad estimada. . . . . . . . . 352 15.13.Montonas de carga en cada subperodo una vez rebajada la parte aleatoria de la generacin elica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353 15.14.rbol de escenarios de barras apiladas para cada nudo. Cada la representa un subperodo.354 15.15.Variacin de la generacin hidrulica segn los subperodos. . . . . . . . . . . . . . . 355 15.16.Histograma de benecios y valor de la solucin esperada. . . . . . . . . . . . . . . . 355 16.1. 16.2. 16.3. 16.4. 16.5. Benecio esperado ptimo en funcin de su desviacin tpica . . . . . . . . . . . . . Precios del mercado diario y precios de los contratos a plazo. . . . . . . . . . . . . . Benecio esperado en funcin del nmero de escenarios. . . . . . . . . . . . . . . . . Potencia contratada en el mercado a plazo ( = 0). . . . . . . . . . . . . . . . . . . . Evolucin de la potencia contratada en el mercado a plazo a medida que el riesgo cobra mayor relevancia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16.6. Evolucin del benecio esperado en funcin de la desviacin tpica del benecio. . . . 365 368 368 369 369 370

17.1. Mapa de situacin de elementos productivos . . . . . . . . . . . . . . . . . . . . . . 374 18.1. 18.2. 18.3. 18.4. 18.5. 20.1. 20.2. 20.3. 20.4. 20.5. 20.6. 20.7. 20.8. Ejemplo del Vendedor de Aguas . . . . . . . . . . . . . . . . . . Solucin del Ejemplo del Vendedor de Aguas para el Escenario 1 Solucin del Ejemplo del Vendedor de Aguas para el Escenario 2 Solucin del Ejemplo del Vendedor de Aguas para el Escenario 3 Solucin Estocstica del Ejemplo del Vendedor de Aguas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395 396 396 397 397 423 423 424 428 430 431 432 433 433 434

Descomposicin por escenarios completos del rbol de escenarios ejemplo . . . . . . Aproximacin de la funcin de recurso (1a etapa) . . . . . . . . . . . . . . . . . . . . Aproximacin de la funcin de recurso (2a etapa) . . . . . . . . . . . . . . . . . . . . Propagacin de soluciones en la descomposicin por escenarios completos . . . . . . rbol de 16 escenarios para el problema de coordinacin hidrotrmica . . . . . . . . . Estructura en bloques de la matriz de restricciones (detalle) . . . . . . . . . . . . . . Descomposicin por escenarios del rbol de escenarios ejemplo . . . . . . . . . . . . Cronograma de la descomposicin por escenarios parciales en el grid con un rbol de ocho escenarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20.9. Cronograma de la descomposicin por escenarios completo en el grid con un rbol de ocho escenarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20.10.Cronograma de la descomposicin por escenarios parciales en el grid con un rbol de 16 escenarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

ReTOBI 2008 - Optimizacin bajo incertidumbre

VII

20.11.Cronograma de la descomposicin por escenarios completos en el grid con un rbol de 16 escenarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 435

VIII

ReTOBI 2008 - Optimizacin bajo incertidumbre

ndice de cuadros
8.1. Decisiones de operacin y de mercado para diferentes alcances temporales. . . . . . . 151 8.2. Decisiones de gasto de la hidrulica regulable para el primer perodo de cada escenario individual y el problema estocstico . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 9.1. 9.2. 9.3. 9.4. 9.5. 9.6. Ejemplo: escenarios de precios del mercado diario (e/MWh). . . Ejemplo: datos de la unidad de generacin. . . . . . . . . . . . . Ejemplo: datos de los contratos a plazo. . . . . . . . . . . . . . . Ejemplo: potencia contratada mediante contratos a plazo (MW). . Ejemplo: energa generada/vendida en el mercado diario (MWh). Ejemplo: valor esperado y desviacin tpica del benecio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 182 183 183 183 184 191 191 192 192 193 193 194 194 195 204 205 205

10.1. Precios y composiciones de materias primas . . . . . . . . . . . . . . . . . . . . . . 10.2. Precios, composiciones y lmites de ventas . . . . . . . . . . . . . . . . . . . . . . . 10.3. Costes jos del reactor R1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.4. Costes variables y lmites del nivel de funcionamiento del reactor R1 . . . . . . . . . 10.5. Coecientes de funcionamiento del reactor R1 . . . . . . . . . . . . . . . . . . . . . 10.6. Fraccin maxima de nivel de funcionamiento convertido en el reactor R1 . . . . . . . 10.7. Costes jos de la columna de destilacin D1 . . . . . . . . . . . . . . . . . . . . . . 10.8. Costes variables y lmites del nivel de funcionamiento de la columna de destilacin D1 10.9. Coecientes de funcionamiento de la columna de destilacin D1 . . . . . . . . . . . 10.10.Modos de funcionamiento de las unidades del proceso . . . . . . . . . . . . . . . . . 10.11.Producciones del proceso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.12.Comparacin de resultados deterministas y estocsticos . . . . . . . . . . . . . . . .
IX

11.1. 11.2. 11.3. 11.4. 11.5. 11.6. 11.7. 11.8. 11.9. 12.1. 12.2. 12.3. 12.4. 12.5.

Dimensiones del banco de pruebas . . . . . . . . . . Dimensiones del Modelo Determinista Equivalente . . Dimensiones de los modelos por racimos de escenarios Dimensiones de los modelos por escenario . . . . . . Solucin estocstica . . . . . . . . . . . . . . . . . . Esfuerzo computacional . . . . . . . . . . . . . . . . Solucin inicial alternativa . . . . . . . . . . . . . . Ejecucin del esquema BFC, caso P6 . . . . . . . . . Ejecucin del esquema BFC, caso P9 . . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

250 250 251 251 252 253 254 255 256 279 282 283 284 285 292 292 296 297 297 298 299 300 301 302 302 303 304 305 305 306

Dimensiones de las instancias . . . . . . . . . . . . . . . . . Dimensiones del Modelo Determinista Equivalente MDE . . . Solucin Estocstica. q=16 clusters (racimos) de escenarios . Dimensiones del Modelo por clusters (racimos) de Escenarios Solucin estocstica variando el valor del parmetro q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13.1. Dimensiones del problema. Caso estocstico . . . . 13.2. Dimensiones de los modelos. Caso estocstico . . . 13.3. Resultados con CPLEX. Caso estocstico . . . . . . 13.4. Dimensiones del problema. Caso determinista. . . . 13.5. Dimensiones de los modelos. Caso determinista. . . 13.6. Resultados CPLEX. Caso determinista. . . . . . . . 13.7. Dimensiones del problema. 1er grupo de instancias . 13.8. Dimensin MDE. 1er grupo de instancias . . . . . . 13.9. Solucin. 1er grupo de instancias . . . . . . . . . . 13.10.Dimensiones subproblemas MIP . . . . . . . . . . 13.11.Dimensiones del problema. 2ndo grupo de instancias 13.12.Dimensin MDE. 2ndo grupo de instancias . . . . . 13.13.Solucin. 2ndo grupo de instancias . . . . . . . . . 13.14.Dimensiones del problema. 3er grupo de instancias . 13.15.Dimensin DEM. 3er grupo de instancias . . . . . . 13.16.Solucin. 3er grupo de instancias . . . . . . . . . .

14.1. Comparacin de los mtodos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326 15.1. Caractersticas tcnicas de las unidades . . . . . . . . . . . . . . . . . . . . . . . 15.2. Valores de aportaciones naturales de agua en MWh en cada nudo y probabilidad ocurrencia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.3. Benecios esperados y probabilidad en cada escenario (5942010933 ede media). . . . 350 de . . 352 . . 356

16.1. Tamao del problema del productor . . . . . . . . . . . . . . . . . . . . . . . . . . 364 16.2. Caractersticas de la unidades trmicas de generacin . . . . . . . . . . . . . . . . . . 366 16.3. Precios de los contratos a plazo consistentes en dos bloques de 70 MW cada uno . . . 367 17.1. 17.2. 17.3. 17.4. 17.5. 17.6. Capacidad de produccin de crudo estimada . . . Coste variable de extraccin de crudo . . . . . . . Productos fabricados (t/t crudo) . . . . . . . . . . Posibles nuevos oleoductos . . . . . . . . . . . . Coste variable de transporte por oleoducto . . . . Coste variable y duracin de transporte por buque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375 375 375 376 376 377

ReTOBI 2008 - Optimizacin bajo incertidumbre

NDICE DE CUADROS

17.7. Precios de venta de productos y crudos . . . . . . . . . . . . . . . . . . . . . . . . . 377 17.8. Demanda mxima de productos y crudos . . . . . . . . . . . . . . . . . . . . . . . . 378 17.9. Viajes realizados por los buques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387 20.1. Resultado para coord. hidrotrmica (16 esc. agrupados, ocho equipos) . . . . . . . . . 432 20.2. Resultado para coord. hidrotrmica (16 esc. agrupados, diez equipos) . . . . . . . . . 434

ReTOBI 2008 - Optimizacin bajo incertidumbre

XI

Prlogo
La estocasticidad o incertidumbre aparece en todos los sistemas pero hasta ahora no era posible la solucin de problemas de optimizacin de grandes sistemas considerando explcitamente sta. La incertidumbre puede deberse a carencia de datos ables, errores de medida o tratarse de parmetros que representan informacin sobre el futuro. Por ejemplo, en el caso de planicacin de sistemas de energa elctrica la incertidumbre surge principalmente en: la demanda y precios futuros de la electricidad o de los combustibles, las aportaciones hidrulicas o la disponibilidad de los elementos de generacin y red. No toda la incertidumbre se encuentra en el mismo horizonte temporal. En optimizacin determinista se supone que los parmetros del problema son conocidos con certeza, aunque sea a su valor medio. En optimizacin estocstica (stochastic optimization SP) se relaja esta condicin. No se conocen sus valores, slo sus distribuciones y habitualmente se supone que stas son discretas con un nmero nito de estados posibles. La suposicin de distribuciones discretas es habitual en los optimizadores de optimizacin estocstica. Actualmente no existen aplicaciones estndar o comerciales, potentes y ables, para resolver problemas estocsticos. Todava no es un campo en desarrollo. Los tipos de modelos que aparecen en programacin lineal estocstica son motivados principalmente por problemas con decisiones de tipo aqu y ahora (here and now), decisiones previas bajo futuro incierto. Esto es, decisiones que deben tomarse basndose en informacin a priori, existente o supuesta, sobre situaciones futuras sin realizar observaciones adicionales. Recurso es la capacidad de tomar una accin correctora despus de que haya ocurrido un suceso aleatorio. Por ejemplo, se toman hoy un conjunto de decisiones con
XIII

valores de los parmetros conocidos (es decir, deterministas), durante la noche se producen unos sucesos aleatorios (exgenos) y maana se toman un conjunto de acciones correctoras que mitigan (corrigen) los efectos de los sucesos aleatorios sobre las decisiones de hoy. Es habitual encontrarse con situaciones en las que se debe abordar un proceso de toma de decisiones en un entorno no totalmente determinista. Son muchos los casos que podran ser citados a modo de ejemplo: planicacin de la produccin, distribucin de canales de riego, distribucin y gestin de la red elctrica, logstica y planicacin de comunicaciones, problemas de localizacin de plantas o determinados recursos econmicos, administracin de inversiones en carteras de valores nancieros, mercados de divisas, etc. Todos estos problemas podran ser abordados despreciando la incertidumbre inherente a cada uno de ellos, pero estaramos asumiendo el cumplimiento de unas hiptesis que podran ser violadas en la realidad. En este texto se aborda el entorno de incertidumbre que rodea a dichos problemas, a travs de una disciplina dentro de la optimizacin denominada Programacin Estocstica va Anlisis de Escenarios. Bajo dicho anlisis, se determinan un nmero nito de clases representando las componentes estocsticas de aquellos elementos o parmetros aleatorios del proceso de decisin. Estas clases generan diferentes entornos deterministas del problema a los cuales denominaremos escenarios. El objetivo de este texto es entre otros, profundizar en el estudio de los conceptos, tecnologas y desarrollos algortmicos que permitan introducir un adecuado tratamiento de la incertidumbre en problemas de programacin estocstica. En esta terminologa, estocstico es opuesto a determinista y signica que algunos datos del problema pueden ser valores de una variable aleatoria, mientras que el trmino programacin se reere a que algunas partes del problema pueden ser modeladas como programas lineales o no lineales. Este campo, tambin conocido como Optimizacin bajo Incertidumbre, se ha desarrollado con contribuciones procedentes de la investigacin operativa, economa, matemticas, probabilidad y estadstica. Dada la amplia variedad de problemas de optimizacin que se enmarcan en un ambiente de incertidumbre, presentaremos a modo de introduccin varios ejemplos sencillos. Estos ejemplos nos servirn para mostrar cmo el tratamiento determinista de este tipo de problemas, conduce en general a resultados poco satisfactorios, incluso desastrosos, dada la incertidumbre implcita en los parmetros que denen el modelo. En cuanto al entorno de incertidumbre, nos ocuparemos de aquellos casos donde la aleatoriedad radica tanto en los coecientes de la funcin objetivo como en los coecientes de la matriz de restricciones y el trmino independiente. Un aspecto importante relativo al tratamiento de la incertidumbre es el modelado del problema en trminos de la informacin disponible a lo largo de cada periodo del horizonte de planicacin. En algunos casos, todas las decisiones a tomar deben ser jadas desde un principio mantenindose invariables a pesar de que en periodos de tiempo posteriores se disponga de ms informacin sobre el escenario que pueda acaecer. Sin embargo, en
XIV

ReTOBI 2008 - Optimizacin bajo incertidumbre

Prlogo

muchos otros casos, correspondientes generalmente a aplicaciones multiperiodo, no es preciso adelantar todas las decisiones a un primer periodo, permitindose determinar las decisiones en funcin del escenario acaecido. Aunque el proceso de toma de decisiones en un entorno probabilista o estocstico es complejo y computacionalmente costoso, en la actualidad se dispone de algoritmos y mtodos de solucin bien desarrollados. Esta razn hace que la toma de decisiones bajo incertidumbre pueda ser extendida razonablemente al mundo empresarial. Este libro se ha concebido para que pueda ser utilizado en mltiples contextos dentro del marco de los objetivos de la Red Temtica. Por una parte, como libro de texto o de referencia en los diversos cursos de grado o postgrado que algunos de los miembros de la red imparten. Por otra parte, se ha querido favorecer la difusin de las tcnicas de decisin mediante optimizacin bajo incertidumbre y por ello se han dedicado dos partes del libro: una presenta casos de aplicacin sencillos que permiten entender los rudimentos bsicos del planteamiento y otra recoge aplicaciones prcticas en la industria en sectores muy diversos. Finalmente, se ha incluido una seccin dedicada a desarrollos informticos que hacen que estas tcnicas se puedan utilizar en la resolucin de problemas de muy gran tamao. Este libro es el resultado de la ayuda del Ministerio de Educacin y Ciencia, mediante la accin especial MTM2006-26619-E y del esfuerzo de los numerosos autores que han contribuido a la realizacin de esta obra conjunta. Nuestro sincero agradecimiento a todos ellos. A NDRS R AMOS , A NTONIO A LONSO -AYUSO , G LORIA P REZ

Autores
Vctor M. Albornoz. Universidad Tcnica Federico Santa Mara (Chile). Antonio Alonso-Ayuso. Universidad Rey Juan Carlos. Cristian M. Canales. Instituto de Fomento Pesquero (Chile). Santiago Cerisola. Universidad Ponticia Comillas. A. J. Conejo. Universidad de CastillaLa Mancha. R. Garca Bertrand. Universidad de CastillaLa Mancha. D. Eager. University of Edinburgh (Reino Unido). Laureano F. Escudero. Universidad Rey Juan Carlos. Javier Garca-Gonzlez. Universidad Ponticia Comillas. Mara Araceli Garn. Universidad del Pas Vasco. Jess Mara Latorre. Universidad Ponticia Comillas. Mara Merino. Universidad del Pas Vasco. R. Mnguez. Universidad de CastillaLa Mancha. Juan Francisco Monge. Universidad Miguel Hernndez. Narcs Nabona. Universitat Politcnia de Catalunya. Adela Pags. Universitat Politcnia de Catalunya. Rafael Palacios. Universidad Ponticia Comillas.
ReTOBI 2008 - Optimizacin bajo incertidumbre

XV

Gloria Prez. Universidad del Pas Vasco. Celeste Pizarro. Universidad Rey Juan Carlos. Francisco Quintana. Universidad Politcnica de Madrid. Andrs Ramos. Universidad Ponticia Comillas. Carmen Elvira Ramos. Universidad de La Laguna. Juan Jos Salazar. Universidad de La Laguna.

XVI

ReTOBI 2008 - Optimizacin bajo incertidumbre