Estudo de caso · Energia
Ilustração de uma usina hidrelétrica em um rio amplo ao entardecer, com as comportas fechadas

Otimização da Programação Diária para uma Grande Usina Hidrelétrica

País
Brasil
Contexto
Operadora da Usina Hidrelétrica de Jirau, a quarta maior usina hidrelétrica do Brasil, com 3.750 MW de capacidade instalada no rio Madeira.
Cliente
Jirau Energia

Introdução

Diariamente, a usina precisa definir quais de suas 50 unidades geradoras entrarão em operação, e em qual nível de potência, para cada intervalo de meia hora do dia seguinte. Esse cronograma é enviado ao Operador Nacional do Sistema Elétrico (ONS) e deve respeitar um conjunto rigoroso de restrições hidráulicas, elétricas e ambientais: duas casas de força com características distintas, limites estritos para a variação do nível do reservatório (2 cm por hora e 30 cm por dia), vazões afluentes que variam de 3.000 a 50.000 m³/s ao longo do ano, além de perdas de carga causadas por detritos nas tomadas d’água. Nos últimos anos, o ONS tem solicitado, com frequência, reduções na geração durante os horários de pico de energia solar, o que obriga a usina a negociar programações alternativas.

Antes do projeto, o cronograma era elaborado em planilhas de cálculo, utilizando cálculos simplificados, como eficiências constantes e a desconsideração de perdas nos geradores ou transformadores. Diariamente, as equipes de planejamento precisavam copiar dados manualmente a partir de diversos sistemas internos e e-mails, sem qualquer validação automatizada. A elaboração de um único plano, ainda que aproximado, levava mais de 40 minutos, deixando pouco espaço para avaliar alternativas ou subsidiar negociações junto ao ONS.

Metodologia

No âmbito de um projeto de P&D regulado pela ANEEL (agência reguladora do setor elétrico brasileiro), a Mip Wise liderou o desenvolvimento do PDOtimo, um sistema de apoio à decisão que integra um modelo de otimização matemática, desenvolvido em parceria com pesquisadores acadêmicos (LabPlan-UFSC), à rotina diária de planejamento da usina. O projeto compreendeu as seguintes etapas:

  • Levantamento e mapeamento de processos: Mapeamento da rotina diária de programação, das fontes de dados e das regras operacionais em conjunto com a equipe de planejamento energético. Isso incluiu a definição de parâmetros como o número mínimo de unidades em operação por casa de força, lógicas de segurança elétrica, despacho proporcional e critérios de priorização entre as casas de força.
  • Modelagem e estratégia de solução: Um modelo de Programação Linear Inteira Mista (MILP) representa a função de produção de cada unidade, a eficiência hidráulica, as perdas (hidráulicas, nos geradores e nos transformadores) e os limites do reservatório. O modelo utiliza uma decomposição em dois estágios: primeiro, define-se a trajetória ideal do reservatório para o dia; em seguida, calcula-se o despacho detalhado para cada um dos 48 intervalos de meia hora. A resolução é realizada por meio do solver de código aberto SCIP.
  • Pipeline e validação de dados: Um contrato de dados formal, com validação em três níveis (tipos de dados, regras de negócio e integridade referencial), protege o modelo contra entradas inconsistentes. Dados de hidrologia, perdas de carga em grades de proteção, status de vertedouros e informações de manutenção são integrados automaticamente a partir dos sistemas corporativos da usina, mantendo-se a possibilidade de upload via planilha como um mecanismo de contingência.
  • Co-design ágil: Um protótipo web inicial foi aprimorado por meio de ciclos contínuos de feedback com os planejadores, garantindo que o fluxo de trabalho final (dados, parâmetros, execução, resultados e comparação com o ONS) estivesse alinhado à rotina diária da equipe.
  • Implantação e entrega: A plataforma em produção combina um frontend em React, uma camada de orquestração em .NET com processamento assíncrono e autenticação corporativa, além de um motor de otimização em Python que opera como um serviço interno. A solução foi implantada via Docker na infraestrutura local (on-premises) do cliente. A entrega às equipes do cliente foi acompanhada de documentação técnica e para o usuário.

Resultados

O PDOtimo está em operação na usina de Jirau, substituindo o processo anteriormente baseado em planilhas para o planejamento do despacho diário.

  • Eficiência operacional: O tempo necessário para elaborar o plano de despacho diário caiu de mais de 40 minutos para menos de 5 minutos, uma redução superior a 87,5% no trabalho manual. Agora, os planejadores conseguem executar e comparar diversas estratégias de despacho no mesmo dia, em vez de depender de um único plano aproximado.
  • Mais energia a partir do mesmo volume de água: Para um mesmo dia de operação, o cronograma otimizado proporcionou uma geração média 2,2% superior à obtida pelo planejamento via planilha, considerando inclusive perdas que antes eram ignoradas. A otimização da trajetória do reservatório pelo modelo resultou em um ganho adicional de 0,8% a 1,7% na geração média, nos cenários avaliados.
  • Posicionamento mais sólido perante o ONS: O sistema gera automaticamente o arquivo de despacho exigido pelo ONS e o compara com a contraproposta do operador. Em um cenário real, um cronograma alternativo que deslocou a geração para fora dos horários de pico de energia solar, evitou o vertimento de água e proporcionou um incremento de 36,4 MW na geração média, em comparação com o cronograma solicitado pelo ONS.
  • Confiabilidade e rastreabilidade dos dados: A validação automatizada em cada etapa reduz erros de inserção, e todas as ações são rastreadas no nível do usuário, permitindo que vários planejadores trabalhem em cenários simultaneamente.

Ver mais casos de estudo em Energia

Está enfrentando um desafio parecido?

Cada operação tem as suas próprias restrições. Conte o que você tem em mente e a gente conversa sobre o que daria para fazer no seu caso, sem compromisso.