Programación robusta y ejemplos de aplicación en sistemas de energía eléctrica

Este curso introduce la idea de optimización (toma de decisiones) en entornos de incertidumbre, entendiéndose como tal el problema en el que alguno de los parámetros de entrada puede variar dentro de un rango determinado (intervalo de confianza). Se revisan varios ejemplos reales de este tipo de problemas y se estudia su modelado como problemas de optimización. En concreto, se estudian en este curso los problemas de optimización robusta, revisándose dos posibles estrategias. Por un lado, la estrategia arriesgada, que asume un riesgo en el sentido de esperar un valor favorable del parámetro incierto, mientras que la estrategia conservadora (aversión al riesgo), espera un valor desfavorable y asume un coste (coste de robustez) con objeto de reducir el riesgo. Se estudian las técnicas de solución y se revisa un ejemplo típico en sistemas de energía eléctrica (despacho económico con renovables. En concreto, los objetivos de este curso son los siguientes:
- Introducir el concepto de optimización (toma de decisiones) bajo incertidumbre.
- Revisar varios ejemplos en situaciones reales de toma de decisiones bajo incertidumbre.
- Entender cómo formular un problema de optimización robusto. 
- Entender los fundamentos de las estrategias arriesgada y conservadora.
- Entender las técnicas de solución para programación robusta.
- Comprobar los conocimientos adquiridos en dos ejemplos sencillos.
Se proporcionan los códigos de los ejemplos en Matlab, usando un lenguaje orientado a problemas (necesario Matlab R2018a o superior).