Orientador: Secundino Soares Filho, Rosangela Ballini / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-05T12:09:15Z (GMT). No. of bitstreams: 1 Marinho_ManoelHenriquedaNobrega_D.pdf: 2444321 bytes, checksum: f87889cc170b6491d56fb7b2058b7973 (MD5) Previous issue date: 2005 / Resumo: Modelos de redes neurais artificiais treinados com algoritmos de retropropagação do erro foram desenvolvidos para a previsão de vazões médias mensais vários passos à frente. Essas previsões foram utilizadas em políticas de controle em malha aberta para o planejamento da operação energética de sistemas hidrotérmicos de potência. O posto hidrológico da usina hidrelétrica de Furnas foi selecionado para estudo de caso. Dois métodos foram implementados e testados para a previsão de vazões médias mensais vários passos à frente. O primeiro, denominado Método Direto, utiliza uma rede neural específica para prever cada passo à frente. O segundo, denominado Método Agregado, utiliza inicialmente uma rede neural para prever a soma das vazões vários passos à frente, desagregando posteriormente em valores mensais proporcionalmente aos valores médios do histórico de vazões. Os resultados indicaram que embora o Método Agregado tenha obtido pior desempenho que o Método Direto na comparação dos erros de previsão a cada passo, essa abordagem apresentou melhor desempenho quando comparados os erros de previsão da soma das vazões vários passos à frente. Os dois métodos foram então avaliados através da simulação da operação energética utilizando a política de controle em malha aberta. O resultado indicou um desempenho significativamente melhor para o Método Agregado, proporcionando uma maior geração hidrelétrica e um menor custo operacional / Abstract: Not informed / Doutorado / Energia Eletrica / Doutor em Engenharia Elétrica