Submitted by Edisangela Bastos (edisangela@ufpa.br) on 2015-08-27T16:42:09Z No. of bitstreams: 2 license_rdf: 22974 bytes, checksum: 99c771d9f0b9c46790009b9874d49253 (MD5) Dissertacao_PrevisaoEstocasticaNivel.pdf: 3491867 bytes, checksum: 4a75d4ffeb372388f15edddc4e9197af (MD5) / Approved for entry into archive by Ana Rosa Silva (arosa@ufpa.br) on 2015-08-31T12:26:34Z (GMT) No. of bitstreams: 2 license_rdf: 22974 bytes, checksum: 99c771d9f0b9c46790009b9874d49253 (MD5) Dissertacao_PrevisaoEstocasticaNivel.pdf: 3491867 bytes, checksum: 4a75d4ffeb372388f15edddc4e9197af (MD5) / Made available in DSpace on 2015-08-31T12:26:34Z (GMT). No. of bitstreams: 2 license_rdf: 22974 bytes, checksum: 99c771d9f0b9c46790009b9874d49253 (MD5) Dissertacao_PrevisaoEstocasticaNivel.pdf: 3491867 bytes, checksum: 4a75d4ffeb372388f15edddc4e9197af (MD5) Previous issue date: 2012 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / O Município de Marabá- PA, situado na região Amazônica, sudeste do Estado do Pará, sofre anualmente com eventos de enchentes, ocasionados pelo aumento periódico do rio Tocantins e pela situação de vulnerabilidade da população que reside em áreas de risco. A defesa civil estadual e municipal anualmente planeja e prepara equipes para ações de defesa no município. Nesta fase o monitoramento e previsão de eventos de enchentes são importantes. Portanto, com o objetivo de diminuir erros nas previsões hidrológicas para o Município de Marabá, desenvolveu-se um modelo estocástico para previsão de nível do rio Tocantins, baseado na metodologia de Box e Jenkins. Utilizou os dados de níveis diários observados nas estações hidrológicas de Marabá e Carolina e Conceição do Araguaia da Agência Nacional de Águas (ANA), do período de 01/12/ 2008 a 31/03/2011. Efetuou-se o ajustamento de três modelos (Mt, Nt e Yt), através de diferentes aplicativos estatísticos: o SAS e o Gretl, usando diferentes interpretações do comportamento das séries para gerar as equações dos modelos. A principal diferença entre os aplicativos é que no SAS usa o modelo de função de transferência na modelagem. Realizou-se uma classificação da variabilidade do nível do rio, através da técnica dos Quantis para o período de 1972 a 2011, examinando-se apenas as categorizações de níveis ACIMA e MUITO ACIMA do normal. Para análise de impactos socioeconômicos foram usados os dados das ações da Defesa Civil Estado do Pará nas cheias de 2009 e 2011. Os resultados mostraram que o número de eventos de cheias com níveis MUITO ACIMA do normal, geralmente, podem estar associados a eventos de La Niña. Outro resultado importante: os modelos gerados simularam muito bem o nível do rio para o período de sete dias (01/04/2011 a 07/04/2011). O modelo multivariado Nt (com pequenos erros) representou o comportamento da série original, subestimando os valores reais nos dias 3, 4 e 5 de abril de 2011, com erro máximo de 0,28 no dia 4. O modelo univariado (Yt) teve bons resultados nas simulações com erros absolutos em torno de 0,12 m. O modelo com menor erro absoluto (0,08m) para o mesmo período foi o modelo Mt, desenvolvido pelo aplicativo SAS, que interpreta a série original como sendo não linear e não estacionária. A análise quantitativa dos impactos fluviométricos, ocorridos nas enchentes de 2009 e 2011 na cidade de Marabá, revelou em média que mais de 4 mil famílias sofrem com estes eventos, implicado em gastos financeiros elevados. Logo, conclui-se que os modelos de previsão de níveis são importantes ferramentas que a Defesa Civil, utiliza no planejamento e preparo de ações preventivas para o município de Marabá. / Marabá-PA city, located in the Amazon region, Southeast of Pará State, suffer annually with flood events, caused by periodic increase of Tocantins River and vulnerability of the population living in risk areas. State and municipal civil defense plans and annually prepare teams for actions to defend the city. At this stage the monitoring and prediction of flood events are importants. Therefore, in order to reduce errors in hydrological forecasts for Marabá city, developed a stochastic model to predict the level of Tocantins River, based on the methodology of Box and Jenkins. Used data from daily levels observed in the hydrological stations of National Water Agency (ANA) at Marabá, Carolina and Conceição do Araguaia, from 01/12/2008 to 31/03/2011. We conducted the adjustment of three models (Mt, Nt e Yt), using different statistical applications: SAS and Gretl, using different interpretations of the behavior of the series to generate models equations. The main difference between the applications is that the SAS uses the model of transfer function modeling. There was a sort of variable water level, through the technique of quantiles for the period 1972 to 2011, examining only levels categorizations and MUCH ABOVE ABOVE normal. For analysis of socioeconomic impacts were used the data of the shares of Civil Defense State of Pará in the floods of 2009 and 2011. The results showed that the number of events filled with much higher levels than normal, generally, may be associated with La Niña events. Another important result: generated models represented well the level of the river for seven days (from 04/01/2011 to 04/07/2011). The multivariate model Nt (with small errors) represented the behavior of original series, underestimating the real values on days 3, 4 and 5 April 2011, with a maximum error of 0.28 on day 4. The univariate model (Yt) had good results in simulations with absolute errors of around 0.12 m. The model with the lowest absolute error (0.08 m) for the same period was the model Mt, application developed by SAS, who plays the original series as nonlinear and non stationary. Quantitative analysis of the impacts fluviometric, floods occurred in 2009 and 2011 at Marabá city, revealed that on average more than 4000 families suffer from these events, implicated in high financial costs. Therefore, concludes that the levels forecast models are important tools that the Civil Defense, uses in the planning and preparation of preventive actions for the city of Marabá.

Submitted by Nathalya Silva (nathyjf033@gmail.com) on 2017-04-24T20:04:12Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_ModeloGerenciamentoAgua.pdf: 11144827 bytes, checksum: 1729da6214c18fcd59e89f3ba710e78e (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2017-04-26T13:22:34Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_ModeloGerenciamentoAgua.pdf: 11144827 bytes, checksum: 1729da6214c18fcd59e89f3ba710e78e (MD5) / Made available in DSpace on 2017-04-26T13:22:34Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_ModeloGerenciamentoAgua.pdf: 11144827 bytes, checksum: 1729da6214c18fcd59e89f3ba710e78e (MD5) Previous issue date: 2016-02 / Este trabalho trata de um modelo para gerenciamento de usos múltiplos da água, visando minimizar conflitos de uso, relacionados com a operação de sistemas de reservatórios em aproveitamentos hidrelétricos de bacias hidrográficas. O modelo SOUMA – “Sistema de Otimização de Usos Múltiplos da Água”, que consiste em um modelo estocástico de otimização baseado em programação não linear, foi desenvolvido e estruturado em GAMS (General Algebraic Modeling System) com o emprego do solver MINOS. O SOUMA compõe-se de dois módulos auxiliares. O primeiro é um módulo de previsão de níveis de água, que consiste em um modelo estocástico do tipo ARIMA (Auto Regressive Integrated Moving Average). O segundo é um módulo de previsão de vazões, que é um modelo estocástico chuva-vazão, do tipo RNA. O modelo ARIMA na calibração e na validação apresentou R² médio acima de 0,93 e RMSE abaixo de 0,08, capturando de forma satisfatória o comportamento das séries níveis d’água. O modelo chuva-vazão que foi empregado na composição da vazão afluente ao reservatório, com a utilização de arquitetura RNA, apresentou R² médio de 0,954 e RMSE médio de 0,098. O modelo SOUMA foi aplicado à bacia do rio Tapajós para o futuro Aproveitamento Hidro Energético – AHE São Luiz do Tapajós, Itaituba, PA. Foram criados seis cenários que serviram de parâmetros na otimização e minoração dos conflitos. Vazões afluentes ao reservatório foram obtidas e simuladas, para os cenários hidrológicos seco, médio e úmido e para os cenários climáticos El Niño, Neutro e La Niña. Para geração de energia e profundidade de navegação, considerando as afluências dos cenários hidrológicos seco, médio e úmido, o SOUMA evidenciou, em relação aos níveis de referência dos cenários de navegação baixo, médio e alto, a ocorrência de profundidades abaixo da mínima, para gerações médias abaixo de 2.411 MW, 2.939 MW e 3.586 MW, respectivamente. Para geração de energia e capacidade de carga transportada, considerando as afluências dos cenários hidrológicos seco, médio e úmido, o SOUMA demonstrou, em relação aos níveis de referência dos cenários de navegação baixo, médio e alto, que gerações médias acima de 2.869 MW, 3.508 MW e 4.740 MW, respectivamente, não geram ganhos de capacidade de carga transportada e que gerações médias abaixo de 1.344 MW, 1.622 MW 2.056 MW, respectivamente, inviabilizam o transporte de carga. Para geração de energia e cota de inundação, considerando as afluências dos cenários hidrológicos seco, médio e úmido, o SOUMA mostrou, em relação aos níveis de referência dos cenários de controle de inundação baixo, médio e alto, a ocorrência de inundações a jusante, para gerações médias acima de 4.978 MW, 6.057 MW e 7.390 MW, respectivamente. Retiradas consuntivas são significativas apenas no período de junho a outubro. Considerando a média das demandas consuntivas mensais (145 m³/s), para afluências do cenário hidrológico seco, médio e úmido, o SOUMA evidenciou uma perda mensal na geração de energia elétrica de 50 MW, 47 MW e 44 MW, respectivamente. Os resultados aferidos evidenciam que os modelos desenvolvidos são ferramentas de fundamental importância à otimização operacional de sistemas de reservatórios com usos múltiplos, permitindo a otimização de gerações e de defluências em AHE, em períodos de cheia e de estiagem e de grandes demandas energéticas, com a manutenção de condições de navegabilidade em trechos a jusante de barramentos, através de simulações operacionais sustentáveis que minoram conflitos de uso. / This work deals with a model for management of multiple uses of water, for the mitigation of conflicts of use related to the operation of reservoir systems in hydroelectric power plant of water catchment area. The model SOUMA – "system optimization of multiple uses of water", which consists of a stochastic optimization model based on nonlinear programming, was developed and structured in GAMS (General Algebraic Modeling System) with the use of solver MINOS. The SOUMA is composed of two modules. The first is a module for forecasting of water levels, which consists of a stochastic model of type ARIMA (Auto Regressive Integrated Moving Average). The second is a module for forecasting of streamflow, which is a stochastic model of rainfall-streamflow the RNA type. The ARIMA model calibration and validation presented average R² above 0.93 and RMSE below 0.08, capturing in a satisfactory manner the behavior of water levels. The rain-flow model that was used in the composition of influent flow to the reservoir, with the use of RNA architecture, presented average R² 0.954 and of 0.098 RMSE. The SOUMA model was applied to Tapajós River basin for the future hydroelectric power plant of São Luiz do Tapajós, Itaituba, PA. Six scenarios were created to be used as parameters in optimizing and mitigation of conflicts. The reservoir tributaries streamflow were obtained and simulated for dry, medium and moist hydrological scenarios and for El Niño, La Niña and Neutral climatic scenarios. For the power generation and navigation depth uses, considering the tributaries streamflow of the dry, medium and moist hydrological scenarios, the SOUMA showed, in relation to the reference levels of the low, medium and high navigation scenarios, the occurrence of depths below the minimum, for generations averages below 2,411 MW, 2,939 MW and 3,586 MW, respectively. For power generation and cargo capacity, considering the tributaries streamflow of the dry, medium and moist hydrological scenarios, the SOUMA showed, in relation to the low, medium and high reference levels of the navigation scenarios, that generations averages above 2,869 MW, 3,508 MW and 4,740 MW, respectively, do not generate earnings of cargo capacity and that medium generations below 1,344 MW, 2,056 MW and 1,622 MW, respectively, make the river transport of cargo infeasible. For power generation and flood dimension, considering the tributaries streamflow of the dry, medium and moist hydrological scenarios, the SOUMA showed, in relation the reference levels low, medium and high of the flood control, the occurrence of floods downstream to generations above average 4,978 MW, 6,057 MW and 7,390 MW, respectively. Consumptive withdrawals are meaningful only in the period from June to October. Considering the monthly average consumptive demands (145 m ³/s), to tributaries streamflow of the dry, medium and moist hydrological scenarios, the SOUMA showed a monthly loss in power generation of 50 MW, 47 MW and 44 MW, respectively. The measured results show that the models developed are important tools to operational optimization of reservoir systems with multiple uses, allowing the optimization of generations and defluente flow in the hydroelectric power plant of water catchment area, in periods of flood and drought and large energy demands, with maintenance of navigation conditions downstream from dams, through sustainable operational simulations that minimize usage conflicts.