Diversas atividades humanas são fortemente dependentes do clima e da sua variabilidade, especialmente aquelas relacionadas ao uso da água. A operação integrada de reservatórios com múltiplos usos requer uma série de decisões que definem quanta água deve ser alocada, ao longo do tempo para cada um dos usos, e quais os volumes dos reservatórios a serem mantidos. O conhecimento antecipado das condições climáticas resulta de vital importância para os operadores de reservatórios, pois o insumo dos reservatórios é a vazão dos rios, que por sua vez é dependente de condições atmosféricas e hidrológicas em diferentes escalas de tempo e espaço. A pesquisa trata sobre três importantes elementos de subsídio à tomada de decisão na operação de reservatórios baseada na previsão de variáveis hidrológicas: (a) as previsões de vazão de curto prazo; (b) as previsões de precipitação de longo prazo e (c) as medidas de desempenho das previsões. O reservatório de Furnas, localizado na bacia do Rio Grande, em Minas Gerais, foi selecionado como estudo de caso devido, principalmente, à disponibilidade de previsões quantitativas de chuva e pela importância desse reservatório na região analisada. A previsão de curto prazo de vazão com base na precipitação foi estimada com um modelo empírico (rede neural artificial) e a previsão de precipitação foi obtida pelo modelo regional ETA. Uma metodologia de treinamento e validação da rede neural artificial foi desenvolvida utilizando previsões perfeitas de chuva (considerando a chuva observada como previsão) e utilizando o maior número de dados disponíveis, favorecendo a representatividade dos resultados obtidos. A metodologia empírica alcançou os desempenhos obtidos com um modelo hidrológico conceitual, mostrando-se menos sensitiva aos erros na previsão quantitativa de precipitação nessa bacia. Os resultados obtidos mostraram que as previsões de vazão utilizando modelos empíricos e conceituais e incorporando previsões quantitativas de precipitação são melhores que a metodologia utilizada pelo ONS no local de estudo. A redução dos erros de previsão relativos à metodologia empregada pelo ONS foi em torno de 20% quando usadas previsões quantitativas de precipitação definidas pelo modelo regional ETA e superiores a 50% quando usadas previsões perfeitas de precipitação. Embora essas últimas previsões nunca possam ser obtidas na prática, os resultados sugerem o quanto o incremento do desempenho das previsões quantitativas de chuva melhoraria as previsões de vazão. A previsão de precipitação de longo prazo para a bacia analisada foi também estimada com um modelo empírico de redes neurais artificiais e utilizando índices climáticos como variáveis de entrada. Nesse sentido, foram estimadas previsões de precipitação acumulada no período mais chuvoso (DJF) utilizando índices climáticos associados a fenômenos climáticos, como o El Niño - Oscilação Sul e a Oscilação Decadal do Pacífico, e a modos de variabilidade climática, como a Oscilação do Atlântico Norte e o Modo Anular do Hemisfério Sul. Apesar das redes neurais artificiais terem sido aplicadas em diversos problemas relacionados a hidrometeorologia, a aplicação dessas técnicas na previsão de precipitação de longo prazo é ainda rara. Os resultados obtidos nesse trabalho mostraram que consideráveis reduções dos erros da previsão relativos ao uso apenas da média climatológica como previsão podem ser obtidos com a metodologia utilizada. Foram obtidas reduções dos erros de, no mínimo 50%, e chegando até um valor próximo a 75% nos diferentes testes efetuados no estudo de caso. Uma medida de desempenho da previsão foi desenvolvida baseada no uso de tabelas de contingência e levando em conta a utilidade da previsão. Essa medida de desempenho foi calculada com base nos resultados do uso das previsões por um modelo de operação de reservatório, e não apenas na comparação de vazões previstas e observadas. Nos testes realizados durante essa pesquisa, ficou evidente que não existe uma relação unívoca entre qualidade das previsões e utilidade das previsões. No entanto, em função de comportamentos particulares das previsões, tendências foram encontradas, como por exemplo nos modelos cuja previsão apresenta apenas defasagem. Nesses modelos, a utilidade das previsões tende a crescer na medida que a qualidade das mesmas aumenta. Por fim, uma das grandes virtudes da medida de desempenho desenvolvida nesse trabalho foi sua capacidade de distinguir o desempenho de modelos que apresentaram a mesma qualidade. / Several human activities are strongly dependent on climate and its variability, especially those related to water use. The operation of multi-purpose reservoirs systems defines how much water should be allocated and the reservoir storage volumes to be maintained, over time. Knowing in advance the weather conditions helps the decision making process, as the major inputs to reservoirs are the streamflows, which are dependent on atmospheric and hydrological conditions at different time-space scales. This research deals with three important aspects towards the decision making process of multi-purpose reservoir operation based on forecast of hydrological variables: (a) short-term streamflow forecast, (b) long-range precipitation forecast and (c) performance measures. The Furnas reservoir on the Rio Grande basin was selected as the case study, primarily because of the availability of quantitative precipitation forecasts from the Brazilian Center for Weather Prediction and Climate Studies and due to its importance in the Brazilian hydropower generation system. Short-term streamflow forecasts were estimated by an empirical model (artificial neural network – ANN) and incorporating forecast of rainfall. Quantitative precipitation forecasts (QPFs), defined by the ETA regional model, were used as inputs to the ANN models. A methodology for training and validating the ANN models was developed using perfect precipitation forecasts (i.e., using the observed precipitation as if it was a forecast) and considering the largest number of available samples, in order to increase the representativeness of the results. The empirical methodology achieved the performance obtained with a conceptual hydrological model and seemed to be less sensitive to precipitation forecast error relative to the conceptual hydrological model. Although limited to one reservoir, the results obtained show that streamflow forecasting using empirical and conceptual models and incorporating QPFs performs better than the methodology used by ONS. Reduction in the forecast errors relative to the ONS method was about 20% when using QPFs provided by ETA model, and greater than 50% when using the perfect precipitation forecast. Although the latter can never be achieved in practice, these results suggest that improving QPFs would lead to better forecasts of reservoir inflows. Long-range precipitation forecast was also estimated by an empirical model based on artificial neural networks and using climate indices as input variables. The output variable is the summer (DJF) precipitation over the Furnas watershed. It was estimated using climate indices related to climatic phenomena such as El Niño - Southern Oscillation and the Pacific Decadal Oscillation and modes of climate variability, such as the North Atlantic Oscillation and the Southern Annular Mode. Despite of ANN has been applied in several problems of hydrometeorological areas, the application of such technique for long-range precipitation forecast is still rare. The results obtained demonstrate how the methodology for seasonal precipitation forecast based on ANN can be particularly helpful, with the use of available time series of climate indices. Reductions in the forecast errors achieved by using only the climatological mean as forecast were considerable, being at least of 50% and reaching values close to 75% in several tests. A performance measure based on the use of contingency tables was developed taking into account the utility of the forecast. This performance measure was calculated based on the results of the use of the forecasts by a reservoir operation model, and not only by comparing streamflow observed and forecast. The performed tests show that there is no unequivocal relationship between quality and utility of the forecasts. However, when the forecast has a particular behavior, trends were found in the relationship between utility and quality of the forecast, such as models that generate streamflow forecast with lags in comparison to the observed values. In these models, the utility of the forecasts tends to enhance as the quality increases. Finally, the ability to distinguish the performance of forecast models having similar quality was one of the main merits of the performance measure developed in this research.

[pt] Esta dissertação tem como objetivo mostrar o potencial da aplicação das ferramentas Previsão de Demanda e Simulação Computacional em uma unidade produtiva com administração de característica familiar, que não adota as modernas técnicas propostas por especialistas para a gestão da cadeia de suprimento. Para isso, foram abordados os conceitos e os aspectos fundamentais, bem como as principais etapas, os benefícios, as limitações e as dificuldades da utilização dessas ferramentas. Além disso, foi proposta uma metodologia que aumentou a precisão da Previsão de Demanda. Com os dados obtidos foi possível analisar o desempenho dos fluxos dos processos simulados, o que permite auxiliar na gestão dos recursos, levando-se em conta principalmente a variabilidade da demanda e as incertezas dos mercados. Nessas análises foram utilizados os softwares Statgraphics Centurion e Arena a fim de elaborar, respectivamente, os modelos de previsão de demanda e de simulação computacional para o estudo de caso proposto. / [en] This thesis aims to show the potential of the Demand Forecast and Computer Simulation techniques carried out in a manufacturing plant with family administration feature that does not use the modern techniques proposed by Supply Chain management experts. In order to study the subject; concepts, fundamental principles, important steps, advantages, limitations as well as the difficulties of using those tools were investigated. In addition, a new method was proposed which resulted in the improvement of the demand forecast accuracy. With the forecasted data, it was possible to analyze the performance of the simulated manufacture flows. Such procedures improved the management of resources while the demand variability and the uncertainties of markets were considered. The Statgraphics Centurion and Arena softwares were used in order to developed, respectively, models for Demand Forecast and Computer Simulation for the study proposed.

[pt] A presente tese trata da avaliação do risco associado à incerteza presente na previsão dos preços de energia elétrica, bem como os aspectos de incerteza associados à previsão de demanda da carga de energia elétrica exigida de uma distribuidora de eletricidade. O primeiro trabalho trata do risco associado à previsão dos preços da energia elétrica, partindo do conhecido fato de que os vários modelos de previsão destes preços são sabidamente imprecisos; assim sendo, qual deve ser o risco incorrido ao se utilizar determinada técnica de modelagem, considerando-se que provavelmente estaremos fazendo uma previsão errônea. A abordagem utilizada é a modelagem dos erros de previsão com a Teoria de Valores Extremos, que se mostra bastante segura para modelagens dos quantis extremos da distribuição dos resíduos, desde 98 porcento até acima de 99,5 porcento, para diferentes frequências de amostragem dos dados. No capítulo seguinte, é feita uma avaliação da carga elétrica demandada a uma distribuidora, primeiramente considerando a abordagem utilizando modelos do tipo ARMA e ARMAX, buscando avaliar sua eficiência preditiva. Estes modelos são sabidamente apropriados para previsões no curto prazo, e mostramos através de simulações de Monte Carlo, que sua extensão para previsões de longo prazo torna inócua a busca de sofisticação através do trabalho de incorporação de variáveis exógenas. O motivo é que dado que o erro incorrido em quaisquer destas previsões mais longas com tais modelos é tão grande, ainda que sejam modelos mais ou menos sofisticados, com variáveis exógenas ou não, um modelo simples produzirá o mesmo efeito do que aquele de maior sofisticação, em termos de confiança na previsão média obtida. Finalmente, o último trabalho aborda o tema de possíveis não linearidades no processo de geração de dados da carga elétrica demandada de uma distribuidora, admitindo não ser este um processo apenas linear. Para tal são usados modelos não lineares auto-regressivos de mudança de regimes, que se mostram vantajosos por serem inerentemente resistentes a possíveis quebras estruturais na série de carga utilizada, além de serem particularmente apropriados para modelar assimetrias no processo gerador de dados. Mostramos que mesmo modelos do tipo TAR simples, com apenas dois regimes e auto excitados, isto é, não incorporando quaisquer variáveis exógenas, podem ser mais apropriados do que modelos lineares auto-regressivos, demonstrando melhor capacidade de previsão fora-da-amostra. Ao mesmo tempo tais modelos tem relativa facilidade de cálculo, não exigindo sofisticados recursos computacionais. / [en] This present thesis discusses the risk associated to the uncertainty that is present in the process of forecasting electricity prices, as well as the aspects of uncertainty in the forecast of electrical energy loads required from an electricity distributor. The first essay deals with the risk inherent to the forecast of electricity prices, bearing in mind that the various existing models are notoriously imprecise. Therefore, we attempt to determine what the forecast risk is, given that a certain forecasting technique is used and that it will probably inaccurate. The approach used is through the modeling of forecast residues with the Extreme Value Theory, which proves itself to be satisfactorily accurate for the modeling of the distribution of residues at such extreme quantiles as from 98 per cent up to over 99,5 per cent, for different data sampling frequencies. The following next chapter shows the evaluation of the electricity load required from a distributor, first by using such models as ARMA and ARMAX, trying to evaluate their predictive efficiency. These models are known to be appropriate for short term predictions, and we show by means of Monte Carlo simulations that their extended use for long term forecasts will render useless any attempt to sophisticate such models by means of incorporating exogenous variables. This is due to the fact that since the error from such longer forecasts will be so large one way or the other, with exogenous variables or not, a simpler model will be as useful as any in terms of the error in the mean prediction. Finally, the last work discusses the possibility of nonlinear effects being present in the data generating process of electrical load demanded from an energy distributor, admitting this process being just linear. To accomplish this task, we use nonlinear auto-regressive regime switching models, which are shown to be inherently resistant to possible structural breaks in the load series data used, at the same time that they are particularly appropriated to modeling asymmetries in the data generating process. We show that even relatively simple self-excited TAR models with only two regimes, that is, not resorting to any exogenous variables, can be more appropriate than linear auto-regressive models, sporting better out-of-sample forecast results. At the same time, such models are relatively simple to calculate, not requiring any sophisticated computational means.

Neste estudo, trata-se de avaliar fontes de precipitação baseadas em estimativas por satélite e técnicas de assimilação de dados para previsão de vazões por meio do modelo hidrológico distribuído MGB-IPH. A insuficiente representatividade espacial dos pluviômetros torna difícil a correta representação dos campos de precipitações. Por outro lado, as estimativas de satélite, embora forneçam uma descrição espacial mais consistente, são potencialmente menos acuradas. Sendo assim, procura-se utilizar métodos que combinem os dados de ambas as fontes para gerar um campo de precipitação mais consistente. Neste trabalho, implementaramse dois modelos de combinação pluviômetro-satélite, CHUVSAT e MERGEHQ, através de uma metodologia de interpolação. Por outro lado, as técnicas de assimilação de dados acoplados aos modelos de previsão hidrológica são também de interesse neste estudo, pois minimizam as incertezas associadas ao processo de calibração de parâmetros, às variáveis de estado e dados de entrada do modelo hidrológico. Para esse propósito, escolheu-se a bacia do rio Tocantins e implementou-se particularmente a técnica de assimilação de dados de tipo sequencial chamado na literatura de filtro de partículas, conjuntamente com o método de filtro Kalman por conjunto e o método de assimilação AsMGB atualmente acoplado ao modelo MGB-IPH. O estudo mostra que a precipitação combinada utilizada como dado de entrada na simulação hidrológica permitiu reproduzir adequadamente os hidrogramas observados para o período de calibração e validação. Já para o caso das vazões resultantes, durante a etapa de previsão, a precipitação combinada mostrou-se com melhor desempenho em termos estatísticos que os métodos sem combinar, sobretudo após 24 horas de antecedência. Finalmente, a técnica de assimilação de dados por filtro de partículas conseguiu absorver os erros da simulação melhorando as medidas de desempenho na etapa de previsão sendo superior ao modelo de previsão sem considerar assimilação. / The objective of this study is to evaluate precipitation sources based on satellite estimates and data assimilation techniques for prediction of flows by means of the distributed hydrological model MGB-IPH. The insufficient spatial availability of rain gauges makes difficult to represent precipitation fields appropriately. In contrast, satellite estimates, although providing a more consistent spatial description, are potentially less accurate. Thus, raingauge satellite merging methods that combine data from both sources to generate a more consistent precipitation field are used herein. For this purpose, two models namely CHUVSAT and MERGEHQ were implemented using an interpolation technique. On the other hand, data assimilation techniques coupled with hydrological forecasting models are also assessed in this study. The assimilation process minimizes the uncertainties associated with the parameter calibration procedure, variable state and hydrological input data. In this manner, the sequential data assimilation technique namely particle filter in conjunction with the Kalman filter method and the assimilation method AsMGB, which is currently coupled to the MGBIPH model, were implemented and applied to the Tocantis basin. The obtained results showed that the combined precipitation used as input data in the hydrological simulation allowed reproducing adequately the observed hydrograms for the periods of calibration and validation. In the case of the resulting flows during the forecast stage, the merging precipitation was shown to perform better in statistical terms than the uncombined methods, especially after 24 hours in advance. Finally, the data assimilation technique by particle filter was able to absorb all simulation errors, improving the performance measures in the forecasting stage, thus being superior to the forecasting model without considering assimilation.

Neste estudo, foi realizada uma revisão dos problemas observados na modelagem chuva-vazão, que influenciam a incerteza das condições iniciais dos processos de previsão de vazão. Foi realizada, também, uma revisão do estado da arte de alguns dos modelos de previsão de vazão de curto prazo utilizados no Brasil e, por último, uma revisão das metodologias de atualização de dados empregadas em trabalhos passados. Mas o principal enfoque deste estudo foi à elaboração de uma metodologia de atualização de dados de entrada, baseada na correção do desvio entre a vazão de saída de um modelo hidrológico e a vazão observada, por meio da perturbação dos dados de entrada de precipitação. O estudo de caso está composto por três bacias: Bacia do rio Ijuí, Bacia do rio Tesouras e a Bacia do rio Canoas. Estas bacias foram escolhidas, pois apresentam características distintas, tanto físicas quanto climáticas e, além disso, pela existência de estudos prévios com o modelo hidrológico utilizado neste trabalho. O processo de avaliação do método foi realizado em três etapas: 1) utilizando séries sintéticas; 2) utilizando séries reais; 3) previsão de vazões com atualização de dados. As duas primeiras etapas utilizaram o modelo em modo atualização (“off-line”) e, a última, o modelo em modo de previsão (“on-line”). Para a aplicação do método é necessário estabelecer condições de parada, sendo então, propostos dois conjuntos de critérios de parada. Com isto, foi estabelecido um conjunto adequado de critérios para que estes fiquem fixos para possibilitar futuras aplicações em outros modelos ou em outros estudos de casos. A técnica de previsão de vazão de curto prazo utilizada foi com base na chuva prevista, sendo adotada a previsão de chuva conhecida ou perfeita. Foram geradas previsões diárias de até 7 dias, durante 20 dias contínuos, escolhendo-se dois eventos de diferentes características em cada uma das bacias do estudo de caso. Em modo previsão os resultados se mostraram promissores, o objetivo desejado inicialmente foi atingido pelos dois conjuntos de critérios de parada propostos. Conseguiu-se ter um ganho significativo até o quarto dia de previsão, como, também, melhoras nos períodos de subidas do hidrograma, porém nos períodos de estiagens o ganho foi quase nulo. Além disso, este trabalho mostrou a viabilidade da utilização do modelo IPH II para a geração de previsões de vazões baseadas em previsão de chuva. / In this study a review of the problems observed in rainfall-runoff modeling has been made, which influence the uncertainty of initial conditions of flow forecasting processes, as well as a review of the state of the art of some of the short-term flow forecasting models used in Brazil and the data update methodologies used in many past jobs. However the focus of this study has been the development of a data entry update methodology based on the correction of the deviation between the output flow of a hydrological model and the observed flow, by means of the disruption of rainfall input data. The case study is composed of the three river basins: River Ijuí, River Tesouras and Canoas. These basins have been chosen due to their different characteristics, both physical and climate, besides having been used in previous studies of the hydrological model used. The evaluation process of the method is done in three steps: 1) using synthetic series; 2) using real series; 3) stream flow forecasting with data update, the first two with the model in update mode ("off-line") and the last in predict mode ("on-line"). For the application of this method is necessary to establish stopping conditions for application, and for this have been proposed two sets of stop criteria. With this, intended to establish an appropriate set of criteria so that they become fixed to permit future applications in other models. The short-term flow forecasting technique used has been based on the forecast rain, adopted the rain forecast known or perfect. Predictions have been generated daily up to 7 days, for 20 consecutive days, choosing two events of different features in each case study basins. In predict mode the results have been promissory, the desired goal initially achieved by the two sets of proposed stopping criteria. It was possible to have a significant gain until the fourth day forecast also improvements in periods of hydrograph increases but not during periods of drought the gain was almost nil. This work has also showed the ability to generate predictions of rain forecast based flow as the IPH II model in real time.

Diversas atividades humanas são fortemente dependentes do clima e da sua variabilidade, especialmente aquelas relacionadas ao uso da água. A operação integrada de reservatórios com múltiplos usos requer uma série de decisões que definem quanta água deve ser alocada, ao longo do tempo para cada um dos usos, e quais os volumes dos reservatórios a serem mantidos. O conhecimento antecipado das condições climáticas resulta de vital importância para os operadores de reservatórios, pois o insumo dos reservatórios é a vazão dos rios, que por sua vez é dependente de condições atmosféricas e hidrológicas em diferentes escalas de tempo e espaço. A pesquisa trata sobre três importantes elementos de subsídio à tomada de decisão na operação de reservatórios baseada na previsão de variáveis hidrológicas: (a) as previsões de vazão de curto prazo; (b) as previsões de precipitação de longo prazo e (c) as medidas de desempenho das previsões. O reservatório de Furnas, localizado na bacia do Rio Grande, em Minas Gerais, foi selecionado como estudo de caso devido, principalmente, à disponibilidade de previsões quantitativas de chuva e pela importância desse reservatório na região analisada. A previsão de curto prazo de vazão com base na precipitação foi estimada com um modelo empírico (rede neural artificial) e a previsão de precipitação foi obtida pelo modelo regional ETA. Uma metodologia de treinamento e validação da rede neural artificial foi desenvolvida utilizando previsões perfeitas de chuva (considerando a chuva observada como previsão) e utilizando o maior número de dados disponíveis, favorecendo a representatividade dos resultados obtidos. A metodologia empírica alcançou os desempenhos obtidos com um modelo hidrológico conceitual, mostrando-se menos sensitiva aos erros na previsão quantitativa de precipitação nessa bacia. Os resultados obtidos mostraram que as previsões de vazão utilizando modelos empíricos e conceituais e incorporando previsões quantitativas de precipitação são melhores que a metodologia utilizada pelo ONS no local de estudo. A redução dos erros de previsão relativos à metodologia empregada pelo ONS foi em torno de 20% quando usadas previsões quantitativas de precipitação definidas pelo modelo regional ETA e superiores a 50% quando usadas previsões perfeitas de precipitação. Embora essas últimas previsões nunca possam ser obtidas na prática, os resultados sugerem o quanto o incremento do desempenho das previsões quantitativas de chuva melhoraria as previsões de vazão. A previsão de precipitação de longo prazo para a bacia analisada foi também estimada com um modelo empírico de redes neurais artificiais e utilizando índices climáticos como variáveis de entrada. Nesse sentido, foram estimadas previsões de precipitação acumulada no período mais chuvoso (DJF) utilizando índices climáticos associados a fenômenos climáticos, como o El Niño - Oscilação Sul e a Oscilação Decadal do Pacífico, e a modos de variabilidade climática, como a Oscilação do Atlântico Norte e o Modo Anular do Hemisfério Sul. Apesar das redes neurais artificiais terem sido aplicadas em diversos problemas relacionados a hidrometeorologia, a aplicação dessas técnicas na previsão de precipitação de longo prazo é ainda rara. Os resultados obtidos nesse trabalho mostraram que consideráveis reduções dos erros da previsão relativos ao uso apenas da média climatológica como previsão podem ser obtidos com a metodologia utilizada. Foram obtidas reduções dos erros de, no mínimo 50%, e chegando até um valor próximo a 75% nos diferentes testes efetuados no estudo de caso. Uma medida de desempenho da previsão foi desenvolvida baseada no uso de tabelas de contingência e levando em conta a utilidade da previsão. Essa medida de desempenho foi calculada com base nos resultados do uso das previsões por um modelo de operação de reservatório, e não apenas na comparação de vazões previstas e observadas. Nos testes realizados durante essa pesquisa, ficou evidente que não existe uma relação unívoca entre qualidade das previsões e utilidade das previsões. No entanto, em função de comportamentos particulares das previsões, tendências foram encontradas, como por exemplo nos modelos cuja previsão apresenta apenas defasagem. Nesses modelos, a utilidade das previsões tende a crescer na medida que a qualidade das mesmas aumenta. Por fim, uma das grandes virtudes da medida de desempenho desenvolvida nesse trabalho foi sua capacidade de distinguir o desempenho de modelos que apresentaram a mesma qualidade. / Several human activities are strongly dependent on climate and its variability, especially those related to water use. The operation of multi-purpose reservoirs systems defines how much water should be allocated and the reservoir storage volumes to be maintained, over time. Knowing in advance the weather conditions helps the decision making process, as the major inputs to reservoirs are the streamflows, which are dependent on atmospheric and hydrological conditions at different time-space scales. This research deals with three important aspects towards the decision making process of multi-purpose reservoir operation based on forecast of hydrological variables: (a) short-term streamflow forecast, (b) long-range precipitation forecast and (c) performance measures. The Furnas reservoir on the Rio Grande basin was selected as the case study, primarily because of the availability of quantitative precipitation forecasts from the Brazilian Center for Weather Prediction and Climate Studies and due to its importance in the Brazilian hydropower generation system. Short-term streamflow forecasts were estimated by an empirical model (artificial neural network – ANN) and incorporating forecast of rainfall. Quantitative precipitation forecasts (QPFs), defined by the ETA regional model, were used as inputs to the ANN models. A methodology for training and validating the ANN models was developed using perfect precipitation forecasts (i.e., using the observed precipitation as if it was a forecast) and considering the largest number of available samples, in order to increase the representativeness of the results. The empirical methodology achieved the performance obtained with a conceptual hydrological model and seemed to be less sensitive to precipitation forecast error relative to the conceptual hydrological model. Although limited to one reservoir, the results obtained show that streamflow forecasting using empirical and conceptual models and incorporating QPFs performs better than the methodology used by ONS. Reduction in the forecast errors relative to the ONS method was about 20% when using QPFs provided by ETA model, and greater than 50% when using the perfect precipitation forecast. Although the latter can never be achieved in practice, these results suggest that improving QPFs would lead to better forecasts of reservoir inflows. Long-range precipitation forecast was also estimated by an empirical model based on artificial neural networks and using climate indices as input variables. The output variable is the summer (DJF) precipitation over the Furnas watershed. It was estimated using climate indices related to climatic phenomena such as El Niño - Southern Oscillation and the Pacific Decadal Oscillation and modes of climate variability, such as the North Atlantic Oscillation and the Southern Annular Mode. Despite of ANN has been applied in several problems of hydrometeorological areas, the application of such technique for long-range precipitation forecast is still rare. The results obtained demonstrate how the methodology for seasonal precipitation forecast based on ANN can be particularly helpful, with the use of available time series of climate indices. Reductions in the forecast errors achieved by using only the climatological mean as forecast were considerable, being at least of 50% and reaching values close to 75% in several tests. A performance measure based on the use of contingency tables was developed taking into account the utility of the forecast. This performance measure was calculated based on the results of the use of the forecasts by a reservoir operation model, and not only by comparing streamflow observed and forecast. The performed tests show that there is no unequivocal relationship between quality and utility of the forecasts. However, when the forecast has a particular behavior, trends were found in the relationship between utility and quality of the forecast, such as models that generate streamflow forecast with lags in comparison to the observed values. In these models, the utility of the forecasts tends to enhance as the quality increases. Finally, the ability to distinguish the performance of forecast models having similar quality was one of the main merits of the performance measure developed in this research.

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / Esse estudo se propÃe estimar a demanda por energia elÃtrica para as classes residencial, comercial e industrial na regiÃo Nordeste do Brasil, no perÃodo de 1970 a 2003. Utilizando as metodologias desenvolvidas por Stock e Watson (1993) e Gregory e Hansen (1996), respectivamente, DOLS e MudanÃa de Regime para obter as elasticidades-preÃo e renda de longo prazo. A partir dos vetores de cointegraÃÃo sÃo estimados os Modelos de CorreÃÃes de Erros, os quais fornecem a base para se fazer previsÃes de longo prazo, no perÃodo de 2004 a 2010. A partir dos resultados apresentados por este estudo, sÃo feitas comparaÃÃes das elasticidades-preÃo e renda de curto e longo prazo com demais estudos para o Brasil, bem como para as previsÃes feitas pela EletrobrÃs e por Siqueira, Cordeiro Jr. e Castelar (2006). As metodologias utilizadas nesse estudo, apresentam previsÃes mais acuradas do que os demais estudos para os anos de 2004 a 2006. / The objective of this research is to estimate the residential, commercial and industrial demand for electric energy in the Northeast region of Brazil during the period of 1970 2003. Two different methodologies were used to compute the price and income elasticity of demand: i) DOLS, proposed by Stock and Watson (1993); and ii) Regime Switching by Gregory and Hansen (1996). Error Correction Models are estimated from the cointegration vectors. These models are used to perform long-run forecasts of the electricity demand for the period 2004- 2010. The results are then compared to those from other researches about Brazilianâs price and income elasticity of demand for electric energy. Furthermore, the computed forecasts are compared to those from EletrobrÃs and from Siqueira, Cordeiro Jr. e Castelar (2006). The methodologies used in this work present forecasts that are more accurate than those ones from nother works for the period 2004-2006.

Os primeiros estudos sobre previsão de falência foram elaborados por volta da década de 30. Entretanto, o assunto só ganhou impulso a partir da utilização de técnicas estatísticas, ao longo dos anos 60. No Brasil, os primeiros trabalhos sobre o assunto datam dos anos 70. A esse respeito, vale destacar que a técnica estatística empregada em grande parte destes estudos foi a análise discriminante linear multivariada. Na tentativa de contribuir para o tema, este trabalho se propõs a testar um modelo de previsão de concordatas de empresas de capital aberto, a partir da modelagem desenvolvida por Cox (1972). Esse modelo se diferencia daqueles estimados a partir de técnicas logit, probit e análise discriminante na medida em que fornece não apenas a probabilidade de que um determinado evento ocorra no futuro, mas também uma estimativa do tempo até sua ocorrência. A análise dos resultados demonstrou que é possível identificar, antecipadamente, o risco de concordata de uma empresa de capital aberto. Nesse sentido, acredita -se que o modelo de Cox possa ser utilizado como auxiliar na previsão de concordatas de companhias abertas operando na Bolsa de Valores de São Paulo – Bovespa.

[pt] Nesta dissertação é proposto um modelo híbrido para previsão de carga de curtíssimo prazo, combinando amortecimento exponencial simples e redes neurais artificiais do topo feed-forward. O modelo fornece previsões pontuais e limites superiores e inferiores para um horizonte de quinze dias. Estes limites formam um intervalo ao qual pode ser associado um nível de confiança empírico, estimado através de um teste fora da amostra. O desempenho do modelo é avaliado ao longo de uma simulação realizada com dados reais de duas concessionárias de energia elétrica brasileiras. / [en] This thesis presents an hibrid short term load forecasting model that mixes simple exponential smoothing with feed- forward neural networks. The model gives point predictions with upper and lower limits for 15-day-ahead horizon. These limits yields an interval with associated empirical confidence level, estimated by an out of sample test. The model's performance is evaluated through a simulation with real data obtained from two Brazilian utilities. / [es] En esta disertación se propone un modelo híbrido para previsión de carga de cortísimo plazo, combinando amortecimiento exponencial simple y redes neurales artificiales tipo feed-forward. EL modelo nos da las previsiones puntuales y los límites superiores e inferiores para un horizonte de quince días. Estos límites forman un intervalo al cual se le puede asociar un nível de confianza empírico, estimado a través de un test out of sample. EL desempeño del modelo se evalúa utilizando datos reales de dos concesionarias de energía eléctrica brasileras.

[pt] Com a entrada do novo modelo do setor elétrico, a previsão do consumo e de faturamento de energia elétrica passou a ter grande importância para as distribuidoras de energia elétrica, pois melhorando sua acertividade as empresas poderão elaborar seus programas de planejamento energético, manutenção e expansão de seu sistema de distribuição e principalmente evitar gastos com multas pelo não atendimento à totalidade de seu mercado consumidor. Para que esta previsão seja feita é necessário que se obtenham, os dados históricos do consumo de energia elétrica, da carga fornecida pela Distribuidora, porém como esses dados são séries multivariadas, isto é, são séries temporais que dependem de outras variáveis exógenas, levou-se em consideração também as séries climáticas (sensação térmica), as econômicas (índices financeiros) e o fator temporal (dias úteis, feriados, finais de semana.....). Este estudo, propõe um método alternativo para previsão de consumo e faturamento de energia elétrica, 15 passos a frente, através do desenvolvimento de um sistema inteligente, chamado SIPEE, baseado em redes neurais MLP multistep e foi desenvolvido para uma Distribuidora de Energia Elétrica que atende a boa parte do mercado consumidor do Estado do Rio de Janeiro, a Light Serviços de Eletricidade S.A.. / [en] When the new model of the electricity sector began to be used, the forecast of consumption and billing of electricity began to have great importance for the electricity distributors, improving their assertiveness as companies can develop their programs for energy planning, maintenance and expansion of its distribution system and particularly to avoid fines for not spending all of his service to the consumer market. For this prediction is made it is necessary to obtain historical data of energy consumption, the load supplied by the distributor, but as these data sets are multivariate, ie, they are time series which depend on other exogenous variables took into account also the series weather (wind chill), economic (financial ratios) and the factor of time (days, holidays, weekends .....). This study proposes an alternative method to forecast sales and consumption of electricity, 15 steps forward, by developing an intelligent system, called SIPEE, MLP neural networks based on multistep and was developed for an Electricity Distributor serving much of the consumer market in the State of Rio de Janeiro, Light Electrical Services SA.