Return to search

Regras operativas e análise de desempenho de sistemas de reservatórios obtidas por modelos de programação dinâmica, redes neurais e simulação em rede de fluxo. / Operation rules and performance analysis of reservoir systems using dynamic programming artificial neural networks and net-flux simulation model.

A metodologia apresentada neste trabalho contempla os aspectos relevantes para o desenvolvimento de modelos de otimização e de simulação combinados visando a análise de sistemas de reservatórios, e de regras operativas. Foram propostas quatro regras operativas para o Sistema Cantareira (SC), baseadas em uma série de afluências críticas (2003 - 2017). O trabalho foi desenvolvido em três etapas. Na primeira etapa foi utilizado um modelo de programação dinâmica (PD) para otimizar o comportamento do SC com relação ao atendimento das principais demandas. Na segunda etapa duas redes neurais artificiais (RNA) foram utilizadas para se obter as regras operativas para o SC, a partir dos resultados da primeira etapa. O modelo de PD foi calculado com o software CSUDP, e a RNA foi formulada e calculada com o solver padrão do Microsoft Excel. As regras obtidas foram baseadas em estados, ou faixas, de armazenamento do reservatório. Na terceira etapa, as regras operativas foram simuladas para a série histórica do SC, de 1930 a 2017, com auxílio do modelo de rede de fluxo AcquaNet. O trabalho fornece subsídios para aplicações de modelos de otimização e para obtenção de políticas de operação em sistemas de reservatórios. A comparação das regras operativas fornece informações relevantes a respeito dos impactos dos estados de armazenamento considerados e dos valores requeridos para as demandas, na operação do reservatório ao longo da série. A Regra operativa 1 destaca-se por seu desempenho, fornecendo vazões de 33 m³/s com 80% de garantia para a região metropolitana de São Paulo (RMSP), e com menores falhas no atendimento às demandas durante para a série histórica. / The present work provides guidelines for application of optimization and simulation models combined, in reservoir system and reservoir operation analysis. Four operation rules based on a series of critical inflows (2003 - 2017), are proposed for the Cantareira System (CS). The study was developed in three stages. In the first stage, a dynamic programming model (DP) was used to optimize the reservoir releases to the main demands. In the second stage, two artificial neural networks (ANR) were used to obtain the operation rules for SC, based on the results of the first stage. The DP model was solved using CSUDP software, and the ANR model was built and solved using Microsoft Excel. The operation rules were based on the reservoir\'s storage states or ranges. In the third stage, the operation rules were simulated for the system\'s historical inflow series, from 1930 to 2017, using the simulation net-flux model AcquaNet. In the last stage, reservoir operation rules were tested for the Cantareira system\'s historical inflow series, from 1930 to 2017, using the simulation net-flux model AcquaNet. The methodology provides relevant information for the analysis of optimization models and for operation rules in reservoir systems. The comparison of the proposed operation rules provides relevant information on the impacts of volume ranges, and of demand requirement values on long-term reservoir operation. The operation policy 1 shows best performance, providing supply of 33 m³/s to Metropolitan Region of São Paulo (MRSP) during 80% of the period, and with less failures during the historical series.

Identiferoai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-01112018-152102
Date24 August 2018
CreatorsCamila Billerbeck
ContributorsArisvaldo Vieira Mello Júnior, Hagen Koch, André Schardong
PublisherUniversidade de São Paulo, Engenharia Civil, USP, BR
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0032 seconds