Made available in DSpace on 2014-07-29T15:08:18Z (GMT). No. of bitstreams: 1
Previsao de Vazoes Naturais Diarias.pdf: 3835466 bytes, checksum: f927e5c8c3a89c73430512243b55c36c (MD5)
Previous issue date: 2012-09-05 / The forecast of natural flows to hydroelectric plant reservoirs is an essential input to the
planning and programming of the SIN´s operation. Various computer models are used
to determine these forecasts, including physical models, statistical models and the ones
developed with the RNA´s techniques.
Currently, the ONS performs daily forecasts of natural flows to the UHE Tucuruí based
on the univariate stochastic model named PREVIVAZH, developed by Electric Energy
Research Center - Eletrobras CEPEL.
Throughout the last decade, several papers have shown evolution in the application of
neural networks methodology in many areas, specially in the prediction of flows on a
daily, weekly and monthly basis.
The goal of this dissertation is to present and calibrate a model of natural flow forecast
using the RNA´s methodology, more specifically the NSRBN (Non-Linear Sigmoidal
Regression Blocks Networks) (VALENCA; LUDERMIR, 2001), on a time lapse from
1 to 12 days forward to the Tucuruí Hydroelectric Plant, considering the hydrometric
stations data located upstream from it s reservoir. In addition, a comparative analysis of
results found throughout the calibrated neural network and the ones released by ONS is
performed.
The results show the advantage of the methodology of artificial neural networks on
autoregressive models. The Mean Absolute Percentage Error - MAPE values obtained
were, on average, 48 % lower than those released by the ONS. / A previsão de vazões naturais aos reservatórios das usinas hidrelétricas é insumo fundamental
para o planejamento e operação do SIN. Diversos modelos são utilizados na
determinação dessas previsões, entre os quais podem ser citados os modelos físicos, os
estatísticos e aqueles baseados na técnica de Redes Neurais Artificiais.
Atualmente, o ONS realiza as previsões diárias de vazões naturais para a Usina Hidrelétrica
Tucuruí com base no modelo estocástico univariado denominado PREVIVAZH,
desenvolvido pelo CEPEL.
Ao longo da última década, muitos trabalhos têm mostrado a evolução da aplicação da
metodologia de Redes Neurais Artificiais em diversas áreas e em particular na previsão
de vazões naturais, para intervalos de tempo diários, semanais e mensais.
O objetivo deste trabalho foi calibrar e avaliar um modelo de previsão de vazões naturais,
utilizando a metodologia de RNA, mais especificamente as redes construtivas do tipo
NSRBN(Non-Linear Sigmoidal Regression Blocks Networks) (VALENCA; LUDERMIR,
2001), no horizonte de 1 até 12 dias à frente, para a Usina Hidrelétrica Tucuruí, considerando
as informações advindas de postos hidrométricos localizados à montante do
seu reservatório. Adicionalmente, foi realizada uma análise comparativa dos resultados
encontrados pela rede neural calibrada e aqueles obtidos e divulgados pelo ONS.
Os resultados obtidos mostram a vantagem da metodologia de redes neurais artificiais
sobre os modelos auto-regressivos. Os valores do Erro Percentual Médio Absoluto -
MAPE foram, em média, 48% inferiores aos divulgados pelo ONS.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tde/970 |
| Date | 05 September 2012 |
| Creators | FERREIRA, Carlos da Costa |
| Contributors | CRUZ JÚNIOR, Gélson da |
| Publisher | Universidade Federal de Goiás, Mestrado em Engenharia Elétrica e de Computação, UFG, BR, Engenharia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0025 seconds