Made available in DSpace on 2014-06-12T17:35:17Z (GMT). No. of bitstreams: 2
arquivo2460_1.pdf: 1017299 bytes, checksum: e37f2cfc8bc9f28e658a21d44a4e8b06 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2009 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho apresenta a previsão de vazão na bacia do rio São Francisco,
utilizando-se de quatro modelos baseado nas principais ferramentas de inteligência
artificiais: RNA (Redes Neurais Artificiais) e lógica fuzzy. No primeiro modelo foram
escolhidas as RNAs para prever a vazão mensal com horizonte de um ano. No segundo
modelo, utilizou-se a RNA e o sistema ANFIS (Adaptive Neuro-Fuzzy Inference
System) para realizar a previsão mensal em horizonte de um e dois meses à frente. No
terceiro modelo, foi estudado um sistema híbrido, no qual a RNA realiza uma previsão
de vazão com horizonte anual e o sistema ANFIS desagrega em meses. Por fim, foi
estudado outro sistema híbrido semelhante ao anterior, no qual se utilizou o método dos
fragmentos para a desagregação mensal da vazão. O processo de escolha dos modelos
das redes neurais e sistema ANFIS, passaram por uma análise de estrutura da entrada a
partir da base de dados. Os dados de vazão utilizados foram do Operador Nacional do
Sistema Elétrico (ONS) no período de 1931 a 2004, para realizar o ajuste dos modelos.
Para avaliar o desempenho dos modelos foram utilizados os resultados das previsões
obtidas no período 2005 a 2008. Através destes modelos, este trabalho visa contribuir de
forma direta com o setor elétrico brasileiro que tem cerca de 90% de sua energia
proveniente de usinas hidroelétricas
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/4984 |
| Date | 31 January 2009 |
| Creators | TAVARES, Isabela Albuquerque |
| Contributors | AQUINO, Ronaldo Ribeiro Barbosa de |
| Publisher | Universidade Federal de Pernambuco |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds