ALEXANDRE, A. M. B. Previsão de vazões mensais para o sistema interligado nacional utilizando informações climáticas. 2012. 291 f. Tese (Doutorado em Engenharia Civil: Recursos Hídricos) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2012-10-02T17:21:31Z
No. of bitstreams: 1
2012_tese_ambalexandre.pdf: 10188426 bytes, checksum: 6a3384cf4b6b0d8880874693be69220c (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2012-10-10T16:35:22Z (GMT) No. of bitstreams: 1
2012_tese_ambalexandre.pdf: 10188426 bytes, checksum: 6a3384cf4b6b0d8880874693be69220c (MD5) / Made available in DSpace on 2012-10-10T16:35:22Z (GMT). No. of bitstreams: 1
2012_tese_ambalexandre.pdf: 10188426 bytes, checksum: 6a3384cf4b6b0d8880874693be69220c (MD5)
Previous issue date: 2012-07-31 / The hegemony of hydroelectricity in Brazil’s electricity matrix calls for a careful analysis of
river regimes considering the significant impact such streamflow variations may have on
energy supply and consequently on the entire country’s economy. Based on this fact,
streamflow forecast statistical models have been important tools to support decision-making,
planning and management of water resources used in the Brazilian Hydropower Network
(Sistema Interligado Nacional - SIN). In that sense, this thesis proposes methodologies of
simultaneous forecast and for developing monthly streamflow scenarios in SIN Base Stations
(Postos Base - PBs) using statistical models; the aim is to make better use of available data by
including methods that will maintain the national hydrographic network's spatial structure. It
also aims to analyze the impact of incorporating climate information for monthly streamflow
forecasting. Proposed streamflow forecasting models use natural streamflow data generated
by Brazil’s Electric System National Operator (ONS) and statistical techniques such as
Multiple Linear Regression, Principal Component Analysis, the Stepwise method for
choosing explanatory variables, in addition to models of the Periodic Auto-Regressive (PAR)
and Periodic Auto-Regressive Exogenous (PARX). PAR models show the best performances,
according to the index Distance Multicriteria in most months and SIN PBs when compared
with PARX models. Among spatial correlation methods for PAR models, the correlation
between regression noises (CRD) and principal component analysis (ACP) stand out. There is
no predominant method for all months and SIN PBs. The best PARX models are those that
use climate indexes as exogenous variables, among which the following stand out: AMO
(Atlantic Multi-Decadal Oscillation) and TNI (Trans-Niño Index). They show better
performance during the dry season of basins in the North of Brazil - Amazon and AraguaiaTocantins; in the Middle-West region in Brazil - Atlantic East and in most rivers that make up
the Paraná Basin. / A hegemonia da hidroeletricidade na matriz de energia elétrica brasileira impõe cautelosa análise sobre o regime fluvial, tendo em vista o significativo impacto que possíveis variações das vazões possam produzir na oferta de energia e consequentemente em toda a economia nacional. Com base nisto, modelos estatísticos de previsão de afluências têm sido uma ferramenta importante no suporte à tomada de decisões, no planejamento e na gestão de recursos hídricos aplicados ao Sistema Interligado Nacional (SIN). Neste sentido, a presente tese propõe metodologias de previsão simultâneas e elaboração de cenários de vazões mensais afluentes aos Postos Base (PB’s) do SIN através de modelos estatísticos; visando ao melhor aproveitamento dos dados disponíveis a partir da inserção de métodos que mantenham a estrutura espacial da rede hidrográfica nacional. Esta visa também a analisar o impacto da incorporação de informações climáticas na previsão de vazões mensais. Os modelos propostos de previsão de afluência utilizam os dados de vazões naturais gerados pelo Operador Nacional do Sistema (ONS) e técnicas estatísticas com as de Regressão Linear Múltipla, Análise de Componentes Principais, método Stepwise para escolha de variáveis explanatórias; além de modelos do tipo Periódico Autorregressivo (PAR) e periódico Autorregressivo com variáveis exógenas (PARX). Os modelos do tipo PAR apresentam os melhores desempenhos, de acordo com o índice de Distância Multicritério, na maioria dos meses e dos PB’s do SIN quando comparados aos modelos PARX. Entre os métodos de correlação espacial para os modelos PAR, destacam-se a correlação entre os ruídos da regressão (CRD) e a análise de componentes principais (ACP). Não há um predomínio entre esses métodos para todos os meses e PB’s do SIN. Os melhores modelos do tipo PARX são os que fazem uso de índices climáticos como variáveis exógenas, dentre os quais se destacam os índices AMO (Oscilação Atlântica Multidecadal) e TNI (Trans–NINO). Estes apresentam melhor desempenho no período seco das bacias do norte do Brasil – Amazonas e Araguaia-Tocantins; centro-leste brasileiro – Atlântico Leste e na maioria dos rios que formam a Bacia do Paraná.
Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/3877 |
Date | 31 July 2012 |
Creators | Alexandre, Alan Michell Barros |
Contributors | Souza Filho, Francisco de Assis de |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0018 seconds