Este trabalho de pesquisa objetivou a obtenção de uma nova política de operação que melhor caracterizasse o comportamento ótimo dos sistemas hidrelétricos de potência, mesmo diante das mais variadas condições hidrológicas. Este trabalho teve duas linhas de investigação. Uma tratou do problema de previsão de vazões afluentes mensais, na busca por abordagens e técnicas que definissem bons modelos de previsão. A outra linha de pesquisa tratou de encontrar uma nova política de operação, para o problema de planejamento da operação, que fosse capaz de definir uma seqüência de decisões operativas mais estáveis, confiáveis e de menor custo operativo. Na primeira linha de pesquisa, investigou-se três aspectos importantes na definição de um modelo de previsão: técnicas de pré-processamento dos dados, definição automática do espaço de entrada e avaliação do desempenho de alguns modelos de redes neurais e sistemas Fuzzy como modelos de previsão. Nestes aspectos foram investigadas a utilização da análise dos componentes principais e o tratamento da série temporal de vazões afluentes como um sinal discreto, utilizando-se a representação \"analytic signal\". Para a definição do espaço de entrada de maneira automática utilizou-se a abordagem da \"dynamic modelling\", empregando-se a \"average mutual information\" e \"false nearest neighbors\". Para implementação dos modelos de previsão foram estudados e avaliados quatro modelos inteligentes: rede SONARX, rede SONARX-RBF, modelo ANFIS e a rede ESN. Já na outra linha de pesquisa, foi proposta uma política de operação que fosse capaz de estabilizar os despachos de geração termelétrica e conseqüentemente o custo marginal de operação. A política de operação preditiva estabilizada via termo inercial produziu excelentes resultados operativos, melhorando de forma significativa a performance da política preditiva. / This research work aimed at obtaining a new operation policy which could better describe the optimal behavior of hydropower systems, even when faced with the most varied hydrological conditions. This research had two lines of investigation. The first one dealt with the monthly water inflow forecasting problem, searching for approaches and techniques which could define efficient forecasting models. Three important aspects to define a forecasting model were investigated: data pre-processing techniques, automatic definition of the embedding and the performance assessment of some artificial neural networks and Fuzzy systems. Hence, the use of the principal components analysis was investigated and, considering the water inflow time series as a discrete signal, the analytic signal representation could be used to preprocess the data. Furthermore, the embedding was automatically defined using the dynamic modelling approach, by using the average mutual information and the false nearest neighbors techniques. The forecasting models were implemented by four intelligent models: SONARX network, SONARX-RBF network, ANFIS model and the ESN network. The other line of investigation came up with a new operation policy to solve the operation planning problem, defining a more stable, reliable and less costly operative decision sequence. It was proposed an approach to stabilize the thermoelectric generation dispatches and, as a result, the operative marginal cost. The predictive operation policy stabilized via inertial term produced excellent operation results, improving the performance of the predictive policy.
| Identifer | oai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-25092009-111629 |
| Date | 08 June 2009 |
| Creators | Rodrigo Sacchi |
| Contributors | Adriano Alber de França Mendes Carneiro, Ivan Nunes da Silva, Marinho Gomes de Andrade Filho, Aluizio Fausto Ribeiro Araújo, Rosangela Ballini, Secundino Soares Filho |
| Publisher | Universidade de São Paulo, Engenharia Elétrica, USP, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.003 seconds