Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA)
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | RBRH (Online) |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S2318-03312016000300618 |
Resumo: | RESUMO O uso de sistemas eficientes de previsão de afluências nas diversas escalas temporais permite otimizar a operação do conjunto de reservatórios hidrelétricos brasileiros, elevando o grau de segurança no fornecimento de energia elétrica e minimizando os custos operacionais. Entretanto, os modelos atuais de previsão utilizados pelo Operador Nacional do Sistema Elétrico (ONS) tendem a ser limitados no horizonte de previsão e na modelagem da dependência existente entre as diversas escalas de tempo, reduzindo a qualidade das previsões. Neste trabalho é proposta uma nova contribuição para os modelos de previsão de afluências em uso pelo ONS a partir do conceito de ponderação bayesiana de modelos (BMA), que permite integrar previsões mensais e semanais de vazões com objetivo de melhorar o desempenho das previsões semanais. As previsões mensais são obtidas por meio de um modelo periódico auto-regressivo exógeno (PARX), que busca captar a persistência das vazões na parte auto-regressiva e a contribuição do escoamento superficial na parcela exógena por meio do uso de informações climáticas de larga escala. Previsões semanais de afluência com até seis semanas de antecedência são obtidas a partir das informações disponibilizadas pelo ONS nos relatórios do Programa Mensal de Operação (PMO). A metodologia proposta é aplicada em séries de afluências semanais aos 28 principais reservatórios hidroelétricos brasileiros. Os resultados de previsão semanal de afluências obtidos com a ponderação das saídas dos modelos de previsão semanal e mensal indicam uma melhoria significativa em indicadores de desempenho de previsões (NS, MAPE e DM) quando comparados com os resultados de previsão oriundos do modelo semanal isolado. Os ganhos obtidos nos indicadores de desempenho são mais significativos a partir da segunda semana de antecedência. A abordagem proposta é flexível em termos de implementação, permitindo integrar outras escalas de previsão assim como diferentes modelos preditivos (por exemplo, modelos de base física). |
id |
ABRH-1_7f394e140a2689f26eb59d6ac24b4c54 |
---|---|
oai_identifier_str |
oai:scielo:S2318-03312016000300618 |
network_acronym_str |
ABRH-1 |
network_name_str |
RBRH (Online) |
repository_id_str |
|
spelling |
Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA)Ponderação bayesiana de modelosBMAPrevisões de vazãoReservatóriosHidroelétricasRESUMO O uso de sistemas eficientes de previsão de afluências nas diversas escalas temporais permite otimizar a operação do conjunto de reservatórios hidrelétricos brasileiros, elevando o grau de segurança no fornecimento de energia elétrica e minimizando os custos operacionais. Entretanto, os modelos atuais de previsão utilizados pelo Operador Nacional do Sistema Elétrico (ONS) tendem a ser limitados no horizonte de previsão e na modelagem da dependência existente entre as diversas escalas de tempo, reduzindo a qualidade das previsões. Neste trabalho é proposta uma nova contribuição para os modelos de previsão de afluências em uso pelo ONS a partir do conceito de ponderação bayesiana de modelos (BMA), que permite integrar previsões mensais e semanais de vazões com objetivo de melhorar o desempenho das previsões semanais. As previsões mensais são obtidas por meio de um modelo periódico auto-regressivo exógeno (PARX), que busca captar a persistência das vazões na parte auto-regressiva e a contribuição do escoamento superficial na parcela exógena por meio do uso de informações climáticas de larga escala. Previsões semanais de afluência com até seis semanas de antecedência são obtidas a partir das informações disponibilizadas pelo ONS nos relatórios do Programa Mensal de Operação (PMO). A metodologia proposta é aplicada em séries de afluências semanais aos 28 principais reservatórios hidroelétricos brasileiros. Os resultados de previsão semanal de afluências obtidos com a ponderação das saídas dos modelos de previsão semanal e mensal indicam uma melhoria significativa em indicadores de desempenho de previsões (NS, MAPE e DM) quando comparados com os resultados de previsão oriundos do modelo semanal isolado. Os ganhos obtidos nos indicadores de desempenho são mais significativos a partir da segunda semana de antecedência. A abordagem proposta é flexível em termos de implementação, permitindo integrar outras escalas de previsão assim como diferentes modelos preditivos (por exemplo, modelos de base física).Associação Brasileira de Recursos Hídricos2016-09-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S2318-03312016000300618RBRH v.21 n.3 2016reponame:RBRH (Online)instname:Associação Brasileira de Recursos Hídricos (ABRH)instacron:ABRH10.1590/2318-0331.011616032info:eu-repo/semantics/openAccessOliveira,Vinicius Grossi deLima,Carlos Henrique Ribeiropor2016-08-31T00:00:00Zoai:scielo:S2318-03312016000300618Revistahttps://www.scielo.br/j/rbrh/https://old.scielo.br/oai/scielo-oai.php||rbrh@abrh.org.br2318-03311414-381Xopendoar:2016-08-31T00:00RBRH (Online) - Associação Brasileira de Recursos Hídricos (ABRH)false |
dc.title.none.fl_str_mv |
Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA) |
title |
Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA) |
spellingShingle |
Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA) Oliveira,Vinicius Grossi de Ponderação bayesiana de modelos BMA Previsões de vazão Reservatórios Hidroelétricas |
title_short |
Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA) |
title_full |
Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA) |
title_fullStr |
Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA) |
title_full_unstemmed |
Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA) |
title_sort |
Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA) |
author |
Oliveira,Vinicius Grossi de |
author_facet |
Oliveira,Vinicius Grossi de Lima,Carlos Henrique Ribeiro |
author_role |
author |
author2 |
Lima,Carlos Henrique Ribeiro |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Oliveira,Vinicius Grossi de Lima,Carlos Henrique Ribeiro |
dc.subject.por.fl_str_mv |
Ponderação bayesiana de modelos BMA Previsões de vazão Reservatórios Hidroelétricas |
topic |
Ponderação bayesiana de modelos BMA Previsões de vazão Reservatórios Hidroelétricas |
description |
RESUMO O uso de sistemas eficientes de previsão de afluências nas diversas escalas temporais permite otimizar a operação do conjunto de reservatórios hidrelétricos brasileiros, elevando o grau de segurança no fornecimento de energia elétrica e minimizando os custos operacionais. Entretanto, os modelos atuais de previsão utilizados pelo Operador Nacional do Sistema Elétrico (ONS) tendem a ser limitados no horizonte de previsão e na modelagem da dependência existente entre as diversas escalas de tempo, reduzindo a qualidade das previsões. Neste trabalho é proposta uma nova contribuição para os modelos de previsão de afluências em uso pelo ONS a partir do conceito de ponderação bayesiana de modelos (BMA), que permite integrar previsões mensais e semanais de vazões com objetivo de melhorar o desempenho das previsões semanais. As previsões mensais são obtidas por meio de um modelo periódico auto-regressivo exógeno (PARX), que busca captar a persistência das vazões na parte auto-regressiva e a contribuição do escoamento superficial na parcela exógena por meio do uso de informações climáticas de larga escala. Previsões semanais de afluência com até seis semanas de antecedência são obtidas a partir das informações disponibilizadas pelo ONS nos relatórios do Programa Mensal de Operação (PMO). A metodologia proposta é aplicada em séries de afluências semanais aos 28 principais reservatórios hidroelétricos brasileiros. Os resultados de previsão semanal de afluências obtidos com a ponderação das saídas dos modelos de previsão semanal e mensal indicam uma melhoria significativa em indicadores de desempenho de previsões (NS, MAPE e DM) quando comparados com os resultados de previsão oriundos do modelo semanal isolado. Os ganhos obtidos nos indicadores de desempenho são mais significativos a partir da segunda semana de antecedência. A abordagem proposta é flexível em termos de implementação, permitindo integrar outras escalas de previsão assim como diferentes modelos preditivos (por exemplo, modelos de base física). |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-09-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S2318-03312016000300618 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S2318-03312016000300618 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/2318-0331.011616032 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Associação Brasileira de Recursos Hídricos |
publisher.none.fl_str_mv |
Associação Brasileira de Recursos Hídricos |
dc.source.none.fl_str_mv |
RBRH v.21 n.3 2016 reponame:RBRH (Online) instname:Associação Brasileira de Recursos Hídricos (ABRH) instacron:ABRH |
instname_str |
Associação Brasileira de Recursos Hídricos (ABRH) |
instacron_str |
ABRH |
institution |
ABRH |
reponame_str |
RBRH (Online) |
collection |
RBRH (Online) |
repository.name.fl_str_mv |
RBRH (Online) - Associação Brasileira de Recursos Hídricos (ABRH) |
repository.mail.fl_str_mv |
||rbrh@abrh.org.br |
_version_ |
1754734701050855424 |