Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas

Detalhes bibliográficos
Autor(a) principal: GALIZONI, Thales
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNIFEI (RIUNIFEI)
Texto Completo: https://repositorio.unifei.edu.br/jspui/handle/123456789/2445
Resumo: A engenharia de recursos hídricos vem empregando amplamente os modelos de previsão de vazão para subsidiar a tomada de decisão em diversas áreas. Os modelos Previvaz e Smap Diário já vêm sendo empregados pelo ONS para a previsão de vazões médias semanais para até seis semanas operativas com o objetivo de fornecer os inputs necessários para a otimização do recurso hidroenergético no planejamento da operação do sistema elétrico brasileiro. Visando somar esforços para melhorar essa previsão, este trabalho propôs e analisou os resultados de uma versão semanal para o modelo Smap, a qual foi gerada tendo por base o mecanismo de cálculo da versão mensal do Smap. No estudo de caso calibrou-se o Smap semanal para duas sub-bacias do SIN: a bacia da UHE Camargos (bacia do Grande); e a bacia da UHE Santa Clara (bacia do Iguaçu). Fez-se um back test para ambas as bacias para o período entre setembro de 2019 e setembro de 2020 comparando a previsão de vazão dos modelos Previvaz, Smap diário e Smap semanal com as vazões observadas no mesmo período. Como resultados, o modelo Previvaz, na primeira semanas prevista, propagou a tendência das vazões observadas na semana anterior e nas demais semanas apresentou tendência em superestimar as vazões mais baixas e dificuldades em captar os picos de vazões. Ambas as versões do modelo Smap apresentaram um ajuste quando a chuva utilizada para o cálculo das vazões foi a chuva observada, entretanto ambos apresentaram a tendência de superestimar os picos de vazões quando utilizada a chuva prevista pelo CFS V2. Conclui-se que a versão semanal do Smap teve performance melhor do que o Previvaz na maior parte dos cenários, indicando que pode ser um modelo empregado para o planejamento da operação. Além disso, a versão semanal do Smap também apresentou melhores resultados na quinta e sexta semana do horizonte de previsão, indicando que o modelo semanal pode ser utilizado para melhorar o resultado de horizontes mais longos de previsão.
id UFEI_81c700064d78242f64c4fa762951282b
oai_identifier_str oai:repositorio.unifei.edu.br:123456789/2445
network_acronym_str UFEI
network_name_str Repositório Institucional da UNIFEI (RIUNIFEI)
repository_id_str 7044
spelling 2021-05-072021-05-262021-05-26T14:37:57Z2021-05-26T14:37:57Zhttps://repositorio.unifei.edu.br/jspui/handle/123456789/2445A engenharia de recursos hídricos vem empregando amplamente os modelos de previsão de vazão para subsidiar a tomada de decisão em diversas áreas. Os modelos Previvaz e Smap Diário já vêm sendo empregados pelo ONS para a previsão de vazões médias semanais para até seis semanas operativas com o objetivo de fornecer os inputs necessários para a otimização do recurso hidroenergético no planejamento da operação do sistema elétrico brasileiro. Visando somar esforços para melhorar essa previsão, este trabalho propôs e analisou os resultados de uma versão semanal para o modelo Smap, a qual foi gerada tendo por base o mecanismo de cálculo da versão mensal do Smap. No estudo de caso calibrou-se o Smap semanal para duas sub-bacias do SIN: a bacia da UHE Camargos (bacia do Grande); e a bacia da UHE Santa Clara (bacia do Iguaçu). Fez-se um back test para ambas as bacias para o período entre setembro de 2019 e setembro de 2020 comparando a previsão de vazão dos modelos Previvaz, Smap diário e Smap semanal com as vazões observadas no mesmo período. Como resultados, o modelo Previvaz, na primeira semanas prevista, propagou a tendência das vazões observadas na semana anterior e nas demais semanas apresentou tendência em superestimar as vazões mais baixas e dificuldades em captar os picos de vazões. Ambas as versões do modelo Smap apresentaram um ajuste quando a chuva utilizada para o cálculo das vazões foi a chuva observada, entretanto ambos apresentaram a tendência de superestimar os picos de vazões quando utilizada a chuva prevista pelo CFS V2. Conclui-se que a versão semanal do Smap teve performance melhor do que o Previvaz na maior parte dos cenários, indicando que pode ser um modelo empregado para o planejamento da operação. Além disso, a versão semanal do Smap também apresentou melhores resultados na quinta e sexta semana do horizonte de previsão, indicando que o modelo semanal pode ser utilizado para melhorar o resultado de horizontes mais longos de previsão.Water resource engineering has been largely employing flow forecasting models to support decision making in several areas. The Previvaz and Smap Diário models have already been used by ONS to forecast average weekly flows for up to six operating weeks in order to provide the necessary inputs for the optimization of the hydroenergetic resource in the planning of the operation of the Brazilian electrical system. Aiming at adding efforts to improve this forecast, this work proposed and analyzed the results of a weekly version for the Smap model, which was generated based on the calculation mechanism of the monthly version of Smap. In the case study, the weekly Smap was calibrated for two sub-basins of the SIN: the Camargos HPP basin (Grande basin); and the Santa Clara HPP basin (Iguaçu basin). A back test was carried out for both basins for the period between September 2019 and September 2020, comparing the flow forecast of the Previvaz, daily Smap and weekly Smap models with the flows observed in the same period. As a result, the Previvaz model, in the first week foreseen, propagated the trend of flows observed in the previous week and in the other weeks it tended to overestimate the lowest flows and difficulties in capturing peak flows. Both versions of the Smap model showed an adjustment when the rainfall used to calculate the flows was the observed rain, however both showed a tendency to overestimate the peak flows when using the rain predicted by the CFS V2. It is concluded that the weekly version of Smap performed better than Previvaz in most scenarios, indicating that it can be a model used for planning the operation. In addition, the weekly version of Smap also showed better results in the fifth and sixth week of the forecast horizon, indicating that the weekly model can be used to improve the result of longer forecast horizons.Agência 1porUniversidade Federal de ItajubáPrograma de Pós-Graduação: Mestrado - Meio Ambiente e Recursos HídricosUNIFEIBrasilIRN - Instituto de Recursos NaturaisCNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOSModelo hidrológicoSmapRevisão de vazãoPrevisão de vazões naturais afluentes médias semanais para usinas hidrelétricasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSILVA, Benedito Cláudio dahttp://lattes.cnpq.br/5122382690957007http://lattes.cnpq.br/0398982104608707GALIZONI, ThalesGALIZONI, Thales. Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas. 2021. 74 f. Dissertação (Mestrado em Meio Ambiente e Recursos Hídricos) – Universidade Federal de Itajubá, Itajubá, 2021.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEILICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2445/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALDissertação_2021123.pdfDissertação_2021123.pdfapplication/pdf4492701https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2445/1/Disserta%c3%a7%c3%a3o_2021123.pdf2a97af4711464d3895ad8e1266d4fd03MD51123456789/24452021-05-26 11:37:57.368oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442021-05-26T14:37:57Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false
dc.title.pt_BR.fl_str_mv Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas
title Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas
spellingShingle Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas
GALIZONI, Thales
CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
Modelo hidrológico
Smap
Revisão de vazão
title_short Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas
title_full Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas
title_fullStr Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas
title_full_unstemmed Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas
title_sort Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas
author GALIZONI, Thales
author_facet GALIZONI, Thales
author_role author
dc.contributor.advisor1.fl_str_mv SILVA, Benedito Cláudio da
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/5122382690957007
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/0398982104608707
dc.contributor.author.fl_str_mv GALIZONI, Thales
contributor_str_mv SILVA, Benedito Cláudio da
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
topic CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
Modelo hidrológico
Smap
Revisão de vazão
dc.subject.por.fl_str_mv Modelo hidrológico
Smap
Revisão de vazão
description A engenharia de recursos hídricos vem empregando amplamente os modelos de previsão de vazão para subsidiar a tomada de decisão em diversas áreas. Os modelos Previvaz e Smap Diário já vêm sendo empregados pelo ONS para a previsão de vazões médias semanais para até seis semanas operativas com o objetivo de fornecer os inputs necessários para a otimização do recurso hidroenergético no planejamento da operação do sistema elétrico brasileiro. Visando somar esforços para melhorar essa previsão, este trabalho propôs e analisou os resultados de uma versão semanal para o modelo Smap, a qual foi gerada tendo por base o mecanismo de cálculo da versão mensal do Smap. No estudo de caso calibrou-se o Smap semanal para duas sub-bacias do SIN: a bacia da UHE Camargos (bacia do Grande); e a bacia da UHE Santa Clara (bacia do Iguaçu). Fez-se um back test para ambas as bacias para o período entre setembro de 2019 e setembro de 2020 comparando a previsão de vazão dos modelos Previvaz, Smap diário e Smap semanal com as vazões observadas no mesmo período. Como resultados, o modelo Previvaz, na primeira semanas prevista, propagou a tendência das vazões observadas na semana anterior e nas demais semanas apresentou tendência em superestimar as vazões mais baixas e dificuldades em captar os picos de vazões. Ambas as versões do modelo Smap apresentaram um ajuste quando a chuva utilizada para o cálculo das vazões foi a chuva observada, entretanto ambos apresentaram a tendência de superestimar os picos de vazões quando utilizada a chuva prevista pelo CFS V2. Conclui-se que a versão semanal do Smap teve performance melhor do que o Previvaz na maior parte dos cenários, indicando que pode ser um modelo empregado para o planejamento da operação. Além disso, a versão semanal do Smap também apresentou melhores resultados na quinta e sexta semana do horizonte de previsão, indicando que o modelo semanal pode ser utilizado para melhorar o resultado de horizontes mais longos de previsão.
publishDate 2021
dc.date.issued.fl_str_mv 2021-05-07
dc.date.available.fl_str_mv 2021-05-26
2021-05-26T14:37:57Z
dc.date.accessioned.fl_str_mv 2021-05-26T14:37:57Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.unifei.edu.br/jspui/handle/123456789/2445
url https://repositorio.unifei.edu.br/jspui/handle/123456789/2445
dc.language.iso.fl_str_mv por
language por
dc.relation.references.pt_BR.fl_str_mv GALIZONI, Thales. Previsão de vazões naturais afluentes médias semanais para usinas hidrelétricas. 2021. 74 f. Dissertação (Mestrado em Meio Ambiente e Recursos Hídricos) – Universidade Federal de Itajubá, Itajubá, 2021.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Itajubá
dc.publisher.program.fl_str_mv Programa de Pós-Graduação: Mestrado - Meio Ambiente e Recursos Hídricos
dc.publisher.initials.fl_str_mv UNIFEI
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv IRN - Instituto de Recursos Naturais
publisher.none.fl_str_mv Universidade Federal de Itajubá
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFEI (RIUNIFEI)
instname:Universidade Federal de Itajubá (UNIFEI)
instacron:UNIFEI
instname_str Universidade Federal de Itajubá (UNIFEI)
instacron_str UNIFEI
institution UNIFEI
reponame_str Repositório Institucional da UNIFEI (RIUNIFEI)
collection Repositório Institucional da UNIFEI (RIUNIFEI)
bitstream.url.fl_str_mv https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2445/2/license.txt
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2445/1/Disserta%c3%a7%c3%a3o_2021123.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
2a97af4711464d3895ad8e1266d4fd03
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)
repository.mail.fl_str_mv repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br
_version_ 1801863201539751936