Avaliando a qualidade da previsão de vazão de afluentes de acordo com a escolha dos parâmetros na abordagem singular spectrum analysis

• Autor(a) principal: Bernardo, Tiago de Sales
• Data de Publicação: 2016
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: https://app.uff.br/riuff/handle/1/14821
• topic: Singular spectrum analysis; Modelagem; Filtragem; Séries temporais; Vazão de afluentes; Usina hidrelétrica; Hidrelétrica; Análise espectral; Série temporal; Modelagem; Previsão

É difícil imaginar como seria a vida das pessoas, nos dias de hoje, sem a presença da energia elétrica. Hábitos comuns como: assistir programas nas TV's, recarregar celulares ou notebooks, aquecer água na hora do banho, se deslocarem em elevadores entre outras, não seriam possíveis sem o uso da eletricidade. Para se ter energia elétrica em casa e poder usufruir de todos os benefícios citados anteriormente há um longo caminho a ser precorrido que começa a ser trilhado a partir da fonte de geração. Porém, poucos tem a noção de como é produzida e o que é necessário para a geração de energia elétrica. E uma das maneiras de geração de energia elétrica é através das Usinas Hidrelétricas(UH), essas que utilizam a água como principal matéria prima. Dessa forma, faz-se necessário fazer previsões da vazão de afluentes aos reservatório de geração de energia elétrica. E modelar séries temporais para obter boas previsões é de extrema importância para que se possa ter um planejamento de acordo com a vazão dos afuentes. Este trabalho tem por finalidade modelar a série temporal de vazão de afluente da usina hidrelétrica Governador Bento Munhoz da Rocha Netto a partir dos modelos clássicos Holt-Winters e Box & Jenkins. Além disso, são realizadas filtragens na série original, a partir da escolha de vários valores para os pares de parâmetros na abordagem Singular Spectrum Analysis, após isso as mesmas são modeladas via Holt-Winters e Box & Jenkins. Os modelos, tanto para a série original como para a série filtrada, são comparados através de estatísticas de aderência, de modo que o melhor modelo é aquele que minimiza os erros e que tenha a melhor capacidade preditiva. Os resultados mostram que para es sa séri e os modelos de Box & Jenkins apresentam uma maior capacidade preditiva, e que a filtragem melhora em muito esta capacidade e os melhores valores para os parâmetros L e D são: L=T/2 e D=L