Previsão de vazão multivariada utilizando redes neurais artificiais e o método da transformada das ondeletas: aplicação na bacia do Rio Paranaíba

• Autor(a) principal: Silva, Vinícius Marques Chacon e
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/31415
• topic: Rede neural; Transformada das ondeletas; Modelo; Energia hidrelétrica; Ciclo hidrológico; Rede neural artificial; Vazão fluvial; Neural network; Wavelet transform; Model

O Brasil tem cerca de 64% da sua matriz energética composta por energia hidrelétrica. Diante desse cenário, torna-se necessário o monitoramento das componentes hidrológicas e meteorológicas do sistema para a otimização do planejamento energético do país. Nesse contexto, surge a aplicação da modelagem hidrológica para combinar essas variáveis por meio das suas relações dentro do ciclo hidrológico com o objetivo de realizar previsões para os valores das vazões à montante das usinas hidrelétrica e antecipar o planejamento operacional do sistema. Diante dessas questões, esse trabalho teve por objetivo a realização da previsão das vazões para o mês seguinte, fazendo um estudo comparativo entre o desempenho de duas redes neurais artificiais do tipo Multi-layer Perceptron (MLP) Sequencial, uma considerando apenas as variáveis de precipitação e vazão, e para a outra acrescentou-se as frequências da transformada das ondeletas da vazão que melhor representaram o perfil de sazonalidade anual da variável. Para realização das previsões, foi utilizado a precipitação observada para avaliar o comportamento do modelo na modelagem chuva-vazão, e a precipitação prevista pelo modelo climatológico CAM 3.1 na representação de uma situação real. A área de estudo escolhida foi a bacia do Rio Paranaíba, e a usina escolhida para a modelagem chuva-vazão foi a usina de Emborcação, que representa cerca de 10,5% dos reservatórios do subsistema sudeste. Na apresentação dos resultados dos modelos, foi observado que, nos casos dos modelos utilizando a precipitação observada, o modelo de rede neural que utilizaram os produtos da transformada das ondeletas da série temporal da vazão da usina de Emborcação reduziu o erro da previsão do período úmido, mas não fez uma boa aproximação do perfil de sazonalidade da vazão da usina. No caso dos modelos utilizando os dados da precipitação prevista pelo CAM 3.1, observou-se que a adição do power spectrum nos dados de entrada do modelo também contribuiu para a redução do erro na previsão de vazão realizada pela rede neural. Por fim, concluiu-se que o uso dos produtos da transformada das ondeletas como entrada nos modelos de redes neurais para previsão de vazão pode ser bastante útil para a atenuação dos problemas de generalização desses modelo devido ao seu viés de correção dos valores de vazão prevista para o período úmido, onde todos os modelos apresentaram uma tendência de superestimar esse valor