Ajuste do modelo SMAP via técnicas de inteligência computacional

Detalhes bibliográficos
Autor(a) principal: Silva, Rafael Brandão e
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFJF
Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/11491
Resumo: O planejamento da produção hidrelétrica depende consideravelmente das previsões de vazão dos rios que são feitas a partir de modelos matemáticos, estocásticos e hidrológicos, na maior parte das vezes incorporados a sistemas computacionais. O aumento da precisão da previsão de vazão é uma forma importante de auxiliar as decisões estratégicas da produção e armazenamento de energia nas Usinas Hidrelétricas (UEHs), aumentando a sua eficiência e reduzindo os custos de complementação térmica. Este trabalho apresenta um estudo comparativo entre três técnicas de otimização baseadas em inteligência computacional visando otimizar os parâmetros do modelo SMAP (Soil Moisture Accounting Procedure) para três sub-bacias brasileiras (Emborcação, Nova Ponte e Corumbá). Inicialmente será realizado um estudo de convexidade para o problema em questão, visando justificar o emprego de técnicas de inteligência computacional para sua resolução. Em um segundo momento será realizada uma análise comparativa entre o Bat Algorithm (BA), Grey Wolf Optimization (GWO) e Salp Swarm Algorithm (SSA), sendo o BA o modelo utilizado oficialmente pelo setor elétrico para realização da otimização do modelo SMAP. A comparação entre os três algoritmos envolverá análise de variabilidade das soluções, características de convergência e tempo de processamento computacional. Como será apresentado neste trabalho, os resultados encontrados apontam de forma promissora para a utilização do GWO na otimização do modelo SMAP.
id UFJF_3e8e2ae68753c496e8e7bdf03fe3a2bc
oai_identifier_str oai:hermes.cpd.ufjf.br:ufjf/11491
network_acronym_str UFJF
network_name_str Repositório Institucional da UFJF
repository_id_str
spelling Silva Júnior, Ivo Chaves dahttp://lattes.cnpq.br/6893941321946438Coelho, Francisco Carlos Rodrigueshttp://lattes.cnpq.br/4481008684695993Marcato, André Luís Marqueshttp://lattes.cnpq.br/1033215067775319http://lattes.cnpq.br/0091971836732217Silva, Rafael Brandão e2020-02-11T12:21:07Z2020-01-062020-02-11T12:21:07Z2019-10-25https://repositorio.ufjf.br/jspui/handle/ufjf/11491O planejamento da produção hidrelétrica depende consideravelmente das previsões de vazão dos rios que são feitas a partir de modelos matemáticos, estocásticos e hidrológicos, na maior parte das vezes incorporados a sistemas computacionais. O aumento da precisão da previsão de vazão é uma forma importante de auxiliar as decisões estratégicas da produção e armazenamento de energia nas Usinas Hidrelétricas (UEHs), aumentando a sua eficiência e reduzindo os custos de complementação térmica. Este trabalho apresenta um estudo comparativo entre três técnicas de otimização baseadas em inteligência computacional visando otimizar os parâmetros do modelo SMAP (Soil Moisture Accounting Procedure) para três sub-bacias brasileiras (Emborcação, Nova Ponte e Corumbá). Inicialmente será realizado um estudo de convexidade para o problema em questão, visando justificar o emprego de técnicas de inteligência computacional para sua resolução. Em um segundo momento será realizada uma análise comparativa entre o Bat Algorithm (BA), Grey Wolf Optimization (GWO) e Salp Swarm Algorithm (SSA), sendo o BA o modelo utilizado oficialmente pelo setor elétrico para realização da otimização do modelo SMAP. A comparação entre os três algoritmos envolverá análise de variabilidade das soluções, características de convergência e tempo de processamento computacional. Como será apresentado neste trabalho, os resultados encontrados apontam de forma promissora para a utilização do GWO na otimização do modelo SMAP.The hydroelectric production planning depends considerably on river flow predictions, which are made from mathematical, stochastic and hydrological models, mostly incorporated into computer systems. Increasing the accuracy of water flow forecasting is an important way to help making strategic decisions on energy production and storage in hydroelectric power plants, increasing their efficiency and reducing thermal complementation costs. This work presents a comparative study between three optimization techniques based on computational intelligence aiming to optimize the water flow forecast computed by the SMAP (Soil Moisture Accounting Procedure) model applied for three Brazilian sub-basins (Emborcação, Nova Ponte and Corumbá). At first, a convexity study was carried out to justify the use of computational intelligence techniques to solve the problem. In a second moment, a comparative analysis was performed between Bat Algorithm (BA) – official optimization model technique used by the electric sector to perform SMAP model optimization – Grey Wolf Optimization (GWO) and Salp Swarm Algorithm (SSA). The comparative study of these three algorithms involves the analysis of solutions’ variability, convergence characteristics and computational processing time. The results encourage the use of GWO in the SMAP model optimization.porUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Engenharia ElétricaUFJFBrasilFaculdade de EngenhariaAttribution-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAAlgoritmos bio-inspiradosInteligência computacionalModelo SMAPOtimizaçãoPrevisão de vazãoComputational intelligenceHydrological modelsOptimizationSMAP modelWaterflow forecastAjuste do modelo SMAP via técnicas de inteligência computacionalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFTEXTrafaelbrandaoesilva.pdf.txtrafaelbrandaoesilva.pdf.txtExtracted texttext/plain108758https://repositorio.ufjf.br/jspui/bitstream/ufjf/11491/4/rafaelbrandaoesilva.pdf.txt9cee29cc1880e2550666550c390dec57MD54THUMBNAILrafaelbrandaoesilva.pdf.jpgrafaelbrandaoesilva.pdf.jpgGenerated Thumbnailimage/jpeg1190https://repositorio.ufjf.br/jspui/bitstream/ufjf/11491/5/rafaelbrandaoesilva.pdf.jpgf504129385940db73edbb0c52fa1e587MD55ORIGINALrafaelbrandaoesilva.pdfrafaelbrandaoesilva.pdfapplication/pdf1670662https://repositorio.ufjf.br/jspui/bitstream/ufjf/11491/1/rafaelbrandaoesilva.pdf214f52dff5790a73bcda8f5804e615b5MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/11491/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.ufjf.br/jspui/bitstream/ufjf/11491/2/license_rdfc4c98de35c20c53220c07884f4def27cMD52ufjf/114912020-02-12 04:06:57.327oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2020-02-12T06:06:57Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false
dc.title.pt_BR.fl_str_mv Ajuste do modelo SMAP via técnicas de inteligência computacional
title Ajuste do modelo SMAP via técnicas de inteligência computacional
spellingShingle Ajuste do modelo SMAP via técnicas de inteligência computacional
Silva, Rafael Brandão e
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Algoritmos bio-inspirados
Inteligência computacional
Modelo SMAP
Otimização
Previsão de vazão
Computational intelligence
Hydrological models
Optimization
SMAP model
Waterflow forecast
title_short Ajuste do modelo SMAP via técnicas de inteligência computacional
title_full Ajuste do modelo SMAP via técnicas de inteligência computacional
title_fullStr Ajuste do modelo SMAP via técnicas de inteligência computacional
title_full_unstemmed Ajuste do modelo SMAP via técnicas de inteligência computacional
title_sort Ajuste do modelo SMAP via técnicas de inteligência computacional
author Silva, Rafael Brandão e
author_facet Silva, Rafael Brandão e
author_role author
dc.contributor.advisor1.fl_str_mv Silva Júnior, Ivo Chaves da
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/6893941321946438
dc.contributor.referee1.fl_str_mv Coelho, Francisco Carlos Rodrigues
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/4481008684695993
dc.contributor.referee2.fl_str_mv Marcato, André Luís Marques
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/1033215067775319
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/0091971836732217
dc.contributor.author.fl_str_mv Silva, Rafael Brandão e
contributor_str_mv Silva Júnior, Ivo Chaves da
Coelho, Francisco Carlos Rodrigues
Marcato, André Luís Marques
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Algoritmos bio-inspirados
Inteligência computacional
Modelo SMAP
Otimização
Previsão de vazão
Computational intelligence
Hydrological models
Optimization
SMAP model
Waterflow forecast
dc.subject.por.fl_str_mv Algoritmos bio-inspirados
Inteligência computacional
Modelo SMAP
Otimização
Previsão de vazão
Computational intelligence
Hydrological models
Optimization
SMAP model
Waterflow forecast
description O planejamento da produção hidrelétrica depende consideravelmente das previsões de vazão dos rios que são feitas a partir de modelos matemáticos, estocásticos e hidrológicos, na maior parte das vezes incorporados a sistemas computacionais. O aumento da precisão da previsão de vazão é uma forma importante de auxiliar as decisões estratégicas da produção e armazenamento de energia nas Usinas Hidrelétricas (UEHs), aumentando a sua eficiência e reduzindo os custos de complementação térmica. Este trabalho apresenta um estudo comparativo entre três técnicas de otimização baseadas em inteligência computacional visando otimizar os parâmetros do modelo SMAP (Soil Moisture Accounting Procedure) para três sub-bacias brasileiras (Emborcação, Nova Ponte e Corumbá). Inicialmente será realizado um estudo de convexidade para o problema em questão, visando justificar o emprego de técnicas de inteligência computacional para sua resolução. Em um segundo momento será realizada uma análise comparativa entre o Bat Algorithm (BA), Grey Wolf Optimization (GWO) e Salp Swarm Algorithm (SSA), sendo o BA o modelo utilizado oficialmente pelo setor elétrico para realização da otimização do modelo SMAP. A comparação entre os três algoritmos envolverá análise de variabilidade das soluções, características de convergência e tempo de processamento computacional. Como será apresentado neste trabalho, os resultados encontrados apontam de forma promissora para a utilização do GWO na otimização do modelo SMAP.
publishDate 2019
dc.date.issued.fl_str_mv 2019-10-25
dc.date.accessioned.fl_str_mv 2020-02-11T12:21:07Z
dc.date.available.fl_str_mv 2020-01-06
2020-02-11T12:21:07Z
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.ufjf.br/jspui/handle/ufjf/11491
url https://repositorio.ufjf.br/jspui/handle/ufjf/11491
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Engenharia Elétrica
dc.publisher.initials.fl_str_mv UFJF
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Faculdade de Engenharia
publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFJF
instname:Universidade Federal de Juiz de Fora (UFJF)
instacron:UFJF
instname_str Universidade Federal de Juiz de Fora (UFJF)
instacron_str UFJF
institution UFJF
reponame_str Repositório Institucional da UFJF
collection Repositório Institucional da UFJF
bitstream.url.fl_str_mv https://repositorio.ufjf.br/jspui/bitstream/ufjf/11491/4/rafaelbrandaoesilva.pdf.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11491/5/rafaelbrandaoesilva.pdf.jpg
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11491/1/rafaelbrandaoesilva.pdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11491/3/license.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11491/2/license_rdf
bitstream.checksum.fl_str_mv 9cee29cc1880e2550666550c390dec57
f504129385940db73edbb0c52fa1e587
214f52dff5790a73bcda8f5804e615b5
8a4605be74aa9ea9d79846c1fba20a33
c4c98de35c20c53220c07884f4def27c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)
repository.mail.fl_str_mv
_version_ 1813193919888883712