Ajuste do modelo SMAP via técnicas de inteligência computacional
Autor(a) principal: | |
---|---|
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 |