Previsão das vazões afluentes diárias por rede neural para projeção de PLD
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRJ |
Texto Completo: | http://hdl.handle.net/11422/12287 |
Resumo: | A previsão de vazões afluentes é um dos principais insumos na formação do Custo Mensal de Operação - CMO do sistema elétrico nacional, bem como, do Preço de Liquidação das Diferenças - PLD, sendo assim, esta área é desafiadora em relação à complexidade na sua previsibilidade, além da possibilidade de gerar altos lucros financeiros para os agentes do mercado energético. Esse trabalho teve o objetivo de calibrar um modelo de previsão de vazões afluentes diárias na usina hidrelétrica de Três Marias, na bacia do São Francisco, 7 dias à frente, utilizando a técnica de redes neurais, considerando as vazões afluentes naturais do próprio reservatório da usina, e as informações pluviométricas e fluviométricas advindas de postos hidrométricos a montante da região de estudo. Ressalta-se que o modelo de previsão desta dissertação atingiu seu objetivo, pois produziu resultados superiores aos modelos utilizados pelo sistema elétrico, tais como o tradicional estatístico PREVIVAZH e, até mesmo, ao modelo de rede neural, Neuro3M que foi usado até o início deste ano no mesmo reservatório. |
id |
UFRJ_2a7cb27d27633bdfffde08afc69d26a8 |
---|---|
oai_identifier_str |
oai:pantheon.ufrj.br:11422/12287 |
network_acronym_str |
UFRJ |
network_name_str |
Repositório Institucional da UFRJ |
repository_id_str |
|
spelling |
Mendes, Natalia Dias Sardinhahttp://lattes.cnpq.br/1904141668148131Tolmasquim, Maurício TiomnoPereira Jr., Amaro OlimpioCalôba, Luiz Pereira2020-05-22T00:35:51Z2023-11-30T03:03:58Z2019-08http://hdl.handle.net/11422/12287A previsão de vazões afluentes é um dos principais insumos na formação do Custo Mensal de Operação - CMO do sistema elétrico nacional, bem como, do Preço de Liquidação das Diferenças - PLD, sendo assim, esta área é desafiadora em relação à complexidade na sua previsibilidade, além da possibilidade de gerar altos lucros financeiros para os agentes do mercado energético. Esse trabalho teve o objetivo de calibrar um modelo de previsão de vazões afluentes diárias na usina hidrelétrica de Três Marias, na bacia do São Francisco, 7 dias à frente, utilizando a técnica de redes neurais, considerando as vazões afluentes naturais do próprio reservatório da usina, e as informações pluviométricas e fluviométricas advindas de postos hidrométricos a montante da região de estudo. Ressalta-se que o modelo de previsão desta dissertação atingiu seu objetivo, pois produziu resultados superiores aos modelos utilizados pelo sistema elétrico, tais como o tradicional estatístico PREVIVAZH e, até mesmo, ao modelo de rede neural, Neuro3M que foi usado até o início deste ano no mesmo reservatório.The prediction of affluent flows is one of the main inputs in the definition of the Monthly Operating Cost - CMO of the Brazilian electrical system, as well as, the Market Clearing Price – PLD. Therefore the prediction of affluent flows is a challenging area in relation to the complexity of problems, besides the possibility of generating high financial profits for the energy market agents. This work aimed to calibrate a daily affluent flow forecasting model at the Três Marias hydroelectric plant in the São Francisco basin, 7 days ahead, using the neural networks technique, considering the natural affluent flows from the plant's own reservoir, and pluviometric and fluviometric information from hydrometric stations upstream of the study region. The prediction model of this paper using the neural network technique produced better results than the models used by the electrical system, such as the PREVIVAZH traditional statistician and even the Neuro3M neural network model, which was used until the beginning of this year in the same reservoir.Submitted by Aglair Aguiar (aglair@ct.ufrj.br) on 2020-05-22T00:35:51Z No. of bitstreams: 1 891480.pdf: 1318948 bytes, checksum: 573c5ee2f4176d2a7c465c5951935609 (MD5)Made available in DSpace on 2020-05-22T00:35:51Z (GMT). No. of bitstreams: 1 891480.pdf: 1318948 bytes, checksum: 573c5ee2f4176d2a7c465c5951935609 (MD5) Previous issue date: 2019-08porUniversidade Federal do Rio de JaneiroPrograma de Pós-Graduação em Engenharia ElétricaUFRJBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEngenharia elétricaPrevisão das vazões afluentes diáriasRede neural artificialProjeção de PLDPrevisão das vazões afluentes diárias por rede neural para projeção de PLDinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJORIGINAL891480.pdf891480.pdfapplication/pdf1318948http://pantheon.ufrj.br:80/bitstream/11422/12287/1/891480.pdf573c5ee2f4176d2a7c465c5951935609MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/12287/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD5211422/122872023-11-30 00:03:58.615oai:pantheon.ufrj.br:11422/12287TElDRU7Dh0EgTsODTy1FWENMVVNJVkEgREUgRElTVFJJQlVJw4fDg08KCkFvIGFzc2luYXIgZSBlbnRyZWdhciBlc3RhIGxpY2Vuw6dhLCB2b2PDqihzKSBvKHMpIGF1dG9yKGVzKSBvdSBwcm9wcmlldMOhcmlvKHMpIGRvcyBkaXJlaXRvcyBhdXRvcmFpcyBjb25jZWRlKG0pIGFvIFJlcG9zaXTDs3JpbyBQYW50aGVvbiBkYSBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkbyBSaW8gZGUgSmFuZWlybyAoVUZSSikgbyBkaXJlaXRvIG7Do28gLSBleGNsdXNpdm8gZGUgcmVwcm9kdXppciwgY29udmVydGVyIChjb21vIGRlZmluaWRvIGFiYWl4byksIGUvb3UgZGlzdHJpYnVpciBvIGRvY3VtZW50byBlbnRyZWd1ZSAoaW5jbHVpbmRvIG8gcmVzdW1vKSBlbSB0b2RvIG8gbXVuZG8sIGVtIGZvcm1hdG8gZWxldHLDtG5pY28gZSBlbSBxdWFscXVlciBtZWlvLCBpbmNsdWluZG8sIG1hcyBuw6NvIGxpbWl0YWRvIGEgw6F1ZGlvIGUvb3UgdsOtZGVvLgoKVm9jw6ogY29uY29yZGEgcXVlIGEgVUZSSiBwb2RlLCBzZW0gYWx0ZXJhciBvIGNvbnRlw7pkbywgdHJhZHV6aXIgYSBhcHJlc2VudGHDp8OjbyBkZSBxdWFscXVlciBtZWlvIG91IGZvcm1hdG8gY29tIGEgZmluYWxpZGFkZSBkZSBwcmVzZXJ2YcOnw6NvLgoKVm9jw6ogdGFtYsOpbSBjb25jb3JkYSBxdWUgYSBVRlJKIHBvZGUgbWFudGVyIG1haXMgZGUgdW1hIGPDs3BpYSBkZXNzYSBzdWJtaXNzw6NvIHBhcmEgZmlucyBkZSBzZWd1cmFuw6dhLCBiYWNrLXVwIGUgcHJlc2VydmHDp8OjbyBkaWdpdGFsLgoKRGVjbGFyYSBxdWUgbyBkb2N1bWVudG8gZW50cmVndWUgw6kgc2V1IHRyYWJhbGhvIG9yaWdpbmFsLCBlIHF1ZSB2b2PDqiB0ZW0gbyBkaXJlaXRvIGRlIGNvbmNlZGVyIG9zIGRpcmVpdG9zIGNvbnRpZG9zIG5lc3RhIGxpY2Vuw6dhLiBWb2PDqiB0YW1iw6ltIGRlY2xhcmEgcXVlIGEgc3VhIGFwcmVzZW50YcOnw6NvLCBjb20gbyBtZWxob3IgZGUgc2V1cyBjb25oZWNpbWVudG9zLCBuw6NvIGluZnJpbmdpIGRpcmVpdG9zIGF1dG9yYWlzIGRlIHRlcmNlaXJvcy4KClNlIG8gZG9jdW1lbnRvIGVudHJlZ3VlIGNvbnTDqW0gbWF0ZXJpYWwgZG8gcXVhbCB2b2PDqiBuw6NvIHRlbSBkaXJlaXRvcyBkZSBhdXRvciwgZGVjbGFyYSBxdWUgb2J0ZXZlIGEgcGVybWlzc8OjbyBpcnJlc3RyaXRhIGRvIGRldGVudG9yIGRvcyBkaXJlaXRvcyBhdXRvcmFpcyBlIGNvbmNlZGUgYSBVRlJKIG9zIGRpcmVpdG9zIHJlcXVlcmlkb3MgcG9yIGVzdGEgbGljZW7Dp2EsIGUgcXVlIGVzc2UgbWF0ZXJpYWwgZGUgcHJvcHJpZWRhZGUgZGUgdGVyY2Vpcm9zIGVzdMOhIGNsYXJhbWVudGUgaWRlbnRpZmljYWRvIGUgcmVjb25oZWNpZG8gbm8gdGV4dG8gb3UgY29udGXDumRvIGRhIHN1Ym1pc3PDo28uCgpTZSBvIGRvY3VtZW50byBlbnRyZWd1ZSDDqSBiYXNlYWRvIGVtIHRyYWJhbGhvIHF1ZSBmb2ksIG91IHRlbSBzaWRvIHBhdHJvY2luYWRvIG91IGFwb2lhZG8gcG9yIHVtYSBhZ8OqbmNpYSBvdSBvdXRybyhzKSBvcmdhbmlzbW8ocykgcXVlIG7Do28gYSBVRlJKLCB2b2PDqiBkZWNsYXJhIHF1ZSBjdW1wcml1IHF1YWxxdWVyIGRpcmVpdG8gZGUgUkVWSVPDg08gb3UgZGUgb3V0cmFzIG9icmlnYcOnw7VlcyByZXF1ZXJpZGFzIHBvciBjb250cmF0byBvdSBhY29yZG8uCgpBIFVGUkogaXLDoSBpZGVudGlmaWNhciBjbGFyYW1lbnRlIG8ocykgc2V1KHMpIG5vbWUocykgY29tbyBhdXRvcihlcykgb3UgcHJvcHJpZXTDoXJpbyhzKSBkYSBzdWJtaXNzw6NvLCBlIG7Do28gZmFyw6EgcXVhbHF1ZXIgYWx0ZXJhw6fDo28sIHBhcmEgYWzDqW0gZGFzIHBlcm1pdGlkYXMgcG9yIGVzdGEgbGljZW7Dp2EsIG5vIGF0byBkZSBzdWJtaXNzw6NvLgo=Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2023-11-30T03:03:58Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.fl_str_mv |
Previsão das vazões afluentes diárias por rede neural para projeção de PLD |
title |
Previsão das vazões afluentes diárias por rede neural para projeção de PLD |
spellingShingle |
Previsão das vazões afluentes diárias por rede neural para projeção de PLD Mendes, Natalia Dias Sardinha CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia elétrica Previsão das vazões afluentes diárias Rede neural artificial Projeção de PLD |
title_short |
Previsão das vazões afluentes diárias por rede neural para projeção de PLD |
title_full |
Previsão das vazões afluentes diárias por rede neural para projeção de PLD |
title_fullStr |
Previsão das vazões afluentes diárias por rede neural para projeção de PLD |
title_full_unstemmed |
Previsão das vazões afluentes diárias por rede neural para projeção de PLD |
title_sort |
Previsão das vazões afluentes diárias por rede neural para projeção de PLD |
author |
Mendes, Natalia Dias Sardinha |
author_facet |
Mendes, Natalia Dias Sardinha |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1904141668148131 |
dc.contributor.advisorCo1.none.fl_str_mv |
Tolmasquim, Maurício Tiomno |
dc.contributor.author.fl_str_mv |
Mendes, Natalia Dias Sardinha |
dc.contributor.referee1.fl_str_mv |
Pereira Jr., Amaro Olimpio |
dc.contributor.advisor1.fl_str_mv |
Calôba, Luiz Pereira |
contributor_str_mv |
Pereira Jr., Amaro Olimpio Calôba, Luiz Pereira |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia elétrica Previsão das vazões afluentes diárias Rede neural artificial Projeção de PLD |
dc.subject.por.fl_str_mv |
Engenharia elétrica Previsão das vazões afluentes diárias Rede neural artificial Projeção de PLD |
description |
A previsão de vazões afluentes é um dos principais insumos na formação do Custo Mensal de Operação - CMO do sistema elétrico nacional, bem como, do Preço de Liquidação das Diferenças - PLD, sendo assim, esta área é desafiadora em relação à complexidade na sua previsibilidade, além da possibilidade de gerar altos lucros financeiros para os agentes do mercado energético. Esse trabalho teve o objetivo de calibrar um modelo de previsão de vazões afluentes diárias na usina hidrelétrica de Três Marias, na bacia do São Francisco, 7 dias à frente, utilizando a técnica de redes neurais, considerando as vazões afluentes naturais do próprio reservatório da usina, e as informações pluviométricas e fluviométricas advindas de postos hidrométricos a montante da região de estudo. Ressalta-se que o modelo de previsão desta dissertação atingiu seu objetivo, pois produziu resultados superiores aos modelos utilizados pelo sistema elétrico, tais como o tradicional estatístico PREVIVAZH e, até mesmo, ao modelo de rede neural, Neuro3M que foi usado até o início deste ano no mesmo reservatório. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-08 |
dc.date.accessioned.fl_str_mv |
2020-05-22T00:35:51Z |
dc.date.available.fl_str_mv |
2023-11-30T03:03:58Z |
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 |
http://hdl.handle.net/11422/12287 |
url |
http://hdl.handle.net/11422/12287 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRJ instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Repositório Institucional da UFRJ |
collection |
Repositório Institucional da UFRJ |
bitstream.url.fl_str_mv |
http://pantheon.ufrj.br:80/bitstream/11422/12287/1/891480.pdf http://pantheon.ufrj.br:80/bitstream/11422/12287/2/license.txt |
bitstream.checksum.fl_str_mv |
573c5ee2f4176d2a7c465c5951935609 dd32849f2bfb22da963c3aac6e26e255 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
|
_version_ |
1784097181916987392 |