Previsões de Curto Prazo de Vazão Afluente ao Reservatório de Furnas Utilizando Redes Neurais Artificiais

Autores

Adriano Rolim Da Paz, Cintia Bertacchi Uvo, Juan Martin Bravo, Olavo Correa Pedrollo

Resumo

Decisões relacionadas à operação de reservatórios são tomadas com base no conhecimento antecipado de condições atmosféricas e hidrológicas em diferentes escalas de tempo e espaço. Assim, a utilização de informações obtidas através de previsões climáticas, meteorológicas e hidrológicas subsidia o processo de tomada de decisão, podendo produzir benefícios pela redução dos danos decorrentes de cheias, pelo aumento da segurança da barragem ou pela maior eficiência na geração de energia. Redes neurais artificiais são utilizadas, neste trabalho, para estimar a vazão de afluência ao reservatório de Furnas (Minas Gerais, Brasil) com base em previsões quantitativas de chuvas do modelo regional ETA. As previsões de vazão realizadas possuem um horizonte de doze dias com intervalo diário. Uma metodologia de treinamento e validação da rede é apresentada utilizando previsões perfeitas de chuva (considerando a chuva observada como previsão) e utilizando o maior número de dados disponíveis, favorecendo a representatividade dos resultados obtidos. Os resultados obtidos com previsão perfeita de chuva e considerando a chuva prevista pelo modelo ETA são similares até o quinto dia do horizonte de previsão. A partir do sexto dia da previsão, porém, o desempenho da rede neural utilizando chuvas previstas pelo modelo ETA decai em comparação à previsão de vazão baseada em previsão perfeita de chuva. Entretanto, os resultados do modelo desenvolvido, mesmo quando utilizada a chuva prevista pelo modelo ETA, apresentam ainda melhores índices de desempenho que os obtidos com o modelo matemático atualmente utilizado operacionalmente. Os resultados aqui obtidos mostram que a consideração de previsões quantitativas de chuva pode aprimorar as previsões de curto prazo de vazão afluente ao reservatório de Furnas.

Palavras-chave

previsão de vazão, redes neurais artificiais, previsão quantitativa de chuva.

Authors

Adriano Rolim Da Paz, Cintia Bertacchi Uvo, Juan Martin Bravo, Olavo Correa Pedrollo

Keywords

previsão de vazão, redes neurais artificiais, previsão quantitativa de chuva.