MODELOS DE MACHINE LEARNING COM INDICADORES CLIMÁTICOS PARA A GERAÇÃO DE CENÁRIOS DE VAZÕES NATURAIS AFLUENTE
Para o planejamento da operação do Sistema Elétrico Brasileiro, são utilizados modelos computacionais, que necessitam como dados de entrada, da disponibilidade futura de água nos reservatórios das Usinas Hidroelétricas, da disponibilidade de Usinas Térmicas e da previsão de carga do período. Como dados de saída, os modelos produzem a programação das Usinas (Despacho) e o Custo Marginal de Operação - CMO (custo por unidade de energia produzida para atender a um acréscimo de carga no sistema). Observe-se que a disponibilidade futura de água nos reservatórios está associada à aleatoriedade das vazões afluentes aos mesmos, tornando necessários modelos de previsão que forneçam cenários de afluências. Há forte dependência do clima neste processo, pois variações nas médias de precipitação e temperatura, impactam diretamente a disponibilidade de água disponível para geração de energia. Neste trabalho, pesquisou-se a influência da utilização de indicadores climáticos regionais e de teleconexões em modelos de previsão de vazões, utilizando técnicas de Machine Learning e modelos autorregressivos com variáveis exógenas, para doze Usinas Hidrelétricas localizadas no território brasileiro. Os resultados indicaram haver correlação de alguns indicadores para determinadas localizações, parecendo promissor a adoção do método em modelos previsores.