DESENVOLVIMENTO DE FERRAMENTA BASEADA EM REDES NEURAIS ARTIFICIAIS APLICADA AO PROBLEMA DA PREVISÃO DE VAZÕES
Este trabalho aborda o problema da previsão de vazões naturais afluentes aos aproveitamentos hidrelétricos e às bacias hidrográficas. Considerando que não se contemplam a construção de novas usinas hidrelétricas com reservatórios, o tempo necessário para recuperar os reservatórios das usinas existentes entre as épocas chuvosas e secas é cada vez maior, portanto, a previsão de vazões deve ser feita com a maior acurácia possível. A metodologia empregada pelos modelos utilizados para o planejamento e operação do Sistema Interligado Nacional é compatível com modelos de previsão de vazões e de geração de cenários hidrológicos. Dentre os modelos utilizados para previsão de vazões, valem citar os modelos físicos, estatísticos e os baseados em sistemas inteligentes. Apesar de esses modelos serem constantemente aprimorados, a acurácia obtida para algumas usinas e bacias hidrográficas apresentam grandes desvios, que, consequentemente, são incorporados aos modelos de planejamento e operação. Os efeitos econômicos desses desvios aumentam o custo de geração da energia elétrica, que aumenta o valor da tarifa paga pela sociedade. Neste contexto, com a motivação de se obter resultados melhorar a acurácia na etapa de previsão de vazões, propõe-se dois modelos de aprendizado de máquina: um baseado na metodologia de Time Delay Neural Network (TDNN), e outro baseado na metodologia Long Short Term Memory (LSTM). O primeiro foi desenvolvido em código aberto na linguagem Java, e para o segundo foi feita a implementação de uma aplicação desenvolvida em Python ao caso das bacias hidrográficas brasileiras. Ambas as metodologias aplicadas obtiveram resultados superiores aos modelos físicos e estatísticos atualmente em uso.