Banca de DEFESA: JOSÉ FERNANDO DE TOLEDO

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : JOSÉ FERNANDO DE TOLEDO
DATA : 07/08/2023
HORA: 08:00
LOCAL: meet.google.com/sra-jjdg-yhj
TÍTULO:

MODELOS DE MACHINE LEARNING COM INDICADORES CLIMÁTICOS PARA A  GERAÇÃO DE CENÁRIOS DE VAZÕES NATURAIS AFLUENTE

PÁGINAS: 100
RESUMO:

No Brasil, para realização do planejamento da operação da geração de energia elétrica do sistema hidrotérmico de potência , são utilizados modelos computacionais que necessitam de informações relacionadas ao recurso energético, como a previsão da quantidadade de água que poderá estar disponível nos reservatórios das Usinas Hidrelétricas (vazão natural afluente), do combustivel e da disponibilidade de Usinas Térmicas, bem como, da previsão de carga para o período de planejamento. Como dados de saída, os modelos produzem a programação da operação destas Usinas e o Custo Marginal de Operação, ou seja, custo por unidade de energia elétrica produzida para atender um acréscimo de carga no sistema. Destaca-se que a disponibilidade futura de água nos reservatórios está associada à aleatoriedade das vazões naturais afluentes aos mesmos, de modo que tornam-se necessários modelos de previsão de vazão que forneçam cenários de afluências cada vez mais confiaveis permitindo assim a projeção de atendimento de demanda mais confiável e segura. Portanto, pode-se perceber que há forte dependência de questões climática neste processo, pois variações nas médias da precipitação pluviométrica e temperatura, poderão impactar diretamente a disponibilidade de água para geração de energia elétrica, podendo influenciar de forma severa as tomadas de decisões operativas em sistemas com grande predominância hidrelétrica quando não se faz uma planejamento adequado do recurso energético disponivel. Baseado neste contexto, este trabalho investigou a influência da utilização de índices climáticos de teleconexões como variáveis exógenas em modelos de previsão de vazões naturais afluentes no Brasil, utilizando modelos de aprendizado de máquina e autoregressivos para catorze Usinas Hidrelétricas localizadas em diferentes regiões no território brasileiro. Os resultados alcançados indicaram que há uma significante correlação, entre os índices climáticos adotados, as localizações das usinas hidroelétirca e os modelos adotados. Finalmente, conclui-se que esta metodologia que propõe incluir índices climáticos aos modelos de previsão de vazões naturais afluentes às usina é bastante promissora e poderá auxliar os agentes do setor elétrico na tomada de decisõs e terá, como consequência, uma determinação de operação que garanta ao consumidor final mais segurança energética.

MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1544340 - PATRICIA TEIXEIRA LEITE ASANO
Membro Titular - Examinador(a) Interno ao Programa - 1545354 - RICARDO CANELOI DOS SANTOS
Membro Titular - Examinador(a) Externo ao Programa - 1761107 - RICARDO SUYAMA
Membro Titular - Examinador(a) Externo à Instituição - MANOEL HENRIQUE DA NÓBREGA MARINHO - UNICAMP
Membro Titular - Examinador(a) Externo à Instituição - RODRIGO ROSA AZAMBUJA
Membro Suplente - Examinador(a) Interno ao Programa - 1671333 - EDMARCIO ANTONIO BELATI
Membro Suplente - Examinador(a) Externo ao Programa - 1876379 - MARIA CLEOFE VALVERDE BRAMBILA
Membro Suplente - Examinador(a) Externo à Instituição - EDUARDO DE AGUIAR SODRÉ - UFCG