Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA)

Abstract

Este é um artigo publicado em acesso aberto (Open Access) sob a licença Creative Commons Attribution, que permite uso, distribuição e reprodução em qualquer meio, sem restrições desde que o trabalho original seja corretamente citado. Previsões multiescala de vazões para o sistema hidrelétrico brasileiro utilizando ponderação bayesiana de modelos (BMA)Multiscale streamflow forecasts for the Brazilian hydropower system using bayesian model averaging (BMA) RESUMOO uso de sistemas eficientes de previsão de afluências nas diversas escalas temporais permite otimizar a operação do conjunto de reservatórios hidrelétricos brasileiros, elevando o grau de segurança no fornecimento de energia elétrica e minimizando os custos operacionais. Entretanto, os modelos atuais de previsão utilizados pelo Operador Nacional do Sistema Elétrico (ONS) tendem a ser limitados no horizonte de previsão e na modelagem da dependência existente entre as diversas escalas de tempo, reduzindo a qualidade das previsões. Neste trabalho é proposta uma nova contribuição para os modelos de previsão de afluências em uso pelo ONS a partir do conceito de ponderação bayesiana de modelos (BMA), que permite integrar previsões mensais e semanais de vazões com objetivo de melhorar o desempenho das previsões semanais. As previsões mensais são obtidas por meio de um modelo periódico auto-regressivo exógeno (PARX), que busca captar a persistência das vazões na parte auto-regressiva e a contribuição do escoamento superficial na parcela exógena por meio do uso de informações climáticas de larga escala. Previsões semanais de afluência com até seis semanas de antecedência são obtidas a partir das informações disponibilizadas pelo ONS nos relatórios do Programa Mensal de Operação (PMO). A metodologia proposta é aplicada em séries de afluências semanais aos 28 principais reservatórios hidroelétricos brasileiros. Os resultados de previsão semanal de afluências obtidos com a ponderação das saídas dos modelos de previsão semanal e mensal indicam uma melhoria significativa em indicadores de desempenho de previsões (NS, MAPE e DM) quando comparados com os resultados de previsão oriundos do modelo semanal isolado. Os ganhos obtidos nos indicadores de desempenho são mais significativos a partir da segunda semana de antecedência. A abordagem proposta é flexível em termos de implementação, permitindo integrar outras escalas de previsão assim como diferentes modelos preditivos (por exemplo, modelos de base física).Palavras-chave: Ponderação bayesiana de modelos; BMA; Previsões de vazão; Reservatórios; Hidroelétricas. ABSTRACTThe use of efficient streamflow forecast systems at different time scales allows the operational optimization of the Brazilian interconnected hydropower reservoirs, raising the security level of electricity supply and minimizing operating costs. However, current forecasting models used by the National Electric System Operator (ONS) tend to be limited over the forecast horizon and in the modeling of the dependence structure across the various time scales, t...

Enhancing monthly streamflow forecasting for Brazilian hydropower plants through climate index integration with stochastic methods

“…Specifically, these indices are derived from sea surface temperature (SST) data in parts of the Atlantic and Pacific Oceans, as well as the zonal wind field in Southeastern Brazil. The efficacy of these indices in enhancing streamflow forecasts for certain hydropower plants across Brazil has been previously demonstrated in prior studies (Oliveira & Lima, 2016;Lima & Lall, 2010a, 2010b.…”

Advances and challenges in the water sciences in Brazil: a community synthesis of the XXIII Brazilian Water Resources Symposium

“…Given the continental dimensions of Brazil, its large dependence on water for energy production and vulnerability to extreme hydrometeorological events, there is an increasing need to develop hydrological forecasting techniques considering multiple temporal (e.g. short-to seasonal ranges) and spatial scales (from small basins to the entire country) (Fan et al, 2016;Oliveira & Lima, 2016;Casagrande et al, 2017;Quedi & Fan, 2020;Siqueira et al, 2020).…”

Advancing Medium-Range Streamflow Forecasting for Large Hydropower Reservoirs in Brazil by Means of Continental-Scale Hydrological Modeling

“…Natural inflow forecasts play a crucial role in planning the operation of the SIN, which aims to meet energy demand and maximize overall efficiency by minimizing spillover losses and reducing additional fuel costs [5][6][7]. Methodologies to produce streamflow forecasts for the few weeks ahead have long been based on statistical methods based on observed discharge [8].…”