Análise das Previsões de Precipitação Obtidas com a Utilização do Modelo Eta como Insumo para Modelos de Previsão Semanal de Vazão Natural

Machado, Christiane Lopes; Gomes, Jorge L.; Bustamante, Josiane F.; Guilhon, Luiz; Cataldi, Márcio; Chou, Sin Chan

doi:10.21168/rbrh.v12n3.p5-12

Cited by 10 publications

(2 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Ao invés de se utilizar dados determinísticos, previsões semanais poderiam ser feitas por meio de modelos de base física, por exemplo, utilizando um modelo de circulação atmosféricas para previsões de chuvas acoplado a um modelo hidrológico que transforme as previsões de chuva em previsões de vazão (por exemplo, veja SILVA et al, 2006(por exemplo, veja SILVA et al, , 2007FADIGA JUNIOR et al, 2008;CASTANHARO et al, 2007;CATALDI et al, 2007;COLLISCHONN et al, 2007). Assim, a distribuição dos resultados das previsões do modelo chuva-vazão poderia ser substituída em ( ) …”

Section: Modelo De Ponderação Bayesianaunclassified

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

Oliveira

Lima

2016

RBRH

View full text Add to dashboard Cite

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...

show abstract

Section: Modelo De Ponderação Bayesianaunclassified

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

Oliveira

Lima

2016

RBRH

View full text Add to dashboard Cite

show abstract

“…These forecasts, when previously performed and carried out with relative accuracy, allow decision making to minimize the effects of scenarios of exceptional flood or shortage of water resources. In this context, it is important to highlight the role of precipitation forecast, taking into account its importance for forecasting hydroelectric plant flows (Cataldi et al, 2007).…”

Section: Introductionmentioning

confidence: 99%

Prediction of monthly flows for Três Marias reservoir (São Francisco river basin) using the CFS climate forecast model

Paiva

Montenegro

Cataldi

2020

RBRH

Self Cite

View full text Add to dashboard Cite

Despite the water crisis in 2016, 76% of the energy in Brazil was generated by hydroelectric plants, which shows that the Brazilian system is still strongly dependent on the hydrological conditions of basins. Therefore, the flow forecasts for these plants subsidize the decision making within the scope of the Electric Sector, since they allow the evaluation of the operational conditions of the hydroelectric and thermoelectric plants through the use of energy optimization models, providing gains in the operations of SIN (Sistema Interligado Nacional – the Brazilian National Interconnected System). The precipitation forecast is of fundamental importance for the elaboration of these hydroelectric flow forecasts. For energy evaluations, the DECOMP and NEWAVE models are used, with the GEVAZP model being applied to generate scenarios through an AR (p) (autoregressive) model. Accordingly, this study shows the impact of precipitation forecast on flow predictions in the climate horizon. For this, a statistical correction was made in the rain predicted by the CFS (Climate Forecast System) model, which tends to overestimate the predicted rain, with rainfall-flow models being calibrated. Tests were performed with this new modeling system and the results, in the form of scenarios, were compared with the scenarios generated by the GEVAZP model, showing the possibility of reducing the generated range by the latter, consequently causing the DECOMP model to not consider ranges with little or no probability of occurrence, which can improve the optimization of the SIN operation planning. This work also shows that the SMAP model exhibited better performance when compared to the Neural Networks model, in terms of the average flow range predicted in relation to the observed flow. There was a clear improvement in the flow predictions with the incorporation of the rain observed one month ahead in the simulations, mainly in the forecast of high flows. Finally, the climate indices had a good relationship with the flow and rain variables.

show abstract

Hydropower Forecasting in Brazil

Tucci¹,

Collischonn²,

Fan³

et al. 2015

Handbook of Hydrometeorological Ensemble Forecasting

View full text Add to dashboard Cite

Análise das Previsões de Precipitação Obtidas com a Utilização do Modelo Eta como Insumo para Modelos de Previsão Semanal de Vazão Natural

Cited by 10 publications

References 20 publications

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

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

Prediction of monthly flows for Três Marias reservoir (São Francisco river basin) using the CFS climate forecast model

Hydropower Forecasting in Brazil

Contact Info

Product

Resources

About