Inferência Bayesiana No Desenvolvimento De Previsores Neurais De Vazão Diária Utilizando Informações De Precipitação

Abstract

-This paper deals with Bayesian neural models applied to daily water inflow fo recasting, including automatic algorith ms for input selection, structure stabilizat ion and complexity control. The available database includes water inflow and precipitation in a daily basis fro m Grande River basin, enabling tests of the applicability of the inclusion of precipitation informat ion in the daily water inflow forecasting models in order to decrease the forecasting error of the developed neural models. Six forecasting strategies are co mpared, all of them using Bayesian neural models but different input space representation, including models that use only past water in flo w informat ion and models that comb ine precip itation and past values of the water inflo ws. The use of seasonal dummy variables in order to represent the dry, wet and transition periods of the year is also tested. The obtained results show the viability of the application of Bayesian neural models co mbining water inflows and precipitation as inputs for daily water inflow forecasting, with these models showing the best results for the test periods considered.Keywords -daily water inflow forecasting, energy planning, neural networks, Bayesian inference applied to neural networks. IntroduçãoO sistema elétrico brasileiro é composto por uma matriz energética bastante diversificada, que inclui desde geração hidrelétrica e térmica, quanto nuclear e eólica. Dentre essas fontes geradoras de energia as que mais se destacam são as hidroelétricas. Elas representam cerca de 67% da energia elétrica disponível para geração no país [1]. A geração de energia através de uma usina hidrelétrica depende diretamente da água disponível, ou especificamente, da vazão afluente naquele ponto da bacia onde a unidade está instalada. Desta forma, o conhecimento do comportamento futuro das vazões afluentes é de vital importância para o planejamento da operação eletroenergética de sistemas elétricos de potência com parque gerador predominantemente hidráulico, co mo é o caso do Sistema Interligado Nacional (SIN).Os modelos tradicionais de previsão de vazão utilizam formu lações auto-regressivas para análise das séries de vazões naturais. Estes modelos são baseados nas informações históricas de vazão dos rios em diferentes postos fluviométricos e de séries de vazões afluentes aos reservatórios das usinas hidrelétricas. Contudo, os mesmos não utilizam informações exógenas, como as previsões de precipitação nos locais de aproveitamento hidrelétrico. Dentre os modelos mais empregados no setor elétrico brasileiro estão aqueles baseados em modelos estocásticos. Porém, devido ao co mportamento cíclico dos períodos secos e úmidos, as séries temporais de vazão possuem características não estacionárias, o que torna os erros de previsão altos se comparados com os erros de previsão de carga, por exemp lo .A utilização de redes neurais artificiais (RNAs) vem ganhando destaque nos últimos anos por sua comprovada facilidade de apro ximar co m boa precisão qualquer função contínua, devi...