Ajuste do modelo SMAP via técnicas de inteligência computacional

• Ano de defesa: 2019
• Autor(a) principal: Silva, Rafael Brandão e
• Orientador(a): Silva Júnior, Ivo Chaves da
• Banca de defesa: Coelho, Francisco Carlos Rodrigues , Marcato, André Luís Marques
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Engenharia Elétrica
• Departamento: Faculdade de Engenharia
• País: Brasil
• Palavras-chave em Português: Algoritmos bio-inspirados; Inteligência computacional; Modelo SMAP; Otimização; Previsão de vazão; Computational intelligence; Hydrological models; Optimization; SMAP model; Waterflow forecast
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/11491

O planejamento da produção hidrelétrica depende consideravelmente das previsões de vazão dos rios que são feitas a partir de modelos matemáticos, estocásticos e hidrológicos, na maior parte das vezes incorporados a sistemas computacionais. O aumento da precisão da previsão de vazão é uma forma importante de auxiliar as decisões estratégicas da produção e armazenamento de energia nas Usinas Hidrelétricas (UEHs), aumentando a sua eficiência e reduzindo os custos de complementação térmica. Este trabalho apresenta um estudo comparativo entre três técnicas de otimização baseadas em inteligência computacional visando otimizar os parâmetros do modelo SMAP (Soil Moisture Accounting Procedure) para três sub-bacias brasileiras (Emborcação, Nova Ponte e Corumbá). Inicialmente será realizado um estudo de convexidade para o problema em questão, visando justificar o emprego de técnicas de inteligência computacional para sua resolução. Em um segundo momento será realizada uma análise comparativa entre o Bat Algorithm (BA), Grey Wolf Optimization (GWO) e Salp Swarm Algorithm (SSA), sendo o BA o modelo utilizado oficialmente pelo setor elétrico para realização da otimização do modelo SMAP. A comparação entre os três algoritmos envolverá análise de variabilidade das soluções, características de convergência e tempo de processamento computacional. Como será apresentado neste trabalho, os resultados encontrados apontam de forma promissora para a utilização do GWO na otimização do modelo SMAP.