Uma nova metodologia para geração de séries sintéticas de vazão natural afluente usando modelo periódico autorregressivo com erro multiplicativo baseada em otimização não linear

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Kohl, Vinícius Mendes lattes
Orientador(a): Marcato, André Luís Marques lattes
Banca de defesa: Santos, Afonso Henriques Moreira lattes, Passos Filho, João Alberto
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:
Área do conhecimento CNPq:
Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/17842
Resumo: O Planejamento da Operação Energética de Médio Prazo do Sistema Interligado Nacional (SIN) é um problema complexo de decisão sob incerteza, envolvendo interações espaciais e temporais intricadas. A política ótima atualmente é obtida através do algoritmo de Programação Dinâmica Dual Estocástica (PDDE), que modela a incerteza hidrológica por meio de um processo Autorregressivo Periódico (PAR) utilizando a metodologia Box e Jenkins. No entanto, o modelo PAR estimado via Box e Jenkins apresenta uma limitação significativa: a possibilidade de gerar cenários sintéticos com valores negativos de afluência, o que pode levar à inviabilidades na solução do problema de otimização. Para contornar essa limitação, a metodologia oficial utiliza uma transformação Lognormal de três parâmetros, que, embora evite resultados negativos, introduz uma não linearidade indesejada no modelo, afetando a eficácia da PDDE. Este trabalho propõe uma metodologia alternativa, simples e flexível, para a estimação dos coeficientes do modelo PAR. A abordagem é baseada na minimização direta dos erros multiplicativos, combinada com a restrição da média nos resíduos gerados e ajustes de escala subsequentes, visando à geração de cenários sintéticos que atendam às premissas essenciais para o funcionamento ótimo da PDDE.