Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/3877
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorSouza Filho, Francisco de Assis de-
dc.contributor.authorAlexandre, Alan Michell Barros-
dc.date.accessioned2012-10-10T16:35:22Z-
dc.date.available2012-10-10T16:35:22Z-
dc.date.issued2012-
dc.identifier.citationALEXANDRE, A. M. B. Previsão de vazões mensais para o sistema interligado nacional utilizando informações climáticas. 2012. 291 f. Tese (Doutorado em Engenharia Civil: Recursos Hídricos)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/3877-
dc.description.abstractThe hegemony of hydroelectricity in Brazil’s electricity matrix calls for a careful analysis of river regimes considering the significant impact such streamflow variations may have on energy supply and consequently on the entire country’s economy. Based on this fact, streamflow forecast statistical models have been important tools to support decision-making, planning and management of water resources used in the Brazilian Hydropower Network (Sistema Interligado Nacional - SIN). In that sense, this thesis proposes methodologies of simultaneous forecast and for developing monthly streamflow scenarios in SIN Base Stations (Postos Base - PBs) using statistical models; the aim is to make better use of available data by including methods that will maintain the national hydrographic network's spatial structure. It also aims to analyze the impact of incorporating climate information for monthly streamflow forecasting. Proposed streamflow forecasting models use natural streamflow data generated by Brazil’s Electric System National Operator (ONS) and statistical techniques such as Multiple Linear Regression, Principal Component Analysis, the Stepwise method for choosing explanatory variables, in addition to models of the Periodic Auto-Regressive (PAR) and Periodic Auto-Regressive Exogenous (PARX). PAR models show the best performances, according to the index Distance Multicriteria in most months and SIN PBs when compared with PARX models. Among spatial correlation methods for PAR models, the correlation between regression noises (CRD) and principal component analysis (ACP) stand out. There is no predominant method for all months and SIN PBs. The best PARX models are those that use climate indexes as exogenous variables, among which the following stand out: AMO (Atlantic Multi-Decadal Oscillation) and TNI (Trans-Niño Index). They show better performance during the dry season of basins in the North of Brazil - Amazon and AraguaiaTocantins; in the Middle-West region in Brazil - Atlantic East and in most rivers that make up the Paraná Basin.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectRecursos hídricospt_BR
dc.subjectModelos matemáticospt_BR
dc.titlePrevisão de vazões mensais para o sistema interligado nacional utilizando informações climáticaspt_BR
dc.typeTesept_BR
dc.description.abstract-ptbrA hegemonia da hidroeletricidade na matriz de energia elétrica brasileira impõe cautelosa análise sobre o regime fluvial, tendo em vista o significativo impacto que possíveis variações das vazões possam produzir na oferta de energia e consequentemente em toda a economia nacional. Com base nisto, modelos estatísticos de previsão de afluências têm sido uma ferramenta importante no suporte à tomada de decisões, no planejamento e na gestão de recursos hídricos aplicados ao Sistema Interligado Nacional (SIN). Neste sentido, a presente tese propõe metodologias de previsão simultâneas e elaboração de cenários de vazões mensais afluentes aos Postos Base (PB’s) do SIN através de modelos estatísticos; visando ao melhor aproveitamento dos dados disponíveis a partir da inserção de métodos que mantenham a estrutura espacial da rede hidrográfica nacional. Esta visa também a analisar o impacto da incorporação de informações climáticas na previsão de vazões mensais. Os modelos propostos de previsão de afluência utilizam os dados de vazões naturais gerados pelo Operador Nacional do Sistema (ONS) e técnicas estatísticas com as de Regressão Linear Múltipla, Análise de Componentes Principais, método Stepwise para escolha de variáveis explanatórias; além de modelos do tipo Periódico Autorregressivo (PAR) e periódico Autorregressivo com variáveis exógenas (PARX). Os modelos do tipo PAR apresentam os melhores desempenhos, de acordo com o índice de Distância Multicritério, na maioria dos meses e dos PB’s do SIN quando comparados aos modelos PARX. Entre os métodos de correlação espacial para os modelos PAR, destacam-se a correlação entre os ruídos da regressão (CRD) e a análise de componentes principais (ACP). Não há um predomínio entre esses métodos para todos os meses e PB’s do SIN. Os melhores modelos do tipo PARX são os que fazem uso de índices climáticos como variáveis exógenas, dentre os quais se destacam os índices AMO (Oscilação Atlântica Multidecadal) e TNI (Trans–NINO). Estes apresentam melhor desempenho no período seco das bacias do norte do Brasil – Amazonas e Araguaia-Tocantins; centro-leste brasileiro – Atlântico Leste e na maioria dos rios que formam a Bacia do Paraná.pt_BR
dc.title.enForecast of monthly flows for the national interconnected system using climate informationpt_BR
Aparece nas coleções:DEHA - Teses defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2012_tese_ambalexandre.pdf9,95 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.