Previsão de vazão afluente da UHE-Tucuruí por redes neurais recorrentes LSTM

A previsão de vazões afluentes aos reservatórios das usinas hidrelétricas é de grande importância na otimização do planejamento de operação, e tem como objetivo apresentar um cenário futuro que poderá impactar no processo de geração de energia através do aumento ou diminuição de vazão afluente prevista. Neste processo de previsão são geralmente utilizados modelos matemáticos computacionais baseados em redes neurais. Neste trabalho apresentamos um estudo da aplicação de Redes Neurais Recorrentes Long Short-Term Memory (LSTM) no problema de previsão de vazão afluente diária da Usina Hidrelétrica (UHE) de Tucuruí localizada na Bacia Hidrográfica Tocantins Araguaia, no horizonte de 1 até 7 dias à frente, considerando as séries históricas de dados medidos pela Agência Nacional de Águas (ANA) de UHE’s localizadas à montante do seu reservatório. Os resultados obtidos através do treinamento do modelo, mostraram viabilidade de sua aplicação para previsão de vazão afluente diária por meio dos testes e análises realizadas ao longo do trabalho, onde o ajuste de cada cenário apresentado ficou em aproximadamente 91% ao ser realizada a comparação entre os valores computacionais, com a porção dos dados originais do conjunto separados para a validação.