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

Página do item simplificado
dc.contributor.advisor1TEIXEIRA, Raphael Barros
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4902824086591521pt_BR
dc.creatorSANTOS, Ayla Lis Lopes
dc.creator.Latteshttp://lattes.cnpq.br/0847209227040520pt_BR
dc.date.accessioned2022-10-03T16:44:08Z
dc.date.available2022-10-03T16:44:08Z
dc.date.issued2022-07-11
dc.description.abstractThe prediction of inflows to the reservoirs of hydroelectric plants is of great importance in optimizing the operation planning, and aims to present a future scenario that may impact the energy generation process by increasing or decreasing the expected inflow. In this forecasting process, computational mathematical models based on neural networks are generally used. In this work we present a study of the application of Long Short-Term Memory (LSTM) Recurrent Neural Networks in the problem of forecasting the daily inflow of the Tucuruí Hydroelectric Power Plant (UHE) located in the Tocantins Araguaia Hydrographic Basin, in the horizon of 1 to 7 days ahead, considering the historical series of data measured by the National Water Agency (ANA) of UHE’s located upstream of its reservoir. The results obtained through the training of the model, showed the feasibility of its application to predict the daily inflow through the tests and analyzes carried out throughout the work, where the adjustment of each scenario presented was approximately 91% when the comparison was carried out. between the computational values, with the original data portion of the set set aside for validation.pt_BR
dc.description.resumoA 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.pt_BR
dc.identifier.citationSANTOS, Ayla Lis Lopes. Previsão de vazão afluente da UHE-Tucuruí por redes neurais recorrentes LSTM. Orientador: Raphael Barros Teixeira. 2022. [9], 44 f. Trabalho de Curso (Bacharelado em Engenharia Elétrica) – Faculdade de Engenharia Elétrica, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2022. Disponível em: https://bdm.ufpa.br:8443/jspui/handle/prefix/4578. Acesso em:.pt_BR
dc.identifier.urihttps://bdm.ufpa.br/handle/prefix/4578
dc.rightsAcesso Abertopt_BR
dc.source.uriDisponível na Internet via Sagittapt_BR
dc.subjectPrevisão de vazões afluentespt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subjectRedes neurais recorrentespt_BR
dc.subjectUsinas hidrelétricaspt_BR
dc.subjectLSTMpt_BR
dc.subjectPrediction of inflowspt_BR
dc.subjectArtificial neural networkspt_BR
dc.subjectRecurrent neural networkspt_BR
dc.subjectHydroelectric plantspt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA::GERACAO DA ENERGIA ELETRICApt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA CIVIL::ENGENHARIA HIDRAULICA::HIDROLOGIApt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOpt_BR
dc.titlePrevisão de vazão afluente da UHE-Tucuruí por redes neurais recorrentes LSTMpt_BR
dc.typeTrabalho de Curso - Graduação - Monografiapt_BR

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC_PrevisaoVazaoAfluente.pdf
Tamanho:
7.46 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.84 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Engenharia Elétrica - FEE/CAMTUC
Logo do RepositórioLogo do Repositório