Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN
This paper presents a comprehensive study on the prediction of influent flow at the Tucuruí Hydroelectric Power Plant, located in the Tocantins-Araguaia basin. The research encompasses five distinct scenarios, varying the architecture of prediction models by incorporating Long Short-Term Memory Recu...
| Autor principal: | MEDEIROS, Kevin Martins |
|---|---|
| Grau: | Trabalho de Curso - Graduação - Monografia |
| Publicado em: |
2024
|
| Assuntos: | |
| Acesso em linha: |
https://bdm.ufpa.br/jspui/handle/prefix/6518 |
| id |
oai:https:--bdm.ufpa.br:8443:prefix-6518 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:https:--bdm.ufpa.br:8443:prefix-65182025-01-22T14:37:16Z Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN MEDEIROS, Kevin Martins TEIXEIRA, Raphael Barros http://lattes.cnpq.br/4902824086591521 https://orcid.org/0000-0003-2993-802X Previsão de vazão Redes neurais LSTM CNN UHE-Tucuruí Flow prediction Neural networks CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA::GERACAO DA ENERGIA ELETRICA CNPQ::ENGENHARIAS::ENGENHARIA CIVIL::ENGENHARIA HIDRAULICA::HIDROLOGIA CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO This paper presents a comprehensive study on the prediction of influent flow at the Tucuruí Hydroelectric Power Plant, located in the Tocantins-Araguaia basin. The research encompasses five distinct scenarios, varying the architecture of prediction models by incorporating Long Short-Term Memory Recurrent Neural Networks (LSTM) and Convolutional Neural Networks (CNN). The implementation, conducted in Python with the assistance of libraries such as Pandas and NumPy, utilizes historical data of influent flows provided by the National Electric System Operator (ONS) from the Tucuruí, Estreito, and Lajeado power plants. The results obtained were meticulously evaluated through in-depth analyses, regression metrics, and graphical representations, unequivocally demonstrating the effectiveness of these approaches in predicting the daily influent flow at the UHE-Tucuruí over temporal horizons ranging from 1 to 7 days. In addition to its methodological contributions, this study provides crucial insights that have the potential to enhance the accuracy of hydrological forecasting, a field of utmost importance in the management of water resources and energy. Este trabalho apresenta um estudo abrangente sobre a previsão de vazão afluentes da Usina Hidrelétrica de Tucuruí, situada na bacia do Tocantins-Araguaia. A pesquisa abrange cinco cenários distintos, variando a arquitetura dos modelos de previsão, incorporando Redes Neurais Recorrentes de Longa Memória de Curto Prazo (LSTM) e Redes Neurais Convolucionais (CNN). A implementação, conduzida em Python com o auxílio de bibliotecas como Pandas e NumPy, faz uso de um conjunto de dados históricos de vazões afluentes fornecidos pelo Operador Nacional do Sistema Elétrico (ONS) das Usinas de Tucuruí, Estreito e Lajeado. Os resultados obtidos foram avaliados minuciosamente por meio de análises aprofundadas, métricas de regressão e representações gráficas, demonstrando a eficácia dessas abordagens na previsão da vazão afluente diária da UHE-Tucuruí em horizontes temporais que variam de 1 a 7 dias. Além das contribuições metodológicas, este estudo proporciona insights cruciais que têm o potencial de elevar a precisão da previsão hidrológica, um campo de extrema importância na gestão de recursos hídricos e energia. 2024-01-11T14:01:59Z 2024-01-11T14:01:59Z 2023-12-06 Trabalho de Curso - Graduação - Monografia MEDEIROS, Kevin Martins. Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN. Orientador: Raphael Barros Teixeira. 2023. 89 f. Trabalho de Curso (Bacharelado em Engenharia Elétrica) – Faculdade de Engenharia Elétrica, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2023. Disponível em: https://bdm.ufpa.br/jspui/handle/prefix/6518. Acesso em:. https://bdm.ufpa.br/jspui/handle/prefix/6518 Acesso Aberto Disponível na Internet via Sagitta |
| institution |
Biblioteca Digital de Monografias - UFPA |
| collection |
MonografiaUFPA |
| topic |
Previsão de vazão Redes neurais LSTM CNN UHE-Tucuruí Flow prediction Neural networks CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA::GERACAO DA ENERGIA ELETRICA CNPQ::ENGENHARIAS::ENGENHARIA CIVIL::ENGENHARIA HIDRAULICA::HIDROLOGIA CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO |
| spellingShingle |
Previsão de vazão Redes neurais LSTM CNN UHE-Tucuruí Flow prediction Neural networks CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA::GERACAO DA ENERGIA ELETRICA CNPQ::ENGENHARIAS::ENGENHARIA CIVIL::ENGENHARIA HIDRAULICA::HIDROLOGIA CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO MEDEIROS, Kevin Martins Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN |
| topic_facet |
Previsão de vazão Redes neurais LSTM CNN UHE-Tucuruí Flow prediction Neural networks CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA::GERACAO DA ENERGIA ELETRICA CNPQ::ENGENHARIAS::ENGENHARIA CIVIL::ENGENHARIA HIDRAULICA::HIDROLOGIA CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO |
| description |
This paper presents a comprehensive study on the prediction of influent flow at the Tucuruí Hydroelectric Power Plant, located in the Tocantins-Araguaia basin. The research encompasses five distinct scenarios, varying the architecture of prediction models by incorporating Long Short-Term Memory Recurrent Neural Networks (LSTM) and Convolutional Neural Networks (CNN). The implementation, conducted in Python with the assistance of libraries such as Pandas and NumPy, utilizes historical data of influent flows provided by the National Electric System Operator (ONS) from the Tucuruí, Estreito, and Lajeado power plants. The results obtained were meticulously evaluated
through in-depth analyses, regression metrics, and graphical representations, unequivocally
demonstrating the effectiveness of these approaches in predicting the daily influent flow at the UHE-Tucuruí over temporal horizons ranging from 1 to 7 days. In addition to its methodological contributions, this study provides crucial insights that have the potential to enhance the accuracy of hydrological forecasting, a field of utmost importance in the management of water resources and energy. |
| author_additional |
TEIXEIRA, Raphael Barros |
| author_additionalStr |
TEIXEIRA, Raphael Barros |
| format |
Trabalho de Curso - Graduação - Monografia |
| author |
MEDEIROS, Kevin Martins |
| title |
Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN |
| title_short |
Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN |
| title_full |
Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN |
| title_fullStr |
Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN |
| title_full_unstemmed |
Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN |
| title_sort |
modelos de previsão de vazão afluente da uhe-tucuruí: uma abordagem com redes neurais lstm e cnn |
| publishDate |
2024 |
| url |
https://bdm.ufpa.br/jspui/handle/prefix/6518 |
| _version_ |
1829093188471619584 |
| score |
11.753896 |