https://repositorio.ufjf.br/jspui/handle/ufjf/11491
File | Description | Size | Format | |
---|---|---|---|---|
rafaelbrandaoesilva.pdf | 1.63 MB | Adobe PDF | ![]() View/Open |
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Silva Júnior, Ivo Chaves da | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6893941321946438 | pt_BR |
dc.contributor.referee1 | Coelho, Francisco Carlos Rodrigues | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/4481008684695993 | pt_BR |
dc.contributor.referee2 | Marcato, André Luís Marques | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/1033215067775319 | pt_BR |
dc.creator | Silva, Rafael Brandão e | - |
dc.creator.Lattes | http://lattes.cnpq.br/0091971836732217 | pt_BR |
dc.date.accessioned | 2020-02-11T12:21:07Z | - |
dc.date.available | 2020-01-06 | - |
dc.date.available | 2020-02-11T12:21:07Z | - |
dc.date.issued | 2019-10-25 | - |
dc.identifier.uri | https://repositorio.ufjf.br/jspui/handle/ufjf/11491 | - |
dc.description.abstract | The hydroelectric production planning depends considerably on river flow predictions, which are made from mathematical, stochastic and hydrological models, mostly incorporated into computer systems. Increasing the accuracy of water flow forecasting is an important way to help making strategic decisions on energy production and storage in hydroelectric power plants, increasing their efficiency and reducing thermal complementation costs. This work presents a comparative study between three optimization techniques based on computational intelligence aiming to optimize the water flow forecast computed by the SMAP (Soil Moisture Accounting Procedure) model applied for three Brazilian sub-basins (Emborcação, Nova Ponte and Corumbá). At first, a convexity study was carried out to justify the use of computational intelligence techniques to solve the problem. In a second moment, a comparative analysis was performed between Bat Algorithm (BA) – official optimization model technique used by the electric sector to perform SMAP model optimization – Grey Wolf Optimization (GWO) and Salp Swarm Algorithm (SSA). The comparative study of these three algorithms involves the analysis of solutions’ variability, convergence characteristics and computational processing time. The results encourage the use of GWO in the SMAP model optimization. | pt_BR |
dc.description.resumo | O planejamento da produção hidrelétrica depende consideravelmente das previsões de vazão dos rios que são feitas a partir de modelos matemáticos, estocásticos e hidrológicos, na maior parte das vezes incorporados a sistemas computacionais. O aumento da precisão da previsão de vazão é uma forma importante de auxiliar as decisões estratégicas da produção e armazenamento de energia nas Usinas Hidrelétricas (UEHs), aumentando a sua eficiência e reduzindo os custos de complementação térmica. Este trabalho apresenta um estudo comparativo entre três técnicas de otimização baseadas em inteligência computacional visando otimizar os parâmetros do modelo SMAP (Soil Moisture Accounting Procedure) para três sub-bacias brasileiras (Emborcação, Nova Ponte e Corumbá). Inicialmente será realizado um estudo de convexidade para o problema em questão, visando justificar o emprego de técnicas de inteligência computacional para sua resolução. Em um segundo momento será realizada uma análise comparativa entre o Bat Algorithm (BA), Grey Wolf Optimization (GWO) e Salp Swarm Algorithm (SSA), sendo o BA o modelo utilizado oficialmente pelo setor elétrico para realização da otimização do modelo SMAP. A comparação entre os três algoritmos envolverá análise de variabilidade das soluções, características de convergência e tempo de processamento computacional. Como será apresentado neste trabalho, os resultados encontrados apontam de forma promissora para a utilização do GWO na otimização do modelo SMAP. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Juiz de Fora (UFJF) | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Faculdade de Engenharia | pt_BR |
dc.publisher.program | Programa de Pós-graduação em Engenharia Elétrica | pt_BR |
dc.publisher.initials | UFJF | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights | Attribution-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nd/3.0/br/ | * |
dc.subject | Algoritmos bio-inspirados | pt_BR |
dc.subject | Inteligência computacional | pt_BR |
dc.subject | Modelo SMAP | pt_BR |
dc.subject | Otimização | pt_BR |
dc.subject | Previsão de vazão | pt_BR |
dc.subject | Computational intelligence | pt_BR |
dc.subject | Hydrological models | pt_BR |
dc.subject | Optimization | pt_BR |
dc.subject | SMAP model | pt_BR |
dc.subject | Waterflow forecast | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | pt_BR |
dc.title | Ajuste do modelo SMAP via técnicas de inteligência computacional | pt_BR |
dc.type | Dissertação | pt_BR |
Appears in Collections: | Mestrado em Engenharia Elétrica (Dissertações) |
This item is licensed under a Creative Commons License