Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/48809

Comparte esta pagina

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorAQUINO, Ronaldo Ribeiro Barbosa de-
dc.contributor.authorNEVES, Heloisa Bezerra-
dc.date.accessioned2023-01-27T19:34:12Z-
dc.date.available2023-01-27T19:34:12Z-
dc.date.issued2021-12-21-
dc.date.submitted2023-01-26-
dc.identifier.citationNEVES, Heloisa Bezerra. Uso de redes neurais para previsões de vazões nos reservatórios de sobradinho e furnas. 2021. 40 f. TCC (Graduação) - Curso de Engenharia Elétrica, Departamento de Engenharia Elétrica, Universidade Federal de Pernambuco, Recife, 2022.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/48809-
dc.description.abstractEste trabalho apresenta as previsões de vazões nos reservatórios de Sobradinho e Furnas, localizados na bacia do São Francisco e bacia do Rio Grande, respectivamente. Foi utilizado o modelo baseado em RNA (Redes Neurais Artificiais), através do software MATLAB (Matrix Laboratory) e a interface gráfica NNTool. As redes neurais artificiais foram selecionadas para conjecturar a vazão mensal com horizonte de um ano dos reservatórios. Os dados utilizados de vazões foram provenientes do Operador Nacional do Sistema Elétrico (ONS), órgão responsável pela geração e transmissão de energia elétrica no Sistema Interligado Nacional (SIN), no período de 1931 a 2016, com a finalidade de realizar os ajustes dos modelos. Para a análise do desempenho das previsões foram utilizados os resultados das vazões do período de 2017 a 2019. Por meio desta análise, este trabalho tem como objetivo contribuir com os debates acerca das previsões de vazão das usinas hidroelétricas brasileiras, que compõem a principal forma de geração de energia elétrica do país.pt_BR
dc.format.extent40p.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectEngenharia elétricapt_BR
dc.subjectPrevisão de vazãopt_BR
dc.subjectRede neural artificialpt_BR
dc.subjectSistema hidroelétricopt_BR
dc.titleUso de redes neurais para previsões de vazões nos reservatórios de sobradinho e furnaspt_BR
dc.typebachelorThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/6295043414722593pt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/0731639653204720pt_BR
dc.description.abstractxThis work presents the flow forecasts in the Sobradinho and Furnas reservoirs, located in the São Francisco basin and Rio Grande basin, respectively. The model based on ANN (Artificial Neural Networks) was used, through the MATLAB (Matrix Laboratory) software and the NNTool graphical interface. Artificial neural networks were selected to conjecture the monthly flow with a one-year horizon of the reservoirs. The flow data used came from the National Electric System Operator (ONS), the body responsible for the generation and transmission of electricity in the National Interconnected System (SIN), in the period from 1931 to 2016, in order to make adjustments to the models. For the analysis of the performance of the forecasts, the results of the flows from the period from 2017 to 2019 were used. Through this analysis, this work aims to contribute to the debates about the flow forecasts of Brazilian hydroelectric plants, which make up the main form of electricity generation in the country.pt_BR
dc.subject.cnpqÁreas::Engenharias::Engenharia Elétricapt_BR
dc.degree.departament::(CTG-DEE) - Departamento de Engenharia Elétricapt_BR
dc.degree.graduation::CTG-Curso de Engenharia Elétricapt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localRecifept_BR
Aparece en las colecciones: (TCC) - Engenharia Elétrica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
HELOISA BEZERRA NEVES.pdf984,39 kBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons