Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/48969
Compartilhe esta página
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | AQUINO, Ronaldo Ribeiro Barbosa de | - |
dc.contributor.author | NEVES, Heloisa Bezerra | - |
dc.date.accessioned | 2023-02-07T23:25:28Z | - |
dc.date.available | 2023-02-07T23:25:28Z | - |
dc.date.issued | 2021-12-21 | - |
dc.date.submitted | 2023-02-03 | - |
dc.identifier.citation | NEVES, 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, Centro de Tecnologia e Geociências, Universidade Federal de Pernambuco, Recife, 2022. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/48969 | - |
dc.description.abstract | Este 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.extent | 40p. | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Engenharia elétrica | pt_BR |
dc.subject | Previsão de vazão | pt_BR |
dc.subject | Rede neural artificial | pt_BR |
dc.subject | Sistema hidroelétrico | pt_BR |
dc.title | Uso de redes neurais para previsões de vazões nos reservatórios de sobradinho e furnas | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.degree.level | Graduacao | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/0731639653204720 | pt_BR |
dc.description.abstractx | This 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.cnpq | Áreas::Engenharias::Engenharia Elétrica | pt_BR |
dc.degree.departament | (CTG-DEE) - Departamento de Engenharia Elétrica | pt_BR |
dc.degree.graduation | CTG-Curso de Engenharia Elétrica | pt_BR |
dc.degree.grantor | Universidade Federal de Pernambuco | pt_BR |
dc.degree.local | Recife | pt_BR |
Aparece nas coleções: | (TCC) - Engenharia Elétrica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
HELOISA BEZERRA NEVES.pdf | 984,39 kB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons