RESUMO Mesmo com a crise hídrica, em 2016, 76% da energia no Brasil foi gerada por usinas hidrelétricas, mostrando que ainda se tem um sistema que é fortemente dependente da situação hidrológica das bacias hidrográficas. Com isso, as previsões de vazões a essas usinas subsidiam a tomada de decisão do âmbito do Setor Elétrico, já que permitem a avaliação das condições operacionais das usinas hidrelétricas e termelétricas, através da utilização dos modelos de otimização energética, proporcionando ganhos na operação do SIN – Sistema Interligado Nacional. A previsão de precipitação-é de fundamental importância para a elaboração dessas previsões de vazões das hidrelétricas. Para as avaliações energéticas são utilizados os modelos Decomp e Newave, que utilizam o Modelo Gevazp para a geração dos cenários através de um modelo AR(p). Assim, o presente trabalho objetiva mostrar o impacto da previsão de precipitação na previsão de vazões, no horizonte climático. Para isso fez-se uma correção estatística na chuva prevista pelo Modelo CFS e foram calibrados modelos chuva vazão Após essa calibração, foram realizados testes com esse novo sistema de modelagem e os resultados, em forma de cenários, foram comparados com os cenários gerados pelo Modelo Gevazp, mostrando que há possibilidade de reduzir a faixa gerada por esse último e, consequentemente, fazer com que o modelo Decomp não visite faixas com pouca ou nenhuma probabilidade de ocorrência, o que pode melhorar tanto a otimização do planejamento da operação do SIN. Este trabalho também mostra também que o modelo SMAP apresentou melhor desempenho quando comparado ao modelo de Redes Neurais, quando comparado com o intervalo de vazão médio previsto em relação ao fluxo observado. Houve uma melhoria clara nas previsões de fluxo com a incorporação da chuva observada um mês à frente nas simulações, principalmente na previsão de vazões altas. Por fim, os índices climáticos apresentaram boa relação com as variáveis vazão e chuva.
ABSTRACT Despite the water crisis in 2016, 76% of the energy in Brazil was generated by hydroelectric plants, which shows that the Brazilian system is still strongly dependent on the hydrological conditions of basins. Therefore, the flow forecasts for these plants subsidize the decision making within the scope of the Electric Sector, since they allow the evaluation of the operational conditions of the hydroelectric and thermoelectric plants through the use of energy optimization models, providing gains in the operations of SIN (Sistema Interligado Nacional – the Brazilian National Interconnected System). The precipitation forecast is of fundamental importance for the elaboration of these hydroelectric flow forecasts. For energy evaluations, the DECOMP and NEWAVE models are used, with the GEVAZP model being applied to generate scenarios through an AR (p) (autoregressive) model. Accordingly, this study shows the impact of precipitation forecast on flow predictions in the climate horizon. For this, a statistical correction was made in the rain predicted by the CFS (Climate Forecast System) model, which tends to overestimate the predicted rain, with rainfall-flow models being calibrated. Tests were performed with this new modeling system and the results, in the form of scenarios, were compared with the scenarios generated by the GEVAZP model, showing the possibility of reducing the generated range by the latter, consequently causing the DECOMP model to not consider ranges with little or no probability of occurrence, which can improve the optimization of the SIN operation planning. This work also shows that the SMAP model exhibited better performance when compared to the Neural Networks model, in terms of the average flow range predicted in relation to the observed flow. There was a clear improvement in the flow predictions with the incorporation of the rain observed one month ahead in the simulations, mainly in the forecast of high flows. Finally, the climate indices had a good relationship with the flow and rain variables.
