Desempenho de sistemas complexos de reservatórios com previsão de vazão derivada de modelos climáticos regionais.

• Ano de defesa: 2019
• Autor(a) principal: Bozzini, Pedro Ludovico
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: AcquaNet; Cantareira system; Decision support system; ETA; Modelo climático regional; Previsão de precipitação; Rainfall forecast; Recursos hídricos (Modelagem); Regional climatic model; Reservatórios (Operação); Sistema Cantareira; Sistema de suporte a decisões; SMAP
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3147/tde-09012020-085506/

A crescente demanda pelo uso da água, aliada à preocupação quanto aos impactos ambientais, sociais e econômicos provocados pela expansão da infraestrutura, reforça a importância de medidas de gestão que garantam um melhor aproveitamento das estruturas existentes. Nesse contexto, os modelos de simulação e otimização se apresentam como uma importante ferramenta de gestão. Apesar de amplamente discutidos na academia, tais modelos enfrentam alguma resistência na aplicação por parte de operadores dos sistemas. O trabalho propõe um sistema de suporte a decisões que auxilie a operação de sistemas de reservatório a partir de previsões oriundas de modelos climáticos regionais. Buscou-se utilizar, sempre que possível, ferramentas de acesso público e estruturar o modelo de forma que possa ser facilmente replicado. A metodologia foi aplicada ao sistema Cantareira, buscando otimizar as vazões descarregadas para as bacias PCJ, de acordo com a outorga de 2017. Foram analisadas previsões de chuva dos modelos climáticos ETA, WRF e BAM. As precipitações foram utilizadas como dado de entrada do modelo chuva-vazão SMAP, para geração de previsão de vazões. Essas vazões, por fim, serviram de insumo para um modelo de alocação de água, fornecendo como resultado diretrizes para a operação. As previsões apresentam consideráveis diferenças em relação aos dados observados, tendo maior correlação nos primeiros dias de previsão. Há também melhora da correlação ao se considerar a precipitação acumulada para o horizonte de previsão. A ferramenta proposta se mostrou adequada para modelar o problema e facilmente replicável a outros casos.