Distribuição de raios, precipitação e casos de tempestades severas na Amazônia Oriental

O objetivo deste é analisar a relação entre raios e precipitação, sobre diferentes tipos de superfície terrestre e através de estudos de caso de tempestades severas, durante o período de dezembro de 2006 à dezembro de 2008. Os estudos foram feitos dentro de uma área definida pelas coordenadas geográficas 0° a 6° S e 50° a 47° W, abrangendo partes dos estados do Pará, Maranhão e extremo norte de Tocantins.Essa região de estudo foi escolhida por estar localizada em uma área central em relação à localização dos sensores da rede de detecção de raios do Sistema de Proteção Amazônia (RDR-SIPAM) e que contém a maior parte das linhas de transmissão de energia elétrica da região. Os dados de chuva foram coletados por 46 pluviômetros digitais das estações meteorológicas do INMET e HIDROWEB- ANA. Nas análises dos dias de tempestades severas, também foram utilizados dados de pluviômetro de alta resolução temporal operado pela CPRM em Belém. Para classificação dos tipos de superfície e em particular da cobertura vegetal, foram utilizadas as informações de banco de dados sobre Recursos Naturais do IBGE. Para um melhor detalhamento sobre a relação entre raios, precipitação e tipos de superfície, a área de estudo foi dividida em três sub-áreas que possuem características fisiográficas distintas. A Área 1 inclui a Ilha do Marajó e a grande massa d'água da foz do Rio Amazonas e oceano Atlântico próximo. A Área 2 possui 60% de cobertura por floresta. A Área 3 tem 62% de cobertura por áreas agrícolas e/ou pastagens. Os sistemas meteorológicos de larga escala produtores de chuva e raios foram analisados tanto para as 3 áreas consideradas, como nos casos de tempestades severas em torno de Belém. Nessas tempestades foi observado, em quase todos os casos, que os raios antecedem as chuvas. Em geral ficou evidenciada a influencia sazonal na densidade de ocorrência de raios sobre os diferentes tipos de superfície. Todavia, esse trabalho também mostrou que as condições meteorológicas determinam mais amplamente as magnitudes dessa variável. Isso pode ser observado com bastante clareza nos estudos de casos de tempestades severas, onde a ZCIT e as LI`s são fatores determinantes da precipitação e conseqüentemente dos raios ocorridos em Belém.

Lightning and precipitation produced by severe weather systems over Belém, Brazil

Eventos de raios nuvem-solo registrados pela rede de detecção do SIPAM, integrada por 12 sensores VAISALA LPATS IV, distribuídos no leste da Amazônia, foram analisados durante 4 tempestades com ocorrência de precipitação intensa em Belém-PA-Brasil, em 2006-2007. Esses casos selecionados, correspondem a eventos de chuva com mais de 25 mm/hora ou 40 mm/ 2 horas, de precipitação registrada por um pluviômetro instalado em 1º 47' 53" and 48º 30' 16" O. Com centro nessa localização, um círculos de 30, 10 e 5 km de raio foram traçados através de um sistema de informação geográfica e os dados de eventos de raios nessas áreas foram separados para analise. Durante essas tempestades, os eventos de raios ocorreram de maneira quase aleatória, sobre a área maior que já havia sido previamente coberta por sistemas convectivos de mesoescala, em todos os casos. Esse trabalho também mostrou a grande influencia dos sistemas de larga escala nas condições de tempo que levaram às tempestades severas estudadas. Adicionalmente, foi observado que, quando existe interação entre sistemas de larga e meso escalas, tanto a precipitação como o numero de relâmpagos aumentaram significativamente e a atividade elétrica nos círculos maiores pode anteceder a chuva no ponto central.

Modelos para previsão de carga a curto prazo através de redes neurais artificiais com treinamento baseado na teoria da informação

O conhecimento prévio do valor da carga é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Este trabalho apresenta os resultados de um estudo investigativo da aplicação de Redes Neurais Artificiais do tipo Perceptron Multicamadas com treinamento baseado na Teoria da Informação para o problema de Previsão de Carga a curto prazo. A aprendizagem baseada na Teoria da Informação se concentra na utilização da quantidade de informação (Entropia) para treinamento de uma rede neural artificial. Dois modelos previsores são apresentados sendo que os mesmos foram desenvolvidos a partir de dados reais fornecidos por uma concessionária de energia. Para comparação e verificação da eficiência dos modelos propostos um terceiro modelo foi também desenvolvido utilizando uma rede neural com treinamento baseado no critério clássico do erro médio quadrático. Os resultados alcançados mostraram a eficiência dos sistemas propostos, que obtiveram melhores resultados de previsão quando comparados ao sistema de previsão baseado na rede treinada pelo critério do MSE e aos sistemas previsores já apresentados na literatura.

A resolução de problemas aditivos e sua complexidade: a previsão dos professores e a realidade dos alunos

Esta pesquisa dedicou-se a investigar a resolução de problemas aditivos nas séries iniciais e, em especial, se a concepção dos professores sobre a complexidade de um problema aditivo é determinante no rendimento dos alunos. Para alcançar esse objetivo foi desenvolvida uma pesquisa exploratória sobre as estratégias de resolução de problemas com alunos dos municípios de Belém, Capanema e Bragança, em 08 turmas de 4ª série, sendo sete delas de escolas públicas e uma de iniciativa privada, totalizando 205 alunos participantes da pesquisa. Com base nos estudos de Huete e Bravo (2006) aplicou-se, através de um questionário, 17 problemas aditivos aos alunos e, de acordo com seus rendimentos, os problemas foram divididos em problemas de baixa, média ou alta complexidade. Investigou-se também a avaliação dos professores quanto aos problemas aplicados aos alunos. Os resultados indicam que quanto maior é a complexidade de um problema para os alunos, mais dificuldade os professores têm de prever essa complexidade, especialmente porque algumas variáveis se fazem presentes na constituição de um problema complexo. Concluiu-se que é necessário dar maior atenção à formação docente, uma vez que o sucesso nas previsões de um problema aditivo está relacionado aos professores com maior formação acadêmica e aos professores com formação específica em matemática, além do que se faz urgente que se realize atividades voltadas à linguagem matemática nas salas de aulas, pois se percebeu pelos resultados dos alunos, uma real dificuldade nesse segmento.

Um framework para a previsão de cenários com o uso de sistemas híbridos neurogenéticos para compra e venda de energia elétrica no mercado futuro

No contexto da previsão de séries temporais, é grande o interesse em estudos de métodos de previsão de séries temporais que consigam identificar as estruturas e padrões existentes nos dados históricos, possibilitando gerar os próximos padrões da série. A proposta defendida nesta tese é a de desenvolvimento de um framework que utilize ao máximo as potencialidades das técnicas de previsão (redes neurais artificiais) com as técnicas de otimização (algoritmos genéticos) em um sistema híbrido intercomunicativo que aproveite bem as vantagens de cada uma dessas técnicas para a geração de cenários futuros que possam mostrar, além das previsões normais com base nos valores históricos, percursos alternativos das curvas das séries temporais analisadas.

Metodologias de inteligência computacional aplicadas ao problema de previsão de carga a curto prazo

Diversas atividades de planejamento e operação em sistemas de energia elétrica dependem do conhecimento antecipado e preciso da demanda de carga elétrica. Por este motivo, concessionárias de geração e distribuição de energia elétrica cada vez mais fazem uso de tecnologias de previsão de carga. Essas previsões podem ter um horizonte de curtíssimo, curto, médio ou longo prazo. Inúmeros métodos estatísticos vêm sendo utilizados para o problema de previsão. Todos estes métodos trabalham bem em condições normais, entretanto deixam a desejar em situações onde ocorrem mudanças inesperadas nos parâmetros do ambiente. Atualmente, técnicas baseadas em Inteligência Computacional vêm sendo apresentadas na literatura com resultados satisfatórios para o problema de previsão de carga. Considerando então a importância da previsão da carga elétrica para os sistemas de energia elétrica, neste trabalho, uma nova abordagem para o problema de previsão de carga via redes neurais Auto-Associativas e algoritmos genéticos é avaliada. Três modelos de previsão baseados em Inteligência Computacional são também apresentados tendo seus desempenhos avaliados e comparados com o sistema proposto. Com os resultados alcançados, pôde-se verificar que o modelo proposto se mostrou satisfatório para o problema de previsão, reforçando assim a aplicabilidade de metodologias de inteligência computacional para o problema de previsão de cargas.

Previsão multi-passos a frente do preço de energia elétrica de curto prazo no mercado brasileiro

A predição do preço da energia elétrica é uma questão importante para todos os participantes do mercado, para que decidam as estratégias mais adequadas e estabeleçam os contratos bilaterais que maximizem seus lucros e minimizem os seus riscos. O preço da energia tipicamente exibe sazonalidade, alta volatilidade e picos. Além disso, o preço da energia é influenciado por muitos fatores, tais como: demanda de energia, clima e preço de combustíveis. Este trabalho propõe uma nova abordagem híbrida para a predição de preços de energia no mercado de curto prazo. Tal abordagem combina os filtros autorregressivos integrados de médias móveis (ARIMA) e modelos de Redes Neurais (RNA) numa estrutura em cascata e utiliza variáveis explanatórias. Um processo em dois passos é aplicado. Na primeira etapa, as variáveis explanatórias são preditas. Na segunda etapa, os preços de energia são preditos usando os valores futuros das variáveis exploratórias. O modelo proposto considera uma predição de 12 passos (semanas) a frente e é aplicada ao mercado brasileiro, que possui características únicas de comportamento e adota o despacho centralizado baseado em custo. Os resultados mostram uma boa capacidade de predição de picos de preço e uma exatidão satisfatória de acordo com as medidas de erro e testes de perda de cauda quando comparado com técnicas tradicionais. Em caráter complementar, é proposto um modelo classificador composto de árvores de decisão e RNA, com objetivo de explicitar as regras de formação de preços e, em conjunto com o modelo preditor, atuar como uma ferramenta atrativa para mitigar os riscos da comercialização de energia.

Previsão estocástica de nível fluviométrico para cidade de Marabá-PA: método de Box-Jenkins

O Município de Marabá- PA, situado na região Amazônica, sudeste do Estado do Pará, sofre anualmente com eventos de enchentes, ocasionados pelo aumento periódico do rio Tocantins e pela situação de vulnerabilidade da população que reside em áreas de risco. A defesa civil estadual e municipal anualmente planeja e prepara equipes para ações de defesa no município. Nesta fase o monitoramento e previsão de eventos de enchentes são importantes. Portanto, com o objetivo de diminuir erros nas previsões hidrológicas para o Município de Marabá, desenvolveu-se um modelo estocástico para previsão de nível do rio Tocantins, baseado na metodologia de Box e Jenkins. Utilizou os dados de níveis diários observados nas estações hidrológicas de Marabá e Carolina e Conceição do Araguaia da Agência Nacional de Águas (ANA), do período de 01/12/ 2008 a 31/03/2011. Efetuou-se o ajustamento de três modelos (M_t, N_t e Y_t), através de diferentes aplicativos estatísticos: o SAS e o Gretl, usando diferentes interpretações do comportamento das séries para gerar as equações dos modelos. A principal diferença entre os aplicativos é que no SAS usa o modelo de função de transferência na modelagem. Realizou-se uma classificação da variabilidade do nível do rio, através da técnica dos Quantis para o período de 1972 a 2011, examinando-se apenas as categorizações de níveis ACIMA e MUITO ACIMA do normal. Para análise de impactos socioeconômicos foram usados os dados das ações da Defesa Civil Estado do Pará nas cheias de 2009 e 2011. Os resultados mostraram que o número de eventos de cheias com níveis MUITO ACIMA do normal, geralmente, podem estar associados a eventos de La Niña. Outro resultado importante: os modelos gerados simularam muito bem o nível do rio para o período de sete dias (01/04/2011 a 07/04/2011). O modelo multivariado N_t (com pequenos erros) representou o comportamento da série original, subestimando os valores reais nos dias 3, 4 e 5 de abril de 2011, com erro máximo de 0,28 no dia 4. O modelo univariado (Y_t) teve bons resultados nas simulações com erros absolutos em torno de 0,12 m. O modelo com menor erro absoluto (0,08m) para o mesmo período foi o modelo M_t, desenvolvido pelo aplicativo SAS, que interpreta a série original como sendo não linear e não estacionária. A análise quantitativa dos impactos fluviométricos, ocorridos nas enchentes de 2009 e 2011 na cidade de Marabá, revelou em média que mais de 4 mil famílias sofrem com estes eventos, implicado em gastos financeiros elevados. Logo, conclui-se que os modelos de previsão de níveis são importantes ferramentas que a Defesa Civil, utiliza no planejamento e preparo de ações preventivas para o município de Marabá.