Modelagem do potencial de geração de energia hidrelétrica: uma contribuição para o planejamento energético na Amazônia
GMDH; RNA; geração de energia; região Amazônica; mudanças climáticas
A pesquisa apresenta uma metodologia inovadora para prever o potencial de geração de energia em aproveitamentos hidrelétricos empregando técnicas de inteligência artificial. Uma análise comparativa entre a técnica de deep learning denominada Group Method of Data Handling – GMDH, e redes neurais artificiais com diferentes algoritmos de otimização foram aplicadas para avaliação segundo o estudo de caso para a futura planta de Jatobá, uma usina na bacia do rio Tapajós, estado do Pará, Brasil. A precipitação mensal média nas sub-bacias do rio Tapajós foi usada como dado de entrada para alimentar os modelos desenvolvidos, que convertem o volume de chuva em energia. Os modelos não-físicos empregados mostraram excelente destreza e boa eficiência para simular este processo naturalmente complexo e não-linear, de acordo com os parâmetros estatísticos de avaliação. Também foram realizadas simulações para avaliar o impacto das mudanças climáticas na geração de energia hidrelétrica para a futura usina Jatobá. O modelo GMDH apresentou melhor desempenho entre os demais, destacando-se o seu comportamento durante a estação seca, período crítico para a geração de energia hidrelétrica e que define a energia firme do empreendimento. O sucesso desta abordagem permitirá reduzir incertezas e subsidiar os estudos preliminares para implementação de usinas, assim como simular cenários para apoio ao planejamento, reduzir custos e gerar dados sintéticos para séries temporais de geração de energia cobrindo períodos sem dados observacionais de campo.