Вы находитесь на странице: 1из 7

ESCUELA SUPERIOR POLITCNICA DEL LITORAL

Facultad de Ingeniera en Electricidad y Computacin

Proyecto de Investigacin Aplicada

APLICACIN DE REDES ADAPTABLES Y SISTEMAS DE INFERENCIA FUZZY PARA LA PREVISIN DE CAUDALES AFLUENTES EN CENTRALES HIDROELCTRICAS

Presentado por: Andrs Ziga Ing. Carlos Jordn


1. Antecedentes y justificacin.
En el ao de 1986, fue promulgada la Ley de Rgimen del Sector Elctrico Ecuatoriano (LRSE), con el objetivo de regular y administrar el negocio de la generacin, transmisin y distribucin de la energa elctrica en el Ecuador. Segn este marco legal, la gestin del sector elctrico debe ser el resultado de un proceso de planificacin liderado por un ente regulador (CONELEC) y un ente de control y operacin (CENACE). El Artculo 24, literal i, de la LRSE, define entre las funciones especficas del CENACE el preparar los programas de operacin para los siguientes doce meses, con un detalle de la estrategia de operacin de los embalses y la generacin esperada mensualmente de cada central [15]. El Ecuador es un pas con una considerable capacidad de generacin hidroelctrica (el 65% de la energa consumida en el ao 2001 fue suministrada por centrales hidroelctricas) [4] y existe un gran potencial hidroelctrico aprovechable an no explotado. Dada la disponibilidad de estos recursos, el sistema elctrico ecuatoriano debe planificarse considerando un ptimo aprovechamiento de la generacin hidroelctrica para sustituir al mximo la generacin termoelctrica, cuyo costo operativo es muy alto [24].

La operacin de una central hidroelctrica depende de dos variables principales: el volumen almacenado en el embalse y el caudal afluente a dicho embalse, que es una variable aleatoria. Debido a la incertidumbre asociada a los caudales afluentes, es necesaria la adopcin de modelos de previsin que simulen de una manera eficiente el comportamiento de la hidrologa del sistema [8]. La Ley de Rgimen del Sector Elctrico [15] y la regulacin CONELEC-006/00 [5] definen los procedimientos para la Planificacin Operativa Energtica del Sistema Nacional Interconectado (horizontes de largo plazo), y su objetivo es establecer una poltica ptima de generacin y operacin de los embalses, considerando como objetivo la minimizacin del costo esperado de la operacin del sistema; este modelo debe considerar, entre otros aspectos, la hidrologa a travs de una modelo de caudales afluentes medios mensuales. Las series de caudales mensuales tienen un comportamiento peridico, reflejado en parmetros como la media, desviacin estndar, asimetra y estructura de autocorrelacin [13], [14], [19]. Dada la importancia de su previsin, gran variedad de modelos han sido propuestos durante las ltimas dcadas, entre los que se cuentan los modelos de alisamiento exponencial, modelos de regresin lineal y no lineal, y modelos de series de tiempo estocsticas (AR, ARIMA, SARIMA, PAR) [2], [13], [14], [17], [18], [19], [23], [24]. Estas tcnicas se basan en mtodos estadsticos y extrapolan el comportamiento de los caudales en el pasado, mientras consideran el efecto de otros factores como el clima y la correlacin espacial entre caudales de diferentes centrales; sin embargo, estos modelos emplean un gran nmero de relaciones complejas y no lineales entre la serie de caudales y dichos factores; se requiere, adems, una gran cantidad de tiempo y esfuerzo computacional, y pueden resultar en soluciones numricamente inestables. Los modelos de series de tiempo estocsticas y de regresin lineal son ampliamente utilizados en el sector elctrico ecuatoriano [17]; las limitaciones de estos modelos motivan el desarrollo y aplicacin de nuevas metodologas para la previsin de caudales, que representen, de manera ms exacta, las variaciones estacionales de la serie de caudales afluentes. Dentro de este contexto, en las dos ltimas dcadas se ha introducido nuevos modelos de previsin, que manejan de una manera eficiente la aleatoriedad de los caudales y presentan una fcil adaptabilidad a nuevos datos, sin la necesidad de incurrir en laboriosas formulaciones matemticas. Entre estos modelos se incluyen las tcnicas de Redes Neuronales Artificiales (ANN) [22], Sistemas Fuzzy (FS) [3], [6], y Sistemas Neuro-Fuzzy (NFS) [1], [7]; esta ltima tcnica ha tenido una gran aceptacin en el desarrollo de modelos para previsin de series de tiempo, debido a que combinan la capacidad de aprendizaje y adaptacin de las ANN y el poder de la interpretacin lingstica de los FS [9], [10], [11], [12], [16].

Este proyecto propone la aplicacin de los sistemas Neuro-Fuzzy para la previsin de caudales afluentes medios mensuales afluentes a las centrales hidroelctricas. Como resultado se prev obtener un modelo de previsin mensual que mejore, de una manera eficiente, el actual proceso de previsin entre los Agentes Generadores Hidroelctricos del Mercado Elctrico Ecuatoriano.

2. Objetivos.
El objetivo principal de este trabajo es la aplicacin de la metodologa de las Redes Adaptables basadas en Sistemas de Inferencia Fuzzy (ANFIS) como una alternativa para mejorar la previsin de caudales medios mensuales afluentes a las centrales hidroelctricas del Sistema Nacional Interconectado Ecuatoriano. Los datos a utilizarse en este trabajo corresponden a los registros histricos de series de caudales medios mensuales de 3 importantes centrales hidroelctricas del Ecuador (Paute, Agoyn y Daule-Peripa), correspondientes al perodo entre 1964 y 2003 (40 aos); este conjunto de datos forma parte de un registro mantenido por el CENACE. Entre los objetivos especficos pueden anotarse: Representacin de los caudales mensuales afluentes medios a los embalses de las centrales hidroelctricas del Sistema Nacional Interconectado mediante conjuntos Fuzzy. Identificacin de un modelo hbrido ANFIS para la previsin de caudales afluentes mensuales medios. Comparacin del desempeo de las tcnicas hbridas Neuro-Fuzzy frente a los mtodos estocsticos tradicionalmente usados en la previsin de series de tiempo. Fomentar la investigacin en el rea de los sistemas inteligentes y su aplicacin en la solucin de problemas de Ingeniera Elctrica. Motivar la adopcin de esta metodologa para su aplicacin en el proceso de planificacin de la operacin del Sistema Elctrico Ecuatoriano.

3. Metodologa y plan de trabajo.


Para el desarrollo del proyecto se emplear, principalmente, la metodologa propuesta por Jyh-Shing Roger Jang [9], [10], [11], [12], [16], que corresponde a la representacin de las reglas de un sistema de inferencia Fuzzy (modelo Takagi-Sugeno) a travs de una red adaptable.

El sistema de inferencia Fuzzy se encarga de representar lingsticamente las caractersticas de las variables que componen el sistema modelado, produciendo reglas de inferencia del tipo antecedente consecuente, donde las variables de entrada se encuentran representadas mediante conjuntos Fuzzy y la salida corresponde a un valor crisp. La red adaptable tiene como funcin aprender el comportamiento del sistema, produciendo una relacin no lineal entre los valores de entrada y salida de la red, y debe ser construida de tal manera que cada uno de los componentes del sistema de inferencia est representado. El anlisis estadstico de los datos proporcionar informaciones sobre la naturaleza de las series hidrolgicas, caracterizando su comportamiento y ofreciendo informacin sobre los modelos de series de tiempo que pueden ser ajustados para simular sus caractersticas. El desempeo de los modelos ser evaluado considerando algunas medidas de error como el error medio cuadrtico, error medio relativo porcentual y el error medio absoluto. Para implementar el modelo y realizar el anlisis de las informaciones se emplear el software Matlab. Las principales actividades a llevarse a cabo se resumen a continuacin: 1. Levantamiento y procesamiento de la informacin, incluyendo el anlisis estadstico de las series de caudales. 2. Estudio de los modelos de Sistemas Fuzzy, Redes Adaptables y Sistemas Hbridos NeuroFuzzy. 3. Realizacin de conferencias y seminarios sobre el tema, dirigidos a estudiantes y personal de la ESPOL. 4. Previsin de caudales por mtodos convencionales de series de tiempo estocsticas. 5. Representacin de las series de caudales mensuales a travs de conjuntos fuzzy. 6. Determinacin del modelo de ANFIS mas apropiado para la previsin de caudales empleando criterios heursticos de bsqueda para la mejor estructura. 7. Pruebas finales, anlisis de resultados y comparacin con metodologas convencionales. 8. Redaccin del reporte final y divulgacin de resultados en congresos y publicaciones nacionales.

4. Cronograma de Actividades.
El tiempo estimado para el desarrollo del proyecto es de 6 meses; la distribucin en el tiempo de cada una de las actividades programadas se resume en cuadro 1.

Actividad 1 2 3 4 5 6 7 8

Mes1 Mes2 Mes3 Mes4 Mes5

Mes6

Cuadro 1. Cronograma de actividades del proyecto.

5. Requerimientos adicionales.
Para la realizacin del presente proyecto, se solicita la colaboracin de la FIEC con los siguientes recursos: Un computador con procesador mayor a 1.0 GHz, memoria mayor a 512 Mb Ram, unidad de CDRW, puertos USB, conexin a internet, Microsoft Windows XP Professional y programas utilitarios de uso general. Acceso a una impresora, de preferencia tipo Lser, y un toner de tinta. Espacio en el servidor de la FIEC para promocionar el proyecto y difundir sus resultados a travs de un website. Auspicio para la realizacin de charlas y un seminario sobre el tema propuesto. Mobiliario y espacio fsico adecuado para el trabajo. Autorizacin para trabajar fuera de horas laborables (horario nocturno), feriados y fines de semana, de ser necesario.

6. Referencias bibliogrficas.
[1] Ballini, R., Soares, S., Gomes de Andrade, M., Redes Neurais Nebulosas para Previso de vazes mdias mensais, XVI Seminario Nacional de Produo e Transmisso de Energia Eltrica, Campinas, SP, Brasil, octubre de 2001. Box, G. E. P., Jenkins, G. M., Time Series Analysis, Forecasting and Control, Holden Day, Revised Edition, 1976. Cardoso, G. C., Modelo de Previso baseado em Agrupamento e Base de Regras Nebulosas, Disertacin de Maestra, Universidade Estadual de Campinas, Campinas, SP, Brasil, mayo de 2003. CONELEC, Estadsticas del Sector Elctrico Ecuatoriano, Quito, Ecuador, 2002.

[2] [3] [4]

[5] [6]

CONELEC, Regulacin CONELEC-006/00, Procedimientos de Despacho y Operacin, Versin 2.0, Ley de Rgimen del Sector Elctrico, Quito, Ecuador, agosto de 2000. Correa Pedrollo, O., Previso em Tempo Atual de Cheias com uso de Sistema Especialista Difuso, Tesis de Doctorado, Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brasil, diciembre de 2000. De Melo, H., Cavalcanti, J. H. F., da Silva, J. F., da Silva, V. P. R., Sistema de Previso Inteligente, IV Congresso Brasileiro de Redes Neurais, pp. 303-307, So Jos dos Campos, SP, Brasil, julio de 1999. De Oliveira, L. C. K., Papel do monitoramento e da previso de vazes no gerenciamento de bacas hidrogrficas, Tesis de Maestra, Universidade Federal de Ro de Janeiro, Rio de Janeiro, RJ, Brasil, enero de 2003. Jang, J-S. R., ANFIS: Adaptive-network-based fuzzy inference system, IEEE Transactions on Systems, Man, and Cybernetics, No.23, pp. 665-685, 1993.

[7]

[8]

[9]

[10] Jang, J-S. R., Input Selection for ANFIS Learning, Proceedings of the IEEE International Conference on Fuzzy Systems, New Orleans, 1996. [11] Jang, J-S. R., Neurofuzzy Modeling: Architecture, Analyses and Applications, Disertacin de Doctorado, University of California, Berkeley, CA, Estados Unidos, julio de 1992. [12] Jang, J-S. R., Sun, C-T., Neurofuzzy Modeling and Control, Proceedings of the IEEE, mayo de 1995. [13] Kelman, J., Uso de series sintticas no planejamento e operaes de sistemas hidrotrmicos, Centro de Pesquisas de Energa Eltrica, Rio de Janeiro, RJ, Brasil, 1987. [14] Maceira, M. E. P., Kelman, J., Damzio, J. M., Utilizao de modelos PAR para simulao e previso de sries hidrolgicas mensais, Anais do VII Simposio Brasileiro de Hidrologa e Recursos Hdricos, pp. 511-521, Salvador da Baha, BA, Brasil, noviembre 1987. [15] Registro Oficial, eds., Ley de Rgimen del Sector Elctrico, Suplemento del Registro Oficial N 43 (Incluidas reformas hasta agosto de 2000), Quito, Ecuador, octubre de 1996. [16] Riyanto, B., Febrianto, F., Machbub, C., Adaptive-Network-Based Fuzzy Inference System for Forecasting Daily Gasoline Demand, Proceedings of the Sixth AEESEAP Triennial Conference, Bali, Indonesia, agosto de 2000. [17] Ruilova, J. C., Estudio del Ao Hidrolgico 2001, Embalse Amaluza, Centro Nacional de Control de Energa, Quito, Ecuador, mayo de 2001. [18] Seth, S. M., Chandra, S., Stochastic modeling of monthly streamflow sequences, en Stochastic Processes in Water Resource Engineering pp. 18-1 a 18-21, Proceedings of the Second International IAHR Symposium on Stochastic Hydraulics, 1977. [19] Terry, L. A., Pereira, M. V. F., Araripe Neto, T. A., Silva, L. F. C. A., Soares, P. R. H., Coordinating the energy generation of the Brazilian National Hydrothermal Electrical Generating System, Interfaces, No. 16, Vol. 1, pp. 16-38, enero-febrero de 1986. [20] Tomsovic, K., Chow, M. Y., IEEE Power Engineering Society Tutorial: Fuzzy Set Applications to Power Systems, IEEE PES TP-140-0, enero de 2000.

[21] Tomsovic, K., Fuzzy Systems Applications to Power Systems, Chapter IV-Short Course, The 1999 International Conference on Intelligent System Application to Power Systems, Rio de Janeiro, RJ, Brasil, abril de 1999. [22] Valena, M., Ludermir, T. B., Guilhon, L. G., Previso de vazes de longo prazo utilizando Redes Neurais, XVI Seminario Nacional de Produo e Transmisso de Energia Eltrica, Campinas, SP, Brasil, octubre de 2001. [23] Yevjevich, V., Stochastic Processes in Hydrology, Water Resources Publications, Colorado, Estados Unidos, 1972. [24] Ziga, A., Planificacin de la Operacin de Largo Plazo en Sistemas Hidrotrmicos aplicando Modelos Estocsticos, Tesis de grado en desarrollo, a ser presentada ante la FIEC-ESPOL.