Académique Documents
Professionnel Documents
Culture Documents
SO CARLOS - SP
2009
C972o
ii
iii
AGRADECIMENTOS
A Deus.
A toda minha famlia, principalmente minha mammys e meus irmos.
Professora Luisa Fernanda pela pacincia, ateno, apoio e orientao.
Ao Doutor Laudelino Pedrosa pelo inestimvel auxlio.
Aos colegas do LabSim Fausto, Frederico, Ktia, Milena e Thiago.
Aos amigos de So Carlos, especialmente Luis, Micheli, Milena, Nayara, Ricardo e
Valter.
A todos os professores, funcionrios e colegas do Departamento de Hidrulica e
Saneamento da EESC-USP.
A todos da SENHA ENGENHARIA que sempre contriburam para minha formao
profissional.
Aos amigos de Goinia, por suportarem a ausncia, o mal-humor e muito me apoiarem:
Ana Flvia, Bruna, Dbora, Diego, Izabella, Ju, Letcia, Lorena, Lud, Lu, Marlene, Mayra
e Paulinha.
Enfim, a todos que de alguma maneira contriburam para a realizao deste trabalho.
iv
RESUMO
Cunha, A.A.R. Otimizao Energtica em Tempo Real da Operao de Sistemas de
Abastecimento de gua. 2008. 179 p. Dissertao Mestrado Escola de Engenharia,
Universidade de So Paulo, So Carlos.
Este trabalho apresenta um modelo computacional para otimizao energtica de sistemas de
abastecimento em tempo real. Tal modelo composto por trs mdulos principais: (1) um
Mdulo de Simulao Hidrulica que descreve o comportamento do sistema EPANET; (2)
um Mdulo de Previso de Demandas que realiza a previso das demandas futuras aplicvel
utilizao no tempo real (curto prazo), desenvolvido por Odan (2008); e, por fim, (3) um
Mdulo Otimizador estruturado em linguagem C++ que implementa a biblioteca de
Algoritmos Genticos do MIT - Massachusetts Institute of Technology and Matthew Wall, a
GAlib, que permite determinar as rotinas operacionais (acionamento de vlvulas e bombas) de
forma minimizar o custo de energia eltrica no sistema. O processo de otimizao divido
em duas rotinas, Nvel Estratgico e Tempo Real. Na otimizao em Nvel Estratgico, a
partir das Curvas Tpicas de Demanda para cada n de demanda do macro-sistema
considerado, determina-se o conjunto de controles que minimizam os custos de energia
eltrica, respeitando as restries hidrulicas do sistema. Para cada conjunto de controles
otimizados tm-se os nveis que os reservatrios iro atingir ao final de cada hora durante o
horizonte de planejamento considerado, denominados Nveis Metas. Tais nveis servem de
guia para a segunda etapa de otimizao. A Operao em Tempo Real se inicia com o
recebimento dos dados sobre as condies atuais do sistema: nveis dos reservatrios e
demandas da ltima hora. A partir das demandas informadas, o Mdulo de Previso de
Demandas gera todas as demandas para o horizonte de planejamento. Alimenta-se ento o
Otimizador em Tempo Real com os nveis atuais dos reservatrios, os nveis metas e a
previso de demandas, obtm-se o conjunto de regras operacionais timas para o horizonte de
planejamento, sendo que so implementadas apenas as regras para a hora atual. E repete-se
todo o processo a cada hora. Este modelo foi aplicado a um sistema de abastecimento de gua.
Os resultados obtidos demonstraram a eficincia do modelo em achar solues factveis de
serem implementadas e com reduo dos custos com energia eltrica.
Palavras-chave: otimizao em tempo real, operao de sistemas de abastecimento de gua,
algoritmo gentico, eficincia energtica.
v
ABSTRACT
Cunha, A.A.R. Real-time Optimization of Water Supply System Operation. 2008. 179 p.
Master of Sciences Degree Thesis - So Carlos School of Engineering, University of So
Paulo, So Carlos.
This work presents a computational model for real-time optimization of water-distribution
networks operation. An integrated software tool has been developed which is composed of
three main modules: (i) a hydraulic simulator that performs the extended period simulation of
the system (EPANET); (ii) a short-term demand-forecasting model, based on the moving
Fourier series; and (iii) an optimization module, using genetic algorithm, to minimize
pumping costs. The optimization process is divided in two routines, the off-line optimization
and the on-line optimization. The aim of the first routine is to find the ideal operation levels
for the reservoirs which are used as guidance for the on-line optimization. The schedules to be
implemented in the network are determined, however, by an on-line optimization which runs
a new optimization processes at each SCADA (Supervisory Control and Data Acquisition)
update. In the off-line optimization, near-optimal pump and valve settings for a selected
operating horizon are found on the basis of the typical 24-hour water demand cycle in which
each reservoir must also start and end with the same water level. The levels of the reservoirs
at the end of each hour in this optimization process, called Ideal Levels, are considered in the
on-line optimization as a constraint that represents a penalty added to the objective function
whenever a reservoir level is below the Ideal Level at the end of each hourly operation. The
on-line optimization starts updating the state of the network transmitted from the SCADA
system and the demand forecast for the next 24-hour period. Near-optimal pump and valve
settings for a selected operating horizon are then determined but only the control settings for
the next hourly time step are used to implement the operation. At the next SCADA update
(next-time step), the whole process is repeated on a continuous basis and a new operating
strategy is computed. In this way, the control process moves forward in time, correcting any
discrepancies as it progresses. This integrated software tool has been applied to a small
example network. The results obtained from this application have shown that the proposed
model offers a practical tool for finding feasible operation strategies for a water pipeline
system, obtaining reductions in pumping energy costs.
Keywords: real time optimization, water-distribution networks operation, genetic algorithm,
energy costs.
vi
LISTA DE FIGURAS
Figura 2.1 - Representao no EPANET do sistema estudado por Moreira (2008).................28
Figura 2.2 Ciclo Bsico de um AG. ......................................................................................35
Figura 3.1 Fluxograma do Modelo de Operao Otimizada em Tempo Real Proposto. .....48
Figura 3.2 Diagrama de Fluxo da Otimizao em Nvel Estratgico....................................55
Figura 3.3 - Sub-rotina leitura do arquivo ga1.in para Otimizao em Nvel Estratgico. ......56
Figura 3.4 Arquivo ga1.in para Otimizao em Nvel Estratgico. ......................................57
Figura 3.5 Sub-rotina de leitura dos dados do Sistema. ........................................................57
Figura 3.6 Sub-rotina para alocao de memria. .................................................................58
Figura 3.7 - Sub-rotina para gerao da populao inicial de soluo para o AG. ..................58
Figura 3.8 Sub-rotina para obteno do valor da funo de aptido. .....................................59
Figura 3.9 - Diagrama de Fluxo da Otimizao em Tempo Real.............................................62
Figura 3.10 - Vetor soluo de duas bombas e duas vlvulas, horizonte de planejamento T. .64
Figura 3.11 Cdigos de Alerta e respectivas mensagens. Fonte: Toolkit (Rossman, 2000)..69
Figura 4.1 Topologia do Sistema Objeto de Estudo..............................................................74
Figura 4.2 Tarifa horo-sazonal verde e azul para o Sub-Grupo A4, convencional para o SubGrupo A4 e convencional para o Sub-Grupo A3. Fonte: Pedrosa (2006)................................79
Figura 4.3 Curvas Tpicas de Demanda para todos os dias da semana. ................................80
Figura 5.1 Organizao da Aplicao do Modelo Desenvolvido..........................................83
Figura 5.2 Representao no EPANET do Sistema Estudado...............................................88
Figura 5.3 Representao esquemtica do vetor soluo. .....................................................91
Figura 5.4 Evoluo do valor da funo de aptido para diferentes tamanhos de populao.
..................................................................................................................................................94
Figura 5.5 Evoluo da funo de aptido para os diferentes operadores de seleo. ..........95
Figura 5.6 Evoluo da funo de aptido para os diferentes operadores de cruzamento. ...96
Figura 5.7 Funes de aptido para diferentes probabilidades de cruzamento. ....................97
Figura 5.8 Funes de aptido para diferentes probabilidades de mutao. .........................98
Figura 5.9 Evoluo da funo de aptido para diferentes nveis iniciais nos reservatrio.100
Figura 5.10 Diferena entre nveis dos reservatrios e nveis meta para diferentes 4. ......103
Figura 5.11 Custo com energia eltrica (R$) para diferentes valores de 4. .......................104
Figura 5.12 Padro adimensional de demanda associado ao n de consumo a jusante (a) do
CR1 e (b) do CR2. Fonte: Pedrosa (2006). ............................................................................106
Figura 5.13 Distribuio temporal das presses nos ns (a) Rede 1 e (b) Rede 2. .............107
Figura 5.14 Distribuio temporal dos nveis dos reservatrios para otimizao
considerando o enquadramento tarifrio atual (NAotim), a alterao do enquadramento
tarifrio (NAotim nova tarf) e (NAoperacional) Reservatrios R1 e R3. ...........................108
Figura 5.15 Distribuio temporal dos nveis dos reservatrios para otimizao
considerando o enquadramento tarifrio atual (NAotim), a alterao do enquadramento
tarifrio (NAotim nova tarf) e (NAoperacional) Reservatrios R4 e R5. ...........................109
Figura 5.16 - Curvas de Demanda Tpica dos Dias teis, Sbados e Domingos. ...............112
Figura 5.17 Nmero de bombas em funcionamento nas otimizaes estratgicas. ............114
Figura 5.18 Distribuio temporal das presses nos ns (a) Rede 1 e (b) Rede 2, com a
otimizao em nvel estratgico. ............................................................................................115
Figura 5.19 Regras de operao das bombas resultantes da otimizao estratgica. ..........117
Figura 5.20 Regras de operao das vlvulas resultantes da otimizao estratgica. .........118
vii
Figura 5.21 Operao Otimizada em Nvel Estratgico dos reservatrios R2 e R3............119
Figura 5.22 - Operao Otimizada em Nvel Estratgico dos reservatrios R4 e R5. ...........120
Figura 5.23 Sentido de escoamento.....................................................................................121
Figura 5.24 Sentidos de fluxo no CR2. ...............................................................................121
Figura 5.25 Fluxograma das Otimizaes em Tempo Real realizadas................................123
Figura 5.26 - Custo dirio de bombeamento otimizado em tempo real Dias teis.............125
Figura 5.27 Valores das penalidades divididos por seus respectivos coeficientes..............126
Figura 5.28 - Regras de operao otimizadas - Sbado..........................................................127
Figura 5.29 - Regras de operao otimizadas - Domingo. .....................................................128
Figura 5.30 - Regras de operao otimizadas Segunda-feira. .............................................128
Figura 5.31 Nveis dos reservatrios - estratgias operacionais otimizadas sbados..........130
Figura 5.32 Nveis dos reservatrios - estratgias operacionais otimizadas domingos.......131
Figura 5.33 Nveis dos reservatrios - estratgias operacionais otimizadas segundas-feiras.
................................................................................................................................................132
Figura 5.34 Tempo computacional gasto com as otimizaes em tempo real. ...................133
Figura 5.35 Custo de bombeamento para as otimizaes em tempo real dos sbados. ......134
Figura 5.36 - Custo de bombeamento para as otimizaes em tempo real dos domingos. ....134
Figura 5.37 - Custo de bombeamento para as otimizaes em tempo real Segunda-feira. .135
Figura 5.38 Comparao das Demandas Reais Adimensionalizadas (Histrico) com as
Demandas Previstas pelo mdulo de Previso de Demandas Sbado (07/Fevereiro).........136
Figura 5.39 Diferena entre as Demandas Adimensionalizadas Observadas e Previstas. ..138
Figura 5.40 Custos de Bombeamento otimizados utilizando demandas reais e previstas...139
Figura 5.41 Nveis dos reservatrios - estratgias operacionais otimizadas em tempo real
utilizando demandas observadas - Sbados............................................................................141
Figura 5.42 Tempo Computacional das otimizaes utilizando as demandas histricas e as
demandas previstas. ................................................................................................................142
viii
LISTA DE TABELAS
Tabela 2.1 - Custos mensais de energia eltrica e comparativo entre o Planejamento da
operao do SAAE, Estratgico e Operacional atualizado, Moreira (2008). ...........................29
Tabela 4.1 Dados dos conjuntos moto bombas do CR1. Fonte: Pedrosa (2006). .................76
Tabela 5.1 Valores adotados nas anlises de sensibilidade dos operadores e parmetros do
AG. ...........................................................................................................................................93
Tabela 5.2 Operadores e parmetros genticos adotados. .....................................................99
Tabela 5.3 Anlise de sensibilidade do coeficiente de penalidade 3 (3)............................102
Tabela 5.4 Consumo mdio dirio por unidade, real e otimizado.......................................110
Tabela 5.5 Resultados da otimizao para as diferentes Curvas de Demanda Tpica.........113
Tabela 5.6 Quantidade de acionamentos nas otimizaes em nvel estratgico. ................116
Tabela 5.7 - Custo de Bombeamento Tempo Real Com Dados de Demandas Previstos....124
Tabela 5.8 - Resultados das Penalidades Com Dados de Demandas Previstos....................126
ix
SUMRIO
Resumo .................................................................................................................................. iv
Abstract .................................................................................................................................. v
Lista de Figuras ...................................................................................................................... vi
Lista de Tabelas ..................................................................................................................... viii
Sumrio .................................................................................................................................. ix
Introduo ................................................................................................. 1
1.1
1.2
1.3
Enquadramento...............................................................................................................1
Objetivos.........................................................................................................................2
Estrutura e Contedo do Trabalho..................................................................................3
2.1
Operao de Sistemas de Abastecimento de gua.........................................................5
2.2
Otimizao da Operao de Sistemas de Abastecimento de gua ................................8
2.2.1
Planejamento Estratgico .........................................................................................10
2.2.2
Otimizao em Tempo Real .....................................................................................11
2.3
Tcnicas de Otimizao Aplicveis a Sistemas de Abastecimento de gua ...............31
2.3.1
Algoritmos Genticos ...............................................................................................33
2.4
Aspectos Crticos do Problema ....................................................................................39
Modelo Otimizador................................................................................. 45
3.1
3.2
3.2.1
3.3
3.4
3.4.1
3.4.2
3.4.3
3.4.4
Estrutura .......................................................................................................................45
Mdulo de Previso de Demandas ...............................................................................48
Previsor de demanda.................................................................................................49
Mdulo de Simulao Hidrulica .................................................................................51
Mdulo Otimizador ......................................................................................................54
Rotina 1 - Otimizao em Nvel Estratgico ............................................................54
Rotina 2 - Otimizao em Tempo Real ....................................................................61
Funo de Aptido....................................................................................................63
Algoritmos Genticos Operadores e Parmetros...................................................71
4.1
4.2
4.3
4.4
5.1
5.2
5.3
5.3.1
5.3.2
5.4
5.5
5.6
5.6.1
x
5.6.2
Resultados da Otimizao em Nvel Estratgico....................................................112
5.6.3
Nveis Meta ............................................................................................................122
5.7
Otimizao em Tempo Real .......................................................................................122
5.7.1
Resultados da Otimizao em Tempo Real com Previso de Demandas ..............124
5.7.2
Avaliao da Influncia da Previso no Resultado da Otimizao ........................135
5.8
Aspectos Crticos........................................................................................................142
6.1
1.1
Introduo
Enquadramento
1.2
Objetivos
1.3
2.1
Reviso Bibliogrfica
se baseia em dados do sistema obtidos atravs de radio, telefone ou telemetria. Sendo que o
controle pode ser exercido por operadores locais que recebem ordens da central, ou ainda por
um operador central que controla remotamente os elementos do sistema.
Independente da forma de operao utilizada o que acontece na maioria dos sistemas do
mundo inteiro que as regras operacionais implementadas so de natureza emprica, e visam,
principalmente, garantia da continuidade do abastecimento pblico, sem vistas
minimizao dos custos com energia eltrica.
A equipe de planejamento da operao geralmente define as regras (fixas ou variveis)
de controle dos sistemas, baseada em informaes e experincias anteriores e no
conhecimento do estado atual do sistema. As regras so transmitidas equipe responsvel
pelo controle do sistema, que por sua vez, implementa tais regras e retorna os resultados das
operaes efetuadas ao setor de planejamento, para avaliao do desempenho e as adequaes
necessrias.
Verifica-se que o trabalho no setor de operaes em um sistema de abastecimento
requer decises eficientes e em tempo real. A aplicao de uma regra operacional inadequada
pode ser desastrosa para a operao do sistema.
Segundo Zahed (1990), para que se possa otimizar as regras operacionais de um sistema
de distribuio de gua so necessrias a definio clara dos objetivos a serem alcanados, o
conhecimento do sistema e de dados previsionais, alm da disponibilidade de um modelo para
otimizao dessas regras.
Os objetivos a serem alcanados devem envolver diferentes aspectos de natureza
tcnica, econmica, social e poltica. Do ponto de vista tcnico restringe-se a minimizar os
custos de operao e/ou garantir a confiabilidade do sistema. Nas ocasies em que h oferta e
demandas equilibradas, o objetivo da operao pode ser voltado minimizao de custos
operacionais, de forma a maximizar os benefcios lquidos. Quando o sistema apresenta
2.2
especializada apresenta diversos estudos que tratam desse problema, empregando diferentes
tcnicas de otimizao, a saber, programao linear, no linear e dinmica, simulated
annealing, redes neurais artificiais (RNA), algoritmos genticos (AGs), etc. Dentre elas, a
tcnica dos algoritmos genticos vem se destacando pela sua habilidade em resolver
problemas no lineares, possibilidade de serem diretamente conectados com mdulos externos
de avaliao da funo objetivo (no caso dos sistemas de abastecimento, mdulo de simulao
hidrulica), como exige o problema em foco, sem necessitar de suposies simplificadoras,
clculo de derivadas, etc.
As solues do Planejamento Operacional Estratgico correspondem, entretanto, a um
plano estratgico esttico por natureza. Uma vez formulado, o plano est atrasado devido s
constantes mudanas a que os sistemas geralmente esto sujeitos. Assim, analisando o
problema com o qual os operadores se deparam no dia a dia, percebe-se que a estratgia
operacional estabelecida sob o enfoque do Planejamento Operacional Estratgico se
inviabiliza devido a fatores como ocorrncia de demandas distintos daqueles preconizados
pela curva tpica e de nveis de reservatrios diferentes daqueles previstos para o final de cada
intervalo de tempo (hora). O ideal do ponto de vista prtico ento que as decises sejam
tomadas com base nas condies que se configuram a cada intervalo de tempo. Como as
decises tomadas no presente afetam a operao dos perodos seguintes, devem-se considerar
as incertezas relativas s demandas de perodos (horas) frente para que decises
operacionais mais acertadas sejam tomadas. Esse tipo de anlise impe, portanto, o uso de
uma modelo operacional alimentado por dados de previso de demanda em tempo real, ou
seja, estimados a partir de dados constantemente atualizados. Dessa maneira, a Operao em
Tempo Real transforma uma estratgia operacional esttica em uma estratgia operacional
viva; um plano estratgico para uma estratgia constantemente em construo. Ela oferece
operao a capacidade de ajustar-se continuamente, apontando decises mais adequadas
10
mesmo quando o que se deve fazer no se mostra to bvio. A Operao em Tempo Real
permite que continuamente se faa uma definio estratgica e que novas possibilidades
sejam identificadas.
desejvel ainda que a Operao em Tempo Real represente uma aproximao para as
respostas produzidas pelo modelo de Planejamento Operacional Estratgico. Assim, a
Operao em Tempo Real, representa um desafio ainda maior. Esse fato se confirma tanto
pela escassez de trabalhos publicados sobre o tema (descritos adiante) como pela maneira
mais usual de operao dos sistemas realizada na prtica: a sentimento, de acordo com a
experincia e capacidade intuitiva do operador. Reconhece-se, no entanto que, embora bons
resultados possam ser produzidos dessa maneira, eles certamente podem ser melhorados.
Com vistas ao desenvolvimento de um modelo otimizador para a operao de sistemas
de distribuio de gua em tempo real, ser necessrio tratar o problema de otimizao em
duas etapas: a primeira, de Planejamento Operacional em Nvel Estratgico; e, a segunda da
Operao em Tempo Real propriamente dita. A literatura foi, portanto, analisada objetivando
o tratamento dessas duas abordagens complementares do problema, conforme apresentado a
seguir nos itens 2.2.1 e 2.2.2.
2.2.1
Planejamento Estratgico
11
2.2.2
12
13
no Reino Unido, sem que fosse apresentado qualquer resultado desta implementao. Apesar
desse trabalho ser mais detalhado que o anterior (Coulbeck, 1987) e trazer as bases
necessrias para operao de sistemas de distribuio de gua em tempo real, tambm no
apresenta as tcnicas utilizadas.
Lansey & Awumah (1994) desenvolveram uma aproximao para incluir o acionamento
de bombas como variveis de deciso de um modelo de minimizao dos custos de operao
de sistemas de abastecimento de gua utilizando programao dinmica.
O objetivo era criar regras de operao para o horizonte de planejamento de 24 horas, de
forma a minimizar os custos com energia eltrica, limitando o nmero de acionamentos das
bombas. Segundo os autores, regras operacionais com grande quantidade de acionamentos
(liga/desliga) das bombas podem at reduzir os custos com energia eltrica; no entanto,
podem aumentar consideravelmente os custos de manuteno das bombas. Tais custos no
foram quantificados, todavia admitiu-se que quanto maior for o nmero de acionamentos das
bombas maior seria o custo de manuteno.
14
15
timas dirias das bombas, usando os dados histricos de demanda do ano de 1989. O tempo
computacional gasto foi de 1 e 30 minutos para os modelos de curto (24 horas) e longo prazo
(30 dias), respectivamente.
A comparao entre os valores de energia eltrica estimados de acordo com a operao
praticada para o ano estudado e os valores calculados de acordo com a operao otimizada das
bombas apontou uma reduo mdia de 20% a favor da otimizao, variando de 5,1 a 24,1%
de acordo com a estao de bombeamento.
Da forma como apresentado, o modelo e sua aplicao se enquadram melhor como
Planejamento Operacional Estratgico do que Operao em Tempo Real, uma vez que a
operao tima para 24 horas no atualizada a cada intervalo de tempo, de acordo com os
nveis dos reservatrios do sistema e as demandas verificadas a cada hora, o que caracterizaria
o tempo real. No entanto, entende-se que estas atualizaes horrias poderiam ser
introduzidas no modelo de gerao da estratgia operacional tima para as 24 horas, sendo
implementada apenas as decises relativas ao primeiro intervalo horrio a cada vez.
Orr et al. (1999) apresentaram basicamente uma viso geral sobre as principais
caractersticas e consideraes para execuo de modelagem hidrulica em tempo real de
sistema de abastecimento de gua e a integrao e gerenciamento das informaes de um
sistema SCADA (Supervisory Control And Data Acquisition) com o simulador.
Segundo os autores, uma implementao dos procedimentos de modelagem em tempo
real foi incorporada com o suporte de um pacote de modelagem hidrulica largamente
utilizado (H2ONET), como parte de um procedimento de modelagem padro. No entanto, o
artigo no apresenta detalhes dessa implementao.
16
17
Ribeiro (2005) tambm props um modelo operacional para avaliao dos AGs como
ferramenta de otimizao de sistemas de abastecimento de gua em tempo real. Esse
composto pelo simulador hidrulico EPANET 2.0, algoritmo de otimizao via tcnica dos
AGs e os registros histricos operacionais, considerados como previso perfeita das
demandas, e foi aplicado a uma ala do Sistema Adutor Metropolitano de So Paulo
denominada SAM Leste.
O SAM Leste possui 10 reservatrios, 75,66 quilmetros de adutoras, 1 estao
elevatria, 3 boosters, 9 vlvulas de controle de vazo e 6 vlvulas redutoras de presso.
Foram otimizados 33 cenrios com variaes dos nveis iniciais de operao dos
reservatrios, parmetros dos AGs e pesos das penalidades, chegando aos seguintes
resultados:
O melhor cenrio indicou reduo nos custos com energia eltrica da ordem de 22%, R$
25.000,00, com relao operao usualmente feita pela SABESP na poca;
18
19
20
diferentes conjuntos de controles (operao de componentes tais como vlvulas e bombas dos
sistemas) com vistas otimizao da operao em tempo real deve ser computacionalmente
eficiente, acurado e numericamente robusto. Os simuladores hidrulicos atendem aos
requisitos de acurcia e robustez, mas podem ser impraticveis para a operao em tempo-real
de grandes sistemas de distribuio de gua, devido ao tempo computacional necessrio.
Modelos hidrulicos simplificados so computacionalmente eficientes, mas a acurcia e
robustez dos mesmos questionvel. As RNAs so computacionalmente eficientes e robustas,
mas requerem uma grande quantidade de padres (entrada-sada) para treinamento e teste.
Portanto, o projeto POWADIMA utilizou dados produzidos simulador hidrulico
convencional para os propsitos de treinamento e teste das RNAs.
Para teste desta proposio foi escolhido o sistema Any Town, amplamente estudado
na literatura. No entanto, visando tornar a otimizao uma tarefa mais desafiadora, mudanas
foram introduzidas nesse sistema, tais como a adio de um reservatrio e tubos na poro
noroeste da rede original. O sistema resultante foi chamado de Any Town (Modified) ou
AT(M). A rede AT(M) possui 41 tubos e 19 ns, com 3 bombas de velocidade fixa e 3
reservatrios.
O sistema AT(M) foi modelado utilizando o pacote de simulao hidrulica EPANET.
O tempo entre um passo e outro adotado foi de uma hora. Foi proposto um modelo de RNA
de uma camada oculta, sendo a camada de entrada dotada de 5 neurnios (valores de entrada:
o primeiro representando o nmero de bombas em uso; o segundo a demanda agregada para
os 19 ns consumidores e os 3 nveis iniciais de gua, um para cada reservatrio) e a camada
de sada de 7 neurnios (valores de sada: a potncia total consumida pelas bombas, as
presses nos 3 ns representativos da rede (170, 90 e 55) e os nveis resultantes em cada qual
dos 3 reservatrios). Atravs do mtodo de tentativa e erro, uma boa representao do modelo
do EPANET foi encontrada com 20 neurnios na camada oculta (intermediria), resultando
21
numa estrutura final de RNA(5, 20, 7). A vantagem computacional deste mtodo uma
reduo mdia de 10 vezes o tempo necessrio para prever as conseqncias de diferentes
conjuntos de controles em comparao com o simulador hidrulico convencional. Os desvios
entre os resultados do EPANET e da RNA foram inferiores a 0,06 metros, para nveis dos
reservatrios, e 0,40 metros para presso.
O artigo desenvolvido por Rao e Salomons (2007) foca a seleo da melhor combinao
de conjuntos de controles no apenas para o a situao presente, mas tambm as condies
esperadas durante o horizonte de operao no sentido de minimizar os custos com
bombeamento. A tecnologia dos AGs foi utilizada para otimizao do controle operacional.
A inicializao do conjunto de controles (variveis de deciso) aleatria. Portanto, o
conjunto de controles usado como entrada para a RNA, que estima as presses e vazes
resultantes, assim como os nveis nos reservatrios e potncias necessrias, a cada passo no
horizonte de operao. O valor da aptido de cada soluo de AG avaliado com base nos
custos operacionais, ao qual so adicionados custos de penalidade para qualquer violao das
restries. Aps a gerao aleatria da populao inicial do AG, e a avaliao de cada
soluo, ento engaja-se no AG, quando parentes so selecionados e acontecem croos-over e
mutao, produzindo nova combinaes de conjuntos de controle. Este novo conjunto de
controles utilizado como entrada na RNA e todo o processo repetido at que se atinja o
nmero mximo de geraes do AG. A melhor combinao de controles encontrada ao fim do
processo de busca referida como a soluo quase tima.
Antes da re-inicializao do conjunto de controles para o prximo passo no tempo, a
previso realizada com base nos dados de demanda atualizados com as informaes
observadas uma hora atrs. Tal previso ento utilizada como entrada para a RNA e o AG
no prximo passo. Tendo computado a nova estratgia operacional, o conjunto de controles
22
para o tempo corrente so implementados via SCADA, enquanto a poro restante espera pela
re-inicializao das variveis de controle com a nova atualizao dos dados atuais do sistema
pelo SCADA. Todo este sistema de controle dinmico foi chamado de DRAGA-ANN
(Dynamic Real-time Adaptive Genetic Algorithm Artificial Neural Network).
Alvisi et al. (2007) desenvolveram o modelo previsor de demanda para tempo real
consistente com as necessidades do otimizador DRAGA-ANN. Segundo os autores, o modelo
reproduz as periodicidades observadas nos nveis anuais, semanais e dirios para estimar os
valores das demandas futuras.
A cidade escolhida para estudo das flutuaes de demanda em curto prazo foi a cidade
italiana de Castelfranco Emilia. A anlise das demandas de gua horrias e dirias revelou a
existncia de padres em que possvel identificar periodicidades sazonal e semanal das
demandas de gua bem como periodicidades dirias nas demandas horrias.
O modelo previsor proposto baseado nos padres implcitos nas sries temporais de
dados de demanda de gua e por esta razo, referido como modelo previsor de demanda de
gua baseado em padres. No primeiro dos dois mdulos a sazonalidade e padres semanais
so levados em conta, junto com a persistncia de mdio prazo. No segundo mdulo, estas
configuraes dirias so combinadas com os padres de demandas dirias e a persitncia de
curto prazo gera as previses horrias sobre o correspondente perodo de 24 horas.
Uma anlise dos resultados obtidos mostra que o modelo capaz de gerar uma previso
robusta e acurada das futuras demandas de gua na base horria.
23
habitantes. O modelo simulador hidrulico composto por 126 tubulaes, 112 ns, 9
reservatrios, 1 vlvula redutora de presso e 17 bombas em 5 diferentes estaes de
bombeamento.
A RNA escolhida tem 29 valores de entrada (neurnios de entrada), 80 neurnios na
camada intermediria e 15 valores de sada (neurnios de sada). Os valores de entrada
compreendem 13 variveis representativas do status de funcionamento das bombas (on/off), 9
nveis de reservatrios em cada instante (t) representativo do incio do passo de tempo em
estudo, 6 demandas correntes (uma para cada zona de presso) e 1 controle de vlvula (10
50 m de presso). Os valores de sada so 5 potncias consumidas de bombas (uma para cada
estao de bombeamento), 9 nveis de reservatrio no instante (t + 1), representativos do final
do passo de tempo considerado, e 1 presso no n crtico do sistema. A RNA foi treinada com
12.000 pares de vetores entrada/sada e testada com mais 5.000 pares. Os desvios em termos
da raiz quadrada mdia (RMSEs) dos dados normalizados foi 0.449 e 0.481% para os
conjuntos de treinamento e teste, respectivamente.
Cada soluo de AG representada por uma cadeia de 408 bits, com 1 bit para cada
bomba e 4 bits para a vlvula redutora de presso, em cada intervalo do horizonte de operao
de 24 horas. O AG operou com uma populao de tamanho 50, probabilidade de cross-over
de 0,76 e de mutao de 0,002. O tamanho do torneio selecionado foi 4 e o nmero de
geraes foi 1000.
Este pacote de otimizao foi aplicado ao sistema A de Haifa para todo o ano de 2000.
Como no estavam disponveis os dados de demanda deste sistema, foram utilizados dados de
demanda de uma cidade com caractersticas urbanas similares e mesma rea. Os dados
horrios dos custos com energia eltrica tambm no estavam disponveis, portanto foi
adotada uma tarifa eltrica qualquer.
24
25
26
27
economia foi de aproximadamente 12% para esses 15 dias. Esse experimento demandou
extensivo tempo computacional, sendo impraticvel para otimizao em tempo real.
O modelo reduzido conectado ao AG foi simulado para dois meses do ano de 2004,
Janeiro (baixa demanda) e Julho (alta demanda), obtendo-se economia em relao a operao
usualmente feita no sistema da ordem de 11 e 8%, respectivamente. O tempo computacional
demandado para simular um ms de aproximadamente 8 horas em um computador
Pentium4, 2 GHz IBM com 1.5 GB RAM.
28
29
30
FINESSE
Como continuidade dos trabalhos desenvolvidos por Coulbeck (1987) foi desenvolvido
o projeto WaterCIME (WSS 2004), que envolveu um consrcio entre oito entidades de
cinco pases europeus. As pesquisas da WSS tiveram como foco principal o desenvolvimento
de tecnologias de otimizao para solucionar problemas de controle operacional e de presso
em sistemas de abastecimento, que resultou no modelo de suporte deciso FINESSE.
FINESSE um pacote para modelao de sistemas de abastecimento e distribuio de
gua e de sistemas de drenagem. Compreende cinco mdulos principais, cujas funes so:
simulador hidrulico; previsor de demanda; otimizador operacional, simplificador de
modelos; e modelo de calibrao.
O simulador hidrulico realiza simulaes dinmicas e estticas e tem como base
tcnica o software GINAS, desenvolvido por Coulbeck. Possui tambm uma funo especial
para simulaes em tempo real, baseadas nas mais recentes medidas de estado do sistema
como condies iniciais. O simulador configurado para automaticamente receber dados de
entrada que incluem os nveis dos reservatrios, vazes e presses.
O modelo previsor de demanda requer seis semanas de dados histricos para funcionar,
baseado em um algoritmo de alisamento do tipo exponencial triplo.
J o otimizador operacional calcula rotinas de bombeamento para minimizao dos
custos operacionais. O clculo baseado nos softwares GAMS e CONOPT, que utilizam
programao no-linear e so usados em problemas de otimizao diversos.
31
ENCONS
ENCOMS (Energy Cost Minimisation System) o nome comercial dado ao software
inicialmente desenvolvido pelo projeto POWADIMA, e aprimorado pela empresa Halcrow
Group Ltd, com vistas sua comercializao.
Rao, Wicks & West (2007), colaboradores da Halcrow Group, apresentam as formas
gerais de funcionamento do ENCOMS e resumem as ferramentas utilizadas no seu
desenvolvimento.
2.3
Conforme pode ser verificado no item anterior, ao longo da descrio dos trabalhos
existentes sobre otimizao da operao de sistemas de abastecimento de gua, diferentes
mtodos de otimizao tm sido aplicados.
Tradicionalmente os problemas de otimizao na dcada de 60 eram resolvidos usando
mtodos consagrados como programao linear, no-linear e dinmica. Esses mtodos
32
33
Carrijo (2004), Ribeiro (2005), Pedrosa (2006) e Sousa (2007) descrevem as inmeras
aplicaes dos AGs para resoluo de problemas relacionados a recursos hdricos.
A seguir consta uma breve descrio dos AGs, por se tratar da tcnica utilizada no
desenvolvimento desse trabalho, e da biblioteca utilizada para implementao do mesmo.
2.3.1
Algoritmos Genticos
34
transferncia de melhores cromossomos de uma gerao para outra sem alteraes, j que
os melhores cromossomos podem ser perdidos devido aplicao dos operadores de
recombinao e de mutao. Proposto por DeJong ((1975) apud Lacerda & Carvalho,
1999), o AG com elitismo encontra a soluo mais rapidamente que o AG sem elitismo,
ressaltando que o AG ocasionalmente encontra mximos locais.
De acordo com essa terminologia dos AGs, cada cromossomo, tambm referido como
string, representa uma possvel soluo para o problema e uma populao de cromossomos
representa um conjunto de possveis solues.
35
36
Operadores Gentico
Seleo
Num Algoritmo Gentico torna-se muito importante definir a forma como ser realizada
a seleo dos indivduos que iro constituir a nova gerao. O mecanismo de seleo deve
possibilitar que os indivduos mais aptos (com ndice de aptido mais elevado) se reproduzam
mais vezes para que, desta forma, a populao v melhorando ao longo das geraes. No
entanto, o coeficiente de exigncia deste mecanismo deve ser moderado, uma vez que uma
seleo muito exigente faz com que a populao seja dominada muito rapidamente pelos
melhores indivduos o que pode levar estagnao num extremo local e, ao contrrio, uma
seleo pouco exigente pode tornar o processo de evoluo muito lento.
37
38
probabilidades. Por exemplo, um cromossomo com aptido 1,5 ter uma cpia idntica na
populao intermediaria e uma probabilidade de 50% de ter outra cpia.
Recombinao
A recombinao (ou cruzamento) o mecanismo de criao de indivduos (novas
solues) filhos atravs da recombinao de indivduos pais (solues atuais). Geralmente
este processo realizado atravs de simples permuta ou da combinao de caractersticas
correspondentes entre solues pais. A recombinao pode ser realizada de diferentes formas,
chamadas operadores convencionais de um ponto, Uniforme, de Um Ponto, de Dois Pontos,
Aritmtica e Blend (BLX-).
A recombinao uniforme opera nos genes individuais dos cromossomos selecionados
ao invs de atuar nos blocos de material gentico e cada gene considerado um por um (no
blocos) tanto na recombinao quanto na troca.
Na recombinao em um ou dois pontos, cada um dos cromossomos pais tem sua cadeia
cortada em uma (Um Ponto) ou duas posies (Dois Pontos) aleatrias. As partes so
recombinadas, gerando dois novos cromossomos filhos. A recombinao aplicada com uma
dada probabilidade.
A recombinao aritmtica realiza uma combinao linear entre os cromossomos pais,
produzindo dois cromossomos filhos da seguinte forma:
Filho1 = b*Pai1 + (1 b)*Pai2
(2.1)
(2.2)
(2.3)
39
onde o valor de b pertence ao intervalo (-, 1+ ), podendo variar o valos de b para cada
par de genes.
Mutao
A mutao um processo que possibilita a introduo de caractersticas genticas
novas s solues existentes, atravs da eventual substituio de genes dos indivduos.
Geralmente realizada bit a bit (representao binria) ou varivel por varivel
(representao real) possibilitando que cada bit ou gene seja alterado com uma pequena taxa
de mutao (Pm) entre 0,001 e 0,1.
Critrios de Parada
Aps a aplicao dos operadores de recombinao e mutao, so implementadas as
avaliaes pertinentes ao processo, at que o critrio de parada seja satisfeito. A literatura
descreve vrios critrios de parada para os AGs, dos quais podem-se destacar: a realizao de
um nmero de geraes (avaliaes) pr-determinado; iterar at que no ocorra melhoramento
significativo no cromossomo de maior aptido por um determinado nmero de geraes ou
at que a variabilidade dos valores de aptido relativos s solues da populao possa ser
considerado desprezvel.
2.4
40
41
solues que consideram nveis iniciais mximos apresentaram maiores valores do benefcio
hidrulico com, praticamente, os mesmos valores dos custos de energia eltrica.
Pedrosa (2006), ao testar um modelo de otimizao energtica da operao de sistemas
de abastecimento de gua baseado em Algoritmos Genticos no sistema adutor Mars (Joo
Pessoa Paraba), considerou o estado inicial dos reservatrios (24:00 horas) como estando
com 80% da sua lmina til.
Sousa (2007) efetuou anlise de sensibilidade em que foram analisados quatro cenrios
distintos, correspondentes aos nveis iniciais 1,35 (nvel considerado no modelo de
simulao), 1,80, 2,30 e 2,80 m. Para cada um dos cenrios foi determinada a soluo de
custo mnimo e quantificada a confiabilidade hidrulica associada, em termos de capacidade
de reserva disponvel no sistema.
PENALIDADES
Os AGs no tratam diretamente os problemas de otimizao que contenham funes
restritivas. Normalmente esse impedimento nos modelos de otimizao pode ser contornado
empregando-se o Mtodo de Penalidades, atravs do qual as restries do problema podem
ser adicionadas funo objetivo em termos de penalidades, convertendo o problema
inicialmente restrito em um problema irrestrito.
Segundo Deb (2000), a maior dificuldade na utilizao de funes de penalidade
encontrar parmetros de penalidade mais adequados para guiar a busca dos AGs at a
combinao tima.
Wu e Simpson (2002) comentam que se o fator de penalidade muito baixo, muitas
solues no-factveis dominam a populao do algoritmo gentico. Se o fator de penalidade
muito alto, boas solues sero eliminadas do processo de busca do AG. Portanto, esse fator
42
43
esse mtodo a funo objetivo multiplicada por um fator proporcional ao total de violaes,
(x), pela funo linear:
(x) =1,0 +mvm , m=1,...,M
( 2.4)
em que m so os pesos das restries e vm os valores das violaes das restries. Dessa
maneira, se uma soluo no resulta em violaes de nenhuma das restries ento a funo
de aptido permanece igual a funo objetivo original.
Apesar dos autores afirmarem que os pesos das restries (m) podem ser constantes ou
variveis ao longo das geraes de AG e tambm podem ser iguais ou diferentes para todas as
restries M, em nenhum dos artigos publicados sobre o projeto POWADIMA explicitada a
metodologia para determinao desses pesos ou maneira como as restries foram tratadas.
44
45
All truths are easy to understand once they are discovered; the
point is to discover them.
Galileo Galilei
3.1
Modelo Otimizador
Estrutura
46
47
das demandas informadas, o Mdulo de Previso de Demandas gera todas as demandas
para o horizonte de planejamento. Alimenta-se ento o Otimizador em Tempo Real com os
nveis atuais dos reservatrios, os nveis metas e a previso de demandas, obtm-se o
conjunto de regras operacionais timas para o horizonte de planejamento, sendo que so
implementadas apenas as regras para a hora atual. Na prxima hora h o recebimento dos
dados do sistema, nova previso de demandas gerada, o Otimizador em Tempo Real
recebe os novos dados de entrada e um novo conjunto de controles otimizados gerado,
sendo implementados apenas os referentes a hora em curso, e assim por diante. Ou seja, a
Otimizao em Tempo Real refeita a cada hora, permitindo que possveis erros inerentes
ao processo possam ser corrigidos e no se acumulem ao longo do horizonte, tal como
seria na aplicao apenas do Planejamento Estratgico.
Cabe ressaltar que a Otimizao em Nvel Estratgico no necessariamente
realizada antes de cada Otimizao em Tempo Real e nem ao final de cada horizonte de
previso. O que determina a execuo da Otimizao em Nvel Estratgico so as Curvas
Tpicas de Demanda.
As mudanas nas Curvas Tpicas de Demanda variam de sistema para sistema e
costumam ocorrer entre dias de semana e finais de semana e de acordo com a estao do
ano, alm da variao gradual devida ao aumento da demanda do sistema.
O diagrama de fluxo do modelo para a otimizao da operao em tempo real
proposto apresentado na Figura 3.1 e nos itens 3.2 a 3.5, a metodologia utilizada para a
construo de cada um dos mdulos.
48
3.2
49
Por sua vez, a freqncia de previso define o perodo de tempo no qual so
produzidos novos dados de previso. Assim, por exemplo, uma previso de demanda que
se estende por 3 dias e que repetida a cada dia tem uma freqncia diria e um horizonte
de 3 dias. Neste trabalho ser utilizada previso com horizonte de 24 horas e freqncia
horria.
3.2.1
Previsor de demanda
k 2j
k 2j
f (x j ) = a0 + ak cos
+ bk sin
2N
2N
k =1
np < N
( 3.1)
1
2N
ak =
1
N
2N
Cons( x )
( 3.2)
j =1
2N
kj
Cons( x ) cos
j =1
1 k N
kj
1 k N
N
j =1
Em que: Cons (xj) o consumo observado.
bk =
1
N
( 3.3)
2N
Cons( x ) sin
j
( 3.4)
50
O ciclo adotado semanal, discretizado a nvel horrio (2N= 24x 7 = 168 horas), ou
seja, necessita-se de no mnimo 1 semana de dados observados para a utilizao do
modelo, sendo a atualizao dos coeficientes horria.
No modelo, para cada avano de uma hora na srie de dados observada, realiza-se a
previso de 24h frente.
Ainda segundo Zahed (1990), a fim de incorporar previso as informaes
intrnsecas nos dados de consumo, aplica-se um coeficiente de correo alfa, que
corresponde relao mdia entre os valores observados e os valores obtidos pelos
harmnicos para as ltimas nb horas do conjunto de 168 horas (adotado nb= 6horas).
Neste modelo, durante a previso de 24h, medida que o perodo de previso
avana, inevitavelmente o consumo previsto se afasta dos valores observados, por isso,
caso a diferena entre a previso e a mdia dos valores observados para determinada hora
das semanas anteriores (no caso, foi adotado 3 semanas anteriores) seja maior que um
determinado desvio (adotado 20%), substitui-se o valor previsto pela mdia observada.
No entanto, antes de utilizar a srie de dados observada para realizar a previso, foi
necessrio tratar os dados, pois verificam-se falhas na medio, erros na transmisso de
dados, etc. Para tanto, completam-se os dados faltosos por meio de interpolaes e realizase, tambm, tratamento estatstico dos dados.
51
3.3
52
EPANET
O EPANET um programa de computador, criado pela U.S. Environmental
Protection Agency (USEPA), dos Estados Unidos da Amrica, que permite executar
simulaes estticas e dinmicas do comportamento hidrulico e de qualidade da gua de
sistemas de distribuio de gua para abastecimento.
O pacote computacional distribudo gratuitamente sob duas formas: executvel e
cdigo fonte (Toolkit Library). A forma executvel aplicvel a estudos que envolvem
apenas as simulaes hidrulicas. A forma de cdigo fonte recomendvel para estudos
que envolvem o acoplamento de outros modelos (calibrao, vazamentos, demandas
variveis, entre outros) com o EPANET.
Para a resoluo do conjunto de equaes no lineares que caracterizam os
escoamentos sob presso, designadamente as equaes da continuidade e da conservao
de energia, e as leis de resistncia ao escoamento, o modelo EPANET utiliza o Mtodo do
Gradiente Modificado, que se baseia numa aproximao hbrida n-malha para a resoluo
destas equaes.
As principais vantagens desse simulador so: dimenso da rede a analisar ilimitada;
clculo da perda de carga utilizando as frmulas alternativas de Hazen-Williams, DarcyWeisbach ou Chezy-Manning; possibilidade de considerao das perdas de carga singulares
em curvas, alargamentos, estreitamentos, etc; modelao de bombas de velocidade
constante ou varivel; clculo da energia de bombeamento e do respectivo custo;
modelao dos principais tipos de vlvulas, incluindo vlvulas de seccionamento, de
reteno, reguladoras de presso e de vazo; e, conexo com cdigos computacionais de
diversas linguagens (C++, BASIC, etc) atravs da toolkit.
A toolkit uma biblioteca de vnculo dinmico (DLL) a qual contm funes que
permitem aos programadores o desenvolvimento de aplicaes especficas. Alm disso,
53
essa biblioteca permite abrir e fechar um arquivo que descreve a rede (.inp), bem como ler
e modificar os vrios parmetros de projeto e operao, simular perodos extensivos
acessando resultados a cada passo e escrever os resultados das simulaes nos arquivos de
sada (.rpt).
A verso executvel do EPANET para Windows pode ser obtida gratuitamente na
Internet na verso portuguesa (http://www.dha.lnec.pt/nes/epanet e www.lenhs.ct.ufpb.br)
e na verso original (http://www.epa.gov/nrmrl/wswrd/epanet), juntamente com o manual
de utilizao, exemplos de aplicao e a toolkit de programao.
Para simulao do comportamento hidrulico de um sistema de distribuio de gua
utilizando um software de simulao hidrulica necessrio o fornecimento dos dados que
representem as caractersticas fsicas do sistema e suas condies de contorno. Portanto, foi
representada no EPANET a topologia do sistema em estudo utilizando-se os dados
cadastrais, contendo o posicionamento da rede, vlvulas, reservatrios e demais acessrios,
comprimentos e dimetros dos tubos, bem como cotas do terreno, curvas de bombas, etc.
Posteriormente atribui-se: (1) a demanda base para os determinados ns e padres de
demanda para o horizonte de planejamento; (2) as tarifas de energia eltrica; e, (3) os
nveis iniciais de cada reservatrio.
Vale salientar que a distribuio espacial das demandas nos diferentes ns uma
potencial fonte de erro do modelo. No entanto, como o sistema em estudo corresponde
basicamente macro-aduo, optou-se por alocar as demandas apenas na sada de cada
Centro de Reservao (CR).
Outro fator de extrema importncia, conforme mencionado no Item 2.5 Aspectos
Crticos do Problema, so os nveis iniciais dos reservatrios. Obviamente percebe-se que a
soluo tima para o Nvel Estratgico depende dos nveis iniciais de operao do
reservatrio, que no foi incorporado como varivel de deciso do problema. Portanto
54
optou-se por realizar uma anlise de sensibilidade de forma a verificar quais nveis iniciais
adotar.
Com o sistema devidamente caracterizado no simulador hidrulico, exporta-se,
atravs do prprio EPANET, o arquivo texto (extenso .inp) que ser utilizado pelo
otimizador.
3.4
Mdulo Otimizador
AGs
criada
pelo
MIT
Massachusetts
Institute
of
Technology
(http://lancet.mit.edu/galib-2.4/).
3.4.1
55
56
//Leitura do arquivo ga1.in com os dados de entrada para rodar os AGs
ifstream gaif;
char* fent = "ga1.in";
gaif.open(fent);
gaif.ignore(max,'\n'); // tipo de AG
gaif >> gaType;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n'); //tipo de seleo
gaif >> Selector;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n');//Numero de substituies
gaif >> nReplacement;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n'); //Tipo de recombinao - taxa de recombinao
gaif >> crossover >> crossoverRate;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n'); //Tipo de mutao - taxa de mutao
gaif >> mutation >> mutationRate;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n');//tamanho da populao
gaif >> popsize;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n');//numero de geraes
gaif >> ngen;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n'); //semente aleatria
gaif >> randomSeed;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n');//maxima variancia de fitness
gaif >> maxFitnessVariance;
gaif.ignore(max,'\n');
gaif >> Variaveis; //numero de controles
gaif.ignore(max,'\n');
if (Variaveis != 0)
{
VariavelID1 = new int[Variaveis];
VariavelID2 = new int[Variaveis];
for (i=0; i< Variaveis; i++)
{
gaif >> ID1 >> ID2;
gaif.ignore(max,'\n');
VariavelID1[i] = ID1;
VariavelID2[i] = ID2;
}
}
gaif.ignore(max,'\n');
gaif >> Horas; //numero de horas do horizonte de planejamento
gaif.ignore(max,'\n');
length = Variaveis*Horas;//alocando espao para genoma
gaif.ignore(max,'\n');
gaif >> Pmin; //presso minima visada para a rede
gaif.close();
Figura 3.3 - Sub-rotina leitura do arquivo ga1.in para Otimizao em Nvel Estratgico.
57
// GA type (0:Simple, 1:SteadyState)
0
// Selector (0:Rank,1:RouletteWheel,2:Tournament,3:Uniform)
2
// nReplacer
2
// Crossover (0:Uniform,1:OnePoint,2:TwoPoint,3:EvenOdd),
CrossoverRate
0
0.6
// Mutator (0:FlipMutator), MutationRate
0
0.003
// Population size
50
// Number of generations
1500
// Random seed
1000
//Min required fitness variance
0.001
9 //Nmero de controles, nos trechos abaixo
1
2
//BOMBA 38
3
4
//BOMBA 39
6
7
//BOMBA 40
10
11
//BOMBA 41
14
15
//BOMBA 42
20
21
//BOMBA 45
18
17
//VALVULA 46
23
35
//VALVULA 48
23
36
//VALVULA 49
//Nhoras
24
//Pmin
10
58
ETAPA 3 ALOCAO DE MEMRIA
Sub-rotina implementada para alocar memria para as matrizes e vetores utilizados
durante a otimizao Figura 3.6.
//Alocao de espaa para os vetores
void operation :: aloca()
{
int i,j,k;
Genoma = new float[length];
Resultado = new float*[Horas];
Resultado[0] = new float[Horas * NumJunctions];
for(k = 1; k <= Horas; k++)
Resultado[k] = Resultado[0]+ k*NumJunctions;
Level = new float*[NumJunctions];
Level[0] = new float[NumJunctions*Horas];
for(k = 1; k <= NumJunctions; k++)
Level[k] = Level[0]+ k*Horas;
Estado = new float*[NumLinks];
Estado[0] = new float[NumLinks*Horas];
for(k = 1; k <= NumLinks; k++)
Estado[k] = Estado[0]+ k*Horas;
Energia = new float*[NumLinks];
Energia[0] = new float[NumLinks*Horas];
for(k = 1; k <= NumLinks; k++)
Energia[k] = Energia[0]+ k*Horas;
InitialLevel = new float[NumJunctions];
}
void Initializer(GAGenome& g)
{
GA1DBinaryStringGenome& genome = (GA1DBinaryStringGenome&)g;
int i;
if (Variaveis != 0)
{
for (i=0;i<Variaveis*Horas;i++)
{
genome.gene(i, GARandomBit());//aqui int
}
}
}
Figura 3.7 - Sub-rotina para gerao da populao inicial de soluo para o AG.
59
ETAPA 5 AVALIAO DA FUNO DE APTIDO
Nesta etapa, o Otimizador solicita o EPANET para simular o sistema proposto
hidraulicamente em tempo estendido (24 horas) considerando os estados de funcionamento
de bombas e vlvulas designados pelo genoma corrente, obtendo o valor da Funo de
Aptido - Figura 3.8.
float Objetivo(GAGenome& g)
{
GA1DBinaryStringGenome& genome = (GA1DBinaryStringGenome&)g;
genome = (GARealGenome&)g;
//GARealGenome&
float fitness;
for (int i=0;i<genome.length();i++)
{
Genoma[i]=genome.gene(i);
//fout<<Genoma[i];
}
operation aux;
objF = aux.run_epanet();
fitness = objF;
return (fitness);
}
60
ETAPA 8 IMPRIME A SOLUO OTIMIZADA
Quando o processo chega ao fim, a soluo otimizada novamente simulada no
EPANET, atravs da sub-rotina results(), e o EPANET gera o report file desta simulao.
Atravs deste report file possvel observar os nveis dos reservatrios, atendimento das
demandas, presses nos ns, vazes nos trechos, entre outros, avaliando-se
hidraulicamente a soluo gerada pelo otimizador.
As sub-rotinas results() e run_epanet(), ao contrrio das demais, no so aqui
apresentadas por serem muito longas. No entanto, so utilizadas tambm na Otimizao em
Tempo Real, cuja rotina completa apresentada no Apndice A.
Passo 2 -
Passo 3 -
Simula, atravs da utilizao em conjunto das funes do - ENrunH(&t) ENnextH(&tstep) while(tstep>0), todo o horizonte de planejamento
considerado. Essa simulao divida em perodos de anlise hidrulica,
com tempo corrente de simulao t (em segundos). Em cada perodo so
informados os estados das bombas e vlvulas, correspondentes ao genoma
da populao corrente, atravs da funo ENsetlinkvalue. Como o tempo de
simulao corrente no necessariamente igual a uma hora, e sim o tempo
61
transcorrido at que o prximo evento hidrulico ocorra, optou-se por
utilizar um contador (tt) que s ir permitir que os valores do genoma sejam
atribudos aos seus respectivos controles (bomba ou vlvula) de hora em
hora. J que o genoma foi concebido como sendo o estado de cada controle
para cada hora ao longo do horizonte de planejamento.
Passo 4 -
Passo 5 -
3.4.2
62
operadores genticos. Ao final de cada ciclo de otimizao a soluo obtida novamente
simulada no EPANET, atravs da sub-rotina results(), o EPANET gera o report file da
otimizao corrente, desaloca-se todos os vetores utilizados e implementa-se a soluo
otimizada. Na prxima hora, obtm-se os dados atuais do sistema, realiza-se nova previso
de demandas e todo o processo repetido a partir da Etapa 3.
Conforme citado anteriormente, a rotina completa para a Otimizao em Tempo Real
encontra-se apresentada no Apndice A.
63
3.4.3
Funo de Aptido
Variveis de Deciso
No problema tratado, a funo objetivo expressa a minimizao dos custos de
energia eltrica relativa ao bombeamento de um sistema de aduo de gua. Assim, a
soluo tima investigada significa encontrar a melhor combinao, operacionalmente
factvel, do estado das bombas e vlvulas, a cada intervalo de tempo, ao longo de um
horizonte de planejamento, de forma a resultar num custo energtico mnimo.
Portanto as variveis de deciso so os conjuntos de controles das bombas xt = (x1t,
x2t, ..., xBt) e das vlvulas yt = (y1t, y2t, ..., yVt), t = 1, ..., T , para todos os intervalos de
tempo t ao longo do horizonte de planejamento T, onde B o nmero de bombas, V o
nmero de vlvulas e T o nmero de intervalos de tempo que totalizam o horizonte de
planejamento (24).
Para bombas de vazo fixa, as variveis de deciso so restritas ao estado da bomba
que pode ser ligado ou desligado. Todavia, para bombas de velocidade varivel essas
variveis de deciso englobam tambm as taxas de vazo da mesma naquele intervalo de
tempo. As vlvulas controladoras de vazo so similares s bombas de velocidade varivel,
as variveis de deciso englobam o coeficiente de abertura da mesma e no somente seu
estado (aberta/fechada).
Nesse trabalho no foram consideradas bombas de velocidade varivel e nem o
coeficiente de abertura das vlvulas controladoras de vazo. E admitiu-se a codificao
binria das variveis, onde cada gene assume o valor 0 ou 1. Assim sendo, as variveis de
deciso limitam-se aos valores 1 ou 0, ou seja, ligada / desligada e aberta / fechada, para as
bombas e vlvulas, respectivamente.
64
Cada soluo (indivduo) representada por um vetor (cromossomo) de dimenso
(B+V)*T, descrevendo as diferentes combinaes de estado das bombas e vlvulas ao
longo do horizonte de planejamento. A Figura 3.10 mostra um simples exemplo de um
vetor soluo (cromossomo) para duas bombas e duas vlvulas, assumindo um horizonte
de planejamento T.
Figura 3.10 - Vetor soluo de duas bombas e duas vlvulas, horizonte de planejamento T.
Funo Objetivo
Como os custos associados ao consumo de energia representam grande parcela dos
custos totais de explorao dos sistemas de abastecimento de gua, a funo objetivo a
minimizar (Cb) do problema pode ser definida pelo somatrio dos custos associados ao
consumo de energia eltrica no bombeamento de gua no sistema.
Se B o nmero de bombas no sistema de aduo, e E o nmero de elevatrias,
ento o custo energtico de bombeamento (Cb) em T perodos de tempo, representado
genericamente por:
B
Cb = [custoconsumo(b, t )] + custodemanda(e)
b =1 t =1
( 3.5)
e =1
65
B T
9,81 Q(b, t ) Hm(b, t ) TC (b, t ) t E D
Cb =
+ {TD (e, d ) max_ dem(e, d )}
(b, t )
b =1 t =1
e =1 d =1
( 3.6)
em que, Cb = custo energtico total (R$); Q(b,t) = vazo bombeada (m/h); Hm(b,t) =
altura manomtrica total da bomba (m); TC(t) = tarifa de consumo (R$/kWh); TD(e,d) =
tarifa de demanda (R$/kW); max_dem(e,d) = demanda mxima (kW); (b,t) = rendimento
do conjunto elevatrio. O termo t corresponde a hora do dia, b se refere a uma bomba
particular, e est associado respectiva estao elevatria, e d o perodo do dia (horrio
ponta/fora de ponta).
Restries
A otimizao da operao de sistemas de abastecimento tem sido formulada como
um problema de otimizao sujeito a restries implcitas e explcitas.
As restries implcitas so as restries de igualdade definindo o equilbrio esttico
do sistema, que correspondem conservao da massa em cada n e conservao da
energia no sistema, representadas por um conjunto de equaes implicitamente resolvidas
internamente ao simulador hidrulico.
J as restries explcitas compreendem as restries de ordem fsica e operacional.
As restries fsicas englobam capacidade dos reservatrios, capacidade dos mananciais,
configurao das bombas, etc. As restries operacionais podem assumir as mais diferentes
consideraes, sendo atravs dessas restries que se associa a noo de confiabilidade do
sistema otimizao de objetivo nico (minimizao dos custos com energia eltrica),
garantindo que a soluo encontrada seja vivel operacionalmente. O produto resultante da
otimizao no ser necessariamente a soluo de menor custo e sim uma soluo factvel
de ser implementada na prtica, com os padres de confiabilidade desejados.
66
Optou-se por incorporar Otimizao em Nvel Estratgico as restries relativas s
ocorrncias de presses inferiores mnima, diferena entre os nveis inicial e final nos
reservatrios e quantidade de acionamentos das bombas. Na Otimizao em Tempo Real a
restrio quanto diferena de nveis inicial e final nos reservatrios substituda pela
diferena entre os nveis atingidos pelos reservatrios e os nveis meta, ou seja, obtidos na
otimizao estratgica.
Matematicamente, o problema original de minimizao da funo objetivo (FO),
com restries do tipo,
Minimize: FO(X),
( 3.7)
( 3.8)
( 3.9)
r =1
67
Penalidades
Penalidade 1 - Presses inferiores mnima
Restrio quanto ocorrncia de presses inferiores mnima, garantindo assim o
atendimento das demandas com presses adequadas e, obviamente, que no haja presses
inferiores atmosfrica, assegurando a continuidade no abastecimento. calculada pela
seguinte expresso:
T = 24
( 3.10)
t =1
( 3.11)
P2 = 0,
( 3.12)
r =1
68
em que: 2 o coeficiente de penalidade a ser aplicado restrio; N inicial ,r e N final ,r =
nveis de gua no reservatrio r para os instantes inicial e final (t=0 e t=24).
b =1
v =1
( 3.13)
69
A incluso dessa penalidade tem por objetivo fazer com que os Nveis Metas sirvam
de guia para a Otimizao em Tempo Real.
R
( 3.14)
r =1 t =1
70
( 3.15)
t =1
Funo de Aptido
A funo objetivo transformada (funo de aptido) a minimizar passa a ser definida
pela soma dos termos de penalidade funo objetivo original:
Otimizao em Nvel Estratgico:
objF = Cb + P1 + P2 + P3 + P5
( 3.16)
(3.17)
71
em que: objF a funo de aptido; Cb o custo de bombeamento (R$/dia); P1
Penalidade 1 - Presses inferiores mnima; P2 Penalidade 2 - Diferena entre os nveis
inicial e final nos reservatrios; P3 Penalidade 3 - Quantidade de acionamentos das
bombas e vlvulas; P4 Penalidade 4 Diferena entre os nveis dos reservatrios e nveis
meta; e, P5 Penalidade 5 Continuidade do abastecimento.
Para a aplicao dos AGs devem ser definidos os operadores e parmetros genticos
- Etapa 2, do procedimentos de otimizao.
Os tipos de operadores genticos em questo so aqueles disponveis na GAlib, que
o conjunto de objetos de algoritmos genticos em C++ utilizados para implementao do
referido mtodo.
Os operadores e parmetros genticos so sensveis s funes objetivo, quantidade
de variveis de deciso e aos indicadores de desempenho e a melhor implementao destes
no to bvia. Conseqentemente, diferentes estudos resultam em diferentes concluses
sobre valores timos dos parmetros, requerendo investigaes por parte do usurio.
Dentre as tcnicas citadas pela literatura especializada para determinao dos
parmetros genticos destacam-se: as anlises de sensibilidade, aplicadas por diversos
pesquisadores, tais como Pedrosa (2006), Carrijo (2005) e Sousa (2007), em problemas de
otimizao da operao de sistemas de abastecimento de gua; e, a aplicao do Swarm
72
sensibilidade para aferir os operadores genticos e os valores dos parmetros a adotar,
buscando assim que um bom desempenho seja atingido.
73
Um
dos
principais
entraves
ao
desenvolvimento
deste
trabalho
foi
74
4.1
75
76
(Tabela 4.1), e um reservatrio elevado (R3) com capacidade para armazenar 2.000 m de
gua.
Tabela 4.1 Dados dos conjuntos moto bombas do CR1. Fonte: Pedrosa (2006).
ID
Bomba
Motor
Fabricante
Modelo
Potncia (cv)
Rotao (rpm)
B41
Worthington
6 CNE-104
60
1.750
B42
Worthington
6 CNE-104
75
1.750
B43
Worthington
6 CNE-104
60
1.750
B44
Worthington
6 CNE-104
75
1.750
77
4.1.3 Centro de Reservao 2 CR2
4.2
Energia Eltrica
78
alimentao superior a 2,3kV e os de baixa no Grupo B, com tenso de alimentao
menor ou igual a 2,3kV.
A operao da rede pblica de abastecimento de gua se enquadra na categoria de
Servio Pblico, normalmente ligada em alta e mdia tenso.
As faturas de energia eltrica dos consumidores do Grupo A, no qual se enquadram
as concessionrias de gua, so compostas por dois tipos de tarifas: de consumo e de
demanda. A tarifa de consumo corresponde quela cobrada pela energia efetivamente
consumida pela estao de bombeamento; e a tarifa de demanda corresponde a um valor
cobrado mensalmente pela potncia instalada, demandada pela estao de bombeamento.
Essas faturas de tarifa podem ainda ser efetivadas segundo duas modalidades: a
convencional e a horo-sazonal, esta ltima divida em azul e verde.
A horo-sazonal azul possui quatro valores diferenciados para a tarifa de consumo:
para os horrios ponta em perodo mido e seco e fora de ponta em perodo mido e seco,
e dois valores de demandas.
A tarifa horo-sazonal verde cobrada com uma tarifa de demanda nica,
independente do horrio e perodo de operao. Para a tarifa de consumo existem 4 valores
diferenciados segundo os horrios de ponta e fora de ponta e para os perodos seco e
mido.
Dentro da estrutura tarifria acima explicitada a unidade consumidora EEAT1 est
sujeita ao regime tarifrio horo-sazonal Azul, a unidade consumidora CR1 enquadrada no
regime Convencional e o CR2 operando com apenas uma bomba submersa, submetido
tarifao Convencional do Sub-Grupo B3 (baixa tenso).
Neste estudo de caso, todas as tarifas unitrias envolvidas no processo de otimizao
esto apresentadas na Figura 4.2, correspondentes ao perodo de janeiro a abril de 2004,
obtidas em Pedrosa (2006).
79
Figura 4.2 Tarifa horo-sazonal verde e azul para o Sub-Grupo A4, convencional para o
Sub-Grupo A4 e convencional para o Sub-Grupo A3. Fonte: Pedrosa (2006).
O horrio de ponta foi estabelecido para o perodo entre 17h:30 min e 20h:30 min.
Como neste trabalho a discretizao do horizonte de planejamento horria, adotou-se a
simplificao de que o horrio de ponta ocorre entre 18h:00 min e 21h:00 min.
4.3
Demandas
80
Rede2, apresentadas por Pedrosa (2006), de 234,7 L/s e 75,0 L/s, respectivamente,
obtendo-se, assim, uma srie sinttica de dados de demanda.
Uma vez que para a otimizao em tempo real utilizam-se como base os valores
adimensionalizados de Moreira (2007), tambm definiu-se a utilizao das curvas mdias
de demanda do sistema apresentado pelo referido autor.
Para obter as curvas mdias de demanda, Moreira (2007) submeteu o histrico de
demandas medidas, referente aos dias 27/05/2005 17/08/2005, a um processo de
preenchimento de falhas e filtragem, baseado na metodologia proposta por Zahed (1990),
agrupou estes dados de acordo com o dia de semana e, posteriormente, para cada dia de
semana avaliou a mdia construindo a curva de vazo ao longo do dia para todos os dias da
semana.
Com o objetivo de obter um padro dirio de demanda, adimensionalisou-se as
curvas apresentadas por Moreira (2007), dividindo-se as vazes da curva pela vazo mdia
do dia a que se referem. Os resultados obtidos esto apresentados no grfico da Figura 4.3.
Demanda
1.20
1.00
0.80
0.60
0.40
1
10
13
16
19
22
Horas
Sbado
Domingo
Segunda-feira
Tera-feira
Quarta-feira
Quinta-feira
Sexta-feira
81
4.4
Variveis de Deciso
82
83
84
85
5.1
5.2
86
O sistema em estudo (Figura 5.2) foi modelado no EPANET considerando os
seguintes componentes fsicos:
definido, podendo ocorrer variao do nvel de gua no seu interior ao longo de uma
simulao de perodo estendido. O Sistema possui 5 RNVs: os reservatrios semienterrados R1, R2, R4 e R5 e o reservatrio elevado R3.
A vlvula de gaveta, V46, foi modelada no EPANET como TCV (throttle control
valve). Ela controla o fluxo para o reservatrio R1 trabalhando totalmente aberta, exceto
quando h a necessidade de aumentar a oferta de gua ao CR2, ocasio em que ela
manobrada manualmente para que a gaveta (cunha) ocupe uma posio correspondente a
uma abertura de aproximadamente 20% da seo plena.
A vlvula, V47, tambm do tipo gaveta, controla o fluxo para o reservatrio R2. Este
dispositivo sempre permanece fechado, uma vez que o volume do reservatrio
considerado reserva tcnica. No entanto, sua estanqueidade est comprometida, permitindo
continuamente a passagem de uma vazo aproximada de 10 L/s para o interior do
87
compartimento, fato que fora o acionamento de uma das bombas durante uma hora por
dia para abaixar o nvel de gua e evitar o transbordamento do R2. A modelao dessa
vlvula, com essas caractersticas, foi possvel considerando-a uma Vlvula Controladora
de Fluxo (FCV).
Para os conjuntos moto bombas adotaram-se as curvas caractersticas e de
rendimento apresentadas por Pedrosa (2006).
88
89
5.3
Mdulo Otimizador
Funo Objetivo
Considerando que o sistema objeto de estudo possui 6 bombas (B38, B39, B40, B41,
B42 e B45) e 3 estaes elevatrias (apenas 2 possuem custo de demanda, EEAT1 e CR1) a
equao para o clculo do custo de bombeamento (Cb) pode ser representada por:
6 T = 24
Cb = [custoconsumo(b, t )] + custodemanda(e)
b =1 t =1
(5.1)
e =1
90
T = 24
T = 24
P1 = 1 (10 PRe de1t ) + (10 PRe de 2t )
t =1
t =1
(5.3)
P2 = 0,
(5.4)
r =1
t=24, respectivamente).
V =3
b =1
v =1
(5.5)
91
Penalidade 4 Diferena entre os nveis dos reservatrios e nveis meta
Essa penalidade faz com que os Nveis Meta sirvam de guia para a Otimizao em
Tempo Real.
R =5 T = 24
(5.6)
r =1 t =1
P5 = 5 warningcode, se warningcode = 3 ou
(5.7)
t =1
Representao da Soluo
A cadeia de valores para as variveis que representam completamente uma soluo
para o problema em estudo representa o estado de cada componente operacional do
sistema: ligado ou desligado para os bombas, e aberto ou fechado para as vlvulas. Na
Figura 5.3 exemplificado o vetor soluo, com 216 elementos, sendo 6 bombas e 3
vlvulas.
Hora 1
i=1
i=2
i=3
...
Hora 2
Hora 24
... i=216
B38 B39 B40 B41 B42 B45 V46 V48 V49 B38 B39 B40 B41 B42 B45 V46 V48 V49
...
92
5.3.2 Anlises de Sensibilidade
93
genticos efetuaram-se as otimizaes com seis diferentes valores de semente, ou seja, a
partir de 6 populaes iniciais de solues distintas.
Os coeficientes das penalidades utilizados so os definidos no item anterior e o nvel
inicial dos reservatrios foi fixado em 80% do nvel mximo de cada reservatrio Tabela
5.1.
Tabela 5.1 Valores adotados nas anlises de sensibilidade dos operadores e parmetros
do AG.
Variveis
Sementes utilizadas
Critrio de Parada
Nveis Iniciais
Default
800; 1.000; 1.500; 2.000; 2.500; e 3.000
1.500 geraes
80% do mximo
1, 2, 3 e 5
1.000;1.000; 50;1.000
Tamanho da Populao
O tamanho da populao depende do problema e da sua formulao. Populaes de
pequenas dimenses causam convergncia prematura do AG para um mnimo local porque
a pesquisa ocorre em um espao de busca de poucas possibilidades. Por outro lado,
populaes grandes identificam boas solues aps um nmero grande de gerao de AG,
consumindo tempo computacional elevado.
Para determinar o tamanho de populao a adotar foram avaliadas populaes com
20, 50, 100 e 150 indivduos, para as diferentes sementes, considerando para cada
alternativa os mesmos operadores e parmetros genticos. Os resultados assim obtidos so
apresentados na Figura 5.4.
94
(a)
Semente 800
(b)
Semente 1.000
1.8E+04
Funo de Aptido
Funo de Aptido
1.7E+04
1.5E+04
1.3E+04
1.1E+04
9.0E+03
1
201
401
601
801
1001
1201
1.6E+04
1.4E+04
1.2E+04
1.0E+04
8.0E+03
6.0E+03
4.0E+03
1401
201
401
601
(c)
Semente 1.500
1201
1401
1001
1201
1401
1001
1201
1401
1.7E+04
Funo de Aptido
Funo de Aptido
1001
(d)
Semente 2.000
1.7E+04
1.5E+04
1.3E+04
1.1E+04
9.0E+03
1.5E+04
1.3E+04
1.1E+04
9.0E+03
201
401
601
801
1001
1201
1401
201
401
601
801
Geraes
Geraes
(e)
Semente 2.500
(f)
Semente 3.000
1.7E+04
1.7E+04
Funo de Aptido
Funo de Aptido
801
Geraes
Geraes
1.5E+04
1.3E+04
1.1E+04
9.0E+03
1.5E+04
1.3E+04
1.1E+04
7.0E+03
9.0E+03
5.0E+03
1
201
401
601
801
1001
1201
1401
201
401
POPsize20
601
801
Geraes
Geraes
POPsize50
POPsize100
POPsize150
95
Seleo
Com relao aos tipos de seleo, para todas as sementes utilizadas, a seleo por
torneio produz os melhores resultados entre todos os operadores de seleo testados, a
saber, rank, roleta, torneio de 4 elementos e uniforme, conforme indicado na Figura 5.5. O
torneio aparentemente promove uma presso seletiva maior sobre as solues inviveis,
direcionando a busca dos AGs para a regio vivel, consistindo, a opo de seleo
adotada.
Anlise de Sensibilidade - Tipo Seleo (semente 800)
Funo de Aptido
Funo de Aptido
1.7E+04
1.5E+04
1.3E+04
1.1E+04
1.5E+04
1.3E+04
1.1E+04
9.0E+03
9.0E+03
1
201
401
601
801
1001
1201
1401
201
401
601
1201
1401
1.7E+04
Funo de Aptido
Funo de Aptido
1001
1.7E+04
1.5E+04
1.3E+04
1.1E+04
9.0E+03
1.5E+04
1.3E+04
1.1E+04
9.0E+03
1
201
401
601
801
1001
1201
1401
Geraes
Anlise de Sensibilidade - Tipo Seleo (semente 2.500)
201
401
601
801
Geraes
1001
1201
1401
1.7E+04
1.7E+04
Funo de Aptido
Funo de Aptido
801
Geraes
Geraes
1.5E+04
1.3E+04
1.1E+04
9.0E+03
1.5E+04
1.3E+04
1.1E+04
9.0E+03
201
401
601
801
1001
1201
1401
Geraes
rank
roleta
201
torneio
401
601
801
1001
1201
Geraes
uniforme
1401
96
Cruzamento
Considerando a populao de 50 indivduos e seleo por torneio, investigaram-se os
cruzamentos do tipo Uniforme, de Um ponto, Dois pontos e Par-mpar. Os resultados so
apresentados na Figura 5.6.
Observa-se que, para a maioria das sementes, ao final das 1.500 geraes, os valores
das funes de aptido entre os diferentes tipos investigados so praticamente os mesmos.
Apenas a estratgia Uniforme produz baixos valores de aptido para praticamente todas as
investigaes, sendo escolhida para fazer parte do processo de otimizao.
Anlise de Sensibilidade - Tipo Cruzamento
(semente 1.000)
Funo de Aptido
Funo de Aptido
1,7E+04
1,5E+04
1,3E+04
1,1E+04
1,5E+04
1,3E+04
1,1E+04
9,0E+03
9,0E+03
1
201
401
601
801
1001
1201
1401
201
401
601
1201
1401
1201
1401
1201
1401
1,7E+04
Funo de Aptido
Funo de Aptido
1001
1,7E+04
1,5E+04
1,3E+04
1,1E+04
9,0E+03
1
201
401
601
801
1001
1201
1,5E+04
1,3E+04
1,1E+04
9,0E+03
1401
201
401
Geraes
601
801
1001
Geraes
1,7E+04
1,7E+04
Funo de Aptido
Funo de Aptido
801
Geraes
Geraes
1,5E+04
1,3E+04
1,1E+04
1,5E+04
1,3E+04
1,1E+04
9,0E+03
9,0E+03
1
201
401
601
801
Geraes
1001
uniforme
1201
1401
1ponto
2pontos
201
401
601
801
Geraes
1001
par-mpar
97
J considerando a estratgia de cruzamento Uniforme, foram investigadas as
probabilidades de cruzamento, pc, de 0,6, 0,7, 0,8 e 0,9.
Os resultados, apresentados na Figura 5.7, demonstram que para as seis sementes
utilizadas a probabilidade de 0,9 gera o melhor resultado para uma delas, 0,8 gera o melhor
resultado para duas e 0,7 para trs. Logo, adotou-se pc igual a 0,7.
Funo de Aptido
20.000,0
15.000,0
10.000,0
5.000,0
0,0
Semente
800
Semente 1.000 Semente 1.500 Semente 2.000 Semente 2.500 Semente 3.000
pc=0.6
pc=0.7
pc=0.8
pc=0.9
Mutao
Para aferir a probabilidade de mutao, pm, utilizou-se uma populao de 50
indivduos, seleo por torneio, cruzamento uniforme com probabilidade de 0,7 e mutao
simples, segundo a qual se substitui o bit (0 por 1 ou 1 por 0). As probabilidades de
mutao investigadas foram 0,001, 0,003, 0,005, 0,009 e 0,01.
Ao observar a Figura 5.8 possvel perceber que as probabilidades de 0,005 e 0,009
sempre produzem os mesmos resultados. Outro fato que chama a ateno que apesar de a
probabilidade de mutao de 0,01 no gerar bons resultados para todas as simulaes, para
duas delas identifica valores da funo de aptido extremamente baixos.
98
Visando obter valores de aptido to baixos, a probabilidade de 0,01, apesar de
sabidamente ser uma probabilidade alta em termos de mutao, podendo tornar a busca
aleatria, foi adotada como a probabilidade a ser utilizada.
1.5E+04
1.4E+04
Funo de Aptido
1.3E+04
1.2E+04
1.1E+04
1.0E+04
9.0E+03
8.0E+03
7.0E+03
6.0E+03
5.0E+03
Semente 800 Semente 1.000 Semente 1.500 Semente 2.000 Semente 2.500 Semente 3.000
pm=0.001
pm=0.003
pm=0.005
pm=0.009
pm=0.01
Concluso
Como era esperado, a anlise de sensibilidade realizada indicou que a utilizao de
diferentes operadores genticos e valores para os parmetros dos AG introduzem
alteraes no comportamento da funo objetivo ao nvel de convergncia e de qualidade
da soluo tima, pelas diferentes formas de explorao do espao de solues.
Foram testadas vrias combinaes de operadores e parmetros dos AG de forma a
avaliar a sua eficincia e rapidez na obteno de solues timas. As melhores solues
encontradas para 1.500 geraes foram: populao de 50 indivduos, seleo por torneio,
cruzamento do tipo uniforme com probabilidade de 0.7 e mutao simples com
probabilidade de 0,01, sintetizados na Tabela 5.2.
99
Dimenso da populao: 50
Cruzamento: Uniforme
Mutao: Simples
100
1.6E+04
1.4E+04
Funo de Aptido
1.2E+04
1.0E+04
8.0E+03
6.0E+03
4.0E+03
2.0E+03
0.0E+00
Semente 1.000
Semente 1.500
h=50%
Semente 2.000
h=70%
h=80%
Semente 2.500
Semente 3.000
h=90%
Figura 5.9 Evoluo da funo de aptido para diferentes nveis iniciais nos reservatrio.
101
bombas e/ou manobras de vlvulas (Penalidade 3); e, descontinuidade do abastecimento
(Penalidade 5).
O no cumprimento das penalidades 1 e 5 significa encontrar solues inviveis de
serem aplicadas a um sistema real, ou seja, uma regra de operao que provocaria presses
inferiores quela preconizada pela norma (NBR 12218) ou intermitncia no abastecimento
de gua. Para assegurar a no ocorrncia dessas solues inviveis, foi adotado valor
elevado para os coeficientes 1 e 5 (1.000).
O no cumprimento da Penalidade 2 tambm foi admitido como uma soluo
invivel, uma vez que a otimizao de uma rede de abastecimento ao longo de um perodo
estabelecido no tem significado se no se leva em conta a periodicidade na operao.
Portanto, adotou-se o mesmo valor dos coeficientes das penalidades 1 e 5 (1= 5 = 2 =
1.000). Cabe lembrar que esse excessivo rigor aqui adotado revisto quando da
Otimizao em Tempo Real, quando j no faz sentido pensar em diferena de nvel inicial
e final dos reservatrios j que o horizonte de planejamento mvel e os nveis dos
reservatrios so guiados pelos Nveis Meta.
Restou, ento, a Penalidade 3, cujo coeficiente de penalidade foi determinado pela
Anlise de Sensibilidade.
Na anlise de sensibilidade foram otimizados 12 cenrios, variando o valor do
coeficiente de penalidade 3 (3) de 1.000 a 10, observando os efeitos desta variao tanto
na funo de aptido quanto nas penalidades. Os coeficientes das demais penalidades (1,
2 e 5,) foram mantidos fixos e igual a 1.000. Na Tabela 5.3 esto sintetizados os
resultados obtidos.
102
Avaliao (Resultados/)
1,000
0.00
1,105.14
0.00
0.00
Custo de
bombeamento
(R$/dia)
9,571.78
2
3
4
5
6
7
8
9
500
250
100
90
80
70
60
50
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
90.40
1,106.44
173.95
0.00
0.00
0.00
0.00
0.00
0.00
500.00
0.00
0.00
160.00
70.00
120.00
50.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
10,379.90
9,872.31
9,745.77
9,831.03
9,668.19
9,840.87
9,574.17
9,565.50
P1
P2
P3
P5
NfinalN de
Ninicial
Acionamentos
(m)
(unid.)
1.11
0.00
0.09
1.11
0.17
0.00
0.00
0.00
0.00
0.00
0.00
2.00
0.00
0.00
2.00
1.00
2.00
1.00
10
11
30
20
0.00
0.00
169.49
156.71
330.00
320.00
0.00
0.00
9,678.63
9 ,751.48
0.17
0.16
11.00
16.00
12
10
0.00
929.83
270.00
0.00
9,844.56
0.93
27.00
103
meta (Penalidade 4). J para a Otimizao em Tempo Real Sem Nveis Meta so adotadas
apenas as penalidades 1, 2, 3 e 5.
Assim como os demais coeficientes das penalidades, apresentados no item anterior, o
coeficiente para a Penalidade 4, referente aos Nveis Metas, foi determinado atravs de
anlise de sensibilidade. Para tanto foram testados os valores de 4 de 1, 10, 20, 30, 40, 50
e 100.
Como era esperado, verificou-se a tendncia de maiores valores do coeficiente de
penalidade 4 produzirem menores somatrios das diferenas entre os nveis obtidos com a
otimizao em tempo real e os Nveis Metas Figura 5.10.
1
120.00
10
20
30
40
50
100
100.00
80.00
60.00
40.00
20.00
0.00
800
1000
1500
2000
Semente
2500
3000
Figura 5.10 Diferena entre nveis dos reservatrios e nveis meta para diferentes 4.
104
7,500.00
7,000.00
6,500.00
6,000.00
5,500.00
Semente
800
1000
1500
2000
2500
3000
5,000.00
8,000.00
4,500.00
1
10
20
30
40
50
100
Figura 5.11 Custo com energia eltrica (R$) para diferentes valores de 4.
Portanto, adotou-se 4 = 30 que possui menor mdia de custos com energia eltrica
para as diferentes solues iniciais.
5.4
Previso de Demandas
105
Para os valores observados de demanda utilizou-se a mesma metodologia, dividindo
o valor de demanda para cada hora pela mdia do dia correspondente e multiplicando o
valor obtido pela demanda base de cada n.
As previses de demanda e as demandas reais utilizadas na otimizao constam do
Apndice B.
5.5
teste, os padres temporais de demanda apresentados pelo autor (Figura 5.12) e o estado
inicial dos reservatrios 80% do nvel mximo, condio adotada pelo autor. Cabe destacar
que para as demais aplicaes do modelo foram utilizados as demandas da cidade de So
Carlos (explicitadas no item 5.4) e os nveis iniciais dos reservatrios determinados pela
anlise de sensibilidade.
106
(a)
2,00
1,80
Fator de Consumo
1,60
1,40
1,20
1,00
0,80
0,60
0,40
0,20
0,00
1
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tempo (h)
(b)
2,00
1,80
Fator de Consumo
1,60
1,40
1,20
1,00
0,80
0,60
0,40
0,20
0,00
1
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tempo (h)
Uma anlise inicial das regras operacionais obtidas mostra que o AG possibilita
encontrar vrias solues viveis de serem praticadas no campo da engenharia. As
restries de no ocorrncia de presso negativa ou inferior 10 mH2O na rede satisfeita
nas simulaes (Figura 5.13), garantindo a continuidade do abastecimento ao longo de todo
alcance de operao, e os nveis operacionais para os reservatrios encontram-se dentro
dos limites praticveis.
107
(a)
Presso - N Rede 1
20.00
Presso (mca)
18.00
16.00
14.00
12.00
10.00
00:00
03:00
06:00
09:00
12:00
15:00
18:00
21:00
Hora
Real
Otimizado
(b)
Presso - N Rede 2
22.00
Presso (mca)
20.00
18.00
16.00
14.00
12.00
10.00
00:00
03:00
06:00
09:00
12:00
15:00
18:00
21:00
Hora
Real
Otimizado
Figura 5.13 Distribuio temporal das presses nos ns (a) Rede 1 e (b) Rede 2.
108
prtica tradicional a quantidade de manobras desses equipamentos comparativamente
bem menor (Pedrosa, 2006).
Reservatrio R2
5.0
4.5
4.0
Nvel (m)
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
11
13
15
17
19
21
23
17
19
21
23
Hora
Reservatrio R3
5.0
4.5
Nvel (m)
4.0
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
11
13
15
Hora
NA max
NA min
NAotim
NA Operacional
Figura 5.14 Distribuio temporal dos nveis dos reservatrios para otimizao
considerando o enquadramento tarifrio atual (NAotim), a alterao do enquadramento
tarifrio (NAotim nova tarf) e (NAoperacional) Reservatrios R1 e R3.
109
Reservatrio R4
5.0
4.5
Nvel (m)
4.0
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
11
13
15
17
19
21
23
17
19
21
23
Hora
Reservatrio R5
5.0
4.5
Nvel (m)
4.0
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
11
13
15
Hora
NA max
NA min
NAotim
NA Operacional
Figura 5.15 Distribuio temporal dos nveis dos reservatrios para otimizao
considerando o enquadramento tarifrio atual (NAotim), a alterao do enquadramento
tarifrio (NAotim nova tarf) e (NAoperacional) Reservatrios R4 e R5.
110
Com a otimizao possvel alcanar economia mdia 8,5% em relao a estes valores
reais. A comparao destes valores com os resultados obtidos via otimizao, possvel
analisando a Tabela 5.4.
Tabela 5.4 Consumo mdio dirio por unidade, real e otimizado.
Unidade
EEAT1
9,911.50
2,076.63
305.64 12,293.77
9,492.15
1,541.65
300.89 11,334.69
34.7%
1.6%
(Fonte: Pedrosa)
4.4%
CR1
CR2
Total
8.5%
111
5.6
112
possuem comportamento muito parecido, diferenciando-se dos sbados e domingos.
Portanto adotou-se, como Curvas de Demanda Tpicas, as curvas para Dias teis, Sbados
e Domingos, que se apresentam na Figura 5.16.
Demanda Adimensionalizada
1.60
1.40
1.20
1.00
0.80
0.60
0.40
1:00
4:00
7:00
10:00
13:00
16:00
19:00
22:00
Horas
Sbado
Domingo
Dias teis
Figura 5.16 - Curvas de Demanda Tpica dos Dias teis, Sbados e Domingos.
Para cada Curva de Demanda Tpica definida (dias teis, sbados e domingos)
realizou-se uma otimizao em nvel estratgico, utilizando-se os parmetros apontados no
item 5.3.2 Anlises de Sensibilidades. Na Tabela 5.5 esto sintetizados os resultados
obtidos em termos de custo dirio de energia eltrica, penalidades e tempo computacional
gasto.
113
Tabela 5.5 Resultados da otimizao para as diferentes Curvas de Demanda Tpica.
Otimizao
Dias teis
Sbados
Domingos
Tempo
Custo dirio
Penalidade 3 Penalidade 2 Computacional energia eltrica
P3 = Acionamentos, se
P2 = Nfinal-Ninicial (m)
(min)
(R$)
for maior que 4 (unid)
49
8.474,71
0,00
0
57
7.346,50
0,00
7
47
6.666,02
0,00
2
Funo Objetivo
A estratgia gerada pela otimizao em Nvel Estratgico para os dias teis implica
em consumo de 10.638,3 kW (88,6% do total), 1.449,7 kW(11,8%) e 200,7 (1,6%) kW,
nas unidades EEAT1, CR1 e CR2, respectivamente. Sendo a potncia total consumida de
12.288,7 kW/dia e o custo correspondente de R$ 8.474,7 / dia.
Para a EEAT1, em que h diferenciao da tarifa nos horrios de ponta e fora de
ponta nos dias teis, registrou-se consumo de 1.782,9kW no horrio de ponta e 8.855,4kW
fora de ponta. A proporo de consumo de 1:5 ente os horrios fora de ponta de ponta.
Com relao aos domingos, dia que apresenta esquema operacional com menor
quantidade de bombas em funcionamento, conforme observado na Figura 5.17, so
consumidos 13.127,5 kW, distribuidos em: 11.643kW (88,7%) pela EEAT1, 1.451kW
(11,0%) pelo CR1 e 33,5kW (0,3%) pelo CR2. Esses consumos implicam em gastos de
R$5.659,59 (mdia de 0,49reais/ kW), R$ 996,63 (mdia de 0,68 reais/ kW)e R$9,80 (0,29
reais/ kW), nas respectivas unidades.
A Figura 5.17 mostra o nmero de conjuntos moto-bombas em operao nos dias
teis, sbados e domingos ao longo do horizonte de planejamento, considerando o total de
5 equipamentos no sistema estudado. A operao das bombas B43 e B44, por no
constiturem variveis de deciso do problema de otimizao em anlise, assim elas
encontram-se sempre desligadas.
114
Nmero de Bombas
em Funcionamento
Sbados
6
5
4
3
2
1
0
1
11
13
Hora
15
17
19
21
23
13
Hora
15
17
19
21
23
15
17
19
21
23
Nmero de Bombas
em Funcionamento
Domingos
6
5
4
3
2
1
0
1
11
Nmero de Bombas
em Funcionamento
Dias teis
6
5
4
3
2
1
0
1
11
13
Hora
Penalidades
As penalidades 1 e 5 sempre resultaram em valor zero, ou seja, as restries impostas
ao problema de no ocorrncia de presso negativa na rede e de presso inferior a 10
mH2O so satisfeitas nas trs simulaes realizadas, o que garante a continuidade do
115
abastecimento ao longo de todo o horizonte de operao, no havendo custos de
penalidades a serem considerados. Na Figura 5.18 podem ser visualizadas as presses nos
ns com demanda ao longo do horizonte de planejamento para os trs ensaios de
otimizao.
(a)
20.00
Presso (mca)
18.00
16.00
14.00
12.00
10.00
00:00
03:00
06:00
09:00
12:00
15:00
18:00
21:00
15:00
18:00
21:00
Hora
(b)
22.00
Presso (mca)
20.00
18.00
16.00
14.00
12.00
10.00
00:00
03:00
06:00
09:00
12:00
Hora
Domingo
Sbado
Dias teis
Figura 5.18 Distribuio temporal das presses nos ns (a) Rede 1 e (b) Rede 2, com a
otimizao em nvel estratgico.
Nos testes de otimizao realizados, conforme ensejado pela adoo do alto valor do
coeficiente de penalidade 2 (2=1.000), os reservatrios sempre conseguem recuperar seu
estado inicial, finalizando a otimizao com nveis superiores a 70% do nvel mximo (e
90% para o reservatrio R3).
Observando a Tabela 5.6 e considerando o valor limite imposto no modelo de 4
acionamentos por elemento possvel perceber as violaes da Penalidade 3. Para a
otimizao considerando a curva tpica de demanda dos domingos houve 2 penalizaes
(B40 e V46). Para os sbados, houve penalidades ainda maiores.
116
117
a bomba B45 permanece ligada apenas 6 horas em dias teis, 4 horas aos
domingos e 15 horas aos sbado, mais tempo do que nos outros dias face
maior demanda registrada aos sbados.
Caso os resultados deste estudo fossem aplicados na prtica, dever-se-iam considerar
os custos de produo das guas provenientes de poos e ETA, j que a gua aduzida pela
EEAT1 possui custo de produo superior do poo, uma vez que provm de uma ETA
com custos de operao e manuteno significativos. Tal considerao poderia alterar
consideravelmente o esquema operacional da bomba B45.
Dias teis
Bomba
10
11
Hora
12 13
14
15
16
17
18
19
20
21
22
23
24
14
15
16
17
18
19
20
21
22
23
24
14
15
16
17
18
19
20
21
22
23
24
Bomba 38
Bomba 39
Bomba 40
Bomba 41
Bomba 42
Bomba 45
Sbados
Bomba
10
11
Hora
12 13
Bomba 38
Bomba 39
Bomba 40
Bomba 41
Bomba 42
Bomba 45
Domingos
Bomba
10
11
Hora
12 13
Bomba 38
Bomba 39
Bomba 40
Bomba 41
Bomba 42
Bomba 45
Legenda:
Desligada
Ligada
118
10
11
Hora
12 13
14
15
16
17
18
19
20
21
22
23
24
14
15
16
17
18
19
20
21
22
23
24
14
15
16
17
18
19
20
21
22
23
24
Vlvula 46
Vlvula 48
Vlvula 49
Sbados
Vlvula
10
11
Hora
12 13
Vlvula 46
Vlvula 48
Vlvula 49
Domingos
Vlvula
10
11
Hora
12 13
Vlvula 46
Vlvula 48
Vlvula 49
119
operacionais dos reservatrios e posterior avaliao do comportamento do sistema nos
diferentes dias da semana.
Nos grficos na Figura 5.21 esto apresentas as curvas de variao dos nveis de gua
nos reservatrios R2 e R3.
Reservatrio R2
4.5
4.0
Nvel (m)
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
1
11
13
Hora
15
17
19
21
23
Reservatrio R3
6.0
5.0
Nvel (m)
4.0
3.0
2.0
1.0
0.0
11
13
15
17
19
21
23
Hora
NA max
NA min
NA Sbado
NA Dias teis
NA Domingo
120
mostra-se crescente durante a madrugada, de forma que as 06:00 esteja superior a 70% do
nvel mximo no R2 e 90% no R3.
No reservatrio R3 h um brusco rebaixamento do nvel durante a madrugada,
evidenciado principalmente aos sbados e domingos s 04:00, resultante do desligamento
da bomba B42, que volta a funcionar apenas s 06:00.
Na Figura 5.22 esto apresentados os grficos com as curvas de variao dos nveis
de gua nos reservatrios R4 e R5.
Reservatrio R4
4.5
4.0
Nvel (m)
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
11
13
15
17
19
21
23
17
19
21
23
Hora
Reservatrio R5
4.5
4.0
Nvel (m)
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
11
13
15
Hora
121
Observa-se que o R5 tanto pode ser abastecido por gravidade pelos reservatrios
R4 e R2 quanto por recalque da EEAT1. Quando as bombas da EEAT1 so desligadas,
diminuindo a presso nas linhas de aduo, ocorre o retorno de gua por gravidade do
reservatrio R2 para o CR2, conforme ilustrado na Figura 5.23.
122
Outro fato marcante que o reservatrio R5 permanece com nvel mnimo de gua
durante longos perodos, o que no desejvel operacionalmente, mostrando claramente a
deficincia da otimizao de objetivo nico (com vistas apenas minimizao dos custos
com energia eltrica), discutida por Walski (2001) e citada no Captulo 2 desta dissertao.
Apesar das solues otimizadas em nvel estratgico terem reduzido os custos relativos ao
consumo de energia eltrica, o sistema perdeu consideravelmente parte da sua
confiabilidade, uma vez que os reservatrios no acumulam gua suficiente, em grande
parte do dia, para suprir eventuais problemas operacionais.
Os nveis dos reservatrios obtidos com a otimizao em Nvel Estratgico para dias
teis, sbados e domingo, apresentados anteriormente nas Figura 5.21 e Figura 5.22, foram
adotados como Nveis Metas para a otimizao em Tempo Real.
Cabe relembrar que, conforme explicitado no item 4.3 Demandas desta
dissertao, a otimizao em nvel estratgico, e, consequentemente, os nveis metas,
foram gerados com base no histrico de demandas referente aos meses de Maio, Junho,
Julho e Agosto. Portanto, os nveis meta gerados so referentes apenas ao perodo de seca.
5.7
123
Com o objetivo de avaliar a influncia dos Nveis Metas realizou-se tambm a
otimizao em Tempo Real sem considerar tais nveis.
J com o objetivo de avaliar a influncia da Previso de Demandas nos resultados da
Otimizao em Tempo Real realizou-se tambm a otimizao em Tempo Real
considerando o histrico de demandas disponvel.
Portanto, foram realizadas otimizaes em tempo real com dados previstos de
demandas e dados histricos de demandas, com nveis metas e sem nveis, para os meses
de fevereiro e junho - conforme apresentado na Figura 5.25.
Fevereiro
Com Nvel Meta
Otimizao com Dados da
Previso de Demandas
Junho
Fevereiro
Junho
Fevereiro
Fevereiro
Sem Nvel Meta
Junho
Para a Otimizao em Tempo Real Com Nveis Meta foram adotadas penalidades
quanto: ocorrncia de presses inferiores mnima (Penalidade 1); elevada quantidade
de acionamento de bombas e/ou manobras de vlvulas (Penalidade 3); descontinuidade
do abastecimento (Penalidade 5); e, diferena entre os nveis dos reservatrios e nveis
meta (Penalidade 4). J para a Otimizao em Tempo Real Sem Nveis Meta foram
adotadas apenas as penalidades 1, 2, 3 e 5.
124
5.7.1 Resultados da Otimizao em Tempo Real com Previso de Demandas
Tabela 5.7 - Custo de Bombeamento Tempo Real Com Dados de Demandas Previstos.
Dia
Sbado
Domingo
Dias teis*
Estratgico
7.346.50
6.666.02
8.474.71
125
DIAS TEIS
O custo de bombeamento obtido com as regras operacionais geradas pela otimizao
em tempo real para os dias teis, conforme pode ser observado na Figura 5.26, so muito
prximos entre si. O desvio padro de R$ 401,50, o que corresponde a menos de 5% do
custo mdio dirio de bombeamento.
10,000.00
8,000.00
6,000.00
4,000.00
2,000.00
0.00
Fevereiro
Junho
Fevereiro
Junho
Segunda
Tera
Quarta
Quinta
Figura 5.26 - Custo dirio de bombeamento otimizado em tempo real Dias teis.
PENALIDADES
Conforme definido na anlise de sensibilidade, os valores para os coeficientes de
penalidades 2, 3 e 4 adotados foram de 1.000, 50 e 30, respectivamente.
As penalidades 1 e 5 sempre foram iguais a zero, comprovando a aplicabilidade das
estratgias operacionais geradas pelo modelo. As presses nos ns com demanda ao longo
do horizonte de planejamento para as otimizaes em tempo real dos sbados, domingos e
dias teis sempre foram superiores a 10mH2O.
A seguir, na Tabela 5.8 e na Figura 5.27, so apresentados os valores das penalidades
2, 3 e 4 para as otimizaes em tempo real dos sbados, domingos e dias teis.
126
Tabela 5.8 - Resultados das Penalidades Com Dados de Demandas Previstos..
Fevereiro
Junho
Dia
Sbado
Domingo
100,00
100,00
99,65
107,67
660,15
58,90
150,00
150,00
100,00
150,00
122,35
138,25
200,27
234,95
150,00
100,00
Dias teis
150,00
124,42
3,67
250,00
100,00
90,16
0,00
150,00
Domingo
Dias teis*
6,00
5,00
4,00
3,00
2,00
1,00
0,00
Penalidade Penalidade Penalidade Penalidade Penalidade Penalidade Penalidade Penalidade
3
4
2
3
3
4
2
3
Com Nvel Meta
Fevereiro
Figura 5.27 Valores das penalidades divididos por seus respectivos coeficientes.
127
portanto, os acionamentos em quantidade inferior a 4 por elemento no esto
mostrados na Figura 5.27.
Nas otimizaes com os nveis metas houve maior quantidade de acionamento das
bombas e/ou manobra das vlvulas (Penalidade 3) para que fosse possvel atingir nveis
nos reservatrios superiores aos nveis metas, minimizando a Penalidade 4.
respectivamente.
Bomba
Otimizao
Bomba 39
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 40
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 41
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 42
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 45
Estratgico
Com Nvel Meta
Sem Nvel Meta
10
11
Hora
12 13
14
15
16
17
18
19
20
21
22
23
24
11
Hora
12 13
14
15
16
17
18
19
20
21
22
23
24
Junho
Bomba
Otimizao
Bomba 39
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 40
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 41
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 42
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 45
Estratgico
Com Nvel Meta
Sem Nvel Meta
10
Legenda:
Desligada
Ligada
128
Bomba
Fevereiro
Otimizao
Bomba 39
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 40
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 41
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 42
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 45
Estratgico
Com Nvel Meta
Sem Nvel Meta
10
11
Hora
12 13
14
15
16
17
18
19
20
21
22
23
24
11
Hora
12 13
14
15
16
17
18
19
20
21
22
23
24
Junho
Bomba
Otimizao
Bomba 39
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 40
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 41
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 42
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 45
Estratgico
Com Nvel Meta
Sem Nvel Meta
10
Otimizao
Bomba 39
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 40
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 41
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 42
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 45
Estratgico
Com Nvel Meta
Sem Nvel Meta
10
11
Hora
12 13
14
15
16
17
18
19
20
21
22
23
24
11
Hora
12 13
14
15
16
17
18
19
20
21
22
23
24
Junho
Bomba
Otimizao
Bomba 39
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 40
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 41
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 42
Estratgico
Com Nvel Meta
Sem Nvel Meta
Bomba 45
Estratgico
Com Nvel Meta
Sem Nvel Meta
10
129
Uma restrio que no foi colocada no modelo e que pde ser claramente visualizada
nas Figura 5.28 a Figura 5.30 foi com relao ao funcionamento das bombas em paralelo.
Muitas vezes o modelo desliga uma bomba e liga outra da mesma elevatria, aumentando a
quantidade de acionamentos e o desgaste das bombas sem necessidade.
Destaca-se tambm a maior quantidade de acionamentos das bombas na otimizao
em tempo real do que na otimizao em nvel estratgico. Isto porque a otimizao em
tempo real formada pela unio das estratgias operacionais otimizadas da primeira hora
de 24 otimizaes realizadas (uma em cada hora do dia). E, apesar do nmero de
acionamentos ser limitado ao longo de cada otimizao, pela penalidade 3, a unio das
primeiras horas das 24 otimizaes no tem necessariamente a quantidade de acionamentos
limitados.
130
Reservatrio R2
5.0
5.0
4.0
Nvel (m)
4.0
Nvel (m)
Reservatrio R3
6.0
6.0
3.0
3.0
2.0
2.0
1.0
1.0
0.0
0.0
1
11
13
15
17
19
21
23
6.0
5.0
5.0
4.0
4.0
Nvel (m)
Nvel (m)
Reservatrio R4
6.0
3.0
2.0
1.0
1.0
0.0
3
11
13
13
15
17
19
21
23
15
17
19
21
23
17
19
21
23
Reservatrio R5
3.0
2.0
11
Hora
Hora
0.0
1
Hora
11
13
15
Hora
NA max
NA min
131
Reservatrio R2
5,0
5,0
4,0
Nvel (m)
Nvel (m)
4,0
3,0
3,0
2,0
2,0
1,0
1,0
0,0
0,0
1
11
13
15
Hora
17
19
21
23
6,0
5,0
5,0
4,0
4,0
Nvel (m)
6,0
3,0
2,0
1,0
1,0
0,0
3
11
13
15
11
13
15
17
19
21
23
17
19
21
23
17
19
21
23
Reservatrio R5
3,0
2,0
Hora
Reservatrio R4
Nvel (m)
Reservatrio R3
6,0
6,0
0,0
1
Hora
NA max
8/fev - Com Nvel Meta
8/fev - Sem Nvel Meta
11
13
15
Hora
NA min
6/jun - Com Nvel Meta
132
Reservatrio R2
5,0
5,0
4,0
Nvel (m)
Nvel (m)
4,0
3,0
3,0
2,0
2,0
1,0
1,0
0,0
0,0
1
11
13
15
Hora
17
19
21
23
6,0
5,0
5,0
4,0
4,0
Nvel (m)
6,0
3,0
2,0
1,0
1,0
0,0
3
11
13
15
11
13
15
17
19
21
23
17
19
21
23
17
19
21
23
Reservatrio R5
3,0
2,0
Hora
Reservatrio R4
Nvel (m)
Reservatrio R3
6,0
6,0
0,0
1
Hora
NA max
9/fev - Com Nvel Meta
9/fev - Sem Nvel Meta
11
13
15
Hora
NA min
7/jun - Com Nvel Meta
133
TEMPO COMPUTACIONAL
Na prtica, para a otimizao em Tempo Real tem-se apenas uma hora para receber
as informaes do sistema atravs do SCADA, realizar a previso de demandas e a
otimizao e implementar a regra operacional gerada. Portanto, o tempo computacional
gasto pelo modelo constitui um fator limitante aplicao do modelo.
Os tempos computacionais demandados para realizar as 24 otimizaes
correspondentes ao perodo de um dia, para as diferentes alternativas aqui avaliadas, so
apresentados na Figura 5.34.
Sbado
Domingo
Dias teis*
160,00
140,00
120,00
Horas
100,00
80,00
60,00
40,00
20,00
0,00
Fevereiro
Junho
Fevereiro
Junho
134
CUSTOS DE BOMBEAMENTO PARA CADA UMA DAS 24 OTIMIZAES REALIZADAS
A otimizao em tempo real nada mais do que a realizao de uma otimizao,
com perodo de 24 horas, em cada hora do dia. Para se ter a otimizao em tempo real de
um dia junta-se a primeira hora das 24 otimizaes realizadas e as demais horas so
descartadas.
A seguir, nas Figura 5.35 a Figura 5.37, so apresentados os custos de bombeamento
para cada uma das 24 otimizaes realizadas aos sbados, domingos e segunda-feira.
10,000.00
8,000.00
6,000.00
4,000.00
2,000.00
0.00
1
11
13
15
17
19
21
23
Hora
Fev - Com Nvel Meta
Estratgico Sbado
Estratgico Domingo
Figura 5.35 Custo de bombeamento para as otimizaes em tempo real dos sbados.
10,000.00
8,000.00
6,000.00
4,000.00
2,000.00
0.00
1
11
13
15
17
19
21
23
Hora
Fev - Com Nvel Meta
Estratgico Segunda
Estratgico Domingo
Figura 5.36 - Custo de bombeamento para as otimizaes em tempo real dos domingos.
135
10,000.00
8,000.00
6,000.00
4,000.00
2,000.00
0.00
1
11
13
15
17
19
21
23
Hora
Fev - Com Nvel Meta
Um fator que chamou a ateno foi a reduo dos custos de bombeamento ao longo
das 24 horas no sbado e o aumento destes custos ao longo das 24 horas no domingo.
Isto ocorreu porque as demandas aos domingos so menores e, como a otimizao
foi feita para 24 horas frente, nas ltimas horas de sbado tem-se uma maior quantidade
de horas otimizadas no domingo do que no prprio sbado. Na hora 22, por exemplo-se,
otimizou-se das 22:00 hs de sbado s 22:00 hs de domingo, ou seja, quase todo o perodo
otimizado corresponde ao domingo e consequentemente possui menores demandas.
J as ltimas 6 horas de otimizao do domingo apresentaram maiores custos de
bombeamento, pois englobam os horrios de ponta da segunda-feira cuja tarifa quase trs
vezes superior do horrio fora de ponta.
136
(sbado, domingo e segunda-feira) dos dois meses distintos: um no perodo de seca (de 05
de junho a 07 de junho) e outro no perodo chuvoso (de 07 a 09 de fevereiro) considerando
tambm o histrico de demandas. Ou seja, foram realizadas as mesmas simulaes
apresentadas no item 5.7.1 s que com os dados reais de demanda e no a partir dos
resultantes da previso de demandas.
Antes de tratar da influncia da previso de demandas nos resultados da otimizao
avaliou-se a qualidade da previso realizada.
AVALIAO DAS DEMANDAS GERADAS PELO MDULO OTIMIZADOR
Na Figura 5.38, a seguir, esto apresentadas as demandas previstas e reais para
diferentes horas do dia 07 de Fevereiro. Cabe lembrar que para cada hora realizada a
previso de demandas para as prximas 24 horas, por isso as curvas com 24 horas para
cada hora representada.
Observa-se que existe uma diferena significativa entre as demandas previstas e reais.
PREVISO DE DEMANDAS
HISTORICO DE DEMANDAS
1.6
1.4
1.4
1.2
1.2
PREVISO DE DEMANDAS
1.8
1.6
Qmed
Qmed
1.8
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0
0
12
18
24
12
Hora
PREVISO DE DEMANDAS
1.8
18
24
Hora 2
HISTORICO DE DEMANDAS
PREVISO DE DEMANDAS
1.8
1.6
1.6
1.4
1.4
1.2
1.2
Qmed
Qmed
HISTORICO DE DEMANDAS
HISTORICO DE DEMANDAS
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0
0
12
Hora 6
18
24
12
18
24
Hora 24
137
0,8
0,6
Dobservada - Dprevista
0,4
0,2
0
-0,2
-0,4
-0,6
-0,8
-1
0
24
48
72
96
120
144
168
192
216
240
264
sab 7/2/2004
domingo 6/6/2004
domingo 8/2/2004
138
segunda 7/6/2004
segunda 9/2/2004
288
139
CUSTO DE BOMBEAMENTO
Os custos dirios de bombeamento resultantes das otimizaes em tempo real
utilizando as demandas observadas e as demandas previstas esto sintetizados na Figura
5.40. Nota-se que as otimizaes utilizando as demandas reais sempre geram menor custo
com energia eltrica do que as utilizando as demandas previstas.
Sbados
9,500.00
9,000.00
8,500.00
8,000.00
7,500.00
7,000.00
6,500.00
6,000.00
5,500.00
5,000.00
Fevereiro
Junho
Fevereiro
Junho
Domingos
9,500.00
9,000.00
8,500.00
8,000.00
7,500.00
7,000.00
6,500.00
6,000.00
5,500.00
5,000.00
Fevereiro
Junho
Fevereiro
Junho
Segundas
9,500.00
9,000.00
8,500.00
8,000.00
7,500.00
7,000.00
6,500.00
6,000.00
5,500.00
5,000.00
Fevereiro
Junho
Fevereiro
Junho
140
Portanto, pode-se concluir que a qualidade dos dados gerados pelo mdulo previsor
de demandas influi diretamente nos resultados da otimizao. No entanto, mesmo com
grande diferena entre as demandas previstas e observadas, como foi o caso aqui estudado,
a diferena entre os custos dirios de bombeamento otimizados utilizando as demandas
observadas e as demandas previstas inferior a 5%.
141
R1
6
5
Nvel (m )
4
3
2
1
0
1
11
13
15
17
19
21
23
13
15
17
19
21
23
15
17
19
21
23
R2
6
5
Nvel (m )
4
3
2
1
0
1
11
Hora
R4
6
5
Nvel (m )
4
3
2
1
0
1
11
13
Hora
R5
6
5
Nvel (m )
4
3
2
1
0
1
11
13
15
17
19
21
23
Hora
Nvel Meta R4
Historico - Fevereiro
NAmax
Histrico - Junho
NAmin
Figura 5.41 Nveis dos reservatrios - estratgias operacionais otimizadas em tempo real
utilizando demandas observadas - Sbados.
142
TEMPO COMPUTACIONAL
Com relao aos tempos computacionais demandados para realizar as 24
otimizaes, a otimizao com as demandas reais apresenta tempo de processamento
ligeiramente inferior otimizao utilizando as demandas previstas, conforme pode ser
observado no grfico da Figura 5.42.
160.00
140.00
120.00
100.00
80.00
60.00
40.00
20.00
0.00
Sbado Domingo Segunda Sbado Domingo Segunda Sbado Domingo Segunda Sbado Domingo Segunda
Fevereiro
Junho
Com Nvel Meta
Fevereiro
Junho
Sem Nvel Meta
5.8
Aspectos Crticos
143
GUA E ENERGIA
gua e energia so intrinsecamente ligadas no contexto das companhias de
saneamento. Essa ligao existe devido ao papel que a energia exerce no transporte de
gua para o consumidor final, assim como seu papel no tratamento de gua e esgotos.
Quando a gua desperdiada num sistema, a energia quase sempre dissipada.
Ao se otimizar energeticamente a operao de um sistema de abastecimento de gua,
provavelmente ocorrer uma reduo das presses nesse sistema. Sabidamente perdas de
gua e presso na rede so diretamente proporcionais. Portanto, a otimizao energtica
poder incorrer na reduo das perdas do sistema e, consequentemente, em custos
operacionais ainda menores, uma vez que, quanto menores forem as perdas, menor ser o
tempo de funcionamento dos conjuntos motobombas para atender aos usurios finais.
Os trabalhos existentes na literatura tcnica sobre otimizao da operao de
sistemas de abastecimento no abordam tal considerao. As demandas no so separadas
em consumo e perdas e os previsores de demanda no enfocam a reduo das perdas (e das
demandas) com a otimizao.
A otimizao em tempo real, com a previso de demandas refeita a cada hora, pode
atuar como meio de minimizar tambm a discrepncia entre as demandas previstas e as
demandas efetivas, uma vez que pode colaborar com a reduo das perdas por vazamento.
144
Portanto, apesar dos bons resultados obtidos com a aplicao do modelo
desenvolvido, amplamente citados ao longo deste texto, sabe-se que a utilizao de um
sistema hipottico impede a avaliao mais profunda e implementao dos resultados
obtidos. Observa-se que o modelo produz bons resultados em termos de reduo dos custos
com energia eltrica (representado pela funo objetivo) mas no possvel uma avaliao
completa das estratgias operacionais otimizadas do ponto de vista da operao.
Segundo Walski (2001), antes de se inicializar o desenvolvimento de um modelo de
otimizao, deve-se aprender sobre o projeto e funcionamento do sistema em estudo, para
capturar a natureza multi-objetivo do problema.
Ou seja, alm da funo objetivo do modelo desenvolvido considerar apenas a
minimizao dos custos com energia eltrica (o que j indica que as solues encontradas
podem no ser to boas do ponto de vista operacional e de confiabilidade do sistema,
conforme detalhado no item 2.5 desta dissertao) no se dispe do conhecimento sobre a
operao do sistema necessrio para avaliar as regras operacionais geradas.
145
Sessenta anos atrs eu sabia tudo, hoje sei que nada sei. A
educao o descobrimento progressivo da nossa ignorncia.
William James Durant
Concluses e Recomendaes
146
indicaram uma reduo de custos da ordem de 8,5% em relao aos custos dirios de
energia eltrica obtidos por Pedrosa (2006) para o mesmo sistema.
A utilizao dos nveis meta na forma de restrio para produzir as solues em
tempo real no agilizaram o processo de otimizao, como era esperado, e produziram
solues de maiores custos de bombeamento em relao quelas obtidas sem considerar os
nveis meta. A explicao para esse fato a constatao de que as bombas precisavam ser
acionadas para que os nveis dos reservatrios permanecessem superiores aos nveis meta.
A qualidade das previses de consumo revelou ter influncia direta sobre o
resultado da otimizao, de forma que os nveis dos reservatrios apresentaram maior
oscilao ao longo das 24 horas do dia quando o modelo foi alimentado com dados de
consumo previstos com base na srie de Fourier que quando se empregou o suposto
histrico de consumo.
Do ponto de vista computacional, o tempo de processamento, de 15 a 2.800
minutos gastos para a otimizao de um ciclo dirio completo (=24 x 24 horas), mostrou-se
excessivamente longo para a aplicao do modelo em tempo real, sendo que o EPANET,
usado como mdulo auxiliar de simulao hidrulica de perodo estendido, constituiu o
elemento crtico na velocidade do processo. Assim, apesar do sucesso da metodologia
proposta em produzir solues eficientes e robustas, deve-se pensar em utilizar modelos
simplificados para a reproduo do comportamento do sistema, principalmente se ele
apresentar maior grau de complexidade.
6.1
147
Investigar possibilidades de acelerar o processo de avaliao hidrulica do
comportamento do sistema.
Estudo mais detalhado dos operadores e parmetros genticos a utilizar, bem
como dos coeficientes das penalidades, ou a utilizao de mtodos hbridos dos
AGs.
A determinao dos Nveis Metas atravs de otimizao multi-objetivo. Como a
otimizao multi-objetivo complexa demais para ser aplicada otimizao em
tempo real, sugere-se a incorporao dos demais objetivos da operao do
sistema (confiabilidade hidrulica, capacidade de reservao e outros) nos Nveis
Metas. Assim, pressupe-se que a otimizao em tempo real, ao perseguir os
nveis metas, estaria considerando de certa forma tais objetivos.
A utilizao do vetor soluo da Otimizao em Nvel Estratgico como
indivduos das solues iniciais da Otimizao em Tempo Real. Este fato, apesar
de poder levar ocorrncia de convergncia prematura do algoritmo, pode
acrescer agilidade na soluo do problema, diminuindo a quantidade de geraes
necessrias a otimizao.
148
149
Referncias Bibliogrficas
Desempenho Operacional de Sistemas de Abastecimento de gua. In: SEMINRIO Planejamento, Projeto e Operao de Redes de Abastecimento de gua: O Estado da
Arte e Questes Avanadas, Joo Pessoa-PB, Brasil. Anais do II SEREA, CD-ROM.
Carrijo, I.B. (2004). Extrao de regras operacionais timas de sistemas de
150
De Montfort University (2002). FINESSE Technical Description and
Design of a Generic, Real-Time, Near-Optimal Control System for WaterDistribution Networks. Journal of Hydroinformatics, v. 09.1, p. 3-14.
Lansey, K. E.; Awumah, K., (1994). Optimal Pump Operations Considering
Pump Switches. Journal of Water Resources Planning and Management, Vol. 120,
N01, p. 17-35.
Martnez, F.; Hernndez, V.; Alonso, J. M.; Rao, Z.; Alvisi, S. (2007).
151
Pedrosa, L. A. F. (2006). Um Modelo de Operao de Sistemas Adutores de
152
Salomons, E.; Goryashko, A.; Shamir, U.; Rao, Z.; Alvisi, S. (2007).
Edge of Feasibility. InW. Ebeling & H.-M. Voigt (Eds.), Proceeding of the Fourth
Conference on Parallel Problem Solving from Nature, Berlin: Springer- Verlag.
Soares, A.K. (2003). Calibrao de Modelos de Redes de Distribuio de gua
153
154
155
156
//--------------------------------------------------------------------------#include <vcl.h>
#include <stdio.h>
#include <iostream.h>
#include <conio.h>
#include <fstream.h>
#include <stdlib.h>
#include <time.h>
#include <c:/Ag_GAlib/GABinStr.h>
#include <c:/Ag_GAlib/GABinStr.CPP>
#include <c:/Ag_GAlib/GA1DBinStrGenome.h>
#include <c:/Ag_GAlib/GA1DBinStrGenome.CPP>
#include <c:/Ag_GAlib/ga.h>
#include "Oper.h"
#include "c:/Epanet2/epanet2.h"
using namespace std;
#pragma hdrstop
#pragma package(smart_init)
//--------------------------------------------------------------------------//Declarao das Variveis Globais
int
int
int
int
int
int
int
int
Variaveis,Horas,Pmin,ND,cont,individuo;
*VariavelID1,*VariavelID2,*IDnodemanda;
contador=0;
p1=1;
p2=1000;
p4=30;
p3=50;
p5=1000;
float
float
float
float
int
int
int
int
int
operation
operation
operation
operation
operation
::
::
::
::
::
NumJunctions;
NumNodes;
NumTanks;
NumLinks;
length;
157
gaif.ignore(max,'\n'); //Tipo de recombinao - taxa de recombinao
gaif >> crossover >> crossoverRate;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n'); //Tipo de mutao - taxa de mutao
gaif >> mutation >> mutationRate;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n');//tamanho da populao
gaif >> popsize;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n');//numero de geraes
gaif >> ngen;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n'); //semente aleatria
gaif >> randomSeed;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n');//maxima variancia de fitness
gaif >> maxFitnessVariance;
gaif.ignore(max,'\n');
gaif >> Variaveis; //numero de controles
gaif.ignore(max,'\n');
if (Variaveis != 0)
{
VariavelID1 = new int[Variaveis];
VariavelID2 = new int[Variaveis];
for (i=0; i< Variaveis; i++)
{
gaif >> ID1 >> ID2;
gaif.ignore(max,'\n');
VariavelID1[i] = ID1;
VariavelID2[i] = ID2;
}
}
gaif.ignore(max,'\n');
gaif >> Horas; //numero de horas do horizonte de planejamento
gaif.ignore(max,'\n');
length = Variaveis*Horas;
gaif.ignore(max,'\n');
gaif >> Pmin; //presso minima visada para a rede
gaif.ignore(max,'\n');
//Leitura dos arquivos de entrada com os dados para setar no EPANET
gaif.ignore(max,'\n');
// Nmero de ns com demanda
gaif >> ND;
gaif.ignore(max,'\n');
gaif.ignore(max,'\n');
//ID dos ns com demanda
IDnodemanda = new int [ND];
for (e=0; e< ND; e++)
{
gaif >> NO;
gaif.ignore(max,'\n');
IDnodemanda[e] = NO;
}
gaif >> R;
//Nmero de RNV
gaif.ignore(max,'\n');
Nivel = new float [R];
//Nvel Atual dos Reservatrios
for (e=0; e< R; e++)
{
gaif >> nivelinicial;
gaif.ignore(max,'\n');
Nivel[e] = nivelinicial;
}
gaif.ignore(max,'\n');
//Nveis Meta dos Reservatrios
NivelMeta = new float*[Horas];
158
NivelMeta[0] = new float [Horas*R];
for (k=0;k<Horas;k++)
NivelMeta[k] = NivelMeta[0]+k*R;
for (e=0; e<R; e++)
for (n = 0; n<Horas; n++)
{
gaif >> meta;
gaif.ignore(max,'\n');
NivelMeta[e][n] = meta;
}
gaif.ignore(max,'\n');
// Demandas reais ns 22 e 34
gaif.close();
demandTemp();
aloca();
GAParameterList params;
GASimpleGA::registerDefaultParameters(params);
GASteadyStateGA::registerDefaultParameters(params);
params.set(gaNpopulationSize, popsize);
params.set(gaNpCrossover, crossoverRate);
params.set(gaNpMutation, mutationRate);
params.set(gaNnGenerations, ngen);
params.set(gaNnReplacement, nReplacement);
params.set(gaNpConvergence, maxFitnessVariance);
GARandomSeed (randomSeed);
GA1DBinaryStringGenome genome (length, Objetivo);//Tipo de genoma a ser utilizado
genome.initializer(::Initializer);//Inicializao do genoma
GAStatistics stats;
GASimpleGA ga(genome);
ga.parameters(params);
ga.scoreFilename("FOGer.txt");
ga.scoreFrequency(1);
ga.flushFrequency(1);
ga.selectScores(GAStatistics::AllScores);
GALinearScaling lin;
ga.scaling(lin);
ga.minimize();
switch(Selector)
{
case 0:
{
GARankSelector selector;
159
ga.selector(selector);
}
break;
case 1:
{
GARouletteWheelSelector selector;
ga.selector(selector);
}
break;
case 2:
{
GATournamentSelector selector;
ga.selector(selector);
}
break;
case 3:
{
GAUniformSelector selector;
ga.selector(selector);
}
break;
case 4:
{
GASRSSelector selector;
ga.selector(selector);
}
break;
case 5:
{
GADSSelector selector;
ga.selector(selector);
}
break;
default:
cout << "\nTipo de Seleo desconhecida.";
}
switch(crossover)
{
case 0:
{
ga.crossover(GA1DBinaryStringGenome::UniformCrossover);
}
break;
case 1:
{
ga.crossover(GA1DBinaryStringGenome::OnePointCrossover);
}
break;
case 2:
{
ga.crossover(GA1DBinaryStringGenome::TwoPointCrossover);
}
break;
case 3:
{
ga.crossover(GA1DBinaryStringGenome::EvenOddCrossover);
}
break;
default:
cout << "\nTipo de Crossover desconhecido.";
}
//Hora 0:
{
start = clock();
individuo=0;
cont=0;
ga.evolve();
genome = ga.statistics().bestIndividual();
stats = ga.statistics();
//Ordenando o genoma (de acordo com a forma em que foi concebido)
for (y=0;y<Horas;y++)
for (b=0;b<Variaveis;b++)
{
Resultado[b][y]=genome.gene(y*Variaveis+b);
}
160
ENopen("Sistema.inp","Report.rpt","Bin.rpt");
results ();
analisanivel();
desaloca();
end = clock();
}
//Hora 1:
{
start = clock();
individuo=0;
cont=0;
contador=contador+1;
aloca();
genome.initializer(::Initializer);
ga.evolve();
genome = ga.statistics().bestIndividual();
stats = ga.statistics();
//Ordenando o genoma (de acordo com a forma em que foi concebido)
for (y=0;y<Horas;y++)
for (b=0;b<Variaveis;b++)
{
Resultado[b][y]=genome.gene(y*Variaveis+b);
}
ENopen("Sistema.inp","Report1.rpt","Bin1.rpt");
results ();
analisanivel();
desaloca();
end = clock();
}
//Hora 2:
{
start = clock();
individuo=0;
cont=0;
contador=contador+1;
aloca();
genome.initializer(::Initializer);
ga.evolve();
genome = ga.statistics().bestIndividual();
stats = ga.statistics();
//Ordenando o genoma (de acordo com a forma em que foi concebido)
for (y=0;y<Horas;y++)
for (b=0;b<Variaveis;b++)
{
Resultado[b][y]=genome.gene(y*Variaveis+b);
}
ENopen("Sistema.inp","Report2.rpt","Bin2.rpt");
results ();
analisanivel();
desaloca();
end = clock();
}
//Hora 3:
{
start = clock();
individuo=0;
cont=0;
contador=contador+1;
aloca();
genome.initializer(::Initializer);
ga.evolve();
genome = ga.statistics().bestIndividual();
stats = ga.statistics();
//Ordenando o genoma (de acordo com a forma em que foi concebido)
for (y=0;y<Horas;y++)
for (b=0;b<Variaveis;b++)
{
Resultado[b][y]=genome.gene(y*Variaveis+b);
}
161
ENopen("Sistema.inp","Report3.rpt","Bin3.rpt");
results ();
analisanivel();
desaloca();
end = clock();
}
//Hora 4:
{
start = clock();
individuo=0;
cont=0;
contador=contador+1;
aloca();
genome.initializer(::Initializer);
ga.evolve();
genome = ga.statistics().bestIndividual();
stats = ga.statistics();
//Ordenando o genoma (de acordo com a forma em que foi concebido)
for (y=0;y<Horas;y++)
for (b=0;b<Variaveis;b++)
{
Resultado[b][y]=genome.gene(y*Variaveis+b);
}
ENopen("Sistema.inp","Report4.rpt","Bin4.rpt");
results ();
analisanivel();
desaloca();
end = clock();
}
//Hora 5:
{
start = clock();
individuo=0;
cont=0;
contador=contador+1;
aloca();
genome.initializer(::Initializer);
ga.evolve();
genome = ga.statistics().bestIndividual();
stats = ga.statistics();
//Ordenando o genoma (de acordo com a forma em que foi concebido)
for (y=0;y<Horas;y++)
for (b=0;b<Variaveis;b++)
{
Resultado[b][y]=genome.gene(y*Variaveis+b);
}
ENopen("Sistema.inp","Report5.rpt","Bin5.rpt");
results ();
analisanivel();
desaloca();
end = clock();
}
//Desaloca demais vetores
delete []Nivel;
delete []Previsao;
delete []DemandaReal[0];
delete []DemandaReal;
delete []NivelMeta[0];
delete []NivelMeta;
if(Variaveis !=0)
{
delete []VariavelID1;
delete []VariavelID2;
}
}
162
163
//--------------------------------------------------------------------------//Simulao Hidralica da soluo gerada pelo AG
float operation :: run_epanet()
{
int NumLinks,NumJunctions;
int h,i,j,k,n,m,x,z,y,NA,E,errcode,Df,Dp,D;
long t,tstep,tt,zz;
float pressure,Gv,Gb, RefDem, energy, status, initiallevel;
int f=0;
int a=0;
Df=0;
Dp=0;
D=0;
objF = 0;
Cc=0;
Cd=0;
Cb= 0;
P1= 0;
P2= 0;
P3= 0;
P4= 0;
P5= 0;
tt=0;
zz=0;
ENopen("Sistema.inp","LixoAG.rpt","");
ENopenH();
ENinitH(00);
ENgetcount(EN_NODECOUNT, &NumNodes);
ENgetcount(EN_LINKCOUNT, &NumLinks);
for (i=1;i<=NumNodes;i++)
{
ENgetnodetype(i,&z);
if (z==2)//Typecode 2 para Tank
{
ENsetnodevalue (i, EN_TANKLEVEL, Nivel[f]);
f=f+1;
}
}
//Roda o EPANET, setando o genoma e obtendo os dados necessrios
do
{
ENgetcount(EN_NODECOUNT, &NumNodes);
ENgetcount(EN_LINKCOUNT, &NumLinks);
ENrunH(&t); //Roda um nico perodo de anlise hidrulica
if (t == zz))
{
//Armazena os valores do cromossomo corrente nas respectivas bombas e vlvulas
for (n=(tt/3600);n<Horas;n++)
{
//fout<<"\n Hora "<<n;
for (i=1;i<=NumLinks;i++)
{
ENgetlinknodes(i, &x, &k);
ENgetlinktype(i,&z);
{
for (m=0;m<=Variaveis;m++)
if ( x == VariavelID1[m] && k == VariavelID2[m])
{
ENsetlinkvalue(i,EN_STATUS,Genoma[n*Variaveis+m]);
}
}
}
for (i=1;i<=NumNodes;i++)
{
ENgetnodetype(i,&z);
if(z==0) // Typecode 0 para node
{
if (i==IDnodemanda[0])
{
previsaodemanda= 75*Previsao[contador*Horas+n];
164
ENsetnodevalue(i, EN_BASEDEMAND, previsaodemanda);
}
if (i==IDnodemanda[1])
{
previsaodemanda= 237.4*Previsao[contador*Horas+n];
ENsetnodevalue(i, EN_BASEDEMAND, previsaodemanda);
}
}
}
break;
}
zz=zz+3600;
}
//Obtem os dados necessrios
ENrunH(&t);
if (t == tt)
{
for (i=1;i<=NumLinks;i++)
{
ENgetlinknodes(i, &x, &k);
for (m=0;m<=Variaveis;m++)
if ( x == VariavelID1[m] && k == VariavelID2[m])
{
ENgetlinkvalue(i,EN_STATUS,&status);
Estado[t/3600][i]=status;
}
ENgetlinktype(i,&z);
if(z==2) // Typecode 2 para link = bomba
{
ENgetlinkvalue(i,EN_STATUS,&status);
if(status==1)// status 1 = bomba ligada
{
ENgetlinkvalue(i,EN_ENERGY,&energy);
Energia[t/3600][i]=energy;
}
}
}
for (i=1;i<=NumNodes;i++)
{
ENgetnodetype(i,&z);
if(z==0) // Typecode 0 para node
{
ENgetnodevalue(i, EN_BASEDEMAND, &RefDem);
if (RefDem>0)
{
ENgetnodevalue(i, EN_PRESSURE, &pressure);
if (pressure<Pmin)
{
P1+=(Pmin-pressure)*p1;
}
}
}
if (z==2)//Typecode 2 para Tank
{
ENgetnodevalue(i, EN_PRESSURE, &pressure);
Level[t/3600][i]=pressure;
ENgetnodevalue(i, EN_TANKLEVEL, &initiallevel);
InitialLevel[i]=initiallevel;
}
}
tt=tt+3600;
}
errcode=ENrunH(&t);
if (errcode==3 || errcode==6)
{
P5+=errcode*p5;//Penalidade devido ocorrncia de WARNINGs
}
ENnextH(&tstep);
} while(tstep > 0);
//Clcula as Penalidades
for (i=1;i<NumNodes;i++)
{
165
ENgetnodetype(i,&z);
if (z==2)
for (t=3600;t<=Horas*3600;t=t+3600)
if (NivelMeta[a][t/3600]>Level[t/3600][i])
{
P4+=(NivelMeta[a][t/3600]-Level[t/3600][i])*p4;
a=a+1;
}
}
for (i=38;i<=49;i++)
{
NA = 0;
E=0;
ENgetlinktype(i,&z);
for (t=3600;t<=Horas*3600;t=t+3600)
{
//Cb - Custo de bombeamento
if (i==38 || i==39 || i==40)
{
if(Estado[t/3600][i]==1)
{
Cc+=(Energia[t/3600][i]*0.09586);
if (Energia[t/3600][i]>Df)
Df=Energia[t/3600][i];
}
}
if (i==41 || i==42)
{
if(Estado[t/3600][i]==1)
{
Cc+=(Energia[t/3600][i]*0.16176);
if (Energia[t/3600][i]>D)
D=Energia[t/3600][i];
}
}
if (i==45)
{
if(Estado[t/3600][i]==1)
Cc+=(Energia[t/3600][i]*0.29263);
}
//Penalidade 3 - Nmero de Acionamento
if (i>=38&&i<=49)
if(Estado[t/3600][i]!=E)
{
E=Estado[t/3600][i];
NA=NA+1;
}
}
if (NA>4)
P3+=(NA-4)*p3;
}
{
Cd=(Df*9.77)+(D*13.12);
Cb=Cc+Cd;
}
ENcloseH();
ENclose();
objF+=(Cb+P1+P2+P3+P4+P5);
return (objF);
}
166
//--------------------------------------------------------------------------void operation :: results()
{
//Setando o genoma no EPANET, para conferir os resultados obtidos
int NumLinks,NumJunctions;
int i,j,k,n,m,x,z, y,b, NA, E, errcode, Df,Dp,D;
long t,tstep,tt,zz;
float pressure, RefDem, energy, status, initiallevel;
int f=0;
int a=0;
Df=0;
Dp=0;
D=0;
tt=0;
zz=0;
Cb=0;
Cc=0;
Cd=0;
P1= 0;
P2= 0;
P3= 0;
P4= 0;
P5= 0;
objF=0;
ENopenH();
ENinitH(11);
ENgetcount(EN_NODECOUNT, &NumNodes);
ENgetcount(EN_LINKCOUNT, &NumLinks);
for (i=1;i<=NumNodes;i++)
{
ENgetnodetype(i,&z);
if (z==2)//Typecode 2 para Tank
{
ENsetnodevalue (i, EN_TANKLEVEL, Nivel[f]);
f=f+1;
}
}
do{
ENrunH(&t);
if(t==zz)
{
ENgetcount(EN_NODECOUNT, &NumNodes);
ENgetcount(EN_LINKCOUNT, &NumLinks);
for (y=(t/3600);y<Horas;y++)
{
b=0;
for (i=1;i<=NumLinks;i++)
{
ENgetlinknodes(i, &x, &k);
ENgetlinktype(i,&z);
{
for (m=0;m<=Variaveis;m++)
if ( x == VariavelID1[m] && k == VariavelID2[m])
{
ENsetlinkvalue(i,EN_STATUS,Resultado[b][y]);
b=b++;
}
}
}
for (i=1;i<=NumNodes;i++)
{
ENgetnodetype(i,&z);
if(z==0) // Typecode 0 para node
{
if (i==IDnodemanda[0])
{
previsaodemanda= 75*Previsao[contador*Horas+y];
ENsetnodevalue(i, EN_BASEDEMAND, previsaodemanda);
}
if (i==IDnodemanda[1])
167
{
previsaodemanda= 237.4*Previsao[contador*Horas+y];
ENsetnodevalue(i, EN_BASEDEMAND, previsaodemanda);
}
}
}
break;
}
zz=zz+3600;
}
ENrunH(&t);
if(t==tt)
{
for (i=1;i<=NumNodes;i++)
{
ENgetnodetype(i,&z);
if (z==0)
{
ENgetnodevalue(i, EN_BASEDEMAND, &RefDem);
if (RefDem>0)
{
ENgetnodevalue(i, EN_PRESSURE, &pressure);
if (pressure<Pmin)
P1+=(Pmin-pressure)*p1;
}
ENgetnodevalue(i,EN_PRESSURE,&pressure);
}
if (z==2)//Typecode para Tank
{
ENgetnodevalue(i,EN_PRESSURE,&pressure);
Level[t/3600][i]=pressure;
ENgetnodevalue(i, EN_TANKLEVEL, &initiallevel);
InitialLevel[i]=initiallevel;
}
}
for (i=1;i<=NumLinks;i++)
{
ENgetlinknodes(i, &x, &k);
ENgetlinktype(i,&z);
if(z==2)
{
ENgetlinkvalue(i,EN_STATUS,&status);
Estado[t/3600][i]=status;
if(status==1)// status 1 = bomba ligada
{
ENgetlinkvalue(i,EN_ENERGY,&energy);
Energia[t/3600][i]=energy;
}
}
for (m=0;m<=Variaveis;m++)
if ( x == VariavelID1[m] && k == VariavelID2[m])
{
ENgetlinkvalue(i,EN_STATUS,&status);
Estado[t/3600][i]=status;
if(status==1)
{
fout<<"\nLINK "<<i<< " open AT TIME "<<(t/3600);
}
if (status==0)
{
fout<<"\nLINK "<<i<< " closed AT TIME "<<(t/3600);
}
}
}
tt=tt+3600;
}
errcode=ENrunH(&t);
if (errcode==3 || errcode==6)
{
P5+=errcode*p5;//Penalidade devido ocorrncia de WARNINGs
}
ENnextH(&tstep);
}while (tstep > 0);
168
//Penalidade 4 - Nveis Meta
for (i=1;i<NumNodes;i++)
{
ENgetnodetype(i,&z);
if (z==2)
for (t=3600;t<=Horas*3600;t=t+3600)
if (NivelMeta[a][t/3600]>Level[t/3600][i])
{
P4+=(NivelMeta[a][t/3600]-Level[t/3600][i])*p4;
a=a+1;
}
}
for (i=38;i<=49;i++)
{
NA = 0;
E=0;
ENgetlinktype(i,&z);
for (t=3600;t<=Horas*3600;t=t+3600)
{
//Cb - Custo de bombeamento
if (i==38 || i==39 || i==40)
{
if(Estado[t/3600][i]==1)
{
Cc+=(Energia[t/3600][i]*0.09586);
if (Energia[t/3600][i]>Df)
Df=Energia[t/3600][i];
}
}
if (i==41 || i==42)
{
if(Estado[t/3600][i]==1)
{
Cc+=(Energia[t/3600][i]*0.16176);
if (Energia[t/3600][i]>D)
D=Energia[t/3600][i];
}
}
if (i==45)
{
if(Estado[t/3600][i]==1)
Cc+=(Energia[t/3600][i]*0.29263);
}
//Penalidade 3 - Nmero de Acionamento
if (i>=38&&i<=49)
if(Estado[t/3600][i]!=E)
{
E=Estado[t/3600][i];
NA=NA+1;
}
}
if (NA>4)
P3+=(NA-4)*p3;
}
{
Cd+=(Df*9.77)+(D*13.12);
Cb=Cc+Cd;
}
ENsaveH();
ENreport();
objF+=(Cb+P1+P2+P3+P4+P5);
ENclose();
}
169
//--------------------------------------------------------------------------void operation :: analisanivel()
{
//Roda o EPANET, obtendo os nveis para prxima hora
int NumLinks,NumJunctions;
int i,j,k,h,n,m,x,z;
long t,tstep,tt,zz;
float pressure,RefDem;
tt=0;
zz=0;
int e=0;
int g=0;
int b=0;
int y=0;
ENopen("Sistema.inp","LixoNivel.rpt","");
ENopenH();
ENinitH(0);
ENgetcount(EN_NODECOUNT, &NumNodes);
ENgetcount(EN_LINKCOUNT, &NumLinks);
for (i=1;i<=NumNodes;i++)
{
ENgetnodetype(i,&z);
if (z==2)//Typecode 2 para Tank
{
ENsetnodevalue (i, EN_TANKLEVEL, Nivel[e]);
e=e+1;
}
}
do{
ENrunH(&t);
if(t==zz)
{
ENgetcount(EN_NODECOUNT, &NumNodes);
ENgetcount(EN_LINKCOUNT, &NumLinks);
for (y=(t/3600);y<Horas;y++)
{
b=0;
for (i=1;i<=NumLinks;i++)
{
ENgetlinknodes(i, &x, &k);
ENgetlinktype(i,&z);
{
for (m=0;m<=Variaveis;m++)
if ( x == VariavelID1[m] && k == VariavelID2[m])
{
ENsetlinkvalue(i,EN_STATUS,Resultado[b][y]);
b=b++;
}
}
}
for (i=1;i<=NumNodes;i++)
{
ENgetnodetype(i,&z);
if(z==0) // Typecode 0 para node
{
if (i==IDnodemanda[0])
{
demanda= 75*DemandaReal[1][contador];
ENsetnodevalue(i, EN_BASEDEMAND, demanda);
}
if (i==IDnodemanda[1])
{
demanda= 237.4*DemandaReal[1][contador];
ENsetnodevalue(i, EN_BASEDEMAND, demanda);
}
}
}
break;
}
zz=zz+3600;
}
170
//Obtem os dados necessrios
ENrunH(&t);
if (t == tt)
{
for (i=1;i<=NumNodes;i++)
{
ENgetnodetype(i,&z);
if (z==2)//Typecode 2 para Tank
if (t/3600==1)
{
ENgetnodevalue(i, EN_PRESSURE, &pressure);
Nivel[g]=pressure;
g=g+1;
}
}
tt=tt+3600;
}
ENnextH(&tstep);
} while(t < 7200);
ENcloseH();
ENclose();
}
//--------------------------------------------------------------------------void Initializer(GAGenome& g)
{
GA1DBinaryStringGenome& genome = (GA1DBinaryStringGenome&)g;
int i;
individuo=individuo+1;
if (Variaveis != 0)
{
for (i=0;i<Variaveis*Horas;i++)
{
genome.gene(i, GARandomBit());
}
}
}
//--------------------------------------------------------------------------float Objetivo(GAGenome& g)
{
GA1DBinaryStringGenome& genome = (GA1DBinaryStringGenome&)g;
float fitness;
cont=cont+1;
for (int i=0;i<genome.length();i++)
{
Genoma[i]=genome.gene(i);
}
operation aux;
objF = aux.run_epanet();
fitness = objF;
return (fitness);
}
//---------------------------------------------------------------------------
171
172
PADRES DE DEMANDA FEVEREIRO.
Data
Hora
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
Demanda
Observada
0.586
0.912
0.724
0.535
0.507
0.532
0.597
0.833
1.082
1.397
1.498
1.538
1.577
1.408
1.227
1.107
1.096
1.121
1.162
1.056
1.086
0.963
0.833
0.622
0.589
0.791
0.780
0.792
0.821
0.873
0.925
1.054
1.208
1.362
1.118
1.046
1.360
1.356
1.350
1.233
1.171
1.116
1.127
1.034
0.908
0.771
0.656
0.560
1
0.49
0.44
0.39
0.39
0.40
0.51
0.58
0.70
0.94
1.15
1.35
1.39
1.39
1.35
1.22
1.16
1.16
1.21
1.27
1.32
1.17
0.99
0.78
0.63
0.51
0.48
0.53
0.53
0.52
0.55
0.62
0.75
0.97
1.23
1.45
1.51
1.43
1.39
1.32
1.30
1.27
1.25
1.22
1.12
0.98
1.05
0.85
0.67
2
0.39
0.38
0.42
0.39
0.46
0.60
0.78
1.16
1.36
1.44
1.43
1.38
1.30
1.28
1.27
1.33
1.10
1.40
1.32
1.17
1.20
0.69
0.57
0.50
0.44
0.43
0.44
0.44
0.52
0.66
0.84
1.09
1.33
1.50
1.56
1.47
1.36
1.31
1.30
1.29
1.26
1.18
1.30
1.22
1.05
0.85
0.67
0.55
3
0.40
0.46
0.39
0.45
0.61
0.77
1.01
1.40
1.43
1.36
1.34
1.30
1.31
1.13
1.12
1.09
1.36
1.15
1.32
1.23
0.80
0.69
0.62
0.44
0.43
0.45
0.52
0.54
0.68
0.82
0.98
1.39
1.47
1.46
1.37
1.32
1.31
1.31
1.27
1.20
1.05
1.30
1.22
1.05
0.85
0.67
0.55
0.37
4
0.40
0.39
0.45
0.60
0.78
1.01
1.43
1.29
1.27
1.31
1.36
1.39
1.12
1.14
1.29
1.12
1.32
1.32
1.20
0.82
0.68
0.61
0.43
0.49
0.47
0.45
0.54
0.68
0.82
0.98
1.39
1.35
1.33
1.28
1.27
1.29
1.30
1.21
1.08
1.25
1.30
1.22
1.05
0.85
0.67
0.55
0.36
0.39
5
0.40
0.46
0.60
0.77
1.02
1.35
1.28
1.21
1.36
1.43
1.18
1.36
1.27
1.15
1.19
1.31
1.34
1.20
0.79
0.69
0.60
0.47
0.50
0.49
0.45
0.54
0.68
0.82
0.98
1.30
1.22
1.20
1.25
1.32
1.32
1.25
1.09
0.92
1.25
1.30
1.22
1.05
0.85
0.67
0.55
0.40
0.48
0.48
6
0.46
0.61
0.77
1.01
1.33
1.26
1.33
1.42
1.48
1.41
1.31
1.05
1.10
1.22
1.31
1.33
1.21
0.80
0.67
0.62
0.48
0.50
0.49
0.46
0.54
0.68
0.82
0.98
1.16
1.44
1.50
1.26
1.34
1.29
1.16
0.95
1.12
1.25
1.30
1.22
1.05
0.85
0.67
0.55
0.51
0.47
0.48
0.47
7
0.61
0.78
1.01
1.30
1.36
1.39
1.50
1.41
1.28
1.06
1.16
1.12
1.20
1.34
1.33
1.21
0.80
0.67
0.58
0.49
0.49
0.48
0.46
0.57
0.68
0.83
1.14
1.08
1.44
1.50
1.54
1.30
1.18
0.99
1.14
1.12
1.25
1.30
1.22
1.05
0.85
0.67
0.51
0.45
0.47
0.48
0.47
0.53
8
0.79
1.01
1.35
1.41
1.47
1.43
1.31
1.05
1.17
1.15
1.13
1.22
1.32
1.36
1.21
0.80
0.61
0.60
0.47
0.50
0.47
0.46
0.56
0.71
0.83
1.11
1.03
1.44
1.50
1.54
1.46
1.01
1.13
1.14
1.12
1.25
1.30
1.22
1.05
0.85
0.67
0.65
0.45
0.47
0.48
0.47
0.52
0.69
9
1.03
1.40
1.45
1.40
1.31
1.11
1.22
1.16
1.17
1.13
1.24
1.34
1.34
1.23
0.80
0.68
0.61
0.47
0.48
0.48
0.45
0.56
0.70
0.86
1.06
1.06
1.44
1.50
1.54
1.46
1.22
1.13
1.14
1.12
1.25
1.30
1.22
1.05
0.85
0.64
0.55
0.44
0.47
0.48
0.47
0.52
0.69
0.87
10
1.22
1.41
1.26
1.37
1.35
1.21
1.19
1.16
1.15
1.23
1.36
1.35
1.21
0.87
0.68
0.60
0.48
0.49
0.47
0.46
0.55
0.70
0.86
1.09
1.07
1.44
1.50
1.54
1.46
1.22
1.13
1.14
1.12
1.25
1.30
1.22
1.05
0.69
0.67
0.54
0.44
0.47
0.48
0.47
0.52
0.69
0.84
0.90
Previso de Demandas
11
12
13
14
1.32 1.45 1.40 1.35
1.44 1.38 1.34 1.22
1.37 1.33 1.21 1.18
1.33 1.21 1.18 1.18
1.22 1.20 1.20 1.18
1.18 1.18 1.16 1.27
1.19 1.17 1.27 1.28
1.14 1.24 1.37 1.58
1.25 1.38 1.23 1.26
1.36 1.37 1.25 0.83
1.38 1.19 0.83 0.70
1.23 0.82 0.69 0.62
0.81 0.68 0.61 0.48
0.69 0.62 0.49 0.50
0.60 0.48 0.49 0.47
0.48 0.49 0.47 0.45
0.49 0.48 0.45 0.55
0.47 0.45 0.55 0.68
0.45 0.55 0.68 0.94
0.56 0.70 0.85 0.84
0.68 0.83 0.95 1.24
0.85 1.05 1.26 1.47
1.09 1.27 1.49 1.56
1.09 1.49 1.56 1.61
1.44 1.50 1.54 1.46
1.50 1.54 1.46 1.22
1.54 1.46 1.22 1.13
1.46 1.22 1.13 1.14
1.22 1.13 1.14 1.12
1.13 1.14 1.12 1.25
1.14 1.12 1.25 1.30
1.12 1.25 1.30 1.11
1.25 1.30 1.22 1.18
1.30 1.22 1.06 0.85
1.22 0.86 0.85 0.67
1.05 0.85 0.67 0.54
0.85 0.67 0.54 0.44
0.67 0.55 0.45 0.47
0.54 0.44 0.47 0.48
0.45 0.47 0.48 0.47
0.47 0.48 0.47 0.52
0.48 0.47 0.52 0.82
0.47 0.52 0.69 0.78
0.52 0.69 0.84 0.71
0.80 0.82 0.79 0.60
0.85 0.86 0.71 1.07
0.88 0.80 1.07 1.44
0.72 1.07 1.44 1.41
15
1.23
1.19
1.19
1.16
1.28
1.63
1.42
1.25
0.84
0.70
0.63
0.49
0.49
0.48
0.45
0.55
0.69
0.81
0.99
1.27
1.45
1.54
1.60
1.52
1.22
1.13
1.14
1.12
1.25
1.08
1.21
1.05
0.85
0.67
0.55
0.44
0.47
0.48
0.47
0.52
0.78
0.67
0.85
0.72
1.07
1.44
1.41
1.16
16
1.20
1.19
1.25
1.27
1.41
1.41
1.29
0.83
0.71
0.62
0.49
0.50
0.48
0.46
0.55
0.82
0.84
0.99
1.23
1.49
1.52
1.59
1.51
1.27
1.13
1.14
0.93
1.10
1.23
1.32
1.22
0.85
0.67
0.54
0.45
0.47
0.48
0.47
0.52
0.69
0.79
0.85
0.72
1.07
1.44
1.41
1.16
0.95
17
1.22
1.17
1.27
1.39
1.43
1.28
0.85
0.71
0.63
0.49
0.51
0.48
0.45
0.56
0.65
0.83
1.00
1.24
1.44
1.55
1.56
1.50
1.27
1.18
0.92
1.12
1.28
1.32
1.26
1.15
0.97
0.67
0.54
0.44
0.47
0.48
0.47
0.52
0.58
0.79
0.85
0.72
1.07
1.44
1.41
1.17
0.95
0.73
18
1.18
1.28
1.40
1.41
1.30
0.85
0.72
0.63
0.50
0.50
0.49
0.46
0.66
0.70
0.84
1.00
1.25
1.45
1.51
1.60
1.47
1.25
0.96
1.15
1.30
1.30
1.30
1.18
1.03
0.93
0.67
0.54
0.44
0.47
0.48
0.47
0.58
0.69
0.79
0.85
0.72
1.07
1.44
1.41
1.17
0.95
0.64
0.72
19
1.29
1.40
1.60
1.46
0.86
0.72
0.65
0.50
0.51
0.49
0.47
0.52
0.69
0.85
1.00
1.24
1.46
1.51
1.55
1.51
1.23
1.14
1.35
1.38
1.30
1.17
1.09
0.99
0.91
0.67
0.54
0.45
0.47
0.48
0.47
0.48
0.69
0.79
0.85
0.72
1.07
1.44
1.41
1.17
0.93
0.64
0.72
0.81
20
1.66
1.50
1.37
0.85
0.73
0.64
0.51
0.51
0.49
0.53
0.57
0.70
0.84
1.02
1.24
1.45
1.53
1.56
1.47
1.17
1.26
1.35
1.37
1.21
1.09
1.01
1.00
0.97
0.67
0.54
0.44
0.47
0.48
0.48
0.52
0.69
0.79
0.85
0.72
1.07
1.44
1.41
1.17
1.06
0.64
0.72
0.82
0.88
21
1.42
1.40
0.85
0.72
0.65
0.50
0.52
0.54
0.43
0.57
0.71
0.85
1.00
1.27
1.46
1.52
1.57
1.47
1.24
1.37
1.27
1.21
1.11
1.35
1.02
1.02
1.02
0.67
0.54
0.44
0.56
0.47
0.41
0.52
0.69
0.79
0.85
0.72
1.07
1.44
1.41
1.05
1.14
0.64
0.72
0.82
0.88
0.87
22
1.41
0.85
0.72
0.64
0.51
0.57
0.44
0.47
0.58
0.71
0.87
1.02
1.25
1.48
1.52
1.56
1.25
1.31
1.29
1.23
1.08
1.29
1.35
1.04
1.08
1.01
0.67
0.54
0.44
0.46
0.48
0.47
0.52
0.69
0.79
0.85
0.72
1.07
1.44
1.41
1.14
0.95
0.64
0.72
0.82
0.88
0.87
0.81
23
0.86
0.72
0.76
0.57
0.46
0.50
0.48
0.57
0.72
0.86
1.03
1.27
1.46
1.55
1.56
1.31
1.34
1.19
1.08
1.05
1.26
1.34
1.10
1.07
0.97
0.78
0.63
0.50
0.40
0.48
0.47
0.52
0.69
0.79
0.85
0.61
1.07
1.44
1.16
1.17
0.95
0.64
0.72
0.81
0.88
0.87
0.81
0.83
24
0.81
0.59
0.44
0.52
0.51
0.48
0.59
0.71
0.88
1.03
1.29
1.48
1.53
1.29
1.28
1.22
1.13
1.01
1.01
1.06
1.31
1.03
1.02
0.85
0.64
0.52
0.42
0.47
0.48
0.47
0.52
0.69
0.79
0.85
0.73
1.02
1.44
1.17
1.17
1.06
0.64
0.72
0.81
0.88
0.87
0.81
0.83
1.03
173
Data
Hora
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
Demanda
Observada
0.541
0.479
0.433
0.459
0.447
0.528
0.577
0.789
1.127
1.489
1.818
1.769
1.629
1.476
1.278
1.258
1.244
1.163
1.173
1.124
1.010
0.750
0.772
0.668
0,580
0,470
0,470
0,470
0,446
0,553
0,677
0,822
1,174
1,582
1,740
1,592
1,496
1,375
1,184
1,184
1,086
1,207
1,294
1,150
1,063
0,928
0,818
0,641
1
0.55
0.52
0.50
0.59
0.58
0.65
0.87
0.98
0.97
0.89
1.35
1.88
1.86
1.75
1.30
0.88
0.99
1.11
1.19
1.20
1.10
1.12
1.03
1.05
0,65
0,57
0,54
0,52
0,52
0,57
0,69
0,86
1,07
0,84
0,93
0,92
0,86
0,96
0,98
0,97
0,76
0,84
0,92
0,93
0,96
1,00
0,80
0,88
2
0.49
0.47
0.59
0.51
0.61
0.78
0.99
1.21
0.89
1.48
1.58
1.56
1.43
1.36
0.87
1.00
1.12
1.19
1.19
1.11
1.13
1.19
1.06
0.65
0,58
0,54
0,53
0,57
0,66
0,86
1,06
1,28
0,86
0,94
0,94
0,90
0,97
1,02
0,96
0,77
0,86
0,93
0,93
1,02
0,82
0,94
0,88
0,76
3
0.60
0.50
0.61
0.65
1.00
1.17
1.08
0.89
1.46
1.78
1.78
1.27
1.27
0.86
0.99
1.12
1.21
1.31
1.14
0.97
1.21
1.06
0.78
0.57
0,56
0,56
0,68
0,69
0,83
0,99
1,08
0,86
0,96
0,95
0,92
1,01
1,03
1,00
0,76
0,87
0,95
1,07
0,85
1,02
0,94
0,88
0,76
0,64
4
0.61
0.59
0.65
0.85
0.98
1.06
0.91
1.32
1.79
1.75
1.31
1.40
0.83
0.98
1.11
1.36
1.17
0.97
1.14
1.22
1.07
0.78
0.55
0.59
0,68
0,64
0,70
0,85
0,97
1,09
0,86
0,96
0,97
0,93
1,03
1,07
1,01
0,80
0,86
0,96
0,94
1,01
1,03
0,97
0,87
0,76
0,64
0,61
5
0.59
0.66
0.85
0.98
1.05
0.89
1.28
1.80
1.76
1.25
1.43
0.82
0.94
1.27
1.12
1.20
1.11
1.13
1.21
1.09
0.79
0.57
0.68
0.65
0,65
0,69
0,86
1,00
1,07
0,87
0,96
0,98
0,95
1,04
1,10
1,05
0,80
0,90
0,98
0,98
1,03
1,04
0,97
0,90
0,75
0,64
0,62
0,60
6
0.66
0.86
0.98
1.26
0.89
1.18
1.82
1.76
1.28
1.31
0.80
0.93
1.03
1.18
1.19
1.11
1.15
1.21
1.07
0.80
0.69
0.63
0.65
0.65
0,71
0,85
1,01
1,21
0,86
0,97
0,98
0,95
1,07
1,11
1,08
0,84
1,01
0,81
0,97
1,05
1,06
0,98
0,91
0,78
0,64
0,50
0,63
0,73
7
0.87
0.98
1.14
1.04
1.18
1.79
1.79
1.26
1.23
0.79
0.94
1.05
1.14
1.18
1.11
1.15
1.23
1.07
0.74
0.67
0.64
0.65
0.66
0.71
0,88
1,20
1,11
0,87
0,95
0,98
0,95
1,07
1,14
1,09
0,86
0,85
1,00
1,01
1,04
1,08
1,00
0,92
0,78
0,58
0,67
0,61
0,65
0,80
8
1.11
1.14
1.04
1.16
1.78
1.75
1.23
1.07
0.91
0.75
1.03
1.13
1.14
1.09
1.14
1.23
1.09
0.95
0.67
0.65
0.66
0.66
0.72
0.87
1,12
1,03
0,89
0,98
0,97
0,96
1,07
1,14
1,20
0,93
0,78
1,05
1,02
1,08
1,07
1,02
0,94
0,65
0,66
0,63
0,60
0,65
0,81
0,71
9
1.06
0.89
1.17
1.78
1.75
1.44
1.20
0.79
0.90
1.01
1.10
1.12
1.06
1.13
1.22
0.99
0.80
0.66
0.64
0.67
0.67
0.72
0.88
1.08
1,08
0,88
0,99
0,99
0,95
1,08
1,19
1,01
0,82
0,98
1,08
1,06
1,09
1,12
1,01
0,95
0,88
0,67
0,64
0,62
0,65
0,78
0,66
0,86
10
0.91
1.20
1.78
1.75
1.44
1.18
0.69
0.90
1.01
1.08
1.10
1.04
0.92
1.05
1.25
0.80
0.67
0.64
0.66
0.68
0.73
0.89
1.11
1.16
0,91
0,98
1,01
0,97
1,15
1,02
1,12
0,76
1,01
1,08
1,09
1,14
1,13
0,86
0,94
0,82
0,68
0,64
0,63
0,67
0,66
0,65
0,87
1,03
Previso de Demandas
11
12
13
14
1.13 1.82 1.79 1.47
1.80 1.76 1.45 1.19
1.75 1.44 1.18 0.79
1.44 1.18 0.79 0.89
1.18 0.79 0.89 1.01
0.79 0.90 1.01 0.99
0.91 1.03 1.11 1.10
1.02 1.09 1.09 1.01
1.09 1.08 1.00 1.03
1.08 1.10 1.03 1.10
0.86 1.05 1.12 0.99
1.10 1.14 1.01 0.75
1.31 1.03 0.76 0.64
1.07 0.79 0.66 0.63
0.80 0.67 0.64 0.67
0.67 0.65 0.67 0.68
0.65 0.67 0.68 0.74
0.66 0.67 0.73 0.89
0.67 0.73 0.90 1.17
0.74 0.91 1.26 1.01
0.90 1.23 1.14 0.87
1.20 1.20 1.01 1.03
1.20 0.92 0.95 1.04
0.91 1.13 0.85 1.01
1,01 1,06 0,81 1,13
1,00 0,93 1,10 1,17
1,12 1,10 1,18 1,15
0,99 1,16 1,14 0,91
1,13 1,11 0,88 1,00
1,13 0,90 1,02 1,04
0,89 1,01 1,11 1,23
1,01 1,11 1,02 1,21
1,11 1,13 1,24 1,24
1,10 1,18 1,43 1,15
1,17 1,23 1,14 1,06
1,17 1,11 1,04 0,89
1,04 0,99 0,86 0,72
0,99 0,85 0,72 0,69
0,81 0,68 0,66 0,75
0,69 0,67 0,76 0,73
0,66 0,65 0,70 0,71
0,64 0,73 0,70 0,73
0,73 0,65 0,70 0,90
0,67 0,68 0,75 1,07
0,80 0,86 1,03 1,16
0,70 1,04 1,17 1,38
1,04 1,17 1,38 1,41
1,16 1,37 1,40 1,41
15
1.20
0.80
0.76
0.95
1.20
1.08
1.02
1.04
1.10
0.97
0.73
0.63
0.61
0.66
0.67
0.74
0.91
1.02
1.17
0.94
1.04
1.04
1.02
1.13
1,21
1,15
0,82
1,06
1,27
1,14
1,21
1,25
1,17
1,07
0,92
0,75
0,70
0,68
0,75
0,72
0,86
0,91
1,07
1,20
1,37
1,41
1,42
1,38
16
0.78
0.94
1.20
1.08
1.08
1.00
1.05
1.11
0.98
0.72
0.62
0.60
0.64
0.66
0.73
1.05
0.88
1.16
0.93
1.05
1.05
1.02
1.14
1.20
1,18
1,08
1,04
1,13
1,12
1,22
1,25
1,18
1,10
0,93
0,77
0,72
0,69
0,84
0,68
0,87
0,93
1,09
1,20
1,42
1,40
1,43
1,39
1,18
17
0.91
1.02
1.08
1.08
1.00
1.03
1.12
0.98
0.72
0.60
0.59
0.63
0.64
0.72
0.87
1.07
1.18
0.93
1.04
1.07
1.03
1.14
1.22
1.18
0,94
1,04
1,15
1,15
1,20
1,26
1,18
1,32
0,95
0,78
0,74
0,71
0,78
0,65
0,86
0,94
1,11
1,22
1,42
1,44
1,41
1,39
1,19
1,11
18
1.03
1.09
1.08
1.00
1.03
1.10
1.00
0.73
0.61
0.58
0.61
0.63
0.82
0.89
1.07
1.18
0.94
1.04
1.06
1.05
1.16
1.15
1.20
0.94
1,07
1,14
1,17
1,23
1,44
1,41
1,26
0,95
0,80
0,75
0,85
0,72
0,79
0,90
0,93
1,12
1,24
1,44
1,45
1,46
1,37
1,19
0,89
1,07
19
1.11
1.09
1.00
1.03
1.10
0.98
0.74
0.61
0.58
0.60
0.62
0.66
0.86
1.05
1.17
0.94
1.05
1.05
1.03
1.17
1.23
1.20
0.95
1.07
1,18
1,16
1,25
1,42
1,31
1,31
0,95
0,80
0,77
0,76
0,79
0,82
0,91
0,97
1,11
1,26
1,47
1,47
1,47
1,42
1,18
1,07
1,22
1,18
20
1.10
1.01
1.03
1.10
0.98
0.72
0.62
0.59
0.60
0.64
0.55
0.85
1.02
1.16
0.94
1.05
1.07
1.06
1.16
1.25
1.21
0.95
1.08
1.17
1,19
1,41
1,47
1,40
1,25
0,96
0,80
0,83
0,70
0,80
0,84
0,94
0,98
1,16
1,25
1,49
1,50
1,49
1,43
1,07
1,17
1,18
1,11
1,27
21
1.02
1.04
1.10
0.98
0.72
0.61
0.59
0.65
0.54
0.66
0.83
1.00
1.12
0.92
1.05
0.97
1.05
1.16
1.24
1.23
0.96
1.08
1.19
1.19
1,48
1,39
1,21
1,29
1,06
0,92
0,73
0,76
0,81
0,85
0,97
1,02
1,18
1,30
1,48
1,52
1,51
1,45
1,18
1,23
1,06
0,94
1,28
1,22
22
1.05
1.11
0.98
0.72
0.60
0.69
0.55
0.61
0.67
0.81
0.98
1.10
0.89
0.87
1.24
1.05
1.17
1.23
1.21
0.97
1.09
1.19
1.20
1.51
1,51
1,38
1,29
1,01
0,78
0,77
0,76
0,82
0,87
0,98
1,05
1,22
1,31
1,54
1,50
1,53
1,20
1,20
1,12
0,98
1,15
1,29
1,22
1,16
23
1.12
1.17
0.72
0.72
0.57
0.60
0.62
0.67
0.82
0.96
1.08
0.75
1.04
1.05
1.04
1.18
1.25
1.21
0.97
1.11
1.20
1.21
1.29
1.49
1,39
1,13
0,93
0,69
0,76
0,76
0,81
0,87
1,00
1,06
1,26
1,37
1,56
1,57
1,52
1,22
1,18
1,00
1,18
1,19
1,27
1,23
1,17
0,79
24
1.01
0.76
0.60
0.49
0.60
0.61
0.68
0.82
0.97
1.06
0.97
0.98
1.01
1.03
1.16
1.25
1.23
0.96
1.09
1.22
1.22
1.30
1.48
1.26
1,02
0,97
0,82
0,78
0,75
0,82
0,87
1,00
1,08
1,27
1,41
1,62
1,59
1,59
1,48
1,04
1,19
1,20
1,19
1,32
1,21
1,17
0,78
0,69
174
Data
Hora
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
Demanda
Observada
0,539
0,465
0,461
0,488
0,501
0,610
0,732
0,963
1,173
1,370
1,488
1,536
1,404
1,197
1,112
1,112
1,122
1,258
1,390
1,353
1,098
0,976
0,895
0,756
0,631
0,498
0,498
0,429
0,453
0,558
0,726
0,914
1,166
1,534
1,560
1,558
1,380
1,248
1,189
1,189
1,248
1,380
1,311
1,152
0,865
0,852
0,892
0,768
1
0,76
0,65
0,62
0,62
0,66
0,70
0,80
0,86
1,03
1,13
1,35
1,36
1,38
1,36
1,17
1,10
1,14
1,15
1,29
1,22
1,16
0,75
0,90
0,80
0,71
0,64
0,62
0,57
0,63
0,71
0,83
0,96
1,15
1,41
1,61
1,26
1,24
1,13
1,00
0,95
1,00
1,06
1,09
1,05
0,92
0,97
0,93
0,83
2
0,64
0,63
0,62
0,67
0,71
0,81
0,86
1,04
1,15
1,34
1,37
1,38
1,35
1,16
1,10
1,13
1,15
1,27
1,23
1,17
0,91
0,88
0,81
0,71
0,64
0,62
0,57
0,63
0,71
0,83
0,97
0,95
1,39
1,58
1,15
1,35
1,31
1,14
0,93
0,99
1,06
1,28
1,22
1,12
0,98
0,94
0,82
0,68
3
0,62
0,62
0,66
0,71
0,82
0,87
1,04
1,16
1,36
1,36
1,39
1,34
1,16
1,09
1,13
1,14
1,27
1,21
1,17
0,92
0,86
0,80
0,72
0,64
0,62
0,58
0,63
0,60
0,76
0,91
1,04
1,37
1,56
1,41
1,34
1,34
1,13
0,97
1,05
1,03
1,30
1,22
1,11
0,97
0,94
0,82
0,66
0,62
4
0,61
0,66
0,71
0,66
0,77
1,04
1,16
1,37
1,39
1,38
1,35
1,15
1,08
1,12
1,14
1,26
1,21
1,16
0,92
0,87
0,78
0,71
0,65
0,62
0,49
0,61
0,76
0,92
1,00
1,03
1,38
1,53
1,39
1,32
1,33
0,94
0,98
1,01
1,22
1,30
1,25
1,11
0,97
0,94
0,83
0,67
0,61
0,56
5
0,58
0,67
0,76
0,86
0,85
1,17
1,37
1,40
1,40
1,34
1,16
1,08
1,11
1,13
1,26
1,21
1,16
0,91
0,87
0,78
0,69
0,64
0,63
0,66
0,63
0,72
0,97
0,99
0,95
1,38
1,54
1,36
1,30
1,30
1,00
1,02
1,13
1,21
1,31
1,25
1,13
0,96
0,93
0,83
0,68
0,62
0,55
0,49
6
0,79
0,83
0,82
1,06
1,19
1,38
1,40
1,41
1,37
1,15
1,08
1,11
1,12
1,26
1,20
1,15
0,91
0,86
0,78
0,69
0,62
0,68
0,58
0,63
0,72
1,01
0,88
1,14
1,39
1,54
1,37
1,27
1,28
0,94
0,95
1,15
1,20
1,30
1,26
1,13
0,98
0,93
0,82
0,67
0,62
0,52
0,65
0,60
7
0,80
0,77
1,05
1,19
1,41
1,41
1,41
1,38
1,17
1,08
1,12
1,12
1,25
1,20
1,15
0,91
0,86
0,77
0,70
0,68
0,60
0,57
0,64
0,72
0,95
0,98
1,15
1,39
1,56
1,37
1,28
1,26
1,11
1,10
1,14
1,22
1,29
1,25
1,14
0,98
0,95
0,82
0,67
0,54
0,56
0,56
0,59
0,67
8
0,87
1,06
1,18
1,41
1,43
1,43
1,38
1,18
1,10
1,11
1,13
1,24
1,19
1,15
0,91
0,85
0,78
0,68
0,62
0,61
0,55
0,63
0,73
0,78
0,98
1,15
1,39
1,55
1,38
1,28
1,27
1,09
1,09
1,12
1,21
1,31
1,23
1,13
0,99
0,95
0,83
0,67
0,68
0,55
0,56
0,60
0,66
0,83
9
1,05
1,18
1,40
1,44
1,45
1,39
1,18
1,11
1,13
1,12
1,25
1,19
1,14
0,90
0,85
0,68
0,69
0,62
0,61
0,56
0,61
0,81
0,69
0,97
1,15
1,40
1,56
1,38
1,29
1,27
1,10
1,07
1,10
1,19
1,30
1,26
1,12
0,98
0,96
0,84
0,70
0,61
0,55
0,56
0,60
0,66
0,97
0,96
10
1,17
1,40
1,42
1,45
1,41
1,19
1,11
1,14
1,14
1,24
1,19
1,13
0,89
0,85
0,89
0,68
0,62
0,60
0,56
0,62
0,68
0,83
0,99
1,15
1,39
1,56
1,38
1,29
1,28
1,09
1,08
1,08
1,17
1,28
1,24
1,14
0,98
0,95
0,70
0,68
0,63
0,55
0,56
0,60
0,67
0,97
0,84
0,89
Previso de
11
12
1,39 1,41
1,43 1,44
1,44 1,40
1,41 1,21
1,21 1,13
1,12 1,15
1,14 1,15
1,15 1,27
1,27 1,21
1,18 1,13
1,14 0,85
0,89 0,84
0,86 0,76
0,76 0,68
0,68 0,61
0,61 0,60
0,60 0,55
0,55 0,63
0,72 0,59
0,60 0,82
0,81 0,95
0,97 1,14
1,16 1,41
1,39 1,56
1,56 1,39
1,39 1,30
1,29 1,28
1,28 1,10
1,10 1,08
1,07 1,09
1,09 1,16
1,15 1,24
1,26 1,20
1,22 1,11
1,13 0,98
0,99 0,89
0,94 0,83
0,87 0,68
0,69 0,63
0,63 0,56
0,56 0,57
0,56 0,59
0,59 0,66
0,67 0,91
0,93 0,79
0,84 1,05
1,04 1,22
1,24 1,35
Demandas
13
14
1,43 1,39
1,41 1,21
1,20 1,13
1,13 1,17
1,16 1,18
1,16 1,29
1,27 1,22
1,22 1,04
1,15 0,91
1,01 0,84
0,84 0,76
0,76 0,67
0,67 0,61
0,61 0,68
0,60 0,64
0,55 0,68
0,63 0,68
0,63 0,67
0,66 0,95
0,95 1,12
1,11 1,35
1,38 1,55
1,58 1,40
1,38 1,29
1,30 1,28
1,29 1,11
1,10 1,08
1,08 1,10
1,10 1,17
1,16 1,25
1,25 1,19
1,18 1,08
1,10 1,01
0,87 0,93
1,04 0,84
0,84 0,69
0,67 0,62
0,63 0,56
0,56 0,57
0,57 0,61
0,61 0,67
0,66 0,75
0,81 0,94
0,95 1,06
1,06 1,24
1,23 1,34
1,33 1,40
1,43 1,50
15
1,19
1,13
1,16
1,18
1,30
1,05
1,15
0,91
0,85
0,91
0,81
0,70
0,66
0,55
0,68
0,69
0,81
0,94
1,12
1,36
1,51
1,38
1,31
1,28
1,11
1,09
1,10
1,16
1,26
1,19
1,00
1,09
0,92
0,82
0,68
0,63
0,55
0,57
0,61
0,77
0,68
0,94
1,05
1,24
1,35
1,41
1,47
1,42
16
1,12
1,16
1,17
1,07
1,16
1,19
1,06
0,95
0,81
0,68
0,69
0,69
0,54
0,70
0,60
0,81
0,94
1,11
1,36
1,52
1,34
1,29
1,30
1,10
1,09
1,11
1,17
1,25
1,03
1,10
0,94
1,07
0,81
0,67
0,63
0,56
0,56
0,61
0,72
0,83
0,96
1,05
1,23
1,35
1,43
1,48
1,39
1,34
17
1,15
1,08
1,17
1,21
1,10
0,95
0,79
0,73
0,71
0,69
0,59
0,54
0,65
0,68
0,80
0,94
1,11
1,34
1,53
1,35
1,26
1,28
1,12
1,08
1,10
0,97
1,07
1,12
1,17
1,10
1,07
0,94
0,66
0,62
0,56
0,57
0,69
0,60
0,84
0,95
1,07
1,23
1,34
1,42
1,50
1,40
1,31
1,24
18
1,18
1,19
1,09
0,98
0,83
0,74
0,71
0,77
0,61
0,70
0,54
0,56
0,68
0,80
0,94
1,10
1,35
1,51
1,36
1,27
1,24
1,10
1,10
0,99
1,13
1,21
1,19
1,12
1,08
0,98
0,95
0,65
0,61
0,55
0,57
0,63
0,67
0,83
0,96
1,07
1,25
1,34
1,41
1,49
1,42
1,32
1,22
1,16
19
1,07
1,24
1,18
0,78
0,75
0,80
0,81
0,62
0,71
0,55
0,60
0,68
0,79
0,93
1,10
1,34
1,51
1,34
1,27
1,25
1,07
1,01
1,17
1,25
1,21
1,18
1,10
1,02
0,97
0,87
0,65
0,71
0,54
0,61
0,54
0,68
0,83
0,96
1,08
1,25
1,36
1,41
1,48
1,41
1,33
1,12
1,30
1,40
20
1,23
1,19
0,93
0,85
0,88
0,70
0,62
0,63
0,49
0,60
0,68
0,79
0,92
1,09
1,33
1,50
1,34
1,25
1,25
0,99
1,15
1,27
1,27
1,19
1,10
1,07
1,00
0,92
0,85
0,73
0,66
0,53
0,52
0,49
0,67
0,84
0,95
1,07
1,26
1,36
1,44
1,48
1,40
1,08
1,28
1,37
1,28
1,18
21
1,17
0,76
0,83
0,93
0,84
0,70
0,52
0,55
0,61
0,68
0,80
0,92
1,09
1,33
1,50
1,33
1,25
1,24
1,17
1,06
1,24
1,22
1,12
1,05
1,01
0,98
0,89
0,78
0,68
0,56
0,51
0,44
0,48
0,66
0,83
0,96
1,06
1,25
1,37
1,44
1,51
1,40
1,22
1,38
1,29
1,18
1,02
0,95
22
0,80
0,87
0,82
0,76
0,59
0,61
0,56
0,61
0,69
0,79
0,93
1,08
1,32
1,49
1,33
1,25
1,15
1,27
1,06
1,26
1,12
1,05
1,02
0,98
0,92
0,84
0,72
0,61
0,54
0,47
0,45
0,58
0,65
0,82
0,96
1,08
1,24
1,36
1,45
1,51
1,18
1,27
1,27
1,20
1,05
0,97
0,93
0,96
23
0,81
0,74
0,60
0,64
0,62
0,56
0,61
0,69
0,81
0,92
1,09
1,31
1,48
1,32
1,09
1,25
1,07
1,24
1,18
1,10
1,22
0,97
0,93
0,86
0,75
0,66
0,58
0,52
0,47
0,44
0,58
0,64
0,81
0,94
1,07
1,26
1,35
1,44
1,52
1,22
1,28
1,14
1,04
1,00
0,97
0,99
0,97
0,96
24
0,78
0,70
0,63
0,62
0,57
0,62
0,69
0,81
0,94
1,08
1,32
1,47
1,31
1,19
1,31
1,27
1,24
1,08
1,04
1,23
1,17
1,09
0,77
0,92
0,81
0,55
0,51
0,48
0,55
0,58
0,65
0,79
0,93
1,05
1,25
1,38
1,43
1,51
1,18
1,15
1,07
0,97
0,98
1,03
1,02
0,98
0,87
0,75
Data
Hora
175
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
Demanda
Observada
0,592
0,494
0,437
0,467
0,437
0,471
0,537
0,789
1,083
1,432
1,702
1,643
1,584
1,486
1,377
1,238
1,235
1,202
1,159
1,181
1,117
0,886
0,731
0,722
1
0,67
0,63
0,56
0,57
0,63
0,70
0,88
1,01
1,14
1,38
1,48
1,44
1,55
1,54
1,49
1,39
1,36
1,34
1,29
1,21
1,09
0,93
0,79
0,70
2
0,62
0,56
0,56
0,60
0,70
0,87
1,01
1,13
1,34
1,21
1,29
1,36
1,37
1,34
1,34
1,32
1,31
1,18
1,05
1,13
0,77
0,69
0,65
0,64
3
0,55
0,57
0,60
0,67
0,87
0,85
1,01
1,12
1,18
1,27
1,64
1,32
1,33
1,33
1,31
1,21
1,07
1,20
1,11
0,91
0,67
0,64
0,61
0,56
4
0,56
0,49
0,64
0,82
0,97
1,08
1,13
1,16
1,54
1,66
1,27
1,43
1,38
1,26
1,12
1,22
1,22
1,10
0,90
0,82
0,69
0,59
0,50
0,52
5
0,65
0,67
0,96
1,01
1,07
1,10
1,44
1,53
1,62
1,32
1,30
1,33
1,17
1,32
1,24
1,21
1,12
0,88
0,81
0,57
0,56
0,51
0,53
0,46
6
0,66
0,83
1,01
1,00
1,05
1,42
1,52
1,60
1,53
1,22
1,37
1,36
1,34
1,24
1,23
1,11
0,90
0,80
0,67
0,50
0,60
0,53
0,46
0,46
7
0,82
1,06
0,95
1,25
1,42
1,50
1,60
1,52
1,44
1,38
1,32
1,34
1,25
1,23
1,13
0,89
0,82
0,66
0,56
0,61
0,54
0,46
0,46
0,50
8
0,96
0,96
1,24
1,36
1,50
1,57
1,51
1,43
1,35
1,33
1,30
1,26
1,25
1,12
0,91
0,81
0,57
0,56
0,60
0,54
0,47
0,46
0,50
0,63
9
0,89
1,25
1,35
1,43
1,57
1,49
1,42
1,33
1,30
1,32
1,22
1,25
1,14
0,91
0,82
0,74
0,57
0,59
0,53
0,47
0,47
0,51
0,62
0,84
10
1,23
1,36
1,42
1,50
1,48
1,40
1,33
1,28
1,28
1,24
1,22
1,15
0,92
0,74
0,68
0,56
0,60
0,52
0,46
0,47
0,51
0,63
0,83
1,09
Previso de Demandas
11
12
13
14
1,34 1,42 1,49 1,41
1,44 1,51 1,43 1,35
1,50 1,42 1,33 1,24
1,42 1,34 1,25 1,20
1,40 1,30 1,26 1,24
1,30 1,26 1,24 1,17
1,28 1,27 1,19 1,01
1,27 1,19 1,19 1,25
1,21 1,20 1,00 0,88
1,23 1,13 0,91 0,82
1,11 1,00 0,81 0,67
0,76 0,84 0,69 0,58
0,83 0,69 0,58 0,61
0,68 0,57 0,61 0,54
0,57 0,61 0,54 0,47
0,60 0,53 0,46 0,46
0,53 0,47 0,46 0,51
0,46 0,45 0,50 0,62
0,46 0,51 0,63 0,84
0,51 0,64 0,85 0,90
0,64 0,86 1,02 1,35
0,84 1,08 1,32 1,48
1,10 1,32 1,47 1,50
1,32 1,47 1,51 1,49
15
1,33
1,25
1,20
1,19
1,00
1,23
1,08
0,87
0,80
0,68
0,57
0,62
0,54
0,47
0,47
0,50
0,63
0,95
1,09
1,35
1,51
1,51
1,48
1,43
16
1,24
1,21
1,19
1,19
1,16
1,06
0,87
0,79
0,66
0,57
0,60
0,55
0,48
0,46
0,51
0,63
0,85
1,08
1,33
1,50
1,54
1,49
1,42
1,28
17
1,19
1,19
1,11
1,11
1,06
0,86
0,79
0,66
0,56
0,61
0,53
0,48
0,47
0,51
0,64
0,79
1,10
1,31
1,48
1,54
1,52
1,43
1,05
1,13
18
1,33
1,12
1,32
1,18
0,86
0,78
0,65
0,55
0,59
0,54
0,46
0,47
0,52
0,64
0,82
1,09
1,34
1,46
1,52
1,51
1,46
1,14
1,26
1,30
19
1,30
1,20
1,02
0,93
0,78
0,64
0,55
0,59
0,52
0,47
0,46
0,52
0,65
0,88
0,91
1,32
1,49
1,50
1,50
1,20
1,27
1,34
1,38
1,35
Observao: Para se obter as demandas dos ns, multiplicou-se tais valores pela demandas base do n correspondente.
20
1,01
0,96
0,91
0,74
0,64
0,54
0,58
0,52
0,46
0,46
0,51
0,65
1,00
0,98
1,35
1,48
1,53
1,47
1,24
1,44
1,42
1,38
1,34
1,27
21
0,91
0,97
0,74
0,61
0,54
0,57
0,52
0,45
0,45
0,51
0,63
0,87
1,04
1,34
1,50
1,51
1,22
1,29
1,43
1,46
1,37
1,30
1,26
1,22
22
0,96
0,75
0,61
0,52
0,57
0,51
0,45
0,45
0,50
0,64
0,84
1,11
1,10
1,50
1,29
1,32
1,46
1,43
1,41
1,36
1,28
1,24
1,22
1,17
23
0,83
0,62
0,51
0,61
0,51
0,44
0,45
0,49
0,62
0,85
1,15
1,20
1,32
1,35
1,50
1,47
1,47
1,36
1,31
1,30
1,26
1,19
1,11
0,98
24
0,63
0,62
0,61
0,48
0,44
0,44
0,49
0,62
0,83
1,26
1,26
1,43
1,50
1,47
1,55
1,41
1,40
1,29
1,28
1,24
1,13
1,34
1,15
0,71
176
PADRES DE DEMANDA JUNHO.
Data Hora
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
Dem anda
O bservada
0.59
0.53
0.48
0.50
0.51
0.52
0.62
0.86
1.17
1.50
1.59
1.54
1.52
1.47
1.39
1.32
1.31
1.28
1.25
1.02
0.86
0.80
0.72
0.70
0.70
0.63
0.58
0.53
0.58
0.59
0.74
0.97
1.30
1.50
1.56
1.49
1.49
1.39
1.27
1.08
1.15
1.22
1.13
0.94
0.88
0.84
0.79
0.65
1
0.62
0.55
0.52
0.48
0.50
0.58
0.74
0.95
1.25
1.49
1.65
1.65
1.61
1.52
1.43
1.37
1.32
1.29
1.21
1.14
1.00
0.86
0.75
0.68
0.65
0.62
0.59
0.56
0.56
0.61
0.76
0.96
1.24
1.53
1.68
1.67
1.50
1.36
1.23
1.16
1.13
1.15
1.18
1.10
0.97
0.85
0.75
0.68
2
0.53
0.48
0.50
0.57
0.57
0.69
0.92
1.44
1.62
1.66
1.60
1.48
1.41
1.33
1.29
1.24
1.18
1.08
0.96
0.84
0.75
0.67
0.63
0.61
0.59
0.56
0.56
0.61
0.60
0.68
0.90
1.20
1.64
1.69
1.56
1.41
1.22
1.15
1.13
1.14
1.15
1.11
1.04
0.89
0.77
0.69
0.63
0.62
3
0.50
0.57
0.54
0.56
0.69
0.93
1.22
1.56
1.57
1.49
1.40
1.31
1.29
1.24
1.17
1.07
1.23
1.12
0.97
0.87
0.82
0.62
0.59
0.56
0.56
0.61
0.58
0.58
0.69
0.89
1.23
1.65
1.56
1.40
1.24
1.17
1.14
1.15
1.15
1.10
1.03
0.91
0.80
0.86
0.83
0.64
0.63
0.65
4
0.53
0.52
0.57
0.68
0.93
1.23
1.54
1.35
1.33
1.33
1.32
1.28
1.22
1.10
1.31
1.23
1.12
0.98
0.86
0.80
0.60
0.59
0.59
0.65
0.57
0.58
0.58
0.66
0.90
1.21
1.61
1.39
1.56
1.54
1.17
1.22
1.18
1.13
1.03
1.14
1.06
0.97
0.88
0.83
0.64
0.68
0.71
0.58
5
0.54
0.55
0.69
0.92
1.23
1.47
1.31
1.56
1.27
1.31
1.28
1.14
1.30
1.30
1.22
1.11
0.97
0.87
0.79
0.73
0.59
0.68
0.58
0.57
0.59
0.58
0.67
0.87
1.23
1.47
1.29
1.54
1.53
1.17
1.27
1.20
1.04
0.93
1.15
1.06
0.98
0.87
0.85
0.65
0.72
0.61
0.58
0.57
6
0.56
0.67
0.93
1.45
1.37
1.28
1.56
1.46
1.24
1.18
1.32
1.28
1.31
1.22
1.11
0.97
0.86
0.80
0.73
0.60
0.63
0.59
0.57
0.59
0.59
0.66
0.88
1.38
1.33
1.57
1.57
1.51
1.14
1.20
1.10
0.95
1.15
1.16
1.07
0.97
0.87
0.83
0.75
0.65
0.61
0.58
0.57
0.59
7
0.69
0.90
1.38
1.21
1.59
1.58
1.46
1.45
1.40
1.31
1.30
1.29
1.22
1.10
0.96
0.86
0.79
0.62
0.74
0.62
0.59
0.58
0.59
0.59
0.67
0.87
1.25
1.44
1.59
1.55
1.54
1.11
1.07
0.96
1.08
1.17
1.15
1.07
0.98
0.86
0.71
0.82
0.66
0.61
0.58
0.58
0.59
0.72
8
0.92
1.24
1.21
1.56
1.57
1.48
1.45
1.34
1.29
1.29
1.31
1.21
1.11
0.96
0.85
0.79
0.76
0.68
0.61
0.58
0.58
0.59
0.59
0.68
0.88
1.14
1.45
1.54
1.57
1.52
1.41
1.20
1.08
1.09
1.15
1.17
1.06
0.98
0.71
0.80
0.70
0.65
0.63
0.58
0.58
0.60
0.72
0.91
9
1.23
1.42
1.59
1.55
1.47
1.46
1.34
1.24
1.27
1.30
1.22
1.09
0.96
0.85
0.75
0.72
0.68
0.62
0.57
0.57
0.59
0.59
0.68
0.89
1.14
1.44
1.55
1.52
1.54
1.39
1.22
1.07
1.08
1.16
1.15
1.08
0.97
0.84
0.99
0.70
0.65
0.61
0.60
0.58
0.59
0.73
0.91
1.14
10
1.45
1.54
1.58
1.45
1.46
1.35
1.24
1.21
1.28
1.22
1.11
0.95
0.75
0.78
0.72
0.68
0.61
0.57
0.56
0.58
0.60
0.68
0.89
1.12
1.18
1.54
1.53
1.49
1.41
1.21
1.09
1.06
1.14
1.16
1.06
0.83
0.93
0.84
0.71
0.65
0.62
0.58
0.59
0.59
0.73
0.93
1.18
1.25
Previso de
11
12
1.58 1.56
1.53 1.43
1.48 1.46
1.44 1.33
1.35 1.24
1.25 1.23
1.21 1.22
1.22 1.14
1.19 1.08
1.10 0.96
0.96 0.85
0.95 0.77
0.79 0.72
0.72 0.67
0.67 0.61
0.61 0.57
0.57 0.56
0.57 0.58
0.58 0.58
0.58 0.67
0.69 0.90
0.90 1.14
1.15 1.47
1.47 1.57
1.56 1.54
1.52 1.49
1.50 1.37
1.36 1.18
1.22 1.09
1.08 1.07
1.09 1.15
1.13 1.13
1.14 0.99
0.86 0.98
0.93 0.87
0.88 0.85
0.83 0.70
0.71 0.65
0.65 0.62
0.61 0.58
0.59 0.58
0.58 0.59
0.61 0.74
0.72 0.92
0.93 1.27
1.27 1.18
1.24 1.30
1.15 1.42
Dem andas
13
14
1.46 1.45
1.42 1.31
1.35 1.25
1.23 1.20
1.22 1.23
1.24 1.16
1.15 1.13
0.90 0.90
0.94 0.83
0.85 0.78
0.79 0.72
0.71 0.66
0.67 0.61
0.61 0.56
0.56 0.56
0.56 0.58
0.58 0.58
0.58 0.67
0.67 1.01
0.88 1.20
1.07 1.48
1.48 1.58
1.57 1.55
1.55 1.52
1.51 1.38
1.36 1.18
1.19 1.06
1.06 1.05
1.08 0.95
1.14 1.10
0.95 1.07
1.12 0.96
0.97 0.86
0.87 0.84
0.83 0.70
0.72 0.66
0.65 0.61
0.62 0.59
0.59 0.58
0.58 0.59
0.60 0.73
0.73 0.93
0.94 1.09
1.20 1.18
1.05 1.32
1.32 1.44
1.41 1.37
1.37 1.35
15
1.34
1.21
1.23
1.21
1.15
1.05
0.90
0.80
0.77
0.71
0.67
0.60
0.56
0.56
0.57
0.58
0.67
0.91
1.19
1.46
1.59
1.57
1.52
1.39
1.20
1.06
0.92
1.07
1.30
1.05
0.98
0.85
0.83
0.71
0.65
0.63
0.58
0.58
0.60
0.72
1.07
0.93
1.21
1.31
1.44
1.39
1.35
1.28
16
1.23
1.19
1.15
1.33
1.04
0.91
0.80
0.74
0.70
0.67
0.61
0.56
0.56
0.57
0.57
0.67
0.79
1.20
1.44
1.56
1.57
1.54
1.39
1.20
0.97
1.06
1.25
1.32
1.06
0.97
0.87
0.82
0.70
0.65
0.62
0.60
0.58
0.60
0.73
0.92
1.06
1.19
1.34
1.43
1.39
1.37
1.28
1.15
17
1.13
1.31
1.16
1.03
0.91
0.81
0.74
0.67
0.65
0.60
0.57
0.55
0.57
0.57
0.76
0.87
1.19
1.45
1.54
1.54
1.54
1.40
1.21
1.08
1.24
1.30
1.12
1.03
0.98
0.86
0.84
0.69
0.65
0.62
0.59
0.59
0.59
0.73
0.80
1.06
1.19
1.32
1.46
1.39
1.37
1.30
1.15
0.97
18
1.22
1.12
1.05
0.89
0.80
0.74
0.67
0.63
0.59
0.56
0.56
0.56
0.57
0.66
0.87
1.19
1.44
1.55
1.53
1.51
1.40
1.12
1.23
1.07
1.34
1.26
1.22
1.10
0.87
0.83
0.71
0.64
0.61
0.59
0.58
0.61
0.78
0.93
1.07
1.18
1.32
1.44
1.42
1.36
1.30
0.97
1.14
1.08
19
1.14
1.20
0.91
0.79
0.74
0.68
0.63
0.57
0.55
0.55
0.57
0.64
0.60
0.86
1.18
1.44
1.54
1.53
1.50
1.38
1.28
1.09
1.07
1.32
1.19
1.07
1.07
0.84
0.83
0.70
0.65
0.60
0.58
0.58
0.60
0.71
0.93
1.07
1.19
1.31
1.44
1.39
1.40
1.29
1.19
1.06
1.08
1.41
20
1.13
0.96
0.81
0.73
0.68
0.63
0.57
0.53
0.54
0.64
0.59
0.56
0.87
1.18
1.43
1.54
1.53
1.50
1.21
1.33
1.09
1.08
1.21
1.13
1.05
1.03
0.85
0.81
0.70
0.64
0.62
0.58
0.58
0.69
0.66
0.94
1.06
1.19
1.33
1.43
1.39
1.37
1.21
1.32
1.06
1.09
1.29
1.23
21
0.99
0.92
0.74
0.67
0.63
0.57
0.53
0.61
0.58
0.55
0.58
0.85
1.18
1.43
1.53
1.52
1.28
1.33
1.38
1.27
1.23
1.18
1.08
1.09
1.10
0.84
0.81
0.68
0.65
0.61
0.59
0.67
0.64
0.62
0.93
1.08
1.18
1.33
1.45
1.39
1.20
1.40
1.19
1.06
1.09
1.27
1.13
1.14
22
0.80
0.72
0.68
0.62
0.57
0.62
0.55
0.51
0.55
0.60
0.70
1.16
1.43
1.53
1.22
1.35
1.42
1.31
1.19
1.08
1.09
1.14
1.14
0.96
0.85
0.81
0.69
0.63
0.62
0.67
0.65
0.60
0.61
0.93
1.07
1.21
1.32
1.45
1.32
1.40
1.49
1.39
1.08
1.19
1.15
1.18
1.17
1.00
23
0.74
0.73
0.70
0.60
0.56
0.52
0.52
0.54
0.65
0.78
0.98
1.41
1.27
1.34
1.39
1.34
1.24
1.12
1.06
1.06
1.15
1.22
0.97
0.86
0.94
0.82
0.72
0.65
0.64
0.60
0.60
0.59
0.92
1.07
1.19
1.11
1.27
1.47
1.56
1.44
1.34
1.17
1.18
1.08
1.18
1.28
1.00
0.86
24
0.68
0.54
0.55
0.52
0.52
0.54
0.61
0.70
0.88
1.10
1.36
1.34
1.44
1.35
1.28
1.16
1.10
1.08
1.13
1.16
1.19
1.14
1.00
0.87
0.70
0.61
0.58
0.57
0.60
0.59
0.62
0.91
0.89
1.11
1.34
1.57
1.56
1.49
1.37
1.21
1.12
1.06
1.17
1.19
1.27
1.01
0.85
0.91
177
Data Hora
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
Demanda
Observada
0.61
0.55
0.54
0.53
0.57
0.76
0.98
1.21
1.38
1.41
1.51
1.42
1.31
1.23
1.12
1.07
1.18
1.24
1.16
1.05
0.94
0.82
0.75
0.66
0,58
0,56
0,55
0,56
0,64
0,82
1,00
1,22
1,38
1,41
1,36
1,35
1,21
1,12
1,03
1,13
1,29
1,28
1,20
1,00
0,93
0,89
0,79
0,70
1
0.62
0.62
0.62
0.65
0.69
0.77
0.91
1.12
1.33
1.47
1.48
1.42
1.26
1.13
1.10
1.12
1.18
1.25
1.23
1.14
1.01
0.84
0.75
0.68
0,63
0,59
0,60
0,60
0,63
0,72
0,87
1,07
1,31
1,47
1,53
1,46
1,33
1,19
1,14
1,14
1,25
1,36
1,35
1,25
1,02
0,84
0,71
0,65
2
0.62
0.65
0.58
0.61
0.74
1.10
1.25
1.40
1.43
1.38
1.26
1.13
1.33
1.06
1.15
1.21
1.22
1.17
1.03
0.88
0.76
0.67
0.65
0.62
0,61
0,60
0,64
0,71
0,86
1,05
1,24
1,42
1,52
1,49
1,38
1,28
1,17
1,18
1,27
1,11
1,38
1,30
1,12
0,93
0,74
0,82
0,61
0,61
3
0.57
0.57
0.59
0.74
0.95
1.09
1.38
1.34
1.24
1.16
1.42
1.08
1.10
1.18
1.21
1.13
1.04
1.16
1.02
0.88
0.66
0.63
0.62
0.60
0,63
0,56
0,61
0,74
0,98
1,07
1,19
1,47
1,40
1,27
1,22
1,21
1,25
1,10
1,13
1,31
1,14
0,94
0,99
0,87
0,82
0,60
0,62
0,63
4
0.57
0.59
0.72
0.95
1.08
1.33
1.19
1.47
1.44
1.16
1.16
1.24
1.17
1.13
1.01
1.27
1.15
1.04
0.88
0.64
0.66
0.62
0.65
0.56
0,57
0,60
0,74
0,97
1,06
1,21
1,39
1,26
1,22
1,23
1,28
1,33
1,31
1,30
1,16
1,24
1,13
0,99
0,85
0,84
0,62
0,63
0,68
0,56
5
0.58
0.72
0.92
1.08
1.27
1.12
1.45
1.43
1.21
1.30
1.21
1.17
0.98
1.25
1.28
1.14
1.04
0.90
0.79
0.65
0.68
0.57
0.57
0.56
0,61
0,72
0,97
1,05
1,37
1,31
1,21
1,21
1,33
1,36
1,35
1,27
1,11
1,23
1,26
1,12
0,99
0,85
0,82
0,63
0,69
0,60
0,56
0,55
6
0.71
0.92
1.06
1.21
1.12
1.47
1.18
1.20
1.24
1.18
1.01
1.13
1.26
1.27
1.15
1.03
0.89
0.80
0.63
0.75
0.59
0.56
0.57
0.60
0,73
0,95
1,05
1,26
1,17
1,23
1,27
1,38
1,39
1,28
1,13
0,97
1,22
1,25
1,14
0,99
0,85
0,82
0,67
0,62
0,60
0,56
0,55
0,57
7
0.91
1.16
1.14
1.17
1.24
1.26
1.22
1.13
1.02
0.90
1.14
1.27
1.28
1.13
1.03
0.88
0.64
0.71
0.64
0.59
0.58
0.56
0.61
0.72
0,96
1,03
1,19
1,15
1,22
1,34
1,38
1,30
1,16
0,98
1,13
1,24
1,25
1,13
1,00
0,84
0,67
0,77
0,61
0,61
0,57
0,56
0,58
0,69
8
1.12
1.12
1.22
1.31
1.32
1.17
1.31
1.20
1.10
1.14
1.28
1.29
1.14
1.02
0.89
0.70
0.73
0.66
0.59
0.57
0.58
0.60
0.74
0.95
1,17
1,15
1,19
1,25
1,30
1,34
1,18
1,00
1,13
1,13
1,24
1,27
1,13
1,00
0,86
0,76
0,73
0,61
0,60
0,58
0,56
0,58
0,69
0,93
9
1.19
1.24
1.26
1.24
1.40
1.34
1.18
1.09
1.13
1.28
1.30
1.15
1.03
0.88
0.87
0.72
0.65
0.60
0.57
0.58
0.62
0.72
0.97
1.16
1,16
1,22
1,28
1,27
1,21
1,08
1,13
1,12
1,14
1,24
1,27
1,15
0,99
0,76
0,94
0,72
0,61
0,60
0,57
0,57
0,58
0,69
0,94
0,95
10
1.22
1.17
1.39
1.40
1.33
1.20
1.07
1.12
1.27
1.30
1.16
1.04
0.86
0.78
0.73
0.65
0.60
0.58
0.58
0.61
0.74
0.95
1.19
1.21
1,23
1,20
1,15
1,34
1,22
1,16
1,12
1,14
1,25
1,27
1,15
1,01
0,90
0,82
0,73
0,61
0,60
0,56
0,56
0,59
0,70
0,95
0,95
1,28
Previso de Demandas
11
12
13
14
1.40 1.36 1.34 1.27
1.38 1.35 1.29 1.15
1.36 1.29 1.16 1.06
1.33 1.19 1.09 1.12
1.19 1.09 1.12 1.26
1.09 1.12 1.26 1.05
1.10 1.24 1.26 1.23
1.26 1.29 1.06 1.04
1.29 1.16 1.04 0.89
1.16 1.10 0.90 0.80
0.86 0.90 0.81 0.74
1.04 0.80 0.73 0.65
0.79 0.72 0.65 0.59
0.72 0.64 0.59 0.57
0.65 0.59 0.58 0.58
0.59 0.57 0.58 0.62
0.58 0.59 0.62 0.75
0.59 0.63 0.75 0.99
0.61 0.74 0.97 1.11
0.74 0.97 1.22 1.19
0.98 1.06 1.12 1.31
1.23 1.16 1.28 1.34
1.24 1.07 1.36 1.39
1.17 1.34 1.36 1.31
1,09 1,37 1,32 1,19
1,36 1,31 1,18 1,10
1,34 1,21 1,13 1,11
1,21 1,13 1,12 1,14
1,14 1,13 1,15 1,01
1,14 1,16 1,27 1,19
1,14 1,24 1,27 1,31
1,25 1,27 1,14 1,01
1,28 0,93 1,02 0,87
1,14 1,13 0,86 0,83
0,92 0,86 0,83 0,74
0,86 0,84 0,74 0,62
0,82 0,73 0,61 0,60
0,73 0,61 0,60 0,57
0,62 0,61 0,57 0,56
0,60 0,56 0,55 0,58
0,57 0,56 0,58 0,70
0,56 0,58 0,70 0,95
0,58 0,70 0,95 1,05
0,71 0,97 0,98 0,96
0,95 0,96 1,07 1,30
0,96 1,18 1,29 1,38
1,26 1,03 1,36 1,39
1,15 1,36 1,39 1,29
15
1.14
1.05
1.09
1.02
1.22
1.15
1.02
0.89
0.80
0.74
0.66
0.60
0.58
0.58
0.62
0.74
1.14
0.98
1.19
1.30
1.38
1.36
1.34
1.18
1,12
1,09
1,02
1,17
1,41
1,17
1,01
0,86
0,84
0,73
0,62
0,61
0,56
0,56
0,59
0,69
1,03
0,92
1,11
1,32
1,38
1,41
1,30
1,28
16
1.04
0.99
1.16
1.45
1.14
1.04
0.87
0.80
0.73
0.66
0.60
0.58
0.58
0.61
0.75
0.97
1.07
1.21
1.31
1.36
1.40
1.31
1.21
1.11
1,01
1,15
1,39
1,46
1,16
1,03
0,86
0,84
0,74
0,62
0,61
0,57
0,56
0,58
0,70
0,90
0,80
1,11
1,30
1,41
1,41
1,31
1,28
1,19
17
1.13
1.33
1.45
1.14
1.03
0.89
0.78
0.73
0.65
0.60
0.59
0.59
0.62
0.74
0.82
1.06
1.21
1.33
1.37
1.39
1.35
1.18
0.99
1.15
1,12
1,42
1,51
1,15
1,02
0,88
0,84
0,74
0,63
0,61
0,57
0,57
0,58
0,70
0,81
0,96
1,11
1,30
1,38
1,44
1,31
1,29
1,20
1,05
18
1.37
1.42
1.11
1.03
0.89
0.80
0.72
0.65
0.60
0.59
0.59
0.62
0.84
0.97
1.06
1.19
1.33
1.40
1.39
1.34
0.97
1.12
1.12
1.11
1,23
1,44
1,15
1,01
0,87
0,85
0,74
0,62
0,61
0,57
0,56
0,59
0,78
0,95
0,97
1,11
1,30
1,38
1,41
1,34
1,30
1,02
1,30
1,16
19
1.29
1.24
1.19
0.89
0.79
0.73
0.64
0.60
0.58
0.59
0.63
0.72
0.98
1.05
1.20
1.31
1.39
1.42
1.34
1.11
1.14
1.09
1.13
1.22
1,47
1,29
1,01
0,86
0,84
0,75
0,62
0,61
0,58
0,56
0,59
0,72
0,95
0,97
1,13
1,29
1,38
1,41
1,31
1,09
1,26
1,20
1,16
1,21
20
1.12
1.12
0.86
0.79
0.72
0.65
0.58
0.58
0.59
0.72
0.64
0.99
1.06
1.19
1.32
1.37
1.41
1.15
1.30
1.13
1.13
1.11
1.24
1.37
1,32
0,98
0,86
0,84
0,75
0,63
0,61
0,57
0,57
0,59
0,67
0,96
0,96
1,12
1,31
1,37
1,41
1,05
1,23
1,24
1,20
1,18
1,38
1,33
21
1.12
0.86
0.77
0.73
0.65
0.60
0.57
0.58
0.63
0.76
1.00
1.07
1.20
1.31
1.38
1.40
1.27
1.23
1.13
1.12
1.14
1.39
1.39
1.28
1,00
0,84
0,83
0,74
0,63
0,62
0,57
0,57
0,67
0,62
0,96
0,98
1,11
1,30
1,39
1,40
1,29
1,50
1,21
1,22
1,41
1,35
1,17
1,18
22
0.85
0.77
0.71
0.65
0.59
0.58
0.61
0.59
0.75
1.00
1.08
1.21
1.32
1.37
1.28
1.42
1.23
1.16
1.12
1.13
1.44
1.28
1.34
0.99
0,85
0,81
0,74
0,62
0,61
0,58
0,67
0,62
0,58
0,96
0,98
1,13
1,30
1,38
1,34
1,44
1,30
1,21
1,20
1,38
1,18
1,20
1,15
1,18
23
0.76
0.70
0.76
0.69
0.61
0.58
0.57
0.64
0.99
1.08
1.22
1.07
1.20
1.36
1.56
1.21
1.15
1.14
1.14
1.38
1.38
1.27
1.01
0.85
0,82
0,72
0,62
0,61
0,69
0,64
0,57
0,57
0,97
0,97
1,13
1,07
1,26
1,47
1,32
1,47
1,43
1,34
1,23
1,22
1,17
1,24
1,16
0,92
24
0.73
0.62
0.55
0.56
0.57
0.62
0.69
0.80
0.90
1.05
1.27
1.43
1.45
1.49
1.22
1.14
1.13
1.16
1.35
1.35
1.33
1.15
0.86
0.92
0,80
0,70
0,69
0,63
0,58
0,57
0,58
0,96
0,88
1,09
1,31
1,54
1,54
1,51
1,45
1,26
1,20
1,18
1,19
1,26
1,20
1,17
1,00
0,90
178
Data Hora
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
Demanda
Observada
0,64
0,58
0,57
0,53
0,56
0,66
0,89
1,09
0,93
1,12
1,30
1,45
1,37
1,32
1,29
1,13
1,08
1,13
1,29
1,40
1,14
0,89
0,87
0,79
0,70
0,58
0,53
0,56
0,53
0,69
0,88
1,05
1,17
1,28
1,33
1,39
1,38
1,36
1,25
1,14
1,10
1,21
1,28
1,15
1,04
0,86
0,82
0,72
1
0,62
0,61
0,61
0,61
0,61
0,68
0,80
1,02
1,26
1,36
1,42
1,39
1,36
1,23
1,19
1,20
1,20
1,17
1,12
1,07
1,03
0,92
0,78
0,69
0,61
0,56
0,52
0,51
0,55
0,62
0,78
0,97
1,17
1,32
1,40
1,36
1,30
1,18
1,14
1,12
1,09
1,10
1,10
1,06
0,95
0,84
0,74
0,67
2
0,61
0,61
0,64
0,58
0,81
0,99
0,97
1,13
1,51
1,48
1,43
1,29
1,23
1,19
1,21
1,21
1,17
1,08
0,98
0,87
0,80
0,69
0,61
0,55
0,52
0,51
0,54
0,49
0,63
0,95
0,97
1,33
1,38
1,38
1,34
1,21
1,14
1,10
1,13
1,13
1,08
1,03
0,95
0,86
0,75
0,67
0,61
0,57
3
0,64
0,54
0,57
0,69
1,12
0,98
1,12
1,51
1,42
1,36
1,30
1,21
1,23
1,23
1,17
1,08
0,99
0,89
0,80
0,88
0,63
0,72
0,53
0,51
0,54
0,51
0,49
0,62
0,81
0,95
1,16
1,36
1,27
1,53
1,52
1,40
1,14
1,15
1,13
1,05
1,20
1,10
0,97
0,69
0,62
0,57
0,54
0,53
4
0,54
0,56
0,68
0,95
0,95
1,13
1,45
1,36
1,27
1,27
1,25
1,23
1,23
1,11
0,98
1,20
1,10
0,98
0,89
0,76
0,73
0,53
0,58
0,63
0,51
0,50
0,62
0,80
0,97
1,34
1,31
1,46
1,50
1,48
1,43
1,12
1,19
1,10
0,99
1,23
1,09
0,96
0,84
0,62
0,58
0,57
0,60
0,55
5
0,57
0,67
0,93
0,96
1,26
1,32
1,32
1,31
1,30
1,25
1,24
1,14
1,02
1,19
1,21
1,09
0,98
0,90
0,77
0,72
0,60
0,66
0,54
0,50
0,49
0,63
0,80
0,96
1,34
1,11
1,47
1,51
1,45
1,39
1,09
1,09
1,04
1,18
1,25
1,12
0,95
0,83
0,76
0,63
0,66
0,54
0,55
0,51
6
0,67
0,91
0,94
1,30
1,15
1,30
1,35
1,35
1,24
1,16
1,06
1,16
1,22
1,23
1,10
0,98
0,90
0,77
0,59
0,64
0,56
0,54
0,51
0,49
0,63
0,81
0,96
1,25
1,09
1,45
1,52
1,46
1,37
1,26
1,02
1,16
1,20
1,26
1,13
0,97
0,82
0,75
0,59
0,63
0,55
0,55
0,52
0,57
7
0,92
0,93
1,22
1,22
1,23
1,35
1,32
1,17
1,04
1,20
1,19
1,20
1,25
1,11
0,98
0,89
0,77
0,67
0,64
0,56
0,55
0,51
0,50
0,62
0,80
0,97
1,16
1,35
1,47
1,50
1,47
1,38
1,24
1,18
1,18
1,19
1,28
1,14
0,99
0,84
0,74
0,67
0,62
0,56
0,56
0,52
0,57
0,64
8
0,93
1,21
1,22
1,30
1,22
1,20
1,05
1,23
1,21
1,18
1,24
1,24
1,14
1,00
0,90
0,64
0,82
0,64
0,57
0,54
0,52
0,50
0,63
0,80
0,96
1,14
1,09
1,46
1,52
1,45
1,39
1,25
1,16
1,15
1,21
1,27
1,16
0,99
0,85
0,66
0,79
0,61
0,55
0,57
0,53
0,58
0,64
0,81
9
1,23
1,23
1,25
1,18
1,30
1,31
1,22
1,22
1,19
1,23
1,27
1,12
1,02
0,91
0,81
0,73
0,64
0,57
0,56
0,51
0,50
0,63
0,81
1,09
1,12
1,13
1,47
1,51
1,47
1,37
1,25
1,16
1,13
1,18
1,29
1,15
1,02
0,86
0,83
0,70
0,60
0,55
0,56
0,54
0,58
0,65
0,81
1,00
10
1,22
1,13
1,38
1,31
1,28
1,23
1,21
1,20
1,24
1,26
1,15
1,00
0,83
0,78
0,74
0,63
0,57
0,56
0,52
0,50
0,64
0,81
1,11
1,08
1,12
1,47
1,51
1,46
1,39
1,24
1,17
1,14
1,16
1,26
1,17
1,00
0,82
0,77
0,71
0,62
0,54
0,56
0,53
0,59
0,65
0,82
1,16
1,13
Previso de
11
12
1,34 1,37
1,36 1,26
1,29 1,27
1,29 1,21
1,20 1,19
1,22 1,20
1,19 1,23
1,24 1,27
1,27 1,15
1,14 1,03
0,85 0,94
1,00 0,79
0,80 0,76
0,74 0,65
0,64 0,57
0,57 0,55
0,55 0,52
0,52 0,51
0,51 0,65
0,63 0,81
0,82 1,16
1,10 1,09
1,12 1,36
1,34 1,45
1,47 1,52
1,52 1,47
1,46 1,38
1,37 1,24
1,25 1,17
1,15 1,13
1,14 1,17
1,17 1,24
1,23 1,12
1,14 0,95
0,85 0,88
0,98 0,78
0,79 0,73
0,71 0,63
0,63 0,56
0,55 0,56
0,55 0,52
0,52 0,58
0,58 0,66
0,66 0,84
0,83 1,10
1,14 0,99
1,06 1,31
1,30 1,41
Demandas
13
14
1,27 1,26
1,25 1,17
1,19 1,18
1,20 1,18
1,17 1,21
1,24 1,07
1,27 1,32
1,07 1,04
1,03 0,94
0,93 0,81
0,81 0,77
0,75 0,65
0,66 0,59
0,58 0,56
0,55 0,52
0,52 0,51
0,51 0,65
0,65 0,83
0,83 1,05
1,11 1,17
1,03 1,38
1,36 1,47
1,47 1,52
1,50 1,45
1,46 1,38
1,39 1,25
1,25 1,16
1,16 1,13
1,14 1,17
1,16 1,23
1,25 1,08
0,92 0,98
1,10 0,84
0,86 0,77
0,80 0,73
0,72 0,64
0,65 0,58
0,56 0,57
0,57 0,54
0,53 0,58
0,57 0,64
0,65 0,83
0,84 0,93
1,04 1,19
1,17 1,34
1,32 1,43
1,41 1,46
1,45 1,42
15
1,18
1,15
1,16
1,06
1,26
1,16
1,03
0,94
0,81
0,77
0,67
0,58
0,57
0,53
0,51
0,64
0,83
0,95
1,20
1,37
1,50
1,52
1,47
1,37
1,25
1,17
1,13
1,16
1,08
1,20
0,99
0,85
0,76
0,71
0,65
0,57
0,59
0,54
0,59
0,66
0,90
0,84
1,18
1,35
1,45
1,47
1,42
1,35
16
1,16
1,02
1,23
1,47
1,13
1,04
0,94
0,81
0,77
0,67
0,60
0,57
0,54
0,52
0,65
0,93
0,83
1,20
1,40
1,48
1,55
1,47
1,39
1,24
1,17
0,93
1,08
1,20
1,32
0,98
0,85
0,77
0,70
0,63
0,58
0,58
0,55
0,60
0,67
0,84
1,00
1,16
1,34
1,46
1,49
1,44
1,36
1,27
17
1,21
1,40
1,23
1,14
1,01
0,94
0,81
0,77
0,67
0,59
0,58
0,53
0,53
0,65
0,83
0,99
1,20
1,40
1,51
1,53
1,49
1,39
1,25
1,16
1,08
1,25
1,29
1,30
0,99
0,84
0,77
0,70
0,62
0,56
0,59
0,55
0,61
0,67
0,78
1,03
1,14
1,33
1,45
1,51
1,46
1,37
1,28
1,18
18
1,19
1,44
1,12
1,02
0,92
0,82
0,77
0,67
0,60
0,58
0,55
0,52
0,67
0,74
0,99
1,19
1,40
1,52
1,56
1,48
1,41
1,25
1,09
1,20
1,29
1,33
1,28
0,98
0,85
0,76
0,71
0,63
0,55
0,57
0,56
0,60
0,78
0,71
1,05
1,18
1,31
1,44
1,49
1,47
1,38
1,29
1,14
1,34
19
1,37
1,22
1,18
0,93
0,79
0,77
0,67
0,60
0,58
0,55
0,54
0,75
0,86
1,01
1,20
1,39
1,51
1,56
1,51
1,40
1,14
1,22
1,30
1,27
1,25
1,25
1,18
0,84
0,77
0,70
0,63
0,56
0,56
0,54
0,61
0,71
0,87
1,05
1,20
1,34
1,41
1,48
1,46
1,40
1,15
1,35
1,15
1,16
20
1,16
1,06
0,91
0,80
0,76
0,67
0,60
0,58
0,55
0,53
0,68
0,85
1,03
1,21
1,40
1,51
1,56
1,51
1,42
1,24
1,35
1,30
1,26
1,17
1,16
1,16
0,85
0,76
0,71
0,62
0,56
0,57
0,53
0,71
0,65
0,86
1,07
1,20
1,36
1,45
1,45
1,45
1,18
1,37
1,21
1,16
1,17
1,38
21
1,10
1,06
0,79
0,76
0,66
0,60
0,58
0,55
0,54
0,63
0,87
1,01
1,24
1,42
1,52
1,55
1,21
1,30
1,34
1,33
1,30
1,19
1,14
1,11
1,11
0,85
0,77
0,70
0,63
0,55
0,57
0,54
0,63
0,55
0,88
1,06
1,23
1,37
1,48
1,49
1,42
1,41
1,53
1,23
1,17
1,41
1,37
1,22
22
0,90
0,77
0,75
0,66
0,59
0,58
0,55
0,63
0,61
0,87
1,04
1,22
1,45
1,53
1,56
1,28
1,47
1,38
1,31
1,21
1,17
1,10
1,10
1,07
1,01
0,77
0,70
0,62
0,56
0,56
0,64
0,57
0,66
0,85
1,08
1,21
1,40
1,48
1,24
1,40
1,47
1,51
1,22
1,19
1,41
1,25
1,23
0,90
23
0,78
0,81
0,65
0,59
0,65
0,63
0,60
0,59
0,87
1,04
1,26
1,43
1,27
1,39
1,40
1,42
1,37
1,28
1,18
1,12
1,11
1,07
1,05
0,94
0,85
0,79
0,73
0,56
0,64
0,56
0,48
0,66
0,84
1,05
1,23
1,38
1,22
1,50
1,64
1,56
1,44
1,40
1,40
1,34
1,28
1,14
1,08
0,95
24
0,77
0,63
0,63
0,60
0,57
0,58
0,64
0,75
0,93
1,14
1,31
1,38
1,52
1,50
1,37
1,30
1,25
1,17
1,12
1,07
1,05
0,97
0,88
0,77
0,69
0,65
0,59
0,56
0,49
0,59
0,67
0,85
1,03
0,99
1,27
1,44
1,64
1,68
1,58
1,42
1,31
1,26
1,26
1,22
1,13
0,96
0,85
0,71
179
Data Hora
00:00
01:00
02:00
03:00
04:00
05:00
06:00
07:00
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
Demanda
Observada
0,64
0,56
0,50
0,53
0,52
0,63
0,88
1,05
1,19
1,27
1,44
1,39
1,40
1,34
1,30
1,18
1,17
1,24
1,26
1,10
0,99
0,89
0,81
0,74
1
0,63
0,57
0,53
0,51
0,57
0,67
0,82
1,04
1,26
1,41
1,46
1,43
1,39
1,29
1,24
1,24
1,21
1,18
1,11
1,03
0,92
0,82
0,75
0,68
2
0,55
0,53
0,57
0,66
0,66
0,86
1,21
1,42
1,50
1,50
1,43
1,33
1,28
1,24
1,23
1,21
1,12
1,02
0,92
0,83
0,74
0,68
0,63
0,54
3
0,58
0,52
0,58
0,64
0,84
1,05
1,19
1,48
1,43
1,37
1,32
1,24
1,25
1,23
1,15
1,04
1,19
1,06
0,76
0,69
0,63
0,56
0,49
0,54
4
0,53
0,58
0,65
0,82
1,04
1,20
1,37
1,32
1,30
1,29
1,27
1,20
1,19
1,08
1,21
1,20
1,05
0,93
0,84
0,76
0,68
0,61
0,46
0,51
5
0,59
0,65
0,83
1,01
1,19
1,35
1,24
1,26
1,29
1,26
1,19
1,09
1,01
1,23
1,20
1,06
0,92
0,84
0,77
0,68
0,61
0,56
0,53
0,52
6
0,66
0,83
1,02
1,30
1,28
1,25
1,24
1,26
1,21
1,11
1,02
1,20
1,25
1,23
1,06
0,93
0,83
0,77
0,69
0,56
0,56
0,53
0,53
0,52
7
0,84
1,02
1,27
1,16
1,22
1,23
1,48
1,44
1,37
1,28
1,23
1,23
1,25
1,08
0,94
0,84
0,76
0,69
0,62
0,56
0,53
0,53
0,54
0,55
8
1,03
1,24
1,16
1,43
1,51
1,50
1,41
1,36
1,27
1,23
1,26
1,22
1,10
0,95
0,84
0,77
0,70
0,62
0,57
0,53
0,53
0,54
0,56
0,66
9
1,21
1,14
1,44
1,47
1,48
1,43
1,33
1,27
1,23
1,26
1,25
1,08
0,97
0,86
0,70
0,69
0,61
0,56
0,54
0,53
0,54
0,56
0,68
0,89
10
1,10
1,44
1,48
1,44
1,41
1,34
1,24
1,22
1,25
1,25
1,11
0,95
0,76
0,79
0,69
0,61
0,56
0,54
0,54
0,54
0,56
0,68
0,90
1,14
Previso de Demandas
11
12
13
14
1,46 1,50 1,47 1,40
1,48 1,45 1,38 1,29
1,45 1,38 1,30 1,21
1,37 1,29 1,20 1,16
1,32 1,23 1,19 1,21
1,25 1,21 1,23 1,23
1,20 1,22 1,22 1,20
1,25 1,24 0,96 0,97
1,25 1,10 0,97 0,88
1,11 1,00 0,88 0,80
0,98 0,88 0,80 0,72
0,97 0,78 0,70 0,63
0,80 0,71 0,64 0,59
0,70 0,63 0,58 0,55
0,62 0,57 0,54 0,54
0,56 0,54 0,54 0,54
0,53 0,53 0,54 0,56
0,54 0,55 0,57 0,69
0,55 0,57 0,69 0,88
0,57 0,68 0,99 1,22
0,68 0,91 1,21 1,48
0,91 0,99 1,48 1,61
1,08 1,47 1,59 1,55
1,44 1,56 1,52 1,45
15
1,31
1,21
1,17
1,18
1,19
1,08
0,95
0,87
0,80
0,72
0,64
0,57
0,56
0,55
0,55
0,57
0,68
0,78
1,23
1,49
1,61
1,56
1,48
1,42
16
1,23
1,17
1,17
1,36
1,07
0,96
0,85
0,80
0,71
0,64
0,59
0,55
0,56
0,56
0,57
0,78
0,91
1,23
1,50
1,61
1,56
1,49
1,45
1,31
17
1,18
1,37
1,19
1,04
0,94
0,86
0,78
0,71
0,64
0,59
0,56
0,55
0,57
0,58
0,70
0,92
1,21
1,50
1,63
1,57
1,50
1,46
1,34
1,25
18
1,21
1,19
1,05
0,92
0,85
0,79
0,70
0,64
0,59
0,56
0,56
0,56
0,59
0,65
0,93
1,22
1,48
1,63
1,58
1,50
1,46
1,34
1,14
1,30
19
1,20
1,05
0,93
0,83
0,78
0,70
0,63
0,59
0,56
0,56
0,57
0,66
0,61
0,94
1,23
1,50
1,61
1,58
1,51
1,47
1,14
1,33
1,46
1,41
Observao: Para se obter as demandas dos ns, multiplicou-se tais valores pela demandas base do n correspondente.
20
1,06
0,92
0,84
0,76
0,69
0,63
0,57
0,56
0,56
0,67
0,63
0,70
0,96
1,25
1,51
1,62
1,56
1,52
1,48
1,33
1,49
1,44
1,37
1,21
21
0,94
0,83
0,76
0,67
0,62
0,58
0,55
0,56
0,63
0,57
0,72
0,94
1,27
1,53
1,63
1,58
1,50
1,37
1,44
1,46
1,39
1,24
1,15
1,04
22
0,84
0,76
0,68
0,61
0,57
0,55
0,62
0,59
0,53
0,72
0,96
1,25
1,56
1,66
1,59
1,28
1,41
1,47
1,37
1,25
1,16
1,07
1,05
0,97
23
0,77
0,79
0,73
0,65
0,63
0,58
0,51
0,49
0,72
0,96
1,28
1,53
1,69
1,33
1,40
1,48
1,37
1,28
1,16
1,09
1,07
1,04
0,99
0,87
24
0,73
0,64
0,60
0,55
0,51
0,48
0,48
0,71
0,96
1,28
1,57
1,66
1,47
1,51
1,38
1,30
1,16
1,11
1,08
1,07
1,05
0,96
0,84
0,70