UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA CIVIL CURSO DE ENGENHARIA AMBIENTAL

UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE

CENTRO DE TECNOLOGIA

DEPARTAMENTO DE ENGENHARIA CIVIL

CURSO DE ENGENHARIA AMBIENTAL

HEITOR ARAUJO NASCIMENTO

OTIMIZAÇÃO DO ATENDIMENTO DA DEMANDA PRIORITÁRIA DO

RESERVATÓRIO MARECHAL DUTRA

HEITOR ARAUJO NASCIMENTO

OTIMIZAÇÃO DO ATENDIMENTO DA DEMANDA PRIORITÁRIA

DO RESERVATÓRIO MARECHAL DUTRA

Trabalho de Conclusão de Curso apresentado ao colegiado do curso de Engenharia Ambiental da Universidade Federal do Rio Grande do Norte como parte dos requisitos necessários para a obtenção do Título de Bacharel em Engenharia Ambiental.

Orientadora: Profª. Dra Adelena Gonçalves Maia

Universidade Federal do Rio Grande do Norte - UFRN Sistema de Bibliotecas - SISBI

Catalogação de Publicação na Fonte. UFRN - Biblioteca Central Zila Mamede Nascimento, Heitor Araújo.

Otimização do atendimento da demanda prioritária do reservatório Marechal Dutra / Heitor Araújo Nascimento. - 2021.

29f.: il.

Monografia (Graduação) - Universidade Federal do Rio Grande do Norte, Centro de Tecnologia, Engenharia Ambiental, Natal, 2021.

Orientadora: Dra. Adelena Gonçalves Maia.

1. Marechal Dutra - Dissertação. 2. Otimização -

Dissertação. 3. Função Objetivo - Dissertação. 4. Regra de Racionamento - Dissertação. I. Maia, Adelena Gonçalves. II. Título.

HEITOR ARAUJO NASCIMENTO

OTIMIZAÇÃO DO ATENDIMENTO DA DEMANDA PRIORITÁRIA

DO RESERVATÓRIO MARECHAL DUTRA

Trabalho de Conclusão de Curso apresentado à Universidade Federal do Rio Grande do Norte como parte dos requisitos para obtenção do título de Bacharel em Engenharia Ambiental;

BANCA EXAMINADORA

_____________________________________ Dra. Adelena Gonçalves Maia - Orientadora

_____________________________________

Eng. Layan Soares Gomes - Examinador externo

_____________________________________ Eng. Maurício De Gois Gomes - Examinador externo

Otimização do atendimento da demanda prioritária do reservatório

Marechal Dutra

RESUMO

Existe uma tendência do aumento do número de pessoas vivendo em estresse hídrico, devido ao crescimento populacional, atrelado com a intensificação da seca, ausência de planejamento e ações institucionais coordenadas desencadeiam cenários de Insegurança Hídrica e, no limite, a instalação de crises, tais como as que afetaram o Brasil nos últimos sete anos. A operação de um reservatório, para o atendimento das suas demandas, pode ser feita através da definição de uma política de operação, política de operação padrão e a regra de racionamento acopladas a curvas-guias. Esta pesquisa foi realizada no reservatório Marechal Dutra localizado no município de Acari (RN), e foram testadas diversas alternativas referentes ao índice de desempenho a ser utilizado como função objetivo, confiabilidade, confiabilidade volumétrica, resiliência e vulnerabilidade, período de análise do índice de desempenho, úmido e seco, e diferentes demandas, prioritária e total. A otimização da eficiência do reservatório foi realizada a partir cinco cenários diferentes desenvolvidos por meio de algoritmo genético. Os resultados mostraram que todas as funções objetivo conseguem atender bem as demandas de uso prioritário, sendo que o índice de confiabilidade mostrou ser o que apresentou ter os melhores resultados. Utilizar diferentes períodos para analise não apresentou ganhos significativos na simulação do reservatório. Porém, ao simular utilizando a demanda total, o reservatório mostrou incapaz de atender a demanda mínima, havendo falhas no atendimento.

ABSTRACT

There is a trend towards an increase in the number of people living in water stress, due to population growth, coupled with the intensification of drought, lack of planning and coordinated institutional actions, trigger scenarios of Water Insecurity and, at the limit, the onset of crises, such as those that have affected Brazil in the past seven years. The operation of a reservoir, to meet your demands, can be done through the definition of an operating policy, standard operating policy and the hedging rule coupled with guide curves. This research will be carried out in the Marechal Dutra reservoir located in the municipality of Acari (RN), and several alternatives will be tested regarding the performance index to be used as an objective function, reliability, volumetric reliability, resilience and vulnerability, period of analysis of the performance index, wet and dry, and different demands, priority and total. The optimization of the reservoir efficiency was carried out based on five different scenarios developed by means of a genetic algorithm. The results showed that all objective functions are able to meet the demands of priority use well, and the reliability index proved to be the one that showed the best results. Using different periods for analysis did not show significant gains in the reservoir simulation. However, when simulating using total demand, the reservoir proved unable to meet the minimum demand, with service failures.

LISTA DE FIGURAS

Figura 1: Localização do reservatório Marechal Dutra...10

Figura 2: Variação de volume (hm3_{) do reservatório Marechal Dutra ao longo tempo...11}

Figura 3: Variação média mensal da precipitação (P) e evaporação (E) ao longo do ano...12

Figura 4: Exemplo de racionamento...13

Figura 5: Variáveis intervenientes na operação de um reservatório...13

Figura 6: Arquitetura do AG de simulação-otimização...15

Figura 7: Indicadores de performance. (a) Confiabilidade, (b) Confiabilidade volumétrica, (c) Resiliência, (d) Vulnerabilidade...20

Figura 8: Regra operativa pelo Cenário Padrão...21

Figura 9: Regra operativa pelo Cenário 4...21

Figura 10: Variação do volume ao longo do período simulado no Cenário Padrão e Cenário 4...22

Figura 11: Indicadores de performance. (a) Confiabilidade, (b) Confiabilidade volumétrica, (c) Resiliência, (d) Vulnerabilidade...23

Figura 12: Indicadores de performance. (a) Confiabilidade, (b) Confiabilidade volumétrica, (c) Resiliência, (d) Vulnerabilidade...24

SUMÁRIO

1. INTRODUÇÃO ... 8

2. METODOLOGIA ... 9

2.1 Área de Estudo ... 9

2.2 Dados de entrada do modelo ... 11

2.3. Regra de Operação de Reservatórios ... 12

2.3.1 Definição da regra de operação ... 12

2.3.2 Modelo de Simulação de Reservatórios ... 13

2.4 Otimização do Sistema ... 14

2.5 Simulações propostas ... 16

2.5.1 Função objetivo ... 16

2.5.2 Período de aplicação da função objetivo ... 17

2.5.3 Demanda a ser atendida ... 18

2.5.4 Cenários ... 18

3. RESULTADOS E DISCUSSÕES ... 19

3.1 Análise das funções objetivo com relação a demanda prioritária ... 19

3.2 Análise de desempenho pelo período de aplicação ... 20

3.3 Análise de desempenho com diferentes demandas: ... 24

4. CONCLUSÕES ... 25

9

1. INTRODUÇÃO

Existe uma tendência do aumento do número de pessoas vivendo em estresse hídrico devido ao crescimento populacional no último século, aumentando assim a demanda por água, atrelado ao fato de estarmos vivendo num período de eventos hidrológicos extremos, com a intensificação de seca. Os fatores de desequilíbrio de balanço hídrico, associados à ausência de planejamento e ações institucionais coordenadas e de investimentos em infraestrutura hídrica e saneamento, desencadeiam cenários de Insegurança Hídrica e, no limite, a instalação de crises, tais como as que afetaram o Brasil nos últimos sete anos (ANA,2019).

A região do semiárido do Nordeste brasileiro caracterizada pela heterogeneidade temporal das chuvas associada às elevadas taxas de temperatura e evaporação. Com precipitação média anual igual ou inferior a 800 milímetros e temperaturas médias anuais elevadas, iguais e superiores a 25ºC, esse tipo climático abarca quase todo o interior do Nordeste, incluindo ampla parte do território do estado do Rio Grande do Norte-RN (LUCENA, 2018). A precipitação ocorre de forma concentrada em alguns meses do ano, dessa forma, os reservatórios desempenham um papel importante na regulação das vazões para o atendimento das demandas da região. Como a operação do reservatório tem um alto impacto na sociedade ou na economia, a política operacional do reservatório é essencial para a gestão de recursos hídricos. (GUO, 2013)

A operação de um reservatório, para o atendimento das suas demandas, pode ser feita através da definição de uma política de operação. Esta política define o volume de água a ser liberado em função de variáveis e controle, como o volume atual de água acumulado no reservatório. Temos duas regras bastantes aplicadas, a política de operação padrão (Standard Operating Policy – SOP, em inglês) e a regra de racionamento (Hedgin rules, em inglês) acopladas a curvas-guias.

10

que o volume armazenado seja preservado e em períodos de estiagem futuros o reservatório consiga satisfazer as demandas sem grandes déficits (SHIH & REVELLE, 1994; SRINIVASAN & PHILIPOSE, 1996; GOMES et al, 2019).

Estudo realizado por Moreira & Celeste (2016) compararam diferentes regras de operação para avaliar qual seria a melhor otimização para um reservatório em Sergipe. Inicialmente, cem diferentes meses de 100 anos de dados de influxo são gerados sinteticamente e empregados como entrada para um modelo de otimização de operação determinística em a fim de construir um banco de dados de dados operacionais ideais, utilizado para ajustar as curvas mensais da regra do reservatório por meios de análises.

Definições referentes às condições de contorno e função objetivo devem ser realizadas para a definição das regras de operação através da otimização do sistema. Neste sentido este trabalho visa estudar algumas alternativas destas definições a serem empregadas na área de estudo. Esta pesquisa foi realizada no reservatório Marechal Dutra localizado no município de Acari (RN), e foram testadas diversas alternativas referentes ao índice de desempenho a ser utilizado como função objetivo, período de análise do índice de desempenho – considerando a divisão entre período úmido e seco, a demanda a ser aplicada o índice de desempenho.

2. METODOLOGIA

2.1. Área de Estudo

11

Figura 1: Localização do reservatório Marechal Dutra

Fonte: INPE, 2020

O reservatório Marechal Dutra possui uma área de 805,67 ha, tendo sua capacidade máxima de 44,4 hm3 e um volume morto de 1,68 hm3. Possui uma demanda total de 0,923 m3/s, onde 0,142 m3_{/s é de uso prioritário para abastecimento humano e pecuária, de acordo com a} lei de nº 9.433 de 1997 (ANA, 2018).

Com relação ao clima, a cidade de Acari é do tipo BSw’h’, da classificação climática de Kôppen, caracterizado por um clima muito quente e semi-árido, tendo uma temperatura anual média de 27,5 °C (HIDROSERVICE, 1998).

12

Figura 2: Variação de volume (hm3) do reservatório Marechal Dutra ao longo desde 2000

Fonte: IGARN, 2020

2.2 Dados de entrada do modelo

Para a simulação do balanço hídrico do reservatório serão utilizados os seguintes dados de entrada: Curva cota-área-volume (CAV), disponibilizada pela SEMARH (SEMARH,2021); Capacidade máxima do reservatório (Smáx); Volume morto (Smin); Vazão afluente (QΔt); para o estudo foram utilizados dados históricos mensais entre janeiro de 1923 e dezembro de 2012; Precipitação (PΔt); Evaporação (EΔt) e Demanda (Dt) (ANA, 2018).

13

Figura 3: Variação média mensal da precipitação (P) e evaporação (E) ao longo do ano

Fonte: ANA, 2018

Dados de demanda foram obtidos a partir do plano de recursos hídricos da bacia Piancó‐ Piranhas‐Açu (ANA, 2018).

Tabela 1: Demandas hídricas associadas ao reservatório Marechal Dutra.

Fonte: ANA, 2018.

Usos da Água Demandas (m3_{/s) Acumulado (%)}

14

2.3. Regra de Operação de Reservatórios

A regra de operação padrão (Standard Operating Policy – SOP, em inglês), que é a mais simples e mais utilizada, libera a demanda solicitada em cada período , caso haja água disponível. No entanto, devido a água disponibilizada em um determinado período, se o fluxo de entrada nos períodos seguintes for pequeno, ocorrerão grandes danos causados pela falta de água, isto significa que o SOP induz a déficits frequentes ao longo do tempo (MEN et al, 2019).

Segundo Xu et al (2019), as regras de racionamento são adotadas para reduzir o risco de graves faltas de água no futuro, bem como para melhorar os benefícios gerais do fornecimento de água (apud BOWER et al., 1962). Assim, para minimizar o impacto da seca e a consequente escassez no abastecimento de água atual e futuro, será utilizado as curvas-guia acopladas às regras de racionamento para equilibrar a falta de abastecimento de água com a meta de armazenamento. (TU et al, 2003)

2.3.1 Definição da regra de operação

As curvas-guias consistem em delimitar zonas de armazenamento de água para o atendimento das demandas. Quando o nível inicial de armazenamento do reservatório está acima do volume V1 (figura 4), a demanda Dt será atendida em sua totalidade, quando o volume do reservatório se encontrar na zona 2 do modelo, será necessário realizar um racionamento na entrega da demanda, entregando uma demanda fracionada α1Dt, sendo 0<α1<1. Para secas severas, quando o armazenamento do reservatório se encontra na zona 3, menos água é liberada do reservatório, atendendo uma demanda de α2Dt, onde 0< α2<α1<1. (TU et al., 2008)

Figura 4: Exemplo de racionamento.

15

2.3.2 Modelo de Simulação de Reservatórios

A otimização da curva-guia pode ser realizada utilizando o algoritmo de balanço hídrico do reservatório e a utilização de uma função objetivo a ser otimizada. O modelo de balanço hídrico de um reservatório define a evolução do volume do reservatório, ao longo de um período de tempo, em função de um conjunto de variáveis (BRAVO, 2006). A figura 4 apresenta as principais variáveis intervenientes na operação de um reservatório.

Figura 5: Variáveis intervenientes na operação de um reservatório

Fonte: BRAVO, 2006.

O modelo de balanço hídrico é determinado por uma equação de continuidade em cada intervalo de tempo (equação 1):

𝑆_𝑡+∆𝑡 = 𝑆_𝑡+ 𝑃_𝑡− 𝐷_𝑡− 𝐸_𝑡 + 𝑄_𝑡 (1) Onde S(t+∆t) é o volume final no intervalo de tempo “∆t”, St é o volume inicial; Pt é o volume precipitado no intervalo de tempo “∆t” calculado; Dt é a demanda de água captada no intervalo de tempo “∆t”; Et é o volume evaporado de água no intervalo de tempo “∆t”; Qt é a vazão afluente natural no intervalo de tempo “∆t”.

O modelo irá considerar as restrições impostas nas equações 2 e 3. Sendo considerado falha quando o S(t+∆t) for menor que o volume morto do reservatório (Smin), e se S(t+∆t) for maior que o volume máximo do reservatório, indicará que está ocorrendo o vertimento de água.:

16

𝑆_𝑡+∆𝑡 ≤ 𝑆_𝑚á𝑥 (3)

2.4 Otimização do Sistema

A otimização do sistema foi realizada utilizando algoritmo genético como ferramenta para a definição das variáveis V1, V2, a1 e a2, apresentadas na figura 4. Algoritmos genéticos (AG) são técnicas de busca e otimização baseadas nos princípios da seleção natural e genética (CHANG et al, 2005). A otimização foi realizada com o processo de simulação da operação do reservatório através do balanço hídrico do mesmo.

Figura 6: Arquitetura do AG de simulação-otimização.

Fonte:CHANG ET AL, 2010, apud MORAIS, 2020.

17

mudança para uma nova geração: seleção, cruzamento e mutação. A operação de seleção ajuda a identificar os melhores indivíduos, incluídas no processo de reprodução, para desenvolver a próxima geração de cadeias, por cruzamento ou mutação (CHANG ET AL, 2010, apud MORAIS, 2020).O cruzamento forma novos indivíduos a partir de dois outros, combinando parte da informação genética de cada um, enquanto a mutação é um operador genético que altera aleatoriamente os valores dos genes de um indivíduo inicial. (SCRUCCA, 2013).

Nesta pesquisa, a otimização das simulações do balanço hídrico foi realizada utilizando o pacote “GA” desenvolvido por Scrucca (2013), desenvolvido para a linguagem computacional R (R CORE TEAM, 2018). Este pacote busca a implementação de pesquisa de algoritmos genéticos em ambos os casos contínuos e discretos, seja restrito ou não, podendo definir facilmente sua própria função objetivo, dependendo do problema em questão (SCRUCCA, 2013).

Na otimização da operação no reservatório Marechal Dutra, foram realizadas limitações na função objetivo (FO) buscando maximizar a eficiência dos índices de desempenho do reservatório, respeitando as restrições:

FO = indice − Penalty1 – c. Penalty2 (4) Penalty1 = max(𝑔⃗, 0) (5)

Penalty2 = max ((α2− α1), 0) (6)

Onde 𝑔⃗ é o vetor de diferença entre V2 e V1 em cada mês, “c” é uma ponderação aplicada para considerar a diferença de ordem de grandeza dos valores de alfa e os valores de V, essas penalidades foram utilizadas para garantir que V2 <V1 e α2<α1.

Na aplicação da otimização utilizando o pacote GA, assumimos que um número de população igual a 100, com critério de parada de no máximo 100 interações e uma taxa de mutação de 0,05.

2.5 Simulações propostas

Para esta otimização diferentes cenários de função objetivo, período de aplicação da função objetivo e demanda a ser atendida, serão testados, conforme a presentado a seguir:

18

A otimização da alocação de água tem como objetivo atender as demandas hídricas da sociedade com a redução da perda no volume do reservatório e com um melhor atendimento das futuras necessidades da população. Assim, serão estudadas diferentes funções objetivo, sendo utilizadas para tanto os índices de desempenho apresentados a seguir:

Segundo Ahmad et al. (2016), confiabilidade é definida como a probabilidade de o sistema atender a demanda, como é apresentada na equação 7.

𝐶𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 = 1 −𝐹

𝑁 (7)

Onde F é o número de meses que o sistema não atendeu a demanda no período determinado e N o número de meses simulado.

A confiabilidade volumétrica rv, apresentado por Jain & Bhunya (2008), é expressada pela equação 8.

𝑟_𝑣 = 𝑉𝑠

𝑉𝑑 (8)

Onde Vs é o volume de água fornecido e Vd o volume de água demandado durante um determinado período.

A resiliência descreve a rapidez com que um sistema provavelmente se recuperará de uma falha (LONGOBARDI et al, 2014). A resiliência pode ser expressada pela equação 9.

𝑅𝑒𝑠𝑖𝑙𝑖𝑒𝑛𝑐𝑖𝑎 = 𝑁º 𝑑𝑒 𝑣𝑒𝑧𝑒𝑠 𝑞𝑢𝑒 𝑎𝑡𝑒𝑛𝑑𝑒 𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑎𝑝ó𝑠 𝑎 𝑓𝑎𝑙ℎ𝑎

𝑁º 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑓𝑎𝑙ℎ𝑎𝑠 (9)

Por fim, será determinado a vulnerabilidade do sistema, medida utilizada para calcular a magnitude da falha no atendimento em um sistema hídrico (Ahmad et al., 2016). O índice de vulnerabilidade pode ser descrito a partir da equação 11.

𝑣_𝑗 = ∑𝑑𝑗 [𝐷_𝑡− 𝑅_𝑡] 𝑡=1 (10) 𝑉𝑢𝑙𝑛𝑒𝑟𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 = 1 Dt ∑ 𝑣𝑗 𝑁 𝑗=1 (11)

Onde 𝑣𝑗 representa a magnetite na falha em cada período, Dt é a demanda alvo, Rt é a liberação controlada.

19

A simulação irá utilizar dois períodos específicos, úmido e seco, para analisar como o sistema irá se comportar ao longo do tempo e realizar uma otimização na regularização de água nestes dois períodos. Assim, para classificar os períodos seco e úmido no ano, será com base na obtenção da série histórica de vazões naturais e cálculo das médias mensais, tabela 2, ordenando as vazões médias em ordem crescente, assim os meses que forem menores ou iguais que o percentil de 25% será considerado como seco. (GOMES, 2020)

Tabela 2: Percentual acumulado das vazões afluentes médias

Fonte: Autor, 2020.

Portanto, com base na análise de dados, o reservatório apresenta 8 meses de período seco, entre julho e fevereiro, e 4 meses de período úmido, entre março e junho.

2.5.3 Demanda a ser atendida

Serão utilizadas duas demandas para aplicação da função objetivo, sendo a de uso prioritário (D1), que engloba o abastecimento humano e pecuária, e a demanda total (D2), que engloba todos os usos, incluindo as demandas de irrigação e indústria.

2.5.4 Cenários

Para obter uma melhor otimização do sistema, foram analisados diversos cenários de abastecimento, com funções objetivos, demandas e períodos de aplicação diferentes para o reservatório Marechal Dutra:

• Cenário Padrão: Tem a confiabilidade como função objetivo, aplicada à demanda prioritária (D1) e considerando a mesma regra para todos os meses do ano

• Cenário 1: Tem a confiabilidade volumétrica como função objetivo, aplicada à demanda prioritária (D1) e considerando a mesma regra para todos os meses do ano.

20

• Cenário 3: Tem a vulnerabilidade como função objetivo, aplicada à demanda prioritária (D1) e considerando a mesma regra para todos os meses do ano. • Cenário 4: Tem a confiabilidade como função objetivo, aplicada à demanda

prioritária (D1) e considerando regras de operação diferenciadas para os meses secos e úmidos.

• Cenário 5: Tem a confiabilidade como função objetivo, aplicada à demanda total (D2) e considerando a mesma regra para todos os meses do ano.

3. RESULTADOS E DISCUSSÕES:

3.1 Análise das funções objetivo com relação a demanda prioritária:

Na análise das funções objetivo, foram obtidos os valores das variáveis da regra de racionamento pela otimização durante o período de 1913 e 2012 (1200 meses), considerando apenas a demanda prioritária (tabela 3). Todos os cenários conseguiram atingir a demanda mínima requerida, atingindo índices de confiabilidade e de confiabilidade volumétrica acima de 90% (figura 7), com o Cenário Padrão apresentando o melhor resultado (100%).

Tabela 3: Variáveis das regras de racionamento com período continuo e demanda prioritária.  1  2 V1 (hm3) V2(hm3) Cenário padrão 0,483 0,287 3,052 2,350 Cenário 1 0,995 0,813 10,533 10,527 Cenário 2 0,546 0,461 3,431 3,303 Cenário 3 0,987 0,554 6,758 2,502 (Autor, 2021).

21

Figura 7: Indicadores de performance. (a) Confiabilidade, (b) Confiabilidade volumétrica, (c) Resiliência, (d) Vulnerabilidade

Fonte: Autor, 2021.

Portanto, as simulações mostraram que o reservatório é capaz de atender a demanda prioritária sem gerar déficits (D1) e utilizar os índices de confiabilidade e de resiliência como a função objetivo na otimização do sistema, mostraram ser boas opções, por apresentarem resultados ótimos em todos os índices de desempenho aplicados no estudo, além de só precisar realizar o racionamento quando o reservatório estiver próximo do volume morto (1,68 hm3_).

3.2 Análise de desempenho pelo período de aplicação:

22

3,052hm3 e 2,350 hm3, e 71,3% (2 = 0,287) de racionamento da demanda entre 2,350hm3 e o volume morto (1,68 hm3), e do Cenário 4, que obteve um racionamento de 23,90% (1 = 0,761) da demanda entre 9,406 hm3 e 4,056 hm3 , nos períodos secos determinados, 14,756 hm3 e 7,035 hm3, nos períodos úmidos, abaixo disso, foi determinado um racionamento de 35,2% (2 = 0,648).

Figura 8: Regra operativa pelo Cenário Padrão.

Fonte: Autor, 2021.

Figura 9: Regra operativa pelo Cenário 4.

23

A simulação do cenário 4, que leva em consideração os períodos seco e úmido, mostrou que não houve ganhos significativos na variação de volume do reservatório em relação ao cenário padrão (figura 10) e nem nos índices de desempenho hídrico (figura 11). Portanto, para o uso da demanda prioritária, não é interessante utilizar as regras de racionamento do cenário 4 (tabela 4), este cenário apresentou a necessidade de racionamento em níveis mais elevados do reservatório, impactando na distribuição da demanda, já que o reservatório atinge diversas vezes o volume mínimo para iniciar o racionamento deste cenário durante a variação de volume do período simulado.

Figura 10: Variação do volume ao longo do período simulado no Cenário Padrão e Cenário 4

24

Figura 11: Indicadores de performance. (a) Confiabilidade, (b) Confiabilidade volumétrica, (c) Resiliência, (d) Vulnerabilidade

Fonte: Autor, 2021.

3.3 Análise de desempenho com diferentes demandas:

Para analisar o desempenho do reservatório com diferentes demandas (D1 e D2), foi comparado o cenário padrão e o cenário 5 por apresentarem o mesmo índice de desempenho hídrico e sem ter considerado os períodos de aplicação. Na tabela 5, mostra os dados a serem aplicados da curva-guia para o racionamento do reservatório a partir do cenário 5, obtendo um racionamento de 44% (1 = 0,56) da demanda deste cenário entre 5,21 hm3 e 5,19 hm3, e 97,16% (2 = 0,0284) de racionamento da demanda entre 5,19 hm3 e o volume morto (1,68 hm3_).

Tabela 5: Variáveis da regra de racionamento do Cenário 4.  1  2 V1(hm3) V2 (hm3) Cenário padrão 0,483 0,287 3,052 2,350

25

Figura 12: Indicadores de performance. (a) Confiabilidade, (b) Confiabilidade volumétrica, (c) Resiliência, (d) Vulnerabilidade

Fonte: Autor, 2021

Os resultados (figura 12) mostraram uma queda na confiabilidade para 69.5% no cenário 5, o que mostra ser incapaz de atender a demanda mínima de 90%, requerida na política estadual de recursos hídricos. A resiliência foi de 16,24%, o que implica em dizer que o sistema no cenário 5 terá mais dificuldade em se recuperar caso haja alguma falha, consequentemente a vulnerabilidade do sistema aumentou para 29,53%.

26

Figura 13: Variação do volume ao longo do período simulado no Cenário padrão e Cenário 5.

Fonte: Autor, 2021.

4. CONCLUSÕES

Este trabalho mostrou como a aplicação de diversas funções objetivo em diferentes demandas estudadas e períodos de aplicação pode influenciar na definição da regra de operação de um reservatório, utilizando algoritmo genético como ferramenta.

Diante desses resultados obtidos na otimização do reservatório Marechal Dutra, pode-se concluir que todas as funções objetivo conpode-seguem atender bem as demandas de uso prioritário, sendo que o índice de confiabilidade e resiliência mostraram ser o que apresentaram ter os melhores resultados na análise dos índices de avaliação, além de impor o racionamento apenas em volumes reduzidos do reservatório.

Utilizar diferentes períodos de aplicação no racionamento não mostrou ter melhorias significativas no balanço hídrico e também nos índices de desempenho hídrico que justifique a utilização dessa metodologia no estudo aplicado em demandas de uso prioritário do reservatório.

27

28

REFERÊNCIAS

Agência Nacional de Águas (Brasil). Plano Nacional de Segurança Hídrica. Agência Nacional de Águas. – Brasília: ANA, 2019.

Agência Nacional do Águas (Brasil). Plano de recursos hídricos da bacia hidrográfica do rio Piancó-Piranhas-Açu: resumo executivo / Agência Nacional de Águas. – Brasília: ANA, 2018.

Agência Nacional de Águas (Brasil). Reservatórios do Semiárido Brasileiro: Hidrologia, Balanço Hídrico e Operação: Anexo B / Agência Nacional de Águas - Brasília: ANA, 2017.

AHMADIANFAR, Iman; ADIB, Arash; TAGHIAN, Mehrdad. Optimization of multi-reservoir operation with a new hedging rule: application of fuzzy set theory and NSGA-II. Applied Water Science, v. 7, n. 6, p. 3075-3086, 2017.

BRAVO, Juan Martín et al. Otimização de regras de operação de reservatórios utilizando um algoritmo evolutivo. Simpósio Brasileiro de Recursos Hídricos do Sul-Sudeste (1.: 2006 ago. 27-29: Curitiba). Recursos hídricos e gestão territorial: anais. [Curitiba]: ABRH, 2006., 2006.

BRAVO, J. M. “Otimização da operação de um reservatório com base na previsão de vazão”. Dissertação (Mestrado em Recursos Hídricos e Saneamento Ambiental) - Instituto de Pesquisas Hidráulicas, Universidade Federal do Rio Grande do Sul. Porto Alegre. 134 pp., 2006.

BRAVO, Juan Martín et al. Otimização de regras de operação de reservatórios com incorporação da previsão de vazão. Revista Brasileira de Recursos Hídricos, v. 13, n. 1, p. 181-196, 2008.

CARVALHO, F. S.; BUARQUE, D. C.; CARVALHO, G. S.(2002). Disponibilidade Hídrica da Bacia Hidrográfica do Rio São Miguel, am Alagoas. In: VI Simpósio de Recursos Hídricos do Nordeste. Maceió-AL.

CASTRO, Maria Helena Faustino Martins de. Alocação quali-quantitativa de água em reservatórios de regiões semiáridas. 2018. Dissertação de Mestrado. Brasil.

29

CHANG, Fi‐John; CHEN, Li; CHANG, Li‐Chiu. Optimizing the reservoir operating rule curves by genetic algorithms. Hydrological Processes: An International Journal, v. 19, n. 11, p. 2277-2289, 2005.

CHIU, Yu‐Chen; CHANG, Li‐Chiu; CHANG, Fi‐John. Using a hybrid genetic algorithm– simulated annealing algorithm for fuzzy programming of reservoir operation. Hydrological Processes: An International Journal, v. 21, n. 23, p. 3162-3172, 2007.

CPRM - Serviço Geológico do Brasil. Projeto cadastro de fontes de abastecimento por água subterrânea: Diagnóstico do Município de Acari/RN. Recife: CPRM/PRODEEM, 2005

GOMES, Maurício de Gois; MEDEIROS, Joana D’arc Freire; MAIA, Adelena Gonçalves. Otimização da alocação de água em reservatório semiárido em cenários de escassez hídrica. Trabalho técnico apresentado no XXIII Simpósio Brasileiro de Recursos Hídricos, v. 17, 2019. GOMES, Layan Soares; Regra De Operação De Reservatório Isolado: Uma Aplicação Da Lógica Fuzzy; Universidade Federal do Rio Grande do Norte. 2020

GUO, Xuning et al. Extension of parametric rule with the hedging rule for managing multireservoir system during droughts. Journal of Water Resources Planning and Management, v. 139, n. 2, p. 139-148, 2013.

HIDROSERVICE. Plano Estadual de Recursos Hidricos do Rio Grande do Norte. Natal, SERHID, 1998

INPE. Instituto Nacional de Pesquisas Espaciais. Disponível em: <http://www.inpe.br/>. Acesso em: Novembro, 2020

LONGOBARDI, A.; MAUTONE, M.; DE LUCA, C. Reservoirs performances under climate variability: a case study. Proceedings of the International Association of Hydrological Sciences, v. 364, p. 526-531, 2014.

LUCENA, Clara Yasmim De Souza et al. O reuso de águas residuais como meio de convivência com a seca no semiárido do Nordeste Brasileiro. Revista de Geociências do Nordeste, v. 4, p. 1-17, 2018

30

MEN, Baohui et al. Reservoir Operation Policy based on Joint Hedging Rules. Water, v. 11, n. 3, p. 419, 2019.

MORAIS, A. A. C. . Definição de regra de operação de reservatórios com uso de previsões climáticas sazonais / Andressa Adna Cavalcante Morais. 2020. Dissertação de Mestrado. Universidade Federal do Rio Grande do Norte.

MOREIRA, Rafael Motta De Santana; CELESTE, Alcigeimes B. Performance evaluation of implicit stochastic reservoir operation optimization supported by long-term mean inflow forecast. Stochastic Environmental Research and Risk Assessment, v. 31, n. 9, p. 2357-2364, 2017.

MOURA, Eulina Maria de. Avaliação da disponibilidade hídrica e da demanda hídrica no trecho do Rio Piranhas-Açu entre os açudes Coremas-mãe D´ água e Armando Ribeiro Gonçalves. 2007. Dissertação de Mestrado. Universidade Federal do Rio Grande do Norte.

PADILLA, Francisco et al. A numerical solution for the integrated analysis of water resources management: Application to the Mero River watershed, La Coruña, Spain. 2015

R CORE TEAM, 2018. R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria: [s. n.], 2018. Disponível em: https://www.r-project.org/

SEMARH. Secretaria do Meio Ambiente e dos Recursos Hídricos. 2021. Disponível em: <http://sistemas.searh.rn.gov.br/monitoramentovolumetrico>.

TU, Ming-Yen; HSU, Nien-Sheng; YEH, William W.-G. Optimization of reservoir management and operation with hedging rules. Journal of Water Resources Planning and Management, v. 129, n. 2, p. 86-97, 2003.

TU, Ming-Yen et al. Optimization of hedging rules for reservoir operations. Journal of Water Resources Planning and Management, v. 134, n. 1, p. 3-13, 2008.

XU, Zhihao et al. Is water shortage risk decreased at the expense of deteriorating water quality in a large water supply reservoir?. Water research, v. 165, p. 114984, 2019.