POSMARH COORDENAÇÃO DE CURSO DE PÓS-GRADUAÇÃO EM MEIO AMBIENTE E RECURSOS HÍDRICOS INSTITUTO DE RECURSOS NATURAIS Telefone/Ramal: (35)3629-1449/1449

Banca de DEFESA: SARA MARIA MARQUES

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : SARA MARIA MARQUES
DATA : 30/03/2026
HORA: 14:00
LOCAL: Itajubá ( Google Meet) link: meet.google.com/qzj-tahe-yru
TÍTULO:
Estudo de operação otimizada de uma rede benchmark com aplicação de protótipo de gêmeo digital adaptativo aliado a redes neurais recorrentes do tipo Long Short Term Memory e algoritmos genéticos

PALAVRAS-CHAVES:

Integração físico-virtual; Análise preditiva; Operação eficiente; Redes de distribuição de água.


PÁGINAS: 128
RESUMO:

As mudanças climáticas e o uso indiscriminado da água têm levado à escassez de recursos hídricos, intensificando a crise hídrica. Esses fatores colocam em risco o abastecimento de água eficiente para a população. Com isso, o desenvolvimento de técnicas e metodologias para garantir a operação ótima de uma rede de distribuição de água torna-se essencial. Dessa forma, o trabalho desenvolvido elaborou um método para a previsão e otimização de perdas de uma rede de distribuição de água de um sistema benchmark. A metodologia consistiu em utilizar três ferramentas de maneira conjunta, com o objetivo de prever os piores cenários de perdas da rede de estudo para as próximas 24 horas de funcionamento. Essas ferramentas foram: o protótipo de gêmeo digital adaptativo para a troca simultânea de dados entre servidor e cliente; a rede neural recorrente LSTM para previsão dos piores cenários de perdas; e o algoritmo genético para a otimização desses cenários com base na configuração ideal dos parâmetros operacionais — bombas, válvulas e reservatórios. Para isso, foi utilizada a linguagem de programação Python e suas bibliotecas, como WebSocket, Scikit-Learn e Keras (TensorFlow). Os cenários mais adversos de perdas encontrados variaram entre 51% e 53%, correspondendo a um aumento médio de 15,44% nas perdas do sistema estudado, o que mostra que a rede neural utilizada foi eficiente. A otimização desses cenários, realizada pelo algoritmo genético, encontrou uma redução média dos valores de perdas de 11,42%, sendo que a maior redução ocorreu na hora 9, com valor de 12,02%. O algoritmo genético também retornou os valores dos parâmetros da rede que levaram a essa redução, permitindo ao sistema conhecê-los e evitá-los. Com isso, a abordagem realizada mostrou-se promissora, pois foi possível realizar a prototipagem por meio do gêmeo digital e, assim, conduzir estudos mais destrutivos sem comprometer o sistema real. Além disso, foi possível tornar o sistema mais eficiente, através do conhecimento dos cenários adversos e com isso, poder evitá-los.


MEMBROS DA BANCA:
Interno - 3309587 - BENEDITO CLAUDIO DA SILVA
Presidente - 1516452 - FERNANDO DAS GRACAS BRAGA DA SILVA
Externo à Instituição - IRAN EDUARDO LIMA NETO - UFC
Externo ao Programa - 3141916 - IVAN FELIPE SILVA DOS SANTOS - UNIFEIExterna à Instituição - JOICE CRISTINI KURITZA DENCK GONÇALVES - UFPR
Notícia cadastrada em: 12/03/2026 21:12
SIGAA | DTI - Diretoria de Tecnologia da Informação - (35) 3629-1080 | Copyright © 2006-2026 - UFRN - sigaa07.unifei.edu.br.sigaa07