ANÁLISE DE AGRUPAMENTOS E COMPONENTES PRINCIPAIS APLICADAS ÀS SÉRIES TEMPORAIS DE ENERGIA NATURAL AFLUENTE NO BRASIL

Thales da Silva Barroso Pessoa; Felipe Leite Coelho Da Silva

Todos os Trabalhos

Trabalho

Título do Trabalho

ANÁLISE DE AGRUPAMENTOS E COMPONENTES PRINCIPAIS APLICADAS ÀS SÉRIES TEMPORAIS DE ENERGIA NATURAL AFLUENTE NO BRASIL

Autores

Thales da Silva Barroso Pessoa
Felipe Leite Coelho Da Silva

Modalidade

Resumo

Área temática

Ciências Exatas e da Terra - Matemática

Data de Publicação

27/03/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/xii-reuniao-anual-iniciacao-cientifica-da-ufrrj-raic/1326098-analise-de-agrupamentos-e-componentes-principais-aplicadas-as-series-temporais-de-energia-natural-afluente-no-br

ISBN

978-65-272-2302-3

Palavras-Chave

K-médias; Energia Natural Afluente; Análise de componentes Principais

Resumo

A matriz energética brasileira, fortemente dependente de fontes renováveis, tem na geração hidrelétrica seu principal pilar, sendo suscetível às vulnerabilidades climáticas (1). Em 2024, as hidrelétricas representaram cerca de 60% da capacidade de geração do país (2), o que torna o estudo da Energia Natural Afluente (ENA) um fator determinante para a segurança energética e o planejamento de longo prazo (3). A ENA, que quantifica o volume de água disponível para geração nas usinas e é diretamente influenciada pelos regimes de chuva, tem seus dados históricos disponibilizados pelo Operador Nacional do Sistema Elétrico (ONS). Neste contexto, o presente estudo propõe-se a investigar os padrões de comportamento da ENA nas bacias hidrográficas brasileiras por meio de uma abordagem de análise multivariada. Para a análise, foram empregadas as técnicas de Análise de Componentes Principais (PCA) e de agrupamento (clustering), implementadas com o suporte das linguagens de programação R (4) e Python (5). A PCA foi utilizada como etapa de pré-processamento para reduzir a dimensionalidade dos dados, condensando a variabilidade original em um conjunto menor de componentes não correlacionados. Essa abordagem otimizou a subsequente aplicação dos algoritmos de agrupamento, realçando os padrões estruturais latentes nos dados. A etapa de agrupamento utilizou os métodos hierárquico aglomerativo e K-médias, aplicados sobre as componentes principais com base na distância euclidiana. A escolha do número ótimo de agrupamentos foi validada pelo método do cotovelo (elbow method), que apontou k=3 como a configuração ideal, resultando na segmentação das bacias em três grupos com perfis hidrológicos distintos. Os resultados revelaram a formação de agrupamentos consistentes, evidenciando, por exemplo, um grupo distinto composto pelas bacias b9, b4 e b13, que apresentaram maior dissimilaridade em relação às demais. A análise do dendrograma e dos grupos formados corrobora a existência de macrorregiões com comportamento hidrológico similar, cujo entendimento é valioso para otimizar a gestão compartilhada de reservatórios e a alocação de energia. Conclui-se que a metodologia combinada de PCA e clustering se mostrou robusta e eficaz para desvendar padrões de semelhança entre as bacias hidrográficas, fornecendo uma ferramenta analítica poderosa para o planejamento do setor elétrico. As conclusões deste trabalho oferecem insights para o desenvolvimento de estratégias de gestão de recursos hídricos mais eficientes e sustentáveis, aumentando a resiliência do sistema elétrico nacional diante das incertezas hidrológicas e climáticas. (1)LUCENA, A. F. P. et al. The vulnerability of renewable energy to climate change in Brazil. Energy Policy, Amsterdam, v. 37, n. 3, p. 879-889, 2009. (2)EMPRESA DE PESQUISA ENERGÉTICA (EPE). Expansão da geração. [S. l.], 2024. Disponível em: https://www.epe.gov.br/pt/areas-de-atuacao/energia-eletrica/expansao-da-geracao/fontes. Acesso em: 4 maio 2025. (3)SILVA, F. L. C. et al. A bottom-up methodology for long term electricity consumption forecasting of an industrial sector – application to pulp and paper sector in Brazil. Energy, [S. l.], v. 144, p. 1107-1118, 2018. Disponível em: http://www.sciencedirect.com/science/article/pii/S0360544217321217. Acesso em: [inserir data]. (4)R CORE TEAM. R: A Language and Environment for Statistical Computing. Vienna: R Foundation for Statistical Computing, 2022. Disponível em: http://www.R-project.org. Acesso em: [inserir data]. (5)PYTHON SOFTWARE FOUNDATION. Python Language Site: Documentation. [S. l.], 2022. Disponível em: https://www.python.org/doc/. Acesso em: 10 nov. 2022.

Título do Evento: XII Reunião Anual de Iniciação Científica da UFRRJ (RAIC 2025) & VI Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação (RAIDTec 2025)
Cidade do Evento: Seropédica
Título dos Anais do Evento: Anais da Reunião Anual de Iniciação Científica e Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação da UFRRJ - Justiça climática: por um mundo mais sustentável, justo e igualitário
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

PESSOA, Thales da Silva Barroso; SILVA, Felipe Leite Coelho Da. ANÁLISE DE AGRUPAMENTOS E COMPONENTES PRINCIPAIS APLICADAS ÀS SÉRIES TEMPORAIS DE ENERGIA NATURAL AFLUENTE NO BRASIL.. In: Anais da Reunião Anual de Iniciação Científica e Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação da UFRRJ - Justiça climática: por um mundo mais sustentável, justo e igualitário. Anais...Seropédica(RJ) UFRRJ, 2025. Disponível em: https//www.even3.com.br/anais/xii-reuniao-anual-iniciacao-cientifica-da-ufrrj-raic/1326098-ANALISE-DE-AGRUPAMENTOS-E-COMPONENTES-PRINCIPAIS-APLICADAS-AS-SERIES-TEMPORAIS-DE-ENERGIA-NATURAL-AFLUENTE-NO-BR. Acesso em: 30/05/2026