Mostrar registro simples

dc.creatorSpisila, Roberto José
dc.date.accessioned2024-05-15T15:13:24Z
dc.date.available2024-05-15T15:13:24Z
dc.date.issued2024-03-01
dc.identifier.urihttp://repositorio.ufsm.br/handle/1/31915
dc.description.abstractSevere storms represent a major operational risk for energy companies, in addition to causing disruption to the population and significantly increase in general. Severe weather forecasting tools can be useful in minimizing the impact of events on people as well as decreasing operational and labor costs. The SA-MCS index operationally run by GruMa (Santa Maria Atmospheric Modeling Group) at UFSM seeks to identify variables and thresholds that would predict the occurrence of MCS lasting more than 6 hours based on reanalysis conditions before the initiation of these. In this study, ISE events (emergency situation index) from Companhia Paranaense de Energia that took place between 2021 and 2023 were used, in order to verify the technical and economic viability of the SA-MCS index. Comparisons were made of satellite images of ISE events to confirm the performance of MCS in the state of Paraná and validate the predictions made by the SA-MCS index. After the analyses, average calculations were made of how much an MCS would cost for COPEL and what the SA-MCS index forecast could contribute to reducing this cost. In analogy, calculations were also made to predict good weather and what this prior analysis ended up saving in terms of optimization and reduction in team overtime. With this, it was verified that the index presented an excellent performance in predicting severe storm events because of the 32 events analyzed, only 3 events showed a different prediction than what actually happened, falling within the false alarm (FAR). For forecasting good weather without storms, the index performed even better and helped in decision-making to reduce the cost of teams being on notice.eng
dc.languageporpor
dc.publisherUniversidade Federal de Santa Mariapor
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectSistemas convectivos de mesoescalapor
dc.subjectSA-MCS indexeng
dc.subjectImpacto das tempestades severaspor
dc.subjectViabilidade técnica e econômicapor
dc.subjectAtendimento emergencialpor
dc.subjectRedes de distribuição energiapor
dc.subjectMesoscale covective systemseng
dc.subjectImpact of severe stormseng
dc.subjectTechnical and economic feasibilityeng
dc.subjectEmergency assistance networkseng
dc.titleImpactos de tempestades severas no sistema elétrico de energia do Paraná: SA-MCS index uma ferramenta fundamental de análise e redução de custospor
dc.title.alternativeImpacts of severe storms on Paraná’s electrical power system: SA-MCS index a fundamental tool for analysis and cost reductioneng
dc.typeDissertaçãopor
dc.description.resumoAs tempestades severas representam um grande risco operacional para as companhias de energia, além de gerar transtornos para população e aumentar significativamente os custos de uma forma geral. As ferramentas de previsão de tempo severo podem ser úteis para minimizar o impacto dos eventos para as pessoas bem como diminuir os custos operacionais e de mão de obra. O índice SA-MCS executado operacionalmente pelo GruMA (Grupo de modelagem atmosférica de Santa Maria) da UFSM procura identificar variáveis e limiares que previssem a ocorrência de MCS com mais de 6 horas de duração a partir das condições de reanálises antes da iniciação destes. Nesse estudo foram utilizados eventos de ISE (índice em situação de emergência) da Companhia Paranaense de Energia ocorridos entre 2021 e 2023, a fim de verificar a viabilidade técnica e econômica do SA-MCS index. Foram feitas comparações das imagens de satélite dos eventos de ISE para confirmar a atuação dos MCS no estado do Paraná e validar as previsões feitas pelo SA-MCS index. Após as análises foram feitos cálculos médios de quanto custaria um MCS para COPEL e o que a previsão do SA-MCS index poderia contribuir para diminuição desse custo. Em analogia também foram feitos cálculos para previsão de tempo bom e o que essa análise prévia acabou economizando em termos de otimização e redução nos sobreavisos das equipes. Com isso foi verificado que o índice apresentou uma ótima performance na previsão de eventos de tempestades severas pois dos 32 eventos analisados apenas 3 eventos mostraram uma previsão diferente do que aconteceu na realidade ficando dentro do falso alarme (FAR). Já para previsão de tempo bom sem tempestades o índice teve uma performance ainda melhor e ajudou nas tomadas de decisões para redução do custo com sobreaviso das equipes.por
dc.contributor.advisor1Anabor, Vagner
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5770274675104746por
dc.contributor.referee1Puhales, Franciano Scremin
dc.contributor.referee2Rasera, Gustavo
dc.creator.Latteshttp://lattes.cnpq.br/4076495574487950por
dc.publisher.countryBrasilpor
dc.publisher.departmentMeteorologiapor
dc.publisher.initialsUFSMpor
dc.publisher.programPrograma de Pós-Graduação em Meteorologiapor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::METEOROLOGIApor
dc.publisher.unidadeCentro de Ciências Naturais e Exataspor


Arquivos deste item

Thumbnail
Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Attribution-NonCommercial-NoDerivatives 4.0 International
Exceto quando indicado o contrário, a licença deste item é descrito como Attribution-NonCommercial-NoDerivatives 4.0 International