aplicação do gams (general algebraic modeling system)
Transcrição
aplicação do gams (general algebraic modeling system)
APLICAÇÃO DO GAMS (GENERAL ALGEBRAIC MODELING SYSTEM) A UM SISTEMA DE RESERVATÓRIOS E CAPTAÇÃO NA BACIA HIDROGRÁFICA DO RIO GRAMAME (PB) Adriano Rolim da Paz(1), Alain M. B. Passerat de Silans(2) RESUMO – O gerenciamento dos usos dos recursos hídricos torna-se cada vez mais importante, em virtude da crescente demanda de água e dos conflitos decorrentes dos seus múltiplos usos. Um dos mecanismos de auxílio à gestão dos recursos hídricos é o desenvolvimento de modelos de otimização para a operação de reservatórios, através dos quais é possível estabelecer regras operacionais para maximizar a oferta hídrica. Neste trabalho, apresenta-se a elaboração de um modelo de otimização utilizando-se o software GAMS – General Algebraic Modeling System, e sua aplicação a um estudo de caso, na bacia hidrográfica do rio Gramame. Mostra-se como este software constitui uma poderosa ferramenta de otimização. ABSTRACT – The management of the water resources’ uses is becoming more and more important, because of the increasing water demand and the conflicts resulting of its multiple uses. A mechanism to help in the water resources management is the development of optimization models for reservoir’s operation, which provides the establishment of operating rules to maximize the water supply. This paper shows the development of an optmization model using the software GAMS – General Algebraic Modeling System, and its application at a case study in the Gramame river basin. It is shown how powerful this software is as an optimization tool. PALAVRAS-CHAVE: GAMS, Otimização Linear, Gramame, Operação de Reservatórios DTCC – Centro de Tecnologia – Universidade Federal da Paraíba Campus I – 58059-900 – João Pessoa – PB Tel: (0__83) 216 7684 – Fax: (0__83) 216 7179 – E-mail: [email protected] (1) – Estudante PIBIC/CNPq; (2) – Professor INTRODUÇÃO As bacias hidrográficas do litoral Nordestino, embora pequenas na maioria, são sujeitas a um desenvolvimento sócio-econômico importante e crescente, principalmente baseado sobre as atividades agrícolas, de mineração, industriais e até de loteamento urbano e turístico. Os seus recursos hídricos são de mais a mais solicitados para os diversos usos na bacia, assim também como são exportados para sistemas de abastecimento de água das grandes cidades. Obviamente, conflitos de uso da água já existem em muitas dessas bacias e crescem rapidamente, tornando imprescindível o gerenciamento dos usos dos recursos hídricos em tais bacias. A gestão dos recursos hídricos deve envolver os diferentes usuários em uma negociação para efetivação de uma utilização racional da água sem prejudicar o abastecimento das populações, e respeitando uma certa hierarquia de prioridades definidas através de instrumentos legais, regulamentares ou planos regionais de desenvolvimento. A pesquisa operacional constitui uma técnica apropriada para essa finalidade (Braga, 1987) e procura gerar uma alternativa ótima para um determinado problema, considerando uma função objetivo a ser otimizada respeitando as restrições e especificações do problema. Segundo Oliveira e Lanna (1997), o uso de técnicas matemáticas no dimensionamento e operação da infra-estrutura hídrica no Nordeste é ainda modesta, quando comparado às suas potencialidades. Neste trabalho, apresenta-se um estudo de caso na bacia hidrográfica do rio Gramame no Estado da Paraíba, para o qual utilizou-se uma ferramenta de otimização poderosa, o GAMS, General Algebraic Modeling System, ainda pouco divulgada junto à comunidade científica que trabalha com recursos hídricos. MATERIAL E MÉTODOS Descrição do problema O açude Gramame-Mamuaba, cujo início de operação data de 1990, é uma das fontes de abastecimento da Grande João Pessoa, com capacidade máxima de reservação de 56.937.000 m3 de água. Por já se apresentar no horizonte de projeto (ano 2000) e por se destinar ao abastecimento humano, os conflitos são inevitáveis. Atualmente, um dos conflitos decorre da captação de água no rio Gramame, a montante do açude Gramame-Mamuaba, realizada por uma empresa agro-industrial e que constitui o caso em estudo. Além de afetar a disponibilidade hídrica do reservatório Gramame-Mamuaba, a vazão afluente à captação da empresa não garante o pleno atendimento às suas demandas (900 m3/h de Setembro a Janeiro e 50 m3/h de Fevereiro a Agosto), verificando-se inclusive, através de balanço hídrico, uma porcentagem de falha de 22%. Na tentativa de requerer a outorga, a empresa se propõe a construir um açude no riacho Pitanga, afluente do rio Gramame a montante do local de captação, conforme mostrado na figura 1, procurando atender, prioritariamente, as suas demandas e disponibilizar a maior contribuição possível para o açude Gramame-Mamuaba. Ri ac ho ga tan Pi Qap Açude Pitanga Qag Gr am Rio Qae Captação da empresa am e Qrp Qre Qse Açude Gramame-Mamuaba Figura 1: Esquema do caso em estudo. O balanço hídrico no açude Pitanga se escreve da seguinte forma: Vp( t ) = Vp( t − 1 ) + [ prec( t ) − evap( t )] ⋅ Ap( t ) + Qap( t ) − Qrp( t ) − Vps( t ) Vp(t) – volume armazenado no açude Pitanga ao final do mês t Vp(t-1) – volume armazenado no açude Pitanga ao final do mês t-1 prec(t) – lâmina precipitada no açude Pitanga no mês t (1) evap(t) – lâmina evaporada do açude Pitanga no mês t Ap(t) – área média do espelho d’água do açude Pitanga ao longo do mês t Qap(t) – vazão afluente ao açude Pitanga no mês t Qrp(t) – vazão retirada do açude Pitanga no mês t Vps(t) – volume sangrado do açude Pitanga no mês t Se o volume Vp(t) for inferior ao volume na cota do porão (Vpp), a retirada de água em tal mês será dada por : Qrp( t ) = −Vpp + [ Vp( t − 1 ) + ( prec( t ) − evap( t )) ⋅ Ap( t ) + Qap( t )] E o volume no açude Pitanga será o volume na cota do porão: Vp( t ) = Vpp (2) (3) Quando o volume Vp(t) é superior à capacidade máxima do açude (Vpmax), ocorre o sangramento, representado por Vps(t). Caso contrário (Vp(t) < Vpmax), tem-se Vps(t) = 0. No local da captação da empresa, a jusante da confluência com o rio Gramame, o balanço hídrico se escreve: Qae( t ) = Qrp( t ) + Qag ( t ) + Vps( t ) = Qse( t ) + Qre( t ) (4) onde: Qae(t) – vazão do rio Gramame afluente à captação da empresa no mês t Qrp(t) – vazão retirada do açude Pitanga no mês t Vps(t) – volume sangrado do açude Pitanga no mês t Qag(t) – vazão do rio Gramame à montante da afluência do riacho Pitanga no mês t Qse(t) – vazão do rio Gramame à jusante da captação da empresa no mês t Qre(t) – vazão captada para consumo da empresa no mês t Em virtude das demandas estimadas para o atendimento da empresa constituírem dois períodos bem definidos e distintos, estudou-se as seguintes alternativas: (1) na primeira alternativa, procurou-se otimizar a operação do açude Pitanga e a captação da empresa durante todo o ano; (2) como segunda alternativa, devido a demanda de apenas 50m3/h nos meses chuvosos (de Fevereiro a Agosto), garantiu-se o atendimento a tais demandas e efetivou-se a otimização apenas nos demais meses (de Setembro a Janeiro). Modelo proposto com a utilização do GAMS Na elaboração do modelo de otimização proposto, empregou-se o programa computacional GAMS (General Algebraic Modeling System), que constitui uma ferramenta com capacidade para a determinação de soluções ótimas, tanto em problemas lineares como nos casos de nãolinearidade, permitindo, inclusive, trabalhar-se com grandes números de variáveis, constantes e restrições, como ocorre no caso dos reservatórios. O GAMS permite a otimização através de diversos “solvers’’, como, por exemplo, MINOS, ZOOM, DICOPT e CONOPT, além de utilizar uma linguagem de alto nível para a representação compacta de modelos grandes e complexos, possibilitando que descrições do modelo sejam independentes dos algoritmos de solução, e que alterações sejam feitas nas especificações do modelo de maneira bastante simples. O projeto do GAMS utilizou-se da programação matemática, na maneira de descrever o problema e na infinidade de métodos de resolvê-lo, aliando-se a isso uma estrutura de trabalho para o desenvolvimento da organização geral e transformação de dados, incorporada da teoria dos bancos de dados relacionais (Brooke et al., 1997). Na elaboração do modelo GAMS de otimização para o problema em questão, utilizou-se a programação linear, forçando todas as equações e restrições apresentadas pelo modelo à linearidade, e empregou-se o solver MINOS, cuja solução de problemas lineares segue o método simplex primal (Brooke et al., 1997). Sabe-se que a área do espelho d’água de um açude varia não linearmente com o volume armazenado no mês, podendo tal variação ser representada da forma Ap(t) = k . Vp(t)α - onde k e α são constantes, não sendo aplicável à programação linear. Para contornar essa limitação, podese empregar a linearização da curva cota-área-volume, através da programação separável (Pilar et al., 1998), ou a elaboração de um algoritmo iterativo, alternativa adotada neste trabalho. O modelo GAMS de otimização apresenta a seguinte estrutura: Equações: Vp (t ) = Vp (t − 1) + [ prec (t ) − evap (t )] ⋅ A(t ) + Qap (t ) − Qrp (t ) (5) Qae( t ) = Qrp( t ) + Qag ( t ) = Qse( t ) + Qre( t ) (6) Restrições: Vp( t ) ≥ Vpp Vp( t ) ≤ Vp max (7) (8) Qre( t ) ≤ Qmre( t ) (9) Qre( t ) = Qmre( t ) (10) Função objetivo: F = a1 ⋅ [ Qmre( t ) - Qre( t )] + a2 ⋅ [ Qmse( t ) − Qse( t )] (11) As equações (5) e (6) constituem o balanço hídrico no açude Pitanga e na captação da empresa, respectivamente; com a restrição (7), obriga-se que o volume armazenado no açude Pitanga seja sempre superior ao volume na cota do porão e, através da restrição (8), tem-se a limitação da capacidade máxima de reservação (Vpmax) de tal açude. Por se tratar de uma modelagem algébrica, o operador IF não pode ser aplicado à variável Vp(t) e, com isso, a variável Qrp(t) representa a vazão retirada operacionalmente do açude Pitanga acrescida do eventual volume sangrado em cada mês. Através da restrição (9), tem-se que as vazões retiradas pela empresa Qre(t) são inferiores ou iguais às suas necessidades estabelecidas como metas no modelo. A restrição (10), incluída apenas na alternativa 2 e sendo válida para os meses de Fevereiro a Agosto, garante o atendimento às demandas da empresa para o referido período. Elaborou-se o modelo GAMS de otimização procurando-se minimizar a função objetivo (11) para, com isso, atender aos dois objetivos do modelo: (i) minimizar os desvios das vazões captadas pela empresa (Qre) em relação às respectivas metas (Qmre); (ii) possibilitar as maiores vazões possíveis afluentes ao açude Gramame-Mamuaba (Qse – vazões a jusante da captação da empresa), através da minimização dos desvios de tais vazões em relação a uma meta arbitrada como sendo um valor superior às vazões observadas. Na função objetivo F, incluiu-se os coeficientes de ponderação a1 e a2, os quais permitem se priorizar uma ou outra parcela de F, de acordo com o valor atribuído a tais coeficientes, sendo ajustados através de uma análise de sensibilidade do modelo. Aplicação do modelo GAMS ao caso em estudo Aplicou-se o modelo GAMS proposto - equações (5) a (11) - ao caso estudado para um período de 17 anos (de 1972 a 1988), sendo as vazões afluentes do riacho Pitanga e do rio Gramame geradas pelo modelo hidrológico distribuído AÇUMOD (Silva J. et al., 2000), e a curva cota-área-volume do açude Pitanga fornecida pela própria empresa. Os dados de evaporação do açude Pitanga considerados correspondem aos observados no tanque classe A, da ETA de Marés, localizada no município de Bayeux, multiplicados pelo coeficiente do tanque (0,7). Os dados de precipitação foram medidos na proximidade do local de captação da empresa. Os coeficientes da função objetivo foram estabelecidos em a1 = 0,6 e a2 = 0,4, através de uma análise de sensibilidade do modelo. RESULTADOS E ANÁLISES As tabelas 1 e 2 apresentam, respectivamente, uma síntese dos resultados gerados pela alternativa 1, onde se efetuou a otimização sobre todos os meses, e pela alternativa 2, na qual o período chuvoso (de Fevereiro a Agosto) não faz parte da otimização. O estudo desenvolveu-se no período de 1972 a 1988, perfazendo um total de 204 meses. Tabela 1 - Resumo dos resultados da otimização com a alternativa 1 Alternativa 1 No de meses Maior período contínuo (em meses) Captação da empresa Volume do Açude Pitanga - Vp falhas atendimento = Vpp > Vpp = Vmáx < Vmáx 16 188 95 109 10 194 03 44 19 09 01 44 Tabela 2 - Resumo dos resultados da otimização com a alternativa 2 Alternativa 2 No de meses Maior período contínuo (em meses) Captação da empresa Volume do Açude Pitanga - Vp falhas atendimento = Vpp > Vpp = Vmáx < Vmáx 12 192 82 122 24 180 02 46 10 11 02 11 A percentagem de meses para os quais as necessidades da empresa não foram atendidas correspondem, respectivamente, a 7,8% e 5,9%, segundo se considera a alternativa 1 ou a alternativa 2, mostrando como uma barragem de porte pequeno consegue resolver o problema da empresa desde que uma operação adequada é implantada. Comparando-se os resultados das duas alternativas estudadas, observa-se que a alternativa 2, além de propiciar um melhor atendimento das necessidades da empresa (menor número de meses com falha e menor período contínuo de falha), leva a uma dinâmica mais segura dos níveis de água no açude, pois a permanência do mesmo em níveis mais baixos é inferior, o que garante uma maior autodepuração e menor concentração de cargas poluidoras. No entanto, a operação a ser adotada deve considerar os efeitos sobre o açude GramameMamuaba. A otimização foi feita de modo a perturbar o menos possível a disponibilidade de tal açude. Na tabela 3, constam as vazões regularizadas por este açude, considerando-se as garantias de 98%, 95% e 90%. Observa-se que nenhuma das alternativas gera qualquer prejuízo à utilização do açude Gramame-Mamuaba, demonstrando que os objetivos da otimização foram plenamente atendidos. Tabela 3 - Vazões regularizadas pelo açude Gramame-Mamuaba Vazão regularizada (m3/s) Nível de garantia Situação atual Alternativa 1 Alternativa 2 98% 2,56 2,56 2,56 95% 3,04 3,04 3,04 90% 3,64 3,59 3,65 CONCLUSÕES O software GAMS representa um excelente meio de elaboração de modelos de otimização, demonstrando grande capacidade para aplicações na otimização da operação de reservatórios. Com a sua aplicação ao caso em estudo, observou-se que a alternativa 2, na qual realizou-se a otimização apenas para os meses correspondentes ao período de estiagem (de Setembro a Janeiro), apresentou os melhores resultados, possibilitando à empresa um maior atendimento às suas necessidades. Diante de tais resultados, pode-se definir regras operacionais para o reservatório estudado baseadas no período chuvoso, reproduzindo-as para períodos futuros, através do emprego de aproximadores universais como as Redes Neurais Artificiais (RNA’s). AGRADECIMENTOS Os autores agradecem à GIASA, empresa agro-industrial alcooleira, que forneceu todos os dados e as informações necessárias a este estudo. REFERÊNCIAS BIBLIOGRÁFICAS BRAGA, B.P.F., 1987. Técnicas de otimização e simulação aplicadas em sistemas de recursos hídricos, em ABRH – Coleção de Recursos Hídricos, Modelos para Gerenciamento de Recursos Hídricos, São Paulo, p. 425-518. BROOKE, A., KENDRICK, D., MEERAUS, A. & RAMAN, R., 1997. GAMS Release 2.25 Version 92, Language Guide, GAMS Development Corporation Ed., Washington, 305 p. OLIVEIRA, J.A. & LANNA, A.E.L., 1997. Otimização de um sistema de múltiplos reservatórios atendendo a múltiplos usos no Nordeste brasileiro, RBRH, 2(2), p. 123-141. PILAR, J.V., SANTANA, A.G. & LANNA, A.E.L., 1998. Uma abordagem alternativa para a utilização da programação linear com curvas segmentadas no planejamento de sistemas de recursos hídricos, Anais do IV Simpósio de Recursos Hídricos do Nordeste, Campina Grande, CD-ROM. SILVA JÚNIOR, A.N., PAIVA, A.E.D.B. & PASSERAT DE SILANS, A.M.B., 2000. Aplicação do modelo hidrológico distribuído AÇUMOD à bacia hidrográfica do rio Gramame – Estado da Paraíba, Anais do V Simpósio de Recursos Hídricos do Nordeste, Natal, CD-ROM.