Streamflow forecasting plays a crucial role in the operational planning of hydro-dominant power systems, providing valuable insights into future water inflows to reservoirs and hydropower plants. It relies on complex mathematical models, which, despite their sophistication, face various uncertainties affecting their performance. These uncertainties can significantly influence both short-term and long-term operational planning in hydropower systems. To mitigate these effects, this study introduces a novel Bayesian model averaging (BMA) framework to improve the accuracy of streamflow forecasts in real hydro-dominant power systems. Designed to serve as an operational tool, the proposed framework incorporates predictive uncertainty into the forecasting process, enhancing the robustness and reliability of predictions. BMA statistically combines multiple models based on their posterior probability distributions, producing forecasts from the weighted averages of predictions. This approach updates weights periodically using recent historical data of forecasted and measured streamflows. Tested on inflows to 139 reservoirs and hydropower plants in Brazil, the proposed BMA framework proved to be more skillful than individual models, showing improvements in forecasting accuracy, especially in the South and Southeast regions of Brazil. This method offers a more reliable tool for streamflow prediction, enhancing decision making in hydropower system operations.

The periodic tariff review process is applied to tariff control and regulation of electrical energy distribution system. In Brazil, the method used to obtain the efficient operational cost (OPEX) is a benchmarking technique based in linear programming called Data Envelopment Analysis (DEA). This paper presents an analysis of the DEA applied to the Brazilian distribution companies focusing on the weight restrictions incorporated by the regulatory agency. An alternative technique, the Ratio-based Efficiency Analysis (REA) is also applied to the analysis to provide additional information regarding the performance of DEA coupled with weight restrictions for the Brazilian case.

O clima de um determinado local é definido pelo valor médio das variáveis atmosféricas registradas por longo período. Entretanto, por exemplo, o valor registrado de precipitação numa dada estação do ano pode ser bem diferente do valor médio, indicando a variabilidade do clima, o que pode ser muito prejudicial para a economia. Sendo assim, é importante o prognóstico do clima sazonal. Nesse enfoque, o presente estudo tem como objetivos compilar e apresentar didaticamente os conceitos e etapas envolvidos na previsão climática sazonal, bem como uma visão geral dos principais centros climáticos que fazem esse tipo de previsão. Além disso, o trabalho discorre sobre os mecanismos de variabilidade climática natural e sua importância para as previsões numéricas do clima. Assim, este estudo servirá de referência básica para as diferentes áreas do conhecimento que necessitam entender e utilizar as previsões climáticas.

Este estudo propõe três diferentes técnicas de modelos de previsão de vazões de curto prazo, utilizando como dados de entrada informações meteorológicas. Essas informações são essenciais para aplicação em problemas de planejamento e operação hidrelétricas no Sistema Interligado Brasileiro. Essas técnicas foram aplicadas em todos os aproveitamentos hidrelétricos localizados nas bacias dos rios Grande e Paranaíba. A utilização dessas diferentes técnicas permitiu observar as variabilidades associadas às entradas, bem como analisar suas performances em relação aos dados divulgados pelo Operador Nacional do Sistema Elétrico (ONS). Os resultados mostram que a previsão de vazões é capaz de reproduzir o comportamento das previsões do ONS, bem como as afluências consistidas, sendo bastante adequadas para uso de agentes comercializadores, geradores e consumidores.