📄 ciências da terra

Joint water-supply and hydropower management in a capacity-depleted multipurpose reservoir: the two-input AD-2I–WE model for Akhangaran

Este estudo introduz uma estrutura de decisão adaptativa de duas entradas (AD-2I–WE) para o reservatório de Akhangaran, no Uzbequistão, que sofre com o assoreamento, demonstrando que a integração dos níveis atuais de armazenamento com as ordens anuais de irrigação pode simultaneamente melhorar a confiabilidade da segurança hídrica em 6,3% e aumentar a geração de energia hidrelétrica em 33,9% em comparação com as operações observadas.

Autores originais: Khojiakbar Khasanov

Publicado 2026-10-14

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Khojiakbar Khasanov

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Os reservatórios de água são os grandes tanques de armazenamento da civilização, retendo o fluxo sazonal dos rios das montanhas para liberar água lentamente quando os campos estão secos e as cidades estão sedentas. Mas esses tanques têm um inimigo oculto: o assoreamento. Ao longo de décadas, a areia e a lama carregadas pelo rio depositam-se no fundo, preenchendo lentamente o tanque de baixo para cima. Este processo, conhecido como sedimentação, faz mais do que apenas reduzir a quantidade total de água que um reservatório pode conter; ele altera as próprias regras de como essa água é gerida. Um nível de água que antes significava um tanque cheio pode agora significar um quase vazio, e o momento de quando a água é liberada torna-se um delicado ato de equilíbrio entre manter as plantações vivas e gerar eletricidade. Na Ásia Central, onde o degelo da neve alimenta os rios na primavera, mas os agricultores precisam de água principalmente no verão quente, este equilíbrio é crítico. Se a capacidade de armazenamento encolher, a habilidade de transportar água da estação úmida para a estação seca diminui, ameaçando tanto a segurança alimentar quanto a geração de energia.

Pesquisadores da Universidade Nacional de Pesquisa TIIAME, no Uzbequistão, enfrentaram este problema no Reservatório de Akhangaran, uma instalação vital perto de Tashkent que fornece água para irrigação e energia hidrelétrica. Combinando décadas de levantamentos subaquáticos com registros diários de níveis de água e geração de energia, eles desenvolveram uma nova forma de gerir o reservatório que se adapta ao seu tamanho decrescente. O estudo revela que o reservatório perdeu uma parte significativa de sua capacidade desde a década de 1970, forçando os operadores a repensar como movimentam a água através das estações. A equipe criou um modelo de tomada de decisão flexível que utiliza duas entradas principais: a quantidade atual de água no tanque e o pedido anual de quanta água os agricultores precisam. Esta abordagem permite que o sistema priorize a segurança e a entrega de água primeiro, e depois encontre formas de gerar mais eletricidade sem comprometer o suprimento de água.

A história do Reservatório de Akhangaran mostra uma tendência clara e preocupante. Entre 1972 e 2022, o volume total de água que o reservatório poderia conter em seu nível normal caiu de 197,7 milhões de metros cúbicos para 169,4 milhões de metros cúbicos. Isso representa uma perda de 28,3 milhões de metros cúbicos, ou cerca de 14 por cento de sua capacidade original. A taxa desta perda acelerou nos últimos anos, com quase dois terços da perda total ocorrendo entre 2006 e 2022. Esta redução significa que o amortecedor físico disponível para armazenar o degelo da primavera para uso durante os meses secos de verão encolheu significativamente. Quando os pesquisadores observaram como o reservatório estava sendo realmente operado entre 2020 e 2025, descobriram que as regras existentes, que se baseavam nas dimensões mais antigas e maiores do reservatório, já não funcionavam de forma eficaz. Sob a abordagem antiga, o sistema falhou em atender às demandas de água em quase 30 por cento dos períodos medidos, com as piores escassezes ocorrendo em julho, agosto e setembro, quando as necessidades de irrigação são mais altas.

Para entender como corrigir isso, os pesquisadores testaram três estratégias de gestão diferentes. A primeira foi simplesmente observar como o reservatório está sendo operado atualmente para ver onde ele falha. A segunda foi uma abordagem rígida que tentava garantir uma quantidade específica de água permanecesse no tanque ao final de cada ano, independentemente do que acontecesse durante o verão. A terceira foi o seu novo modelo adaptativo, que estabelecia um piso de segurança estrito para garantir que o reservatório nunca atingisse um nível perigosamente baixo durante o ano, enquanto também ajustava quanta água era liberada com base na situação atual. O alvo rígido de final de ano falhou porque forçava o reservatório a reter muita água precocemente, causando escassez durante os meses críticos de verão. O novo modelo adaptativo, no entanto, teve sucesso em manter um buffer de segurança de 15 milhões de metros cúbicos no tanque o tempo todo. Ao fazer isso, melhorou a confiabilidade da entrega de água em cerca de 6 por cento e reduziu a quantidade total de falta de água em aproximadamente 21 por cento em comparação com as operações atuais.

Uma descoberta fundamental do estudo é que gerir o tempo de liberação da água pode aumentar significativamente a produção de eletricidade sem usar água extra. A energia hidrelétrica depende não apenas do volume de água fluindo pelas turbinas, mas também da altura da água acima delas; a água liberada de um nível mais alto gera mais energia. Os pesquisadores descobriram que, ao deslocar a liberação de água para momentos em que o reservatório estava mais cheio e a pressão da água era maior, eles poderiam aumentar a geração anual de energia em quase 34 por cento em comparação com um cronograma padrão. Este aumento veio inteiramente de um melhor tempo de liberação, não do consumo de mais água ou da redução da segurança do suprimento de água. Mesmo com estas melhorias, o modelo produziu menos energia do que o que foi realmente observado nos últimos anos, sugerindo que as operações do mundo real podem estar aproveitando condições que são difíceis de prever ou que os limites físicos das turbinas estão sendo levados a formas que o modelo não captura totalmente.

O estudo também destacou uma limitação estrutural que nenhum nível de melhor gestão pode resolver. Em 2022, um ano com uma entrada de água excepcionalmente alta, o reservatório foi forçado a transbordar 63 milhões de metros cúbicos de água. Este transbordamento ocorreu mesmo quando o modelo tinha conhecimento perfeito do clima e dos níveis de água com antecedência. A causa foi uma combinação da capacidade de armazenamento reduzida do reservatório e do limite físico das turbinas, que só podem passar uma certa quantidade de água por segundo. Quando a água vinha mais rápido do que as turbinas podiam processar e o tanque já estava cheio, o excesso tinha que ser descartado. Esta descoberta aponta para uma restrição de infraestrutura rígida: o equipamento atual não consegue lidar com o fluxo total dos anos úmidos, levando ao desperdício de água que poderia ser usada para energia ou armazenada para depois.

Os pesquisadores também testaram como o sistema responderia se a demanda por água de irrigação aumentasse. Eles descobriram que pedir mais água não resultou em significativamente mais eletricidade. À medida que o pedido de irrigação era elevado de 280 milhões de metros cúbicos para 350 milhões de metros cúbicos, a quantidade de energia gerada permaneceu quase exatamente a mesma, enquanto a quantidade de demanda de água não atendida cresceu acentuadamente. Isto indica que simplesmente demandar mais água não torna o sistema mais eficiente; em vez disso, cria uma lacuna maior entre o que é necessário e o que pode ser entregue. O estudo conclui que o caminho mais eficaz é tratar o pedido de irrigação como um alvo flexível que pode ser ajustado com base na água realmente disponível, em vez de uma promessa fixa que deve ser cumprida a todo custo.

Em última análise, este trabalho demonstra que, num reservatório que perdeu uma parte significativa da sua capacidade, as regras antigas já não se aplicam. A solução não é tentar forçar o sistema a comportar-se como se ainda estivesse cheio, mas sim adaptar a estratégia de gestão à nova realidade. Ao utilizar um modelo que verifica constantemente o nível atual de água e as necessidades específicas da estação, os operadores podem proteger o suprimento de água, evitar níveis baixos perigosos e ainda encontrar oportunidades para gerar mais energia. O estudo fornece um roteiro claro de como gerir um recurso que encolhe, mostrando que, com a abordagem correta, é possível manter a segurança para os agricultores e para as redes elétricas, mesmo quando o cenário físico muda sob eles. As descobertas sugerem que o próximo passo para o Reservatório de Akhangaran é atualizar as suas regras operacionais para refletir o seu tamanho atual e considerar a atualização das turbinas para lidar com os altos fluxos que atualmente causam tais grandes transbordamentos.

Resumo Técnico: Gestão Conjunta de Abastecimento de Água e Energia Hidrelétrica em um Reservatório Multiuso com Capacidade Reduzida

Definição do Problema
O Reservatório de Akhangaran, no Uzbequistão, uma instalação multiuso que serve para irrigação, abastecimento municipal e energia hidrelétrica, enfrenta um desafio operacional crítico devido à sedimentação. Entre 1972 e 2022, a capacidade de armazenamento do reservatório no nível de pool normal (1070,5 m) declinou 28,3 milhões de m³ (14,3%), caindo de 197,7 para 169,4 milhões de m³. Essa perda de capacidade altera a relação geométrica entre os níveis de água e o volume, tornando as curvas de regra legadas (baseadas na morfometria de 2006) operacionalmente enganosas. O problema central não é meramente uma redução no volume total, mas uma degradação da capacidade de retenção sazonal (carryover capacity) — a habilidade de transferir o aporte de primavera para atender aos picos de irrigação do final do verão. Além disso, o estudo aborda o complexo trade-off entre a segurança hídrica e a geração de energia hidrelétrica, onde o tempo ideal de liberação para energia (maximizando a queda d'água) pode conflitar com a confiabilidade do abastecimento de água, particularmente sob armazenamento reduzido e restrições fixas de turbinas.

Metodologia
O estudo desenvolve e avalia retrospectivamente o modelo AD-2I–WE (Adaptive Decision with Two Inputs for Water and Energy - Decisão Adaptativa com Duas Entradas para Água e Energia). A metodologia integra:

Integração de Dados: Levantamentos batimétricos repetidos (1972–2022), um registro operacional de 2.192 dias (2020–2025), arquivos de entrada-saída controlados por qualidade (1988–2023) e dados diários de geração hidrelétrica.
Estrutura de Duas Entradas: O modelo é impulsionado por duas entradas explicitamente controladas pelo operador: o armazenamento atual do reservatório ( $V_t$ ) e a ordem anual de irrigação ( $D_{irr}$ ), restrito a um corredor de 280–350 milhões de m³.
Otimização Lexicográfica: O modelo emprega um objetivo hierárquico de três estágios para evitar trade-offs implícitos entre segurança e energia:
- Estágio 1: Minimizar o déficit total de água.
- Estágio 2: Maximizar o armazenamento terminal (sujeito à otimalidade do Estágio 1).
- Estágio 3: Maximizar a energia hidrelétrica (sujeito à otimalidade dos Estágios 1 e 2).
Lógica Operacional: O algoritmo utiliza uma Razão de Cobertura de Água (WCR) para classificar regimes operacionais (R1–R5) com base na razão entre a água segura prevista e a demanda de irrigação restante. Ele incorpora um piso de segurança intra-anual rígido ( $V_{safe} = 15$ milhões de m³) para evitar que o reservatório atinja o volume morto.
Modelagem de Energia: Uma regressão linear empírica vincula o volume de armazenamento à queda hidráulica ( $H$ ), limitada por limites físicos (27–70 m). Os cálculos de energia consideram um limite de gerador de 21 MW e um limite de fluxo de turbina de 42 m³/s.

Principais Contribuições

Integração da Sedimentação nas Operações: O estudo vai além da análise morfométrica estática ao integrar batimetria repetida com dados operacionais diários para demonstrar como a perda de capacidade degrada especificamente a "função de transferência" da água da primavera para a demanda do verão.
Estrutura de Decisão Adaptativa (AD-2I): Diferente das otimizações tradicionais de curva de regra ou regras de hedging que podem reduzir implicitamente a demanda a zero para alcançar alta confiabilidade, este modelo mantém níveis distintos de demanda (mínimo protegido, ordem base, máximo condicional) enquanto reporta explicitamente os déficits.
Sinergia Água-Energia via Ajuste de Tempo (Retiming): O estudo demonstra que a energia pode ser significamente aumentada não consumindo mais água, mas ajustando o tempo das liberações para períodos de maior queda hidráulica sem comprometer a segurança hídrica.
Identificação de Restrições Estruturais: O modelo identifica "derramamentos estruturais" (structural spills) — derramamentos que ocorrem mesmo sob informação perfeita — causados pela interseção da redução da capacidade de armazenamento e os limites fixos de transporte das turbinas.

Resultos

Impacto da Perda de Capacidade: A perda de 14,3% da capacidade estreitou a margem para a transferência sazonal de água. Sob o regime observado (W0), a confiabilidade volumétrica foi de 69,72% com um déficit médio anual de 240,08 milhões de m³, sendo que 68,3% ocorreram entre julho e setembro.
Comparação de Referência (Benchmark):
- W0 (Observado): 69,72% de confiabilidade, 240,08 milhões de m³ de déficit.
- W1 (Armazenamento Terminal Fixo): Melhorou a confiabilidade temporal, mas fez com que o reservatório atingisse o volume morto por uma média de 9,7 décadas por ano, provando que um alvo terminal sozinho é insuficiente para a segurança intra-anual.
- W2 (AD-2I Adaptativo): Com um piso de segurança de 15 milhões de m³, a confiabilidade aumentou para 76,05% e o déficit foi reduzido em 20,9% (50,20 milhões de m³/ano) em comparação ao W0, mantendo o piso de segurança em todos os anos.
Sensibilidade do Corredor de Irrigação: Aumentar a ordem de irrigação de 280 para 350 milhões de m³ aumentou o déficit em 35,5%, mas resultou em apenas um aumento marginal na água entregue (12,35 milhões de m³), indicando que ordens nominais mais altas não se traduzem em entregas proporcionais sob as atuais restrições de capacidade.
Ganhos de Energia Hidrelétrica: Ao otimizar o tempo de liberação (AD-2I–WE), a geração de energia anual aumentou de 41,18 GWh (pós-processamento do cronograma de prioridade de água) para 55,16 GWh (+33,9%) sem degradar a segurança hídrica.
Derramamento Estrutural: No ano úmido de 2022, ocorreu um derramamento forçado de 63,08 milhões de m³ apesar da informação perfeita, revelando uma limitação estrutural imposta pela capacidade da turbina de 42 m³/s e pela redução do armazenamento.
Modelo vs. Observação: A energia modelada (55,16 GWh/ano) permaneceu 22,0% abaixo da geração observada em 2022–2024 (77,51 GWh/ano). O autor atribui isso ao fato de o modelo priorizar rigorosamente a segurança hídrica e as margens de segurança, enquanto as operações observadas podem ter aceitado riscos maiores ou utilizado flexibilidade operacional não modelada.

Significância e Alegações
O artigo alega que a operação adaptativa de duas entradas pode melhorar conjuntamente a segurança hídrica e o valor da energia hidrelétrica em reservatórios com capacidade reduzida. Argumenta-se que a sedimentação não é apenas uma questão batimétrica, mas uma crise de confiabilidade operacional onde as regras legadas baseadas em níveis já não correspondem a volumes seguros.

O estudo posiciona modestamente seus resultados como um benchmark retrospectivo de informação perfeita, em vez de uma previsão em tempo real. Afirma explicitamente que o modelo AD-2I–WE não maximiza todos os objetivos simultaneamente, mas prioriza a segurança hídrica primeiro, e então maximiza a energia dentro da liberdade operacional restante. A lacuna de 22% entre a energia modelada e a observada é apresentada não como uma falha do modelo, mas como evidência de que o modelo evita com sucesso os riscos assumidos pelas operações observadas.

O autor conclui que o buffer de segurança de 15 milhões de m³ e o corredor de irrigação de 280–350 milhões de m³ representam um ponto operacional prático dentro do trade-off de segurança hídrica, e não um ótimo formal. Enfatiza que o derramamento de 63,08 milhões de m³ em 2022 sinaliza a necessidade de avaliações tecnoeconômicas de modernização de infraestrutura (ex: atualizações de turbinas), e não apenas de mudanças operacionais. Por fim, o artigo afirma que a arquitetura do modelo é transferível, embora parâmetros específicos (curvas H-V, demanda, restrições) devam ser localizados para cada instalação.

Mais como este