Determining the Adjustment Baseline Parameters to Define an Accurate Customer Baseline Load

Demand response is an energy resource that has gained increasing importance in the context of competitive electricity markets and of smart grids. New business models and methods designed to integrate demand response in electricity markets and of smart grids have been published, reporting the need of additional work in this field. In order to adequately remunerate the participation of the consumers in demand response programs, improved consumers’ performance evaluation methods are needed. The methodology proposed in the present paper determines the characterization of the baseline approach that better fits the consumer historic consumption, in order to determine the expected consumption in absent of participation in a demand response event and then determine the actual consumption reduction. The defined baseline can then be used to better determine the remuneration of the consumer. The paper includes a case study with real data to illustrate the application of the proposed methodology.

Análise do comportamento dos aerogeradores em situação de anomalia

Actualmente, a utilização de recursos energéticos renováveis é encarada como vital para se alcançar um desenvolvimento sustentável. Dentro destas, a energia eólica apresenta-se como uma das mais sustentáveis e, por isso, teve uma evolução exponencial nos últimos anos. No entanto, apesar da sua maturidade, esta tecnologia apresenta problemas e desafios. As turbinas eólicas apresentam uma elevada taxa de avarias em alguns componentes, nomeadamente a caixa de engrenagens, o gerador eléctrico e as pás. Os tempos de paragem associados às avarias e à sua reparação provocam grandes prejuízos. De modo a evitar as falhas e a permitir a redução dos custos durante o ciclo de vida das turbinas eólicas, existe a necessidade de optimizar as estratégias de manutenção, de forma a maximizar o retorno do investimento nos parques eólicos. Os aerogeradores mais recentes possuem sistemas de monitorização que permitem monitorizar todos os equipamentos constituintes da máquina, possibilitando um acompanhamento mais próximo do real estado de funcionamento dos equipamentos. A monitorização online permite que se reduza a possibilidade de acontecimento de uma falha grave. Este trabalho de investigação analisa as avarias associadas a um dos equipamentos mais importante das turbinas eólicas, a caixa de engrenagens, tendo sido identificadas as principais grandezas que podem ser utilizadas para a previsão de avarias. Este equipamento é crítico dado que origina um dos maiores tempos de indisponibilidade por falha. O resultado das análises efectuadas ao comportamento da caixa de engrenagens perante uma avaria demonstrou que é possível prevê-las. Esta informação é de extrema importância, pois permite um escalonamento eficiente da manutenção e a adopção das estratégias de reparação mais convenientes.

Desmonte de Maciços Rochosos: optimização da perfuração

Este trabalho pretende avaliar e melhorar o modo de execução da aplicação da técnica de perfuração, não comprometendo a jusante, no ciclo de operações, a qualidade do desmonte, visando assim, uma optimização técnico-económica. Este manuscrito irá centrar-se na optimização da etapa da perfuração, visando assim a optimização do ciclo total da perfuração. As tarefas realizadas numa pedreira constituem um ciclo de operações. Uma das operações envolvidas no desmonte de maciços rochosos é a perfuração. A forma como esta é executada é determinante para o sucesso do desmonte. O correcto dimensionamento dos acessórios de perfuração, afiação de bits, manutenção preventiva dos equipamentos de perfuração e a constante formação dos operadores fazem parte de um conjunto de acções que irão determinar o sucesso da operação de perfuração, tendo sempre em vista, uma optimização técnico-económica, ou seja, produzir mais a um custo mais baixo. O estudo dos parâmetros do maciço rochoso aliado a uma perfuração cuidadosa e alinhada é evidenciado com o intuito de uma abordagem de geoengenharia integrada dos maciços rochosos. O estudo foi realizado na pedreira da APS, S.A. (Pedreira de Monte Chãos), tendo como análise os dados desde o início do projecto até à data. Para fundamentar este estudo, aborda-se os parâmetros geológico-geotécnicos e geomecânicos do maciço remanescente, verificando assim as ferramentas de corte mais adequadas ao caso e averiguar a influência da afiação de bits, quer seja manual ou semiautomática, e de que forma a mesma irá influenciar nos rendimentos e vidas úteis obtidas, tendo como objectivo, melhorar o custo por metro de furação realizado.

Generalized Extraction of Real-Time Parameters for Homogeneous Synchronous Dataflow Graphs

23rd Euromicro International Conference on Parallel, Distributed, and Network-Based Processing (PDP 2015). 4 to 6, Mar, 2015. Turku, Finland.

Response Time Analysis for Fixed-Priority Tasks with Multiple Probabilistic Parameters

Demo presented in 12th Workshop on Models and Algorithms for Planning and Scheduling Problems (MAPSP 2015). 8 to 12, Jun, 2015. La Roche-en-Ardenne, Belgium. Extended abstract.

Using neural networks and support vector regression to relate marchetti dilatometer test parameters and maximum shear modulus

In the last two decades, small strain shear modulus became one of the most important geotechnical parameters to characterize soil stiffness. Finite element analysis have shown that in-situ stiffness of soils and rocks is much higher than what was previously thought and that stress-strain behaviour of these materials is non-linear in most cases with small strain levels, especially in the ground around retaining walls, foundations and tunnels, typically in the order of 10−2 to 10−4 of strain. Although the best approach to estimate shear modulus seems to be based in measuring seismic wave velocities, deriving the parameter through correlations with in-situ tests is usually considered very useful for design practice.The use of Neural Networks for modeling systems has been widespread, in particular within areas where the great amount of available data and the complexity of the systems keeps the problem very unfriendly to treat following traditional data analysis methodologies. In this work, the use of Neural Networks and Support Vector Regression is proposed to estimate small strain shear modulus for sedimentary soils from the basic or intermediate parameters derived from Marchetti Dilatometer Test. The results are discussed and compared with some of the most common available methodologies for this evaluation.

Using neural networks and support vector regression to relate marchetti dilatometer test parameters and maximum shear modulus

In the last two decades, small strain shear modulus became one of the most important geotechnical parameters to characterize soil stiffness. Finite element analysis have shown that in-situ stiffness of soils and rocks is much higher than what was previously thought and that stress-strain behaviour of these materials is non-linear in most cases with small strain levels, especially in the ground around retaining walls, foundations and tunnels, typically in the order of 10−2 to 10−4 of strain. Although the best approach to estimate shear modulus seems to be based in measuring seismic wave velocities, deriving the parameter through correlations with in-situ tests is usually considered very useful for design practice.The use of Neural Networks for modeling systems has been widespread, in particular within areas where the great amount of available data and the complexity of the systems keeps the problem very unfriendly to treat following traditional data analysis methodologies. In this work, the use of Neural Networks and Support Vector Regression is proposed to estimate small strain shear modulus for sedimentary soils from the basic or intermediate parameters derived from Marchetti Dilatometer Test. The results are discussed and compared with some of the most common available methodologies for this evaluation.