Previsão do Diagrama de Carga de Subestações da REN utilizando Redes Neuronais

A presente dissertação apresenta o estudo de previsão do diagrama de carga de subestações da Rede Elétrica Nacional (REN) utilizando redes neuronais, com o intuito de verificar a viabilidade do método utilizado, em estudos futuros. Atualmente, a energia elétrica é um bem essencial e desempenha um papel fundamental, tanto a nível económico do país, como a nível de conforto e satisfação individual. Com o desenvolvimento do setor elétrico e o aumento dos produtores torna-se importante a realização da previsão de diagramas de carga, contribuindo para a eficiência das empresas. Esta dissertação tem como objetivo a utilização do modelo das redes neuronais artificiais (RNA) para criar uma rede capaz de realizar a previsão de diagramas de carga, com a finalidade de oferecer a possibilidade de redução de custos e gastos, e a melhoria de qualidade e fiabilidade. Ao longo do trabalho são utilizados dados da carga (em MW), obtidos da REN, da subestação da Prelada e dados como a temperatura, humidade, vento e luminosidade, entre outros. Os dados foram devidamente tratados com a ajuda do software Excel. Com o software MATLAB são realizados treinos com redes neuronais, através da ferramenta Neural Network Fitting Tool, com o objetivo de obter uma rede que forneça os melhores resultados e posteriormente utiliza-la na previsão de novos dados. No processo de previsão, utilizando dados reais das subestações da Prelada e Ermesinde referentes a Março de 2015, comprova-se que com a utilização de RNA é possível obter dados de previsão credíveis, apesar de não ser uma previsão exata. Deste modo, no que diz respeito à previsão de diagramas de carga, as RNA são um bom método a utilizar, uma vez que fornecem, à parte interessada, uma boa previsão do consumo e comportamento das cargas elétricas. Com a finalização deste estudo os resultados obtidos são no mínimo satisfatórios. Consegue-se alcançar através das RNA resultados próximos aos valores que eram esperados, embora não exatamente iguais devido à existência de uma margem de erro na aprendizagem da rede neuronal.

Caracterização de Particulas de Desgaste do Rolamentos por Ferrografia e Ferrometria

Avarias em rolamentos são causas comuns de falhas em máquinas e equipamentos industriais. Portanto, é importante a aplicação de técnicas que permitam a deteção e a identificação do problema o mais cedo possível a fim de evitar a destruição do rolamento e consequente paragem da máquina. Logo, o processo de monitorização do estado dos rolamentos deve receber uma atenção especial no plano de manutenção de qualquer indústria. Este trabalho tem, assim, como principal objetivo a caracterização das partículas de desgaste provenientes de rolamentos através da análise dos seus lubrificantes por ferrometria e ferrografia analítica. Estas técnicas permitem identificar e caracterizar as várias partículas de desgaste presentes numa amostra de lubrificante, permitindo não só avaliar o grau de severidade do desgaste mas também identificar o tipo de desgaste predominante (fadiga, abrasão, corrosão,etc.), e até identificar os diferentes materiais das partículas que se podem associar a componentes específicos com falhas. A criação de uma base de dados para armazenar os resultados, os comentários e as informações mais importantes obtidos nos ensaios experimentais, assim como a análise de alguns casos práticos, foram também realizados no âmbito deste trabalho. Para desenvolver um conhecimento mais profundo sobre as técnicas utilizadas foi importante fazer uma análise aos diversos tipos de rolamentos, a sua lubrificação e as causas e tipos principais de avarias encontradas.