MASCEM: electricity markets simulation with strategic agents

Electricity markets are complex environments, involving numerous entities trying to obtain the best advantages and profits while limited by power-network characteristics and constraints.1 The restructuring and consequent deregulation of electricity markets introduced a new economic dimension to the power industry. Some observers have criticized the restructuring process, however, because it has failed to improve market efficiency and has complicated the assurance of reliability and fairness of operations. To study and understand this type of market, we developed the Multiagent Simulator of Competitive Electricity Markets (MASCEM) platform based on multiagent simulation. The MASCEM multiagent model includes players with strategies for bid definition, acting in forward, day-ahead, and balancing markets and considering both simple and complex bids. Our goal with MASCEM was to simulate as many market models and player types as possible. This approach makes MASCEM both a short- and mediumterm simulation as well as a tool to support long-term decisions, such as those taken by regulators. This article proposes a new methodology integrated in MASCEM for bid definition in electricity markets. This methodology uses reinforcement learning algorithms to let players perceive changes in the environment, thus helping them react to the dynamic environment and adapt their bids accordingly.

Energy efficient scheduling for cluster-tree wireless sensor networks with time-bounded data flows: application to IEEE 802.15.4/ZigBee

Cluster scheduling and collision avoidance are crucial issues in large-scale cluster-tree Wireless Sensor Networks (WSNs). The paper presents a methodology that provides a Time Division Cluster Scheduling (TDCS) mechanism based on the cyclic extension of RCPS/TC (Resource Constrained Project Scheduling with Temporal Constraints) problem for a cluster-tree WSN, assuming bounded communication errors. The objective is to meet all end-to-end deadlines of a predefined set of time-bounded data flows while minimizing the energy consumption of the nodes by setting the TDCS period as long as possible. Sinceeach cluster is active only once during the period, the end-to-end delay of a given flow may span over several periods when there are the flows with opposite direction. The scheduling tool enables system designers to efficiently configure all required parameters of the IEEE 802.15.4/ZigBee beaconenabled cluster-tree WSNs in the network design time. The performance evaluation of thescheduling tool shows that the problems with dozens of nodes can be solved while using optimal solvers.

Project scheduling under multiple resources constraints using a genetic algorithm

The resource constrained project scheduling problem (RCPSP) is a difficult problem in combinatorial optimization for which extensive investigation has been devoted to the development of efficient algorithms. During the last couple of years many heuristic procedures have been developed for this problem, but still these procedures often fail in finding near-optimal solutions. This paper proposes a genetic algorithm for the resource constrained project scheduling problem. The chromosome representation of the problem is based on random keys. The schedule is constructed using a heuristic priority rule in which the priorities and delay times of the activities are defined by the genetic algorithm. The approach was tested on a set of standard problems taken from the literature and compared with other approaches. The computational results validate the effectiveness of the proposed algorithm.

Project scheduling using a competitive genetic algorithm

- The resource constrained project scheduling problem (RCPSP) is a difficult problem in combinatorial optimization for which extensive investigation has been devoted to the development of efficient algorithms. During the last couple of years many heuristic procedures have been developed for this problem, but still these procedures often fail in finding near-optimal solutions. This paper proposes a genetic algorithm for the resource constrained project scheduling problem. The chromosome representation of the problem is based on random keys. The schedule is constructed using a heuristic priority rule in which the priorities and delay times of the activities are defined by the genetic algorithm. The approach was tested on a set of standard problems taken from the literature and compared with other approaches. The computational results validate the effectiveness of the proposed algorithm

Uma metaheurística para a programação de projectos com multi-modos e recursos limitados

Este artigo apresenta uma nova abordagem (MM-GAV-FBI), aplicável ao problema da programação de projectos com restrições de recursos e vários modos de execução por actividade, problema conhecido na literatura anglo-saxónica por MRCPSP. Cada projecto tem um conjunto de actividades com precedências tecnológicas definidas e um conjunto de recursos limitados, sendo que cada actividade pode ter mais do que um modo de realização. A programação dos projectos é realizada com recurso a um esquema de geração de planos (do inglês Schedule Generation Scheme - SGS) integrado com uma metaheurística. A metaheurística é baseada no paradigma dos algoritmos genéticos. As prioridades das actividades são obtidas a partir de um algoritmo genético. A representação cromossómica utilizada baseia-se em chaves aleatórias. O SGS gera planos não-atrasados. Após a obtenção de uma solução é aplicada uma melhoria local. O objectivo da abordagem é encontrar o melhor plano (planning), ou seja, o plano que tenha a menor duração temporal possível, satisfazendo as precedências das actividades e as restrições de recursos. A abordagem proposta é testada num conjunto de problemas retirados da literatura da especialidade e os resultados computacionais são comparados com outras abordagens. Os resultados computacionais validam o bom desempenho da abordagem, não apenas em termos de qualidade da solução, mas também em termos de tempo útil.

Híper-heurísticas com aprendizagem

A otimização nos sistemas de suporte à decisão atuais assume um carácter fortemente interdisciplinar relacionando-se com a necessidade de integração de diferentes técnicas e paradigmas na resolução de problemas reais complexos, sendo que a computação de soluções ótimas em muitos destes problemas é intratável. Os métodos de pesquisa heurística são conhecidos por permitir obter bons resultados num intervalo temporal aceitável. Muitas vezes, necessitam que a parametrização seja ajustada de forma a permitir obter bons resultados. Neste sentido, as estratégias de aprendizagem podem incrementar o desempenho de um sistema, dotando-o com a capacidade de aprendizagem, por exemplo, qual a técnica de otimização mais adequada para a resolução de uma classe particular de problemas, ou qual a parametrização mais adequada de um dado algoritmo num determinado cenário. Alguns dos métodos de otimização mais usados para a resolução de problemas do mundo real resultaram da adaptação de ideias de várias áreas de investigação, principalmente com inspiração na natureza - Meta-heurísticas. O processo de seleção de uma Meta-heurística para a resolução de um dado problema é em si um problema de otimização. As Híper-heurísticas surgem neste contexto como metodologias eficientes para selecionar ou gerar heurísticas (ou Meta-heurísticas) na resolução de problemas de otimização NP-difícil. Nesta dissertação pretende-se dar uma contribuição para o problema de seleção de Metaheurísticas respetiva parametrização. Neste sentido é descrita a especificação de uma Híperheurística para a seleção de técnicas baseadas na natureza, na resolução do problema de escalonamento de tarefas em sistemas de fabrico, com base em experiência anterior. O módulo de Híper-heurística desenvolvido utiliza um algoritmo de aprendizagem por reforço (QLearning), que permite dotar o sistema da capacidade de seleção automática da Metaheurística a usar no processo de otimização, assim como a respetiva parametrização. Finalmente, procede-se à realização de testes computacionais para avaliar a influência da Híper- Heurística no desempenho do sistema de escalonamento AutoDynAgents. Como conclusão genérica, é possível afirmar que, dos resultados obtidos é possível concluir existir vantagem significativa no desempenho do sistema quando introduzida a Híper-heurística baseada em QLearning.

Pulseira inteligente para monitorização de funções vitais

A crescente utilização de dispositivos móveis com diferentes finalidades é uma realidade. Com estes dispositivos, o utilizador tem a necessidade de aceder e usar dados em tempo real provenientes de diversas fontes. Uma tendência acentuada passa pela incorporação destes dispositivos móveis no vestuário, designados por dispositivos wearable. Segundo a empresa IMS Research, o mercado deste tipo de dispositivos irá aumentar de 14 milhões de unidades registadas no presente ano (2013), para cerca de 171 milhões em 2016, sendo esta previsão conservadora, segundo o analista da IMS Research, Theo Ahadome [15]. A maioria dos dispositivos portáteis está atualmente projetada para questões de saúde, como a monitorização do nível de glicose e batimento cardíaco. O objetivo deste trabalho passa por definir e implementar um dispositivo wearable para aplicações de saúde com um conjunto de funcionalidades para monitorização dos sinais vitais do utilizador. Posteriormente esta base pode ser aplicada em cenários de aplicação distintos, em que todos os dispositivos comunicam entre si, e fazem o reencaminhamento da informação para onde mais interessar. Foi desenhado e implementado hardware e software, para a construção de aplicações capazes de realizar a monitorização do batimento cardíaco, temperatura e humidade corporal, deteção de quedas, qualidade do sono, e chamadas de emergência. Este trabalho aborda os diferentes cenários e aplicações da utilização deste dispositivo, invocando as necessidades específicas de cada situação, sendo estas necessidades trabalhadas e transformadas em características e especificações do sistema. A plataforma de hardware e software permite criar um ecossistema de aplicações, permitindo usar todas as infraestruturas do sistema desenvolvido em futuros cenários de aplicação.

Redução dos Temmpos de Paragem não Programada numa Linha de Maquinação

A Dissertação que se pretende desenvolver decorre em ambiente industrial numa empresa, em que as principais áreas de actuação dizem respeito à injecção e maquinação de alumínio. Os componentes aí injectados e maquinados, são componentes que servirão posteriormente a indústria automóvel num vasto leque de aplicações, desde componentes para sistemas hidráulicos de travagem e componentes para sistemas de lubrificação. Nesta dissertação foi abordada a temática da redução do tempo de paragem não planeada numa linha de maquinação, pelo que se elencaram as principais causas que originavam essas paragens. Recorrendo à metodologia SMED, e a um vasto conjunto de técnicas auxiliares de determinação de causas como os 5 WHY´s, diagrama de Ishikawa, 5S e Kaizen, foram propostas diversas melhorias para a optimização do procedimento de troca de modelo, incluindo um conjunto de regras que visam a sustentabilidade do processo a médio e longo prazo. Com as melhorias adoptadas, verificou-se uma redução de 27,9% no tempo total de troca de modelo comparativamente com o tempo registado antes da implementação da metodologia SMED. Destaca-se a redução de 75% no tempo de montagem e desmontagem dos dispositivos no 3ºProcesso da linha em estudo. Revelou-se também crucial que para a implementação da técnica SMED ser bem sucedida em termos de eficiência e sustentabilidade, devem ser adoptadas um conjunto de diversas ferramentas “Lean Management” e de normalização do trabalho.

Feature Extraction in Densely Sensed Environments: Extensions to Multiple Broadcast Domains

The vision of the Internet of Things (IoT) includes large and dense deployment of interconnected smart sensing and monitoring devices. This vast deployment necessitates collection and processing of large volume of measurement data. However, collecting all the measured data from individual devices on such a scale may be impractical and time consuming. Moreover, processing these measurements requires complex algorithms to extract useful information. Thus, it becomes imperative to devise distributed information processing mechanisms that identify application-specific features in a timely manner and with a low overhead. In this article, we present a feature extraction mechanism for dense networks that takes advantage of dominance-based medium access control (MAC) protocols to (i) efficiently obtain global extrema of the sensed quantities, (ii) extract local extrema, and (iii) detect the boundaries of events, by using simple transforms that nodes employ on their local data. We extend our results for a large dense network with multiple broadcast domains (MBD). We discuss and compare two approaches for addressing the challenges with MBD and we show through extensive evaluations that our proposed distributed MBD approach is fast and efficient at retrieving the most valuable measurements, independent of the number sensor nodes in the network.

Desenvolvimento e caracterização de díodos orgânicos emissores de luz

Dissertação de mestrado integrado em Engenharia Eletrónica Industrial e Computadores

Impact of wind power generation on the electricity supply industry

The objective of this dissertation is to investigate the effect wind energy has on the Electricity Supply Industry in Ireland. Wind power generation is a source of renewable energy that is in abundant supply in Ireland and is fast becoming a resource that Ireland is depending on as a diverse and secure of supply of energy. However, wind is an intermittent resource and coupled with a variable demand, there are integration issues with balancing demand and supply effectively. To maintain a secure supply of electricity to customers, it is necessary that wind power has an operational reserve to ensure appropriate backup for situations where there is low wind but high demand. This dissertation examines the affect of this integration by comparing wind generation to that of conventional generation in the national grid. This is done to ascertain the cost benefits of wind power generation against a scenario with no wind generation. Then, the analysis examines to see if wind power can meet the pillars of sustainability. This entails looking at wind in a practical scenario to observe how it meets these pillars under the criteria of environmental responsibility, displacement of conventional fuel, cost competitiveness and security of supply.

Mujeres inmigradas y prácticas sociolegales en situaciones de violencia en la pareja: diferencias, desigualdades y disidencias en los contextos de atención

La investigación aborda el problema de la violencia de género dentro de la pareja en mujeres inmigrantes. El objetivo es conocer el impacto de los dispositivos sociolegales sobre las propias mujeres inmigrantes, a la vez que se conoce como el fenómeno de la inmigración ha influido en las prácticas institucionales. Los resultados indican efectos de protección y a la vez efectos perversos en los dispositivos sociolegales que se cuidan de las mujeres inmigradas. Se hacen propuestas para una intervención más situada y reflexiva.

Gestió d'inventari de dispositius

La memòria consisteix en el desenvolupament d'un sistema web per gestionar l'inventari de dispositius de xarxa i d'equips informàtics d'una escola. Més concretament dels equips es pot gestionar informació referent a característiques de hardware, software i de xarxa com l'adreça MAC, IP, roseta on està connectat... Dels dispositius de xarxa es pot gestionar informació referent als armaris, patch panels, switches, virtual LANs i punts d'accés on es connecten ordinadors, portàtils, telèfons o faxos.

Semi-online neural-Q_leaming for real-time robot learning

Reinforcement learning (RL) is a very suitable technique for robot learning, as it can learn in unknown environments and in real-time computation. The main difficulties in adapting classic RL algorithms to robotic systems are the generalization problem and the correct observation of the Markovian state. This paper attempts to solve the generalization problem by proposing the semi-online neural-Q_learning algorithm (SONQL). The algorithm uses the classic Q_learning technique with two modifications. First, a neural network (NN) approximates the Q_function allowing the use of continuous states and actions. Second, a database of the most representative learning samples accelerates and stabilizes the convergence. The term semi-online is referred to the fact that the algorithm uses the current but also past learning samples. However, the algorithm is able to learn in real-time while the robot is interacting with the environment. The paper shows simulated results with the "mountain-car" benchmark and, also, real results with an underwater robot in a target following behavior

Millora en la creació i configuració automatitzada de dispositius a la xarxa lliure Guifi.net

Guifi.net es una red libre de telecomunicaciones construida a iniciativa de los propios participantes que, mediante un acuerdo entre iguales, se interconectan para compartir servicios y recursos. Del vínculo filosófico con el software libre deriva que toda la información sea pública, mientras que del agnosticismo tecnológico, la utilización de cualquier dispositivo del mercado. Por esto existe el 'unsolclic', una secuencia de órdenes de confi guración genérica de dispositivos y verdadero factor de éxito. El objetivo del proyecto es mejorar el proceso de incorporación de nuevos dispositivos a la aplicación actual. Mediante una nueva gestión web y un sistema de plantillas estándar, los usuarios avanzados podran crear los confi guradores 'unsolclic' para los nuevos dispositivos del mercado y mantener los existentes con más facilidad y eficiencia.