Estudo para a implementação de plataformas de e-learning no sistema de formação dos recursos humanos da saúde: o caso particular dos enfermeiros de um hospital privado

Mestrado em Intervenção Sócio-Organizacional na Saúde - Área de especialização: Políticas de Administração e Gestão de Serviços de Saúde.

A risk-averse optimization model for trading wind energy in a market environment under uncertainty

In this paper, a stochastic programming approach is proposed for trading wind energy in a market environment under uncertainty. Uncertainty in the energy market prices is the main cause of high volatility of profits achieved by power producers. The volatile and intermittent nature of wind energy represents another source of uncertainty. Hence, each uncertain parameter is modeled by scenarios, where each scenario represents a plausible realization of the uncertain parameters with an associated occurrence probability. Also, an appropriate risk measurement is considered. The proposed approach is applied on a realistic case study, based on a wind farm in Portugal. Finally, conclusions are duly drawn. (C) 2011 Elsevier Ltd. All rights reserved.

Application of adaptive neuro-fuzzy inference for wind power short-term forecasting

The increased integration of wind power into the electric grid, as nowadays occurs in Portugal, poses new challenges due to its intermittency and volatility. Hence, good forecasting tools play a key role in tackling these challenges. In this paper, an adaptive neuro-fuzzy inference approach is proposed for short-term wind power forecasting. Results from a real-world case study are presented. A thorough comparison is carried out, taking into account the results obtained with other approaches. Numerical results are presented and conclusions are duly drawn. (C) 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.

Short-term wind forecasting for energy resources scheduling

This paper proposes a wind power forecasting methodology based on two methods: direct wind power forecasting and wind speed forecasting in the first phase followed by wind power forecasting using turbines characteristics and the aforementioned wind speed forecast. The proposed forecasting methodology aims to support the operation in the scope of the intraday resources scheduling model, namely with a time horizon of 5 minutes. This intraday model supports distribution network operators in the short-term scheduling problem, in the smart grid context. A case study using a real database of 12 months recorded from a Portuguese wind power farm was used. The results show that the straightforward methodology can be applied in the intraday model with high wind speed and wind power accuracy. The wind power forecast direct method shows better performance than wind power forecast using turbine characteristics and wind speed forecast obtained in first phase.

Short-term wind power forecasting in Portugal by neural networks and wavelet transform

This paper proposes artificial neural networks in combination with wavelet transform for short-term wind power forecasting in Portugal. The increased integration of wind power into the electric grid, as nowadays occurs in Portugal, poses new challenges due to its intermittency and volatility. Hence, good forecasting tools play a key role in tackling these challenges. Results from a real-world case study are presented. A comparison is carried out, taking into account the results obtained with other approaches. Finally, conclusions are duly drawn. (C) 2010 Elsevier Ltd. All rights reserved.

A short-term risk management tool applied to OMEL electricity market using particle swarm optimization

Short-term risk management is highly dependent on long-term contractual decisions previously established; risk aversion factor of the agent and short-term price forecast accuracy. Trying to give answers to that problem, this paper provides a different approach for short-term risk management on electricity markets. Based on long-term contractual decisions and making use of a price range forecast method developed by the authors, the short-term risk management tool presented here has as main concern to find the optimal spot market strategies that a producer should have for a specific day in function of his risk aversion factor, with the objective to maximize the profits and simultaneously to practice the hedge against price market volatility. Due to the complexity of the optimization problem, the authors make use of Particle Swarm Optimization (PSO) to find the optimal solution. Results from realistic data, namely from OMEL electricity market, are presented and discussed in detail.

A long-term risk management tool for electricity markets using swarm intelligence

This paper addresses the optimal involvement in derivatives electricity markets of a power producer to hedge against the pool price volatility. To achieve this aim, a swarm intelligence meta-heuristic optimization technique for long-term risk management tool is proposed. This tool investigates the long-term opportunities for risk hedging available for electric power producers through the use of contracts with physical (spot and forward contracts) and financial (options contracts) settlement. The producer risk preference is formulated as a utility function (U) expressing the trade-off between the expectation and the variance of the return. Variance of return and the expectation are based on a forecasted scenario interval determined by a long-term price range forecasting model. This model also makes use of particle swarm optimization (PSO) to find the best parameters allow to achieve better forecasting results. On the other hand, the price estimation depends on load forecasting. This work also presents a regressive long-term load forecast model that make use of PSO to find the best parameters as well as in price estimation. The PSO technique performance has been evaluated by comparison with a Genetic Algorithm (GA) based approach. A case study is presented and the results are discussed taking into account the real price and load historical data from mainland Spanish electricity market demonstrating the effectiveness of the methodology handling this type of problems. Finally, conclusions are dully drawn.

Futuros: estudo de caso sobre futuros cambiais

Mestrado em Contabilidade

Análise de clusters e volatilidade de índices de acções

Mestrado em Contabilidade e Gestão das Instituições Financeiras

A internacionalização das empresas portuguesas da indústria do calçado e a relação com a volatilidade das vendas e resultados

Dissertação de Mestrado em Finanças Empresariais

Previsão de vento baseado em técnicas de Data Mining

Mestrado em Engenharia Electrotécnica – Sistemas Eléctricos de Energia

Produção de hidrogénio através da gasificação da biomassa

A procura de uma forma limpa de combustível, aliada à crescente instabilidade de preços dos combustíveis fósseis verificada nos mercados faz com que o hidrogénio se torne num combustível a considerar devido a não resultar qualquer produto poluente da sua queima e de se poder utilizar, por exemplo, desperdícios florestais cujo valor de mercado não está inflacionado por não pertencer à cadeia alimentar humana. Este trabalho tem como objetivo simular o processo de gasificação de biomassa para produção de hidrogénio utilizando um gasificador de leito fluidizado circulante. O oxigénio e vapor de água funcionam como agentes gasificantes. Para o efeito usou-se o simulador de processos químicos ASPEN Plus. A simulação desenvolvida compreende três etapas que ocorrem no interior do gasificador: pirólise, que foi simulada por um bloco RYIELD, combustão de parte dos compostos voláteis, simulada por um bloco RSTOIC e, por fim, as reações de oxidação e gasificação do carbonizado “char”, simuladas por um bloco RPLUG. Os valores de rendimento dos compostos após a pirólise, obtidos por uma correlação proposta por Gomez-Barea, et al. (2010), foram os seguintes: 20,33% “char”, 22,59% alcatrão, 36,90% monóxido de carbono, 16,05%m/m dióxido de carbono, 3,33% metano e 0,79% hidrogénio (% em massa). Como não foi possível encontrar valores da variação da composição do gás à saída do gasificador com a variação da temperatura, para o caso de vapor de água e oxigénio, optou-se por utilizar apenas vapor na simulação de forma a comparar os seus valores com os da literatura. Às temperaturas de 700, 770 e 820ºC, para um “steam-to-biomass ratio”, (SBR) igual a 0,5, os valores da percentagem molar de monóxido de carbono foram, respetivamente, 56,60%, 55,84% e 53,85%, os valores de hidrogénio foram, respetivamente, 17,83%, 18,25% e 19,31%, os valores de dióxido de carbono foram, respetivamente, 16,40%, 16,85% e 17,93% e os valores de metano foram, respetivamente, 9,00%, 8,95% e 8,83%. Os valores da composição à saída do gasificador, à temperatura de 820ºC, para um SBR de 0,5 foram: 53,85% de monóxido de carbono, 19,31% de hidrogénio, 17,93% de dióxido de carbono e 8,83% de metano (% em moles). Para um SBR de 0,7 a composição à saída foi de 54,45% de monóxido de carbono, 19,01% de hidrogénio, 17,59% de dióxido de carbono e 8,87% de metano. Por fim, quando SBR foi igual a 1 a composição do gás à saída foi de 55,08% de monóxido de carbono, 18,69% de hidrogénio, 17,24% de dióxido de carbono e 8,90% de metano. Os valores da composição obtidos através da simulação, para uma mistura de ar e vapor de água, ER igual a 0,26 e SBR igual a 1, foram: 34,00% de monóxido de carbono, 14,65% de hidrogénio, 45,81% de dióxido de carbono e 5,41% de metano. A simulação permitiu-nos ainda dimensionar o gasificador e determinar alguns parâmetros hidrodinâmicos do gasificador, considerando que a reação “water-gas shift” era a limitante, e que se pretendia obter uma conversão de 95%. A velocidade de operação do gasificador foi de 4,7m/s e a sua altura igual a 0,73m, para um diâmetro de 0,20m.

Volatilidade implícita: estudo de caso

Mestrado em Controlo de Gestão dos Negócios

Futuros sobre a margem operacional da refinação do petróleo bruto: crack spreads

Mestrado em Contabilidade Internacional

Estudo empírico sobre insolvências no setor de alojamento e restauração

Mestrado em Contabilidade e Análise Financeira