Identificação dos parâmetros técnicos de exposição em exames radiológicos convencionais na região de Lisboa: uma comparação com a referência europeia

Em Portugal não são conhecidos estudos publicados que identifiquem com clareza as distribuições típicas dos valores associados aos parâmetros técnicos de exposição utilizados nos exames radiológicos mais comuns. Este estudo tem como objectivos identificar os parâmetros técnicos utilizados em exames radiológicos convencionais na região de Lisboa e comparar os dados com a referência europeia CEC. Os resultados obtidos evidenciam que nas projecções estudadas existe uma predominância para o uso de termos de exposição acima da recomendação CEC e de valores de potencial da ampola (kV) abaixo da recomendação. Esta investigação sugere a necessidade de fixar os NRD nacionais, e/ou locais, e efectuar as respectivas medições, dado que a optimização da exposição é um mecanismo de controlo fundamental para limitar as exposições desnecessárias dos pacientes às radiações ionizantes. Conclui-se que a nível local (região da Grande Lisboa) existe um desconhecimento da prática radiológica enquadrada nos referenciais europeus de boa prática radiológica. Desconhecendo-se a situação a nível nacional, sugerem-se estudos no sentido de identificar os padrões de prática radiológica a nível do País e de promover a optimização dos procedimentos em radiologia convencional. ABSTRACT - Typical distribution of exposure parameters in plain radiography is unknown in Portugal. This study aims to identify exposure parameters that are being used in plain radiography in Lisbon area and to compare collected data with European references (CEC guidelines). Results show that in the four anatomic regions there is a strong tendency of using exposure times above the European recommendation. We also found that x-ray tube potential values (kV) are below the recommended values from CEC guidelines. This study shows that at a local level (Lisbon region) radiographic practice does not fit with CEC guidelines concerning exposure techniques. We suggest continuing national/local studies with the objective to improve exposure optimization and technical procedures in plain radiography. This study also suggests the need to establish national/local DRL’s and to proceed to effective measurements for exposure optimization.

Estratégias para negociação de contratos bilaterais em mercados multi-agente de energia eléctrica

A energia eléctrica é um bem essencial para a maioria das sociedades. O seu fornecimento tem sido encarado como um serviço público, da responsabilidade dos governos, através de empresas monopolistas, públicas e privadas. O Mercado Ibérico de Electricidade (MIBEL) surge com o objectivo da integração e cooperação do sector eléctrico Português e Espanhol, no qual é possível negociar preços e volumes de energia. Actualmente, as entidades podem negociar através de um mercado bolsista ou num mercado de contratos bilaterais. Uma análise dos mercados de electricidade existentes mostra que estes estão longe de estarem liberalizados. As tarifas não reflectem o efeito da competitividade. Além disso, o recurso a contratos bilaterais limita frequentemente os clientes a um único fornecedor de energia eléctrica. Nos últimos anos, têm surgido uma série de ferramentas computacionais que permitem simular, parte ou a totalidade, dos mercados de electricidade. Contudo, apesar das suas potencialidades, muitos simuladores carecem de flexibilidade e generalidade. Nesta perspectiva, esta dissertação tem como principal objectivo o desenvolvimento de um simulador de mercados de energia eléctrica que possibilite lidar com as dificuldades inerentes a este novo modelo de mercado, recorrendo a agentes computacionais autónomos. A dissertação descreve o desenho e a implementação de um simulador simplificado para negociação de contratos bilaterais em mercados de energia, com particular incidência para o desenho das estratégias a utilizar pelas partes negociais. Além disso, efectua-se a descrição de um caso prático, com dados do MIBEL. Descrevem-se também várias simulações computacionais, envolvendo retalhistas e consumidores de energia eléctrica, que utilizam diferentes estratégias negociais. Efectua-se a análise detalhada dos resultados obtidos. De forma sucinta, os resultados permitem concluir que as melhores estratégias para cada entidade, no caso prático estudado, são: a estratégia de concessões fixas, para o retalhista, e a estratégia de concessões baseada no volume de energia, para o consumidor.

GA topology optimization using random keys for tree encoding of structures

Topology optimization consists in finding the spatial distribution of a given total volume of material for the resulting structure to have some optimal property, for instance, maximization of structural stiffness or maximization of the fundamental eigenfrequency. In this paper a Genetic Algorithm (GA) employing a representation method based on trees is developed to generate initial feasible individuals that remain feasible upon crossover and mutation and as such do not require any repairing operator to ensure feasibility. Several application examples are studied involving the topology optimization of structures where the objective functions is the maximization of the stiffness and the maximization of the first and the second eigenfrequencies of a plate, all cases having a prescribed material volume constraint.

Particle swarm optimization based approaches to vehicle-to-grid scheduling

This paper addresses the problem of energy resources management using modern metaheuristics approaches, namely Particle Swarm Optimization (PSO), New Particle Swarm Optimization (NPSO) and Evolutionary Particle Swarm Optimization (EPSO). The addressed problem in this research paper is intended for aggregators’ use operating in a smart grid context, dealing with Distributed Generation (DG), and gridable vehicles intelligently managed on a multi-period basis according to its users’ profiles and requirements. The aggregator can also purchase additional energy from external suppliers. The paper includes a case study considering a 30 kV distribution network with one substation, 180 buses and 90 load points. The distribution network in the case study considers intense penetration of DG, including 116 units from several technologies, and one external supplier. A scenario of 6000 EVs for the given network is simulated during 24 periods, corresponding to one day. The results of the application of the PSO approaches to this case study are discussed deep in the paper.

Self-optimization module for scheduling using case-based reasoning

Metaheuristics performance is highly dependent of the respective parameters which need to be tuned. Parameter tuning may allow a larger flexibility and robustness but requires a careful initialization. The process of defining which parameters setting should be used is not obvious. The values for parameters depend mainly on the problem, the instance to be solved, the search time available to spend in solving the problem, and the required quality of solution. This paper presents a learning module proposal for an autonomous parameterization of Metaheuristics, integrated on a Multi-Agent System for the resolution of Dynamic Scheduling problems. The proposed learning module is inspired on Autonomic Computing Self-Optimization concept, defining that systems must continuously and proactively improve their performance. For the learning implementation it is used Case-based Reasoning, which uses previous similar data to solve new cases. In the use of Case-based Reasoning it is assumed that similar cases have similar solutions. After a literature review on topics used, both AutoDynAgents system and Self-Optimization module are described. Finally, a computational study is presented where the proposed module is evaluated, obtained results are compared with previous ones, some conclusions are reached, and some future work is referred. It is expected that this proposal can be a great contribution for the self-parameterization of Metaheuristics and for the resolution of scheduling problems on dynamic environments.

Cooperative scheduling system with emergent swarm based behavior

This paper presents a Swarm based Cooperation Mechanism for scheduling optimization. We intend to conceptualize real manufacturing systems as interacting autonomous entities in order to support decision making in agile manufacturing environments. Agents coordinate their actions automatically without human supervision considering a common objective – global scheduling solution taking advantages from collective behavior of species through implicit and explicit cooperation. The performance of the cooperation mechanism will be evaluated consider implicit cooperation at first stage through ACS, PSO and ABC algorithms and explicit through cooperation mechanism application.

Distributed energy resource short-term scheduling using signaled particle swarm optimization

Distributed Energy Resources (DER) scheduling in smart grids presents a new challenge to system operators. The increase of new resources, such as storage systems and demand response programs, results in additional computational efforts for optimization problems. On the other hand, since natural resources, such as wind and sun, can only be precisely forecasted with small anticipation, short-term scheduling is especially relevant requiring a very good performance on large dimension problems. Traditional techniques such as Mixed-Integer Non-Linear Programming (MINLP) do not cope well with large scale problems. This type of problems can be appropriately addressed by metaheuristics approaches. This paper proposes a new methodology called Signaled Particle Swarm Optimization (SiPSO) to address the energy resources management problem in the scope of smart grids, with intensive use of DER. The proposed methodology’s performance is illustrated by a case study with 99 distributed generators, 208 loads, and 27 storage units. The results are compared with those obtained in other methodologies, namely MINLP, Genetic Algorithm, original Particle Swarm Optimization (PSO), Evolutionary PSO, and New PSO. SiPSO performance is superior to the other tested PSO variants, demonstrating its adequacy to solve large dimension problems which require a decision in a short period of time.

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 new approach for multi-agent coalition formation and management in the scope of electricity markets

This paper presents a new methodology for the creation and management of coalitions in Electricity Markets. This approach is tested using the multi-agent market simulator MASCEM, taking advantage of its ability to provide the means to model and simulate VPP (Virtual Power Producers). VPPs are represented as coalitions of agents, with the capability of negotiating both in the market, and internally, with their members, in order to combine and manage their individual specific characteristics and goals, with the strategy and objectives of the VPP itself. The new features include the development of particular individual facilitators to manage the communications amongst the members of each coalition independently from the rest of the simulation, and also the mechanisms for the classification of the agents that are candidates to join the coalition. In addition, a global study on the results of the Iberian Electricity Market is performed, to compare and analyze different approaches for defining consistent and adequate strategies to integrate into the agents of MASCEM. This, combined with the application of learning and prediction techniques provide the agents with the ability to learn and adapt themselves, by adjusting their actions to the continued evolving states of the world they are playing in.

Negotiation mechanism for self-organized scheduling system

This paper presents a negotiation mechanism for Dynamic Scheduling based on Swarm Intelligence (SI). Under the new negotiation mechanism, agents must compete to obtain a global schedule. SI is the general term for several computational techniques which use ideas and get inspiration from the social behaviors of insects and other animals. This work is concerned with negotiation, the process through which multiple selfinterested agents can reach agreement over the exchange of operations on competitive resources.

Self-organization for scheduling in agile manufacturing

Agility refers to the manufacturing system ability to rapidly adapt to market and environmental changes in efficient and cost-effective ways. This paper addresses the development of self-organization methods to enhance the operations of a scheduling system, by integrating scheduling system, configuration and optimization into a single autonomic process requiring minimal manual intervention to increase productivity and effectiveness while minimizing complexity for users. We intend to conceptualize real manufacturing systems as interacting autonomous entities in order to build future Decision Support Systems (DSS) for Scheduling in agile manufacturing environments.

Self-optimizing through CBR learning

In this paper, we foresee the use of Multi-Agent Systems for supporting dynamic and distributed scheduling in Manufacturing Systems. We also envisage the use of Autonomic properties in order to reduce the complexity of managing systems and human interference. By combining Multi-Agent Systems, Autonomic Computing, and Nature Inspired Techniques we propose an approach for the resolution of dynamic scheduling problem, with Case-based Reasoning Learning capabilities. The objective is to permit a system to be able to automatically adopt/select a Meta-heuristic and respective parameterization considering scheduling characteristics. From the comparison of the obtained results with previous results, we conclude about the benefits of its use.

Modelação e simulação de sistemas fotovoltaicos

Os sistemas fotovoltaicos produzem energia eléctrica limpa, e inesgotável na nossa escala temporal. A Agência Internacional de Energia encara a tecnologia fotovoltaica como uma das mais promissoras, esperando nas suas previsões mais optimistas, que em 2050 possa representar 20% da produção eléctrica mundial, o equivalente a 18000 TWh. No entanto, e apesar do desenvolvimento notável nas últimas décadas, a principal condicionante a uma maior proliferação destes sistemas é o ainda elevado custo, aliado ao seu fraco desempenho global. Apesar do custo e ineficiência dos módulos fotovoltaicos ter vindo a diminuir, o rendimento dos sistemas contínua dependente de factores externos sujeitos a grande variabilidade, como a temperatura e a irradiância, e às limitações tecnológicas e falta de sinergia dos seus equipamentos constituintes. Neste sentido procurou-se como objectivo na elaboração desta dissertação, avaliar o potencial de optimização dos sistemas fotovoltaicos recorrendo a técnicas de modelação e simulação. Para o efeito, em primeiro lugar foram identificados os principais factores que condicionam o desempenho destes sistemas. Em segundo lugar, e como caso prático de estudo, procedeu-se à modelação de algumas configurações de sistemas fotovoltaicos, e respectivos componentes em ambiente MatlabTM/SimulinkTM. Em seguida procedeu-se à análise das principais vantagens e desvantagens da utilização de diversas ferramentas de modelação na optimização destes sistemas, assim como da incorporação de técnicas de inteligência artificial para responder aos novos desafios que esta tecnologia enfrentará no futuro. Através deste estudo, conclui-se que a modelação é não só um instrumento útil para a optimização dos actuais sistemas PV, como será, certamente uma ferramenta imprescindível para responder aos desafios das novas aplicações desta tecnologia. Neste último ponto as técnicas de modelação com recurso a inteligência artificial (IA) terão seguramente um papel preponderante. O caso prático de modelação realizado permitiu concluir que esta é igualmente uma ferramenta útil no apoio ao ensino e investigação. Contudo, convém não esquecer que um modelo é apenas uma aproximação à realidade, devendo recorrer-se sempre ao sentido crítico na interpretação dos seus resultados.

Derivative-free optimization and filter methods to solve nonlinear constrained problems

In real optimization problems, usually the analytical expression of the objective function is not known, nor its derivatives, or they are complex. In these cases it becomes essential to use optimization methods where the calculation of the derivatives, or the verification of their existence, is not necessary: the Direct Search Methods or Derivative-free Methods are one solution. When the problem has constraints, penalty functions are often used. Unfortunately the choice of the penalty parameters is, frequently, very difficult, because most strategies for choosing it are heuristics strategies. As an alternative to penalty function appeared the filter methods. A filter algorithm introduces a function that aggregates the constrained violations and constructs a biobjective problem. In this problem the step is accepted if it either reduces the objective function or the constrained violation. This implies that the filter methods are less parameter dependent than a penalty function. In this work, we present a new direct search method, based on simplex methods, for general constrained optimization that combines the features of the simplex method and filter methods. This method does not compute or approximate any derivatives, penalty constants or Lagrange multipliers. The basic idea of simplex filter algorithm is to construct an initial simplex and use the simplex to drive the search. We illustrate the behavior of our algorithm through some examples. The proposed methods were implemented in Java.

Antena multi-banda para comunicações móveis

O desenvolvimento dos sistemas de comunicações móveis tem vindo a ser cada vez maior, fazendo com que os sistemas funcionem em várias bandas de operação. Neste sentido, surge a necessidade de desenvolver antenas que superem aquelas já existentes, ao nível das suas propriedades electromagnéticas, para que os sistemas apresentem uma maior qualidade e possam corresponder às exigências inerentes ao desenvolvimento das sociedades. O objectivo desta dissertação de Mestrado é dimensionar, construir e medir uma antena multi-banda para comunicações móveis, com base em estruturas EBG (Electromagnetic Band-Gap) que melhorem o comportamento electromagnético daquelas já existentes, para a banda de frequências de 2.4 GHz e de 5.2 GHz. Começa-se por fazer-se um estudo acerca do estado da arte de estruturas EBG, muito utilizadas em várias áreas, nomeadamente a área das antenas, área sobre a qual esta dissertação assenta. Posteriormente é feita uma breve introdução às antenas microstrip, particularizando de seguida para antenas PIFA e as suas características. Posteriormente é feito o estudo de uma antena PIFA, com e sem a influência de estruturas EBG, para as bandas de 2.4 GHz e 5.2 GHz. Posteriormente são apresentados e comparados resultados das várias antenas. Da análise desses resultados, verifica-se que é possível obter uma antena de baixo perfil com a utilização de estruturas EBG como plano de massa. Além disso, verifica-se também que é possível diminuir a radiação traseira e aumentar a largura de banda. Finalmente, são apresentadas algumas conclusões e várias propostas de trabalho futuro.