Sistema inteligente para previsão de carga multinodal em sistemas elétricos de potência

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Utilização de redes neurais artificiais no ajuste de controladores suplementares e dispositivo FACTS STATCOM para a melhoria da estabilidade a pequenas perturbações do sistema elétrico de potência

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Projeto de controladores suplementares de amortecimento utilizando redes neurais artificiais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Predição do sequestro do carbono em área reflorestada utilizando redes neurais artificiais

Pós-graduação em Engenharia Mecânica - FEIS

Análise de sensibilidade por redes neurais para estudos da estabilidade transitória de sistemas elétricos de potência

Pós-graduação em Engenharia Elétrica - FEIS

Uma abordagem baseada em redes neurais artificiais para a estimação de densidade de solo

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Síntese e caracterização do titanato de cálcio dopado com escândio

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Preparação de filmes finos ferroelétricos de SrBi2'('TA IND.1-x''NB IND.x)ÍND.2 'O IND.9' puro e dopado com tungstênio, obtidos pelo método dos precursores poliméricos

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Modelos para previsão de carga a curto prazo através de redes neurais artificiais com treinamento baseado na teoria da informação

O conhecimento prévio do valor da carga é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Este trabalho apresenta os resultados de um estudo investigativo da aplicação de Redes Neurais Artificiais do tipo Perceptron Multicamadas com treinamento baseado na Teoria da Informação para o problema de Previsão de Carga a curto prazo. A aprendizagem baseada na Teoria da Informação se concentra na utilização da quantidade de informação (Entropia) para treinamento de uma rede neural artificial. Dois modelos previsores são apresentados sendo que os mesmos foram desenvolvidos a partir de dados reais fornecidos por uma concessionária de energia. Para comparação e verificação da eficiência dos modelos propostos um terceiro modelo foi também desenvolvido utilizando uma rede neural com treinamento baseado no critério clássico do erro médio quadrático. Os resultados alcançados mostraram a eficiência dos sistemas propostos, que obtiveram melhores resultados de previsão quando comparados ao sistema de previsão baseado na rede treinada pelo critério do MSE e aos sistemas previsores já apresentados na literatura.

Descargas parciais em barras estatóricas de hidrogeradores: modelagem por guia de onda e análise de um acoplador

Neste trabalho, tem-se como objetivo modelar as barras estatóricas de hidrogeradores por guias de onda multicamadas e estudar a aplicabilidade de um acoplador (sensor) para monitoramento das ocorrências de descargas parciais no interior dessas barras (mais precisamente, na sua camada isolante). Para isso, inicia-se por uma abordagem conceitual do fenômeno de descargas parciais, na qual é mostrada a importância do monitoramento das mesmas para identificar os sintomas de fragilidade dielétrica dos materiais isolantes dessas barras. Posteriormente, realiza-se uma apresentação sobre os métodos de monitoramento das descargas parciais, analisam-se os sinais de pulsos elétricos produzidos por elas e seus parâmetros típicos. Em seguida, estudam-se os modos de propagação de ondas eletromagnéticas produzidas pelas descargas parciais nas barras estatóricas de hidrogeradores, modelando-as por meio de guias de onda multicamadas. Para finalizar, apresenta-se um modelo de acoplador eletromagnético ou sensor, formado por uma linha de microfita, enfocando a sua aplicabilidade no sistema de monitoramento dessas ondas eletromagnéticas.

Estudo de amostras de Staphylococcus coagulase-negativa quanto a formação de biofilme

Pós-graduação em Biociências e Biotecnologia Aplicadas à Farmácia - FCFAR

Aplicações de redes neurais e neuro fuzzy em engenharia biomédica e agronomia

Pós-graduação em Engenharia Elétrica - FEIS

Previsão de Preço (LMP) por Redes GRNN

Pós-graduação em Engenharia Elétrica - FEIS

Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins

Pós-graduação em Engenharia Elétrica - FEIS

Previsão de demanda de cargas elétricas por seleção de variáveis stepwise e redes neurais artificiais

Pós-graduação em Engenharia Elétrica - FEIS