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.

Gestão energética de um edifício com base na previsão do número de pessoas

Dissertação para obtenção do Grau de Mestre em Engenharia Electrotécnica e de Computadores

Contribuição para o desenvolvimento de modelos de previsão de fendilhamento de pavimentos rodoviários

Dissertação para obtenção do Grau de Mestre em Engenharia Civil

Successões cronológicas e previsão

Neste trabalho tratamos o problema da previsão de sucessões cronológicas. Numa primeira face, percorremos as principias metodologias não causais e causais para a análise e previsão de sucessões cronológicas, indicando para cada uma delas o software que consideramos mais adequado. Em seguida, destacamos três dessas metodologias não causais: modelo de Holt-Winters, modelo linear ARMA, e modelo estrutural. Um exemplo é tratado à luz destas metodologias e são comparados os seus resultados previsionais.

Previsão do diagrama de carga de subestações da REN utilizando redes Neuronais

A previsão de diagramas de carga é bastante utilizada por diversas empresas que lidam com o setor elétrico, o que torna este processo muito importante para a eficiência e qualidade. As Redes Neuronais Artificias (RNA) são uma técnica computacional com diversas áreas de aplicação, sendo uma delas a previsão de cargas. Ao longo deste artigo está presente todo o processo realizado para alcançar as redes ideais de duas subestações da Rede Elétrica Nacional (REN), Prelada e Ermesinde, e posteriormente desenvolver um método de previsão eficaz para diagramas de carga e comprovar que a utilização de RNA são uma mais-valia no alcance de boas previsões.

Modelo de previsão de insolvências

O atual, e já contínuo, clima de instabilidade e crise financeira, assola diversos países. Fruto de todo este clima, também de insegurança e vulnerabilidade assistimos à insolvência de inúmeras empresas. Em 2014, 9.2291 empresas portuguesas encontram-se em processos de insolvência ou recuperação. Ao longo dos anos foram criados modelos de previsão de insolvências, entre eles, o mais importante, Z-Score de Edward Altman, que consistem na utilização de rácios financeiros para uma análise multivariada. Estes modelos revelaram-se uma importante ferramenta na análise do desempenho de uma empresa e no apoio à decisão do risco de crédito. Neste sentido, o papel da Auditoria é também fundamental, com o objetivo de credibilizar as demonstrações financeiras, pois o nosso estudo assenta na criação de um modelo para prever a insolvência através da dimensão económico-financeira, e, por consequência, as demonstrações financeiras são a base da nossa análise. O presente estudo pretende analisar o setor do calçado e identificar quais os rácios económicofinanceiros relevantes e a significância da variável Certificação Legal de Contas para a previsão de insolvência em empresas deste ramo, através de uma investigação qualitativa, de caráter exploratório e de técnica de análise de conteúdo. Selecionamos 60 empresas do setor, em que 33 são empresas solventes e 27 em estado de insolvência/ dissolução/ falência/ liquidação. As Demonstrações Financeiras das empresas solventes consideram como último ano, 2014. De seguida selecionamos 31 rácios, incluindo as variáveis Certificação Legal de Contas e a Solvência ou não da empresa em questão. Com base nestes dados, construiremos o modelo de previsão, através da ferramenta SPSS e responderemos às hipóteses formuladas.

Previsão e definição de perfis na gestão dos recursos de energia no âmbito de edifícios auto-sustentáveis

Nos últimos anos o consumo de energia elétrica produzida a partir de fontes renováveis tem aumentado significativamente. Este aumento deve-se ao impacto ambiental que recursos como o petróleo, gás, urânio, carvão, entre outros, têm no meio ambiente e que são notáveis no diaa- dia com as alterações climáticas e o aquecimento global. Por sua vez, estes recursos têm um ciclo de vida limitado e a dada altura tornar-se-ão escassos. A preocupação de uma melhoria contínua na redução dos impactos ambientais levou à criação de Normas para uma gestão mais eficiente e sustentável do consumo de energia nos edifícios. Parte da eletricidade vendida pelas empresas de comercialização é produzida através de fontes renováveis, e com a recente publicação do Decreto de Lei nº 153/2014 de 20 outubro de 2014 que regulamenta o autoconsumo, permitindo que também os consumidores possam produzir a sua própria energia nas suas residências para reduzir os custos com a compra de eletricidade. Neste contexto surgiram os edifícios inteligentes. Por edifícios inteligentes entende-se que são edifícios construídos com materiais que os tornam mais eficientes, possuem iluminação e equipamentos elétricos mais eficientes, e têm sistemas de produção de energia que permitem alimentar o próprio edifício, para um consumo mais sustentado. Os sistemas implementados nos edifícios inteligentes visam a monitorização e gestão da energia consumida e produzida para evitar desperdícios de consumo. O trabalho desenvolvido visa o estudo e a implementação de Redes Neuronais Artificiais (RNA) para prever os consumos de energia elétrica dos edifícios N e I do ISEP/GECAD, bem como a previsão da produção dos seus painéis fotovoltáicos. O estudo feito aos dados de consumo permitiu identificar perfis típicos de consumo ao longo de uma semana e de que forma são influenciados pelo contexto, nomeadamente, com os dias da semana versus fim-de-semana, e com as estações do ano, sendo analisados perfis de consumo de inverno e verão. A produção de energia através de painéis fotovoltaicos foi também analisada para perceber se a produção atual é suficiente para satisfazer as necessidades de consumo dos edifícios. Também foi analisada a possibilidade da produção satisfazer parcialmente as necessidades de consumos específicos, por exemplo, da iluminação dos edifícios, dos seus sistemas de ar condicionado ou dos equipamentos usados.

Inteligência artificial aplicada na previsão de mercados financeiros

Neste documento, são investigados vários métodos usados na inteligência artificial, com o objetivo de obter previsões precisas da evolução dos mercados financeiros. O uso de ferramentas lineares como os modelos AR, MA, ARMA e GARCH têm muitas limitações, pois torna-se muito difícil adaptá-los às não linearidades dos fenómenos que ocorrem nos mercados. Pelas razões anteriormente referidas, os algoritmos como as redes neuronais dinâmicas (TDNN, NARX e ESN), mostram uma maior capacidade de adaptação a estas não linearidades, pois não fazem qualquer pressuposto sobre as distribuições de probabilidade que caracterizam estes mercados. O facto destas redes neuronais serem dinâmicas, faz com que estas exibam um desempenho superior em relação às redes neuronais estáticas, ou outros algoritmos que não possuem qualquer tipo de memória. Apesar das vantagens reveladas pelas redes neuronais, estas são um sistema do tipo black box, o que torna muito difícil extrair informação dos pesos da rede. Isto significa que estes algoritmos devem ser usados com precaução, pois podem tornar-se instáveis.

Estudo numérico da adequação de diferentes tipos de leis coesivas na previsão da resistência de juntas adesivas por Modelos de Dano Coesivo

O uso de ligações adesivas aumentou significativamente nos últimos anos e é hoje em dia uma técnica de ligação dominante na indústria aeronáutica e automóvel. As ligações adesivas visam substituir os métodos tradicionais de fixação mecânicos na união de estruturas. A melhoria ao longo dos anos de vários modelos de previsão de dano, nomeadamente através do Método de Elementos Finitos (MEF), tem ajudado ao desenvolvimento desta técnica de ligação. Os Modelos de Dano coesivo (MDC), usados em conjunto com MEF, são uma ferramenta viável para a previsão de resistência de juntas adesivas. Os MDC combinam critérios da resistência dos materiais para a iniciação do dano e conceitos da mecânica da fratura para a propagação da fenda. Existem diversas formas de leis coesivas possíveis de aplicar em simulações por MDC, em função do comportamento expectável dos materiais que estão a ser simulados. Neste trabalho, estudou-se numericamente o efeito de diversas formas de leis coesivas na previsão no comportamento de juntas adesivas, nomeadamente nas curvas forçadeslocamento (P-) de ensaios Double-Cantilever Beam para caracterização à tração e ensaios End-Notched Flexure para caraterização ao corte. Também se estudou a influência dos parâmetros coesivos à tração e corte nas curvas P- dos referidos ensaios. Para o Araldite®AV138 à tração e ao corte, a lei triangular é a que melhor prevê o comportamento do adesivo. Para a previsão da resistência de ambos os adesivos Araldite® 2015 e SikaForce® 7752, a lei trapezoidal é a que melhor se adequa, confirmando assim que esta lei é a que melhor caracteriza o comportamento de dano de adesivos tipicamente dúcteis. O estudo dos parâmetros revelou influência distinta na previsão do comportamento das juntas, embora com bastantes semelhanças entre os diferentes tipos de adesivos.

Comparação de técnicas analíticas e numéricas para previsão de resistência de juntas adesivas de sobreposição simples

As juntas adesivas têm vindo a ser usadas em diversas áreas e contam com inúmeras aplicações práticas. Devido ao fácil e rápido fabrico, as juntas de sobreposição simples (JSS) são um tipo de configuração bastante comum. O aumento da resistência, a redução de peso e a resistência à corrosão são algumas das vantagens que este tipo de junta oferece relativamente aos processos de ligação tradicionais. Contudo, a concentração de tensões nas extremidades do comprimento da ligação é uma das principais desvantagens. Existem poucas técnicas de dimensionamento precisas para a diversidade de ligações que podem ser encontradas em situações reais, o que constitui um obstáculo à utilização de juntas adesivas em aplicações estruturais. O presente trabalho visa comparar diferentes métodos analíticos e numéricos na previsão da resistência de JSS com diferentes comprimentos de sobreposição (LO). O objectivo fundamental é avaliar qual o melhor método para prever a resistência das JSS. Foram produzidas juntas adesivas entre substratos de alumínio utilizando um adesivo époxido frágil (Araldite® AV138), um adesivo epóxido moderadamente dúctil (Araldite® 2015), e um adesivo poliuretano dúctil (SikaForce® 7888). Consideraram-se diferentes métodos analíticos e dois métodos numéricos: os Modelos de Dano Coesivo (MDC) e o Método de Elementos Finitos Extendido (MEFE), permitindo a análise comparativa. O estudo possibilitou uma percepção crítica das capacidades de cada método consoante as características do adesivo utilizado. Os métodos analíticos funcionam apenas relativamente bem em condições muito específicas. A análise por MDC com lei triangular revelou ser um método bastante preciso, com excepção de adesivos que sejam bastante dúcteis. Por outro lado, a análise por MEFE demonstrou ser uma técnica pouco adequada, especialmente para o crescimento de dano em modo misto.

Estudos sôbre reservatórios e vetores silvestres do Trypanosoma cruzi. XXII. Modificações dos focos naturais da tripanossomose americana e suas conseqüências

Os focos naturais da tripanossomose americana, como tôda biogeocenose, podem. permanecer relativamente estáveis, sendo esta estabilidade necessária para a própria existência dêsses focos. Mas o balanço ecológico pode ser alterado, sendo muito importante aquelas alterações devidas à interferência direta ou indireta do homem ao exercer atividades ligadas ao desbravamento e à colonização. Entre as conseqüências podemos citar: 1) redução ou desaparição dos focos naturais; 2) concentração de hospedeiros e vectores em áreas favoráveis limitadas; 3) deslocamento de hospedeiros e vectores para outras áreas; 4) invasão das habitações humanas e anexos, com a instalação do ciclo doméstico da infecção. Estas possibilidades são analisadas e ilustradas com exemplos.

Metodologias para avaliação do desempenho e previsão de avarias em turbinas eólicas utilizando a curva de potência do fabricante

Dissertação para obtenção do Grau de Mestre em Energias Renováveis – Conversão Eléctrica e Utilização Sustentáveis, pela Universidade Nova de Lisboa, Faculdade de Ciência e Tecnologia

Mineração de repositórios de software modelos de previsão de pedidos de evolução de software

Dissertação para obtenção do Grau de Mestre em Engenharia Informática

Plataforma de previsão do consumo elétrico para edifícios inteligentes

Dissertação para obtenção do Grau de Mestre em Engenharia Electrotécnica e de Computadores

Modelos de previsão da degradação de pavimentos: parâmetro IRI

Dissertação para obtenção do Grau de Mestre em Engenharia Civil