Previsão de cargas elétricas através de um modelo híbrido de regressão com redes neurais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Previsão de cargas elétricas através de uma Rede Neural Híbrida Back-ART Fuzzy

Pós-graduação em Engenharia Elétrica - FEIS

Desenvolvimento de redes neurais para previsão de cargas elétricas de sistemas de energia elétrica

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

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

Pós-graduação em Engenharia Elétrica - FEIS

Desenvolvimento de um sistema dinâmico para predição de cargas elétricas por redes neurais através do paradigma de programação orientada a objeto sob a linguagem JAVA

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Previsão de curto prazo do consumo de energia elétrica

Dissertação para a obtenção do grau de Mestre em Engenharia Electrotécnica - Ramo de Energia

Adsorção de fosfato e sulfato em solos com cargas elétricas variáveis

As interações dos ânions fosfato e sulfato com os colóides do solo são expressivas, principalmente com óxidos e hidróxidos de ferro e alumínio, cujas cargas elétricas de superfície variam com o pH e com a força iônica do meio. O objetivo deste trabalho foi estudar a adsorção de fosfato e de sulfato em amostras superficiais e subsuperficiais de um Latossolo Vermelho acriférrico (LVwf), um Latossolo Amarelo ácrico (LAw) e um Nitossolo Vermelho eutroférrico (NVef) da região norte do estado de São Paulo, Brasil. A isoterma de Langmuir foi utilizada para obter a adsorção máxima de fosfato e sulfato pelos solos. Para simular a adsorção, utilizou-se o modelo tetraplanar. As adsorções dos ânions foram superiores nas amostras de subsuperfície, cujos teores de matéria orgânica eram menores. As adsorções máximas foram menores no LAw, que apresentou as menores concentrações de óxidos de Fe e Al. A adsorção de fosfato diminuiu com a elevação do pH até 5 ou 6; no entanto, em pH acima de 6 a adsorção aumentou. Para o sulfato, a adsorção diminuiu com a elevação do pH em toda a faixa estudada. Os potenciais elétricos superficiais obtidos pelo modelo tetraplanar não foram realísticos, embora ele tenha se mostrado abrangente quanto ao entendimento dos efeitos do pH e das concentrações de fosfato e sulfato em relação às variações dos potenciais, além de ser eficiente na simulação da adsorção dos ânions.

Cargas elétricas estruturais e variáveis de solos tropicais altamente intemperizados

Os solos tropicais altamente intemperizados apresentam teor significativo de colóides com carga elétrica variável. Entretanto, são poucas as referências em relação à quantificação destas cargas, principalmente em solos ácricos, que representam o extremo na escala de intemperismo. Neste estudo, foram determinadas as cargas permanentes e as variáveis de dois Latossolos Vermelhos acriférricos, um Latossolo Amarelo ácrico e um Latossolo Amarelo acriférrico, que foram comparados a um Nitossolo Vermelho eutroférrico, com carga predominantemente permanente. As amostras foram investigadas pelo método da adsorção do íon césio (Cs+), que mede a carga estrutural permanente (sigmao) e baseia-se na preferência do Cs+ sobre o Li+ na superfície da siloxana de grupos de superfície ionizáveis de menor seletividade ao íon Cs+. A carga variável representou mais que 50 % da carga total dos solos estudados. Dois dos quatro Latossolos com propriedades ácricas exibiram quantidade significativa de carga permanente, provavelmente em razão da presença de vermiculita com hidróxi entrecamadas e clorita. A quantidade de carga permanente apresentada pelo Nitossolo foi até cinco vezes maior se comparada à dos Latossolos, o que pode ser atribuído à diferença na constituição mineralógica. O método da adsorção de Cs foi capaz de identificar teores significativos de carga permanente estrutural, mesmo em solos com baixo teor de minerais 2:1.

Acúmulo de cargas elétricas em propelente sólido compósito com matriz de polibutadieno líquido hidroxilado

Composite solid propellants prepared with HTPB prepolymer - Hydroxyl Terminated Polybutadiene, AP - Ammonium Perchlorate as oxidizer and aluminum particles as an additive metal, have characteristics of high electrical resistivity. The loading process of the polymer matrix did not obtain homogeneity, resulting in clusters, mainly of metal particles. The effect of clustering in the composite was studied and observed experimentally, and this effect was one of the factors explaining the phenomenon of electrical charging of the composite. This electrical potential, when discharged abruptly, can generate an electric spark with sufficient energy for sustained ignition of a solid rocket motor.

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

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

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.

Consumo inteligente de energia elétrica

Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia de Redes de Comunicação e Multimédia

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.

Previsão de carga multinodal usando a rede neural ART-ARTMAP fuzzy

Pós-graduação em Engenharia Elétrica - FEIS