[pt] Este trabalho apresenta um novo modelo de previsão de curto prazo de carga elétrica que reúne técnicas de inteligência computacional e métodos estatísticos. Ele permite aproveitar as vantagens de inteligência computacional, relativas à criação de classes da série de entrada e ao processamento de variáveis climáticas de forma lingüística, e aquelas provenientes de modelos estatísticos, onde os parâmetros e a ordem do modelo são conhecidos e o intervalo de confiança das previsões é determinado. O modelo é uma extensão do método desenvolvido por P.C. Gupta, onde são empregadas técnicas de inteligência computacional junto com o método original. O modelo resultante compreende um classificador, um previsor e um procedimento para aprimorar as estimativas. O classificador é implementado por uma rede neural artificial com aprendizado não-supervisionado, enquanto o previsor emprega modelos estatísticos, combinando métodos de média móvel, amortecimento exponencial e auto- regressivo. Um sistema com lógica nebulosa utiliza variáveis climáticas no aprimoramento da previsão obtida. / [en] A new short-term load forecasting procedure is presented in this work, mixing techniques from the statistical models and those from computational intelligence (CI). It takes advantage of the CI techniques to establish the various load profiles and to process climatic variables in a linguistic way, and those from the statistical side, where the parameters and the order of the model are known and a spread measure is determined. The model is an adaptation of the method developed by P.C.Gupta, where CI techniques are added to the original method. The final model includes a classifer scheme, a predictive scheme and a procedure to improve the estimations. The classifier is implemented via an artificial neural network using a non-supervised learning moving average, exponential smoothing and ARMA type of models. A fuzzy logic procedure uses climating variables to improve the forecast.

[pt] Esta tese propõe uma metodologia para obter uma solução para problemas de programação linear fuzzy. A metodologia aqui descrita apresenta um conjunto de soluções em que tanto os valores das variáveis quanto o valor ótimo para a função de custo, ou função objetivo, possuem uma faixa de valores possíveis. Assim, é possível fornecer um conjunto de soluções factíveis que atendam a diferentes cenários, além de fornecer ao tomador de decisões uma ferramenta de análise mais útil, permitindo que sejam analisadas outras soluções possíveis antes de se escolher uma solução em particular. O problema é resolvido de forma iterativa, tornando mais simples e de fácil aplicação a metodologia desenvolvida. / [en] This work proposes an approach to obtain a solution to linear fuzzy programming problems. The approach described here presents a solution set in where both the variables values and the cost function optimun value to have an associated membership function. Thus, it is possible to provided not only a feasible solution set applicable to different scenarios but also to supply the decision maker with a more powerful tool for the analysis of other possible solutions. The problem is solved in an interactive way, so that the developed is approach easily applicable and simple to handle

[pt] Este trabalho tem como principal objetivo propor e desenvolver uma metodologia baseada em modelos fuzzy para a segmentação e caracterização dos segmentos que compõem o mercado bancário, permitindo um amplo conhecimento dos perfis de clientes, melhor adaptação das ofertas ao mercado e, conseqüentemente, melhores retornos financeiros. A metodologia proposta nesta dissertação pode ser dividida em três módulos principais: coleta e tratamento dos dados; definição dos segmentos; e caracterização e classificação dos segmentos. O primeiro módulo, denominado coleta e tratamento dos dados, abrange as pesquisas de marketing utilizadas na coleta dos dados e a aplicação de técnicas de pré-processamento de dados, para a limpeza (remoção de outliers e missing values) e normalização dos dados. O módulo de definição dos segmentos emprega o modelo fuzzy de agrupamento Fuzzy C-Means (FCM) na descoberta de grupos de clientes que apresentem características semelhantes. A escolha deste modelo de agrupamento deve-se à possibilidade de análise dos graus de pertinência de cada cliente em relação aos diferentes grupos, identificando os clientes entre segmentos e, conseqüentemente, elaborando ações efetivas para a sua transição ou manutenção nos segmentos de interesse. O módulo de caracterização e classificação dos segmentos é baseado em um Sistema de Inferência Fuzzy. Na primeira etapa deste módulo são selecionadas as variáveis mais relevantes, do ponto de vista da informação, para sua aplicação no processo de extração de regras. As regras extraídas para a caracterização dos segmentos são posteriormente utilizadas na construção de um sistema de inferência fuzzy dedicado à classificação de novos clientes. Este sistema permite que os analistas de marketing contribuam com novas regras ou modifiquem as já extraídas, tornando o modelo mais robusto e a segmentação de mercado uma ferramenta acessível a todos que dela se servem. A metodologia foi aplicada na segmentação de mercado do Banco da Amazônia, um banco estatal que atua na Amazônia Legal, cujo foco prioritário constitui o fomento da região. Avaliando a aplicação dos modelos fuzzy no estudo de caso, observam-se bons resultados na definição dos segmentos, com médias de valor de silhueta de 0,7, e na classificação da base de clientes, com acurácia de 100%. Adicionalmente, o uso destes modelos na segmentação de mercado possibilitou a análise dos clientes que estão entre segmentos e a caracterização desses segmentos por meio de uma base de regras, ampliando as análises dos analistas de marketing. / [en] The main aim of this work is to propose and develop a methodology base don fuzzy models for segmentation and characterization of segments comprising the bank segment, allowing broad knowledge of client profiles, better suiting market needs, hence offering better financial results. The methodology proposed in this work may be divided into three main modules: data collection and treatment; definition of segments; and characterization and classification of segments. The first module, denominated data collection and treatment, encompasses marketing research used in data collection and application of techniques for pre-processing of data, for data trimming (removal of outliers and missing values) and normalization. The definition of segments adopts the Fuzzy C-Means (FCM) grouping model in identifying groups of clients with similar characteristics. The choice for this grouping model is due to the possibility of analyzing the membership coefficient of each client in connection with the different groups, thus identifying clients among segments and consequently elaborating effective actions for their transition to or maintenance in the segments of interest. The module of characterization and classification of segments is based on a Fuzzy Inference System. In the first stage, the most relevant variables from the information standpoint are selected, for application in the process of rule extraction. The rules extracted are then used in the construction of a fuzzy inference system dedicated to classifying new clients. This system allows marketing analysts to contribute with new rules or modify those already extracted, making the model more robust and the turning market segmentation into a tool accessible to all using it. This methodology was applied in the market segmentation of Banco da Amazônia, stte- contrlled bank acting in the Amazon region, with main focus of which is fostering the region´s development. The application of fuzzy models in the case study generated good results in the definition of segments, with average silhouette value of 0.7, and accuracy of 100% for client base classification. Furthermore, the use of these models in market segmentation allowed the analysis of clients classified between segments and the characterization of those segments by means of a set of rules, improving the analyses made by marketing analysts.

[pt] O objetivo deste trabalho é investigar a utilização de um Sistema de Inferência Fuzzy (Fuzzy Inference System) para projetar um sistema de controle semiautônomo adequado a veículos militares, a partir do qual serão definidos valores para o Nível de Intervenção de um controlador automático. São apresentados conceitos básicos sobre a aplicação de Sistemas de Infer ência Fuzzy para a concepção de um ponderador de sinais e sobre a teoria de Controladores Preditivos Baseados em Modelo (Model Predictive Controllers), utilizados na implementação do sistema proposto. A partir da modelagem matemática do sistema dinâmico veicular foram obtidos resultados de simulações do veículo militar enquanto operado em situações perigosas e em que se faça necessária a intervenção do controlador, por exemplo, na presença de ameaças inimigas hostis ou em manobras altamente desestabilizadoras. O comportamento da variável de intervenção do controlador é apresentado por meio de suas curvas de evolução, e indica o seu aumento de acordo com o crescimento do nível de ameaça à qual o veículo está exposto. Os resultados são analisados criticamente, e conclui-se que o uso do sistema proposto resulta em um aumento qualitativo na segurança do veículo, tornando-o um sistema militar mais eficiente, com maior capacidade operacional, além de melhorar as habilidades de seu condutor. / [en] The purpose of this work is to investigate the use of Fuzzy Inference Systems to design an appropriate semi-autonomous control system for military vehicles, from which the choice of the automatic controller intervention level would be achieved. Basic concepts about the application of Fuzzy Inference Systems for the design of a weighted signal generator and about the Model Predictive Controllers theory are presented. These concepts were used for the implementation of the proposed semiautonomous control system. From the mathematical model of the vehicular dynamic system, results were obtained through simulated tests where the military vehicle was being operated in hazardous situations and in which the intervention of the automatic controller was necessary, e.g., in the presence of hostile enemy threats or in highly destabilizing maneuvers. The behavior of the controller s intervention variable is presented through its evolution curves and indicates its increase accordingly to the growth of the threat level to which the vehicle is exposed. The results are criticyzed, and it is concluded that the use of the proposed system will result in a qualitative increase in vehicle s safety, making it a more efficient military system, with greater operational capacity and enhancing the skills of its driver.

[pt] Este trabalho apresenta a utilização de lógica fuzzy e de redes neurais no desenvolvimento de um controlador de semáforos - o FUNNCON. O trabalho realizado consiste em quatro etapas principais: estudo dos fundamentos de engenharia de tráfego; definição de uma metodologia para a avaliação de cruzamentos sinalizados; definição do modelo do controlador proposto; e implementação com dados reais em um estudo de caso.O estudo sobre os fundamentos de engenharia de tráfego aborda a definição de termos,os parâmetros utilizados na descrição dos fluxos de tráfego, os tipos de cruzamentos e seus semáforos, os sistemas de controle de tráfego mais utilizados e as diversas medidas de desempenho.Para se efetuar a análise dos resultados do FUNNCON, é definida uma metodologia para a avaliação de controladores. Apresenta-se, também, uma investigação sobre simuladores de tráfego existentes, de modo a permitir a escolha do mais adequado para o presente estudo. A definição do modelo do FUNNCON compreende uma descrição geral dos diversos módulos que o compõem. Em seguida, cada um destes módulos é estudado separadamente: o uso de redes neurais para a predição de tráfego futuro; a elaboração de um banco de cenários ótimos através de um otimizador; e a criação de regras fuzzy a partir deste banco.No estudo de caso, o FUNNCON é implementado com dados reais fornecidos pela CET-Rio em um cruzamento do Rio de Janeiro e comparado com o controlador existente.É constatado que redes neurais são capazes de fornecer bons resultados na predição do tráfego futuro. Também pode ser observado que as regras fuzzy criadas a partir do banco de cenários ótimos proporcionam um controle efetivo do tráfego no cruzamento estudado. Uma comparação entre o desempenho do FUNNCON e o do sistema atualmente em operação é amplamente favorável ao primeiro. / [en] This work presents the use of fuzzy logic and neural networks in the development of a traffic signal controller - FUNNCON. The work consists of four main sections: study of traffic engineering fundamentals; definition of a methodology for evaluation of traffic controls; definition of the proposed controller model; and implementation on a case study using real data.The study of traffic engineering fundamentals considers definitions of terms,parameters used for traffic flow description, types of intersections and their traffic signals,commonly used traffic control systems and performance measures.In order to analyse the results provided by FUNNCON, a methodology for the evaluation of controllers is defined. The existing traffic simulators are investigated, in order to select the best one for the present study.The definition of the FUNNCON model includes a brief description of its modules.Thereafter each module is studied separately: the use of neural networks for future traffic prediction; the setup of a best scenario database using an optimizer; and the extraction of fuzzy rules from this database.In the case study, FUNNCON is implemented with real data supplied by CET-Rio from an intersection in Rio de Janeiro; its performance is compared with that of the existing controller.It can be observed that neural networks can present good results in the prediction of future traffic and that the fuzzy rules created from the best scenario database lead to an effective traffic control at the considered intersection. When compared with the system in operation, FUNNCON reveals itself much superior.

[pt] O atual trabalho teve como objetivo o desenvolvimento de um método multiresíduo e aplicação em testemunhos sedimentares para uma análise geocronológica da contaminação da Baía de Sepetiba por quatro classes de contaminantes orgânicos: (i) hidrocarbonetos policíclicos aromáticos (HPAs), (ii) bifenilos policlorados (PCBs); (iii) éteres difenílicos polibromados (PBDEs) e (iv) pesticidas organoclorados (OCPs). Além dos analitos contemplados no método desenvolvido, foram analisados outros parâmetros (HPAs alquilados, Biomarcadores de petróleo, Hidrocarbonetos Alifáticos, Carbono Orgânico Total e Nitrogênio Total) para que fosse possível uma análise mais aprofundada das fontes e da origem da MO e de compostos associados ao petróleo. Os testemunhos sedimentares foram coletados entre julho e outubro de 2016 e foram datados pela análise da atividade do decaimento de 210Pb e validado usando perfis de Zn e Cd. O método desenvolvido é baseado na extração ultrassônica com uma mistura de diclorometano:metanol (9:1 v/v) e cromatografia gasosa acoplada com análise de espectrometria de massa em tandem (GC-MS/MS) no modo de monitoramento de reações múltiplas (MRM). Um total de 89 compostos, dentre HPAs, PCBs, OCPs e PBDEs, foram identificados usando dois padrões de íon produto/precursor para cada analito. O limite de detecção do método (MDL; 0,001 – 0,055 ng g-1) e limite de quantificação do método (MQL; 0,002 – 0,184 ng g-1) estão abaixo dos níveis de poluição aceitáveis adotados pelas diretrizes internacionais de qualidade de sedimentos. O método, que foi publicado na revista Analytical and Bioanalytical Chemstry em maio de 2022, mostrou-se seletivo, sensível, preciso e linear, com a vantagem de reduzir o tempo de manuseio da amostra e a quantidade utilizada de materiais como solvente e adsorventes. A fim de analisar de forma mais aprofundada as fontes e origens dos HPAs nos testemunhos analisados, foi aplicado uma análise de dados baseada na Lógica Fuzzy, mais especificamente pelo algoritmo Fuzzy C-Means (FCM). Para que tivéssemos um melhor embasamento teórico da aplicação dessa ferramenta, um artigo foi publicado na revista Ocean and Coastal Research em fevereiro de 2022, com base na reavaliação estatística dos dados de dois trabalhos sobre contaminação do sedimento de baías costeiras por HPAs. Resultados obtido por meio de ferramentas de avaliação tradicionais foram comparadas com aqueles obtidos por FCM, que apresentaram maior detalhamento qualitativo. Embora a Lógica Fuzzy não produza interpretações quantitativas, sua aplicação gera dados adequados para que se evite uma inferência enviesada de fontes de contaminação de HPAs. A aplicação do método na análise dos testemunhos sedimentares foi bem-sucedida e a maioria das camadas apresentou valores de OCPs e PBDEs abaixo do MQL. Os valores de PCBs variaram de <MQL a 1,47 ng g-1 (média de 0,24 ± 0,38 ng g-1) em T18 e de 0,35 a 6,24 ng g-1 (média de 1,82 ± 1,37 ng g-1) em T26. Os HPAs variaram de 67,97 a 404,61 ng g-1 (média de 192,38 ± 98,48 ng g-1) em T18 e de 154,59 a 685,47 ng g-1 (média de 382,55 ± 168,45 ng g-1) em T26. / [en] The present work aimed at developing a multiresidue method and application in sedimentary testimonies for a geochronological analysis of the contamination of Sepetiba Bay by four classes of organic contaminants: (i) polycyclic aromatic hydrocarbons (PAHs), (ii) polychlorinated biphenyls (PCBs); (iii) polybrominated diphenyl ethers (PBDEs) and (iv) organochlorinated pesticides (OCPs). In addition to the analytes contemplated in the method developed, other parameters were analyzed (alkylated PAHs, petroleum biomarkers, aliphatic hydrocarbons, total organic carbon and total nitrogen) to allow a more in-depth analysis of the sources and origin of organic matter and compounds associated with petroleum. Sediment cores were collected between July and October 2016 by Gonçalvez et al. (2020) and were dated by analysis of 210Pb decay activity and validated using Zn and Cd profiles. The developed method is based on ultrasonic extraction with a mixture of dichloromethane:methanol (9:1 v/v) and gas chromatography coupled with tandem mass spectrometry analysis (GC-MS/MS) in multiple reaction monitoring (MRM) mode. A total of 89 compounds, among PAHs, PCBs, OCPs, and PBDEs, were identified using two product/precursor ion standards for each analyte. The method detection limit (MDL; 0.001 - 0.055 ng g-1) and method quantification limit (MQL; 0.002 - 0.184 ng g-1) are below acceptable pollution levels adopted by international sediment quality guidelines. The method, which was published in the journal Analytical and Bioanalytical Chemstry in May 2022, was shown to be selective, sensitive, accurate, and linear, with the advantage of reducing sample handling time and the amount used of materials such as solvent and adsorbents.In order to further analyze the sources and origins of PAHs in the analyzed core samples, we applied a data analysis based on Fuzzy Logic, more specifically the Fuzzy C-Means (FCM) algorithm. In order to have a better theoretical basis for the application of this tool, an article was published in the journal Ocean and Coastal Research in February 2022, based on the statistical re-evaluation of data from two studies on sediment contamination of coastal bays by PAHs. Results obtained through traditional assessment tools were compared with those obtained by FCM, which showed greater qualitative detail. Although Fuzzy Logic does not produce quantitative interpretations, its application generates adequate data to avoid biased inference of PAH contamination sources. The application of the method in the analysis of the sediment cores was successful and most layers showed OCPs and PBDEs values below the MQL. PCBs values ranged from <MQL to 1.47 ng g-1 (mean 0.24 ± 0.38 ng g-1) in T18 and from 0.35 to 6.24 ng g-1 (mean 1.82 ± 1.37 ng g-1) in T26. PAHs ranged from 67.97 to 404.61 ng g-1 (mean 192.38 ± 98.48 ng g-1) at T18 and from 154.59 to 685.47 ng g-1 (mean 382.55 ± 168.45 ng g-1) at T26.

[pt] Assegurar a qualidade de uma avaliação é um grande desafio para os avaliadores. A avaliação de um processo avaliativo denomina-se meta-avaliação. No Brasil já existe uma grande preocupação com a qualidade da avaliação, contudo o conceito de meta-avaliação ainda é uma novidade. Os profissionais discutem quais são os critérios de excelência que uma verdadeira avaliação deve atender tendo como base os padrões definidos pelo Joint Committee on Standards for Educational Evaluation (1994), que estão agrupados em quatro grandes categorias: utilidade, viabilidade, ética e precisão. Este trabalho propõe uma nova metodologia para meta-avaliação utilizando os conceitos de conjuntos fuzzy e da lógica fuzzy. A metodologia é composta por um instrumental de coleta de dados (lista de checagem para meta-avaliação de programas/projetos) e por um sistema de inferência fuzzy hierárquico para o tratamento de dados referentes à metaavaliação de programas/projetos. As principais vantagens de um sistema desse tipo são: (i) a possibilidade de trabalhar com regras lingüísticas; (ii) a utilização de ferramentas adequadas para trabalhar com a imprecisão intrínseca que existe em problemas complexos, como é o caso de processos de meta- avaliação; (iii) a incorporação de conhecimento subjetivo (de especialistas); (iv) a adaptabilidade do processo de inferência a situações específicas. A metodologia ora proposta utiliza um sistema hierárquico composto por trinta e seis bases de regras organizadas em três níveis: padrão (nível 1), categoria (nível 2), e meta-avaliação (nível 3). As principais características da metodologia desenvolvida são: (i) o instrumento de coleta de dados, que permite respostas intermediárias; (ii) a capacidade de adaptação do sistema de inferência fuzzy a necessidades específicas; (iii) a transparência obtida pela utilização de regras lingüísticas, o que facilita a discussão e o entendimento de todo o processo. Acredita-se que esta metodologia facilitará os processos de meta-avaliação. Este estudo pretende ser uma contribuição para a área da avaliação e para a prática da meta-avaliação. / [en] Assuring the quality of an evaluation is a great challenge to evaluators. The evaluation of an evaluative process is called meta- evaluation. In Brazil there is a great concern about evaluation quality, although the concept of metaevaluation is new. Evaluation professionals are still discussing the criteria of excellence that a true evaluation should attend. The standards defined by the Joint Committee on Standards for Educational Evaluation (1994) that are presented in terms of utility, feasibility, ethics and accuracy, enlighten on that discussion. This study presents a new methodology for meta-evaluation that makes use of fuzzy sets and fuzzy logic concepts. The methodology is composed of an instrument for data collection (checklist for the meta-evaluation of programs/projects) and of a hierarchical fuzzy inference system for treatment of data related to the metaevaluation of projects and programs. The main advantages of using such a system are: (i) the possibility of working with linguistic rules; (ii) the use of tools that deal with the intrinsic imprecision of complex problems, as is the case of metaevaluation; (iii) the incorporation of subjective knowledge (of specialists); (iv) the adaptability of the inference process to specific situations. This new methodology makes use of a system composed of 36 rule bases organized in three levels: standard (level 1), category (level 2), and meta- evaluation (level 3). The main features of the proposed methodology are: (i) the data collection instrument, that allows intermediate answers; (ii) the fuzzy system's capability of adaptation to specific needs; (iii) the transparency provided by the use of linguistic rules, which favours understanding and discussion of the whole process. It is believed that this methodology will make the meta-evaluation process easier. This study intends to be a contribution to evaluation as a subject and to meta- evaluation practice.

[pt] A previsão de séries temporais está presente em diversas áreas como os setores elétrico, financeiro, a economia e o industrial. Em todas essas áreas, as previsões são fundamentais para a tomada de decisões no curto, médio e longo prazo. Certamente, as técnicas estatísticas são as mais utilizadas em problemas de previsão de séries, principalmente por apresentarem um maior grau de interpretabilidade, garantido pelos modelos matemáticos gerados. No entanto, técnicas de inteligência computacional têm sido cada vez mais aplicadas em previsão de séries temporais no meio acadêmico, com destaque para as Redes Neurais Artificiais (RNA) e os Sistemas de Inferência Fuzzy (FIS). Muitos são os casos de sucesso de aplicação de RNAs, porém os sistemas desenvolvidos são do tipo caixa preta, inviabilizando uma melhor compreensão do modelo final de previsão. Já os FIS são interpretáveis, entretanto sua aplicação é comprometida pela dependência de criação de regras por especialistas e pela dificuldade em ajustar os diversos parâmetros como o número e formato de conjuntos e o tamanho da janela. Além disso, a falta de pessoas com o conhecimento necessário para o desenvolvimento e utilização de modelos baseados nessas técnicas também contribui para que estejam pouco presentes na rotina de planejamento e tomada de decisão na maioria das organizações. Este trabalho tem como objetivo desenvolver uma ferramenta computacional capaz de realizar previsões de séries temporais, baseada na teoria de Sistemas de Inferência Fuzzy, em conjunto com a otimização de parâmetros por Algoritmos Genéticos, oferecendo uma interface gráfica intuitiva e amigável. / [en] The time series forecasting is present in several areas such as electrical, financial, economy and industry. In all these areas, the forecasts are critical to decision making in the short, medium and long term. Certainly, statistical techniques are most often used in time series forecasting problems, mainly because of a greater degree of interpretability, guaranteed by the mathematical models generated. However, computational intelligence techniques have been increasingly applied in time series forecasting in academic research, with emphasis on Artificial Neural Networks (ANN) and Fuzzy Inference Systems (FIS). There are many cases of successful application of ANNs, but the systems developed are black box, not allowing a better understanding of the final prediction. On the other hand the FIS are interpretable, but its application is compromised by reliance on rule-making by experts and by the difficulty in adjusting the various parameters as the number and shape of fuzzy sets and the window size. Moreover, the lack of people with the knowledge necessary for the development and use of models based on these techniques also restricts their application in the routine planning and decision making in most organizations. This work aims to develop a computational tool able to make forecasts of time series, based on the theory of Fuzzy Inference Systems, in conjunction with the optimization of parameters by Genetic Algorithms, providing an intuitive and friendly graphical user interface.

[pt] A avaliação e seleção de tecnologias de geração de energia elétrica a partir de fontes renováveis visa melhorar a eficiência nas decisões de expansão dos sistemas elétricos em geral, elencando tecnologias mais adequadas em função de seus impactos ambientais, sociais, econômicos, técnicos e políticos. Os processos decisórios referentes à escolha de tecnologias de geração de energia caracterizam-se por subjetividade, incerteza e ambiguidade. Os métodos multicritério de apoio à decisão, combinados com a lógica dos conjuntos fuzzy constituem uma alternativa adequada para a modelagem de avaliação e seleção de tecnologias em ambientes sob incerteza. O objetivo principal desta dissertação é propor um modelo de avaliação e seleção de tecnologias para geração de energia elétrica a partir de fontes renováveis, com o auxílio de métodos multicritério fuzzy de apoio à decisão. A pesquisa pode ser considerada aplicada, descritiva e metodológica. Quanto aos meios de investigação, a metodologia compreende pesquisa bibliográfica e documental; pesquisa experimental, com a aplicação de métodos multicritério fuzzy de apoio à decisão para hierarquização de alternativas tecnológicas de energia elétrica a partir de fontes renováveis; e desenvolvimento de um estudo empírico no Estado do Rio de Janeiro. Destacam-se como resultados a seleção de tecnologias mais adequadas em função de seus impactos ambientais, sociais, econômicos, técnicos e políticos e a demonstração da aplicabilidade do modelo proposto. No caso do Estado do Rio de Janeiro, a tecnologia que se mostrou mais adequada, dado potencial de fontes renováveis, foi a solar fotovoltaica. / [en] Assessment and selection of renewable energy generation technologies addresses to improve efficiency in electrical system expansion decisions, by selecting technologies that are more appropriate considering some criteria, like environmental, social, economic, technical and political. The decision-making processes regarding the choice of energy generation technologies are characterized by subjectivity, uncertainty and ambiguity. Multicriteria decision support method, combined with fuzzy logic, is an adequate alternative for measuring and evaluating the performance of technologies in environment under uncertainty. The main aim of this dissertation is to propose a model for selection the performance of technologies for electric power generation from renewable sources, with the support of multicriteria fuzzy decision-making methods. The research can be considered applied, descriptive and methodological. As for means of investigation, the methodology comprises bibliographical and documentary research; Experimental research, with the application of multicriteria fuzzy decision-making methods for hierarchization of technologies for electric power generation alternatives from renewable sources; and development of an empirical study in the State of Rio de Janeiro. The results highlight the selection of the most appropriate technologies according to their environmental, social, economic, technical and political impacts and the demonstration of the applicability of the proposed model. In the case of the State of Rio de Janeiro, the most appropriate technology, given the potential of renewable sources, was solar photovoltaic.

[pt] Esta dissertação investiga os efeitos do racionamento de energia elétrica ocorrido no período entre junho de 2001 a fevereiro de 2002, nas previsões de energia das principais concessionárias brasileiras. Para tal, estudamos o desempenho de modelos lineares e não-lineares. Dentre os modelos lineares, analisamos os modelos ARIMA (p,d,q) de Box & Jenkins e os modelos de amortecimento exponencial de Holt & Winters. Dentre os modelos não-lineares, são abordadas técnicas de inteligência artificial tais como Redes Neurais e Lógica Fuzzy. Visto que o racionamento levou a previsões ineficientes, propomos alternativas para reduzir seu impacto. Por último, investigamos os impactos causados pela crise energética nas previsões doze passos à frente de carga elétrica provenientes de vinte e oito concessionárias. A base de dados é composta pelos valores observados e as previsões fornecidas pelo PREVCAR, um dos sistemas de previsão da cadeia oficial de programas do setor elétrico brasileiro. Por meio de um procedimento de Análise de Agrupamento utilizando Redes Neurais Artificiais do tipo SOM (Self Organizing Map) de Kohonen são estabelecidos os grupos de concessionárias que possuem os mesmos comportamentos diante do racionamento. Como resultado final, foram estimados fatores de redução das previsões causados pelo racionamento, que servem como base de cálculo para reduções nas previsões futuras em períodos de crise de abastecimento. / [en] This dissertation aims at an exploratory study of impacts caused by the 2001 energy crisis on the current forecasts produced on a monthly basis for main distributing utilities. For that we show an accuracy study of the performance of the linear and non-linear models. It has been used, within the linear models class, the modeling approach of Box-Jenkins and exponential smoothing of Holt- Winters. Within the non-linear ones, it was chosen those based on artificial intelligence techniques, such as Fuzzy Logic and Artificial Neural Network. Due to the lack of accuracy of the models to cope with the discontinuities provoked by the crisis on the forecasts, some alternative tools to reduce the impact on the forecast errors are proposed. Finally, the impacts caused by the crisis on multiple steps ahead forecasts have also been investigated. It was taken the monthly forecasts produced by PREVCAR (one of official Brazilian load forecasting system), as well as the observed values covering the same period, to create the crisis response indices series for each one of the twenty and eight utilities included in the analysis. It was also used the well-known neural network based algorithm SOM (Self Organizing Maps) to classify the utilities into homogeneous groups, according to their response to the energy crisis. As a final result, for each group, it was estimated the reduction factors that can be used as a prior information in future energy supply crisis.