[pt] Esta dissertação investiga o desempenho de técnicas de inteligência computacional na previsão de carga em curto prazo. O objetivo deste trabalho foi propor e avaliar sistemas de redes neurais, lógica nebulosa, neuro-fuzzy e híbridos para previsão de carga em curto prazo, utilizando como entradas variáveis que influenciam o comportamento da carga, tais como: temperatura, índice de conforto e perfil de consumo. Este trabalho envolve 4 etapas principais: um estudo sobre previsão de carga e sobre as variáveis que influenciam o comportamento da carga; um estudo da aplicação de técnicas de inteligência computacional em previsão de carga; a definição de sistemas de redes neurais, lógica fuzzy e neuro-fuzzy em previsão de carga; e estudo de casos. No estudo sobre previsão de carga, foi observada a influência de algumas variáveis no comportamento da curva de carga de uma empresa de energia elétrica. Entre estas variáveis se encontram alguns dados meteorológicos (Temperatura, Umidade, Luminosidade, Índice de conforto, etc.), além de informações sobre o perfil de consumo de carga das empresas. Também foi observado o comportamento da série de carga com relação ao dia da semana, sua sazonalidade e a correlação entre o valor atual e valores passados. Foi realizado um levantamento bibliográfico sobre a aplicação de técnicas de inteligência computacional na previsão de carga. Os modelos de redes neurais, são os mais explorados até o momento. Os modelos de lógica fuzzy começaram a ser utilizados mais recentemente. Modelos neuro-fuzzy são mais recentes que os demais, não existindo portanto, muita bibliografia a respeito. Os projetos de aplicação dos três modelos foram classificados quanto à sua arquitetura, desempenho, erros medidos, entradas utilizadas e horizonte da previsão. Foram propostos e implementados 4 sistemas de previsão de carga: lógica fuzzy, redes neurais, sistema neuro-fuzzy hierárquico e um sistema híbrido neural/neuro- fuzzy. Os sistemas foram especializados para cada dia da semana, pelo fato do comportamento da carga ser distinto entre estes dias. Para os sistemas neural, neuro-fuzzy e híbrido os dados também foram separados em inverno e verão, pois o perfil de consumo de carga é diferente nestas estações. O sistema com lógica fuzzy foi modelado para realizar previsões de curtíssimo prazo (10 em 10 minutos), utilizando para isto o histórico de carga, hora do dia e intervalo de dez minutos dentro da hora do dia. As regras do sistema foram geradas automaticamente a partir do histórico de carga e os conjuntos nebulosos foram pré-definidos. O sistema com redes neurais teve sua arquitetura definida através de experimentos, utilizando- se apenas dados de carga, hora do dia e mês como entradas. O modelo de rede escolhido foi com retropropagação do erro (backpropagation). Foram realizados testes incluindo outras entradas como temperatura e perfil de consumo. Para o sistema neuro-fuzzy foi escolhido um sistema neuro-fuzzy hierárquico, que define automaticamente sua estrutura e as regras a partir do histórico dos dados. Em uma última etapa, foi estudado um sistema híbrido neural/ neuro- fuzzy, no qual a previsão da rede neural é uma entrada do sistema neuro-fuzzy. Para os três últimos modelos as previsões realizadas foram em curto prazo, com um horizonte de uma hora Os sistemas propostos foram testados em estudos de casos e os resultados comparados entre si e com os resultados obtidos em outros projetos na área. Os dados de carga utilizados no sistema com lógica fuzzy foram da CEMIG, no período de 1994 a 1996, em intervalos de 10 minutos, para previsões em curtíssimo prazo. Os resultados obtidos podem ser considerados bons em comparação com um sistema de redes neurais utilizando os mesmos dados. Para os demais modelos foram utilizados os seguintes dados: dados horários de carga da Light e da CPFL, no períod / [en] This thesis examines the performance of computational intelligence in short term load forecasting. The main objective of the work was to propose and evaluate neural network, fuzzy logic, neurofuzzy and hybrid systems in the role of short term load forecast, considering some variables that affect the load behavior such as temperature, comfort indexes and consumption profile. The work consisted in four main steps: a study about load forecasting; the modeling of neural network systems, fuzzy logic and neurofuzzy related to load forecast; and case studies. In the load forecasting studies, some variables appeared to affect the behavior of the load curve in the case of electrical utilities. These variables include meteorological data like temperature, humidity, lightening, comfort indexes etc, and also information about the consumption profile of the utilities. It was also noted the distinct behavior of the load series related to the day of the week, the seasonableness and the correlation between the past and present values. A bibliographic research concerning the application of computational intelligence techniques in load forecasting was made. This research showed that neural network models have been largely employed. The fuzzy logic models have just started to be used recently. Neuro-fuzzy are very recent, and there are almost no references on it. The surveyed application projects using the three models were classified by its architecture, performance, measured errors, inputs considered and horizon of the forecast. In this work four systems were proposed and implemented for load forecasting: fuzzy logic, neural network, hierarchical neuro-fuzzy and hybrid neural/neuro- fuzzy. The systems were specialized for each day of the week, due to the different behavior of the load found for each of the days. For the neural network, neuro-fuzzy and hybrid, the data were separated in winter and summer, due to the different behavior of the load in each of the seasons. The fuzzy logic system was modeled for very short term forecasting using the historic load for each hour of the day, in steps of 10 minutes within each hour. The fuzzy system rules were generated automatically based on the historic load and the fuzzy sets were pre-defined. The system with neural network had its architecture defined through experiments using only load data, hour of the day and month as input. The network model chosen was the back- propagation. Tests were performed adding other inputs such as temperature and consumption profile. For the neural- fuzzy, a hierarchical neuro-fuzzy system, which defines automatically its structure and rules based on the historical data, was employed. In a further step, a hybrid neural/neuro-fuzzy was studied, so as the neural network forecast is the input for the neuro-fuzzy system. For the last three models, short term forecasting was made for one hour period. The proposed systems were tested in case studies, and the results were compared themselves and with results obtained in other projects in the same area. The load data of CEMIG between 1994 and 1996 was used in the fuzzy logic system in steps of 10 minutes for very short term forecasting. The performance was good compared with a neural network system using the same data. For the other models, short term load forecasting (I hour, 24 steps ahead) was done using the following data: load data of LIGHT and CPFL between 1996 and 1998; temperature (hourly for LIGHT and daily for CPFL); the codification of month and hour of the day; and a profile of load by consumption class. For doing. The error results obtained by the models were around 1,15% for the fuzzy logic, 2,0% for the neural network, 1,5% for the neuro-fuzzy system, and 2,0% for the hybrid system. This work has showed the applicability of the computational intelligence techniques on load forecasting, demonstrating that a preliminary study of the series and their relation with

[pt] Os avanços da Robótica nas últimas décadas permitem um aumento nas gamas de aplicações de manipuladores robóticos em diversos setores da indústria. Isto, impacta diretamente a interação Homem-Robô (HRI), resultando em um aumento de tarefas que requerem compartilhamento de ambiente de trabalho, desempenho de segurança e a habilidade de detecção de contato do manipulador robótico. Consequentemente, métodos de controle capazes de prever contato, controlar força ou trajetória para evitar danos durante colisões se tornam cada vez mais necessários seja por questões de segurança ou de desempenho. Separando a dinâmica de um manipulador de um único elo em dois modos, sendo eles modo de controle de posição (modo livre) e modo de controle de torque (modo de contato), a primeira parte desta dissertação, lida com o problema de estimação de estados para detecção do modo ativo através da implementação do método de Estimação de Estados de Horizonte móvel com Redes Neurais (NNMHSE). A efetividade do método de estimação proposto é avaliada através da comparação dos estados e modos gerados pelo MHSE e dos estimados pela Rede Neural. Este método apresentou baixos valores de RMSE, altos valores de R(2), e uma redução do tempo de processamento do algoritmo de estimação. A segunda parte desta dissertação lida com o problema de controle de posição e força chaveado para um manipulador robótico não linear, aplicando Controle Preditivo Baseado em Modelo (MPC). O algoritmo MPC chaveado implementado mostrou-se capaz de controlar efetivamente ambos os modos do sistema apresentando baixo erro na predição, aproximadamente 2 por cento no modo de controle de posição e 0.5 por cento no modo de controle de torque, mesmo considerando alterações cíclicas nos modos. Ambos os métodos provam ser adequados para controle de manipuladores robóticos colocalizados com seres humanos ou em ambientes desestruturados por meio da detecção do modo de operação e do controle chaveado posição-torque. / [en] The advances in Robotics in recent decades allow a growing range of robotic manipulator applications in various industry sectors. This directly impacts Human-Robot Interaction (HRI), increasing tasks that require a shared work environment, safety performance, and the contact detection ability of the robotic manipulator. Consequently, control methods capable of predicting contact, and controlling force or trajectory to avoid damage during collisions become increasingly necessary either for safety or performance reasons. Separating the dynamics of a single-link manipulator into two modes, namely position control mode (free mode) and torque control mode (contact mode), the first part of this dissertation deals with the estimation problem of states for active mode detection through the implementation of the Moving Horizon State Estimation with Neural Networks (NNMHSE) method. The effectiveness of the proposed estimation method is evaluated by comparing the states and modes generated by the MHSE and those estimated by the Neural Network. This method showed low RMSE values, high values of R(2), and a reduction in the processing time of the estimation algorithm. The second part of this dissertation deals with the position and force switching problem for a non-linear robotic manipulator, applying Model-Based Predictive Control (MPC). The implemented switched MPC algorithm effectively controlled both modes of the system, presenting low prediction error, approximately 2 percent in position control mode and 0.5 percent in torque control mode, even considering cyclical changes in the modes. Both methods prove to be suitable for controlling co-located robotic manipulators with humans or in unstructured environments through operation mode detection and position-torque switching control.

[pt] Neste trabalho, busca-se atender a demanda energética de grandes clientes através de um sistema híbrido de energias renováveis (HSRE, em inglês), com o mínimo custo e diminuindo as emissões de poluentes. O sistema é construído a partir do uso de células fotovoltaicas, células a combustível e chillers elétricos. Quatro tipos de célula a combustível são testadas e avaliadas quanto a viabilidade: PAFC (ácido fosfórico), SOFC (sólido óxido), MCFC (carbonato fundido) e PEMFC (membrana trocadora de prótons). Para o caso da última, geradores de hidrogênio são simulados para suprir a demanda. Os resultados são comparados com o caso base, de toda a demanda sendo atendida pela concessionária de energia elétrica local. Varia-se o custo de aquisição e instalação dos equipamentos, o custo de aquisição de gás natural e o custo da energia elétrica, além da variação da demanda e de simular o cliente em diferentes cidades. A demanda hipotética é calculada a partir de valores de iluminâncias segundo normas técnicas para cada sala de um laboratório em construção em Xerém, no Rio de Janeiro. A simulação indica como resultado a viabilidade econômica de abastecimento pelo sistema híbrido, com geradores do tipo PAFC, SOFC e MCFC. A alta demanda de hidrogênio, juntamente com o custo atual para geração do mesmo inviabiliza o retorno com uso de células PEMFC. / [en] In this work, we seek to meet the energy demand of large customers through a hybrid system of renewable energy (HRSE), with minimal cost and reducing emissions. The system is built from the use of photovoltaic cells, fuel cells and electric chillers. 4 fuel cell types are tested and evaluated for viability: PAFC (phosphoric acid) SOFC (solid oxide), MCFC (molten carbonate) and PEMFC (proton exchange membrane). In the case of the latter, hydrogen generators are simulated to meet demand. The results are compared with the base case, that includes all the demand being met by the local power company. The cost of purchase and installation of equipment, the cost of acquisition of natural gas and the cost of electricity, as well as the demand variation and simulate the client in different cities are analyzed under different values. The hypothetical demand is calculated from illuminance values according to technical standards for each room of a laboratory under construction in Xerém, in Rio de Janeiro. The simulation result shows the economic viability supply the hybrid system The high demand for hydrogen with the current cost for generating the same prevents the payback form PEMFC fuel cells.

[pt] Este trabalho apresenta o estudo de comunicação óptica quântica no infravermelho, utilizando um sistema híbrido fibra-óptica – espaço-livre, como prova de princípio para o estabelecimento de chaves secretas a fim de utilização em criptografia do tipo one-time pad. Ao modular a polarização da luz de um laser em polarizações ortogonais, podem-se codificar os bits clássicos 1 e 0 em cada uma dessas polarizações, sendo detectadas por detectores contadores de fótons únicos, e, assim, utilizar o canal quântico para transmissão dos bits quânticos entre dois interlocutores, utilizandoos para o estabelecimento da chave criptográfica, que pode ser usada em qualquer tipo de informação a ser transmitida por um canal clássico ou quântico. Ao realizar a transmissão em espaço-livre, sujeita a variações climáticas, como temperatura atmosférica, luz solar, presença de nuvens, chuva e vento, foi também estudada a influência destes fenômenos na qualidade da transmissão e dos dados obtidos. Os resultados experimentais demonstraram consistência com a teoria e com outros trabalhos publicados na área até esta data com relação às taxas de erro de bit quântico e também à taxa de transmissão de bits. As taxas de erro obtidas, por estarem abaixo do limiar teórico para segurança da informação em comunicação quântica, provam, ainda, a possibilidade de estabelecimento de chave secreta para criptografia através do uso de distribuição quântica das chaves (QKD). Os resultados também apresentaram boa qualidade da informação recuperada após a descriptografia. / [en] This work presents the study of optical quantum communication in the infrared region, using a hybrid optical-fiber – free-space system, as proof of principle for the agreement on secret keys by two parties for use in one-time pad encryption. By modulating the polarization of laser light into orthogonal polarizations, one can encode the classic bits 1 and 0 in each of these polarizations, being detected by single photon counter detectors, and can use the quantum channel to transmit the quantum bits between two interlocutors. It is then possible to use those bits to establish the cryptographic key, which can be used in any type of information to be transmitted by a classic or quantum channel. While carrying out transmission in free space optics, subject to climatic variations, such as atmospheric temperature, sunlight, presence of clouds and rain, and the presence of wind, the influence of these phenomena on the quality of transmission and on the data obtained was also studied. The experimental results showed consistency with the theory and with other works published to date with regard to quantum bit error rates and to the bit rate. The error rates obtained, being below the theoretical threshold for information security in quantum communication, further proves the possibility of establishing a secret key for encryption through the use of quantum key distribution (QKD). It also presented good quality on the information recovered after decryption.