Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2015. / Made available in DSpace on 2015-12-01T03:11:30Z (GMT). No. of bitstreams: 1 336272.pdf: 2845908 bytes, checksum: 3888317ba07b21756b86238de370756a (MD5) Previous issue date: 2015 / Este trabalho de pesquisa trata da modelagem estocástica de três algoritmos adaptativos bem conhecidos da literatura, a saber: o algoritmo NLMS (normalized least-mean-square), o algoritmo IAF PNLMS (individual-activation-factor proportionate NLMS) e o algoritmo TDLMS (transform-domain least-mean-square). Particularmente para o algoritmo NLMS, um modelo estocástico analítico é obtido levando em conta um ambiente não estacionário e sinais de entrada gaussianos complexos. Baseado nas expressões de modelo, o impacto dos parâmetros do algoritmo sobre o seu desempenho é discutido, evidenciando algumas das características de rastreamento do algoritmo NLMS frente ao ambiente não estacionário considerado. Para o algoritmo IAF-PNLMS, assumindo um ambiente estacionário, um modelo estocástico mais preciso do que os até então disponíveis na literatura é apresentado, considerando sinais de entrada gaussianos correlacionados tanto complexos quanto reais. Com respeito ao algoritmo TDLMS, um modelo estocástico melhorado é derivado focando em um ambiente não estacionário e sinais de entrada gaussianos correlacionados reais. A partir das expressões de modelo obtidas, o impacto dos parâmetros do algoritmo TDLMS sobre o seu desempenho é discutido. Resultados de simulação para diferentes cenários de operação são mostrados, confirmando a precisão dos modelos estocásticos propostos tanto na fase transitória quanto em regime permanente.<br> / Abstract : This research work focuses on the stochastic modeling of three well-known adaptive algorithms from the literature, namely: the normalized least-mean-square (NLMS) algorithm, the individual-activation-factor proportionate NLMS (IAF-PNLMS) algorithm, and the transform-domain least-mean-square (TDLMS) algorithm. Particularly for the NLMS algorithm, an analytical stochastic model is obtained taking into account a nonstationary environment and complex-valued Gaussian input data. Based on the obtained model expressions, the impact of the algorithm parameters on its performance is discussed, clarifying some of the tracking properties of the NLMS algorithm vis-à-vis the nonstationary environment considered. For the IAF-PNLMS algorithm, assuming a stationary environment, a more accurate stochastic model than those available so far in the literature is presented considering both complex- and real-valued Gaussian correlated input data. Regarding the TDLMS algorithm, an improved stochastic model is derived focusing on a nonstationary environment and real-valued Gaussian correlated input data. From the obtained model expressions, the impact of the TDLMS algorithm parameters on its performance is discussed. Simulation results for different operating scenarios are shown, confirming the accuracy of the proposed stochastic models for both transient and steady-state phases.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2015. / Made available in DSpace on 2016-02-09T03:06:10Z (GMT). No. of bitstreams: 1 337504.pdf: 720136 bytes, checksum: d08c5d76ff619a7e1edcf55572d8b4a8 (MD5) Previous issue date: 2015 / Este trabalho apresenta um novo modelo de comportamento do algoritmo de Pseudo Projeções Afins (PAP) sob as seguintes condições: identificação de sistemas, passo de adaptação arbitrário, correção do problema de inicialização e ordem do algoritmo PAP menor que a ordem da entrada autoregressiva (AR). Para tanto, hipóteses simplificadoras utilizadas na literatura são reavaliadas. Complementarmente, uma generalização para o estimador de mínimos quadrados, utilizado durante o processo de adaptação do algoritmo PAP é proposta, considerando o caso onde o algoritmo opera com ordem menor do que o sinal AR. Como resultado dessas considerações, um novo modelo estocástico é obtido para o algoritmo PAP. As equações aqui obtidas corroboram com as simulações de Monte Carlo do algoritmo PAP.<br> / Abstract : This works presents a new model for the behaviour of the Pseudo Affine Projection Algorithm (PAP) under the following conditions: system identification, arbitrary step size, correction of initialization effect and projection order of PAP algorithm smaller than the autoregressive input(AR) order. For this purpose, the simplifying assumptions used on the literature are revalued. Complementary, a generalization to the least squares estimator, used in the during the adaptation process of the PAP algorithm, is proposed considering the case that the PAP algorithm operates with smaller order than the AR signal. As a result of those considerations, a new stochastic model is obtained to the PAP algorithm. The equations derived agrees with the Monte Carlo simulation of the PAP algorithm.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-07-16T01:21:34Z (GMT). No. of bitstreams: 1 223146.pdf: 1281408 bytes, checksum: d858fbd30878f7f429dc25a4af5c65e8 (MD5)

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-20T17:18:42Z (GMT). No. of bitstreams: 1 190309.pdf: 2355349 bytes, checksum: 63bd0e6b1b8724e720c66d29880586b3 (MD5) / Este trabalho apresenta um estudo sobre o comportamento de algoritmos adaptativos estocásticos baseados em momentos de ordem elevada. Os dois algoritmos estudados são o LMF (Least Mean Fourth) e o LMK (Least Mean Kurtosis). Equações recursivas não-lineares são deduzidas para descrever o comportamento dos momentos de primeira e de segunda ordens dos coeficientes para sinais de entrada gaussianos. Estas recursões podem ser usadas para prever o comportamento do erro médio quadrático. Os modelos descrevem o comportamento dos algoritmos durante os regimes transitório e permanente, para um ruído aditivo tendo qualquer função densidade de probabilidade par e de média zero e para qualquer relação sinal/ruído. Simulações Monte Carlo mostram a excelente concordância com o comportamento previsto pelos modelos teóricos. É também feito um estudo da estabilidade do algoritmo LMF, considerando-se um sinal de entrada gaussiano e branco e um ruído aditivo com qualquer função densidade de probabilidade par e de média zero. Esta análise melhora resultados prévios porque é explicitamente mostrado que a estabilidade depende das condições iniciais. Com o conjunto de equações e resultados obtidos, pretende-se fornecer informações que auxiliem no projeto de filtros adaptativos

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2013. / Made available in DSpace on 2014-08-06T17:45:50Z (GMT). No. of bitstreams: 1 322027.pdf: 3149014 bytes, checksum: 5553edf0f25ba309435980bc29eee2d2 (MD5) Previous issue date: 2013 / A segmentação dos ambientes de contratação trazida pelo novo modelo do Setor Elétrico Brasileiro impôs às distribuidoras de energia a responsabilidade pela aquisição de lastro contratual suficiente para o atendimento à totalidade do seu mercado cativo por meio do mecanismo de leilões públicos, promovidos no Ambiente de Contratação Regulada. O elevado grau de regulação na atuação das distribuidoras imposta pela complexa regulamentação setorial, combinada a grande volatilidade e incertezas no comportamento futuro de variáveis como o preço e demanda, expõe as distribuidoras ao risco de elevadas perdas financeiras e tornam o processo de gestão da contratação extremamente complicado. Esta dissertação busca explorar o problema da gestão do nível de contratação das distribuidoras no ambiente regulado dentro desse contexto de incertezas, abordando-o como problema de otimização estocástica. É apresentado um modelo computacional para definição de estratégia ótima de contratação que leva em consideração as complexidades ligadas às regras de compra e repasse dos custos de energia e incertezas nos valores futuros da demanda e dos preços no mercado de curto prazo. Para fornecer uma solução robusta, o modelo matemático é formulado como um problema de programação estocástico linear multiestágio, sendo resolvido por meio do algoritmo de Progressive Hedging. <br> / Abstract : Due to the segmentation of the trading environments brought on by the recent reform of the Brazilian Electric Sector, distribution companies have become responsible for the purchase of future electricity contracts up to the requirement of their ?captive? demand, throughout public auctions promoted in the ?Regulated Purchase Environment?. The complex regulamentation of the distribution sector combined with the high volatility and uncertainties associated with of some key aspects of the problem, such as price and demand, expose this distribution companies to high financial risk and make the trading process extremely complicated. This master degree dissertation focuses on the distributor?s contractual management problem in this context of uncertainties by approaching it as a stochastic optimization problem. A computational model was developed in order to define the optimal contract purchase strategy, considering all the complexities associated with the Brazilian regulation and uncertainties in the future values of demand an electricity prices. In order to obtain a robust solution, the mathematical model was formulated as a multi-stage stochastic programming problem solved by the Progressive Hedging algorithm.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-03-04T20:02:58Z (GMT). No. of bitstreams: 1 307884.pdf: 2324151 bytes, checksum: e8836a0a1ca734d1939b5144cef51992 (MD5) / Algoritmos baseados em kernel têm-se tornado populares no processamento não-linear de sinais. O processamento não-linear aplicado sobre um sinal pode ser modelado como um processamento linear aplicado a um sinal transformado para um espaço de Hilbert com kernels reprodutivos (RKHS). A operação linear no espaço transformado pode ser implementada com baixa complexidade e pode ser melhor estudada e projetada. O algoritmo Kernel Least-Mean-Squares (KLMS) é um algoritmo popular em filtragem adaptativa não-linear devido à sua simplicidade e robustez. Implementações práticas desse algoritmo requerem um modelo de ordem finita do processamento não-linear, o que modifica o comportamento do algoritmo em relação ao LMS simplesmente mapeado para o RKHS. Essa modificação leva à necessidade de novos modelos analíticos para o comportamento do algoritmo. O desempenho do algoritmo é função do passo de convergência e dos parâmetros do kernel empregado. Este trabalho estuda o comportamento do KLMS em regimes transitório e permanente para entradas Gaussianas e um modelo de não-linearidade de ordem finita. Dois kernels são considerados; o Gaussiano e o Polinomial. Derivamos modelos analíticos recursivos para os comportamentos do vetor médio de erros nos coeficientes e do erro quadrático médio de estimação. As previsões do modelo mostram excelente acordo com simulações de Monte Carlo no transitório e no regime permanente. Isso permite a determinação explícita das condições para a estabilidade, e permite escolher os parâmetros do algoritmo a fim de obter um desempenho desejado. Exemplos de projeto são apresentados para o kernel Gaussiano e para o kernel Polinomial de segundo grau de forma a validar a análise teórica e ilustrar sua aplicação. / Kernel-based algorithms have become popular in nonlinear signal processing. A nonlinear processing can be modeled as a linear processing applied to a signal transformed to a reproducing kernel Hilbert space (RKHS). The linear operation in the transformed space can be implemented with low computational complexity and can be more easily studied and designed. The Kernel Least-Mean-Squares (KLMS) is a popular algorithm in nonlinear adaptive filtering due to its simplicity and robustness. Practical implementations of this algorithm require a finite order model for the nonlinear processing. This modifies the algorithm behavior as compared to the LMS simply mapped to the RKHS. This modification leads to the need for new analytical models for the algorithm behavior. The algorithm behavior is a function of both the step size and the kernel parameters. This work studies the KLMS algorithm behavior in transient and in steady-state for Gaussian inputs and for a finite order nonlinearity model. Two kernels are considered; the Gaussian and the Polinomial. We derive analytical models for the behavior of both the mean weight error vector and the mean-square estimation error. The model predictions show excellent agreement with Monte Carlo simulations at both the transient and the steady-state. This allows the explicit determination of the stability limits and to design the algorithm parameters to obtain a desired performance. Design examples are presented for the Gaussian and for the second degree Polinomial kernels to validate the analysis and to illustrate its application.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica / Made available in DSpace on 2012-10-25T20:24:03Z (GMT). No. of bitstreams: 1 304945.pdf: 1469606 bytes, checksum: 143901db21f13940c1ff2d12c97d4424 (MD5) / Com o processo de reestruturação do mercado brasileiro de energia elétrica, a remuneração do capital investido no segmento de geração passa a ser função do sucesso da estratégia de comercialização adotada e atividades como a quantificação do risco envolvido nas negociações e a administração do portfólio de contratos, passam a ser priorizadas pelos agentes do mercado. Esta é a principal motivação deste trabalho que propõe uma metodologia para definição de estratégia de comercialização de energia elétrica de um agente gerador. Como o comportamento futuro do preço de curto prazo é desconhecido no momento da decisão de contratação, a alternativa que melhor contribui para uma representação eficiente do problema real, é a utilização de um modelo estocástico de otimização sob incerteza. Sob este enfoque são discutidas as principais formas matemáticas de mensuração e controle dos riscos inerentes a atividade de comercialização de energia elétrica, com atenção especial ao processo de internalização, no modelo de Seleção de Portfólios, da percepção de risco do decisor. / As long as the restructuring process has happen in the electricity Brazilian market, the financial remuneration of the invested capital in the generation sector depends on the adopted trading strategy. Thus, activities such as the quantification of the risk related to the negotiations and the contracts portfolio management, have become priority for the generator agent. This is the main motivation of this work, which proposes a methodology for defining the trading strategy of an electrical energy generator agent. Since the behavior of the future spot price is unknown at the decision moment of contracting, the most appropriate option to represent, in an efficient way, the real problem, is by using an optimization stochastic model under uncertainty. In this sense, it is discussed in this work the main metrics to quantify and control the risk inherent to the electricity trading activity, focusing specially on the internalization of the risk perception of the decision maker, into the portfolios selection model.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-06-25T20:38:40Z (GMT). No. of bitstreams: 1 310353.pdf: 2156698 bytes, checksum: 1b851b44f008591fada139e645b0434d (MD5) / O problema do planejamento da operação energética do Sistema Interligado Nacional (SIN) é bastante peculiar devido, especialmente, à sua dimensionalidade e a grande participação de geração hidrelétrica. A participação majoritária de recursos hídricos exige um planejamento bastante minucioso, uma vez que a capacidade de armazenamento dos reservatórios é limitada e, portanto, a disponibilidade futura de energia dependerá da operação dos reservatórios e das vazões afluentes futuras. Devido às complexidades do problema, no Brasil optou-se por separar os estudos de planejamento da operação energética em etapas de médio prazo, curto prazo e programação diária. O foco deste trabalho é o modelo computacional utilizado no médio prazo - Planejamento Anual da Operação Energética (PEN), cujo objetivo consiste em estabelecer estratégias de médio prazo para a operação, por meio da análise das condições de atendimento a demanda no horizonte de estudo. Este trabalho objetiva aplicar técnicas avançadas de otimização estocástica no problema do PEN, de maneira a produzir políticas de operação de melhor qualidade considerando os principais aspectos de um problema como o PEN. Dentre as técnicas de otimização estocástica que são analisadas neste trabalho destacam-se: (i) técnicas de amostragem com redução da variância (Latin Hypercube Sampling e Quasi Monte Carlo Aleatório); (ii) estratégia de solução e seleção de cortes para melhorar o desempenho da Programação Dinâmica Dual Estocástica (PDDE); (iii) metodologia para avaliação da qualidade da política de operação e (iv) metodologias para construir uma política de operação com aversão a risco. Além disso, este documento apresenta uma descrição detalhada da modelagem utilizada no modelo computacional do PEN, como por exemplo, a representação por Reservatório Equivalente de Energia (REE), o modelo AutoRregressivo Periódico (ARP) e o algoritmo da PDDE. As técnicas de otimização estocástica são avaliadas em estudos de casos que consideram o SIN com dados para estudos que se iniciam em Janeiro de 2009 e Janeiro de 2012. Destacam-se nos resultados as políticas com aversão a risco que mantém um armazenamento maior à medida que se aumenta o nível de aversão a risco. / The Interconnected Brazilian Power System's operation planning problem is very unique, due to its dimension and high participation of hydroelectric power plants. As a consequence of the latter, it is necessary to perform a very precise hydrothermal scheduling because the reservoirs capacity are limited and, therefore, the energy availability depends on future inflows and how the reservoirs are operated. Due to the problem's complexity, the Brazilian hydrothermal scheduling is divided into three stages: long-term, short-term and daily operation programming. This work is focused on the Long-Term Hydrothermal Scheduling (LTHS) problem, which aims to determine an optimal operational strategy through the analysis of the energy market and load supply conditions over the planning period. The objective of this work is to apply advanced stochastic programming techniques to the LTHS problem, in order to compute an enhanced operation policy considering the main aspects of a problem such as the LTHS. We analyze four stochastic programming techniques: (i) variance reduction sampling strategies (Latin Hypercube Sampling and Randomized Quasi-Monte Carlo); (ii) tree traversing strategies and cut selection to improve the Stochastic Dual Dynamic Programming (SDDP) algorithm; (iii) assessing the operation policy quality and (iv) risk aversion. In addition to that, this document presents a detailed description of the modeling used for the LTHS problem, such as, the Equivalent Energy Reservoir (EER) representation, the Periodic Autoregressive model and the SDDP algorithm. The stochastic programming techniques are evaluated in case study considering the Interconnected Brazilian Power System with data from January 2009 and January 2012. From the results we can point out the risk aversion policies which store more energy (water) in the reservoirs as we increase the level of risk aversion.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, programa de Pós-graduação em Engenharia Elétrica, Florianópolis, 2013 / Made available in DSpace on 2013-12-06T00:11:45Z (GMT). No. of bitstreams: 1 318873.pdf: 1826709 bytes, checksum: 57cec23cbd9a329cc3db5b8b26c72a6b (MD5) Previous issue date: 2013 / A introdução do modelo de mercado na indústria de energia elétrica ampliou as atividades das empresas distribuidoras na área de comercialização de energia. Os mecanismos de incentivos e penalidades, introduzidos pelo atual modelo setorial requerem, por exemplo, a compreensão das regras de compra e repasse dos custos, bem como a análise dos riscos e incertezas ligados à regulação, evolução do consumo e o comportamento dos consumidores nos ambientes livre e cativo. Uma das principais consequências do novo marco regulatório é que, para alcançar seus objetivos, adotou-se o mecanismo de leilões como instrumentos capazes de assegurar a expansão da oferta através da obrigação das distribuidoras de contratarem a totalidade de suas demandas. Este trabalho apresenta um modelo computacional que serve para a tomada de decisões de contratação de energia de uma distribuidora no ambiente cativo brasileiro. O modelo proposto leva em consideração uma série de complexidades ligadas às regras de compra e repasse dos custos da contratação e incertezas nos valores futuros do preço da energia e da demanda. Para fornecer uma solução robusta, o modelo matemático é formulado como um problema estocástico de programação linear multiestágio, sendo resolvido por meio da técnica do Progressive Hedging. A introdução da incerteza nas variáveis ocorre através de árvores de cenários com várias ramificações. Ao final da dissertação, destaca-se uma metodologia para avaliar a qualidade das soluções estocásticas dos vários casos simulados <br> / Abstract: Introduction of market models in the electricity industry has expanded activities of distribution companies in the field of energy trading. Mechanisms of incentives and penalties, introduced by the current model of the sector require, for example, understanding the rules of purchase and transfer costs, as well as analysis of risks and uncertainties relating to regulation, consumption trends and consumer behavior in regulated and free contracting environments. One of the main consequences of the new regulation is that to achieve its goals, it is adopted the auction mechanism as a tool to ensure supply expansion through distributors obligation to hire all of their demands. This work presents a computational model that serves for making hiring decisions of an energy distributor in the Brazilian regulated contracting environment. The proposed model takes into consideration a number of complexities related to negotiation rules and passes the costs of hiring and uncertainties in the values of future energy prices and demand. To provide a robust solution, the mathematical model is formulated as a multistage stochastic linear programming problem and it is solved by the Progressive Hedging technique. Uncertainties are represented by a scenario tree with multiple branches. It is given at the end of this work a methodology to assess the quality of stochastic solutions of the several simulated cases.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção / Made available in DSpace on 2012-10-20T02:03:04Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-26T01:57:30Z : No. of bitstreams: 1 181920.pdf: 7306100 bytes, checksum: 1e79565c74cd66685e889dae7e92d997 (MD5) / Este trabalho é uma proposta metodológica acerca do tema de tomada de decisões nas empresas com medidas diferenciadas de risco, para aqueles que já se consideram avessos ao risco. Toda uma discussão sobre a aversão ao risco é debatida no trabalho, e várias funções utilidades são testadas para levar em consideração os três primeiros momentos da distribuição - a média, a variância e a assimetria. Mais especificadamente, o trabalho está interessado em aperfeiçoar o processo de tomada de decisões no planejamento agregado da produção, para isso, parte-se do pioneiro estudo de Holt et al. (1955), o qual elabora uma regra de decisão determinística para esse tipo de planejamento. Para atingir tal objetivo, o trabalho elabora uma regra estocástica não linear dinâmica. Esta, cuja participação do algoritmo proposto por Cuthbertson et al. (1992) é fundamental, possibilita que o gerenciador de decisões escolha, entre opções alternativas de risco, as variáveis que levam ao controle ótimo.