Für den zielgerichteten Einsatz von präventiven und mitigativen Notfallmaßnahmen sowie zur Beurteilung ihrer Wirksamkeit während auslegungsüberschreitender Unfälle in Druckwasserreaktoren aber auch für Hinweise zum Störfallverlauf und für die Abschätzung der Auswirkungen auf die Anlagenumgebung müssen geeignete Störfallinstrumentierungen vorhanden sein. Insbesondere der Zustand des Reaktordruckbehälterinventars (RDB-Inventar) während der In-Vessel-Phase eines auslegungsüberschreitenden Unfalls lässt sich mit aktuellen Störfallinstrumentierungen nur stark eingeschränkt überwachen, wodurch die o. g. Forderungen nicht erfüllt werden können. Die vorliegende Arbeit beinhaltet detaillierte Untersuchungen für die Entwicklung einer Störfallinstrumentierung, welche eine durchgängige Zustandsüberwachung des RDB-Inventars während der In-Vessel-Phase eines auslegungsüberschreitenden Unfalls ermöglicht. Die Störfallinstrumentierung basiert auf der Messung und Klassifikation von unterschiedlichen Gammaflussverteilungen, welche während der In-Vessel-Phase außerhalb des Reaktordruckbehälters auftreten können. Ausgehend von der Analyse zum Stand von Wissenschaft und Technik wird der modell-basierte Ansatz für Structural Health Monitoring-Systeme genutzt, um eine grundlegende Vorgehensweise für die Entwicklung der Störfallinstrumentierung zu erarbeiten. Anschließend erfolgt eine detaillierte Analyse zu den Vorgängen während der In-Vessel-Phase und eine daraus abgeleitete Definition von Kernzuständen für einen generischen Kernschmelzunfall. Für die definierten Kernzustände werden mittels Simulationen (Monte-Carlo-Simulationen zum Gammastrahlungstransport in einem zu dieser Arbeit parallel laufenden Vorhaben) Gammaflüsse außerhalb des Reaktordruckbehälters berechnet. Die Simulationsergebnisse dienen dem Aufbau von Datenbasen für die Entwicklung und Analyse eines Modells zur Klassifikation von Gammaflussverteilungen. Für die Entwicklung des Klassifikationsmodells kommen drei diversitäre und unabhängig arbeitende Klassifikationsverfahren (Entscheidungsbaum, k-nächste-Nachbarn-Klassifikation, Multilayer Perzeptron) zur Anwendung, um die Identifikationsgenauigkeit und Robustheit der Störfallinstrumentierung zu erhöhen. Die abschließenden Betrachtungen umfassen die Validierung der Störfallinstrumentierung mittels eines Versuchstandes zur Erzeugung unterschiedlicher Gammaflussverteilungen. Im Ergebnis der Untersuchungen konnte die prinzipielle Funktionsweise der entwickelten Störfallinstrumentierung nachgewiesen werden. Unter der Voraussetzung, die Gültigkeit der definierten Kernzustände zu untermauern sowie weitere, nicht in dieser Arbeit betrachtete Kernschmelzszenarien mit in die Entwicklung der Störfallinstrumentierung einzubeziehen, steht somit insbesondere für zukünftige Kernkraftwerke mit Druckwasserreaktoren eine Möglichkeit für die messtechnische Überwachung des RDB-Inventars während auslegungsüberschreitender Unfälle bereit. Die Arbeit leistet einen wesentlichen Beitrag auf dem Gebiet der Reaktorsicherheitsforschung sowie für den sicheren Betrieb von kerntechnischen Anlagen.

Orientador: Maria Candida Soares Del-Masso / Banca: Alfredo Pereira Júnior / Banca: Gustavo Maia Souza / Resumo: É antiga a preocupação do ser humano com as questões relacionadas ao conhecimento, incluindo as discussões sobre a sua origem, seu aprendizado, sobre a nossa capacidade de utiliza-lo e sobre as características específicas da cognição humana. Essa preocupação remonta aos antigos filósofos gregos (2.500 A.C.), desenvolvendo-se posteriormente a partir da abordagem da Epistemologia, originária da Filosofia ocidental, e mais recentemente a partir do Funcionalismo, pertencente aos estudos em Filosofia da Mente e em Ciência Cognitiva. Essa última abordagem, em particular, contribuiu para o surgimento de programas de pesquisas que procuram entender o funcionamento da mente humana com a ajuda do computador. A Ciência Cognitiva possui fortes ligações com as pesquisas em Inteligência Artificial, e ambas vem se desenvolvendo desde a década de 1950. Mais recentemente, a partir da década de 1980, uma nova área de estudos surgiu, formada por pesquisas em Vida Artificial, que trabalha com a possibilidade de síntese de entidades vivas, por meios artificiais, e desde então vem chamando a atenção de pesquisadores interessados no estudo da cognição. Enquanto a Ciência Cognitiva tem ligações estreitas com a Filosofia e a Psicologia, a Vida Artificial tem uma forte inspiração na Biologia. Neste trabalho, procuramos investigar o encontro entre essas disciplinas, e seus programas de pesquisas, considerando as possibilidades de contribuição para o estudo da cognição humana, a partir de uma abordagem conjunta entre essas áreas. / Abstract: It is na old thing the human concern about knowledge related questions, including discussions on its origin, its learning, about our capacity to utilize it and about specific characteristics of the human cognition. That concern remounts to the ancient greek philosophers (2.500 B.C.), developing itself later from the approach of Epistemology, originated in the occidental Philosophy, and more recently from the Functionalism, that makes part of the studies of Philosophy of Mind and of Cognitive Science. This last approach, particularly, contributed to appearing of research programs that try to understand the function of the human mind with the help of the computer. The Cognitive Science has strong relation with research in Artificial Intelligence, and both areas have been growing since the 1950 decade. More recently, from the decade 1980 on, a new area of atudies appeared, formed by researches in Artificial Life, that work with the possibility of synthesis of alive entities, by artificial means, and sice then has been attracting the attention of researchers interested in the study of Cognition. While Cognitive Science has strict relations with the Philosophy and the Psychology, Artifiical life has a strong inspiration in the Biology. In this work, we tried to investigate the meeting between these subjects, and their research programs, considering the possibilities of the contribution to the study of the human cognition, by means of an integrated approach of these areas. / Mestre

CoordenaÃÃo de AperfeÃoamento de Pessoal de NÃvel Superior / Neste trabalho, à discutido o problema de reconhecimento de objetos utilizando imagens extraÃdas de um sensor industrial 3D. NÃs nos concentramos em 9 extratores de caracterÃsticas, dos quais 7 sÃo baseados nos momentos invariantes (Hu, Zernike, Legendre, Fourier-Mellin, Tchebichef, Bessel-Fourier e Gaussian-Hermite), um outro à baseado na Transformada de Hough e o Ãltimo na anÃlise de componentes independentes, e, 4 classificadores, Naive Bayes, k-Vizinhos mais PrÃximos, MÃquina de Vetor de Suporte e Rede Neural Artificial-Perceptron Multi-Camadas. Para a escolha do melhor extrator de caracterÃsticas, foram comparados os seus desempenhos de classificaÃÃo em termos de taxa de acerto e de tempo de extraÃÃo, atravÃs do classificador k-Vizinhos mais PrÃximos utilizando distÃncia euclidiana. O extrator de caracterÃsticas baseado nos momentos de Zernike obteve as melhores taxas de acerto, 98.00%, e tempo relativamente baixo de extraÃÃo de caracterÃsticas, 0.3910 segundos. Os dados gerados a partir deste, foram apresentados a diferentes heurÃsticas de classificaÃÃo. Dentre os classificadores testados, o classificador k-Vizinhos mais PrÃximos, obteve a melhor taxa mÃdia de acerto, 98.00% e, tempo mÃdio de classificaÃÃo relativamente baixo, 0.0040 segundos, tornando-se o classificador mais adequado para a aplicaÃÃo deste estudo. / In this work, the problem of recognition of objects using images extracted from a 3D industrial sensor is discussed. We focus in 9 feature extractors (where seven are based on invariant moments -Hu, Zernike, Legendre, Fourier-Mellin, Tchebichef, BesselâFourier and Gaussian-Hermite-, another is based on the Hough transform and the last one on independent component analysis), and 4 classifiers (Naive Bayes, k-Nearest Neighbor, Support Vector machines and Artificial Neural Network-Multi-Layer Perceptron). To choose the best feature extractor, their performance was compared in terms of classification accuracy rate and extraction time by the k-nearest neighbors classifier using euclidean distance. The feature extractor based on Zernike moments, got the best hit rates, 98.00 %, and relatively low time feature extraction, 0.3910 seconds. The data generated from this, were presented to different heuristic classification. Among the tested classifiers, the k-nearest neighbors classifier achieved the highest average hit rate, 98.00%, and average time of relatively low rank, 0.0040 seconds, thus making it the most suitable classifier for the implementation of this study.

Este trabalho tem por objetivo propor uma nova metodologia para o cálculo das perdas por segmento do sistema de distribuição. As perdas técnicas são agrupadas nos seguintes segmentos: rede secundária, transformador de distribuição, rede primária e subestação de distribuição. Desenvolveu-se uma metodologia destinada ao cálculo das perdas de forma hierárquica: por exemplo, selecionada uma subestação específica, são calculadas as perdas na subestação e em seus componentes a jusante (redes primárias, transformadores de distribuição, redes secundárias). As perdas, inicialmente, são obtidas por meio de cálculo elétrico para os segmentos envolvidos, com a utilização dos parâmetros da rede, com os dados de faturamento e as curvas de carga típicas por classe de consumidor e seus tipos de atividade. Com os resultados desses cálculos, treinam-se redes neurais que irão calcular as perdas em sistemas genéricos utilizando os parâmetros e topologia do segmento e as curvas típicas de cargas dos consumidores e a energia mensal consumida. O trabalho apresenta um exemplo de aplicação, em sistema de distribuição existente, mostrando os resultados obtidos, e termina apresentando as principais vantagens da metodologia. Finalmente, os resultados obtidos com a nova metodologia são comparados com os resultados obtidos por métodos analíticos de cálculo intensivo. / In this work, a new methodology for the calculation of the energy technical losses in a distribution system, is presented. The proposed approach regards the segmentation of the distribution system, thus, the losses will be obtained for segments such as: the secondary network, distribution transformer, primary network and distribution substation. It was developed a computational system aimed to the calculation of the technical losses within specific distribution networks and usable in a microcomputer. Such a calculation is done in a hierarchical way. For instance, once selected a specific substation it is calculated the losses within the substation and in all the above cited components existing downstream the substation. The energy technical losses are calculated for each segment involved in the distribution system. This is done by using the network\'s recorded data, the energy consumption data and the typical load curves by class of consumer and type of activity developed. The outcome of these calculations are then used to train the neural networks, which in turn will calculate the losses in generic distribution systems where characteristics such as the circuit parameters and topology, the consumer\'s load curves and the monthly energy consumed, are known. By using the energy data available in the supplying points, the total energy billed per month as well as the loss indexes per segment, it will be obtained the total amount of the energy losses in each segment of the system. Likewise, this procedure will enable an evaluation of the non technical losses. The results of a case study related to an existing distribution system and the main advantages of the proposed methodology, are also presented herein. Finally, the results obtained with the new methodology are compared with those obtained through analytical methods.

Nesta pesquisa, é proposta uma metodologia para detectar e classificar os distúrbios observados em um Sistema Elétrico Industrial (SEI), além de estimar de forma não intrusiva, o torque eletromagnético e a velocidade associada ao Motor de Indução Trifásico (MIT) em análise. A metodologia proposta está baseada na utilização da Transformada Wavelet (TW) para a detecção e a localização no tempo dos afundamentos e interrupções de tensão, e na aplicação da Função Densidade de Probabilidade (FDP) e Correlação Cruzada (CC) para a classificação dos eventos. Após o processo de classificação dos eventos, a metodologia como implementada proporciona a estimação do torque eletromagnético e a velocidade do MIT por meio das tensões e correntes trifásicas via Redes Neurais Artificiais (RNAs). As simulações computacionais necessárias sobre um sistema industrial real, assim como a modelagem do MIT, foram realizadas utilizando-se do software DIgSILENT PowerFactory. Cabe adiantar que a lógica responsável pela detecção e a localização no tempo detectou corretamente 93,4% das situações avaliadas. Com relação a classificação dos distúrbios, o índice refletiu 100% de acerto das situações avaliadas. As RNAs associadas à estimação do torque eletromagnético e à velocidade no eixo do MIT apresentaram um desvio padrão máximo de 1,68 p.u. e 0,02 p.u., respectivamente. / This study proposes a methodology to detect and classify the disturbances observed in an Industrial Electric System (IES), in addition to, non-intrusively, estimate the electromagnetic torque and speed associated with the Three-Phase Induction Motor (TPIM) under analysis. The proposed methodology is based on the use of the Wavelet Transform WT) for the detection and location in time of voltage sags and interruptions, and on the application of the Probability Density Function (PDF) and Cross Correlation (CC) for the classification of events. After the process of events classification, the methodology, as implemented, provides the estimation of the electromagnetic torque and the TPIM speed through the three-phase voltages and currents via Artificial Neural Networks (ANN). The necessary computer simulations of a real industrial system, as well as the modeling of the TPIM, were performed by using the DIgSILENT PowerFactory software. The logic responsible for the detection and location in time correctly detected 93.4% of the assessed situations. Regarding the classification of disturbances, the index reflected 100% accuracy of the assessed situations. The ANN associated with the estimation of the electromagnetic torque and speed at the TPIM shaft showed a maximum standard deviation of 1.68 p.u. and 0.02 p.u., respectively.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-24T13:52:10Z No. of bitstreams: 1 Julio Cesar da Silva Soares.pdf: 1645821 bytes, checksum: e32d7384c0a6f1999bc7eb190dcd7a05 (MD5) / Made available in DSpace on 2017-04-24T13:52:10Z (GMT). No. of bitstreams: 1 Julio Cesar da Silva Soares.pdf: 1645821 bytes, checksum: e32d7384c0a6f1999bc7eb190dcd7a05 (MD5) Previous issue date: 2017-03-22 / FAPEMA / Urban roads are very complex. The increase in the flow of vehicles in the cities has contributed to traffic accidents. Researches for accident reduction show that the traffic lights are effective in reducing accidents. Traffic lights can minimize the occurrence of accidents at intersections and crosswalks. The implementation of traffic light signals shows significant advantages, otherwise reveals some problems such as the failure to detect road signs by drivers on urban roads. This fact is related to excessive visual information, the stress of the drivers and/or eyestrain makes the drivers lose their attention. These reasons motivated researches about intelligent vehicles. This work aims to develop a methodology to detect and recognize traffic lights, to be applied in smart vehicles. This methodology can contribute to the Advanced Driver Support Systems (ADAS), which assists drivers, especially those with partial vision impairment. Image processing techniques are used to develop the detection methodology. Back project and global thresholding are combined to find light points. Local thresholding techniques are applied to calculate the symmetry between the radius and the center of the light points to segment the traffic light body. The first step got an average rate of 99% of detection. The features of the traffic lights are extracted using Haralick texture measures, with the inclusion of color and shape information. The data generated by the feature extraction step were preprocessed using the SMOTE technique to balance the database. The recognition and identification of the traffic lights state are made by an artificial neural network using Multilayer-Perceptron (MLP). The backpropagation learning algorithm are used in the network training. The validation results show an average recognition rate of 98%. / As vias urbanas estão cada vez mais complexas e o acréscimo no fluxo de veículos nas cidades de médio e grande porte vem contribuindo para a elevação do número de acidentes. Pesquisas apontam que os sinais de trânsito são eficientes na redução do número de acidentes. A implantação de sinais de trânsito apresentam vantagens relevantes, mas por outro lado revelam alguns problemas, como a dificuldade na detecção de sinais de trânsito pelos condutores em vias urbanas. Este fato está relacionado à quantidade de informações visuais nas vias, ao estresse dos motoristas e/ou à fadiga visual destes, que fazem os motoristas desviarem sua atenção da sinalização. Estas razões motivaram muitas pesquisas nos últimos anos, sobre o tema veículos inteligentes. Assim, o presente trabalho propõe uma metodologia para detectar e reconhecer semáforos de trânsito para ser aplicada em veículos inteligentes, podendo contribuir para os Advanced Driver Support Systems - ADAS (Sistema Avançado de Auxílio ao Motorista), e que auxilie os motoristas, em especial aqueles com deficiência parcial da visão. Além disso, o sistema desenvolvido é capaz de identificar o estado do semáforo e indicar ao condutor se ele deve parar ou prosseguir, contribuindo assim para a redução de acidentes de transito. Para o desenvolvimento do algoritmo de detecção, utilizaram-se técnicas de processamento de imagens, através de histograma retroprojetado e limiarização global para detectar pontos de luzes. A limiarização local é aplicada para o cálculo de simetria entre o raio e o centro dos pontos de luzes, com a finalidade de segmentar o corpo do semáforo, onde se obteve uma taxa média de detecção de 99%. As características dos semáforos foram extraídas utilizando os atributos de Haralick, com a inclusão de informações de cor e forma. Os dados gerados pela extração de características foram pré-processados utilizando a técnica de SMOTE para balancear a base de dados. O reconhecimento e a identificação do estado do semáforo foram realizados por uma rede neural artificial do tipo Multilayer Perceptron (MLP). No treinamento da rede se utilizou o algoritmo de aprendizagem backpropagation e a separação de dados para treinamento e validação. Os resultados da validação mostraram uma taxa média de reconhecimento de 98%.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-24T14:18:42Z No. of bitstreams: 1 Diogo Luis.pdf: 4371869 bytes, checksum: adf1274b2033821c3c2a6cca3766a2e6 (MD5) / Made available in DSpace on 2017-08-24T14:18:42Z (GMT). No. of bitstreams: 1 Diogo Luis.pdf: 4371869 bytes, checksum: adf1274b2033821c3c2a6cca3766a2e6 (MD5) Previous issue date: 2012-10-03 / Power system operation and maintenance require attention, precise diagnostics on failure and agility on system recovery. On the other hand, power systems involve high risks, where each operation needs to be carefully planned and executed, once errors can be fatal. Power system satisfactory operation and maintenance consist on finding equilibrium between these extremes, acting on a cautious, but agile, way. For this purpose, we propose the development of an intelligent system with the ability of detecting abnormal patterns on the electrical signal, providing support for decisions on Power Distribution System real time operation, from the analysis of power substation transformers primary and secondary currents, including learning at each new information acquired by the system. The challenge of this study is to research and develop a method based on ANN for classifying patterns and providing support for decisions, aiming fault detection and/or fault recovery. The method di↵erentiates disturbances that will lead to faults from disturbances generated by transients on power system (for example an undervoltage caused by powering on an engine). A SCADA supervisory system was developed to contain ANN implementation code and also to provide an interface for Operators, generating visual and sound alarms and messages guiding system recovery. The proposed method was evaluated using real data collected from transformers protection digital relays of CEMAR system substations, achieving excellent results. The ANN developed on this study presented satisfactory performance classifying signals and detecting faults properly. / A operação e manutenção do sistema elétrico requerem atenção, diagnósticos precisos em caso de falhas e agilidade na recomposição do sistema. Por outro lado, sistemas elétricos têm um elevado risco, onde cada manobra precisa ser cuidadosamente planejada e executada, pois erros podem ser fatais. A boa operação e manutenção do sistema elétrico consistem em encontrar o ponto de equilíbrio entre esses dois extremos, atuando de forma cautelosa, porém ágil. Com esse intuito, propomos o desenvolvimento de um sistema inteligente dotado da capacidade de detectar padrões anormais no sinal elétrico, fornecendo apoio à decisão na operação em tempo real do SDEE, a partir da análise das correntes primárias e secundárias de transformadores de força de subestações de energia elérica, incluindo aprendizado a cada nova informação integrada ao sistema. O desafio deste estudo é pesquisar e desenvolver um método baseado em RNA para classificação de padrões e apoio à decisão, visando a detecção e/ou recuperaçao de falhas. O método diferencia perturbações que culminarão em uma falta de perturbações geradas por transitórios na rede elétrica (por exemplo o afundamento de tensão gerado pela partida de uma máquina). Um sistema supervisório SCADA foi desenvolvido para hospedar o código de implementação da RNA, além de fornecer uma interface para o Operador, gerando alarmes visuais e sonoros e mensagens orientando a retomada do sistema. O método proposto foi avaliado utilizando-se dados reais coletados diretamente de relés digitais de proteção de transformadores de subestações do sistema da CEMAR, obtendo-se excelentes resultados. A RNA desenvolvida neste estudo apresentou desempenho satisfatório na classificação dos sinais a ela apresentados, detectando corretamente as faltas.

Esta pesquisa objetivou uma melhor compreensão do processo de escolha do modo de viagem. Empregou-se a abordagem indutiva dirigida a dados livre de suposições a priori da mineração em banco de dados (Data Mining), utilizando redes neurais artificiais (RNA) como ferramenta mineradora, à procura de conhecimento, ou informação útil, a respeito de escolha e capaz de indicar qual das estruturas de decisão subjacentes aos modelos de escolha modal considerados mais se aproximaria ao do observado. Partindo-se da ideia de que nesse processo exista um padrão o qual pode ser captado por uma RNA, ajustou-se um modelo de RNA aos dados e extraiu-se então o conhecimento contido no modelo de RNA ajustado através de um algoritmo de extração de árvore de decisão de RNA chamado Trepan (Trees parroting network), que foi analisado e interpretado à luz dos objetivos desta pesquisa. Os dados que foram utilizados nesse processo de descoberta de conhecimento são provenientes de uma pesquisa de entrevista domiciliar realizada na cidade de Bauru - SP, para fins de estimativa da matriz de deslocamentos origem-destino dessa cidade. Obteve-se quatro árvores de decisão com estruturas simples e com a araucária preditiva de 75% aproximadamente para os três modos de viagem estudados. Embora o conhecimento extraído dos modelos neurais ajustados não tenham proporcionado a indicação de qual das estruturas de decisão subjacentes aos modelos de escolha modal mais se aproxima da obtida com o modelo neural, foi constatada nas árvores resultantes do processo de descoberta do conhecimento uma relação de compensação entre o atributo sexo e os atributos relacionados à capacidade econômica do domicílio na decisão de escolha do modo carro para a realização de uma viagem. Os resultados também sugerem a não necessidade de mais um atributo de entrada referente ao deslocamento realizado em uma viagem para modelagem por RNA do processo de escolha do modo de viagem no contexto estudado. / This research aimed at a better understanding of the mode travel choice process. The inductive data driven free from a priori assumptions of the data mining approach was employed, using artificial neural networks (ANN) as a mining tool, looking for knowledge or useful information, concerning the choice process and capable of indicating which of the underlying decision structures to the considered modal choice models would come closer to the observed one. Taking into consideration that there is a pattern in this process that can be captured by ANN, an ANN model was fitted (trained) to the data, and the knowledge contained in the trained ANN model was extracted by employing an ANN decision tree extraction algorithm called Trepan (Trees parroting network), which was analysed and interpreted in the light of the object of this research. The data which was employed in this knowledge discovery process come from a household survey carried out in Bauru - SP in order to estimate the O-D matrix in this city. Four decision trees with simple structures and predicting accuracy of approximately 75% for the three travel modes studied were obtained. Even though the knowledge extracted from the trained ANN model has not yielded the indication of which of the underlying decision structures to the modal choice models was closer to the neural model, a compensating relation between the sex attribute and the household economic-related attribute in the decision of choosing the car mode in order to travel was evidenced in the trees resulting from the process of knowledge discovery. The results also suggest the lack of necessity of more than one input travel attribute concerning the displacement performed in a trip for the ANN modelling of the mode travel choice process in the studied context.

Esta dissertação propõe o desenvolvimento de uma rede neural artificial (RNA) direcionada a ambientes foundation fieldbus para realização do cálculo de vazão em dutos fechados. Para tanto, a metodologia proposta utiliza-se de medidas de pressão, temperatura e pressão diferencial, as quais normalmente estão disponíveis em plantas industriais. A principal motivação do emprego das redes neurais reside no seu baixo custo e simplicidade de implementação, o que possibilita o emprego de apenas blocos fieldbus padrões tornando a metodologia independente do fabricante. Foi utilizada uma rede perceptron multicamadas com algoritmo de treinamento backpropagation de Levenberg-Marquardt. O treinamento foi realizado numa programação elaborada para o software Matlab TM. A arquitetura da rede neural foi determinada por métodos empíricos variando-se o número de neurônios e de camadas neurais até se atingir um erro aceitável na prática. Após esses treinamentos foi desenvolvida uma programação para realizar os cálculos de vazão em um ambiente foundation fieldbus utilizando-se para tanto o software DeltaV TM do fabricante Emerson Process Management. Foram obtidos resultados com erro relativo médio de valor de vazão em torno de 1.43% para um primeiro cenário utilizando uma placa de orifício e ar como fluido, e de 0,073% para um segundo cenário utilizando uma placa de orifício e gás natural como fluido, com relação aos valores obtidos através do instrumento multivariável 3095MV TM do fabricante Rosemount. Os valores de erro encontrados validam o método desenvolvido nessa dissertação. / This dissertation proposes the development of an artificial neural network (ANN) directed to foundation fieldbus environment for calculation of flow in closed ducts. The proposed methodology uses measurements of pressure, temperature and differential pressure, which are usually available in industrial plants. The main motivation of the use of neural networks lies in their low cost and simplicity of implementation, which allows the use of standard fieldbus blocks by just making the method independent of the manufacturer. It was used a multilayer perceptron network with backpropagation training and algorithm from Levenberg-Marquardt. The training was programmed in the software Matlab TM. The architecture of the ANN was determined by empirical methods by varying the number of neurons and neural layers until it reaches an acceptable error. After such trainings, it was developed a program to perform the flow calculations in an foundation fieldbus environment using Emerson Process Management\'s DeltaV TM software. The results were obtained with an average relative error of flow rate of 1.43% for the first scenario using an orifice plate and air as a process fluid, and 0.073% for a second scenario using an orifice plate and natural gas as the fluid related to the values obtained from Rosemount 3095MV TM multivariable instrument. The values of error found validate the method developed in this dissertation.

Este trabalho tem por objetivo propor uma nova metodologia para o cálculo das perdas por segmento do sistema de distribuição. As perdas técnicas são agrupadas nos seguintes segmentos: rede secundária, transformador de distribuição, rede primária e subestação de distribuição. Desenvolveu-se uma metodologia destinada ao cálculo das perdas de forma hierárquica: por exemplo, selecionada uma subestação específica, são calculadas as perdas na subestação e em seus componentes a jusante (redes primárias, transformadores de distribuição, redes secundárias). As perdas, inicialmente, são obtidas por meio de cálculo elétrico para os segmentos envolvidos, com a utilização dos parâmetros da rede, com os dados de faturamento e as curvas de carga típicas por classe de consumidor e seus tipos de atividade. Com os resultados desses cálculos, treinam-se redes neurais que irão calcular as perdas em sistemas genéricos utilizando os parâmetros e topologia do segmento e as curvas típicas de cargas dos consumidores e a energia mensal consumida. O trabalho apresenta um exemplo de aplicação, em sistema de distribuição existente, mostrando os resultados obtidos, e termina apresentando as principais vantagens da metodologia. Finalmente, os resultados obtidos com a nova metodologia são comparados com os resultados obtidos por métodos analíticos de cálculo intensivo. / In this work, a new methodology for the calculation of the energy technical losses in a distribution system, is presented. The proposed approach regards the segmentation of the distribution system, thus, the losses will be obtained for segments such as: the secondary network, distribution transformer, primary network and distribution substation. It was developed a computational system aimed to the calculation of the technical losses within specific distribution networks and usable in a microcomputer. Such a calculation is done in a hierarchical way. For instance, once selected a specific substation it is calculated the losses within the substation and in all the above cited components existing downstream the substation. The energy technical losses are calculated for each segment involved in the distribution system. This is done by using the network\'s recorded data, the energy consumption data and the typical load curves by class of consumer and type of activity developed. The outcome of these calculations are then used to train the neural networks, which in turn will calculate the losses in generic distribution systems where characteristics such as the circuit parameters and topology, the consumer\'s load curves and the monthly energy consumed, are known. By using the energy data available in the supplying points, the total energy billed per month as well as the loss indexes per segment, it will be obtained the total amount of the energy losses in each segment of the system. Likewise, this procedure will enable an evaluation of the non technical losses. The results of a case study related to an existing distribution system and the main advantages of the proposed methodology, are also presented herein. Finally, the results obtained with the new methodology are compared with those obtained through analytical methods.