Orientador: Edméa Cássia Baptista / Co-orientador: Edilaine Martins Soler / Banca: Antonio Roberto Balbo / Banca: Edmarcio Antonio Belati / Resumo: No presente trabalho investigamos um método, o qual foi desenvolvido para resolver problemas de programação linear e não linear de grande porte. Neste método os problemas de programação linear são resolvidos pelo método primal simplex; já nos problemas com função objetivo não linear e restrições lineares é utilizado o método do gradiente reduzido; e para resolver os problemas com função objetivo e restrições não lineares: uma linearização de Taylor de primeira ordem nas restrições não lineares, uma função Langreangeana Aumentada e o método do gradiente reduzido são utilizados. Este método está implementado no pacote de otimização MINOS. Neste contexto, propomos analisar a eficiência deste método e a influência da inicialização do parâmetro de penalidade na solução do problema de Fluxo de Potência Ótimo, o qual, é estudado na Engenharia Elétrica, na área de Sistemas Elétricos de Potência. Testes computacionais foram realizados com os problemas de Fluxo de Potencia Ótimo associados aos sistemas elétricos de 3, 14, 30, 57 e 118 barras / Abstract: In this work we investigate a method, which was developed to solve large-scale linear and nonlinear programming problems. In this method, the linear programming problems are solved by the simplex primal method; in the problems with nonlinear objective function and linear constraints is used the reduced gradient method; and for solving problems with nonlinear objective function and nonlinear constraints: a first-order Taylor's linearization in the nonlinear constraints, an Augmented langrarian Function and the reduced gradient method are used. This method is implemented in the package MINOS. In this context, we propose to analyze the efficiency of this method and the influence of the initialization of penalty parameter in the solution of Optimal Power Flow problem, which is studied in the Electrical Engineering in the Electrical Power Systems area. Computational tests were realized Optimal Power Flow problems associated with electrical systems 3, 14, 30, 57 and 118 buses / Mestre

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2016. / Made available in DSpace on 2017-04-04T04:14:27Z (GMT). No. of bitstreams: 1 344656.pdf: 3748522 bytes, checksum: 795053a56a667d6ef88a22e0b6b1e618 (MD5) Previous issue date: 2016 / O controle adaptativo livre de modelo, também conhecido como Model Free Adaptive Control (MFAC), é baseado no pseudo-partial-derivative (PPD) calculado a partir dos sinais de entrada e saída do sistema a ser controlado, e também utiliza um fator energético (?) fixo que penaliza o controle para fornecer um bom comportamento do processo de malha fechada para seguimento de referência e rejeição de perturbação de carga. Esta pesquisa apresenta novos algoritmos de adaptação para ajustar não só o PPD, mas também a ponderação ?, com base no Gradiente Clássico (CG), na Função Sigmoide (SF) e no Método de Newton (NM). Por outro lado, visando controlar maior variedade de processos lineares e não lineares são utilizados diferentes funcionais para o desenvolvimento de controladores livre de modelo MFAC na forma discreta. Considerando complexidades de malha como saturação do controle e perturbação periódica presentes na indústria, são desenvolvidas técnicas para tratar estes cenários no MFAC. Com estas propostas, projetos alternativos de controle são obtidos e, mediante a sintonização adequada dos parâmetros de projeto, são garantidos a estabilidade e o desempenho desejado do sistema de malha fechada. Simulações numéricas em processos monovariáveis lineares e não lineares demonstram a eficiência e superioridade das propostas dos controladores adaptativos quando se utiliza um mecanismo de estimação recursivo para calibrar esses parâmetros sobre o MFAC padrão. Índices de desempenho são usados para validar o comportamento dos algoritmos de controle propostos.<br> / Abstract : The Model Free Adaptive Control (MFAC) is based on the pseudo-partial-derivative (PPD) calculated from the input and output signals of the system to be controlled and also using a fixed penalty factor (?) that weights the control energy to provide a good behavior to the feedback process for reference tracking and load disturbance attenuation. This research presents new adaptation algorithms to adjust not only the PPD but also the ? factor and are based on the Classical Gradient (CG), Sigmoid Function (SF) and Newton Method (NM). On the other hand, in order to control a variety of linear and non-linear processes, different fitness functions are used for development of digital MFAC controllers. Considering loop complexities like control saturation and periodic disturbance present in the industry, control techniques are derived to deal with these scenarios in the MFAC. With these proposals, alternative control designs are obtained and by selecting good tuning parameters, stability and performance for the closed-loop system are ensured. Numerical simulations on SISO discrete-time linear and non-linear plants demonstrate the efficiency and superiority of the proposed adaptive controllers when using an estimation mechanism to adjust these parameters over the standard MFAC. Performance indices are applied to show the improvement of the behavior of the proposal control algorithms.

Made available in DSpace on 2015-03-03T11:52:21Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-05-19Bitstream added on 2015-03-03T12:07:27Z : No. of bitstreams: 1 000802410.pdf: 10179777 bytes, checksum: 8d6ac3de320655d10ad47b8803a8c222 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / No presente trabalho investigamos um método, o qual foi desenvolvido para resolver problemas de programação linear e não linear de grande porte. Neste método os problemas de programação linear são resolvidos pelo método primal simplex; já nos problemas com função objetivo não linear e restrições lineares é utilizado o método do gradiente reduzido; e para resolver os problemas com função objetivo e restrições não lineares: uma linearização de Taylor de primeira ordem nas restrições não lineares, uma função Langreangeana Aumentada e o método do gradiente reduzido são utilizados. Este método está implementado no pacote de otimização MINOS. Neste contexto, propomos analisar a eficiência deste método e a influência da inicialização do parâmetro de penalidade na solução do problema de Fluxo de Potência Ótimo, o qual, é estudado na Engenharia Elétrica, na área de Sistemas Elétricos de Potência. Testes computacionais foram realizados com os problemas de Fluxo de Potencia Ótimo associados aos sistemas elétricos de 3, 14, 30, 57 e 118 barras / In this work we investigate a method, which was developed to solve large-scale linear and nonlinear programming problems. In this method, the linear programming problems are solved by the simplex primal method; in the problems with nonlinear objective function and linear constraints is used the reduced gradient method; and for solving problems with nonlinear objective function and nonlinear constraints: a first-order Taylor's linearization in the nonlinear constraints, an Augmented langrarian Function and the reduced gradient method are used. This method is implemented in the package MINOS. In this context, we propose to analyze the efficiency of this method and the influence of the initialization of penalty parameter in the solution of Optimal Power Flow problem, which is studied in the Electrical Engineering in the Electrical Power Systems area. Computational tests were realized Optimal Power Flow problems associated with electrical systems 3, 14, 30, 57 and 118 buses