O surgimento de novos serviços de telecomunicações tem provocado um enorme aumento no tráfego de dados nas redes de transmissão. Para atender a essa demanda crescente, novas tecnologias foram desenvolvidas e implementadas ao longo dos anos, sendo que um dos principais avanços está na área de transmissão óptica, devido à grande capacidade de transporte de informação da fibra óptica. A tecnologia que melhor explora a capacidade desse meio de transmissão atualmente é a multiplexação por divisão de comprimento de onda ou Wavelength Division Multiplexing (WDM) que permite a transmissão de diversos sinais utilizando apenas uma fibra óptica. Redes ópticas WDM se tornaram muito complexas, com enorme capacidade de transmissão de informação (terabits por segundo), para atender à explosão de necessidade por largura de banda. Nesse contexto, é de extrema importância que os recursos dessas redes sejam utilizados de forma inteligente e otimizada. Um dos maiores desafios em uma rede óptica é a escolha de uma rota e a seleção de um comprimento de onda disponível na rede para atender uma solicitação de conexão utilizando o menor número de recursos possível. Esse problema é bastante complexo e ficou conhecido como problema de roteamento e alocação de comprimento de onda ou, simplesmente, problema RWA (Routing and Wavelentgh Assignment problem). Muitos estudos foram realizados com o objetivo de encontrar uma solução eficiente para esse problema, mas nem sempre é possível aliar bom desempenho com baixo tempo de execução, requisito fundamental em redes de telecomunicações. A técnica de algoritmo genético (AG) tem sido utilizada para encontrar soluções de problemas de otimização, como é o caso do problema RWA, e tem obtido resultados superiores quando comparada com soluções heurísticas tradicionais encontradas na literatura. Esta dissertação apresenta, resumidamente, os conceitos de redes ópticas e de algoritmos genéticos, e descreve uma formulação do problema RWA adequada à solução por algoritmo genético. / The advent of new telecommunication services resulted in a huge increase of data traffic in the transmission networks. New technologies were developed and implemented over the years to attend to this growing demand, and the optical transmission technology stands. It has advanced greatly, due to the optical fibers large capacity of information transmission. Actually, the best technology to exploits the capacity of the fiber is the wavelength-division multiplexing (WDM), allowing the transmission of multiple signals over a single optical fiber. The WDM optical networks have become very complex, with huge capacity (terabits per second), to attend the ever growing need for bandwidth. In this context, it is extremely important to use the networks resources in an intelligent and optimized way. One of the biggest challenges in an optical network is choosing a route, and selecting a available wavelength on the network to attend a connection request using the least amount of resources. This problem is quite complex, and is known as the routing and wavelength assignment problem or simply RWA problem. Many studies were conducted in order to find an efficient solution to this problem, but it is not always possible to combine good performance with low execution time, a fundamental requirement in telecommunications networks. Genetic Algorithms have been used to solve hard optimization problems, as is the case of the RWA problem, and has produced remarkable results when compared to traditional heuristics found in the literature. This work presents an overview of the concepts of optical networks and genetic algorithms, and describes a formulation of RWA problem that is adequate for solution by genetic algorithm.

Submitted by Alison Vanceto (alison-vanceto@hotmail.com) on 2017-08-30T12:26:40Z No. of bitstreams: 1 DissMSV.pdf: 2771156 bytes, checksum: add74067c9db203edececa7202e83a52 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-09-20T14:06:15Z (GMT) No. of bitstreams: 1 DissMSV.pdf: 2771156 bytes, checksum: add74067c9db203edececa7202e83a52 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-09-20T14:06:22Z (GMT) No. of bitstreams: 1 DissMSV.pdf: 2771156 bytes, checksum: add74067c9db203edececa7202e83a52 (MD5) / Made available in DSpace on 2017-09-20T14:11:11Z (GMT). No. of bitstreams: 1 DissMSV.pdf: 2771156 bytes, checksum: add74067c9db203edececa7202e83a52 (MD5) Previous issue date: 2016-08-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / In recent years, several studies have been carried out to minimize the production time (makespan) in a production schedule of a scenario that represents a manufacturing system. The problem of production scheduling is classified as a combinatorial problem belongs to the NP-hard class of computational problems. Furthermore, in a real world production system, there are many unexpected events (eg, review of production, entry of new products, breaking machines, etc.). To deal with the interruptions of the initial programming, we need to change any settings, which is called reactive production schedule or, simply, reactive scheduling. As a problem of combinatorial features, meta-heuristics is widely used in its resolution. This paper proposes a method that uses an evolutionary meta-heuristic Genetic Algorithm in conjunction with an operator called “Transgenics”, which allows to manipulate the genetic material of individuals adding features which are believed to be important, with the proposal to direct some population of individuals to a more favorable solution to the problem without removing the diversity of the population with a lower cost of time. The objective of this study is to use the Genetic Algorithm with transgenics operator obtain a reactive programming acceptable response time to minimize the makespan value. The objective of this study is to use the Genetic Algorithm with transgenics Operator obtain a reactive programming acceptable response time to minimize the makespan value. Experimental results show the proposed algorithm is able to bring better results than the makespan algorithm and compared in a shorter processing time due to the search direction which provides transgenic operator. / Nos últimos anos, várias pesquisas vêm sendo realizadas a fim de minimizar o tempo total de produção (makespan) em uma programação da produção de algum cenário que representa um sistema de manufatura. O problema da programação da produção é classificado como sendo um problema combinatório pertencente à classe NP-Hard dos problemas computacionais. Além disso, em um sistema de produção real, há muitos eventos inesperados (por exemplo, a revisão da produção, chegada de novos produtos, quebra máquinas, etc.). Para lidar com as interrupções da programação inicial, é preciso realizar outra programação, a qual é denominada de programação reativa da produção. Sendo um problema de recursos combinatórios, é amplamente utilizado metaheurísticas em sua resolução. Neste trabalho é proposto um método que faz uso de uma metaheurística evolutiva Algoritmo Genético em conjunto com um operador intitulado Operador de Transgenia, no qual possibilita manipular o material genético dos indivíduos acrescentando características das quais se acredita serem importantes, com a proposta de direcionar alguns indivíduos da população para uma solução mais favorável para o problema sem tirar a diversidade da população com um custo menor de tempo. O Objetivo deste trabalho é utilizando o Algoritmo Genético com Operador de Transgenia obter uma programação reativa em tempo de resposta aceitável, visando minimizar o valor de makespan. Resultados experimentais mostraram que algoritmo proposto foi capaz de trazer resultados de makespan melhores que os algoritmos comparados e em um menor tempo de processamento, devido ao direcionamento na busca que operador de transgenia proporciona.

Made available in DSpace on 2016-08-31T13:33:36Z (GMT). No. of bitstreams: 1 AdllerOG_DISSERT.pdf: 1624176 bytes, checksum: b3a8115396f3b1d6c0110178978f22e3 (MD5) Previous issue date: 2013-12-27 / The versatility of direct current machines combined with the relative simplicity of their drive systems ensures its continued use in a wide variety of applications in industrial electrical systems, more specifically in applications that requiring a wide range of speed and position control of the rotor. In this work, a new method for tuning Proportional-Integral-Derivative (PID) controllers with disturbance rejection using Genetic Algorithm (GA) is proposed. The proportional, integral and derivative gains, designed to control the rotor position of DC motor are optimized using GA in group with Ziegler - Nichols technique, and the rejection of disturbances is obtained from the implementation of feedforward control in the algorithm. Preliminary results show that the proposed GA gave a satisfactory response, both in transitional regime as at steady state, and shows good performance in disturbance rejection. To validate this technique, the results obtained were compared with other methods in literature / A versatilidade das máquinas de corrente contínua, combinada com a relativa simplicidade dos seus respectivos sistemas de acionamento, assegura a sua contínua utilização numa ampla variedade de aplicações em sistemas elétricos industriais, mais especificamente, em aplicações que exigem uma vasta gama de controle da velocidade e posição do rotor. Neste trabalho, um novo método de sintonia de controladores Proporcional-Integral-Derivativo (PID) com rejeição a distúrbios usando Algoritmo Genético (AG) é proposto. Os ganhos proporcional, integral e derivativo, projetados para controlar a posição do rotor do motor CC, são otimizados utilizando AG em conjunto com a técnica de Ziegler-Nichols, e a rejeição a distúrbios é obtida a partir da implementação no algoritmo do controle por ação Feedforward. Resultados preliminares mostram que o AG proposto, apresentou desempenho satisfatório da resposta, tanto em regime transitório quanto no estado estacionário, além de apresentar boa performance na rejeição a distúrbios. Para validar a técnica utilizada, os resultados obtidos foram comparados com outros métodos publicados na literatura

Made available in DSpace on 2016-08-31T13:33:41Z (GMT). No. of bitstreams: 1 TarcisioSB_DISSERT.pdf: 1571314 bytes, checksum: 86e8646fa8da6455187767e219181490 (MD5) Previous issue date: 2014-12-15 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Studies on connections lock in computer networks have been gaining prominence in recent research focused on computational communication and technology. Several researchers have used various methods in order to identify and minimize the blocking rate that prevent a connection is established. This paper presents a blocking rate analysis in connections of shortest paths algorithms. They have on the performance of a transparent optical network. Two algorithms will be used to perform the analysis and simulations, the Genetic Algorithm (AG) and the algorithm Yen (AY). The Genetic Algorithm is based on Computational Intelligence (CI) and the Yen algorithm is based on the principle of finding and identifying the K shortest paths. Numerical simulations performed on different network scenarios show that the greater the number of connections, the higher the blocking rate in the connections. This study will help to identify which algorithm behaves better in the specific cases described in this work / Os estudos sobre bloqueio de conexões em redes de computadores vêm ganhando destaque em recentes pesquisas voltadas à comunicação computacional e tecnologia. Vários pesquisadores têm utilizado diversos métodos buscando identificar e minimizar ao máximo a taxa média de bloqueio que impedem que uma conexão seja estabelecida. Este trabalho apresenta uma análise de taxa média de bloqueio em conexões por algoritmos de caminhos mínimos. Têm sobre o desempenho de uma rede ótica transparente. Serão utilizados dois algoritmos para realizar a análise e as simulações, o Algoritmo Genético (AG) e o Algoritmo de Yen (AY). O Algoritmo Genético fundamentado por Inteligência Computacional (IC) e o Algoritmo de Yen baseado no princípio de encontrar e identificar os K menores caminhos. Simulações numéricas realizadas em diferentes cenários da rede mostram que, quanto maior o número de conexões, maior será a taxa média de bloqueio nas conexões. Através desse estudo será possível identificar qual algoritmo se comporta melhor para os casos específicos descritos nesse trabalho

O surgimento de novos serviços de telecomunicações tem provocado um enorme aumento no tráfego de dados nas redes de transmissão. Para atender a essa demanda crescente, novas tecnologias foram desenvolvidas e implementadas ao longo dos anos, sendo que um dos principais avanços está na área de transmissão óptica, devido à grande capacidade de transporte de informação da fibra óptica. A tecnologia que melhor explora a capacidade desse meio de transmissão atualmente é a multiplexação por divisão de comprimento de onda ou Wavelength Division Multiplexing (WDM) que permite a transmissão de diversos sinais utilizando apenas uma fibra óptica. Redes ópticas WDM se tornaram muito complexas, com enorme capacidade de transmissão de informação (terabits por segundo), para atender à explosão de necessidade por largura de banda. Nesse contexto, é de extrema importância que os recursos dessas redes sejam utilizados de forma inteligente e otimizada. Um dos maiores desafios em uma rede óptica é a escolha de uma rota e a seleção de um comprimento de onda disponível na rede para atender uma solicitação de conexão utilizando o menor número de recursos possível. Esse problema é bastante complexo e ficou conhecido como problema de roteamento e alocação de comprimento de onda ou, simplesmente, problema RWA (Routing and Wavelentgh Assignment problem). Muitos estudos foram realizados com o objetivo de encontrar uma solução eficiente para esse problema, mas nem sempre é possível aliar bom desempenho com baixo tempo de execução, requisito fundamental em redes de telecomunicações. A técnica de algoritmo genético (AG) tem sido utilizada para encontrar soluções de problemas de otimização, como é o caso do problema RWA, e tem obtido resultados superiores quando comparada com soluções heurísticas tradicionais encontradas na literatura. Esta dissertação apresenta, resumidamente, os conceitos de redes ópticas e de algoritmos genéticos, e descreve uma formulação do problema RWA adequada à solução por algoritmo genético. / The advent of new telecommunication services resulted in a huge increase of data traffic in the transmission networks. New technologies were developed and implemented over the years to attend to this growing demand, and the optical transmission technology stands. It has advanced greatly, due to the optical fibers large capacity of information transmission. Actually, the best technology to exploits the capacity of the fiber is the wavelength-division multiplexing (WDM), allowing the transmission of multiple signals over a single optical fiber. The WDM optical networks have become very complex, with huge capacity (terabits per second), to attend the ever growing need for bandwidth. In this context, it is extremely important to use the networks resources in an intelligent and optimized way. One of the biggest challenges in an optical network is choosing a route, and selecting a available wavelength on the network to attend a connection request using the least amount of resources. This problem is quite complex, and is known as the routing and wavelength assignment problem or simply RWA problem. Many studies were conducted in order to find an efficient solution to this problem, but it is not always possible to combine good performance with low execution time, a fundamental requirement in telecommunications networks. Genetic Algorithms have been used to solve hard optimization problems, as is the case of the RWA problem, and has produced remarkable results when compared to traditional heuristics found in the literature. This work presents an overview of the concepts of optical networks and genetic algorithms, and describes a formulation of RWA problem that is adequate for solution by genetic algorithm.

Submitted by FABRÍCIO MACIEL GOMES null (fabricio@dequi.eel.usp.br) on 2016-01-04T00:06:19Z No. of bitstreams: 1 Tese_Fabricio_Maciel_Gomes.pdf: 1836829 bytes, checksum: 3ec7860a9d87ebfeaef21b25dc157d25 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-01-06T16:12:19Z (GMT) No. of bitstreams: 1 gomes_fm_dr_guara.pdf: 1836829 bytes, checksum: 3ec7860a9d87ebfeaef21b25dc157d25 (MD5) / Made available in DSpace on 2016-01-06T16:12:19Z (GMT). No. of bitstreams: 1 gomes_fm_dr_guara.pdf: 1836829 bytes, checksum: 3ec7860a9d87ebfeaef21b25dc157d25 (MD5) Previous issue date: 2015-12-15 / Empresas não medem esforços para aperfeiçoar seus processos e produtos de acordo com diferentes critérios para satisfazer as exigências e necessidades dos clientes em busca de um padrão de competitividade superior ao de suas concorrentes. Neste cenário é muito comum a necessidade de se estabelecer condições que resultem na melhoria de mais de um critério de forma simultânea. Neste trabalho foi realizada uma avaliação da utilização de quatro métodos que utilizam as Meta-heurísticas Recozimento Simulado, Algoritmo Genético, Recozimento Simulado combinado com o método Nelder Mead Simplex e algoritmo genético combinado com o método Nelde-Mead simplex para o estabelecimento de melhoria das condições de processos com múltiplas respostas. Para a avaliação dos métodos propostos foram utilizados problemas-teste criteriosamente selecionados na literatura de forma a serem analisados casos com diferente número de variáveis, número de respostas e tipos de resposta. A aglutinação das respostas foi realizada por quatro métodos diferentes: Desirability, Desvio Médio Percentual, Programação por Compromisso e Programação por Compromisso normalizada pela distância euclidiana. A avaliação dos métodos foi realizada por meio de comparação entre os resultados obtidos na utilização de um mesmo método de aglutinação, determinando assim a eficiência do método de busca. Os resultados obtidos na avaliação dos métodos sugerem a aplicação do método do algoritmo genético quando se pretende estabelecer parâmetros que resultem na melhoria de processos com múltiplas respostas, em particular quando essas respostas são modeladas por equações com termos cúbicos, independentemente do número de termos que possam conter, do tipo de respostas e do número de variáveis. / Companies go to great lengths to improve its processes and products according to different criteria to meet the demands and needs of customers looking for a higher standard of competitiveness to that of their competitors. This scenario is very common the need to establish conditions that result in the improvement of more than one criterion simultaneously. This work was carried out an evaluation of the use of four methods that use Metaheuristics Simulated Annealing, Genetic Algorithms, Simulated Annealing combined with the Nelder Mead Simplex method and genetic algorithm combined with Nelde Mead simplex method for the improvement of establishing the conditions of processes with multiple answers. For the evaluation of the proposed test methods were used in the literature problems carefully selected in order to be analyzed cases with different numbers of variables, response numbers and types of responses. In this research we used the average percentage deviation function as a way to bring together the answers. The agglutination of the answers was performed by four different methods: Desirability, Average Percentage Deviation, Compromise Programming and Compromise Programming normalized by Euclidean distance. The evaluation method was performed by comparison between the results obtained in using the same bonding method, thereby determining the efficiency of the search method. The results obtained in the evaluation of the methods suggest the application of the genetic algorithm method when you want to set parameters that result in the improvement of processes with multiple answers, particularly when these responses are modeled by equations with cubic terms, regardless of the number of terms that can contain the type of responses and the number of variables.

Orientador: John Fredy Franco Baquero / Resumo: Nesta dissertação é proposta a aplicação do algoritmo genético de chaves aleatórias viciadas para a solução do problema de reconfiguração de sistemas de distribuição. Esse problema de otimização consiste em encontrar a configuração radial que apresenta perdas mínimas, satisfazendo as restrições topológicas e as restrições operacionais, sendo modelado como um problema de Programação Não Linear Inteira Mista. O método proposto utiliza o algoritmo de Prim na geração de configurações radiais e emprega um algoritmo de fluxo de carga de varredura para avaliar cada proposta de solução. O algoritmo genético de chaves aleatórias viciadas foi desenvolvido na linguagem de programação FORTRAN e foi testado em quatro sistemas de distribuição da literatura especializada (14 barras, 33 barras, 84 barras e 136 barras). Os resultados obtidos da aplicação do algoritmo permitem avaliar o seu desempenho e eficiência em comparação com a melhor solução encontrada na literatura especializada. / Abstract: The application of the biased random-key genetic algorithm for the reconfiguration of distribution systems is proposed in this Dissertation. The problem of reconfiguration in distribution systems consists of finding the radial configuration that presents the minimum losses, satisfying topological and operating constraints and is commonly modeled as a mixed-integer nonlinear programming problem. The proposed method uses the Prim's algorithm to generate radial configurations that are evaluated through a backward/forward sweep power flow method. The biased random-key genetic algorithm used was developed in the programming language FORTRAN and was tested in four systems (14-bus, 33-bus, 84-bus and 136-bus). The obtained results show the performance and efficiency of the proposed method in comparison to the best solution found in the specialized literature. / Mestre

Submitted by Rommel Gregorio Vargas Peralta (rgvp88@gmail.com) on 2018-07-11T22:12:08Z No. of bitstreams: 1 Dissertação Mestrado - Rommel Gregorio Vargas Peralta.pdf: 3543837 bytes, checksum: 233f1b03c9cd16d58a1c981ab331ee0f (MD5) / Approved for entry into archive by Cristina Alexandra de Godoy null (cristina@adm.feis.unesp.br) on 2018-07-12T20:17:35Z (GMT) No. of bitstreams: 1 vargasperalta_rg_me_ilha.pdf: 3732403 bytes, checksum: eb45069beb69cdfd8b2cc75bf47668bf (MD5) / Made available in DSpace on 2018-07-12T20:17:35Z (GMT). No. of bitstreams: 1 vargasperalta_rg_me_ilha.pdf: 3732403 bytes, checksum: eb45069beb69cdfd8b2cc75bf47668bf (MD5) Previous issue date: 2018-04-20 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Nesta dissertação é proposta a aplicação do algoritmo genético de chaves aleatórias viciadas para a solução do problema de reconfiguração de sistemas de distribuição. Esse problema de otimização consiste em encontrar a configuração radial que apresenta perdas mínimas, satisfazendo as restrições topológicas e as restrições operacionais, sendo modelado como um problema de Programação Não Linear Inteira Mista. O método proposto utiliza o algoritmo de Prim na geração de configurações radiais e emprega um algoritmo de fluxo de carga de varredura para avaliar cada proposta de solução. O algoritmo genético de chaves aleatórias viciadas foi desenvolvido na linguagem de programação FORTRAN e foi testado em quatro sistemas de distribuição da literatura especializada (14 barras, 33 barras, 84 barras e 136 barras). Os resultados obtidos da aplicação do algoritmo permitem avaliar o seu desempenho e eficiência em comparação com a melhor solução encontrada na literatura especializada. / The application of the biased random-key genetic algorithm for the reconfiguration of distribution systems is proposed in this Dissertation. The problem of reconfiguration in distribution systems consists of finding the radial configuration that presents the minimum losses, satisfying topological and operating constraints and is commonly modeled as a mixed-integer nonlinear programming problem. The proposed method uses the Prim's algorithm to generate radial configurations that are evaluated through a backward/forward sweep power flow method. The biased random-key genetic algorithm used was developed in the programming language FORTRAN and was tested in four systems (14-bus, 33-bus, 84-bus and 136-bus). The obtained results show the performance and efficiency of the proposed method in comparison to the best solution found in the specialized literature.

Este trabalho consiste no desenvolvimento de uma metodologia de otimização multidisciplinar de projeto conceitual de aeronaves. O conceito de aeronave otimizada tem como base o estudo evolutivo de características das categorias imediatas àquela que se propõe. Como estudo de caso, foi otimizada uma aeronave de treinamento militar que faça a correta transição entre as fases de treinamento básico e avançado. Para o estabelecimento dos parâmetros conceituais esse trabalho integra técnicas de entropia estatística, desdobramento da função de qualidade (QFD), aritmética fuzzy e algoritmo genético (GA) à aplicação de otimização multidisciplinar ponderada de projeto (OMPP) como metodologia de projeto conceitual de aeronaves. Essa metodologia reduz o tempo e o custo de projeto quando comparada com as técnicas tradicionais existentes. / This work is concerned with the development of a methodology for multidisciplinary optimization of the aircraft conceptual design. The aircraft conceptual design optimization was based on the evolutionary simulation of the aircraft characteristics outlined by a QFD/Fuzzy arithmetic approach where the candidates in the Pareto front are selected within categories close to the target proposed. As a test case a military trainer aircraft was designed target to perform the proper transition from basic to advanced training. The methodology for conceptual aircraft design optimization implemented in this work consisted on the integration of techniques such statistical entropy, quality function deployment (QFD), arithmetic fuzzy and genetic algorithm (GA) to the weighted multidisciplinary design optimization (WMDO). This methodology proved to be objective and well balanced when compared with traditional design techniques.

The working condition of the electrical transmission systems is a factor that takes a lot of concern among energy suppliers and users. To maintain appropriate conditions for operation of the system is important in all aspects. For this purpose, several devices are used, monitoring and protection electrical devices, for example. These include the fault current limiter, with this device you can limit the fault current in the bus or lines of the electrical system. In this work, it is proposed to accomplish the selection and allocation of fault current limiters devices in electrical systems to minimize the short-circuit current, considering the device cost and the cost due to technical losses. For this, it has been used the multi-objective genetic algorithm NSGA-II for his known efficiency in optimization problems in electrical systems. The proposed algorithm was applied in benchmark systems, a 30-bus and a 57-bus, and the systems were simulated with and without the presence of the devices for comparison and validation of results. / A condição de funcionamento dos sistemas elétricos de transmissão é um fator que demanda muita preocupação por parte dos fornecedores e usuários de energia. Manter condições adequadas para a operação do sistema é importante em todos os aspectos. Para este fim, vários equipamentos são utilizados, dispositivos elétricos de monitoramento e proteção, por exemplo. Entre eles, estão os dispositivos limitadores de corrente de curto-circuito. Com este dispositivo é possível limitar a corrente de falta nas barras ou linhas do sistema elétrico. Neste trabalho, propõe-se realizar a seleção e alocação de dispositivos limitadores de corrente de curto-circuito em sistemas elétricos de modo a minimizar a corrente de curto-circuito, considerando o custo do dispositivo e o custo devido à perdas técnicas. Para isso, foi utilizado o algoritmo genético multiobjetivo NSGA-II por sua já conhecida eficiência em problemas de otimização em sistemas elétricos. O algoritmo proposto foi aplicado em sistemas teste de 30 e 57 barras e os sistemas foram simulados com e sem a presença dos dispositivos para efeito de comparação e validação dos resultados.