Made available in DSpace on 2016-06-02T20:09:15Z (GMT). No. of bitstreams: 1 4149.pdf: 3640236 bytes, checksum: 4aa2aa39a2e563f087a25973327d591c (MD5) Previous issue date: 2012-02-09 / Financiadora de Estudos e Projetos / This study seeks to verify the influence of windows areas in the electrical energy consumption of dwellings in the city of São Carlos. In order to do this, the index WWR (window to wall ratio) was applied, representing the ratio of window area and the area of external surface (wall). The applied methodology consisted on field campaigns, modeling and computational simulation. First, taking into account a preexistent data basis, the characteristics of the electrical energy consumption for the whole area of the city of São Carlos was verified. Then, specific buildings were selected to be measured in loco. The field data allowed the determination of building parameters (orientation, volume and constructed area, area of façades and window areas), which were directly or indirectly used as data entry for modeling the electrical energy consumption of the dwellings set. The modeling process applied Artificial Neural Networks (ANN), which is a computational technique inspired on the structure of human neurons. Several models were developed and their performance was evaluated by the determination coefficient (R2) and relative errors, shown by the relationship between simulated and real data. The best model was selected to be applied in the simulation of the influence of WWR and electrical energy consumption. The results showed that the WWR index has influence on the residential consumption of the dwellings studied and that NE orientation causes the lowest impact on electrical energy consumption. Furthermore, an ideal range of WWR/volume between 0,06 and 0,07 is related to the lowest energy consumption per constructed area in the city of São Carlos. / Neste trabalho buscou-se verificar a influência da área de janelas no consumo de energia elétrica de residências localizadas na cidade de São Carlos-SP. Para isso, aplicou-se o índice WWR (do inglês window-to-wall ratio), que representa a razão entre a área de janela e a área de superfície externa (parede). A metodologia aplicada envolveu pesquisa de campo, modelagem e simulação computacional. Inicialmente foi feita uma verificação das características do consumo de energia elétrica para toda a área da cidade de São Carlos, a partir de uma base de dados pré-existente. Em função desses dados, foram selecionadas edificações específicas, para as quais foi realizado um levantamento in loco. Os dados de campo permitiram determinar parâmetros construtivos (orientação, volume e área construída, áreas de fachadas e áreas de janelas), os quais foram direta ou indiretamente utilizados como dados de entrada para uma modelagem do consumo de energia elétrica das residências amostradas. A modelagem foi desenvolvida por aplicação de Redes Neurais Artificiais (RNA), uma técnica computacional inspirada na estrutura dos neurônios humanos. Assim, foram desenvolvidos diversos modelos e verificados os seus desempenhos através do coeficiente de determinação (R2) e erros relativos apresentados pela relação entre dados simulados e dados medidos. O modelo de melhor desempenho foi selecionado para simular a influência do WWR no consumo de energia elétrica. Os resultados apontaram que o índice WWR tem influência sobre o consumo das residências amostradas e que há influência da orientação, sendo a orientação Nordeste a menos impactante no consumo de energia elétrica. Além disso, uma faixa de valor de WWR/volume construído entre 0,06 e 0,07 está relacionada à promoção do menor consumo de energia por área construída na cidade de São Carlos.

[pt] Esta dissertação trata da investigação, simulação e otimização da estrutura de Diodos Orgânicos Emissores de Luz Multicamadas (ML-OLEDs) através da utilização de técnicas da Inteligência Computacional. Além disso, um desses métodos, chamado Otimização por Colônia de Formigas (ACO), foi implementado com base em um modelo proposto na literatura e aplicado pela primeira vez na otimização de diodos orgânicos. OLEDs são dispositivos optoeletrônicos nanométricos fabricados a partir de materiais semicondutores orgânicos. Ao contrário das tecnologias tradicionais, eles conjugam elevada luminescência e baixo consumo energético. Na fabricação de um OLED, o número configurações possíveis é quase ilimitado, em função da quantidade de parâmetros que se pode variar. Isso faz com que determinação da arquitetura ótima torne-se uma tarefa não trivial. Para simular os OLEDs foram empregados dois modelos distintos de simulação. Assim, as Redes Neurais Artificiais (RNA) foram empregadas com o objetivo de emular um dos simuladores e acelerar o cálculo da densidade de corrente. Os Algoritmos Genéticos (AG) foram aplicados na determinação dos valores ótimos de espessura das camadas, mobilidades dos portadores de carga e concentração dos materiais orgânicos em OLEDs com duas camadas, enquanto o ACO foi aplicado para encontrar os valores de concentração em OLEDs com duas e cinco camadas, constituindo assim três estudos de caso. Os resultados encontrados foram promissores, sobretudo no caso das espessuras, onde houve uma confirmação experimental do dispositivo com duas camadas. / [en] This dissertation deals with the research, simulation and optimization of the structure of Multilayer Organic Light Emitting Diodes (ML-OLEDs) by using Computational Intelligence techniques. In addition, one of these methods, called Ant Colony Optimization (ACO), was implemented based on a model proposed in the literature and applied for the first time in the optimization of organic diodes. OLEDs are nanometric optoelectronic devices fabricated from organic semiconducting materials. Unlike traditional technologies, they combine high luminance and low power consumption. In the manufacturing of an OLED, the number of possible configurations is almost unlimited due to the number of parameters that can modified. Because of this the determination of the optimal architecture becomes a non-trivial task. Two different simulation models were used to simulate the OLEDs. Thus, the Artificial Neural Networks (ANN) were employed in order to work as the proxy of the commercial simulator and to accelerate the calculation of the current density. The Genetic Algorithms (GA) were applied to determine the optimal values of thickness of the layers, the charge carrier mobility and the concentration of the organic materials in OLEDs with two layers, while the ACO was applied to find the values of concentration in OLEDs with two and five layers, thus establishing three case studies. The employed strategy has proved to be promising, since it has show good results for two case studies, especially for the optimization of the thickness, where there was an experimental confirmation of the bilayer device.

A otimização estrutural, utilizando ferramentas computacionais é um grande campo de pesquisa na atualidade. Os métodos utilizados, dependendo da complexidade do problema, demandam um grande custo computacional, e por isso vem sendo avaliandas várias técnicas para diminuí-lo. Uma delas é o emprego de técnicas de aproximação de análises, dentre as quais destacam-se as redes neurais, que combinadas aos métodos de otimização e de análises clássicos conseguem bons resultados e reduzem significativamente o tempo de processamento. O emprego dos compósitos laminados como material estrutural vem crescendo nos últimos tempos, incentivado pela suas excelentes propriedades mecânicas e baixo peso. Em consenso com todo o esforço científico dedicado a essa área, o presente trabalho visa a implementação de uma ferramenta computacional capaz de otimizar estruturas complexas fabricadas com tais materiais, a um baixo custo computacional. Com isto em mente, é desenvolvido um sistema de otimização, aproveitando módulos implementados previamente para a análise estática linear e não linear através do método dos elementos finitos (MEF), e o módulo de otimização por algoritmos genéticos. Serão desenvolvidos os módulos de análise modal, para otimizar também estruturas com critérios baseados em freqüências e modos, e o modulo de redes neurais de tipo perceptron para aproximações das análises feitas através do MEF. Alguns exemplos são apresentados para demonstrar que bons resultados são obtidos com a utilização de redes neurais artificiais, cujo treinamento permite poupar tempo computacional proveniente do grande número de análises usualmente necessárias no processo de otimização. / Structural optimization using computational tools has become a major research field in recent years. Methods commonly used in structural analysis and optimization may demand considerable computational cost, depending on the problem complexity. Therefore, many techniques have been evaluated in order to diminish such impact. Among these various techniques, artificial neural networks may be considered as one of the main alternatives, when combined with classic analysis and optimization methods, to reduce the computational effort without affecting the final solution quality. Use of laminated composite structures has been continuously growing in the last decades due to the excellent mechanical properties and low weight characterizing these materials. Taken into account the increasing scientific effort in the different topics of this area, the aim of the present work is the formulation and implementation of a computational code to optimize manufactured complex laminated structures with a relatively low computational cost by combining the Finite Element Method (FEM) for structural analysis, Genetic Algorithms (GA) for structural optimization and Artificial Neural Networks (ANN) to approximate the finite element solutions. The modules for linear and geometrically non-linear static finite element analysis and for optimize laminated composite plates and shells, using GA, were previously implemented. Here, the finite element module is extended to analyze dynamic responses to optimize problems based in frequencies and modal criteria, and a module with perceptron ANN is added to approximate finite element analyses. Several examples are presented to show the effectiveness of ANN to approximate solutions obtained using the FEM and to reduce significatively the computational cost.

Diversas atividades humanas são fortemente dependentes do clima e da sua variabilidade, especialmente aquelas relacionadas ao uso da água. A operação integrada de reservatórios com múltiplos usos requer uma série de decisões que definem quanta água deve ser alocada, ao longo do tempo para cada um dos usos, e quais os volumes dos reservatórios a serem mantidos. O conhecimento antecipado das condições climáticas resulta de vital importância para os operadores de reservatórios, pois o insumo dos reservatórios é a vazão dos rios, que por sua vez é dependente de condições atmosféricas e hidrológicas em diferentes escalas de tempo e espaço. A pesquisa trata sobre três importantes elementos de subsídio à tomada de decisão na operação de reservatórios baseada na previsão de variáveis hidrológicas: (a) as previsões de vazão de curto prazo; (b) as previsões de precipitação de longo prazo e (c) as medidas de desempenho das previsões. O reservatório de Furnas, localizado na bacia do Rio Grande, em Minas Gerais, foi selecionado como estudo de caso devido, principalmente, à disponibilidade de previsões quantitativas de chuva e pela importância desse reservatório na região analisada. A previsão de curto prazo de vazão com base na precipitação foi estimada com um modelo empírico (rede neural artificial) e a previsão de precipitação foi obtida pelo modelo regional ETA. Uma metodologia de treinamento e validação da rede neural artificial foi desenvolvida utilizando previsões perfeitas de chuva (considerando a chuva observada como previsão) e utilizando o maior número de dados disponíveis, favorecendo a representatividade dos resultados obtidos. A metodologia empírica alcançou os desempenhos obtidos com um modelo hidrológico conceitual, mostrando-se menos sensitiva aos erros na previsão quantitativa de precipitação nessa bacia. Os resultados obtidos mostraram que as previsões de vazão utilizando modelos empíricos e conceituais e incorporando previsões quantitativas de precipitação são melhores que a metodologia utilizada pelo ONS no local de estudo. A redução dos erros de previsão relativos à metodologia empregada pelo ONS foi em torno de 20% quando usadas previsões quantitativas de precipitação definidas pelo modelo regional ETA e superiores a 50% quando usadas previsões perfeitas de precipitação. Embora essas últimas previsões nunca possam ser obtidas na prática, os resultados sugerem o quanto o incremento do desempenho das previsões quantitativas de chuva melhoraria as previsões de vazão. A previsão de precipitação de longo prazo para a bacia analisada foi também estimada com um modelo empírico de redes neurais artificiais e utilizando índices climáticos como variáveis de entrada. Nesse sentido, foram estimadas previsões de precipitação acumulada no período mais chuvoso (DJF) utilizando índices climáticos associados a fenômenos climáticos, como o El Niño - Oscilação Sul e a Oscilação Decadal do Pacífico, e a modos de variabilidade climática, como a Oscilação do Atlântico Norte e o Modo Anular do Hemisfério Sul. Apesar das redes neurais artificiais terem sido aplicadas em diversos problemas relacionados a hidrometeorologia, a aplicação dessas técnicas na previsão de precipitação de longo prazo é ainda rara. Os resultados obtidos nesse trabalho mostraram que consideráveis reduções dos erros da previsão relativos ao uso apenas da média climatológica como previsão podem ser obtidos com a metodologia utilizada. Foram obtidas reduções dos erros de, no mínimo 50%, e chegando até um valor próximo a 75% nos diferentes testes efetuados no estudo de caso. Uma medida de desempenho da previsão foi desenvolvida baseada no uso de tabelas de contingência e levando em conta a utilidade da previsão. Essa medida de desempenho foi calculada com base nos resultados do uso das previsões por um modelo de operação de reservatório, e não apenas na comparação de vazões previstas e observadas. Nos testes realizados durante essa pesquisa, ficou evidente que não existe uma relação unívoca entre qualidade das previsões e utilidade das previsões. No entanto, em função de comportamentos particulares das previsões, tendências foram encontradas, como por exemplo nos modelos cuja previsão apresenta apenas defasagem. Nesses modelos, a utilidade das previsões tende a crescer na medida que a qualidade das mesmas aumenta. Por fim, uma das grandes virtudes da medida de desempenho desenvolvida nesse trabalho foi sua capacidade de distinguir o desempenho de modelos que apresentaram a mesma qualidade. / Several human activities are strongly dependent on climate and its variability, especially those related to water use. The operation of multi-purpose reservoirs systems defines how much water should be allocated and the reservoir storage volumes to be maintained, over time. Knowing in advance the weather conditions helps the decision making process, as the major inputs to reservoirs are the streamflows, which are dependent on atmospheric and hydrological conditions at different time-space scales. This research deals with three important aspects towards the decision making process of multi-purpose reservoir operation based on forecast of hydrological variables: (a) short-term streamflow forecast, (b) long-range precipitation forecast and (c) performance measures. The Furnas reservoir on the Rio Grande basin was selected as the case study, primarily because of the availability of quantitative precipitation forecasts from the Brazilian Center for Weather Prediction and Climate Studies and due to its importance in the Brazilian hydropower generation system. Short-term streamflow forecasts were estimated by an empirical model (artificial neural network – ANN) and incorporating forecast of rainfall. Quantitative precipitation forecasts (QPFs), defined by the ETA regional model, were used as inputs to the ANN models. A methodology for training and validating the ANN models was developed using perfect precipitation forecasts (i.e., using the observed precipitation as if it was a forecast) and considering the largest number of available samples, in order to increase the representativeness of the results. The empirical methodology achieved the performance obtained with a conceptual hydrological model and seemed to be less sensitive to precipitation forecast error relative to the conceptual hydrological model. Although limited to one reservoir, the results obtained show that streamflow forecasting using empirical and conceptual models and incorporating QPFs performs better than the methodology used by ONS. Reduction in the forecast errors relative to the ONS method was about 20% when using QPFs provided by ETA model, and greater than 50% when using the perfect precipitation forecast. Although the latter can never be achieved in practice, these results suggest that improving QPFs would lead to better forecasts of reservoir inflows. Long-range precipitation forecast was also estimated by an empirical model based on artificial neural networks and using climate indices as input variables. The output variable is the summer (DJF) precipitation over the Furnas watershed. It was estimated using climate indices related to climatic phenomena such as El Niño - Southern Oscillation and the Pacific Decadal Oscillation and modes of climate variability, such as the North Atlantic Oscillation and the Southern Annular Mode. Despite of ANN has been applied in several problems of hydrometeorological areas, the application of such technique for long-range precipitation forecast is still rare. The results obtained demonstrate how the methodology for seasonal precipitation forecast based on ANN can be particularly helpful, with the use of available time series of climate indices. Reductions in the forecast errors achieved by using only the climatological mean as forecast were considerable, being at least of 50% and reaching values close to 75% in several tests. A performance measure based on the use of contingency tables was developed taking into account the utility of the forecast. This performance measure was calculated based on the results of the use of the forecasts by a reservoir operation model, and not only by comparing streamflow observed and forecast. The performed tests show that there is no unequivocal relationship between quality and utility of the forecasts. However, when the forecast has a particular behavior, trends were found in the relationship between utility and quality of the forecast, such as models that generate streamflow forecast with lags in comparison to the observed values. In these models, the utility of the forecasts tends to enhance as the quality increases. Finally, the ability to distinguish the performance of forecast models having similar quality was one of the main merits of the performance measure developed in this research.

Submitted by Ronaldo Cesar Dametto (rdametto@uol.com.br) on 2018-09-18T19:17:34Z No. of bitstreams: 1 Dissertação_Completa_Final.pdf: 2885777 bytes, checksum: 05b2d5417efbec72f927cf8a62eef3fb (MD5) / Approved for entry into archive by Lucilene Cordeiro da Silva Messias null (lubiblio@bauru.unesp.br) on 2018-09-20T12:19:07Z (GMT) No. of bitstreams: 1 dametto_rc_me_bauru.pdf: 2877027 bytes, checksum: cee33d724090a01372e1292109af2ce9 (MD5) / Made available in DSpace on 2018-09-20T12:19:07Z (GMT). No. of bitstreams: 1 dametto_rc_me_bauru.pdf: 2877027 bytes, checksum: cee33d724090a01372e1292109af2ce9 (MD5) Previous issue date: 2018-08-06 / O aprendizado de máquina vem sendo utilizado em diferentes segmentos da área financeira, como na previsão de preços de ações, mercado de câmbio, índices de mercado e composição de carteira de investimento. Este trabalho busca comparar e combinar três tipos de algoritmos de aprendizagem de máquina, mais especificamente, o método Ensemble de Redes Neurais Artificias com as redes Multilayer Perceptrons (MLP), auto-regressiva com entradas exógenas (NARX) e Long Short-Term Memory (LSTM) para predição do Índice Bovespa. A amostra da série do Ibovespa foi obtida pelo Yahoo!Finance no período de 04 de janeiro de 2010 a 28 de dezembro de 2017, de periodicidade diária. Foram utilizadas as séries temporais referentes a cotação do Dólar, além de indicadores numéricos da Análise Técnica como variáveis independentes para compor a predição. Os algoritmos foram desenvolvidos através da linguagem Python usando framework Keras. Para avaliação dos algoritmos foram utilizadas as métricas de desempenho MSE, RMSE e MAPE, além da comparação entre as previsões obtidas e os valores reais. Os resultados das métricas indicam bom desempenho de predição pelo modelo Ensemble proposto, obtendo 70% de acerto no movimento do índice, porém, não conseguiu atingir melhores resultados que as redes MLP e NARX, ambas com 80% de acerto. / Different segments of the financial area, such as the forecast of stock prices, the foreign exchange market, the market indices and the composition of investment portfolio, use machine learning. This work aims to compare and combine two types of machine learning algorithms, the Artificial Neural Network Ensemble method with Multilayer Perceptrons (MLP), auto-regressive with exogenous inputs (NARX) and Long Short-Term Memory (LSTM) for prediction of the Bovespa Index. The Bovespa time series samples were obtained daily, using Yahoo! Finance, from January 4th, 2010 to December 28th, 2017. Dollar quotation, Google trends and numerical indicators of the Technical Analysis were used as independent variables to compose the prediction. The algorithms were developed using Python and Keras framework. Finally, in order to evaluate the algorithms, the MSE, RMSE and MAPE performance metrics, as well as the comparison between the obtained predictions and the actual values, were used. The results of the metrics indicate good prediction performance by the proposed Ensemble model, obtaining a 70% accuracy in the index movement, but failed to achieve better results than the MLP and NARX networks, both with 80% accuracy.

L’intégration des énergies intermittentes sur le réseau électrique existant soulèvedes problèmes de stabilité de la balance consommation/production. Afin de limiter les risques,la loi autorise un taux de pénétration maximum de ces énergies de 30% de la puissanceinstallée. Afin de pallier cette limitation, deux pistes sont envisagées, le stockage d’énergie etla prévision de production. Les travaux menés dans cette thèse s’inscrivent dans la secondecatégorie et se concentrent sur la prévision du rayonnement global au sol, ressource principaledes systèmes de production d’énergie photovoltaïque. Dans l’objectif d’une prévision à trèscourt terme (infra-horaire), la problématique développée concerne la fusion d’informationsprovenant d’une part d’observations satellitaires et de l’autre d’observations in-situ telles quedes images hémisphériques. L’approche suivie se veut progressive et s’articule autour de 4grand axes. Le premier chapitre énonce les définitions et les enjeux principaux liés à l’étudedu GHI en décrivant les différents facteurs physiques ayant des interactions sur sa mesure. Lesecond chapitre permet d’évaluer le potentiel des images hémisphériques pour l’estimation durayonnement global. On y développe une méthode d’estimation du GHI basée sur l’utilisationd’un réseau de neurones artificiels permettant d’effectuer une régression non linéaire entre descaractéristiques choisie de l’image et le rayonnement mesuré sur site par un pyranomètre. Letroisième chapitre concerne l’utilisation des images satellitaires pour la prévision à très courtterme du rayonnement global. L’originalité des méthodes proposées provient de l’utilisationen entrées de cartes de rayonnement dérivées des images satellitaires via une méthode externe.L’utilisation de ces cartes de rayonnement permet la construction de modèles linéairessimples (modèles auto-régressifs) grâce à l’homogénéité des données utilisées. Cependant,leur pertinence pour le calcul de champ de vecteurs a également été prouvé et validé dans unsecond modèle. La comparaison des deux modèles ainsi créés à partir d’imagerie satellitairea permis de caractériser les forces et faiblesses de ces modèles. L’intérêt de l’observationsatellitaire réside dans l’anticipation du déplacement des masses nuageuse. Cependant, unbiais non systématique persiste dans la conversion des valeurs des pixels en rayonnement.Ce biais est inhérent à la résolution spatio-temporelle de ces observations. Étant donné cesconsidérations, le chapitre 4 présente alors une méthode d’intégration des données acquisespar l’imagerie hémisphérique, disposant une meilleure résolution spatio-temporelle, dans lesrésultats de prévision satellitaires précédemment évoqués. On joint alors les caractéristiquesretenues au chapitre 2 dans un réseau de neurone avec la prévision pour produire uneprévision dont le biais est largement réduit. L’utilisation de caractéristiques dérivées del’imagerie hémisphérique à la place de simple mesures du pyranomètre est justifiée par l’effetde persistance non souhaité apportées par ces dernières. Ainsi, après avoir étudié chaquesource d’information séparément, on a pu développer un modèle leur permettant de secompléter. / To handle the integration of intermittent energies to the existing grid,managers require more and more acurate tools to forecast the primary resources. This thesisfocuses on the very short term forecast of the global horizontal irradiance (GHI), maininput for most photovoltaic power plant. We chose to use both ground based images fromhemispherical cameras and satellite images to provide a forecating tool. In the first handwe present a novel appraoch to estimate the GHI using ground based images. On secondhand, we propose several satellite based methods to forecast the GHI up to one hour. Finally,we developp a new method allowing us to merge both data in order to benefit from theirrespective advantages. All the methods were tested against real data acquired on the SIRTAsite, Polytechnique campus.

Made available in DSpace on 2014-06-11T19:27:14Z (GMT). No. of bitstreams: 0 Previous issue date: 2004-02-20Bitstream added on 2014-06-13T18:55:44Z : No. of bitstreams: 1 furtado_rm_me_ilha.pdf: 1436216 bytes, checksum: 09e5f73855e5a468589756fca572b577 (MD5) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / A proposta deste trabalho é a obtenção de uma metodologia robusta para identificação de falhas estruturais combinando as vantagens de duas metodologias, que não são baseadas em modelos matemáticos, ou seja: impedância elétrica obtida com atuador e sensor piezocerâmico(materiais inteligentes) e redes neurais artificiais. O termo materiais inteligentes (smart materials) conhecido também por material ativo é dado a uma classe de material que exibe propriedades não encontradas em materiais convencionais. Alguns destes materiais são: compostos de materiais piezelétricos, eletrorresistivo e magnetorresistivo, fluidos e sólidos electro-reológicos, e outros. Uma das principais características do PZT (Titanato Zirconato de Chumbo), que permite utilizá-lo como sensor e atuador, é o efeito piezelétrico, ou seja, a aplicação de um campo elétrico resulta em deformação do material (efeito inverso), enquanto, a aplicação de tensão mecânica resulta no surgimento de um campo elétrico (efeito direto). Estas características associadas ao conceito de impedância elétrica e ao conceito de falha métrica permitem a localização e o monitoramento da falha. Esta técnica utiliza altas freqüências e excita os modos locais, proporcionando, assim, o monitoramento de qualquer mudança da impedância mecânica estrutural na região de influência do PZT. Redes neurais artificiais (RNA) fazem parte de um amplo conceito chamado inteligência artificial. Redes neurais têm sua base associada ao funcionamento do cérebro humano, que após treinamento possuem a capacidade de aprender. Esta ciência é objeto de estudo em diversos centros de pesquisa e, embora já tenha grande aplicabilidade, o sucesso de sua utilização depende do caso em que está sendo aplicada e de certa sutileza do projetista, uma vez que o processo ainda é empírico e teorias ainda... . / The proposal of this work is the obtaining of a robust methodology for identification of structural faults combining the advantages of two methodologies, which are not based on mathematical models. The methodology applies electric impedance technique, obtained with actuator and sensor piezoceramic (smart materials), and artificial neural networks. The term smart materials is given for a material class that not exhibits properties found in conventional materials. Some of these materials are: composed of piezoelectric material, electrostrictive and magnetostrictive, electrorheological fluids and solids shape memory alloys, and others. One of the main characteristics of PZT (Lead Zirconate Titanate), that allows to use it as sensor and actuator, is the piezoelectric effect, where the application of an electric field results in deformation of the material (inverse effect), while the application of mechanical tension results in the appearance of an electric field (direct effect). These characteristics associated to the concept of electric impedance and the concept of metric fault allow the location and the monitoring of the fault. This technique uses high frequencies and low voltage and it excites local modes, providing, the monitoring of any change on the structural mechanical impedance in the area of influence of the PZT. Artificial Neural Networks (ANN) are part of a wide concept called artificial intelligence. Neural networks has its base associated to the operation of the human brain, that after training possess the capacity to learn. This science is a study object in several research centers and, although it already has great application. The success of its use depends of the case and planner's certain keenness, once the process is still empiric and theories are still being formulated. Several conceptions of neural networks... (Complete abstract, click electronic address below).

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-02-16Bitstream added on 2014-06-13T18:08:28Z : No. of bitstreams: 1 nosefilho_k_me_ilha.pdf: 1257365 bytes, checksum: f5d5c54cd646c650661ad9f32be4a6a4 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Neste trabalho, dá-se ênfase à previsão de carga multinodal, também conhecida como previsão de carga por barramento. Para realizar esta demanda, há necessidade de dispor de uma técnica que proporcione a precisão desejada, seja confiável e de baixo tempo de processamento. O conhecimento prévio das cargas locais é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Para realizar a previsão de carga multinodal foram empregadas duas metodologias, uma que prevê as cargas individualmente e outra que utiliza as previsões dos fatores de participação e a previsão de carga global. O principal objetivo deste trabalho é elaborar um modelo de previsor de carga de curto prazo, genérico e que pode ser aplicado na previsão de carga multinodal. Para tanto, utilizou-se redes neurais de regressão generalizada (GRNN), cujas entradas são compostas de variáveis exógenas globais e de cargas locais, sem a necessidade da inclusão de variáveis exógenas locais. Ainda, projetou-se uma nova arquitetura de rede neural artificial, baseada na GRNN, além de propor um procedimento para a redução do número de entradas da GRNN e um filtro para o pré-processamento do banco de dados de treinamento. Os dados, para testar as metodologias e as redes neurais artificiais, são referentes a um subsistema de distribuição de energia elétrica da Nova Zelândia composto por nove subestações / In this work, it is emphasized the multi-nodal load forecast, also known as bus load forecast. To perform this demand, there it is necessary a technique that is precise, trustable and has a short-time processing. The previous knowledge of the local loads is of extreme importance to the planning and operation of the electrical power and energy systems. To perform the multi-nodal load forecast is employed two different methodologies, one that forecast the loads individually and another that uses the participation factors forecasts and the global load forecast. The main objective of this work is to elaborate a generic model of a short-term load forecaster, which can be applied to the multi-nodal load forecast. For this, it was used general regression neural networks (GRNN), with inputs based on external global factors and local loads, without the need of external local factors. Still, it was developed a new architecture of an artificial neural network based on a GRNN and proposed a procedure to reduce the number of input variables of the GRNN and a filter for preprocessing the training data. The dataset, to test the methodologies and the artificial neural networks, refers to a New Zealand electrical distribution subsystem composed of nine substations

Made available in DSpace on 2016-06-02T19:10:02Z (GMT). No. of bitstreams: 1 TeseCL.pdf: 10208729 bytes, checksum: c527b49760e4f73c81deddd8b9282627 (MD5) Previous issue date: 2004-08-12 / Universidade Federal de Minas Gerais / The influence of the injection molding parameters on the morphology and mechanical properties of poly(phenylene sulfide), PPS, and of a 80/20(%wt) blend of PPS/block copolymer styrene-ethylene-butylene-styrene ,SEBS, were evaluated. The injection molding conditions were defined through an experimental design. The lower and upper limits of each variable were set considering the material characteristics and the machine capacity. The software MOLDFLOW® was used to simulate the injection molding process, to define the cooling and holding times, to guarantee the part quality and to obtain the shear rate and bulk temperature profiles at the end of the filling step. For PPS, it was observed that the variables with highest influence on the gradient of crystallinity along the part thickness and on the mechanical properties were melt (Tinj) and mold (Tm) temperatures. For the PPS/SEBS blend, the flow rate (Q), mold temperature and holding pressure (Ph) were the variables with highest influence on the morphology. The aspect ratio of the SEBS particles, dispersed on the PPS matrix, was almost unaffected by the changes of the injection conditions; on the other hand, the mean particle size (caliper length along the major axis) and the value of the dispersion function represented qualitatively well the morphological variations observed for the blend. The artificial neural networks, built with experimental data and trained with the group cross validation method (GCV), predicted with good precision the morphology and the mechanical properties, starting from the injection molding processing conditions, as well as the mechanical properties starting from the morphological aspects. / A influência das variáveis de processamento da moldagem por injeção na morfologia e nas propriedades mecânicas foi avaliada para o poli(sulfeto de p-fenileno), PPS, e para a blenda de PPS com o copolímero em bloco de estireno-etileno-butileno-estireno, SEBS, na concentração em massa 80/20 (PPS/SEBS). A definição das condições de injeção foi feita através de planejamento de experimentos. Os limites inferiores e superiores de cada variável foram definidos levando em consideração as características do material e a capacidade da máquina injetora. O programa computacional MOLDFLOW® foi utilizado para a simulação do processo de injeção para a definição dos tempos de resfriamento e de empacotamento, para garantia da qualidade do moldado e para a obtenção dos perfis de taxa de cisalhamento e de temperatura da massa ao final da etapa de preenchimento. Foi verificado que, no caso do PPS, as variáveis de maior influência no gradiente de cristalinidade ao longo da espessura da peça e nas propriedades mecânicas foram as temperaturas da massa polimérica fundida (Tinj) e do molde (Tm). No caso da blenda PPS/SEBS, a velocidade de injeção ou vazão (Q), a temperatura do molde e a pressão de empacotamento (Ph) foram as variáveis de maior influência na morfologia. A razão de aspecto das partículas de SEBS, dispersas na matriz de PPS, praticamente não foi alterada com a variação das condições de injeção, ao contrário do tamanho médio de partícula e do valor da função dispersão, que pôde representar qualitativamente bem as alterações morfológicas observadas na blenda. As redes neurais construídas a partir dos dados experimentais e treinadas com o método de validação cruzada em grupo (VCG) puderam predizer com boa precisão a morfologia e as propriedades mecânicas do moldado a partir das condições de processamento, bem como as propriedades mecânicas a partir da morfologia. Palavras-chave: morfologia, cristalinidade, blenda, propriedades mecânicas, moldagem por injeção, A influência das variáveis de processamento da moldagem por injeção na morfologia e nas propriedades mecânicas foi avaliada para o poli(sulfeto de p-fenileno), PPS, e para a blenda de PPS com o copolímero em bloco de estireno-etileno-butileno-estireno, SEBS, na concentração em massa 80/20 (PPS/SEBS). A definição das condições de injeção foi feita através de planejamento de experimentos. Os limites inferiores e superiores de cada variável foram definidos levando em consideração as características do material e a capacidade da máquina injetora. O programa computacional MOLDFLOW® foi utilizado para a simulação do processo de injeção para a definição dos tempos de resfriamento e de empacotamento, para garantia da qualidade do moldado e para a obtenção dos perfis de taxa de cisalhamento e de temperatura da massa ao final da etapa de preenchimento. Foi verificado que, no caso do PPS, as variáveis de maior influência no gradiente de cristalinidade ao longo da espessura da peça e nas propriedades mecânicas foram as temperaturas da massa polimérica fundida (Tinj) e do molde (Tm). No caso da blenda PPS/SEBS, a velocidade de injeção ou vazão (Q), a temperatura do molde e a pressão de empacotamento (Ph) foram as variáveis de maior influência na morfologia. A razão de aspecto das partículas de SEBS, dispersas na matriz de PPS, praticamente não foi alterada com a variação das condições de injeção, ao contrário do tamanho médio de partícula e do valor da função dispersão, que pôde representar qualitativamente bem as alterações morfológicas observadas na blenda. As redes neurais construídas a partir dos dados experimentais e treinadas com o método de validação cruzada em grupo (VCG) puderam predizer com boa precisão a morfologia e as propriedades mecânicas do moldado a partir das condições de processamento, bem como as propriedades mecânicas a partir da morfologia.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This dissertation proposes two methodologies for the phasor estimation on protective relays in Electrical Power Systems. Firstly, a theoretical introduction of signal processing, the structure of a protective relay and phasor estimation algorithms is presented, including some of the algorithms used on the electrical system, as well as the two proposed methodologies. The first one makes use of the concept of curve-fitting, while the other uses Artificial Neural Networks, both with the goal of performing the real-time estimation of the signal amplitude and phase angle. Secondly, it is made a comparative analysis of the two proposed methods with four well-known and currently used algorithms. This comparison is made through the creation of several test signals with different simulation parameters. From these simulations, six performance indexes are used for the quantitative evaluation of each algorithm, from where the most effective method can be determined through the arithmetic mean of these indexes. Lastly, after all the simulation cases have been presented, a summary of the characteristics of each algorithm is made, based in their numerical results. Then, based on the values obtained on each performance index, the strong and weak points are highlighted, as well as the general classification of each method. / Essa dissertação propõe duas metodologias para a estimação fasorial em relés de proteção em Sistemas Elétricos de Potência. Primeiramente é apresentada uma introdução teórica ao processamento de sinais, à estrutura do relé de proteção, e aos algoritmos de estimação fasorial propriamente ditos, incluindo alguns dos algoritmos utilizados no sistema elétrico, assim como as duas metodologias propostas. A primeira delas faz uso do conceito de ajuste de curvas, enquanto que a segunda utiliza Redes Neurais Artificiais, ambas com o objetivo de realizar a estimação da amplitude e ângulo de fase de um sinal em tempo real. Em um segundo momento, é feita a análise comparativa dos dois métodos propostos com quatro algoritmos bastante conhecidos e utilizados nos relés numéricos. A comparação é feita através da criação de diversos sinais de teste com diferentes parâmetros de simulação. A partir dessas simulações, são usados seis índices de desempenho para a avaliação quantitativa de cada algoritmo, de onde, a partir da média aritmética destes índices, pode-se determinar o método mais eficaz para cada caso. Por fim, após todos os testes terem sido realizados, com base em seus resultados numéricos, é realizada uma condensação das características de cada algoritmo. Com base nos valores obtidos em cada índice de desempenho, são destacados os pontos fortes e fracos, bem como a classificação geral de cada método.