This paper presents the study and development of a topology of nonisolated converter operating at high frequency, which is suitable for the integration of battery banks, photovoltaic panels, and a high voltage dc link in a single conversion stage. The topology is based on the bidirectional version of the three-state switching cell and is recommended for battery charging, while a 200V dc link can be obtained in a single conversion stage using photovoltaic (PV) panels. The presented converter is able to supply a 200V dc link using a battery bank and a PV array and, depending on the solar irradiance level, it is also possible to charge the batteries by using a single conversion stage. Moreover, all the switches of the converter are able to operate under zero voltage switching (ZVS) condition over a wide operation range. The experimental results are obtained from a 500W laboratory prototype, which has been developed and tested in three situations: energy flow from the battery bank to the load, energy flow from the PV panel to the load; and energy flow from the panel to the battery bank, achieving the efficiency of 94,18%, 96,09% e 94,67% respectively. The high gain afforded by this topology and the excellent performance obtained in all operations mode, shows as a solution where the requirement of increasing the voltage to 200V or 400V from low input voltage energy sources, typically 12V, 24V or 48V, provided by batteries, solar panels or others sources of energy, for Uninterruptable Power Supply (UPS), or a DC link, for example. / Este trabalho tem por escopo apresentar o estudo e desenvolvimento de um conversor CC-CC nÃo isolado de trÃs portas, adequado à integraÃÃo em um Ãnico estÃgio de conversÃo: um banco de baterias, um conjunto de painÃis fotovoltaicos e o link CC. A topologia proposta apresenta um conversor boost de alto ganho baseado na versÃo bidirecional da cÃlula de comutaÃÃo de trÃs estados na qual se tem integrado um banco de baterias e um conjunto de painÃis fotovoltaicos com capacidade para gerar um barramento CC de 200V em um Ãnico estÃgio de processamento. A caracterÃstica bidirecional da topologia permite aos painÃis fotovoltaicos carregar as bateiras e alimentar a carga dependendo da incidÃncia solar. No caso de ausÃncia de sol, o banco de baterias supre a carga. Outra importante caracterÃstica deste conversor à a comutaÃÃo suave em modo ZVS para todas as chaves. Foi desenvolvido um protÃtipo experimental com potÃncia nominal de 500W de forma a validar todo o embasamento teÃrico e de simulaÃÃo apresentados. O conversor desenvolvido foi submetido a trÃs condiÃÃes: o fluxo de energia da bateria para a carga, do painel fotovoltaico para a carga e do painel para o banco de baterias, sendo obtido o rendimento de 94,18%, 96,09% e 94,67% respectivamente para cada condiÃÃo. AlÃm disso, as formas de ondas experimentais e de simulaÃÃo para cada condiÃÃo e o comparativo de rendimento de topologias, tambÃm sÃo apresentados. O alto ganho e o rendimento alcanÃado nesta topologia, a torna uma forte soluÃÃo quando hà necessidade de elevar a tensÃo a partir de baterias ou painÃis fotovoltaicos, quando os valores fornecidos por estes geralmente sÃo de 12V, 24V ou 48V. Ressalte-se que este trabalho contribui cientificamente na Ãrea da eletrÃnica de potÃncia, mais especificamente, no que concerne ao estudo e desenvolvimento de novas topologias de conversores CC-CC nÃo isolados de trÃs portas para aplicaÃÃes em energias renovÃveis.

A presente pesquisa tem como objetivo realizar um estudo teórico e desenvolver simulações computacionais envolvendo a dinâmica de sistemas gás-sólido. O foco principal do trabalho é a modelagem do particulado através da análise das forças de contato entre partículas de materiais granulares utilizando modelos contínuos baseados na mecânica dos solos e na teoria cinética dos escoamentos granulares (sistemas grandes com muitas partículas, formulação Euleriana - Volumes Finitos) e modelos discretos baseados nas características físicas dos materiais (sistemas intermediários e número limitado de partículas, formulação Lagrangeana - Método dos Elementos Discretos). Investigam-se os modelos existentes na literatura com intuito de melhorar os modelos contínuos e discretos baseados na interação entre as partículas que caracterizam a dinâmica do particulado em sistemas gás-sólido. Propõe-se uma nova abordagem para a determinação do coeficiente de rigidez da mola baseada em uma equivalência entre os modelos lineares e não-lineares. Utiliza-se o código fonte MFIX para realizar simulações computacionais da dinâmica de sistemas gás-sólido, analisando o processo de fluidização, mistura e segregação de partículas, influência das correlações de arrasto, e análise das forças de contato entre as partículas através do novo método para a determinação do coeficiente de rigidez da mola . Os resultados obtidos são comparados com dados numéricos e experimentais da literatura. / The purpose of the present study is to perform a theoretical study and develop numerical simulations involving dynamic in gas-solid systems. The focus of the work is the modeling of particulate matter using continuous models based on soil mechanics and the kinetic theory of granular flows (large systems with many particles, Eulerian formulation - Finite Volume) and discrete models based on physical characteristics of the particles (intermediate systems and limited number of particles, Lagrangian formulation - Discrete Element Method). It is proposed a new approach to determine the normal spring stiffness coefficient of the linear model through the numerical solution for the overlap between particles in non-linear models. The linear spring stiffness is determined using an equivalence between the linear and the non-linear models. It is used the MFIX computational code to perform numerical simulations of the dynamics of gas-solid systems. It is analyzed the processes of fluidization, mixing and particle segregation and the influence of drag correlations. The proposed approach for normal spring stiffness coefficient is applied in the numerical simulations of two problems: single freely falling particle and bubbling fluidized bed. The results were compared with numerical and experimental data from literature.

[pt] A seleção de variáveis em modelos estatísticos é um problema importante, para o qual diferentes soluções foram propostas. Tradicionalmente, pode-se escolher o conjunto de variáveis explicativas usando critérios de informação ou informação à priori, mas o número total de modelos a serem estimados cresce exponencialmente a medida que o número de variáveis candidatas aumenta. Um problema adicional é a presença de mais variáveis candidatas que observações. Nesta tese nós estudamos diversos aspectos do problema de seleção de variáveis. No Capítulo 2, comparamos duas metodologias para regressão linear: Autometrics, que é uma abordagem geral para específico (GETS) baseada em testes estatísticos, e LASSO, um método de regularização. Diferentes cenários foram contemplados para a comparação no experimento de simulação, variando o tamanho da amostra, o número de variáveis relevantes e o número de variáveis candidatas. Em uma aplicação a dados reais, os métodos foram comparados para a previsão do PIB dos EUA. No Capítulo 3, introduzimos uma metodologia para seleção de variáveis em modelos regressivos e autoregressivos de transição suave (STR e STAR) baseada na regularização do LASSO. Apresentamos uma abordagem direta e uma escalonada (stepwise). Ambos os métodos foram testados com exercícios de simulação exaustivos e uma aplicação a dados genéticos. Finalmente, no Capítulo 4, propomos um critério de mínimos quadrados penalizado baseado na penalidade l1 do LASSO e no CVaR (Conditional Value at Risk) dos erros da regressão out-of-sample. Este é um problema de otimização quadrática resolvido pelo método de pontos interiores. Em um estudo de simulação usando modelos de regressão linear, mostra-se que o método proposto apresenta performance superior a do LASSO quando os dados são contaminados por outliers, mostrando ser um método robusto de estimação e seleção de variáveis. / [en] Variable selection in statistical models is an important problem, for which many different solutions have been proposed. Traditionally, one can choose the set of explanatory variables using information criteria or prior information, but the total number of models to evaluate increases exponentially as the number of candidate variables increases. One additional problem is the presence of more candidate variables than observations. In this thesis we study several aspects of the variable selection problem. First, we compare two procedures for linear regression: Autometrics, which is a general-to-specific (GETS) approach based on statistical tests, and LASSO, a shrinkage method. Different scenarios were contemplated for the comparison in a simulation experiment, varying the sample size, the number of relevant variables and the number of candidate variables. In a real data application, we compare the methods for GDP forecasting. In a second part, we introduce a variable selection methodology for smooth transition regressive (STR) and autoregressive (STAR) models based on LASSO regularization. We present a direct and a stepwise approach. Both methods are tested with extensive simulation exercises and an application to genetic data. Finally, we introduce a penalized least square criterion based on the LASSO l1- penalty and the CVaR (Conditional Value at Risk) of the out-of-sample regression errors. This is a quadratic optimization problem solved by interior point methods. In a simulation study in a linear regression framework, we show that the proposed method outperforms the LASSO when the data is contaminated by outliers, showing to be a robust method of estimation and variable selection.