A penetração da energia solar na matriz elétrica brasileira suscita desafios operacionais impostos pela intermitência dos sistemas fotovoltaicos. Oscilações materializam-se em eventos de rampa, variações súbitas na irradiância que afetam diretamente a estabilidade e a confiabilidade da rede. Redes neurais híbridas CNN-LSTM, ao integrarem a extração de padrões espaciais e temporais, elevam a precisão da previsão dessas rampas e sustentam ações preventivas de despacho. Nesse sentido, este estudo objetivou desenvolver estratégias integradas para o entendimento e manejo de rampas fotovoltaicas, combinando técnicas de classificação com redes neurais, a fim de melhorar a previsão, análise e minimização de seus impactos no sistema elétrico.  Inicialmente, foi realizada uma análise bibliométrica nas bases Web of Science (1945-2023) e Scopus (1960-2023) empregando as expressões “photovoltaic ramp” OR “photovoltaic ramp rates”, com exportação dos registros em BibTeX. Os arquivos foram integrados no R/RStudio mediante o pacote Bibliometrix, convertidos em data frame unificado e depurados para remoção de duplicatas.
Indicadores de produção, citações e palavras-chave foram gerados via biblioshiny, delineando evolução temporal, autoria e fontes de publicação sobre rampas fotovoltaicas. Em seguida,  adotou-se um conjunto de dados horários de Teresina-PI, abrangendo radiação global e variáveis meteorológicas de setembro de 2022 a setembro de 2024. As séries foram pré-processadas com médias móveis de 360 h e classificadas em rampas positivas, rampas negativas e geração normal. Posteriormente, construiu-se e treinou-se uma rede híbrida CNN-LSTM com duas camadas LSTM e mecanismo de atenção, validada por particionamento 70-15-15 e otimizador Adam. Os testes mostraram acurácia global de 92,31%, precisão de 91,67% e revocação de 100% para rampas negativas, enquanto rampas positivas alcançaram precisão de 100% e revocação de 85,71%. O F1-score excedeu 89% em todas as classes, demonstrando estabilidade na discriminação entre condições normais e eventos críticos. A distribuição sazonal prevista reproduziu os picos observados entre setembro-outubro e julho-agosto, confirmando a aderência do modelo aos padrões climáticos regionais. Conclui-se que a arquitetura CNN-LSTM, associada a pré-processamento baseado em médias móveis e ponderação de classes, constitui ferramenta eficaz para previsão de rampas fotovoltaicas, contribuindo para a minimização de riscos operacionais e para o planejamento da operação de redes elétricas com alta penetração solar. Recomenda-se ampliar bases de dados e avaliação operacional em tempo real e aprendizado contínuo.

A Internet das Coisas permite a interconexão de dispositivos físicos por meio da internet, proporcionando a coleta e a troca de dados de forma automatizada, representando uma das mais significativas evoluções tecnológicas dos últimos anos. Essa evolução é fundamental para a otimização de processos em diversos setores, incluindo o de energia. Nesse cenário, esta dissertação aborda o desenvolvimento de uma solução baseada na Internet das Coisas para o monitoramento e a proteção da rede elétrica. O sistema integra um microcontrolador ESP32 com sensores de tensão ZMPT101B e de corrente SCT013 para a aquisição de dados de tensão e corrente em alta resolução. Técnicas de processamento de sinais, incluindo o cálculo de RMS e a Transformada Rápida de Fourier, são empregadas para detectar e classificar distúrbios como afundamentos e elevações de tensão, transitório oscilatório, harmônicos, spike e notch. A metodologia segue a regulamentação de energia PRODIST brasileira, que define limites de referência para os parâmetros de qualidade de energia utilizando métricas do sistema por unidade. Um protótipo físico foi fabricado por meio de impressão 3D, enquanto simulações no Proteus validaram o desempenho e a funcionalidade do sistema. O sistema demonstrou bons resultados no monitoramento do consumo de energia, com a coleta de amostras a cada 10 segundos, e atingiu uma acurácia entre 87,1% e 94,4% na classificação de distúrbios elétricos. Ao monitorar simultaneamente o consumo e a qualidade da energia, o medidor inteligente habilitado para IoT proposto oferece uma solução econômica para a análise contínua da qualidade da energia, melhorando a eficiência e a segurança do sistema elétrico.

A alta penetração de Geração Distribuída (GD) na rede de distribuição de baixa tensão tem gerado diversas preocupações nos últimos anos, principalmente em relação à sobretensão nas barras causada pela reversão do fluxo de potência ativa. Com a finalidade de solucionar esse problema, este trabalho apresenta uma adaptação do método Curva Volt-VAr Extremum-Seeking, o qual, além de promover a regulação de tensão, também minimiza as perdas ativas na rede. Neste método, os sistemas PV introduzem perturbações de potência reativa na rede de distribuição e, a partir da resposta à perturbação, modificam dinamicamente a sua curva Volt-VAr, até encontrar o ponto ótimo de operação. Esta abordagem é enquadrada dentro do conceito de controle Volt-VAr local, pois requer apenas medições locais e não depende de um modelo preciso da rede. Utilizou-se como rede de teste o IEEE European Low Voltage Test Feeder, com algumas adaptações para torná-lo mais próximo da realidade brasileira. O método adaptado foi aplicado em diversos cenários de alocação e em diversos níveis de penetração de GD, e seus resultados foram comparados com os do método Volt-VAr convencional, apresentado na norma IEEE 1547:2018. As simulações demonstraram que o método Curva Volt-VAr Extremum-Seeking adaptado é capaz de regular satisfatoriamente a tensão da rede e diminui as perdas ativas em relação ao Volt-VAr convencional, gerando economia financeira para as concessionárias e evitando prejuízos financeiros por corte de injeção de ativos aos proprietários de sistemas PV.

O presente trabalho aborda a evolução da matriz elétrica brasileira, com foco na crescente
relevância da energia eólica como uma alternativa à predominante geração hidrelétrica. Especifcamente no cenário do Piauí, a capacidade instalada de energia eólica já superou outras fontes
tradicionais. A estação meteorológica A308, localizada em Parnaíba - PI, desempenha um papel
crucial ao coletar dados climáticos, impulsionando a investigação sobre a relação entre esses
dados e a geração de energia na Usina Eólica Pedra do Sal (UEPS). O objetivo deste estudo
consiste em estabelecer a viabilidade de utilizar esses dados climáticos para prever a produção
de energia e desenvolver um modelo matemático que correlacione diretamente a velocidade
do vento com a geração de energia elétrica. A metodologia empregada abrange a extrapolação
dos dados de velocidade e direção de vento a 55m utilizando a ferramenta Windographer e a
aplicação do método estatístico da regressão linear. Foram levantados dois modelos, o primeiro
relacionando a velocidade do vento estimada com a geração de energia estimada e o segundo
relacionando a velocidade do vento estimada com a geração de energia real da UEPS. Ambos os
modelos se mostraram satisfatórios, porém, o modelo II apresentou correlação de 85%, maior
em comparação ao modelo I que apresentou o coefciente de correlação de 73%. Os resultados
desse estudo confrmaram que a localização da estação meteorológica A308 caracteriza um
potencial para aproveitamento da energia eólica e que as variáveis de velocidade e direção
do vento influenciam nos valores de geração de energia e são influenciáveis por fenômenos
climáticos como a La Ninã.

Os  sistemas de controle são essenciais em diversos setores da engenharia, desempenhando uma função crucial na supervisão e na regulação de processos. Diante disso, o controlador, componente essencial do sistema de controle, é responsável por ajustar as variáveis e manter a operação dentro dos parâmetros desejados. No entanto, à medida que os processos evoluem, eles se tornam inerentemente mais complexos devido a fatores como não linearidade, atraso de transporte e variações paramétricas no tempo. Assim, torna-se mais desafiador para o controlador a adequação da dinâmica do processo às condições desejadas, como tempo de estabilização do sinal, sobressinal máximo e erro em regime permanente. Nesse cenário, as técnicas de controladores adaptativos surgem como uma estratégia essencial para lidar com essas complexidades, permitindo a adaptação iterativa dos parâmetros do controlador. Assim, o controlador é capaz de ajustar-se em tempo real às características dinâmicas do processo, proporcionando um controle mais preciso e eficiente. Diante dessas considerações, o objetivo central desta dissertação é o projeto de controladores adaptativos integrados ao algoritmo de otimização de enxame de partículas, buscando otimizar a resposta de acordo com os critérios de desempenho estabelecidos. Para isso, foram empregadas duas estratégias adaptativas: o Regulador Auto-Sintonizável e o Controle por Modelo de Referência, aplicados em um sistema real de uma planta de nível, sendo essa desenvolvida durante a pesquisa para permitir uma avaliação e comparação mais significativa dos resultados, dada sua natureza experimental. Os resultados obtidos demonstraram que o algoritmo de otimização é uma alternativa viável no contexto de controladores adaptativos, devido à sua eficácia computacional, facilidade de implementação e compreensão teórica.

As linhas de transmissão (LT) são um dos componentes mais importantes de um sistema elétrico e,
devido à sua extensão, são mais vulneráveis a faltas. A localização rápida e precisa de faltas em
linhas de transmissão é necessária para reduzir custos de reparo, manter a confiabilidade do sistema
e causar o mínimo de danos aos clientes. Neste contexto, este trabalho propõe a implementação de
um método para localização de faltas em linhas de transmissão, a 60 Hz, utilizando Coeficientes de
frequência Mel-Cepstrais (MFCC's) para pré-processamento de sinais de tensão e corrente e extração
de componentes principais utilizando análise de componentes principais para obtenção dos melhores
parâmetros a serem utilizados em um algoritmo de ajuste de curva a fim de determinar a localização
da falta usando uma equação polinomial. Foram testados sinais com 100, 200 e 400 kHz e polinômios
de primeiro a quarto grau. Foi encontrado um erro médio relativo geral de 0,074483. Os maiores
erros relativos foram encontrados perto dos terminais de medição. O melhor resultado foi encontrado
usando 20 coeficientes, 400 kHz como entradas para um polinômio de 4º grau. A proposta mostrouse
insensível ao ângulo de inserção da falta, à resistência da falta e mostrou-se estável para diferentes
faixas de distâncias de falta. Embora o erro relativo encontrado tenha sido maior que o da literatura,
obtivemos um método híbrido e de fácil visualização.

A Tuberculose é uma doença infecciosa que afeta principalmente os pulmões. A transmissão ocorre pelo ar, quando os pacientes infectados tossem, espirram ou cospem. Apesar de ser a segunda principal causa de morte por infecção no mundo, a tuberculose tem cura e o paciente tem maiores chances de recuperação completa quando é diagnosticado e tratado precocemente, além de reduzir o risco de transmissão. A baciloscopia de escarro é um método tradicional para o diagnóstico e monitoramento do tratamento, onde o especialista analisa as amostras de escarro para detectar a presença dos bacilos. No entanto, a análise das lâminas é um processo exaustivo, pois é manual e depende da experiência do especialista. Abordagens computacionais têm sido desenvolvidas para apoiar o especialista no diagnóstico da tuberculose, auxiliando no processo de análise das imagens das lâminas. Este trabalho propõe uma solução para a contagem automática de bacilos da tuberculose utilizando a estratégia de \textit{multi-task learning}, onde dois modelos compartilham aprendizado no decorrer do treinamento para a execução de suas tarefas. O primeiro modelo gera mapas de densidade destacando locais com presença de bacilos, enquanto o segundo realiza a regressão da quantidade de bacilos na imagem. Para realizar os experimentos, utilizou-se um dataset público com 1265 imagens de baciloscopia de escarro, contendo as anotações dos bacilos. Os resultados obtidos mostraram PSNR de 20,75, BA de 0,87, F1 de 0,72, AP de 0,53, Jaccard de 0,56, R2 de 0,78 e MSE de 5,14, utilizando fine-tuning e operações de aumento de dados espaciais e de intensidade. Apesar da complexidade do problema, o método obteve um bom desempenho nas duas tarefas, conseguindo extrair características importantes dos bacilos e uma contagem final baseada na trajetória de aprendizado das duas redes em conjunto. Além de fornecer ao especialista uma segunda opinião sobre a contagem, os mapas de densidade aprendidos poderão servir como um espelho para validação dessa contagem ou, posteriormente, para a detecção de cada bacilo.

Research results on Interval type-2 (IT2) fuzzy control have started to emerge in the literature over the past twenty years. They have received attention because of their potential to handle uncertainties better than type-1 (T1) fuzzy controllers. This paper proposes a new algorithm for auto-tuning PID controllers whose gains are calculated through a self-tuning of the phase and gain margins for the closed-loop system using both type-1 (PID-F-FG) and Interval type-2 Fuzzy Logic (PID-FT2I-FG). The Fuzzy PID and Interval
type-2 fuzzy PID controller structures are built by using two-dimensional input space, Interval type-2 input fuzzy sets, T1 output fuzzy singletons, product t-norm, sum t-conorm, Karnik–Mendel center-of-set type reducer, and centroid defuzzifier. Simulations using a nonlinear conical tank are presented with the objective of verifying the effectiveness of the proposed control method. The results show that the presented strategy improves the controller performance for the conical tank.

O manejo das colmeias é crucial para a sustentabilidade da apicultura. No entanto, revisões frequentes durante a colheita de mel podem causar estresse, e em períodos de escassez de alimento, contribuir para a perda de enxames. Este estudo propõe uma abordagem não invasiva e eficiente, combinando o processamento de áudio produzido pelas colônias com técnicas de aprendizado de máquina para identificar a intensidade das colmeias. Inicialmente, concentramos nossos esforços em identificar os níveis fraca, média e forte das colônias, utilizando características cepstrais (MFCCs) e os classificadores MLP, SVM e RF. Obtivemos resultados promissores, com uma acurácia média superior a 97% para os três classificadores. Considerando um cenário mais aderente a realidade do apiário, classificação da colônia em fraca e forte e utilizando um conjunto de dados expandido, os resultados revelaram que o MLP superou modelos clássicos, alcançando uma acurácia de 95,53%. Além disso, exploramos características extraídas por CNNs, como VGG16, ResNet50, MobileNet e YOLO, comparando-as com MFCCs. As características tradicionais superaram aquelas extraídas pelas CNNs, destacando a eficácia dos MFCCs na identificação da intensidade das colmeias. Os resultados deste estudo não apenas contribuem para o avanço na compreensão acústica das colmeias, mas também oferecem informações práticas que podem auxiliar os apicultores na tomada de decisões sobre a seleção de colmeias para a coleta de mel.

A tuberculose, uma enfermidade bacteriana decorrente da infecção ocasionada pelo bacilo de Koch. Tal doença afeta primariamente os pulmões, ocasionando complicações significativas ao organismo, sendo considerada a segunda principal causa de morte em decorrência de infecções em escala global, logo abaixo da pandemia de COVID-19. A tuberculose é tratável, mas um diagnóstico precoce é crucial para o sucesso do tratamento. Tradicionalmente, a baciloscopia de escarro tem sido o principal método para o diagnóstico da tuberculose. As amostras de escarro são fixadas em lâminas e esse processo é realizado por um bacteriologista e pode ser um processo demorado e exaustivo, tendo em vista a necessidade de se analisar 100 campos da amostra. Neste trabalho, é proposto uma abordagem baseada na arquitetura de aprendizado profundo EfficientDet sem utilização de pesos pré-treinados, explorando os seus backbones na tarefa de identificação dos bacilos. As imagens de baciloscopia de escarro foram adquiridas a partir de um conjunto de dados público disponibilizado pelo AI Research and Automated Laboratory Diagnostics, consistindo em um total de 928 imagens, todas com a resolução de 1224×1623 pixels. Foram examinadas quatro representações de cores: RGB, LUV, XYZ e Gray. Em cada experimento, realizou-se uma pesquisa de hiperparâmetros utilizando o método Grid Search a fim de identificar o otimizador e a resolução de imagem para a entrada da rede mais apropriados. Os otimizadores avaliados incluíram Adadelta, Adam, AdamW, Adamax, ASGD, NAdam, RAdam, RMSprop, Rprop e SGD, enquanto as dimensões investigadas foram 224, 299 e 512 pixels. A configuração que alcançou o melhor desempenho incluiu o backbone B3, o canal de cor LUV, o otimizador RMSprop e dimensão de entrada de rede de 512×512. Isso resultou em métricas promissoras, incluindo um mean Average Precision de 0,650, Balanced Accuracy de 0,839, Intersection over Union de 0,523, recall de 0,925, precision de 0,694 e f1-score de 0,774. Os resultados obtidos demonstram o potencial do método em detectar os bacilos, o que pode contribuir de forma significativa para o processo de diagnóstico da tuberculose através da análise de imagens microscópicas.

O Escolas Solares no Piauí é um projeto de extensão formado por professores e alunos da Universidade Federal do Piauí, que busca fortalecer o desenvolvimento educacional sob a ótica das energias renováveis e da sustentabilidade, englobando também a instalação de sistemas fotovoltaicos conectados à rede nas escolas parceiras. Nesse contexto, o projeto tem procurado alternativas técnico-educativas para o desenvolvimento e fortalecimento dos estudantes da rede pública de ensino quanto a sua grade curricular, além de buscar beneficiar a comunidade escolar, composta por pais, professores e funcionários das localidades. Dessa forma, esse trabalho tem por objetivo apresentar os resultados das ações desenvolvidas pelo projeto em três municípios piauienses entre os anos de 2019 e 2022, com destaque para o município de Oeiras com atuações focadas no meio rural.

As doenças respiratórias são uma das causas mais comuns de morte no mundo e a pandemia de
COVID-19 é um exemplo importante. Problemas como infecções, em geral, atingem muitas
pessoas e, dependendo da forma de transmissão, podem se espalhar pelo mundo e debilitar
milhares de pessoas. Essas doenças apresentam formas leves e graves nas quais os pacientes
gravemente acometidos necessitam de suporte ventilatório. O equipamento que serve de base
para o funcionamento do ventilador mecânico é o blender de ar-oxigênio, responsável por realizar
a mistura ar-oxigênio nas proporções adequadas, garantindo um abastecimento constante. A
versão mais utilizada desse equipamento é a analógica, que traz uma série de problemas como a
falta de precisão nos ajustes e no valor da saturação de oxigênio, e o desperdício de gases vindos
dos cilindros conforme a pressão diminui. A pesquisa realizada propõe um modelo de blender
que utiliza apenas sensores de pressão dinâmicos para calcular a saturação de oxigênio, baseado
na equação de Bernoulli. A proposta foi validada através de um modelo de simulação, no qual os
resultados obtidos mostraram a relação linear entre as pressões e a saturação de oxigênio até uma
pressão de saída da mistura de 500 cmH2O. Acima deste valor a relação começa a demonstrar
não linearidades. No entanto, essas não linearidades podem ser ajustadas usando um algoritmo
de calibração que ajusta o modelo matemático construído. A pesquisa resultou em um avanço
significativo para no tema, tendo em vista a enorme escassez de trabalhos voltados para esse
equipamento tão essencial e importante para salvar vidas.

O processo do envelhecimento afeta os mecanismos de manutenção da integridade física. A avaliação do risco de quedas é rotineira nos serviços de assistência ao idoso, porém subjetiva e demorada, de modo que a automatização do processo é válida. O objetivo deste estudo é utilizar ferramentas de aprendizado de máquina (AM) como instrumento de predição do escore final da Escala de Equilíbrio de Berg (EEB), usando diferentes conjuntos de dados eletromiográficos e dinamométricos coletados durante uma contração isométrica voluntária de músculos do membro inferior, além de comparar o desempenho de várias ferramentas. Trinta participantes foram avaliados com a EEB e com eletromiografia e dinamometria dos músculos vasto lateral, bíceps femoral, gastrocnêmio lateral e tibial anterior durante
uma contração voluntária isométrica máxima. Após o pré-processamento do conjunto de dados, os atributos foram selecionados por meio de principal components analysis (PCA), correlation-based function selection (CFS) e Relief-F para então serem aplicados às ferramentas multilayer perceptron (MLP), random forest (RF), random tree (RT), k-nearest neighbor (KNN) e least squares support vector regression (LS-SVR). Os sinais mioelétricos mostraram-se mais eficazes para uso na predição do risco de quedas em idosos em relação ao sinal de força. A rede MLP provou-se uma alternativa aceitável na maioria dos casos, sendo um dos melhores modelos de predição da pontuação final da EEB quando utilizados atributos do sinal de EMG selecionados pelo algoritmo CFS, tal como o modelo RF que também apresentou bons resultados utilizando o mesmo conjunto de dados.

A calcificação renal é uma doença comumente observada e é geralmente detectada por urologistas utilizando imagens de tomografia computadorizada (TC), e o número de pessoas com esta patologia incide em 5 a 15% da população acometendo ambos os sexos. Esta anomalia é formada quando a urina apresenta quantidades maiores que o normal de substâncias, como cálcio e oxalato. A detecção em estágio inicial é crucial para um melhor prognóstico, portanto sistemas de visão computacional podem auxiliar o médico na identificação das calcificações, possibilitando o tratamento. O objetivo deste trabalho é criar um método de detecção de calcificações em imagens de TC. Dessa forma, propomos uma metodologia com quatro etapas: A primeira é a aquisição imagens de TC, após esse processo, é  feita a segmentação da Região Renal utilizando a Mask-RCNN. No pré-processamento, as máscaras extraídas na segmentação são utilizadas para obter a localização central do trato urinário, a apartir disto o próximo passo é a detecção das calcificações nessa etapa avaliamos 4 arquiteturas derivadas da Yolov5: a Yolov5n, Yolov5s, Yolov5m, Yolov5l, além disso, também avaliamos diferentes tamanhos de entrada de imagens, que foram:  320x320,  512x512 e  640x640. Para o treino e avaliação do método proposto foram utilizados 20 exames, que totalizaram 532 imagens com calcificação. Os resultados obtidos são promissores, alcançando  precisão e mAP de 0,96 e 0,89 na Yolov5s,  e na Yolov5l com o Recall de 0,86 em um conjunto imagens no tamanho de 512x512 contendo quatro tipos de órgãos e diferentes tamanhos e localizações de cálculos. Por meio da análise realizada, concluímos que utilizando somente a região renal segmentada, os resultados foram superiores do que usando as imagens originais que envolvem totalmente a região do Abdômen.

A Leishmaniose Visceral (LV) é uma doença negligenciada que possui entre 50.000 a 90.000 novos casos anuais em todo o mundo. Se não tratada, essa doença pode levar a óbito mais de 95% dos casos. O diagnóstico é realizado em laboratórios especializados e o padrão-ouro para a detecção da LV é feito pela microscopia do material aspirado da medula óssea (exame parasitológico), tendo como objetivo a busca por formas amastigotas por todos os campos da lâmina. Esse processo de análise é realizado manualmente, tornando-se cansativo e laborioso para os profissionais de saúde. Dessa forma, a proposta desse trabalho é auxiliar no diagnóstico da LV utilizando técnicas de Visão Computacional e Aprendizado Profundo em imagens de lâminas provenientes do exame parasitológico da medula óssea. Essa metodologia é composta por duas etapas: na primeira, há a classificação das imagens em positivo ou negativo para LV, utilizando técnicas de transferência de aprendizado e ajuste fino em cinco diferentes arquiteturas de CNN pré-treinadas; na segunda, realiza-se a segmentação das amastigotas nas imagens positivas para LV, dividindo as imagens em recortes e aplicando a arquitetura U-Net para indicar precisamente a região do parasita na imagem. Para isso, utiliza-se um conjunto de dados contendo 150 imagens, onde 78 imagens pertencem à classe positiva e 72 à classe negativa. No melhor modelo de classificação, atinge-se uma acurácia de 99,1%, f1-Score de 99,2% e kappa de 98,3%. Na segmentação das amastigotas, obtém-se um Dice de 80,4%, IoU de 75,2% e AUC de 86,5%. Os resultados são promissores e demonstram que modelos de aprendizado profundo treinados com imagens de lâminas da microscopia de material biológico podem auxiliar o especialista na detecção da LV em humanos.

A Geração Distribuída (GD) ganhou destaque no setor elétrico brasileiro nos últimos anos, esse crescimento se tornou notável com a implantação da Resolução Normativa 482/2012 pois estabeleceu condições gerais para esse tipo de geração, e possibilitou ao consumidor final gerar sua energia elétrica. Recentemente, com a aprovação da Lei 14.300, de 06 de janeiro de 2022, os consumidores brasileiros ganharam mais segurança jurídica para produzir sua própria energia. A GD é uma geração de energia que tem por característica a utilização de fontes renováveis e localização próxima aos consumidores finais, e que não necessariamente utiliza as redes de transmissão de energia elétrica, pois pode ser conectada diretamente nas redes de distribuição. Esse tipo de geração reduz o consumo de combustíveis fósseis e emissão de gases, ajudando a preservar o meio ambiente, e reduz custos e perdas de energia com linhas de transmissão. No entanto, a inserção de GD nas redes elétricas de distribuição provoca mudanças de comportamento relevante nos níveis operacionais, alterando limites de tensão, corrente, harmônicos e proteção. Neste cenário, o presente trabalho realizou uma análise comparativa do comportamento da rede elétrica de distribuição em relação aos níveis de tensão quando se conecta a ela uma GD do tipo fotovoltaica (FV) e também uma pequena central hidrelétrica (PCH). Nesta pesquisa realizou-se um estudo dessa variação de tensão na ocorrência de curtos-circuitos monofásicos, bifásicos e trifásicos. Para as modelagens foi utilizado o software ATPDraw, em que foi possível criar uma rede elétrica de distribuição com dados reais e usinas FV e PCH, em que produziu-se simulações de conexão das GD e realização dos curtos-circuitos. Os resultados analisados foram extraídos para o MatLab, em foi possível realizar um comparativo dos níveis de tensão provocados pelos curtos-circuitos. Verificou-se, portanto, que a conexão da GD na rede de distribuição impactou no melhoramento do transitório, pois diminui o afundamento de tensão, além de verificar que a PCH, quando comparada a FV, obteve maior elevação do nível de tensão na ocorrência de curtos-circuitos da rede.

Essa dissertação proprõe um método para classificação de transitórios elétricos, decorrentes de correntes de inrush em transformadores de potência de 69/13,8 kV, a partir da aplicação sequencial das técnicas de Estatística de Ordem Superior (EOS), Discriminante Linear de Fisher (DLF) e Redes Neurais (RNA), na perspectiva de análise sobre banco de dados/dados históricos. No tocante, foram simulados 4 tipos de eventos no software ATP (Alternative Transient Program), correspondentes aos cenários de regime permanente (RP), curto-circuito (CC), falta interna (FI), acionamento de bancos capacitores (BC) e corrente de inrush (IN), sendo realizado a extração das melhores caractéristicas de cada tipo de evento pela EOS e destas selecionado as com maior potencial de distinção, possibilitando a classificação da IN frente aos demais tipos de eventos, através do reconhecimento dos seus padrões, obtidos durante  a aplicação da RNA. A aplicação das técnicas em conjunto, credibilizou a eficiência quanto à aplicação, tendo em vista, que a finalidade de classificação obteve uma resposta satisfatória.

Este trabalho apresenta a análise e projeto de um sistema fotovoltaico (fv) on-grid
que apresenta a funcionalidade de compensar harmônicos de corrente e corrigir o fator de
potência no ponto de conexão com a rede. O sistema fv apresenta um estágio CC-CC e um
estágio CC-CA. O estágio CC-CC é formado por um conversor boost intercalado com três
braços para reduzir os esforços de corrente nos dispositivos semicondutores de potência,
além disso, o mesmo é composto de um sistema de controle destinado ao rastreamento
de máxima potência do arranjo fv cujo algoritmo utilizado é o Pertuba e Observa. O
estágio CC-CA é formado com um ltro ativo paralelo cuja função é ltrar harmônicas
de corrente e corrigir o fator de potência no ponto de conexão com a rede. A geração das
referências do ltro é realizada através da Teoria PQ com a adição da potência gerada
pelo arranjo fv e para a sintetização das correntes de referência foi utilizado a estratégia
de controle preditivo baseado em modelo por conjunto de estados nitos (FCS-MPC -
Finite Control Set Model Predictive Control). Com efeito, esse tipo de controle apresenta
baixa complexidade, não necessita de um modulador e pode-se incluir restrições e não
idealidades do sistema. O algoritmo implementado para esse controle nesse trabalho
considera restrições na comutação dos interruptores do ltro ativo.

Este trabalho apresenta uma plataforma protótipo de baixo custo capaz de executar as principais funções de um relé de proteção, utilizando como base o minicomputador Raspberry Pi 3B+, possibilitando que seus usuários possam implementar funções de proteção em hardware e realizar ensaios em tempo real. Foram realizados testes que comprovaram a capacidade do Raspberry Pi 3B+ em fornecer respostas em tempo real, através de configurações específicas em seu Sistema Operacional. Um circuito experimental foi construído para enviar os sinais de faltas elétricas de uma mala de testes de relés de proteção para o Raspberry Pi, através do condicionamento dos sinais de tensão e corrente e sua digitalização. Além disso, uma biblioteca de funções foi desenvolvida para executar algoritmos de proteção mais simples, como a detecção de faltas trifásicas simétricas, bem como um algoritmo de proteção mais complexo baseado em redes neurais, capaz de diferenciar faltas trifásicas de transitórios gerados por variações de grandes cargas. Os resultados obtidos mostram que o relé protótipo é capaz de executar funções de proteção simples e complexas dentro de um tempo de atuação pré-definido, além de realizar amostragem dos sinais de tensão e corrente de forma satisfatória.

Os transformadores convencionais de potência são amplamente utilizados na conversão de níveis
de tensão em redes de transmissão e distribuição de energia, estes equipamentos por sua vez,
apresentam algumas restrições que dificultam seu emprego na geração solar fotovoltaica, como
a falta de um sistema de controle, além de não possuírem barramento CC em sua construção,
e neste aspecto, tornam-se ineficientes quando comparados a tecnologias emergentes, como
os Transformadores de Estado Sólido (TES). Dessa forma, este trabalho propõe o uso de um
TES CA-CC, isolado, monofásico e bidirecional, em um sistema de microgeração fotovoltaica
com potência ativa de 520 W. Para possibilitar o rastreamento do ponto de máxima potência
(Maximum Power Point Tracking - MPPT), um conversor Cúk foi dimensionado e seus terminais
de entrada e saída, conectados respectivamente ao arranjo fotovoltaico e em um barramento
CC presente no TES. O algoritmo de Condutância Incremental (INC) foi utilizado para gerar a
referência de tensão de máxima potência. Adicionalmente, também se utilizou como estratégia
de controle, a técnica PID discretizada pelo método de Tustin. Para realizar a sintonia deste
controlador, o ganho e a margem de fase foram utilizados de acordo com o método de Aström &
Hägglund, por sua relativa simplicidade. A abordagem apresentou resultados satisfatórios e não
exigiu o modelo matemático do processo para os cálculos. A pesquisa apresenta os resultados de
simulação obtidos através do software PSIM, onde foram analisados: O sistema de microgeração
fotovoltaica sob condição de 1000W/m2 e 25 °C e também sob efeitos de sombreamento; a
integração desse sistema ao barramento CC nos diferentes modos de operação do TES, (Modo
de Operação Retificador – MOR) e (Modo de Operação Inversor - MOI); analisados ainda os
efeitos da variação da irradiância solar e temperatura sobre a potência gerada e fornecida à rede
elétrica por meio do TES. Ao final das análises, pôde se constatar um overshoot de tensão de
aproximadamente 5,9 V na entrada do conversor Cúk, um THD de corrente quando considerado
a integração do sistema de microgeração fotovoltaica entre 6,77 % e 3,4 %, além de um alto fator
de potência (FP > 0,99).

Pronunciation is one of the key elements that influence the mastery of a language. Especially in the process of learning a non-native language, pronunciation is a central concern for those who want to communicate effectively. There is a well documented class of processes known as transfer phenomena that happens between Portuguese (L1) and English (L2) produced by Brazilian learners. Despite the recent advances in transcription techniques, the identification of these processes is made mainly through manual classification, a slow and laborious process done by specialized linguists. The rapid identification of these phenomena would be of great value for software doing proficiency placement tests and could be used in language schools, distance education, computer-assisted pronunciation training (CAPT) or by autodidacts and researchers. The present work analyzed the use of Self-Organizing Maps for identification of grapho-phonic-phonological transfer phenomena produced by Brazilian English-L2 students. The results suggest not only a reliable and efficient technique for transfer process identification but also a tool that can be used for proficiency placement based on the occurrence of transfer processes during the reading process.

O Estado do Piauí é um dos maiores produtores de mel do Brasil, tendo a apicultura uma grande importância socioeconômica para vários municípios do Estado. Conhecer os fatores que permitam o desenvolvimento da produção melífera, são essenciais para o crescimento econômico, principalmente para a apicultura ligada à agricultura familiar. As mudanças climáticas de uma região são uma das características que interferem diretamente na produção do mel. Desta forma, buscar conhecer como essas alterações podem interferir no resultado do desenvolvimento da apicultura é de fundamental importância para o setor produtivo. O uso de tecnologias de Inteligência Artificial permite a execução de atividades como reconhecimento de padrões e predições de valores a partir de séries temporais. Neste trabalho foram investigadas combinações de modelos de Redes Neurais (CNN-Dense; GRU-Dense e LSTM-Dense), com o intuito de determinar qual apresenta melhor desempenho na predição do quantitativo de mel produzido com base nos dados climáticos diários. Neste trabalho, usamos como estudo de casos, dados da região de Piracuruca. As redes estudadas obtiveram resultados nos índices de erro médio quadrático – RMSE (Root Mean Squared Error) e desvio padrão da produção inferiores a 3% do valor da produção para um período estudado. Dos modelos propostos no estudo, podese destacar o modelo LSTM-Dense, do qual se obteve os melhores resultados nos índices estudados, principalmente no índice R2, que representa o coeficiente de determinação, obtendo uma precisão de 99,999% quando comparado aos resultados encontrados da produção pela rede neural com os dados conhecidos da base de teste. Demonstrou-se assim a eficiência no uso dos modelos de Redes Neurais para o reconhecimento de padrões climáticos na predição da produção de mel.

DEFESA MARIO RODRIGUES GOMES MEIRELES FILHO
Terça-feira, 7 de junho · 4:00 até 5:00pm
Informações de participação do Google Meet
Link da videochamada: https://meet.google.com/ecw-qktu-wes
Ou disque: ‪(US) +1 234-755-2746‬ PIN: ‪520 884 294‬#

A análise de gases dissolvidos em óleo é a principal técnica utilizada para prever possíveis falhas em transformadores de potência. Atualmente, existem diversos algoritmos que auxiliam na análise preditiva, mas todos eles têm em comum o fato de serem baseados na teoria clássica de geração de gases. Este trabalho tem como objetivo propor novas perspectivas no uso de árvores de decisão para análise de gases dissolvidos em óleo de transformadores de potência bem como estabelecer a relação contida na tomada de decisão durante a formação das árvores com a teoria dos gases dissolvidos no óleo. Desta forma, algumas análises sobre a teoria da formação de gás aplicada ao óleo mineral isolante podem ser melhor compreendidas e dimensionadas. Para isso, serão utilizados dois banco de dados, o primeiro contendo 162 amostras (validadas em comunidade científica) e o segundo composto de 201 amostras advindas de transformadores em estado de falha disponibilizadas pela IEEE. Os dois conjuntos de dados serão submetidos ao algoritmo desenvolvido em Python, com obtenção de percentuais de precisão acima de 97% para ambos. A aplicação permitirá uma análise consistente e sistemática da metodologia proposta com relação à teoria de formação dos gases. O resultado da árvore será disposto em um plano cartesiano e os gases serão analisados com base nas razões adotadas por Doernenburg. A árvore de decisão será discutida passo a passo, a fim de validar o algoritmo baseado na teoria clássica de formação dos gases, permitindo também a conclusão de uma possível revisão na teoria de formação dos gases com respeito à temperatura.

O aumento do consumo de energia elétrica aumenta a cada dia juntamente com as precauções
em relação ao meio ambiente. Com isso há uma busca por fontes de energias renováveis no
mundo e no Brasil não é diferente. Nesses últimos anos houve uma grande expansão em energia
fotovoltaica e eólica em detrimento das hidroelétricas. Neste cenário, um estudo que promova
à aplicação e melhorias no sistema fotovoltaico é de grande relevância. Isto está relacionado ao
aumento de potência e da eficiência dos painéis fotovoltaicos que podem ser melhorados através
de sistemas de monitoramento e arrefecimento. Propõe-se nesse trabalho, o desenvolvimento
de um sistema padrão de monitoramento e controle para usinas fotovoltaicas que conceda
estudos experimentais sobre o arrefecimento dos módulos fotovoltaicos de maneira remota
tendo em vista à maximização da potência e eficiência através de um canal remoto. Para esta
dissertação, os sistemas de comunicação e atuação foram projetados de forma a encadear a
utilização de sensores/atuadores e microcontrolador responsáveis por três propriedades
diferentes. A primeira delas é responsável pela medição da geração de energia elétrica, a
segunda realiza o controle do arrefecimento, enquanto a terceira controla a água para irrigação.
Os sensores estão conectados a um único microcontrolador que coordena toda a sequência de
informações e monitoramento necessários para esta planta fotovoltaica. Os resultados do
processo de arrefecimento mostraram que a temperatura do módulo arrefecido ficou estável e
em torno de 40° a 45°C. Por fim, após análise dos dados, constatou-se que o rendimento do
painel arrefecido aumentou em torno de 10% em relação ao módulo controle.

O tráfego intenso de veículos é um dos principais transtornos nas grandes metrópoles, e no
Brasil, onde as autoridades responsáveis não capacitaram as redes viárias, a superlotação no
trânsito causa ainda mais entraves. As aplicações das técnicas de inteligência computacional
no trânsito são muito amplas, com destaque para os semáforos inteligentes. Para o projeto de
semáforos inteligentes, este trabalho propõe o emprego da Lógica Fuzzy, mas tem como objetivo
principal a geração automática de sistemas fuzzy, e operando modelos fuzzy evolucionários para
essa finalidade. Para a realização desse objetivo, foi empregado o software de simulação de
tráfego Simulation of Urban MObility (SUMO), que permitiu a elaboração de três cenários de
cruzamentos controlados por semáforos. Nesses cenários foram avaliados o desempenho dos
tráfegos a partir de diferentes ajustes nas funções de pertinência e no conjunto de regras do
sistema fuzzy que controla os semáforos, sendo que esses ajustes foram efetuados por Algoritmo
Genético (AG) e Otimização por Enxame de Partículas (PSO). Quando comparado o desempenho
do tráfego com semáforos controlados por fuzzy e fuzzy otimizado, tem-se melhorias importantes
nas variáveis de trânsito analisadas, como tempo de espera e tamanho da fila de carros, além
de promover a redução da emissão de gases tóxicos e consumo de combustível. Assim, este
trabalho evidencia a importância de se empregar modelos fuzzy evolucionários na otimização de
parâmetros.

O câncer de mama é a neoplasia mais comum entre mulheres. A cura da doença depende da identificação e tratamento precoce do tumor para evitar estágios avançados como a metástase da lesão inicial. Entretanto, o diagnóstico necessita de uma análise exaustiva de extensas seções de tecido mamário. Por se tratar de uma tarefa não trivial e envolver padrões complexos, essa análise requer a atenção especial de patologistas experientes. Recentemente, estudos mostraram que métodos computacionais podem auxiliar especialistas nesse processo e, inclusive, fornecer vantagens em relação ao método tradicional de análise. Com isso, este estudo propõe um método para detecção de células tumorais baseado em um comitê de redes neurais convolucionais (CNN) e ajuste de cores. O objetivo é otimizar a tarefa de análise histopatológica, fornecendo uma segunda opinião a patologistas e reduzindo a carga excessiva de trabalho desses profissionais. A abordagem proposta avaliou arquiteturas e técnicas de treinamento de CNNs com métodos de ajuste de cor, para reduzir os efeitos provocados pela variação de cor das imagens na generalização dos modelos preditivos. Uma análise de diferentes espaços de cor e seus canais, bem como de métodos de normalização de cor foi realizada de modo a definir quais desses técnicas são importantes no realce e preservação de características essenciais para a tarefa de classificação. Foram avaliadas arquiteturas de CNNS em três técnicas de treinamento, nove espaços de cor e seus seus canais e três técnicas de normalização de cor.  O comitê que constitui o método proposto é composto por três modelos de CNNs treinadas, respectivamente, em imagens geradas através de um espaço de cor, um canal de cor e um método de normalização. Essa abordagem foi testada em uma base de imagens publica composta por 327.680 amostras de imagens histopatológicas extraídas de seções de tecido mamário e obteve resultados promissores, com acurácia de 0,9193 e AUC de 0,9772. Esses resultados demostram que o método proposto pode ser utilizado para compor sistemas de detecção auxiliada por computador.

 Neste trabalho é proposto um novo método para classificação de faltas de alta impedância (FAI) em redes de distribuição usando estatística de ordem superior (EOS) em conjunto com uma rede neural (RNA) do tipo MLP (Multilayer Perceptron). Foi desenvolvido um novo modelo para representar o fenômeno de alta impedância considerando cinco diferentes superfícies de contato com o solo. Para análise ampla foram simulados no software ATP (Alternative Transient Program) seis tipos de eventos típicos em redes de distribuição, contemplando diversas situações como: condição operativa normal, faltas monofásicas, bifásicas e trifásicas, energização de transformador e banco capacitor e chaveamento de cargas indutivas, além das faltas envolvendo as cinco superfícies de alta impedância modeladas. Para extrair as melhores características, utilizou-se EOS em conjunto com discriminante linear de Fisher (LDF). Ao final usou-se a RNA do tipo MLP no reconhecimento dos padrões específicos de cada evento, distinguindo-os principalmente dos fenômenos de alta impedância, foco deste estudo. O quadro geral de resultados comprovou a confiabilidade satisfatória da técnica proposta, alcançando percentuais de classificação acima de 98%.

A geração distribuída (GD) é uma alternativa ao atual modelo de planejamento da expansão do sistema energético brasileiro, podendo ser uma opção de uso mais eficiente dos recursos energéticos, econômico-financeiros e ambientais. No Brasil, a energia solar fotovoltaica tem posição de destaque, sendo a fonte energética que mais é utilizada nesse segmento de GD. Entretanto, a inserção da GD nos sistemas de distribuição pode resultar em uma série de impactos técnicos: aumento dos níveis de tensão, corrente e etc. Sendo assim, limites devem ser observados para determinar a quantidade máxima de geração distribuída que um determinado sistema suporta sem prejudicá-lo e de forma que não seja necessário modificar o mesmo. Este trabalho objetiva analisar os efeitos que sistemas de geração solar fotovoltaica provocariam caso fossem instalados na micro-rede do Campus Ministro Petrônio Portella da Universidade Federal do Piauí, e por meio destes, determinar fatores de penetração. Inicialmente, um embasamento teórico foi realizado, onde as características do Sistema Elétrico de Potência (SEP), GD, geração solar fotovoltaica e do fator de penetração foram investigadas. As equações utilizadas são baseadas em metodologias que permitam a modelagem dos componentes do circuito de forma que possam ser representados por meio de blocos presentes no software ATPDraw, programa utilizado para simular o fluxo de potência. Diversas condições foram analisadas, alterando circuitos e variáveis de forma a ratificar os resultados. Observou-se que os limites de inserção são proporcionais a certos fatores: de potência e de alocação.

O setor elétrico atual tem contado cada vez mais com a conexão de novas unidades de Geração Distribuída para
suprir a demanda por eletricidade dos consumidores. Tal fato é ocasionado pela maior conscientização da sociedade e pelos incentivos dos governos para o uso de fontes de energias renováveis capazes de minimizar os impactos ambientais, além das diversas vantagens técnicas e econômicas que esta topologia proporciona. No entanto, a elevada penetração de novas fontes de energia pode ocasionar muitos impactos negativos aos sistemas elétricos, como alterações dos níveis de corrente de carga e de curto-circuito, afetando a coordenação dos esquemas de proteção anteriormente configurados para uma topologia radial. A modernização no setor elétrico e o consequente avanço tecnológico dos relés de proteção nos últimos anos têm possibilitado aplicações de técnicas de Proteção Adaptativa capazes de automatizar as mudanças nos ajustes dos dispositivos de proteção de acordo com a dinâmica da rede, conforme os perfis de geração e carga, melhorando a segurança e a confiabilidade nos serviços de fornecimento de energia. Neste sentido, este trabalho propõe um método de Proteção Adaptativa que utiliza um algoritmo híbrido de otimização para realizar a coordenação de relés de sobrecorrente em sistemas de distribuição com geração distribuída de forma automática. O algoritmo é baseado na associação de duas técnicas de inteligência computacional: a Lógica Fuzzy, responsável pelo controle das correntes de ajuste; e o Algoritmo Genético, que realiza a otimização dos diais de tempo e das curvas de atuação dos relés. Para validação da técnica proposta, realizou-se dois estudos de casos em sistemas de distribuição com a inserção da unidade de geração distribuída, comparando-se as respostas obtidas pelo método proposto com outros dois métodos de proteção adaptativa conhecidos na literatura. O software utilizado para modelagem e simulação dos sistemas de distribuição foi o ATP e o software utilizado para a implementação dos algoritmos de otimização foi o MATLAB. Com a aplicação do algoritmo proposto foi possível obter melhores soluções para a maioria dos cenários dos estudos de casos, melhorando a sensibilidade da proteção e reduzindo os tempos de atuação dos relés sem que os critérios de seletividade sejam desrespeitados, possibilitando maior confiabilidade e velocidade para o esquema de proteção.

O glaucoma é uma anormalidade do sistema óptico que altera a visão do paciente, causando danos ao sistema nervoso e potencialmente aumentando a pressão intra-ocular. A detecção precoce é essencial no glaucoma - uma doença progressiva - para iniciar o tratamento preventivo e, assim, evitar a perda total da visão nos pacientes. O diagnóstico eficiente do glaucoma é caro e consome tempo, logo exames como o Optical Coherence Tomographye Heidelberg Retinal Tomography, auxiliam na detecção do glaucoma e são comumente utilizados. Porém, além degastar um longo tempo para chegar a um diagnóstico o custo é muito elevado. Considerando esses aspectos, técnicas de visão computacional e inteligência computacional foram desenvolvidas para obter um diagnóstico rápido e com menos custo. Desta forma, o objetivo deste trabalho é apresentar um novo método de classificação de imagens de fundo do olho em glaucomatosas e saudáveis. Para isso, propomos o uso de Rede Neural Convolucional
Tridimensional aplicada em volumes, construídos a partir da proposição de uma transformação que converte imagens bidimensionais em volumes. O método proposto obteve resultados promissores, alcançando acurácia de 96,4%, sensibilidade de 100%, especificidade de 93,02%,Area Under the Curve(AUC)de 0,965 eKappade 0,928.

MEMORANDO ELETRÔNICO Nº 35/2020 - PPGEE/CT

 

Você respondeu em Qua, 14/10/2020 21:05

CP

Coordenação Geral Pós-Graduação

 

Para:

Igor Cunha

Qua, 14/10/2020 19:29

 

FORMULÁRIO PARA REQUERIMENTO...

PDF141 KB

MEMORANDO ELETRÔNICO Nº 35/2020 - PPGEE/CT (11.00.28.19)
(Identificador: 202362570)

Nº do Protocolo: 23111.040127/2020-27

Teresina - PI, 14 de Outubro de 2020.

COORDENADORIA DE PROGRAMAS STRICTO SENSU/PRPG

Título: SOLICITAÇÃO DE CADASTRO ATRASADO DE BANCA DE DEFESA MESTRADO

Título: SOLICITAÇÃO DE CADASTRO ATRASADO DE BANCA DE DEFESA DE MESTRADO

Prezado Coordenador de Pós-Graduação UFPI
Prof. Dr. WELTER CANTANHEDE DA SILVA

A Coordenação do Programa, vem mui respeitosamente, solicitar o cadastrado da banca de defesa de mestrado  do aluno PEDRO HENRIQUE ALVES RIBEIRO (CPF:050.710.473-06). O pedido foi feito sem tempo hábil para o cadastro pela Cordenação do Programa e dado a importância de realização da defesa estamos recorrendo à esta Coorgedenação Geral.
Ao mesmo tempo, gostaria de, em nome da Coordenação do Programa, nos desculpar pelo pedido extemporâneo a gradecemos mais uma vez o apóio que esta Pro-Reitoria tem dado ao Programa.
 
Documento de solicitação em anexo

Atenciosamente

A Coordenação

FORMULÁRIO DE REQUERIMENTO DE DEFESA
 
(X) Dissertação de Mestrado                 (  ) Exame de Qualificação
Aluno: Pedro Henrique Alves Ribeiro
Bolsa:         (    ) Não               ( X ) Sim. Qual? CAPES/FAPEPI
 
Título: Sistema Inteligente de Telemetria para Classificação de dados Veiculares
Nº de Páginas: 92
Data:  30/7/2020                                         Horário:   14h                            Local:  Teleconferência
 
Resumo: A aplicação de técnicas de aprendizagem de máquinas para a análise de dados, provenientes do sistema On Board Diagnostic II (OBD-II), tem sido realizada com sucesso na caracterização do modo de dirigir veículos, análise da tomada de decisões do motorista, modelagem do consumo de combustível veicular, dentre outras. Este trabalho apresenta um estudo acerca da aplicação das técnicas Multilayer Perceptron (MLP) e Extreme learning Machine (ELM) para a Classificação de Motoristas e Métodos de Condução e avaliação do Consumo de combustível instantâneo, pela aquisição de dados de sensores veiculares via interface OBD-II. Para isto, um percurso de teste e um veículo foram definidos, e assim a coleta dos dados foi realizada pela utilização de um sistema composto por: placa com microcontrolador ESP32, módulo bluetooth, e scanner ELM327, padrão OBD-II. Dois bancos de dados foram construídos, cada um com sete atributos e com classes distintas balanceadas. A aplicação das técnicas de aprendizagem de máquina permitiu a obtenção de taxas de acerto médias acima de 90% e custos computacionais distintos, menores para a ELM, sendo suficientes para a diferenciação das classes propostas para os dois bancos de dados. As taxas de acerto alcançadas confirmam que os atributos coletados foram suficientes para diferenciar as classes, sendo o Consumo de combustível, o IAT, o RPM e a Posição do Acelerador, dentre os atributos coletados, os decisivos para caracterização. A redução de dimensionalidade por Análise de Componentes Principais (PCA) evidenciou a manutenção das taxas de acerto obtidas com menor custo computacional e, então, mostrou-se adequada, em conjunto com a MLP e ELM, para destacar que os hábitos do motorista influem diretamente sobre o consumo de combustível ao se conduzir o veículo por métodos diferentes. Assim, em percursos urbanos (locomoções em virtude de atividades rotineiras), o consumo de combustível será menor para a condução veicular no Método Carga, caracterizado por pedal de aceleração mais aberto (pressionado) e engate de marchas mais elevadas a baixas velocidades.

As perdas com o mercado de distribuição de energia sustam as distribuidoras brasileiras. Em especial, as perdas não técnicas representam maior desafio, sejam por questões sociais, econômicas, operacionais e técnicas. A medição de energia de unidades consumidoras tem questão de destaque na blindagem do faturamento para as distribuidoras. Os medidores eletrônicos entraram no mercado nacional na década de 1990 e deixaram os medidores de indução obsoletos, possibilitando, além de outros benefícios no combate das perdas não técnicas, melhor desempenho no registro de grandezas na presença de formas de onda com distorção harmônica.  Por outro lado, os sistemas fotovoltaicos vêm apresentando crescimento exponencial na geração distribuída e como consequência a tensão fornecida vem deixando de ter o perfil puramente senoidal e que somado com o uso de cargas eletrônicas, que apresentam aspectos de não linearidade, registram-se cada vez mais aumento das distorções harmônicas nas formas de ondas de tensão e corrente distribuídas nas redes elétricas. O regulamento técnico metrológico Nº 587 de 2012 do Inmetro apresentam os erros admissíveis quando medidores de energia estão submetidos a distorções harmônicas, porém o regulamento limita apenas para conteúdos harmônicos de quinto grau. Assim, surgiram os seguintes questionamentos norteadores desta pesquisa: O medidor eletrônico unidirecional para uso em unidades consumidoras convencionais quando submetidos a distúrbios harmônicos apresentam erros superiores aos estabelecidos na norma e no regulamento metrológico brasileiro? O medidor eletrônico bidirecional empregado em unidades de microgeração com sistemas fotovoltaicos conectados na rede de distribuição apresentam erros superiores aos estabelecidos na norma e no regulamento metrológico quando submetidos a distúrbios harmônicos? Além dos limites de distorções na carga e na fonte, definidos em normas, o medidor eletrônico monofásico unidirecional e bidirecional podem operar de forma satisfatória?  Nesse contexto, esta pesquisa tem como objetivo geral examinar o desempenho de medidor eletrônico monofásico unidirecional e bidirecional quanto à medição de energia elétrica ativa na presença de grandezas elétricas de tensão e corrente com distorções harmônicas. Através da análise laboratorial de um medidor eletrônico bidirecional homologado por uma distribuidora de energia foi verificado que para quantidades de distorções harmônicas estabelecidas em norma, o erro esteve dentro da faixa admissível pelo regulamento técnico do Inmetro. Para esse caso, os registros do medidor foram maiores que os valores reais. Porém aumentando a distorção harmônica com a ampliação de conteúdo harmônico não previsto no RTM, o erro do medidor esteve fora do limite estabelecido no regulamento legal. Neste caso os dados apontados no medidor foram menores que os reais, podendo ocasionar prejuízos para as concessionárias de energia. Porém mediante a análise laboratorial de medidores eletrônicos unidirecionais, de marcas variadas e modelos diferentes, mesmo com distorções harmônicas em condições previstas em norma e regulamento nacional, houve modelos de medidores que apresentaram erro fora da classe de exatidão. Nestes casos todos os registros foram maiores que os valores reais. Com a aplicação de distorção harmônica acima dos valores previstos pelo regulamento do Inmetro, o medidor unidirecional apresentou o mesmo comportamento do medidor bidirecional.      

A localização de faltas na linha de transmissão (LT) é um grande problema nos sistemas de energia elétrica (SEP), pois, identificando com precisão o ponto de ocorrência de uma falta em uma LT, é possível realizar uma restauração mais rápida da falta. Utilizamos uma Regressão por vetor de suporte com mínimo quadrado (LS-SVR) para determinar o local da falta com entradas fornecidas pelos Coeficientes de Frequência de Mel Cepstrais (MFCC), obtido a partir dos sinais de tensão. Utilizou-se uma linha modelada no software Altenative Transint Program (ATP) com base em parâmetros de uma linha real. Importa destacar que os MFCC são pouco utilizados aplicações da ferramenta de extração de características em problemas de localização de faltas em LT. A metodologia proposta foi capaz de fornecer com alta precisão a localização das faltas dos casos testados.

 A edição musical é normalmente limitada quando instrumentos musicais compartilham o mesmo canal de áudio, ou seja, os diversos sinais sonoros que compõe determinado arranjo musical estão somados e qualquer edição na tentativa de alterar algum instrumento pode afetar qualitativamente os outros. Desta forma, é interessante identificar sons misturados e separá-los em suas respectivas pistas sonoras, colocando cada instrumento em um canal de áudio exclusivo. Esta dissertação propõe a automatização deste processo, mais precisamente, procura trabalhar com instrumentos de percussão, isolando-os em canais distintos sem a necessidade de um músico ou produtor musical para tal tarefa. Para isso três abordagens são utilizadas: a primeira proposta utiliza filtros digitais enquanto a segunda e a terceira envolvem os conceitos de aprendizagem de máquinas através da parametrização do áudio de maneira supervisionada e não supervisionada, respectivamente. O conhecimento das principais frequências dos instrumentos aliado aos filtros digitais FIR formam a base da primeira proposta. Já a extração de características dos sinais de áudio aliada à segmentação automática em trechos de interesse é essencial às propostas de classificação de padrões. As técnicas kNN, rede MLP e Naive Bayes são testadas em diversos cenários na proposta supervisionada enquanto k-Médias e Rede SOM são avaliados na abordagem não supervisionada. Além de reconhecer a existência de determinado instrumento no áudio misturado, o presente trabalho identifica os instantes em que o som de tal instrumento ocorre, logo sendo possível tanto a criação de canais distintos como também a escolha de instrumentos substitutos (samples). Os resultados alcançados por todas as propostas se mostraram satisfatórios e podem ser avaliados através dos links disponibilizados.

A estimação da curva de potência em turbinas eólicas tem sua importância na predição da
potência elétrica gerada, monitoramento e funcionamento de aerogeradores, e assim, afetando
o investimento a ser realizado em parques eólicos. Todavia, os dados às vezes podem conter
outliers, o que podem atingir de forma significativa a modelagem. Utiliza-se da Regressão
Polinomial, técnica clássica muito empregada para esse objetivo, e atualmente, vem ganhando
destaque a utilização da Rede Perceptrom de Múltiplas Camadas (MLP) e recentemente, surge a
Máquina de Aprendizagem Extrema (ELM, Extreme Learning Machine) que tem demonstrado
ser uma solução plausível para modelagem global. Neste artigo, além das técnicas mencionadas,
são apresentadas também as Redes Neurais Artificiais (RNA’s): Rede Mapa Auto Organizável
com K vencedores (KSOM) e Mapeamento Linear Local (LLM), sendo estes baseados na
modelagem local. Estes modelos serão implementados por meio das técnicas dos Mínimos
Quadrados Ordinários (OLS) e Estimador M, para obtenção dos parâmetros a serem utilizados
na estimação, verificando o efeito dos outliers nos dados empregados. Nos resultados foram
atestados através de análises qualitativas e quantitativas, que os modelos propostos baseados
em modelagem local, comparados às técnicas convencionais, são soluções alternativas para
estimação da curva de potência em aerogeradores.

A previsão de carga é um assunto importante e fonte de muitos estudos em pesquisas atuais. Isso se deve às vantagens que um processo de previsão robusto pode oferecer no planejamento e operação de sistemas de energia. Nesta dissertação é proposta uma metodologia de previsão de curvas de carga baseada em combinação de algoritmos de agrupamento por meio de função consenso e uso de redes neurais dinâmicas. São utilizadas como base um conjunto de partições oriundas  dos algoritmos k-means e minCEntropy. Desta forma, é feita a previsão recursiva destas curvas, com discretização de 5 minutos, totalizando 24 horas e um horizonte de previsão de 288 passos a frente. Para esta finalidade é proposto o uso de duas redes neurais com memórias de longo prazo, a NARX (Nonlinear Autorregressive with Exogenous Inputs) e a LSTM (Long Short-Term Memory), além do uso da rede com atrasos de tempo na entrada FTDNN (Focused Time Delay Neural Network). O treinamento a partir da partição consenso se mostrou capaz de fornecer às redes neurais dados cujas características refletem as sazonalidades e periodicidades intrínsecas a este tipo de série temporal. Além disso, foi utilizada uma metodologia que contempla toda a etapa de pré-processamento, evitando que possíveis dados corrompidos por eventuais problemas relacionados a distúrbios ou falhas nos equipamentos de medição/aquisição dos dados possam interferir no desempenho dos algoritmos de agrupamento e das redes neurais. Foram utilizados dados reais de uma concessionária de distribuição de energia elétrica. Os índices de desempenho NMSE e MAPE mostraram que os modelos propostos foram capazes de fornecer baixos erros de previsão, podendo vir a ser uma alternativa eficiente frente a outros modelos de previsão comumente empregados.

Frente ao contexto nacional de oportunidades na implantação de geração distribuída através da fonte solar fotovoltaica em diversos nichos de plantas consumidoras e o cenário relacionado a diversificação da matriz elétrica nacional, este trabalho aborda a atratividade técnica, econômica e operacional na implantação de sistemas de geração fotovoltaico conectado à rede com consumo e armazenamento em baterias de íons de lítio em Aeroportos. A pesquisa foi realizada com os dados do Aeroporto de Teresina tendo por hipótese a existência de solução de geração fotovoltaica com armazenamento que possibilitasse a ampliação e melhoria da segurança operacional através da confiabilidade e continuidade operacional da infraestrutura elétrica. Dessa forma, o objetivo foi avaliar a atratividade técnica, operacional e econômica para implantação do sistema de geração fotovoltaico conectado à rede com consumo e armazenamento em bateria de íons de lítio no suprimento de energia elétrica secundário ao parque de equipamentos críticos do aeroporto de Teresina. A metodologia foi através da revisão bibliográfica acerca dos aspectos técnicos e regulatórios do tema avaliado; a pesquisa de campo que caracterizou o parque de equipamentos, a  infraestrutura elétrica aeroportuária, os aspectos regulatórios envolvendo a aviação e demais condicionantes climáticos e arquitetônicos da solução de geração proposta que viabilizaram o dimensionamento do gerador fotovoltaico e sistema de armazenamento através do software PV*SOL possibilitando assim a obtenção dos resultados para o objetivo proposto. Os resultados obtidos foram a potência do gerador fotovoltaíco de 615,49 kWp conectado à rede e sistema de armazenamento de 194,56 kWh/dia no cenário 1 e 81,92 kWh/dia nos cenários 2 e 3 para atendimento ao consumo durante cinco e duas horas/dia, respectivamente, com tempo resposta de 100 ms. O CAPEX para o cenário 1 foi de R$ 2.061.619,50, VPL de R$ 3.743.143,00, TIR de 8,65% e payback de 10,55 anos. Para o cenário 2 obteve-se CAPEX de R$ 1.490.033,12, VPL de R$ 2.326.109,00, TIR de 7,47 % e payback de 14,10 anos. O cenário 3 o CAPEX foi de R$ 1.490.033,12, VPL de R$ 453.840,00, TIR de 1,8% e payback de 21,58 anos. Conclui-se que a viabilidade econômica para implantação do projeto acontece no longo prazo, os fatores técnicos envolvidos apontam uma solução com alto nível de confiabilidade, continuidade e compatibilidade operacional para os sistemas elétricos críticos aeroportuários possibilitando inclusive melhoria e ampliação dos níveis de segurança operacional.

Dentre os processos industriais mais comuns, a utilização de tanques de nível são bastantes usuais na fabricação de
bebidas, cosméticos e inclusive na indústria do petróleo. O nível é uma variável importante na indústria não somente
para a operação do próprio processo mas também para fins de cálculo de custo e de inventário. E em alguns casos
o estudo e aplicação desse tipo de processo industrial requer um modelo do sistema para projetar malhas de
controle. No entanto, nem sempre se conhece as equações envolvidas no funcionamento de um determinado
sistema dinâmico, ou elas são conhecidas mas seriam impraticáveis, por limitações de tempo e recursos, levantar
tais equações e estimar respectivos modelos. Por esse motivo, o domínio de técnicas de identificação de sistemas é
importante, pois a construção de modelos ocorre a partir de dados observados em sistemas dinâmicos reais, de
modo que pouco ou nenhum conhecimento prévio do sistema seja necessário. Diante disso, fundamentado na teoria
de identificação de sistemas, redes neurais artificiais e funções Wavelets, o presente trabalho apresenta a
identificação de um sistema dinâmico de tanques de nível acoplados com características não lineares, utilizando
como ferramenta a Wavelet Neural Network (WNN), com o intuito de verificá‐la como uma alternativa para
identificação de sistemas dinâmicos. Para melhor avaliar as potencialidades não lineares da WNN, optou‐se por
utilizar um sistema de tanques, que por si só já possui natureza não linear. Além disso, o sistema possui acoplamento
de sinais, ruídos de medição e foi construído de forma artesanal. Tais características aumentam ainda mais a não
linearidade do sistema e, consequentemente, a complexidade para modelagem. Para excitar o sistema utilizou‐se o
sinal PRBS (Pseudo Random Binary Signal), que é um sinal de fácil geração, já que esse sinal possui apenas dois
valores possíveis e comuta entre níveis em instantes discretos. Com o sistema excitado coletou‐se dados de entradas
e saída afim de realizar a identificação. A estrutura de identificação utilizada foi a NNARX (Neural Network
Autoregressive, Exogenous Input). Uma vez coletado os dados do sistema e definido a estrutura de identificação,
realizou‐se a estimação e validação do modelo neural obtido com a WNN. Este foi comparado com um modelo neural
estimado utilizando a Rede Neural Multilayer Perceptron, para fins de comparação, obtendo‐se resultados
satisfatórios.

A reconfiguração da rede de um sistema de distribuição elétrica consiste em sua alteração topológica de operação, visando objetivos importantes como: redução de perdas, melhoria nos níveis de tensão, qualidade de energia, balanceamento de carga, entre outros.

Este trabalho apresenta uma nova abordagem ao problema de reconfiguração de redes de distribuição: é realizado o planejamento de operação, visando obter configurações mais ramificadas para alcançar topologias mais confiáveis. Para fazer o planejamento, o Algoritmo Genético é usado. Para considerar a ramificação, tratou-se a topologia radial como uma árvore (grafo sem ciclos) e convencionou-se que a maior ramificação é aquela com menor distância do nó raiz a todos os nós folhas da rede. Em outras palavras, considerando as definições das teorias dos grafos, a árvore de menor altura. O processo utilizado permite uma melhor redistribuição de ramos, realocando barras pertencentes a grandes corredores, em seções menores. Para verificar a desenvoltura da abordagem aqui proposta, analisaram-se as principais variáveis de qualidade de topologia, tais como: perfil de tensão, perdas ativas e número de consumidores sem eletricidade em caso de falta de energia.

O planejamento é realizado preparando a rede tanto para operação, quando é apresentado uma topologia com perfis de tensão adequados e mínimas perdas ativas, como para recomposição, quando a topologia proposta permite, em média, uma rápida recomposição do sistema na ocorrência de uma falta. Além disso, o Nondominated Sortinh Genetic Algorithms-II (NSGA-II) foi implementado para encontrar soluções que satisfaçam não apenas a minimização da altura total, mas também a minimização das perdas ativas. O Algoritmo Genético Multiobjetivo foi aplicado também para recompor os sistemas, em caso de falta única, buscando diversas soluções que minimizem as perdas resistivas e número de chaveamentos. Esta aplicação foi realizada para a escolha da melhor configuração de recomposição, analisando os custos envolvidos.

Os resultados das simulações, aplicados em sistemas de teste de 16, 33, 84 e 136 barras, mostraram que, ao minimizar o somatório da distância entre o nó fonte e os demais nós da rede, considerando-a como uma árvore, foi possível obter maior confiabilidade no sistema.

Segundo a Empresa de Pesquisa Energética (EPE), a fonte de geração de energia elétrica que apresentou maior crescimento percentual de 2017 para 2018 foi a solar fotovoltaica que obteve 316,1 % de aumento no período de um ano. Apesar do evidente crescimento, os módulos fotovoltaicos apresentam níveis baixos de eficiência e possuem alta dependência das condições ambientais, como irradiação solar e temperatura. Isto posto, o arranjo fotovoltaico deve operar sempre no ponto de máxima potência global (GMPP) para que seja aproveitado o máximo da energia gerada. Nesse contexto, algumas técnicas clássicas atingem esse objetivo de maneira satisfatória em condições de sombreamento uniforme. Entretanto, as condições ambientais variam durante o dia e esses métodos não conseguem extrair a maior potência disponível em condições de sombreamento parcial. O presente trabalho tem como objetivo propor uma técnica de rastreamento do ponto de máxima potência (MPPT) híbrida que utiliza uma combinação dos métodos Otimização por Enxame de Partículas (PSO) e Perturba e Observa (P&O), aplicada em sistemas fotovoltaicos sob condições de sombreamento uniforme e parcial. O sistema fotovoltaico foi modelado nos softwares MATLAB® e PSIM®. A técnica de MPPT proposta é comparada com as técnicas P&O clássica, PSO padrão e uma híbrida P&O-PSO. Os resultados de simulação mostraram que o algoritmo híbrido proposto consegue rastrear o GMPP em condições de sombreamento uniforme e parcial e apresentou maior exatidão (justificado pela eficiência de simulação acima de 99 %) e precisão (evidenciado pelo baixo desvio padrão). O tempo de rastreamento é 50 % menor que na técnica PSO padrão. Além disso, o método proposto consegue extrair 0,3 % a mais de energia elétrica do sistema fotovoltaico em comparação com o híbrido P&O-PSO. 

Os microinversores para painéis fotovoltaicos são capazes de transformar a energia con-tinua dos painéis fotovoltaicos em alternada com um valor de tensão nominal igual ao de fornecimento. Esta tecnologia está sendo cada vez mais aprimorada e um dos pontos a serem explorados é o rastreamento do máximo ponto de potência-MPPT para maxi-mizar a potência dos painéis.
Portanto, este trabalho propõe um algoritmo MPPT híbrido com tamanho de passo va-riável baseado nos métodos convencionais Perturba e Observa (P&O) e Condutância Incremental (CI). O método proposto é comparado com os métodos convencionais e com alguns métodos expostos na literatura. Os resultados simulados e experimentais do algoritmo proposto aplicado a um painel fotovoltaico implantado a um microinversor flyback conectado à rede mostram alta eficiência no rastreamento de energia, resposta rápida e estável para diferentes condições de irradiação e temperatura.

Resumo: Previsões de carga são realizadas em função de valores passados, porém a presença de falhas e outliers, podem influenciar seu resultado. Os dados de carga possuem perfis típicos, tornando fundamental a separação dos mesmos em grupos, conforme seus perfis. Sendo assim, para uma previsão de carga satisfatória, a mesma deve ser precedida por filtragem e agrupamento do banco de dados. Essa pesquisa propõe um algoritmo de pré-processamento de curvas de carga, de um transformador de extra alta tensão instalado em uma subestação, suscetível à intempéries e peculiaridades do sistema elétrico. A primeira etapa do algoritmo, refere-se à filtragem dos dados, através de um processo iterativo, utilizando filtro de hampel, para correção das curvas de carga e pesquisa de defeitos remanescentes, empregando o sinal do detalhe oriundo do banco de filtros com Transformada Wavelet Discreta (TDW). Na segunda etapa, associada ao agrupamento, um processo iterativo realizou a redução das curvas de carga, através do sinal de aproximação do banco de filtros TDW, nos seus diversos níveis, seguido do agrupamento das mesmas curvas, aplicando o algoritmo k-means. Destacam-se os resultados de filtragem satisfatório com correções otimizadas, além do que o número curvas excluídas indicou anormalidades no sistema de medição. Os resultados mostraram que agrupamento resultante representa curvas de carga com tipologias bem definidas, associadas aos dias das semana, classe de carga, meses do ano e estações climáticas, apesar do referido agrupamento ter sido realizado sem supervisão, ou qualquer informação prévia fornecida ao algoritmo.

Os Sistemas de Automação de Subestações (SAS) atuais, baseados na tecnologia dos
IEDs (Intelligent Electronic Devices), favorecem a interoperabilidade entre equipamentos de
diferentes fabricantes em conformidade com a norma IEC (International Electrotechnical
Commission) 61850. A comunicação entre os dispositivos dos sistemas PAC (Proteção
Automação e Controle) das subestações, antes realizada através de conexões elétricas entre
entradas e saídas binárias de equipamentos, começa a utilizar um meio digital para a troca de
informações através das mensagens GOOSE (Generic Oriented Object Substation Event). As
mensagens GOOSE são utilizadas, por exemplo, para enviar informações sobre a atuação dos
relés de proteção (substituindo os contatos elétricos). Já as mensagens SMV (Sampled Mensured
Value) enviam informações de corrente e tensão elétrica do sistema, em formato digital, através
da rede ethernet (substituindo os sinais analógicos convencionais). Essa Dissertação aborda
conceitos relevantes sobre os Sistemas de Proteção das Subestações modernas, que trabalham em
conformidade com a norma IEC 61850. São realizados testes do tempo de atuação para os relés
de proteção das principais funções, a saber: sobrecorrente temporizada não-direcional (50/51),
sobrecorrente direcional (67), diferencial de transformador (87) e de distância (21). Os tempos de
atuação dos disjuntores para as interfaces de disparo por relé auxiliar e pacote GOOSE são
comparados, sendo confirmado o benefício da redução do tempo de disparo devido ao uso do
padrão IEC 61850 nas subestações. São estabelecidos conceitos sobre as mensagens SMV,
utilizadas na digitalização dos parâmetros elétricos das Subestações para diminuir a dependência
dos condutores de cobre nos equipamentos de medição. Adicionalmente, é proposto um novo
algoritmo de repetição dos pacotes GOOSE baseado na lógica Fuzzy e através do interpretador
Scapy para Python, de modo a atender os arranjos com relés digitais de proteção em seletividade
lógica radial. Os pacotes ethernet GOOSE dos IEDs imediatamente a jusante são gerados de
acordo com a corrente elétrica circulante e o tipo de curva protetiva associada aos IEDs
imediatamente a montante. Os resultados demonstram redução média de até 400 ms no tempo de
eliminação das faltas, pelo uso do algoritmo de repetição GOOSE baseado na Lógica Fuzzy.

Este trabalho tem como objetivo aplicar Redes Neurais Artificiais (RNAs) para obter o diagnóstico da qualidade do óleo isolante de transformadores de potência a partir das concentrações de gases dissolvidos neste óleo. Tal diagnóstico é tradicionalmente obtido a partir da análise das propriedades físico-químicas do liquido, enquanto a concentração dos gases é utilizada para detectar as ocorrências de falhas incipientes no transformador. No entanto, existe uma dualidade entre essas duas características (BARBOSA, 2013). Análises de Óleo realizadas por mais de trinta anos em mais de 150 Transformadores de Potência do Brasil foram usadas para implementar e testar a ferramenta proposta. O objetivo principal é permitir um planejamento correto da manutenção de transformadores com menor custo, uma vez que apenas com a análise dos gases dissolvidos é possível inferir sobre a qualidade do óleo e a ocorrência de falhas. Quatro RNAs são testadas para realizar essa tarefa: Perceptron Multi Camadas, ou do inglês Multilayer Perceptron (MLP), Rede Função de Base Radial, ou do inglês Radial Basis Function (RBF), Rede Máquina de Aprendizado Extremo, ou do inglês Extreme Learning Machine (ELM), Rede Mapa Auto Organizável ou do inglês Self Organizated Map (SOM) e Rede Mapa Auto Organizável com K Vencedores, ou do inglês K-Winners Self Organizated Map (KSOM) . O desempenho das RNAs foi analisado e comparado entre elas e entre os métodos tradicionais de diagnósticos de óleo. Os resultados mostraram que a ferramenta proposta foi mais próspera que os métodos tradicionais de avaliação de óleo de transformadores.

O trabalho propõe a aplicação da modulação SHE-PWM ao Inversor Multinível Híbrido Simétrico Trifásico de Cinco Níveis baseado nas topologias Half-Bridge e ANPC proposto por Silva (2013) a fim de comparar o desempenho desta modulação frente as já aplicadas anteriormente nesta estrutura. De início é apresentada a topologia do inversor com seus possíveis estados de comutação, lógica de acionamento escolhida e detalhamento dos caminhos de corrente durante a operação do inversor. Em seguida é aplicada a estratégia de modulação SHE-PWM, apresentando-se a forma de onda desejada na saída do inversor para eliminar os harmônicos escolhidos, o cálculo dos ângulos de chaveamento pelo método de Newton-Raphson e a implementação digital da técnica usando FPGA. Foi realizado um estudo de desempenho do inversor através de simulação, na qual é analisado o conteúdo harmônico e as perdas usando um método de estimação no software PSIM. Por fim são apresentados os resultados experimentais referentes à estratégia de modulação SHE-PWM aplicada ao inversor, realizando uma análise comparativa em relação às outras duas modulações já aplicadas por Silva (2013), PD-PWM e CSV-PWM. Sendo mostradas as principais formas de onda, tais como: pulsos de acionamento dos interruptores, esforços de tensão e corrente nos interruptores, tensões de fase e de linha, bem como corrente na carga, estas relacionadas à operação do inversor com potência nominal. Para embasar a análise comparativa de desempenho da modulação em questão foram coletadas informações sobre o conteúdo harmônico e rendimento do inversor. Utilizando a modulação SHE-PWM, o conversor apresentou um melhor rendimento, superior a 96%, e com exceção do resultado obtido para o índice de modulação de 0,5, o conteúdo harmônico apresentou uma melhora para toda faixa de índices testados, sendo que para o melhor caso, índice de 0,9, a WTHD é 45% menor em relação a PD-PWM e 58% menor com relação a CSV-PWM.