UM MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES E EXTERIORES BARREIRA LOGARÍTMICA MODIFICADA COM ESTRATÉGIAS DE EXTRAPOLAÇÃO CÚBICA E CONVERGÊNCIA GLOBAL.
|
|
- Augusto Brandt Leveck
- 6 Há anos
- Visualizações:
Transcrição
1 Blucher Mechacal Egeerg Proceedgs May 4, vol., um. UM MÉODO PRIMAL-DUAL DE PONOS INERIORES E EXERIORES BARREIRA LOGARÍMICA MODIFICADA COM ESRAÉGIAS DE EXRAPOLAÇÃO CÚBICA E CONVERGÊNCIA GLOBAL. R. B. N. Phero, A. R. Balbo. Programa de Pós-Graduação em Egehara Elétrca, Faculdade de Egehara de Bauru FEB/UNESP, Bauru-SP (rbeop@hotmal.com). Departameto de Matemátca, Faculdade de Cêcas FC/UNESP, Bauru-SP. Resumo. Neste trabalho apresetamos um método prevsor-corretor prmal-dual de potos terores e exterores barrera logarítmca modfcada com estratégas de extrapolação cúbca e covergêca global (MPIBLMCG-EX). Na defção do algortmo proposto, a fução barrera logarítmca modfcada exste e auxla o método em sua calzação com potos váves que pertecem à regão de vabldade relaxada (amplada). Porém, a vabldade pode ocorrer em potos que ão estão próxmos à frotera relaxada ou ão perteçam a esta regão, cosequetemete, mplcado a ão exstêca da fução barrera logarítmca modfcada. Para suprr essa dfculdade uma extrapolação cúbca, que preserva as dferecas de prmera e seguda ordem as proxmdades da frotera, é aplcada ao método o procedmeto prevsor, são realzadas atualzações do parâmetro de barrera os resíduos das restrções de complemetardade, cosderado aproxmações de ª. ordem do sstema de dreções de busca, equato que o procedmeto corretor, cluímos os termos quadrátcos ão-leares dos resíduos ctados, que foram desprezados o procedmeto prevsor. Cosderamos também a estratéga de covergêca global para o método, a qual utlza uma varate do método de Leveberg-Marquardt para atualzar a matrz dual ormal da fução lagragaa caso esta ão sea defda postva. Neste caso, esta matrz é redefda para restrções prmas, de gualdade, desgualdade e varáves caalzadas, corporado varáves duas e matrzes dagoas relatvas às restrções de complemetardade. Uma mplemetação deste método, realzada em Matlab 6., mostrou-se efcete quado aplcada em problemas de FPO, da área de Sstema Elétrco de Potêca (SEP) em Egehara Elétrca, cua fução obetvo e o couto de restrções são fuções ão-leares e ão-covexas. Neste trabalho apresetamos os resultados da aplcação do método em destaque para o sstema elétrco IEEE- 8. Palavras-chave: Método de poto teror, extrapolação cúbca, covergêca global.
2 O MÉODO PREVISOR-CORREOR PRIMAL-DUAL DE PONOS INERIORES BARREIRA LOGARÍMICA MODIFICADA (MPIBLM). Para a defção do método prevsor-corretor prmal-dual de potos terores barrera logarítmca modfcada (MPIBLM), cosderamos o segute modelo geral de otmzação ãolear com restrções de gualdade, de desgualdades caalzadas e de varáves caalzadas: ( x) M f s. a : g ( x) = u h( x) u l x l (.) em que: x R, f ( x) : R R é a fução obetvo, g( x) : R R e h( x) : R R são fuções de classe C e a codção de qualfcação de restrções é a aquela proposta por (Magasara, et al., 976). O problema (.) é trasformado em problema de otmzação ãolear rrestrto e equvalete, de acordo com [] a qual utlza a fução barrera modfcada apresetada por [], a segur: m r M L = f z z = = m µ ( δ 3 ) l ( z3 ) µ ( 4 ) l δ ( z4 ) + ( λ ) g t t ( x) + = = t= r + ( λ ) ( h ( ) + ( u ) + ( z ) ) + ( λ ) ( h ( ) ( u ) + ( z ) ) + x x r r ( ω) ( x) µ ( δ ) l ( ) µ ( δ ) l ( ) = ( λ3 ) ( x ( l ) ( z3 ) ) ( λ4 ) ( x ( l ) ( z4 ) ) = (.) + ode: µ R * é o parâmetro de barrera δ, δ R e δ3, δ4 R são vetores estmadores dos multplcadores de Lagrage restrções de gualdade * m r + λ R é o vetor de multplcador de Lagrage referete às r + λ,λ R são os vetores de multplcadores de Lagrage referete às + restrções fucoas caalzadas λ, λ R são os vetores de multplcadores de lagrage 3 4 referete às varáves caalzadas z, z R e z, z R são varáves de folga z ( z ) = + µ, z ( z ) = + µ, z3 ( z3 ) = + z e ( z 4 4 ) = + são as varáves µ µ prmas defdas pela relaxação das restrções de desgualdade de (.) em relação às varáves de folga z >, z >, z3 > e z4 > tas que: z > µ, z > µ, z 3 > µ e z 4 > µ r 3 4 +
3 m+ 5+ 4r ω = ( x,z,λ,λ ) R * é o vetor de varáves da fução lagragaa aumetada teror L( ω ). As codções de KK são recuperadas ao aplcarmos a codção ecessára de otmaldade L( ω) =. Essas codções são apresetadas a segur: ( ) ( ) ( ) ( ) ( ) ( ) ( ) xl = f x + g x λ + h x λ λ λ 3 + λ4 = L = = λ g x L = + + = λ h x u z L = + = λ h x u z λ L = x + l + = 3 z3 L( ω) = L = x l + z = λ δ λ4 4 z L = Z µ = z L = Z µ = z L = Z 3 µ = λ δ λ δ z L = Z 4 µ = λ δ (.3) R são, respectvamete, as matrzes acobaas dos Z = dag ( + z ), =,..., 4. Em cada equação do sstema ão- ω learzaremos por um aproxmate de aylor de prmera ordem. Assm, temos o sstema lear a segur: m r ode: g( x) R e h( x) fucoas g( x ) e h( x ) e ( µ ) lear L( ) = ode: A d = b (.4) ω
4 A ( ) ( ) ( ) I I Κ g x h x h x g ( x ) h( x ) Ir h( x ) Ir = I I (.5) I I Λ Z Λ Z Λ3 Z 3 Λ4 Z 4 m r em que: Κ = f ( ) + ( λ ) gt ( ) + ( λ λ ) h ( ) detdade de ordem ( ),,..., 4 ω x z λ λ d = d,d,d,d = e b x x x I é a matrz t t= = I r é a matrz detdade de ordem r e dag ( λ ) b é o vetor resdual defdo por: ( ) ( ) ( ) ( ) ( ) ( ) ( ) + f x g x λ h x λ λ + λ λ t : g x t : h x z u t : h x z u t 3 : x z l 3 = t 4 : x z + l 4 Zλ + µ δ D d z λ Z λ + µ δ D d z λ Z 3λ3 + µ δ3 D d z λ 3 3 Z λ + µ δ D d 3 4 Λ = z λ 4 4 (.6)
5 em que: D = dag ( d ), =,..., 4. Para a defção do procedmeto prevsor, desprezamos os z z resíduos ão-leares D d, =,..., 4, sto é, a pror defmos esses resíduos como ulos, z λ pos descohecemos essas dreções. Essa estratéga é uma varate do método prevsor-corretor de [3], dferecado-se do procedmeto defdo por esses autores, pos cosderamos o parâmetro de barrera, defdo as codções de complemetardade apresetadas em (.3), o procedmeto prevsor, para o cálculo das dreções de busca. Assm, com procedmetos algébrcos, defmos, a segur, o quadro de dreções prmas e duas: ode: ( ( ) ) ( ) ( ) ( ) f ( ) d = g x θ g x g x θ x + c + µ φ + t λ λ ( ) ( ) ( ) ( ) ( ) d x c φ g x λ g x d x = θ f + + µ + + λ z = + x d h x d t z x d = h x d + t z3 x 3 d = d + t z4 x 4 d = d + t λ = Z Λ + µ Z z d d δ λ d λ d µ Z z δ λ = Z Λ + λ = Z 3 Λ 3 + µ Z 3 3 z3 3 3 d d δ λ λ = Z 4 Λ 4 + µ Z 4 4 z4 4 4 d d δ λ h( x ) ( ) h( x ) ( ) ( ) ( ) ( ) : θ R Κ + Z Λ + Z Λ + Z Λ + Z Λ : Z Λ Z Λ + Z 3 Λ3 Z 4 3 Λ4 4. (.7) (.8) c R h x t t t t (.9) : Z + Z Z Z 4 4 φ R h x δ δ δ δ. (.) Com as dreções do procedmeto prevsor calculadas, ca-se o procedmeto corretor cosderado os resíduos ão-leares D d, =,..., 4, pos agora cohecemos essas dreções. z λ O quadro de dreções do procedmeto corretor é aálogo ao do procedmeto corretor. A dfereça está a complemetação de expressões algébrcas sobre o vetor c, em que, para dstgu-lo do procedmeto prevsor, o defremos por c apresetado a segur:
6 ( ) ( Z Z D Z Z D z λ ) z λ c = h x Λ t + d Λ t d t d z λ t d z λ Z Λ + Z D Z Λ Z D (.) ( ),,..., 4 ω x z λ λ Com as dreções corrgdas d = d,d,d,d = calculadas, defmos o cálculo do tamaho do passo prmal apresetada a segur: α p e do passo dual α d pela regra apresetada em [4]. Esta é z m, m, ( ) ( ) ( ) z ( ) ( > e dz < dz z > e dz ) < ( dz ) =,..., r α p = m ( z3 ) ( z4 ),..., m, m, = ( ) ( ) ( ) z ( ) ( 3 > e dz3 < dz3 z4 > e dz4 ) < ( dz 4 ) ( z ) ( λ ) ( ) λ m, m, ( ) ( ) ( ) λ ( ) ( ' > e dλ < dλ λ > e dλ ) < ( dλ ) =,..., r α d = m. ( λ3 ) ( λ4 ),..., m, m, = ( ) ( ) ( ) λ ( ) ( 3 > e dλ3 < dλ3 λ4 > e dλ4 ) < ( dλ 4 ) Etão, a expressão que defe + ω é defda por: ( ) (.) (.3) + = ω ω + α d. (.4) Dado um escalar ε > sufcetemete pequeo, verfcamos se o crtéro de parada do + MPIBLM é satsfeto se a segute codção está satsfeta: L ( ω ) ω ε. Caso o crtéro ão sea satsfeto, atualzamos o parâmetro de barrera µ por uma heurístca defda por: em que α (,) µ de Lagrage + = µ (.5) µ α µ R é defdo prevamete atualzamos os estmadores dos multplcadores δ pela segute regra: + + e recamos o procedmeto prevsor-corretor. δ = λ, =,..., 4 (.6)
7 A ESRAÉGIA DE CONVERGÊNCIA GLOBAL. ( ω ) L Uma vez que θ = é smétrca e defda postva, etão a Decomposção de x x Cholesy (DC) é possível de ser realzada. Caso a DC ão sea possível uma estratéga, que pode ser ecotrada em [5]e em [6], é aplcada ao método. Essa estratéga é uma perturbação sobre a matrz θ a qual é defda da segute maera: θ = θ + β I (.7) ode β R + é deomado por parâmetro de dampg ou parâmetro de amortecmeto do método de Leveberg-Marquardt, o qual fo desevolvdo para a resolução de problemas de quadrados mímos. Assm, equato a DC ão for satsfeta, a perturbação (.7) é aplcada, sto é, essa estratéga trasforma o MPIBLM de tal forma a determar e garatr uma sequêca de dreções de descda para a determação de ovos potos, covertedo-o em um método prmal-dual com estratéga de covergêca global (CG), sto é, o MPIBLM trasforma-se em MPIBLMCG. O parâmetro β flueca tato a dreção quado o tamaho do passo, assm, o procedmeto de Leveberg-Marquardt ão ecessta de uma busca lear para descobrr o tamaho do passo a ser dado em cada dreção de busca em uma teração qualquer. Sea lm o úmero de terações ecessáras para torar a matrz θ em defda postva, etão temos o processo teratvo defdo a segur: β ( ) = β µ µ lm lm µ µ + (.8) em que µ = µ lm e β é defdo por β = β +. Para uma teração que passa do procedmeto corretor para o procedmeto prevsor, ou sea, para uma teração +, podemos atualzar o valor de β de acordo com as defções a segur, que propõe uma modfcação a defção do parâmetro de amortecmeto em relação àquela ecotrada em [5]: + ω ω <, etão β é atualzado pela heurístca: ) Se L( ) L ( ), 5 + ) Se L( ) L ( ) >,5 ) Se L( ) L( + ) β β + = (.9) 3 ω ω, etão β é atualzado pela heurístca (.8) (.), 5 ω ω,75, etão β ão será alterado. (.)
8 3 A ESRAÉGIA DE EXRAPOLAÇÃO CÚBICA. Na defção do algortmo proposto, a pealzação logarítmca modfcada exste e auxla o MPIBLMCG em seu procedmeto com potos váves que pertecem à regão de vabldade relaxada (amplada ou aumetada). Porém, a vabldade pode ocorrer em potos que estão próxmos ou que ão perteçam à regão relaxada, cosequete, mplcado a ãoexstêca da fução barrera logarítmca modfcada. Para suprr essa dfculdade, uma extrapolação cúbca, que preserva as dferecas de prmera e de seguda ordem, é aplcada ao MPIBLMCG. Essa extrapolação é uma varate do auste quadrátco para fuções barreras modfcadas que pode ser ecotrado em [7] e, com mas detalhes, em [8]. Por smplcdade, z z z ou z 4. R : o parâmetro de proxmdade da varável de folga z à frotera teror defremos por z uma compoete qualquer dos vetores,, 3 Sea τ (,) relaxada. Se z τµ, etão a fução barrera modfcada ( z) Ψ é defda por: z Ψ ( z) = l+. Caso cotráro, se z < τµ, uma extrapolação cúbca é defda pelo µ polômo a segur: q3 3 q Ψ ( z) = z + z + q z + q 6 (.) em que: 3 τ 5τ + 6τ q = l ( τ ) + 3 6( τ ) ( 3τ 3τ + ) q = 3 µ ( τ ) (.3) 3τ q = 3 µ ( τ ) q3 = 3 3 µ ( τ ) Quado há a ecessdade de extraplação, a matrz q3 Ψ '( z ) = dag z + q z + q. + O parâmetro de barrera µ é atualzado, se L ( ω ) e faça-se o teste: se para todo z obtermos que Caso cotráro, se para algum z obtermos Z é defda por > ε, da segute maera: µ + =, 68 µ (.4) + + z τµ + +, a heurístca (.4) permaece. z < τµ, µ + recebe o segute cremeto: µ + =,38 µ (.5)
9 e rece o procedmeto prevsor-corretor. Com a estratéga de extrapolação cúbca (EX) defda e aplcada sobre o método MPIBLMCG, temos o método MPIBLMCG-EX. 4 O MPIBLMCG-EX APLICADO AO PROBLEMA DE FLUXO DE POÊNCIA ÓIMO REAIVO. Aplcamos, através de uma mplemetação costruída em MALAB 6., o MPIBLMCG- EX ao problema de fluxo de potêca ótmo reatvo (FPO-Reatvo). O FPO-Reatvo é um feômeo observado e estudado o âmbto da egehara elétrca em uma subárea deomada por sstemas de potêcas. Esse feômeo é modelado matematcamete como um problema de otmzação ão-lear cua regão de vabldade é ão-covexa e o obetvo é o de mmzar as perdas de potêca atva a trasmssão e que ateda aos segutes crtéros: ) às les de Krchoff (restrções fucoas de gualdade) ) aos geradores que cotém o cotrole reatvo (restrções fucoas de desgualdade) ) às magtudes dos fasores de tesão e âgulo em cada barra, em que a tesão é cotrolada por um lmtate mímo e máxmo (varáves caalzadas) e os âgulos são rrestrtos. O Modelo de um FPO-Reatvo é defdo, segudo [9], a segur: ( ) NL M f f g V V V V = s. a : l V bar bar l bar γ bar ( x) = ( V, γ) = ( ) + cos( γ γ ) m m m m ( ( γ γ ) ( γ γ )) esp Pt P V G V Vm Gm m Bm m m Ω esp Qt Q ( ( ) ( )) V B V Vm Gm γ γ m Bm γ γ m m Ω ( se ( ) cos( )) cr + m m γ γ m m γ γ m cr m Ω = cos + se = = + se cos = u V B V V G B u (.6) em que: f ( x ) : é a fução obetvo, que represeta as perdas de trasmssão de potêca atva a trasmssão a rede NL: é o úmero de lhas de trasmssão que compõe o sstema V R : é o vetor de tesões, tal que, NB é o úmero de barras do sstema γ NB : Vetor de âgulos V : é a tesão a barra a coectar γ : é o âgulo da tesão da barra a coectar V m : é a tesão a barra m a ser coectada γ m : é o âgulo da tesão da barra m a ser coectada g : é a codutâca da lha a qual coecta as barras e m P t : é a equação de balaço ( ) m NB
10 de potêca atva. O sstema cotém ( NB ) equações atva gerada e a Potêca atva cosumda a barra Q t esp P : é a dfereça etre a Potêca : é a equação de balaço de potêca reatva. O sstema cotém NBC equações, ode NBC é o úmero de barras de carga dfereça etre a Potêca reatva gerada e a Potêca reatva cosumda a barra esp Q : é a cr : é o úmero de barras de cotrole de reatvos ( NBCR ) bar : é o úmero de barras do sstema Ω : é o couto de todas as barras vzhas à barra Ym = Gm + Bm, = : é a matrz de Admtâca das lhas as quas coecta com m Ω. Neste trabalho, o âgulo da barra de referêca, cohecda como barra slac, ão será fxado em zero equato o MPIBLMCG-EX está em procedmeto. Após o crtéro de covergêca do MPIBLMCG-EX ser satsfeto, se defrmos por γ slac ao âgulo correspodete à barra slac, cada compoete γ, =,...,, do vetor γ é redefdo com a operação ( γ γ ) 8 slac π, assm, o âgulo γ está defasado em relação ao âgulo zero defdo pela barra slac e a gradeza é apresetada em graus os taps dos trasformadores são todos fxos e, a exstêca de tap em uma lha de trasmssão, utlzamos o verso umérco desse valor para a costrução da matrz Y m utlzamos a potêca de base p. u. equvale a MW. megawatts ( MW ), sto é, udade ( ). Resultados para o sstema IEEE-8. O baco de dados do sstema IEEE-8 barras pode ser ecotrado em []. O sstema IEEE-8 barras cotém 64 são barras de carga, 54 barras geradoras com cotrole de reatvo e 86 lhas de trasmssão. O sstema cotém 8 restrções de gualdade, detre as quas, 7 são do tpo P e 54 são do tpo Q, e 54 restrções de desgualdades caalzadas em que as caalzações das tesões e âgulos são defdas respectvamete por,95 V, e -99 γ 99. Icamos o método com V e γ defdos pelo baco de dados cada compoete dos vetores dos estmadores dos multplcadores de Lagrage δ =,..., 4, é defda por, p. u, µ =, β =,, τ =, 45. Utlzamos (.3) para obtermos z e λ, =,...,4, e =,...,4. A dmesão do vetor ω é 577, sto é, esse cotém 577 varáves. A precsão utlzada é ε = p. u. para a verfcação das codções de KK é o crtéro de parada do método. A matrz θ cotém elemetos, detre os quas 3968 são ão-ulos, sto é, a matrz cotém 7,4% de elemetos ão-ulos. A matrz ( ) θ ( ) elemetos, detre os quas 376 são elemetos ão-ulos. g x g x cotém 376
11 O método covergu em 4 terações. As perdas de potêca atva a trasmssão são * f x MW, a magem pela fução lagragaa está avalada avaladas em ( ) =7, ω * em L( ) =7, MW, as avalações as restrções de gualdades são avaladas 3 em: max ( P) = 4,9366 p. u. e ( Q) max = 6,66338 p. u. a avalação do gap 5 dual (codções de complemetardade) é avalada em ( gap) precsão da solução ótma é avalada em L( ω ) * max = 5,968 p. u. a = 4,9366 p. u. Os parâmetros µ e β são avalados em 5, e,76, respectvamete. A tabela apreseta os cotroles de reatvos ótmos. Destacamos as barras 5, 34, 36, 6, 65, 66, 74, 85, 9 e 5, pos essas estão operado em seus lmtates ferores ou superores. Por serem restrções atvas em * x, seus respectvos multplcadores de Lagrage são ão-ulos. Esses estão avalados, em p. u., respectvamete por:,47967,66784,748,7997,3367, ,68488,385, e, abela : Os cotroles de reatvos ótmos para o sstema IEEE-8 obtdos pelo método MPIBLMCG-EX. Barra AVALIAÇÃO DOS CONROLES DE REAIVOS (em p. u. ) * u ( ) -,5-3, -,3-3, -,47 -,35 -, -,6 -,8-3, -,47 -, -3, -3, -,4 -,8 -,8-3, -3, -, -,85-3, -,8 -,8 h x u, , , , , , , ,353688, , ,47 -, , , , ,83 -,8, , , , , ,74436, ,5 3,,5 3,,,,3,5,4 3,,4, 3, 3,,4,4,4 3, 3,,, 3,,3,5
12 ,6 -, -, -,67 -,67-99, -, -, -, -,6 -,8 -, -,65 -,8 -, -, -3, -, -,3 -, -,5 -,5 -,8 -,8 -, -,8 -, -, -, -, -, , , -, , , , , , , , , , ,3, , , , ,9 -, , , , ,8 -, , , , , , ,8 3,,,, 99,,3,,,9,3,7,8,3, 3, 3,,,9,,55,4,3,3,,3,,,, A fgura apreseta a sequêca de soluções das tesões obtdas pelo método ao logo das terações.
13 Fgura : Sequêca dos potos V obtdos pelo método MPIBLMCG-EX para o sstema IEEE- 8. Notamos a fgura que as tesões V 4, V 9, V 5, V 37, V 66, V 69, V 8, V 87, V 89 e V estão operado em seus lmtes máxmos. Por serem restrções atvas em V, seus respectvos multplcadores de Lagrage são ão-ulos. Esses estão avalados, em p. u., respectvamete por:,35,87749,343878,7394,653443,65799,59597,553,48648 e, *
14 Fgura : As tesões ótmas determadas pelo MPIBLMCG-EX em seus lmtes de defção para o sstema IEEE-8. A fgura 3 apreseta * γ, em graus: Fgura 3: Os âgulos ótmos determados pelo MPIBLMCG-EX para o sstema IEEE-8.
15 A fgura 4 apreseta a sequêca de multplcadores de Lagrage método: λ gerados pelo Fgura 4: Sequêcas de potos λ gerados pelo MPIBLMCG-EX para o sstema IEEE-8. A fgura 5 apreseta a sequêca de multplcadores de Lagrage λ, =,..., 4, geradas pelo método. Fgura 5: Sequêcas de potos λ, =,..., 4, geradas pelo método MPIBLMCG-EX para o sstema IEEE-8.
16 A fgura 6 apreseta a sequêca de valores da fução obetvo obtda pelo método em cada teração. Fgura 6: Sequêca de valores da fução obetvo gerados pelo MPIBLMCG-EX para o sstema IEEE-8. A fgura 7 apreseta a evolução do parâmetro de amortecmeto terações. β ao logo das
17 Fgura 7: Evolução do parâmetro de amortecmeto β gerado pelo MPIBLMCG-EX para o sstema IEEE-8. Na fgura 7 observamos que a θ ecesstou de um salto o amortecmeto para torá-la defda postva, a ª teração. O método, a partr dessa teração, utlzado-se dos crtéros apresetados em (.9) a (.), gerou uma sequêca decrescete para o parâmetro de amortecmeto até a 5ª teração. Esta sequêca apreseta osclações de baxa ampltude etre as terações 6 a 8 até se establzar, em um valor fto em toro de,76, a partr da 9ª teração. Esse valor os mostra quão mal codcoada ou quão stável é a matrz θ para uma sutl mudaça de dreção de busca quado x x *, pos β ão tede para zero, sto é, algum autovalor da matrz hessaa tora-se egatvo e a Decomposção de Cholesy ão é possível. O autovalor que causa essa stabldade pertece à lha e colua da matrz D de autovalores de θ o qual é avalado, segudo o comado eg( θ ) do MALAB, em, Após a aplcação da estratéga global, apresetada a seção, esse autovalor é avalado em 7,63 e, assm, o MPIBLMCG-EX tem codções sufcetes de gerar uma ova dreção de descda. 5 CONCLUSÕES. Neste trabalho apresetamos um método prevsor-corretor prmal dual de potos terores e exterores barrera logarítmca modfcada, com estratégas de extrapolação cúbca e de covergêca global (MPIBLMCG-EX). O método fo efcete devdo aos segutes aspectos: ) ao procedmeto prevsor-corretor, por cosderar todos os resíduos codzetes às vabldades prmal, dual e codção de complemetardade. Portato, esse cotrbuu ao
18 refameto das dreções de busca, ao tratameto da esparsdade da matrz dos coefcetes do sstema (.5) e também por explctar as equações de cada uma das dreção de busca ) ao procedmeto barrera logarítmca modfcada, pos esse possblta que covergêca do método para potos pertecetes à frotera da regão vável do problema (.) de forma exata e ão-assstótca, equato que, o procedmeto barrera logarítmca clássca de [], a covergêca, se ocorrer, é asstótca só possblta a obteção de potos da frotera de forma aproxmada. ) à estratéga de covergêca global, a qual é uma varate do método de Leveberg- Marquardt que austa os autovalores dagoas da matrz hessaa θ, torado-os postvos de tal forma que θ tora-se dagoalmete domate e é trasformada em defda postva. Essa estratéga é teressate, pos ão utlzamos procedmeto de busca lear para o cálculo do passo, mesmo que a regão de vabldade é ão-covexa e por garatr que a matrz hessaa é ão-sgular a medda que ω ω *, sto é, a estratéga também evtou a stabldade umérca, se o crtéro de parada cosderarmos ε > muto pequeo v) à estratéga de extrapolação cúbca ou de auste cúbco, a qual auxlou ao MPIBLMCG em ocasões extremas em que uma varável de folga vesse a traspor a regão de vabldade relaxada ou ão ateder o crtéro de que z τµ. Esta extrapolação é defda através de um polômo que preserva as dferecas de prmera e de seguda ordem do logartmo o poto z = τµ. Essa estratéga os permtu a aplcação de uma ova heurístca para a atualzação do parâmetro de barrera em problemas de programação ão-lear e ãocovexo, de tal forma a cremetar esse parâmetro a terações em que o auste cúbco fosse ecessáro e reduz-lo a uma taxa α µ superor a,5. Observamos que, em problemas de FPO- Reatvo, para α µ >,5 a possbldade de que o logartmo modfcado ão estea defdo para algum z < µ, uma teração. Cosderado-se aos aspectos apresetados acma, o MPIBLMCG-EX, o qual fo aplcado ao problema de FPO-Reatvo, que é um problema de otmzação ão-lear e ãocovexo, sobre o sstema elétrco de potêca de 8 barras, mostrou-se robusto por resolvê-lo e efcete pelo fato de que foram ecessáras 4 terações para obtermos a solução ótma do problema de maera que o crtéro de parada fosse satsfeto em relação à precsão 4 ( ) L ω. A
19 6 REFERÊNCIAS. [] Sousa V. A., "Resolução do Problema de Fluxo de Potêca Ótmo Reatvo Va Método da Fução Lagragaa Barrera Modfcada". ese (Doutorado), São Carlos: Escola de Egehara de São Carlos, Uversdade de São Paulo, 6. [] Polya, R., Modfed barrer fuctos. Mathematcal Programmg, vol. v.54,., p. 77, 99. [3] Wu, Y., Debs, A. S., Marste. R. E., A Drect Nolear Predctor- Corrector Prmal-Dual Iteror Pot Algorthm for Optmal Power Flow, IEEE rasactos o Power Systems, vol. 9, pp , 994. [4] Gravlle, S., Optmal Reactve Dspatch hrough Iteror Pot Methods, IEEE rasactos o Power Systems, vol. 9, pp , 994. [5] Bazaraa, M. S., Sheral, H. D., Shetty, C. M., Nolear Progremmg: heory ad Algorthms, 3 ed., New Jersey: Wley Iterscece, 6. [6] Beso, H. Y., Shao, D. F., Vaderbe, R. J., Iteror-Pot Methods for ocovex olear programmg: Jammg ad comparatve umercal testeg, Operatos Research ad Facal Egeerg,. [7] Perera, A. A., "O método da fução lagragaa barrera modfcada/pealdade." Dssertação (mestrado), São Carlos: Escola de Egehara de São Carlos, Uversdade de São Paulo, 7. [8] Matol, L., "Uma ova metodologa para costrução de fuções de pealzação para algortmos de lagrageao aumetado".ese (Doutorado), Floraópols, Sata Catara: Programa de Pós-Graduação em Egehara de Produção, Uversdade Federal de Sata Catara,. [9] Motcell, A., "Fluxo de carga em redes de eerga elétrca", São Paulo: Edgard Blücher, 983. [] Uversty Washgto Electrcal Egeerg. [Ole]. Avalable: [Acesso em 6 Março ]. [] Frsch, K. R., he Logarthmc Potetal Method for Covex Programmg, 955. }
Depto. de Matemática, Faculdade de Ciências FC/UNESP. CEP: , Bauru, SP.
September -8, Ro de Jaero, Brazl UM MÉODO PRIMAL-DUAL DE PONOS INERIORES BARREIRA LOGARÍMICA MODIFICADA COM ESRAÉGIAS DE AJUSE CÚBICO E DE CONVERGÊNCIA GLOBAL PARA PROGRAMAÇÃO NÃO-LINEAR E NÃO- CONVEXA.
Leia maisMétodos de pontos interiores com estratégia de barreira logarítmica modificada em problemas multiobjetivo de despacho econômico e ambiental
Métodos de potos terores com estratéga de barrera logarítmca modfcada em problemas multobetvo de despacho ecoômco e ambetal Améla de Lorea Staza Atoo Roberto Balbo Leoardo Nepomuceo Edméa Cássa Baptsta
Leia maisI Seminário da Pós-graduação em Engenharia Elétrica
MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES EM PROBLEMAS DE DESPACHO ECONÔMICO COM RESTRIÇÃO AMBIENTAL Améla de Lorea Staza Alua do Programa de Pós-Graduação em Egehara Elétrca Uesp Bauru Prof. Dr. Atôo Roberto
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia maisForma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia mais1. Revisão Matemática
1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisII Seminário da Pós-graduação em Engenharia Elétrica
MÉTODOS HÍBRIDOS DE PONTOS INTERIORES E DE PROGRAMAÇÃO INTEIRA 0- EM PROBLEMAS DE CUSTO DE TRANSPORTE E GERAÇÃO DE ENERGIA DA BIOMASSA DE CANA-DE-AÇÚCAR Camla de Lma Alua do Programa de Pós-Graduação em
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de ovembro de 00 Ro de Jaero/RJ PROGRAMAÇÃO NÃO LINEAR COM PARÂMETROS FUZZY Luza Amala Pto Catão Akebo Yamakam DT FEEC UNICAMP CP: 60 3083-970 Campas SP
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisNúmeros Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.
Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real
Leia maisDiferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais
Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisUM MÉTODO HÍBRIDO ENVOLVENDO OS MÉTODOS DE PONTOS INTERIORES E BRANCH-AND-BOUND EM PROBLEMAS MULTIOBJETIVO REFERENTES AO CULTIVO DA CANA-DE-AÇÚCAR
U ÉTODO HÍBRIDO ENVOLVENDO OS ÉTODOS DE PONTOS INTERIORES E BRANCH-AND-BOUND E PROBLEAS ULTIOBJETIVO REFERENTES AO CULTIVO DA CANA-DE-AÇÚCAR Camla de Lma Programa de Pós-Graduação em Egehara Elétrca, FEB,
Leia maisAlgoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações
Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do
Leia mais(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0
EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()
Leia maisCapítulo V - Interpolação Polinomial
Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode
Leia maisDiego Nunes da Silva. Programa de Pós-Graduação em Engenharia Elétrica FEB, Unesp, Bauru, Brasil
Um Método Prmal-Dual de Pontos Interores Barrera Logarítmca Modfcada com Aproxmantes Splne aplcado ao Problema de Despacho Econômco com Ponto de Válvula Dego Nunes da Slva Programa de Pós-Graduação em
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia mais4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos
4 éccas de Seleção de Característcas Idepedetes do Modelo para os Sstemas Neuro-Fuzzy Herárqucos 4. Itrodução Na maora das aplcações reas de classfcação, prevsão e otmzação, as bases de dados cotém um
Leia maisCapítulo 8. Método de Rayleigh-Ritz
Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para
Leia mais4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha
4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,
Leia mais( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.
PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor
Leia maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisProblema geral de interpolação
Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisCADERNO 1 (É permitido o uso de calculadora gráfica.)
Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos
Leia maisRESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )
NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisEstatística. 2 - Estatística Descritiva
Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA
Leia mais16 - PROBLEMA DO TRANSPORTE
Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,
Leia maisEstabilidade no Domínio da Freqüência
Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;
Leia mais3 Sistema Neuro-Fuzzy Hierárquico BSP (NFHB)
3 Sstema Neuro-Fuzzy Herárquco BSP (NFHB) 3.. Itrodução Os sstemas euro-fuzzy descrtos a seção ateror possuem lmtações por terem uma capacdade reduzda de cração de sua própra estrutura e de receberem um
Leia maisUM MÉTODO DE PROJEÇÃO PARA PROBLEMAS DE COMPLEMENTARIDADE LINEAR
Vol., No., p. 69-79, dezembro de Pesqusa Operacoal 69 UM MÉTODO DE PROJEÇÃO PARA PROBLEMAS DE COMPLEMENTARIDADE LINEAR Crstae Mara Alves Pssarra Petroo Pulo Isttuto de Matemátca, Estatístca e Computação
Leia maisModelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
Leia maisMA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04
MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de
Leia mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisMétodos Híbridos de Pontos Interiores, Branch-and-Bound,
Métodos Híbrdos de Potos Iterores, Brach-ad-Boud, da Soma Poderada e ε-restrto Caalzado em Problemas Multobjetvo para Produção de Caa-de-Açúcar e de Bomassa Mara Laura Parra Spaguolo de Souza Programa
Leia maisIntrodução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares
Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisIII Seminário da Pós-graduação em Engenharia Elétrica
FLUXO DE POÊNCIA ÓIMO E O MINOS Adlson Preto de Godo Aluno do Programa de Pós-Graduação em Engenhara Elétrca Unesp Bauru Edméa Cássa Baptsta Orentador Depto de Matemátca Unesp Bauru RESUMO Neste trabalho
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
Leia maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia maisDÉBORA CRISTINA SANT ANA
DÉBORA CRISIA SA AA UMA OVA PROPOSA UILIZADO MÉODOS DE LAGRAGEAO AUMEADO COM PEALIDADES MODERAS A RESOLUÇÃO DE PROBLEMAS DE COAO CURIIBA 5 DÉBORA CRISIA SA AA UMA OVA PROPOSA UILIZADO MÉODOS DE LAGRAGEAO
Leia maisRESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS
RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS Robso Hoto Uversdade Estadual de Lodra, CCE, Departameto de Matemátca CEP 8605-970, CP 600, foe (43) 337 450, hoto@uel.br Campus Uverstáro, Lodra, PR, Brasl
Leia maisSobre aproximações polinomiais de raízes reais de cúbicas
Notas de Aula Sobre aproxmações polomas de raízes reas de cúbcas Edgar Rechtschaffe UNIFESO O problema de se obter as raízes de uma equação do tercero grau abrevadamete uma cúbca fo resolvdo o século XVI
Leia maisA PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA
Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Adre Gadolpho Uversdade Católca de Petrópols alvesga@gbl.com.br Rcardo
Leia maisComo CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Leia mais2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida
. MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +
Leia maisOtimização do Despacho Econômico de Energia Elétrica usando uma Combinação de Evolução Diferencial e Programação Quadrática Seqüencial
Otmzação do Despacho Ecoômco de Eerga Elétrca usado uma Combação de Evolução Dferecal e Programação Quadrátca Seqüecal Leadro dos Satos Coelho e Vvaa Cocco Mara Potfíca Uversdade Católca do Paraá rupo
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia maisKEYWORDS. Predictor-Corrector Primal-Dual Method, Modified Barrier, Environmental and Economic Dispatch. Main area (PM - Mathematical Programming)
September 4-8 Ro e Jaero Brazl MÉTODO PROCEDIMENTO PREVISOR-CORRETOR PRIMAL-DUAL DE PONTOS INTERIORES COM PROCEDIMENTO BARREIRA MODIFICADA EM PROBLEMAS MULTIOBJETIVO DE DESPACHO ECONÔMICO E AMBIENTAL Améla
Leia maisMODELOS DE REGRESSÃO NÃO LINEARES
M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia mais2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria
Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisMIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução
MIEEC Supervão e Cotrolo de Stema Eléctrco Depacho Óptmo (cludo lmte de produção e perda Itrodução Relembrado o problema de depacho óptmo: M cuto de produção M Z ΣC(g Suj. Σg load (ão havedo retrçõe de
Leia maisComplexidade Computacional da Determinação da Correspondência entre Imagens
Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia mais3 O Problema de Fluxo de Potência Ótimo
3 O Problema de Fluxo de Potênca Ótmo 3.. Introdução Como fo vsto no capítulo anteror, para realzar uma repartção de custos ou benefícos, é necessáro determnar a função de custo do servço que será utlzado
Leia maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são
Leia maisRadiosidade. Claudio Esperança Paulo Roma Cavalcanti
Radosdade Claudo Esperaça Paulo Roma Cavalcat Radosdade Resumo Modelo de lumação global Lumosdade aparete de um poto de uma superfíce depede de todos os potos de todas as superfíces Cada obeto da cea é
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia mais(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.
CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura
Leia maisConceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama
Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;
Leia maisn. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.
5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte
Leia maisMétodos numéricos para solução de equações
Escola Poltécca da Uversdade de São Paulo Departameto de Egehara Químca LSCP Laboratóro de Smulação e Cotrole de Processos Dscpla Optatva Modelagem e Métodos Matemátcos Aplcados à Egehara Químca AULA Revsão
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisRestrições Críticas para o Atendimento de Demanda de Potência em Sistemas de Energia Elétrica
Anas do CNMAC v.2 ISSN 1984-820X Restrções Crítcas para o Atendmento de Demanda de Potênca em Sstemas de Energa Elétrca Lucano V. Barboza Insttuto Federal Sul-ro-grandense, Campus Pelotas Unversdade Católca
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em
Leia maisAlgoritmo Evolução Diferencial Adaptado para o Problema das P-Medianas
Proceedg Seres of the Brazla Socety of Appled ad Computatoal Mathematcs, Vol. 2, N., 204. Trabalho apresetado o CMAC-Sul, Curtba-PR, 204. Algortmo Evolução Dferecal Adaptado para o Problema das P-Medaas
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia mais3 Procedimento Experimental
3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5
Leia mais3 Fundamentação Teórica
3 Fudametação Teórca A segur são apresetados os fudametos teórcos os quas é embasado o desevolvmeto do trabalho. 3.. Espectros de Resposta De acordo com Sampao [3], é descrta a resposta máxma de um osclador
Leia maisII. Propriedades Termodinâmicas de Soluções
II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia mais