4 Sistema Inteligente de Otimização

Tamanho: px
Começar a partir da página:

Download "4 Sistema Inteligente de Otimização"

Transcrição

1 4 Ssema Inelgene de Omzação 4.. Inrodução Nese capíulo é dealhado o ssema nelgene proposo de omzação de alernavas de desenvolvmeno de campos perolíferos, descrevendo-se a modelagem global do ssema e as pares mas relevanes desa modelagem, a saber: o algormo de omzação ue usa algormos genécos; o aproveameno de nformações dos mapas de reservaóro; a nferênca da curva de produção; o modelo econômco para cálculo do valor presene líudo. Em seguda, são descros a mplemenação do ssema e o uso de ambenes paralelos para dmnur o empo compuaconal Modelagem do Ssema Um ssema de omzação eravo, como é o caso de algormos genécos, pode ser dvddo em dos blocos: o algormo de omzação e a função objevo. No ssema proposo, o algormo de omzação basea-se em algormos genécos e o bloco de função objevo é fundamenado no cálculo do valor presene líudo da alernava. Dado o problema raado nesa ese, o bloco de função objevo recebe a descrção de uma alernava de desenvolvmeno (arranjo de poços para o campo perolífero), fornecda pelo algormo genéco, e reorna o valor presene para esa alernava. Nese processo de avalação exsem dos eságos sucessvos: obenção as curvas de produção para o arranjo dos poços dado, e o cálculo do valor presene líudo a parr das curvas de produção obdas e o cenáro econômco exsene. A represenação complea mas elemenar do ssema nelgene de omzação proposo é um dagrama com 3 blocos, como se mosra na Fgura 20 a segur.

2 67 Função Objevo Algormo de Omzação Alernava proposa Inferênca da Produção de Óleo Cenáro para cálculo da Produção de Oleo Curva de Produção Valor da função Objevo Cálculo do VPL da alernava Cenáro para cálculo do VPL Fgura 20. Prncpas blocos do ssema omzador proposo Noa-se na Fgura 20 a seüênca de arefas a serem realzadas durane as muas erações efeuadas pelo algormo genéco: O algormo de omzação gera um cromossoma ue coném a alernava proposa para ser avalada; Esa alernava é envada ao bloco de nferênca de produção onde, a parr de nformações sobre o campo perolífero e sobre o cenáro de produção, deermna-se o perfl de produção da alernava; A parr da dsrbução de poços no campo perolífero, do perfl de produção gerado e do cenáro econômco exsene (preços, cusos, axas, alíuoas...) é obda a prevsão dos fluxos de caxa de enradas e saídas a serem execuados durane o empo de produção da alernava. Projeando os fluxos de caxa ao valor presene (vde seção ) e desconando o cuso de nvesmeno, obém-se o valor presene líudo (VPL) ue vem a ser o valor da função objevo do ssema; Por fm, o algormo de omzação, mplemenado por um algormo genéco, esenddo para o algormo genéco dsrbuído global da seção ( ) ue, medane os processos de seleção, reprodução e avalação, busca a alernava ue maxmze o valor presene líudo, so é, omza as alernavas de desenvolvmeno de campos perolíferos. Nas seções segunes são dealhados os rês blocos prncpas do ssema proposo.

3 Algormo de Omzação Nesa seção dealha-se a modelagem fea com algormos genécos como méodo de omzação da alernava de produção, onde são descros: a represenação das soluções no cromossoma, os operadores genécos e as resrções defndas na geração de soluções Represenação das soluções no Cromossoma Um Algormo Genéco, como vso na seção (3.4.), possu uma população de cromossomas, os uas represenam soluções do problema em uesão. No problema de omzação de alernavas de desenvolvmeno de campos perolíferos, uma solução é a defnção do número e localzação dos poços produores e njeores. Porano, o cromossoma deve represenar um conjuno de poços com as suas respecvas caraceríscas. A represenação escolhda é mosrada na Fgura 2. Como não se conhece a pror o número de poços ue uma cera alernava deve coner, ulza-se nese problema um cromossoma de amanho varável, onde somene é especfcado o número máxmo de poços possível. A modelagem ulzada é baseada na meodologa de máscara de avação proposa por (Zebulum, 999). A máscara de avação aparece como um elemeno ue perme ulzar o poço especfcado no cromossoma ou, smplesmene, desconsderá-lo. O cromossoma ulzado segue o modelo desenvolvdo por Almeda (2003) onde cada cromossoma armazena uma lsa de poços conendo localzação, po de poço (produor, njeor) e geomera do poço (vercal, horzonal, dreção da rajeóra e comprmeno desa para poço horzonal). Cada gene do cromossoma coném a posção (, j, k) da cabeça do poço e o comprmeno e dreção ( c, d) da rajeóra do poço horzonal. No caso de poços vercas, apenas a pare (, j) é manpulada genecamene, pos não faz sendo er parâmeros de rajeóra. Para o exo k, no caso de poços vercas, é consderado sempre o valor máxmo k do grd. Iso serve para ndcar ao No caso de poços vercas é o própro poço; para poços horzonas, refere-se à exremdade ue possu a conexão com o ssema de produção.

4 69 smulador ue o poço vercal fo compleado 2 para odas as camadas (,2, K, k) do grd de reservaóro. Máscara de Avação Cromossomo Vercas I J I J I J I J IJK Dr Ds Horzonas I J K Dr Ds I J K Dr Ds I J K Dr Ds Injeores Produores Fgura 2. Represenação do Cromossoma Injeores Produores Conforme lusrado na Fgura 2, o po e a geomera do poço esão deermnados pela posção denro do cromossoma: a prmera meade do cromossoma corresponde aos poços vercas, e a segunda meade aos poços horzonas. Denro de cada uma desas meades em-se uma segunda subdvsão onde a prmera refere-se a poços njeores e a segunda a poços produores. Nesa fgura lusra-se um exemplo de cromossoma conendo 8 genes. Assm, a alernava represenada por ese cromossoma pode coner como máxmo 8 poços. Pela máscara de avação mosrada na fgura, apenas 4 deses poços são consderados no momeno da avalação, ou seja o cromossoma efevamene coném 4 poços. Cabe ressalar ue para o rabalho foram empregados cromossomas com mas genes do ue o exemplo da Fgura Operadores Genécos Na modelagem do Algormo Genéco foram empregados város operadores, alguns convenconas e ouros crados para o problema em uesão. Os operadores genécos ulzados foram os segunes: Muações: Unforme, LocalMove, AddWell, FlpWell; Cruzamenos: Arméco, Smples. A segur é descro o funconameno de cada operador de muação e cruzameno cado acma. Na Muação Unforme o valor do gene g () do cromossomo escolhdo é alerado da segune forma: 2 Para um poço perfurado, a compleação refere-se ao fao de realzar a conecvdade real enre o poço e as camadas de óleo, água e gás exsenes na reserva.

5 70 g( ) = nf + (sup nf). U( ) (9) onde nf é sup são os valores ínfmo e supremo do domíno do gene, e U () é uma amosra de uma dsrbução unforme (0,]. Desa forma, garane-se ue o valor do gene será subsuído por um valor váldo do seu domíno, com dsrbução de probabldade unforme; daí o nome de muação unforme. Na Muação LocalMove o valor do gene do cromossomo escolhdo sofre um deslocameno de ± como na euação (20), onde é uma realzação de uma varável aleaóra com dsrbução unforme [-n, n], onde o valor n é o máxmo deslocameno possível defndo de acordo com o problema em uesão. g ( )' = g( ) ± (20) Essa muação é adeuada para o problema pos perme realzar peuenos deslocamenos dos poços exsenes nos exos ou j, explorando a vznhança de cada poço, como um passeo aleaóro. Nese caso específco, o valor pode omar valores do conjuno {,0, }. Para evar possíves volações de domíno é fea uma verfcação após er sdo fea esa muação; no caso de sar do domíno, a operação é reverda. Os dos segunes operadores de muação auam na máscara de avação, como se explca a segur: A Muação AddWell aua na máscara de avação colocando um valor (gene avado) na posção escolhda. Iso resula em um aumeno no número de genes avos, segundo a esraéga de varredura de cromossoma crescene (Zebulum 999). Pela realzação dese operador, poderão ser crados novos poços nas alernavas durane a evolução. A Muação FlpWell ambém aua na máscara do cromossomo, porém no sendo de avar ou desavar genes, so é, mplemena a esraéga de varredura de cromossomo osclane (Zebulum, 999). Nese caso, podem acrescenar novos poços ou rerar poços exsenes. No Cruzameno Arméco, o par de cromossomos escolhdos êm odos os seus genes alerados da segune manera: x = U( ) x + x 2 = U( ) x 2 + ( U( ) ) x2 ( U( ) ) x (2) onde U () é uma varável aleaóra com dsrbução unforme [0,). Ese operador garane ue os novos valores x e x 2 connuem perencendo ao domíno. Iso é váldo sempre ue o espaço de busca seja convexo.

6 7 O Cruzameno Smples funcona da mesma forma ue o Cruzameno Arméco, com a dferença ue apenas uma parcela do cromossomo sofrerá aleração. Logo, no Cruzameno Smples é escolhdo um pono de core e, a parr desse pono aé o fnal do cromossomo, os genes são alerados conforme a euação (2) Resrções na geração de soluções As resrções consderadas no algormo genéco esão mas relaconadas a nformações dadas pelo especalsa, as como: Consderar uma dsânca mínma enre poços, em caso de haver poços com menor dsânca da permda, preferr os poços horzonas e produores. Esa resrção conorna a possbldade de haver superposção de poços; Consderar um valor de comprmeno máxmo da rajeóra do poço horzonal; Poços horzonas não podem exrapolar o campo perolífero; 4.4. Aproveameno de Informações dos Mapas de Reservaóro Os mapas de ualdade (Cruz e al., 999; Cruz, 2000) fornecem nformações mporanes do reservaóro, como o poencal de produção de óleo exsene em cada seor da reserva perolífera. Em locas com alo poencal de óleo, é mas adeuado colocar poços produores e, em locas com poencal baxo ou mesmo nulo, não é recomendado colocar poços produores. Aproveando a meodologa ulzada para ober os mapas de ualdade, podem ser obdos ouros mapas, como mapas de aüíferos ou mapas de produção de gás. Ao realzar as smulações com um únco poço, o smulador fornece nformações de óleo, gás e água, denre as uas, apenas a nformação de óleo é consderada. Se as nformações de água forem mapeadas ober-se-a um mapa do poencal de água, denomnado nese rabalho mapa de aüífero. Um mapa de aüífero pode fornecer uma déa de onde poderam ser colocados poços njeores se usados ssemas de njeção de água. Nese rabalho é aproveado ano o mapa de ualdade uano o mapa de aüífero da durane a ncalzação da prmera população do algormo genéco, da segune forma:

7 72. A parr dos mapas de ualdade e aüífero gerados, são obdas versões normalzadas [0,] deses mapas, dvdndo o valor de ualdade de cada posção 2D pelo valor de ualdade máxma da reserva e fazendo o mesmo para o mapa de aüífero; 2. Durane a ncalzação da prmera população é feo um soreo para cada cromossoma com probabldade 0,. Os cromossomas ue forem soreados serão ncalzados empregando o créro dos mapas, os não soreados, serão ncalzados aleaoramene; 3. Os cromossomas soreados serão ncalzados da segune manera: a. O coneúdo dos genes (posções, j, k, rajeóra e dreção) é preenchdo de forma aleaóra; b. Para o poço resulane enconra-se o valor normalzado de ualdade se for produor. Se for poço njeor, enconra-se o valor normalzado de mapa de aüífero; c. Aplca-se o valor enconrado como axa de soreo para decdr se o poço esará avo ou não. Desa forma, poços produores ue venham recar em seores de ala ualdade, erão mua chance de serem avados, ocorrendo o conráro se recaírem em seores de pouca ualdade. Ocorrendo o mesmo para os poços njeores. A Fgura 22, lusra um mapa de ualdade normalzado em vsa 3D e a Fgura 23, lusra um mapas de aüífero, ambém normalzado em vsa 3D ndcando as áreas com maor possbldade de avar poços produores e njeores respecvamene. Mapa de Qualdade Qualy I J Fgura 22. Mapa de ualdade normalzado e áreas de avação de produores

8 73 Mapa de Aufero Q I J Fgura 23. Mapa de aüífero normalzado e áreas de avação de njeores 4.5. Inferênca de Curva de Produção Ese é um dos blocos da função de avalação, ue envolve o uso do smulador de reservaóro e o uso de aproxmadores de função de produção. O objevo dese modulo é deermnar as curvas de produção de óleo, gás e água para a confguração de poços dada pelo cromossoma do algormo genéco. Os elemenos prncpas são: o smulador de reservaóros e os dos modelos de aproxmação de curva de produção desenvolvdos nese rabalho, dealhados em seção poseror. A Fgura 24 a segur, mosra um dagrama conendo o ssema de nferênca. Inferênca da Curva de Produção Smulador de reservaóros (IMEX) Alernava Lsa de poços γ γ Curva de produção Modelos de Inferênca Fgura 24. Bloco de nferênca de curva de produção

9 74 No bloco de nferênca esão condos ano o smulador de reservaóros e o bloco com os modelos de aproxmação de curvas de produção. Nese rabalho, o uso deses dos módulos é deermnado aravés de uma axa de uso de smulador γ. A decsão denre usar o smulador de reservaóros ou usar os modelos de nferênca é omada após um soreo ue consse em gerar um número aleaóro unforme u [0, > e verfcar a segune expressão: se u se u γ usa o smulador > γ usa a nferênca (22) A fnaldade da ulzação desses dos módulos complemenares é a redução do empo compuaconal necessáro para a obenção da avalação de uma cera população. Nas seções segunes são dealhados os dos sub-módulos Smulador de reservaóros Para se ober o valor de avalação (VPL) de um cromossoma dado, prmeramene é necessáro er as curvas de produção de óleo, gás e água da confguração de poços do cromossoma. Como vso na seção (2.2.), o smulador de reservaóros é o processo compuaconal ue perme ober essas nformações. No rabalho proposo é ulzado o Smulador IMEX da CMG, sobre o ual, podem ser vsos dealhes no apêndce A Modelos de Aproxmação. Uma desvanagem do uso do smulador é o empo reuerdo para ober resposas sobre a produção de óleo, gás e água. Ese é o movo prncpal de se propor o uso de aproxmações da curva de produção ao nvés do uso nensvo do smulador. Para so, é necessáro um procedmeno de aprendzado a parr das nformações de produção fornecdas pelo própro smulador. Como fo vso, o smulador fornece uma curva de óleo acumulado gerada a parr da confguração da alernava. Esa curva é composa aravés de uma sére de ponos ( Cumm( )),, onde é o empo de smulação e Cumm ( ) é o valor de óleo

10 75 acumulado para o empo. A curva dada pelo smulador pode varar muo no número oal de ponos, podendo r desde 25 ponos aé mas de 200 ponos Ponos da curva de óleo acumulado Nese modelo, o ssema de nferênca de produção de óleo deve fornecer alguns ponos fxos da curva de óleo acumulado; so é, os valores ( Cumm( )), para alguns valores de. Dado ue a produção smulada para ese rabalho é de normalmene 20 anos ou 7200 das, os valores escolhdos são: 90, 80, 360, 720, 800, 3600, 5400 e 7200, como se mosra na Fgura 25 a segur. Q() Q ( ) Q 2 ( ) Fgura 25. Curvas de produção acumulada e ponos escolhdos Eses ponos foram escolhdos dessa forma devdo à caracerísca exponencal e monoônca das curvas de produção acumulada de óleo, onde normalmene exsem grandes dferenças nos empos ncas e, à medda ue se aproxmam dos 20 anos, os valores varam muo menos. Ese po de amosragem perme mapear curvas de produção de óleo sem cronograma de poços Modelo de curva segmenada Para realzar as análses de fluxo de caxa no módulo de cálculo do VPL, é mas úl er-se o valor de produção de óleo dára ou anual, ue eüvale à obenção da prmera dervada com respeo ao empo da curva de óleo

11 76 acumulado. O programa de geração de relaóros do IMEX, resuls repors, pode reornar a curva ol rao, ue represena a produção de óleo dára, sempre ue solcada nos scrps ue o resuls repors emprega. A parr do modelo de curva de produção a parr de segmenos lneares e exponencas de Ekern (985), empregou-se uma paramerzação ue fo esendda para confgurações com cronograma de poços, como mosrado na Fgura 26, a segur: Q β ( b, b) ( c, b ) b ρ ( c ) Me a ( a, a ) α 2 + β 2 a b Fgura 26. Modelo de curva segmenada da curva de produção. c T O exo das abscssas refere-se ao empo na exploração (dáro, mensal ou anual) e o exo das ordenadas coném os valores de produção para cada empo (ol rae). Esa curva é dvdda em 4 segmenos, cada um com as suas própras caraceríscas: º segmeno: lnear para o níco da produção enrada paulana dos poços de produção; 2º segmeno: pare lnear com menor nclnação esabelecmeno da produção; 3º segmeno: pare lnear de nclnação zero (plaô) os poços produores exraem óleo ao máxmo da sua vazão permda; 4º segmeno: apresena um amorecmeno exponencal a parr da máxma produção orgnado pelo esgoameno do óleo exsene na reserva ou perda de pressão no reservaóro. A função de produção ue esa curva represena pode ser resumda pela função composa da euação (23) a segur:

12 77 = < = < + = < + = < = ) ( 2 2 ) ( ) ( ) ( ) ( 0 ) ( c b c b c b b a a e f T f f f ρ β α β α (23) As varações desa curva dependem dos parâmeros descros na Tabela, a segur; Parâmero Descrção α Elevação da ª rea β Inclnação da ª rea 2 α Elevação da 2ª rea 2 β Inclnação da 2ª rea M Valor de máxma vazão ρ Taxa de amorecmeno exponencal a Pono de níco da 2ª rea b Pono de níco do plaô c Pono de níco do amorecmeno exponencal Tabela. Descrção dos parâmeros do modelo de curva segmenada De acordo com o formao da curva, pode-se nferr a exsênca de relações de dependênca enre alguns parâmeros, expressas no conjuno de euações lneares ue se mosra a segur. a b M a = = = ) ( 0 β β α β β α α (24) Uma forma mas fácl de se represenar a curva é usar dreamene os ponos ), ( a a, ), ( b b, ), ( c c, mas o valor ρ de amorecmeno exponencal, como parâmeros a serem esmados. Como M c b = =, dos 9 parâmeros mosrados na Tabela, apenas 6 são necessáros para omzar a curva. Eses 6 parâmeros possuem resrções lneares nos domínos, esabelecdas pelas segunes desgualdades: c b a < < (25) M b a (26) > 0 ρ (27)

13 78 Fnalmene, a curva segmenada pode ser represenada da forma da euação (28) como uma função dos 6 parâmeros: (,,,,, ρ) ( ) = F a b c a b (28) Para enconrar os valores ue melhor aproxmem uma dada curva, propõem-se duas abordagens:. Ulzar algormos genécos para enconrar o conjuno de parâmeros ue mnmzem o erro uadráco médo enre o modelo e a curva dada pelo smulador; 2. Enconrar uma expressão de esmação deses parâmeros a parr de esmadores de mínmos uadrados Aproxmação com Algormos Genécos Para realzar esa aproxmação é ulzado um algormo genéco radconal (seleção, cruzameno, muação) com a segune confguração: a, Represenação do cromossoma: O cromossoma coném os 6 parâmeros a serem omzados: a, b, c, b, e ρ da função dada pela euação (28). Na Fgura 27 apresena-se a esruura do cromossoma. a b c a b ρ Fgura 27. Cromossoma para a aproxmação por AG. Operadores genécos: Os segunes operadores foram ulzados nesa modelagem: Cruzamenos arméco, smples e geomérco, (Mchalewcz, 996); Muações unforme, não unforme, de fronera e gaussana (Mchalewcz, 996). Avalação: A avalação é fea deermnando-se o erro MSE (Mean Suared Error) exsene enre os ponos da curva modelada e os ponos IMEX fornecdos

14 79 pelo smulador. Os valores de empo consderam-se os mesmos ue o smulador esabeleceu durane o processo de smulação e colocados na curva orgnal; logo, os ponos são calculados aplcando-se a euação (23) para os do smulador. A euação (29) mosra como é calculado o erro MSE ajusado score = n n IMEX 2 λ ( ) e = (29) O amorecmeno exponencal e λ ue aparece na expressão fo colocado com o nuo de dar maor ênfase aos ponos ncas da curva. Iso se deve ao fao de ue ao se calcular o VPL, ambém é dada maor mporânca aos ponos ncas de produção de óleo (ponos menos deslocados no empo). Na avalação é usado o erro MSE dada a caracerísca dese de dar maor penalzação a resposas com valores espúros fazendo com ue o algormo genéco ene evá-los na resposa omzada. Erro MAPE A aproxmação fea pelo algormo genéco emprega como mérca de omzação o erro MSE ponderado pela dsânca emporal da euação (29) como vso no parágrafo aneror, conudo durane a aproxmação fea com modelos neuras e modelos neuro-fuzzy herárucos, o erro empregado é o MAPE (mean absolue percenage error), cuja expressão é mosrada na euação (30) a segur. N ~ onde ~ MAPE = = valor do pono no empo valor aproxmado do pono no empo N (30) Aprendzado com os modelos Neuras e Neuro-Fuzzy Heráruco Nesa seção mosra-se como foram desenvolvdos os modelos de aproxmação das curvas de produção baseados em redes neuras e no modelo híbrdo neuro-fuzzy heráruco. Cabe ressalar ue a localzação e número de poços é um problema árduo, dado o número de combnações possíves de poços na malha do campo. Supondo uma malha 30x30x ue é relavamene smples, exsem 900

15 80 possíves posções de poços vercas; o número de combnações para 0 poços é: 900! 0!(900 0)! 0 22 C r = C = = n 900 (3) Isso sem consderar a possbldade ue eses poços podem ser njeores ou produores, ue aumenara anda mas o número de combnações possíves. Algumas resrções écncas, como a dsânca mínma enre poços perfurados e o fao de não er mas poços njeores do ue produores, podem ser consderadas, permndo dmnur o número de combnações váldas. Foram avalados os dos modelos de aproxmação de curva desenvolvdos nese rabalho: o prmero para aproxmar uma curva de óleo acumulado com 8 ponos (seção ) e o segundo para uma curva segmenada de razão de produção vso na seção ( ). Para ualuer um dos modelos, prmeramene é necessáro ober um conjuno de padrões de enrada e saída para efeuar o respevo renameno supervsonado, como é descro a segur Padrões para curva de óleo acumulado No modelo de padrões de enrada e saída ulzado para o aprendzado de ponos de curva de óleo acumulado, cada poço é defndo por um par de dados (, j). Ese modelo de aprendzado não consdera os valores k de posção de cada poço, porano esá resro para padrões ue conenham apenas poços vercas. Como resulado desa modelagem, os modelos de aprendzado a serem usados devem coner 2 n p enradas e 8 saídas, onde n p é o número de poços sendo consderado na aproxmação. Ese modelo de padrões é apresenado na Fgura 28, a segur. Poços Produores Poços Injeores Saídas j j j j j j j j j j SAIDAS Fgura 28. Formao dos padrões de enrada e saída: ponos de curva.

16 Padrões para a curva segmenada Para o modelo de curva segmenada (seção ), ue perme modelar alernavas com cronograma de poços, os padrões são um pouco dferenes, como mosra a fgura a segur. Poços Saídas j 2 j2 3 j3 4 j4 5 j5 a b c a b ρ Fgura 29. Formao dos padrões de enrada e saída: curva segmenada. As enradas são, smlares ue o caso aneror, as locações dos poços (, j), sendo ue nesa codfcação, o snal dos valores (, j) deermna se o poço é produor (no caso posvo) ou njeor (no caso negavo). Já as saídas represenam os ponos consderados no modelo de curva segmenada. Nese caso, o poço, ) é o prmero a abrr no cronograma de poços, o poço, ) ( j ( 2 j2 o segundo, e assm sucessvamene. Cabe ressalar ue a dferença de empo de aberura é consderada como 60 das. Foram empregados rês dferenes modelos de redes neuras e um modelo híbrdo Neuro-Fuzzy, descros a segur: Redes neuras feed-forward com aprendzado back-propagaon, axa de aprendzado adapava, e ermo de momeno; Redes recorrenes de Elman; Redes Radal Bass Funcons; Modelo Neuro-Fuzzy Heráruco com parconameno Bnáro (NFHB). Os resulados obdos a parr deses modelos são descros no capíulo Cálculo do Valor Presene Líudo (VPL) Nese módulo do ssema enconra-se o modelo econômco ue perme calcular o valor presene líudo da alernava.

17 Modelagem Econômca O Valor Presene Líudo (VPL) é a dferença enre o valor presene dos ganhos (VP) menos o valor presene das despesas (VD), como na euação (2) da seção ( ) ue é apresenada novamene a segur. VPL = VP VD (32) No caso de desenvolvmeno de campos perolíferos, os ganhos VP provêm da recea dada pela produção de óleo e gás menos os cusos de operação, cusos fxos e varáves; já as despesas VD são obdas levando ao valor presene os cusos de desenvolvmeno D, so é segundo o modelo clássco ulzado na área de fnanças corporavas (Brealey, 98), onde o VPL vem a ser o valor esperado dos fluxos de caxa dados durane o empo de produção. A segur são mosrados os dealhes do modelo de fluxo de caxa ulzado nese rabalho para cálculo do valor presene em alernavas de exploração perolífera. Para o cuso de desenvolvmeno D, são consderados odos os nvesmenos feos para ue o reservaóro possa começar a produzr óleo, os uas ncluem os poços a serem perfurados, as lnhas de condução e a plaaforma, conforme a expressão segune: n p D = ( a * f + r) n + b + p P c (33) ph p j PL. j= onde os parâmeros, conecdos como CAPEX (Capal Expendure), esão descros na Tabela 2, e o valor do faor de cuso por poços horzonas f ph é calculado com a segune expresão onde n ph f ph = + f h (34) n p n ph é o número de poços horzonas da alernava e o faor f h é o faor de cuso adconal para poços horzonas (Bencour & Horne, 997) mosrado na Tabela 2 a segur.

18 83 Parâmero Descrção a Cuso médo de perfuração para cada poço mas o cuso da Árvore de Naal 3 r Cuso do rser para uma lnha d'água de ulômero b Cuso de ransferênca mas cuso da plaaforma e plana. p Posção do poço j. j P c n f PL p h Posção da plaaforma. Cuso de lnha / ulômero. Número de poços da alernava. Faor de cuso de poços horzonas Tabela 2. Descrção dos parâmeros CAPEX. Usualmene, para uma dada alernava, os cusos de nvesmeno da euação (33) são conhecdos no momeno zero. Cabe dzer enão ue o valor presene do desenvolvmeno VD nese caso é o própro valor do desenvolvmeno D sem amorecmeno exponencal pos ocorre no empo 0. Para o problema de reservaóro, o valor presene dos ganhos é composo pela dferença enre as receas da produção e os cusos de operação ue aconecerão durane o período de produção especfcado. Assm, o valor presene dos ganhos é o valor presene da recea VP R menos o valor presene do cuso de operação VP COP aplcando-se a alíuoa de mposos e encargos socas I de aproxmadamene 34%, como se mosra na euação (35): VP = ( VP VP )( I) (35) R Cop O valor da recea depende da produção de óleo Q () mas a produção euvalene-barrl de gás ( G () / 000 ) para os empos mulplcados pelos preços do peróleo P ol () a cada momeno. Nese caso, como as condções de mercado são de cereza, o preço do peróleo P ol () é uma função consane com valor ajusado de US$29.8 por cada m 3 de óleo, o ue eüvale a US$20.00 por barrl. Assm, para cada empo, o valor da recea é obdo como: ( Q( ) + G( ) /000) P ( ) R( ) = (36) Para ober o valor presene, aplca-se a axa de descono ρ como vso na euação (). A expressão resulane é a ue a euação (37) mosra ol 3 Chama-se Árvore de Naal ao conjuno de válvulas localzado na cabeça do poço ue serve para conrolar o fluxo de óleo. No caso de produção off-shore, usam-se sempre as árvores de naal molhadas e deve ser levado em consderação seu alo cuso (de mlhão a 2.5 mlhões a undade).

19 84 VP R = T = R( ). e ρ. (37) onde T é o empo máxmo de avdade lucrava do reservaóro, deermnado pelo úlmo empo em ue o valor da recea R ( ) resule maor ue o valor do cuso operaconal. O valor é o -ésmo passo de empo no valor de produção de óleo ou gás. Cabe ressalar ue avança em passos de empo ue dependem das resposas obdas pelo smulador de reservaóro. Eses passos normalmene não são consanes. O valor do cuso operaconal é dado pelo somaóro dos cusos de manuenção dos poços, cusos fxos, cusos varáves dados pela produção, royales da recea para cada empo e cuso de rerada da água, como na euação (38) a segur. C OP ( ) = ( m. n p ) + C f + Cv. Q( ) + Ry R( ) + CwW ( ) (38) onde odos os parâmeros, conhecdos como OPEX (Operaon Expendure), são descros na Tabela 3 a segur. Parâmero m n p C v C f C w ( Descrção Tempo de smulação (em das) Cuso de manuenção anual de um poço Número de poços Cusos varáves ue dependem da produção Cusos fxos anuas Cuso de rerada de água por cada Q ) Produção de óleo no empo W ( ) Produção de água no empo R ( ) Recea no empo Tabela 3. Descrção dos parâmeros OPEX. 3 m O valor presene para um cuso é dado aplcando-se novamene a euação (), resulando na segune expressão: VP Cop = = C OP ( ). e ρ (39) Com a deermnação dos valores VP R e VP COP obém-se o valor presene VP da euação (35) e, conseuenemene, o valor presene líudo VPL da euação (2).

20 85 Na abela a segur resumem-se os valores relaconados ao cenáro econômco empregados para o cálculo do VPL. Parâmero I ρ R y Tabela 4. Parâmeros do cenáro econômco. Descrção Alíuoa de mposo e encargos socas Taxa de descono Royales 4.7. Implemenação do Ssema Conforme descro na seção 4.2, o ssema de rês blocos proposo nesa ese funcona da segune forma: no módulo omzador, o algormo genéco gera um ndvíduo ue represena uma alernava; em seguda, esa alernava é submeda ao bloco de nferênca de curva de produção, ue fornece a curva de produção de óleo, gás e água. A curva gerada é enão repassada para o bloco de cálculo do Valor Presene Líudo (VPL) juno com o arranjo dos poços, obendo-se o valor do VPL da alernava (o ndvíduo gerado ncalmene). Para fechar a malha, o VPL calculado é nserdo no omzador como avalação da alernava do algormo genéco. A Fgura 30 mosra, em mas dealhes, a modelagem do ssema de omzação proposo. Conhecmeno do Especalsa Algormo Genéco Operadores Genécos Mulobjevos Alernava Curva de Produção Smulador IMEX, Modelo de Inferênca Cenáro de produção Avalação Alernava Layou dos poços VPL = V D Curva de produção Cálculo do VPL Parâmeros para cuso de desenvolvmeno Parâmeros para cuso operaconal e axas Fgura 30. Modelagem do Ssema de Omzação proposo. A Fgura 30 lusra a possbldade de se nserr conhecmeno do especalsa no módulo omzador, como por exemplo uma semene ncal no algormo genéco ou nformação sobre o campo perolífero. São ressalados em verde e com uadro ponlhado os blocos de curva de produção e de cálculo do VPL, ue em conjuno conformam a função objevo do

21 86 omzador. Analsando-se a arueura maser-slave descra na seção ( ) para dsrbução de AGs em ambenes paralelos ao nível de avalação, fca claro ue o modelo proposo pode se nserr nesa arueura desacando e replcando o bloco nero de cálculo da função objevo em cada um dos processadores slave. Para mplemenar o ssema proposo fo ulzada a lnguagem de programação C++ (Srousrup, 999) empregando a bbloeca padrão Sandard Templae Lbrary STL (Josus, 999) e a écnca de mulhreadng (Eggers e al., 997) para faclar o funconameno dos processos dsrbuídos. Os processos e funções envolvdos esão dsposos em 3 módulos báscos como se mosra na fgura a segur. Módulo de Dados Módulo de Servços DaaManager - Base de dados (I/O) - Informação de campos, alernavas e cenáros - Confgurações SceneryManager - Inerface IMEX - Inferênca Curva de Produção - Dados de cenáro - Cálculo do VPL EngneManager - Algormo de Omzação (AG) Módulo de Clene FrameManager - Inerface Vsual Janelas, menus, dálogos, mensagens AppManager - Comandos - Evenos ReporManager - Geração de Relaóros Fgura 3. Módulos de Implemenação do Ssema Omzador Como mosra a Fgura 3, são rês os módulos ue formam o ssema: módulo de dados; módulo de servços; módulo de clene. Nos parágrafos a segur, são dealhados eses módulos e as classes ue foram mplemenadas denro deles Módulo de Dados Coném a nsânca da classe DaaManager onde esão suadas ronas e esruuras para: leura e escra da base de dados;

22 87 esruura de dados com nformação dos campos, alernavas exsenes, mapas de ualdade e aüífero; dados do cenáro usado na avalação; dados de confguração do ssema Módulo de Servços Organzado em rês blocos: SceneryManager coném o cenáro de avalação, ronas de nerface com o smulador IMEX, ronas de nferênca de curva de produção, e cálculo do VPL; EngneManager coném o algormo de omzação (algormo genéco) com os cromossomas, população, ncalzação, méodos de seleção e operadores genécos; ReporManager conrola a vsualzação das nformações relaconadas à evolução do AG e à geração do relaóro fnal ao érmno da omzação. Cabe ressalar ue denro do módulo de servços exse a nsancação múlpla no ambene paralelo ue será vsa na seção Módulo de Clene Coném os blocos FrameManager, ue vem a ser a nerface vsual do ssema (janelas, menus, dálogos, mensagens); e o bloco AppManager, ue conrola as reusções do usuáro, efeuadas a parr da nerface vsual, e as resposas do ssema a serem mosradas vsualmene Uso de Ambenes Paralelos Como fo mosrado na seção (4.7), a avalação pode ser separada do reso do algormo de omzação. Na Fgura 3 fo vso ue denro do módulo de servços exse a nsânca da classe SceneryManager ue calcula a função objevo do algormo genéco. Porano, esa nsânca nerna deve ser separada do módulo de avalação formando o denomnado Módulo de Avalação ue pode ser nsancado de forma múlpla em dferenes processadores do

23 88 ambene paralelo segundo a arueura maser-slave da seção ( ). Na Fgura 32 se mosra o deslocameno e replcação do Módulo de Avalação. Módulo de Dados DaaManager - Base de dados (I/O) - Informação de campos, alernavas e cenáros - Confgurações Módulo de Avalação SceneryManager - Inerface IMEX - Inferênca Curva de Produção - Dados de cenáro - Cálculo do VPL Módulo de Servços EngneManager - Algormo de Omzação (AG) Módulo de Clene FrameWndow - Inerface Vsual: janelas, menus, dálogos, mensagens AppManager - Comandos - Evenos ReporManager - Geração de Relaóros Fgura 32. Módulo desacado para dsrbur no ambene paralelo Na Fgura 32 observa-se ue o ssema fca dvddo em duas pares: Aplcação Maser ue coném os módulos de clene, dados e servços sendo ue, nese úlmo módulo esá nsancado o algormo omzador AG; e o Módulo de Avalação replcado em cada um dos processadores slave. Dada a nsancação dsrbuída e remoa dos módulos de avalação, são necessáras duas nerfaces de comuncação enre cada um deles e os módulos nsancados na aplcação Maser; esas nerfaces de comuncação são mplemenadas ulzando CORBA: Common Objec Reues Broker Archecure (OMG, 997), uma arueura ue fornece modelos e nerfaces para programação de aplcações orenadas a objeo poráes e dsrbuídas. A compabldade com a lnguagem de programação C++ é complea (Hennng, 999). A segur dealhase o funconameno de cada uma das nerfaces defndas na arueura CORBA e seus servços mplemenados Inerface Cenáro Aravés desa nerface, os módulos de avalação dsrbuídos recebem desde a o módulo de dados da aplcação maser as nformações necessáras para monar o cenáro reuerdo na realzação das avalações. Exsem os segunes servços mplemenados:

24 89 Servço de envo de cenáro Aravés dese servço são envadas as segunes nformações: Informações do campo perolífero a ser ulzado: aruvos.dat e.inc para o smulador, parâmeros e resrções na geração dos poços e resrções a serem levadas em cona durane a avalação; Informações do cenáro econômco usado no cálculo do VPL: preço do peróleo, valores para nvesmeno CAPEX, valores para cuso operaconal OPEX, alíuoas e axas; Informações de confguração relaconadas ao smulador de reservaóros e ao uso das aproxmações da curva de produção. Servço de ncalzação Aravés dese servço são envadas as reusções para monar o cenáro prévo à avalação e monar a nerface de avalação; nese caso há uma resposa sobre o saus fnal (se monou correamene, se houve algum erro, ec.). Servço de Saus Solcar as condções auas do cenáro (sem cenáro, hablado, desablado, erro) Inerface Avalação Aravés desa nerface é possível realzar a comuncação enre o algormo genéco nsancado no módulo de servços da aplcação maser e cada um dos módulos avaladores. Para so foram defndos dos servços: Servço de Avalação de cromossoma Aravés dese servço, o algormo genéco enva a lsa de poços referenes a um dado cromossoma para um módulo avalador. O módulo avalador calcula e reorna o valor de VPL juno com ouros valores necessáros para os relaóros fnas (óleo recuperado, cuso de nvesmeno, cuso operaconal, recea). Aravés dese servço orna-se possível realzar avalações smulâneas dependendo do número de processadores slaves dsponíves no ambene paralelo. Servço de Saus Solca as condções auas do módulo avalador: se nava, se realzando avalação, em erro. Na Fgura 33 apresena-se como eses dos canas permem a neração enre os módulos envolvdos como se mosra a segur.

25 90 Recebe Parâmeros para o VPL: Parâmeros de campo e poços Aruvos.DAT e.inc Reusção para ncalzação Reusção de saus Reorna saus do módulo avalador Recebe Lsa de poços do Cromossoma a ser avalado Reusção de saus Reorna VPL (Avalação), Cuso de Desenvolvmeno (D), Óleo Acumulado, Recea, Cuso Operaconal saus aual do modulo Módulo de Dados DaaManager Módulo Avalador SceneryManager Módulo de Servços EngneManager Fgura 33. Canas de comuncação usados na avalação dsrbuída Conrole de erros de comuncação Para realzar as avalações em modo dsrbuído, o algormo genéco reuer mas conroles do ue um algormo eravo. Devem ser consderados os dversos casos ue podem ocorrer durane o envo do cenáro de avalação e durane a avalação em s. Nese rabalho os segunes erros são conemplados: ) Durane o envo do cenáro do maser para os slaves remoos Erro de comuncação com o hos (falha na rede); Não monou o cenáro; Não ncalzou o canal de comuncação para a avalação; Para ualuer caso de erro nese nível, o maser exclurá ese hos da lsa de hoss hablados para avalação. ) Durane a avalação no maser Erro na ncalzação da hread assocada a uma dada smulação remoa; Erros de comuncação enre o maser e um slave (como uma falha na rede); nese caso é lançada uma exceção nas ronas do proocolo CORBA; ) Durane a avalação no slave Falha ao monar o aruvo nclude (dsco cheo, fala de permssões no compuador remoo); O IMEX não recebeu a permssão do servdor de lcença para rodar a smulação (lcense updae error);

26 9 IMEX fnalzou com erro; Erro na execução/lcença do Resuls Repor; Não fo achado ou ldo o aruvo de saída do Resuls Repor (.RWO). A maora deses erros perme crar uma exceção no hos remoo, ue fnalza o processo remoo de avalação, reornando para o processo assocado no maser um códgo de erro ue fca armazenado em uma varável local. Desa forma, o maser em como gerencar de forma on-lne os processos ue rodam nos slaves. Porém, na ocorrênca de uma falha na lcença do IMEX ou REPORT, o própro smulador coloca uma mensagem modal ndcando o po de erro ue ocorreu durane a aualzação da lcença CMG, sem lberar o processo se não for aperado o boão OK da mensagem. Para conornar ese problema fo ulzado um créro de me-ou para deermnar se ocorreu falha de lcença em um hos remoo. O valor de empo de expração para cada hos fo defndo como cnco vezes a méda dos empos de smulação decorrdos por cada smulação nesse hos. Se um hos ulrapassar ese empo, o maser colocará um erro de meou, e o cromossoma ue lhe fo envado será rerado da lsa de envados e reenvado para ouro hos dsponível. Qualuer resposa de avalação ue, porvenura, venha a ser reornada depos da ocorrênca do erro será descarada. De fao, o cromossoma será envado para ouro hos avo. Ese problema pode aconecer devdo às falhas reas na rede ou à necessdade de mas cálculos numércos para essa confguração de poços; enreano, deve-se consderar ue é pouco provável ue a necessdade de mas cálculos ulrapasse em 5 vezes o empo médo das smulações realzadas anerormene. Conudo, um hos ue enrou em meou e consegue fnalzar sua smulação sem ouros erros, volará novamene a esar avo e a receber novos cromossomas para avalar.

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira) Módulo : Méodos Numércos Equações dferencas ordnáras problemas de valores ncas e problemas de condções-fronera Modelação Compuaconal de Maeras -5. Equações dferencas ordnáras - Inrodução Uma equação algébrca

Leia mais

Controle Cinemático de Robôs Manipuladores

Controle Cinemático de Robôs Manipuladores Conrole Cnemáco de Robôs Manpuladores Funconameno Básco pos de rajeóra rajeóras Pono a Pono rajeóras Coordenadas ou Isócronas rajeóras Conínuas Geração de rajeóras Caresanas Inerpolação de rajeóras Inerpoladores

Leia mais

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000 Noa Técnca sobre a rcular nº 2.972, de 23 de março de 2000 Meodologa ulzada no processo de apuração do valor da volaldade padrão e do mulplcador para o da, dvulgados daramene pelo Banco enral do Brasl.

Leia mais

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos MECÂNICA CÁSSICA AUA N o 3 agrangeano Prncípo da Mínma Ação Exemplos Todas as les da Físca êm uma esruura em comum: as les de uma parícula em movmeno sob a ação da gravdade, o movmeno dado pela equação

Leia mais

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton 9 CPÍTUL 4 DINÂMIC D PRTÍCUL: IMPULS E QUNTIDDE DE MVIMENT Nese capíulo será analsada a le de Newon na forma de negral no domíno do empo, aplcada ao momeno de parículas. Defne-se o conceo de mpulso e quandade

Leia mais

5 Apreçamento de ESOs com preço de exercício fixo

5 Apreçamento de ESOs com preço de exercício fixo 5 Apreçameno de ESOs com preço de exercíco fxo Ese capíulo rá explorar os prncpas modelos de apreçameno das ESOs ulzados hoje em da. Neses modelos a regra de decsão é esruurada em orno da maxmzação do

Leia mais

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU 1 PUCPR- Ponfíca Unversdade Caólca Do Paraná PPGIA- Programa de Pós-Graduação Em Informáca Aplcada PROF. DR. JACQUES FACON IMIARIZAÇÃO POR ENTROPIA DE WUU Resumo: Uma nova écnca de marzação baseada em

Leia mais

2 Programação Matemática Princípios Básicos

2 Programação Matemática Princípios Básicos Programação Maemáca Prncípos Báscos. Consderações Geras Os objevos dese capíulo são apresenar os conceos de Programação Maemáca (PM) necessáros à compreensão do processo de omzação de dmensões e descrever

Leia mais

Conceitos Básicos de Circuitos Elétricos

Conceitos Básicos de Circuitos Elétricos onceos Báscos de rcuos lércos. nrodução Nesa aposla são apresenados os conceos e defnções fundamenas ulzados na análse de crcuos elércos. O correo enendmeno e nerpreação deses conceos é essencal para o

Leia mais

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4.

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4. CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013 Esabelece os procedmenos para o cálculo da parcela dos avos ponderados pelo rsco (RWA) referene às exposções sueas à varação de axas de uros prefxadas denomnadas

Leia mais

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n 1 CAPÍTULO 1 REPREENTAÇÃO E CLAIFICAÇÃO DE ITEMA 1.1. Represenação de ssemas 1.1.1. semas com uma enrada e uma saída (IO) e sema monovarável IO = ngle Inpu ngle Oupu s e = enrada s = saída = ssema 1.1..

Leia mais

MECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação

MECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação MECÂNIC CLÁSSIC UL N o 4 Carga de Noeher- Smeras e Conservação Vamos ver o caso de uma parícula movendo-se no plano, porém descrevendo-a agora em coordenadas polares: r r d dr T T m dr m d r d d m r m

Leia mais

Introdução à Computação Gráfica

Introdução à Computação Gráfica Inrodução à Compuação Gráfca Desenho de Consrução Naval Manuel Venura Insuo Superor Técnco Secção Auónoma de Engenhara Naval Sumáro Represenação maemáca de curvas Curvas polnomas e curvas paramércas Curvas

Leia mais

Física I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães

Física I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães Físca I º Semesre de 03 Insuo de Físca- Unversdade de São Paulo Aula 5 Trabalho e energa Proessor: Valdr Gumarães E-mal: valdrg@.usp.br Fone: 309.704 Trabalho realzado por uma orça consane Derenemene

Leia mais

2 Sistemas de Reconhecimento de Voz

2 Sistemas de Reconhecimento de Voz 2 Ssemas de Reconhecmeno de Voz O desenvolvmeno de nerfaces homem-máquna conroladas pela voz vsa subsur, em ceras aplcações, as nerfaces radconas as como eclados, panés e dsposvos smlares. Nese cenáro

Leia mais

Projeções de inflação

Projeções de inflação Projeções de nflação A experênca do Banco Cenral do Brasl Leonardo Po Perez Banco Cenral do Brasl Depep III Fórum Baano de Economa Aplcada Agoso de 23 Sumáro ) Inrodução Regme de Meas para Inflação no

Leia mais

defi departamento de física

defi departamento de física def deparameno de físca Laboraóros de Físca www.def.sep.pp.p Equações de Fresnel Insuo Superor de Engenhara do Poro Deparameno de Físca Rua Dr. Anóno Bernardno de Almeda, 431 400-07 Poro. Tel. 8 340 500.

Leia mais

CIRCULAR Nº 3.568, DE 21 DE DEZEMBRO DE 2011

CIRCULAR Nº 3.568, DE 21 DE DEZEMBRO DE 2011 CAPÍTULO : Crculares não Codfcadas 2 CIRCULAR Nº 3.568, DE 2 DE DEZEMBRO DE 20 Alera dsposvos das Crculares ns. 3.36, de 2 de seembro de 2007, 3.388, de 4 de unho de 2008, 3.389, de 25 de unho de 2008,

Leia mais

Análise da Confiabilidade de Componentes Não Reparáveis

Análise da Confiabilidade de Componentes Não Reparáveis Análse da onfabldade de omponenes Não Reparáves. omponenes versus Ssemas! Ssema é um conjuno de dos ou mas componenes nerconecados para a realzação de uma ou mas funções! A dsnção enre ssema, sub-ssema

Leia mais

3 Planejamento da Operação Energética no Brasil

3 Planejamento da Operação Energética no Brasil 3 Planeameno da Operação Energéca no Brasl 3.1 Aspecos Geras O ssema elérco braslero é composo por dos dferenes pos de ssemas: os ssemas solados, os quas predomnam na regão Nore do Brasl e represenam cerca

Leia mais

4 Premissas quanto aos Modelos de Despacho de Geração, Formação do Preço da Energia e Comercialização de Energia

4 Premissas quanto aos Modelos de Despacho de Geração, Formação do Preço da Energia e Comercialização de Energia 61 4 Premssas quano aos Modelos de Despacho de Geração, Formação do Preço da Energa e Comercalzação de Energa 4.1. Inrodução A remuneração de uma geradora depende do modelo de despacho de geração e formação

Leia mais

Projeto de Inversores e Conversores CC-CC

Projeto de Inversores e Conversores CC-CC eparameno de Engenhara Elérca Aula. onversor Buck Prof. João Amérco lela Bblografa BAB, vo. & MANS enzar ruz. onversores - Báscos Não-solados. ª edção, UFS,. MOHAN Ned; UNEAN ore M.; OBBNS Wllam P. Power

Leia mais

UMA ABORDAGEM PARA OTIMIZAÇÃO DE PORTFÓLIO DE CONTRATOS DE ENERGIA NO SETOR ELÉTRICO BRASILEIRO

UMA ABORDAGEM PARA OTIMIZAÇÃO DE PORTFÓLIO DE CONTRATOS DE ENERGIA NO SETOR ELÉTRICO BRASILEIRO SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GAE-15 19 a 24 Ouubro de 2003 Uberlânda - Mnas Geras GRUPO VI GRUPO DE ESTUDO DE ASPECTOS EMPRESARIAIS - GAE UMA ABORDAGEM PARA OTIMIZAÇÃO

Leia mais

3 Análise de Demanda Condicionada

3 Análise de Demanda Condicionada 3 Análse de Demanda Condconada 3.1 Inrodução A análse Condconada da Demanda é uma écnca que quebra o consumo resdencal em pares, cada uma assocada a um uso fnal ou a um deermnado equpameno em parcular.

Leia mais

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas.

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas. 1 INTRODUÇÃO E CONCEITOS INICIAIS 1.1 Mecânca É a pare da Físca que esuda os movmenos dos corpos. 1. -Cnemáca É a pare da mecânca que descreve os movmenos, sem se preocupar com suas causas. 1.3 - Pono

Leia mais

HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE

HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE Pesqusa Operaconal e o Desenvolvmeno Susenável 7 a /9/5, Gramado, RS HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE André Luís Shguemoo Faculdade de Engenhara Elérca e Compuação Unversdade Esadual

Leia mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Parca Mara Borolon. Sc. Modelos de ados em Panel Fone: GUJARATI;. N. Economera Básca: 4ª Edção. Ro de Janero. Elsever- Campus 006 efnções Geras Nos dados em panel a mesma undade de core

Leia mais

Instituto de Física USP. Física V Aula 30. Professora: Mazé Bechara

Instituto de Física USP. Física V Aula 30. Professora: Mazé Bechara Insuo de Físca USP Físca V Aula 30 Professora: Maé Bechara Aula 30 Tópco IV - Posulados e equação básca da Mecânca quânca 1. Os posulados báscos da Mecânca Quânca e a nerpreação probablísca de Ma Born.

Leia mais

Sistema de vigilância para detecção de interações espaçotempo de eventos pontuais

Sistema de vigilância para detecção de interações espaçotempo de eventos pontuais Ssema de vglânca para deecção de nerações espaçoempo de evenos ponuas Taynãna C. Smões, Renao M. Assunção Deparameno de Esaísca Unversdade Federal de Mnas Geras (UFMG) Caxa Posal: 72 327-9 Belo Horzone

Leia mais

5 Modelo de Previsão de Temperatura

5 Modelo de Previsão de Temperatura 5 Modelo de Prevsão de Temperaura 5. Prevsão de Clma As varações do clma nfluencam os preços das commodes pela nfluênca na demanda. Todava, a correlação enre eses preços e o parâmero de clma não são perfeos,

Leia mais

Interpolação e Extrapolação da Estrutura a Termo de Taxas de Juros para Utilização pelo Mercado Segurador Brasileiro

Interpolação e Extrapolação da Estrutura a Termo de Taxas de Juros para Utilização pelo Mercado Segurador Brasileiro Inerpolação e Exrapolação da Esruura a Termo de Taxas de Juros para Ulzação pelo Mercado Segurador Braslero Sergo Lus Frankln Jr. Thago Baraa Duare César da Rocha Neves + Eduardo Fraga L. de Melo ++ M.Sc.,

Leia mais

Universidade Federal do Rio de Janeiro

Universidade Federal do Rio de Janeiro Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação

Leia mais

Revisão dos Modelos de Projeção de Pequeno Porte 2015

Revisão dos Modelos de Projeção de Pequeno Porte 2015 Revsão dos Modelos de Projeção de Pequeno Pore 05 Os modelos de projeção consuem mporane nsumo para auxlar o processo de omada de decsão do omê de Políca Moneára (opom). Especfcamene denre os modelos de

Leia mais

Física Geral I - F Aula 11 Cinemática e Dinâmica das Rotações. 1º semestre, 2012

Física Geral I - F Aula 11 Cinemática e Dinâmica das Rotações. 1º semestre, 2012 Físca Geral I - F -8 Aula Cnemáca e Dnâmca das oações º semesre, 0 Movmeno de um corpo rígdo Vamos abandonar o modelo de parícula: passamos a levar em cona as dmensões do corpo, nroduzndo o conceo de corpo

Leia mais

Capítulo 1 Introdução

Capítulo 1 Introdução Capíulo Inrodução No mercado braslero de prevdênca complemenar abera e de seguro, regulado e fscalzado pela Supernendênca de Seguros Prvados SUSEP, os planos de prevdênca e de seguro de vda que possuam

Leia mais

Experiência IV (aulas 06 e 07) Queda livre

Experiência IV (aulas 06 e 07) Queda livre Experênca IV (aulas 06 e 07) Queda lvre 1. Obevos. Inrodução 3. Procedmeno expermenal 4. Análse de dados 5. Quesões 6. Referêncas 1. Obevos Nesa experênca esudaremos o movmeno da queda de um corpo, comparando

Leia mais

4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.

4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos. 4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia

Leia mais

MEDIDA DO TEMPO DE RESPOSTA DOS MEDIDORES DE PRESSÃO DO SPR DA U.N.A. A. A. - UNIDADE I UTILIZANDO O MÉTODO DE MEDIDA DIRETA

MEDIDA DO TEMPO DE RESPOSTA DOS MEDIDORES DE PRESSÃO DO SPR DA U.N.A. A. A. - UNIDADE I UTILIZANDO O MÉTODO DE MEDIDA DIRETA MEDIDA DO TEMPO DE RESPOSTA DOS MEDIDORES DE PRESSÃO DO SPR DA U.N.A. A. A. - UNIDADE I UTILIZANDO O MÉTODO DE MEDIDA DIRETA Sergo Rcardo Perera Perllo *, Irac Maríne Perera Gonçalves *, Robero Carlos

Leia mais

FILTROS ATIVOS: UMA ABORDAGEM COMPARATIVA. Héctor Arango José Policarpo G. Abreu Adalberto Candido

FILTROS ATIVOS: UMA ABORDAGEM COMPARATIVA. Héctor Arango José Policarpo G. Abreu Adalberto Candido FILTROS ATIVOS: UMA ABORDAGEM COMPARATIVA Hécor Arango José Polcaro G. Abreu Adalbero Canddo Insuo de Engenhara Elérca - EFEI Av. BPS, 1303-37500-000 - Iajubá (MG) e-mal: arango@ee.efe.rmg.br Resumo -

Leia mais

Uma análise da não-linearidade da função de reação do Banco Central do Brasil: Avesso a Inflação ou a Recessão?

Uma análise da não-linearidade da função de reação do Banco Central do Brasil: Avesso a Inflação ou a Recessão? Uma análse da não-lneardade da função de reação do Banco Cenral do Brasl: Avesso a Inflação ou a Recessão? Terence de Almeda Pagano José Luz Ross Júnor Insper Workng Paper WPE: 88/9 Coprgh Insper. Todos

Leia mais

ANEXO III. Nota Técnica nº 148/2010-SRE/ANEEL Brasília, 24 de maio de 2010.

ANEXO III. Nota Técnica nº 148/2010-SRE/ANEEL Brasília, 24 de maio de 2010. ANEXO III Noa Técnca nº 148/21-SRE/ANEEL Brasíla, 24 de mao de 21. M E T O D O L O G I A E Á L U L O D O F A T O R X ANEXO II Noa Técnca n o 148/21 SRE/ANEEL Em 24 de mao de 21. Processo nº 485.269/26-61

Leia mais

2 Conceitos básicos Modelos de Markov

2 Conceitos básicos Modelos de Markov 2 Conceos báscos O objevo dese Capíulo é abordar eorcamene os assunos que formam a base para o desenvolvmeno do modelo proposo e a descrção do modelo de Frchman, que devdo sua frequene aplcação em rabalhos

Leia mais

3 Modelos de Apreçamento de Opções

3 Modelos de Apreçamento de Opções 3 Modelos de Apreçameno de Opções Preços de fuuros na Bolsa de Valores, na práca, são defndos de forma lvre na BM&FBOVESPA a parr das relações apresenadas enre ofera e demanda. Para que a formação de as

Leia mais

Esta monografia é dedicada a Letícia e aos meus pais, João e Adelangela

Esta monografia é dedicada a Letícia e aos meus pais, João e Adelangela Esa monografa é dedcada a Leíca e aos meus pas, João e Adelangela Agradecmenos Gosara de agradecer ao Prof. Vrgílo, pelo apoo e orenação dados durane ese e ouros rabalhos. Agradeço ambém a meus colegas

Leia mais

Número 17. Evolução Recente da Informalidade no Brasil: Uma Análise Segundo Características da Oferta e Demanda de Trabalho

Número 17. Evolução Recente da Informalidade no Brasil: Uma Análise Segundo Características da Oferta e Demanda de Trabalho TEXTO PARA DSCUSSÃO Número 7 Evolução Recene da nformaldade no Brasl: Uma Análse Segundo Caraceríscas da Ofera e Demanda de Trabalho Fernando Holanda Barbosa Flho Rodrgo Leandro de Moura Agoso de 202 Evolução

Leia mais

Sistema de Suporte à Decisão para Predição de Cargas e Modelagem de Dependência em Sistemas Elétricos de Potência

Sistema de Suporte à Decisão para Predição de Cargas e Modelagem de Dependência em Sistemas Elétricos de Potência Anas do XXVI Congresso da SBC SEMISH l XXXIII Semnáro Inegrado de Sofware e Hardware 14 a 20 de julho de 2006 Campo Grande, MS Ssema de Supore à Decsão para Predção de Cargas e Modelagem de Dependênca

Leia mais

3 LTC Load Tap Change

3 LTC Load Tap Change 54 3 LTC Load Tap Change 3. Inrodução Taps ou apes (ermo em poruguês) de ransformadores são recursos largamene uilizados na operação do sisema elérico, sejam eles de ransmissão, subransmissão e disribuição.

Leia mais

2. REVISÃO BIBLIOGRÁFICA

2. REVISÃO BIBLIOGRÁFICA MODELO DE APOIO À DECISÃO PARA UM PROBLEMA DE POSICIONAMENTO DE BASES, ALOCAÇÃO E REALOCAÇÃO DE AMBULÂNCIAS EM CENTROS URBANOS: ESTUDO DE CASO NO MUNICÍPIO DE SÃO PAULO RESUMO Ese argo apresena uma proposa

Leia mais

Matemática dos índices Metodologia

Matemática dos índices Metodologia Maemáca dos índces Meodologa Abrl 2017 Ese documeno fo raduzdo para o poruguês apenas para fns de convenênca. Se exsrem dferenças enre as versões do documeno em nglês e poruguês, a versão em nglês prevalecerá.

Leia mais

Séries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial

Séries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na

Leia mais

Algoritmos Genéticos para Programação da Produção em Refinarias de Petróleo

Algoritmos Genéticos para Programação da Produção em Refinarias de Petróleo Algormos Genécos para Programação da Produção em Refnaras de Peróleo Marco Aurélo Cavalcan Pacheco, Sílvo Hamacher 2, Mayron Rodrgues de Almeda 2 ICA - Laboraóro de Inelgênca Compuaconal Aplcada Deparameno

Leia mais

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA CÁSSIA PEREIRA DA ROSA MOSCHOUTIS

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA CÁSSIA PEREIRA DA ROSA MOSCHOUTIS 1 PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA CÁSSIA PEREIRA DA ROSA MOSCHOUTIS ANÁLISE DO CRESCIMENTO POPULACIONAL BRASILEIRO Poro Alegre 13 CÁSSIA PEREIRA DA ROSA MOSCHOUTIS

Leia mais

2. A Medição da Actividade Económica Grandezas Nominais e Reais e Índices de Preços

2. A Medição da Actividade Económica Grandezas Nominais e Reais e Índices de Preços 2. A Medção da Acvdade Económca 2.4. Grandezas Nomnas e Reas e Índces de Preços Ouubro 2007, nesdrum@fe.u. Sldes baseados no guão dsonível no se da cadera 1 2.4. Grandezas Nomnas e Reas e Índces de Preços

Leia mais

CIRCUITOS ELÉTRICOS EXERCÍCIOS ) Para o circuito da figura, determinar a tensão de saída V out, utilizando a linearidade.

CIRCUITOS ELÉTRICOS EXERCÍCIOS ) Para o circuito da figura, determinar a tensão de saída V out, utilizando a linearidade. FISP CIRCUITOS ELÉTRICOS EXERCÍCIOS RESOLVIDOS 00 CIRCUITOS ELÉTRICOS EXERCÍCIOS 00 Para o crcuo da fgura, deermnar a ensão de saída V ou, ulzando a lneardade. Assumremos que a ensão de saída seja V ou

Leia mais

Análises de ciclos econômicos no Brasil

Análises de ciclos econômicos no Brasil Análses de cclos econômcos no Brasl 1980-2009 Armando Vaz Sampao RESUMO - As sequêncas de expansões e conrações da avdade econômca são conhecdas como cclos econômcos e afeam odos os agenes econômcos. O

Leia mais

ESTIMADOR DE ESTADOS ORTOGONAL COM RESTRIÇÕES DE IGUALDADE

ESTIMADOR DE ESTADOS ORTOGONAL COM RESTRIÇÕES DE IGUALDADE ESTIMADOR DE ESTADOS ORTOGONAL COM RESTRIÇÕES DE IGUALDADE José Paulo da Slva Gouvêa (*) Anôno José Alves Smões Cosa Unversdade Federal de Sana Caarna CTC/EEL/GSP Campus Unversáro, Floranópols, S.C. C.

Leia mais

A estrutura a termo de taxas de juros no Brasil: modelos, estimação, interpolação, extrapolação e testes

A estrutura a termo de taxas de juros no Brasil: modelos, estimação, interpolação, extrapolação e testes A esruura a ermo de axas de juros no Brasl: modelos, esmação, nerpolação, exrapolação e eses Sergo Lus Frankln Jr. Thago Baraa Duare César da Rocha Neves + Eduardo Fraga L. de Melo ++ M.Sc., SUSEP/CGSOA

Leia mais

Aplicações à Teoria da Confiabilidade

Aplicações à Teoria da Confiabilidade Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI

Leia mais

4 Modelagem e metodologia de pesquisa

4 Modelagem e metodologia de pesquisa 4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Algoritmos Genéticos com Parâmetros Contínuos

Algoritmos Genéticos com Parâmetros Contínuos com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75

Leia mais

t +1. Cabe mencionar que, N representa o número de observações da série temporal

t +1. Cabe mencionar que, N representa o número de observações da série temporal 35 3 Méodos de Prevsão de Séres Temporas 3. Séres Temporas Pode-se defnr uma sére emporal como sendo um conuno de dados observados e ordenados segundo parâmero de empo e com dependênca seral, sendo esse

Leia mais

Crescimento do Produto Agropecuário Brasileiro: uma Aplicação do Vetor Auto-regressivo (VAR)

Crescimento do Produto Agropecuário Brasileiro: uma Aplicação do Vetor Auto-regressivo (VAR) Quesões Agráras, Educação no Campo e Desenvolvmeno CRESCIMENTO DO PRODUTO AGROPECUÁRIO: UMA APLICAÇÃO DO VETOR AUTO-REGRESSIVO (VAR) CARLOS ALBERTO GONÇALVES DA SILVA; LÉO DA ROCHA FERREIRA; PAULO FERNANDO

Leia mais

Análise RFV do Cliente na Otimização de Estratégias de Marketing: Uma Abordagem por Algoritmos Genéticos

Análise RFV do Cliente na Otimização de Estratégias de Marketing: Uma Abordagem por Algoritmos Genéticos Análse RFV do Clene na Omzação de Esraégas de Markeng: Uma Abordagem por Algormos Genécos Anderson Gumarães de Pnho Ponfíca Unversdade Caólca do Ro de Janero Ro de Janero RJ Brasl agp.ne@gmal.com 1. Inrodução

Leia mais

Figura 1 Uma imensa nuvem de pássaros [ red-billed queleas] retornam a seu viveiro natural ao pôr do sol, Delta do Okavango, Botswana, África

Figura 1 Uma imensa nuvem de pássaros [ red-billed queleas] retornam a seu viveiro natural ao pôr do sol, Delta do Okavango, Botswana, África 5. MÉTODO DE ENXAME DE PARTÍCULAS PARTICLE SWARM 5..Analoga Comparamenal: odos por um e um por odos 5..A Tradução Maemáca: o algormo básco 5.3.A Programação do Algormo 5.4.Eemplos Ilusravos 5. MÉTODO DE

Leia mais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 XXX.YY a 5 Novembro de 009 Recfe - PE GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL HIDROTERM

Leia mais

Exercícios sobre o Modelo Logístico Discreto

Exercícios sobre o Modelo Logístico Discreto Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,

Leia mais

5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço

5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço 5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que

Leia mais

SIMULAÇÃO NUMÉRICA DE TURBINAS AXIAIS: METODOLOGIAS SIMPLIFICADAS E GERAÇÃO DE MALHA

SIMULAÇÃO NUMÉRICA DE TURBINAS AXIAIS: METODOLOGIAS SIMPLIFICADAS E GERAÇÃO DE MALHA XIV CONGRESSO NACIONAL DE ESTUDANTES DE ENGENHARIA MECÂNICA Unversdade Federal de Uberlânda Faculdade de Engenhara Mecânca SIMULAÇÃO NUMÉRICA DE TURBINAS AXIAIS: METODOLOGIAS SIMPLIFICADAS E GERAÇÃO DE

Leia mais

AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM

AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 163 22. PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 22.1. Inrodução Na Seção 9.2 foi falado sobre os Parâmeros de Core e

Leia mais

Análise do Desempenho dos Gestores de Fundos, baseada nas Transações e nas Participações das Carteiras

Análise do Desempenho dos Gestores de Fundos, baseada nas Transações e nas Participações das Carteiras Vâna Sofa Sequera Umbelno Análse do Desempenho dos Gesores de Fundos, baseada nas Transações e nas Parcpações das Careras Dsseração de Mesrado apresenado à Faculdade de Economa da Unversdade de Combra

Leia mais

S&P Dow Jones Indices: Metodologia da matemática dos índices

S&P Dow Jones Indices: Metodologia da matemática dos índices S&P Dow Jones Indces: Meodologa da maemáca dos índces S&P Dow Jones Indces: Meodologa do índce Ouubro 2013 Índce Inrodução 3 Dferenes varedades de índces 3 O dvsor do índce 4 Índces ponderados por capalzação

Leia mais

DINÂMICA E PREVISÃO DE PREÇOS DE COMMODITIES AGRÍCOLAS COM O FILTRO DE KALMAN

DINÂMICA E PREVISÃO DE PREÇOS DE COMMODITIES AGRÍCOLAS COM O FILTRO DE KALMAN XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO DINÂICA E PREVISÃO DE PREÇOS DE COODITIES AGRÍCOLAS CO O FILTRO DE KALAN Flávo Pnhero Corsn (POLI-USP) flavo.corsn@gmal.com Celma de Olvera Rbero (POLI-USP)

Leia mais

CAPÍTULO I CIRCUITOS BÁSICOS COM INTERRUPTORES, DIODOS E TIRISTORES 1.1 CIRCUITOS DE PRIMEIRA ORDEM Circuito RC em Série com um Tiristor

CAPÍTULO I CIRCUITOS BÁSICOS COM INTERRUPTORES, DIODOS E TIRISTORES 1.1 CIRCUITOS DE PRIMEIRA ORDEM Circuito RC em Série com um Tiristor APÍTUO I IRUITOS BÁSIOS OM INTERRUPTORES, IOOS E TIRISTORES. IRUITOS E PRIMEIRA OREM.. rcuo R em Sére com um Trsor Seja o crcuo apresenado na Fg... T R v R V v Fg.. rcuo RT sére. Anes do dsparo do rsor,

Leia mais

Otimização no Planejamento Agregado de Produção em Indústrias de Processamento de Suco Concentrado Congelado de Laranja

Otimização no Planejamento Agregado de Produção em Indústrias de Processamento de Suco Concentrado Congelado de Laranja Omzação no Planeameno Agregado de Produção em Indúsras de Processameno de Suco Concenrado Congelado de Larana José Renao Munhoz Crova Agro Indusral Lda., 15800-970, Caanduva, SP (ose.munhoz@crova.com)

Leia mais

Lista de Exercícios nº 3 - Parte IV

Lista de Exercícios nº 3 - Parte IV DISCIPLINA: SE503 TEORIA MACROECONOMIA 01/09/011 Prof. João Basilio Pereima Neo E-mail: joaobasilio@ufpr.com.br Lisa de Exercícios nº 3 - Pare IV 1ª Quesão (...) ª Quesão Considere um modelo algébrico

Leia mais

Otimização da operação de usinas hidrelétricas para diminuição de penalidades por MRGF, aumento da geração e da reserva de energia

Otimização da operação de usinas hidrelétricas para diminuição de penalidades por MRGF, aumento da geração e da reserva de energia Omzação da operação de usnas hdrelércas para dmnução de penaldades por MRGF, aumeno da eração e da reserva de enera Lucas S. M. Guedes, Adrano C. Lsboa, Doulas A. G. Vera, Pedro M. Maa, Grazelle F. Slva,

Leia mais

Planejamento da operação energética. baseado em curvas guias de armazenamento

Planejamento da operação energética. baseado em curvas guias de armazenamento Planejameno da operação energéca baseado em curvas guas de armazenameno Revsa Braslera de Energa Vol. 12 N o 2 Planejameno da operação energéca baseado em curvas guas de armazenameno RESUMO Mônca de S.

Leia mais

Física Experimental IV Polarização por Reflexão ângulo de Brewster. Prof. Alexandre Suaide Prof. Manfredo Tabacniks

Física Experimental IV Polarização por Reflexão ângulo de Brewster. Prof. Alexandre Suaide Prof. Manfredo Tabacniks Físca xpermenal IV - 008 Polarzação por Reflexão ângulo de Brewser Prof. Alexandre Suade Prof. Manfredo Tabacnks Reflexão e Refração da Luz fsca.ufpr.br/edlson/cap34.pdf fsca.ufpr.br/edlson/cap34.pdf prsma

Leia mais

4 O Papel das Reservas no Custo da Crise

4 O Papel das Reservas no Custo da Crise 4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal

Leia mais

Arbitragem na Estrutura a Termo das Taxas de Juros: Uma Abordagem Bayesiana

Arbitragem na Estrutura a Termo das Taxas de Juros: Uma Abordagem Bayesiana Arbragem na Esruura a ermo das axas de Juros: Uma Abordagem Bayesana Márco Pole Laurn Armêno Das Wesn Neo Insper Workng Paper WPE: / Copyrgh Insper. odos os dreos reservados. É probda a reprodução parcal

Leia mais

x () ξ de uma variável aleatória X ser um número real, enquanto que uma realização do

x () ξ de uma variável aleatória X ser um número real, enquanto que uma realização do 3 Snas Aleaóros em empo Conínuo. Pare II: Modelos de Fones de Informação e de uído. No capíulo aneror vemos oporundade de recordar os conceos báscos da eora das probabldades e das varáves aleaóras. Nese

Leia mais

4 O modelo econométrico

4 O modelo econométrico 4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z) Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2

Leia mais

UMA METODOLOGIA DE PRÉ-DESPACHO AC COM BASE EM UM MODELO DE FPO NEWTON

UMA METODOLOGIA DE PRÉ-DESPACHO AC COM BASE EM UM MODELO DE FPO NEWTON UMA METODOLOGIA DE PRÉ-DESPACHO AC COM BASE EM UM MODELO DE FPO NEWTON Leonardo Nepomuceno, Takaak Ohsh, Secundno Soares DENSIS-FEEC-UNICAMP Caxa Posal 6101 CEP 13081-970 - Campnas SP Resumo Ese rabalho

Leia mais

VALORIZAÇÃO DA RESERVA OPERATIVA EM UM AMBIENTE COMPETITIVO PARA GERADORES HIDRELÉTRICOS

VALORIZAÇÃO DA RESERVA OPERATIVA EM UM AMBIENTE COMPETITIVO PARA GERADORES HIDRELÉTRICOS VALORIZAÇÃO DA RESERVA OPERATIVA EM UM AMBIENTE COMPETITIVO PARA GERADORES HIDRELÉTRICOS Juan Carlos Galvs M juancgalvs@gmal.com Jose Mara Yusa Loyo jmyusa@unzar.es Unversdade Esadual Paulsa LAPSEE-FEIS-UNESP

Leia mais

Despacho n.º 13/06. 2. A presente resolução entra em vigor no dia seguinte ao da sua publicação. João Renato Lima Presidente do C.A.

Despacho n.º 13/06. 2. A presente resolução entra em vigor no dia seguinte ao da sua publicação. João Renato Lima Presidente do C.A. Despacho n.º 13/06 De enre as arbuções da Agênca de Regulação Económca desaca-se a compeênca de fxar as arfas e os mecansmos de reajuses a serem pracados pela oncessonára do servço públco de ranse e dsrbução

Leia mais

RESULTADOS TEÓRICOS PARA TURBULÊNCIA GERADA POR DUAS GRELHAS OSCILANTES

RESULTADOS TEÓRICOS PARA TURBULÊNCIA GERADA POR DUAS GRELHAS OSCILANTES RESULTADOS TEÓRICOS PARA TURBULÊNCIA GERADA POR DUAS GRELHAS OSCILANTES Harry Edmar Schulz Fazal Hussan Chaudhry USP - Escola de Engenhara de São Carlos, Deparameno de Hdráulca e Saneameno Laboraóro de

Leia mais

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal.

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal. Grpe: Época de grpe; acvdade grpal; cálculo da lnha de ase e do respecvo nervalo de confança a 95%; e área de acvdade asal. ÉPOCA DE GRPE Para maor facldade de compreensão será desgnado por época de grpe

Leia mais

MODELO PARA O DIMENSIONAMENTO DE UMA FROTA DE CONTÊINERES PARA UMA EMPRESA DE NAVEGAÇÃO

MODELO PARA O DIMENSIONAMENTO DE UMA FROTA DE CONTÊINERES PARA UMA EMPRESA DE NAVEGAÇÃO KATIA YAGUIU MODELO PARA O DIMENSIONAMENTO DE UMA FROTA DE CONTÊINERES PARA UMA EMPRESA DE NAVEGAÇÃO Dsseração apresenada à Escola Polécnca da Unversdade de São Paulo para a obenção do Tíulo de Mesre em

Leia mais

MODELOS PARA A UTILIZAÇÃO DAS OPERAÇÕES DE REDESCONTO PELOS BANCOS COM CARTEIRA COMERCIAL NO BRASIL

MODELOS PARA A UTILIZAÇÃO DAS OPERAÇÕES DE REDESCONTO PELOS BANCOS COM CARTEIRA COMERCIAL NO BRASIL MODELOS PARA A UTILIZAÇÃO DAS OPERAÇÕES DE REDESCONTO PELOS BANCOS COM CARTEIRA COMERCIAL NO BRASIL Sérgo Mko Koyama Deparameno de Esudos e Pesqusas, Banco Cenral do Brasl Márco Issao Nakane Deparameno

Leia mais

Características dos Processos ARMA

Características dos Processos ARMA Caracerísicas dos Processos ARMA Aula 0 Bueno, 0, Capíulos e 3 Enders, 009, Capíulo. a.6 Morein e Toloi, 006, Capíulo 5. Inrodução A expressão geral de uma série emporal, para o caso univariado, é dada

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Impacto da Educação Defasada sobre a Criminalidade no Brasil: 2001-2005

Impacto da Educação Defasada sobre a Criminalidade no Brasil: 2001-2005 1 Impaco da Educação Defasada sobre a Crmnaldade no Brasl: 2001-2005 Evandro Camargos Texera Ana Lúca Kassouf Seembro, 2011 Workng Paper 010 Todos os dreos reservados. É probda a reprodução parcal ou negral

Leia mais

CARTAS DE CONTROLE MULTIVARIADAS

CARTAS DE CONTROLE MULTIVARIADAS UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO DANILO MARCONDES FILHO CARTAS DE CONTROLE MULTIVARIADAS BASEADAS NO MÉTODO KERNEL-STATIS

Leia mais

UNIVERSIDADE DA BEIRA INTERIOR FACULDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III

UNIVERSIDADE DA BEIRA INTERIOR FACULDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III UNIVERSIDADE DA BEIRA INTERIOR FACUDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III icenciaura de Economia (ºAno/1ºS) Ano ecivo 007/008 Caderno de Exercícios Nº 1

Leia mais

CÁLCULO DE ÍNDICES DE CONFIABILIDADE EM SISTEMAS DE GERAÇÃO DE ENERGIA USANDO UM ALGORITMO GENÉTICO MODIFICADO

CÁLCULO DE ÍNDICES DE CONFIABILIDADE EM SISTEMAS DE GERAÇÃO DE ENERGIA USANDO UM ALGORITMO GENÉTICO MODIFICADO CÁLCULO DE ÍNDICES DE CONFIABILIDADE EM SISTEMAS DE GERAÇÃO DE ENERGIA USANDO UM ALGORITMO GENÉTICO MODIFICADO RODRIGO ALBUQUERQUE, ANSELMO RODRIGUES, MARIA G. DA SILVA. Grupo de Ssemas de Poênca, Deparameno

Leia mais

ANÁLISE DE DEGRADAÇÃO DO CANCELADOR DE ECO HÍBRIDO FIR-IFIR USADO EM CANAIS TELEFÔNICOS

ANÁLISE DE DEGRADAÇÃO DO CANCELADOR DE ECO HÍBRIDO FIR-IFIR USADO EM CANAIS TELEFÔNICOS ANÁISE DE DEGRADAÇÃO DO CANCEADOR DE ECO HÍBRIDO FIR-IFIR USADO E CANAIS TEEFÔNICOS RESUO AIA, Vâno 1 Nese argo, é apresenada a análse de degradação nroduzda pelo flro nerpolado no cancelador de eco hbrdo

Leia mais