CÁLCULO DE ÍNDICES DE CONFIABILIDADE EM SISTEMAS DE GERAÇÃO DE ENERGIA USANDO UM ALGORITMO GENÉTICO MODIFICADO
|
|
- João Batista da Fonseca de Escobar
- 8 Há anos
- Visualizações:
Transcrição
1 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 de Engenhara da Elercdade Unversdade Federal do Maranhão Avenda dos Porugueses S/N, Campus Unversáro do Bacanga, São Luís-MA, CEP: E-mals: Absrac - The evaluaon of relably ndces n elecrcal power sysems s based on probablsc echnques o nclude unceranes relaed o equpmen ouages and load varaons. The modelng of unceranes requres he evaluaon of a large number of sysems saes o esmae he probablsc ndces wh an accepable accuracy. Consequenly, he probablsc ndces esmaon may have a hgh compuaonal cos. Ths paper proposes a mehodology o esmae he relably ndces wh low compuaonal cos. Ths mehodology s based on a Fas Modfed Genec Algorhm (FMGA. The resuls usng he Roy Bllnon Tes Sysem (RBTS demonsraed ha he compuaonal performance of he FMGA s much beer han he Mone Carlo Smulaon (MCS. Addonally, he evaluaed ndces by FMGA are as accurae as hose esmaed by MCS. Keywords Relably Indces, Elecrcal Power Sysems, Probablsc Technques, Fas Modfed Genec Algorhm, Mone Carlo Smulaon. Resumo - A esmação dos índces de confabldade dos ssemas de energa elérca geralmene se basea em écncas probablíscas para modelar ncerezas assocadas com falhas nos equpamenos e fluuações de carga. A modelagem desas ncerezas exge a avalação de um grande número de esados do ssema para esmar os índces probablíscos com uma precsão aceável. Consequenemene, a esmação probablísca de índces de confabldade possu um cuso compuaconal elevado. Nese argo é proposa uma meodologa para esmar os índces de confabldade com baxo cuso compuaconal que se basea em um Algormo Genéco Modfcado Rápdo (AGMR. Os resulados dos eses no ssema Roy Bllnon Tes Sysem (RBTS demonsraram que o desempenho compuaconal do AGMR é superor ao da Smulação Mone Carlo (SMC. Adconalmene, os índces esmados va AGMR são ão precsos quano aqueles esmados aravés da SMC. Palavras-chave Índces Confabldade, Ssemas de Energa Elérca, Técncas Probablíscas, Algormo Genéco Modfcado Rápdo, Smulação Mone Carlo. T 1. Inrodução odo ssema de energa esá sueo a falhas em seus equpamenos que, em geral, são aleaóras e mprevsíves. Essas falhas podem compromeer a operação do ssema elérco, de forma a nvablzar o fornecmeno de energa aos consumdores. Geralmene, as ncerezas assocadas com o comporameno aleaóro da rede elérca são modeladas va écncas probablíscas (Bllnon & Allan A prncpal vanagem dessas écncas é a sua capacdade para combnar severdade e probabldade, para expressar verdaderamene o rsco do ssema. Os prncpas méodos usados na esmação probablísca de índces de confabldade são a SMC e a Enumeração de Esados (Bllnon & Allan 1996; Bllnon & L A prncpal dferença enre essas écncas, é que na SMC os esados do ssema são seleconados de forma aleaóra, enquano que na enumeração os esados são seleconados usando os segunes créros: ordem das conngêncas e valor mínmo para a probabldade de um esado. Por ouro lado, esses méodos êm uma desvanagem em comum: o alo cuso compuaconal para esmar índces de confabldade com uma precsão aceável. Conudo, as causas desse elevado cuso compuaconal são dsnas: SMC: um grande número de esados é exgdo para esmar índces de confabldade com magnudes pequenas ou grandes varâncas. Esse fao ocorre devdo à precsão dos índces esmados va SMC (ncereza relava ou coefcene de varação ser dreamene proporconal à varânca e nversamene proporconal à magnude do índce esmado (Bllnon & L Enumeração de Esados: um grande número de esados é requerdo para analsar ssemas, nos quas as probabldades de falha dos componenes são elevadas. Ese efeo causa uma dspersão das probabldades do espaço amosral em um grande número de esados do ssema. Essa suação é ípca de ssemas que conêm undades de geração, pos as probabldades de falha das undades de geração são da ordem de 1x10-2. Todava, esse efeo não ocorre em ssemas de ransmssão puros, pos neses ssemas a probabldade de falha das lnhas é da ordem de 1x10-4. Consequenemene, é necessáro apenas avalar conngêncas de baxa ordem (1ª e 2ª ordem para esmar os índces com uma precsão aceável. Uma alernava proposa recenemene para reduzr os cusos compuaconas da esmação probablísca de índces de confabldade é a aplcação de mea-heuríscas, para realzar uma varredura ( scanear do espaço amosral ulzado no cálculo dos índces (Elmakas, As prncpas mea-heuríscas usadas nesa aplcação são: Algormos Genécos, Omzação por Enxame de Parículas e Colônas de Formgas (Samaan & Sngh 2002; Wang & Sngh 2008; Mranda e al De acordo com (Samaan & Sngh 2002, um Algormo ISSN: Vol. X 1084
2 Genéco é usado como ferramena de busca para rasrear os esados de falha mas prováves no cálculo de índces de confabldade para ssemas de geração. Além dsso, em (Wang & Sngh 2008 é mosrada uma comparação de dversos algormos meaheuríscos na esmação de índces de confabldade de ssemas de geração conendo fones de energa renováves do po eólca. Adconalmene, em (Mranda e al fo demonsrado que um algormo híbrdo, baseado em Algormos Evoluconáros e Omzação por Enxame de Parículas, é compuaconalmene mas efcene do que a SMC para esmar índces de confabldade em ssemas de poênca. Esas pesqusas movaram o desenvolvmeno do AGMR que é apresenado nese argo com o obevo de esmar índces de confabldade em ssemas de geração. Os resulados dos eses com o AGMR no ssema RBTS (Bllnon e al. 1989; Bllnon e al demonsraram que esa écnca em um desempenho compuaconal superor à SMC. Esa avalação de desempenho fo realzada, consderando a esmação dos segunes índces de confabldade do NH1 (Nível Herárquco 1: LOLE ( Loss of Load Expecaon e LOEE ( Loss of Energy Expecaon. 2. Algormos Genécos Algormos Genécos (AG são méodos de smulação, baseados na eora evoluva, cua regra de sobrevvênca por apdão é aplcada em uma população de ndvíduos, que represena uma poencal solução para o problema sob análse (Goldberg, Na modelagem clássca dos AG uma população aleaóra ou heurísca ncal é gerada, composa por cromossomos. Cada cromossomo da população será avalado de acordo com uma função de apdão parcular (fness, ou sea, a apdão do cromossomo esa dreamene relaconada com a omaldade da solução. Nas aplcações de AG, orenadas para ssemas de energa elérca, uma das prncpas dfculdades esá relaconada com a escolha adequada para codfcação dos cromossomos, pos se deve avalar cudadosamene a forma em que os parâmeros do problema são mapeados em uma srng fna de símbolos, que podem possur comprmenos consanes ou dnâmcos. Uma lsa de papers, relaconada com a aplcação de Algormos Genécos em ssemas de poênca, pode ser enconrada em (Koch, A população aual é usada para gerar uma nova população de ndvíduos aravés de operadores genécos, as como: seleção, crossover (recombnação e muação. O operador de seleção é responsável por deermnar as caraceríscas de escolha dos pares de cromossomos; o operador de crossover é responsável pelo cruzameno de pares de cromossomos, dando orgem a um ou dos novos ndvíduos heredáros; e o operador de muação, busca maner uma dversdade na população. O processo é repedo, geração após geração, aé que um créro de parada, al como o número máxmo de, sea sasfeo. Reorganzações nos operadores foram dealzadas para faclar a convergênca do Algormo Genéco (AG, dando orgem, assm, ao Algormo Genéco Modfcado (AGM. Segundo (L & Chang 2006, esse modelo de programação evoluva fundamena-se em dos prncípos báscos: Geração de subpopulações nermedáras, por meo de operações sobre ndvíduos da população ncal e Modelagem dnâmca dos operadores genécos. 3. Caraceríscas do modelo proposo De acordo com o Teorema de No Free Lunch (Wolper & Macready 1997, não exse um únco modelo de resolução ómo de odos os problemas combnaóros. Vso que, dependendo do po de problema, méodos clásscos podem ser mas efcenes que programação evoluva, enreano, algormos evoluvos apresenam um bom desempenho quando exsem hpóeses váldas resrvas acerca do espaço de busca. Porano, o modelo proposo para o AGMR se basea em modfcações nos operadores genécos, crossover e muação, e na formação da subpopulação vsando omzar a resolução do problema em quesão. Essas modfcações êm como obevo dmnur a quandade de, mas sem reduzr a quandade de cromossomos (ndvíduos poencalmene bons (Bes Populaon para a solução do problema. Consequenemene, se obém uma dmnução no empo de smulação e esforço compuaconal. A população ncal, aleaoramene crada, é composa de 50 cromossomos. Cada geração subsequene de ndvíduos, formada aravés dos operadores genécos, possu o mesmo número de cromossomos. Para a deermnação dos índces de confabldade LOLE e LOEE do ssema IEEE RBTS, algumas consderações devem ser realzadas. Prmeramene, deve-se deermnar os possíves esados markovanos, nos quas as undades de geração podem resdr. Nese argo, consderam-se os segunes esados: operavo (Up=1 e de falha (Down=0. Cada undade de geração possu sua própra Taxa de Saída Forçada (FOR, Taxa de Falha (λ e Taxa de Reparo (. A codfcação usada na análse de confabldade do NH1 se basea em um b srng, na qual cada dígo esá assocado com um gerador do ssema, ou sea, o comprmeno do b srng é o número de geradores. No caso do ssema RBTS, cada b srng possu 11 dígos. Cada b srng represena um cromossomo, ou sea, um esado de operação do ssema, que pode conrbur para os índces de confabldade a serem esmados. Consequenemene, cada cromossomo esá assocado com a probabldade do esado que ele represena. Conudo, exsem esados com baxa probabldade de ocorrênca que podem ser desprezados. Desa forma, ulzam-se resrções para seleconar apenas os cromossomos com maores probabldades de ocorrênca. Além dsso, os índces ISSN: Vol. X 1085
3 de confabldade esmados se baseam no core de carga. Consequenemene, é necessáro realzar uma nova seleção, para sasfazer a resrção de que a capacdade nsalada dos cromossomos sea menor que 185 MW, pos ese valor represena o pco de carga do ssema. Nese argo, ulza-se o modelo de carga horára com 8736 níves de carga. Nesse modelo, enumeraram-se os níves de carga em ordem descendene, para formar um modelo de carga cumulavo. A capacdade nsalada pode ser deermnada pelo somaóro de odos os genes dos cromossomos que esão no esado operavo. As probabldades ndvduas de cada cromossomo são deermnadas de acordo com o produo das probabldades ndvduas de cada gerador. Ou sea, para geradores no esado operavo em-se o valor de probabldade gual a 1-FOR e para os geradores no esado de falha o valor será o própro FOR, pos são consderados evenos ndependenes. A. Resrção As resrções consderadas no modelo proposo foram dvddas em duas componenes: 1 Resrção devdo à capacdade nsalada: Como o obevo é deermnar os índces probablíscos relaconados com o core de carga, foram excluídos odos os cromossomos (ndvíduos que possuem capacdade nsalada superor a 185 MW, pos esse valor represena o pco de carga. 2 Resrção assocada com o valor mínmo da probabldade de um esado: Mesmo que um cromossomo possua uma capacdade nsalada menor que o pco de carga, embora deseável para a esmação dos índces de confabldade, ele não será seleconado se a sua probabldade for nferor a um valor mínmo especfcado, devdo à sua baxa probabldade de ocorrênca. B. Formação da Bes Populaon No modelo proposo, o AGMR é usado como uma ferramena para seleconar esados de operação do ssema de geração. A cada população de ndvíduos crada, aplcam-se as resrções para deermnar os melhores ndvíduos de cada geração. Esses ndvíduos são armazenados em uma lsa denomnada Bes Populaon, na qual é aplcada uma rona de penalzação/exclusão dos ndvíduos repedos, para garanr a dversdade da população fnal. 4. Melhoras mplemenadas no AGMR No modelo proposo, as modfcações realzadas geram uma maor varredura no espaço de busca que, por sua vez, resula em uma quandade menor de. Consequenemene, o empo de smulação e o esforço compuaconal são reduzdos. Nese argo são feas melhoras nos operadores de crossover e muação, baseando-se em (Wang e al e na formação da subpopulação. A. Esraéga de Crossover Para a operação de crossover os cromossomos são seleconados em pares (S v e S w. S v e S w são recombnados na k-ésma posção. Os resulados do cruzameno são: s c : k é um número aleaóro seleconado no nervalo [2,...,N-1]; são números aleaóros unformemene dsrbuídos em [0,1]; represena a geração correne; S c represena apenas um dos cromossomos resulanes do processo de crossover; TC represena a axa de crossover lmada em [0,1]. TC é represenado pela segune equação: rand s TC ( 1 TC TC α é dado por: mn 1 [1, T] T max TC mn e TC max são os valores mínmo e máxmo da axa de crossover, respecvamene; T a quandade máxma de. α é o parâmero de dnâmca do operador de crossover. Essa esraéga de crossover fo adoada para melhorar o espaço de busca e dmnur a probabldade de ocorrênca de elemenos repedos. B. Esraéga de Muação Após o cromossomo resulane S c ser obdo, selecona-se aleaoramene um elemeno v k, k ϵ {1,2,...,N}, e deve-se subsuí-lo por v k, que é um número aleaóro no nervalo [v mn,v max ]. O cromossomo resulane muado será: s 1 v s 1 w 1 cm ( v1,..., vk, wk 1,..., w ( w1,..., wk, vk 1,..., v ( v 1,..., v ',..., v k, rand TM é represenado pela segune equação: TM T ( 1 TM TMdef (6 T S cm represena o cromossomo cross muado; TM represena a baxa axa de muação lmada em [0,1]; TM def represena um valor consane de parda para o cálculo do TM. Essa esraéga de muação fo adoada para melhorar a efcênca da pesqusa no espaço de busca, vso que a muação é responsável pela nrodução e manuenção da dversdade genéca da população. N N,rand TC N,rand TC (1 (2 (3 (4 (5 ISSN: Vol. X 1086
4 C. Esraéga ulzada na subpopulação A esraéga ulzada consse no desmembrameno da subpopulação. Uma pare dela negra o bloco de seleção/muação/crossover e a pare resane consse apenas em um pequeno grupo dos melhores ndvíduos de cada geração. Esses ndvíduos passam a fazer pare dreamene da nova geração por elsmo. 5. Fluxograma do algormo A. Deermnação dos veores de esado do ssema de geração Passo #1: Enrada de dados * undades geradoras: FOR e a capacdade de geração; * curva de carga; * AGM: quandade de cromossomos por geração e da quandade máxma de. Passo #2: Alocação de Memóra Cada cromossomo é dvddo em n pares, denomnadas genes. Cada gene é represenado por um número bnáro, referene ao esado de operação da undade geradora. O amanho do cromossomo (L é gual à quandade de undades geradoras (U G. Passo #3: Geração da População Incal A população ncal é gerada aleaoramene e é composa de 50 cromossomos (ndvíduos. Para cada gene dos cromossomos, referene a uma undade geradora, é arbuído aleaoramene um número bnáro, ou sea, L números bnáros por cromossomo. Passo #4: Cálculo da Capacdade Insalada Cap n P ( b n 1 1 ( b C P UG b é o valor bnáro represenavo da undade geradora; UG C L n U G 1 GENE (7 (8 represena a capacdade de geração da undade; Cap capacdade nsalada do cromossomo. Passo #5: Cálculo da probabldade de cada cromossomo P GENE é a probabldade do esado da undade geradora, que pode assumr os segunes valores: P GENE = 1-FOR, se b =1 P GENE = FOR, se b =0. Passo #6: Aplcação da resrção sobre a capacdade nsalada Nessa eapa se Cap 185 MW (pco de carga, enão esse esado represena um esado de sucesso, ou sea, um esado em que o grupo de undades geradoras (9 consegue aender a demanda. Se Cap 185 MW, enão esse esado represena um esado de falha, ou sea, há défc de geração e esse esado é de neresse, vso que os índces probablíscos, a serem esmados, esão relaconados com o core de carga. Selecona-se, porano, odos os cromossomos com capacdade de geração menor que o pco de carga. Passo #7: Aplcação da resrção por baxo valor de probabldade Nessa eapa, excluem-se os cromossomos seleconados no Passo #6, que possuem uma probabldade ndvdual menor que Passo #8: Armazenameno dos cromossomos poencalmene bons Esses cromossomos são usados na resolução do problema e são alocados na lsa Bes Populaon. Passo #9: Formação da próxma geração Nesa eapa, a nova população é formada aravés da aplcação dos operadores de seleção, crossover e muação. Ulza-se seleção por orneo, na qual o cromossomo de maor apdão possu uma maor probabldade de ser seleconado. Conudo, dependendo do número aleaóro gerado durane o orneo, o cromossomo de menor apdão pode ser seleconado, mas com uma probabldade menor. As esraégas desenvolvdas, para os operadores de crossover e muação, são aplcadas após o processo de seleção dos cromossomos. Passo #10: Créro de Parada Os passos #4 a #9 são repedos aé que o créro de parada sea angdo, que consse em um número prédefndo de. Se o créro de parada for sasfeo, enão a lsa Bes Populaon fca compleamene preenchda. Vale ressalar que essa lsa possu amanho dnâmco, que depende de cada smulação, vso que o processo é aleaóro. B. Cálculo dos índces do ssema de geração Os índces LOLE e LOEE são calculados por convolução dscrea enre a curva de carga e os esados de falha do ssema de geração para um período anual (Bllnon & Allan O LOLE expressa o empo oal (horas ou das de défc de geração para um período de esudo. Por ouro lado, o LOEE expressa a energa não-fornecda aos consumdores, devdo ao défc de geração. Consdere que o valor da carga na hora sea VC. A probabldade de perda de carga (PPC, para ese respecvo valor de carga, é calculada como a segur: PPC( VC S L BP 1 ( S 1, Cap VC 0, Cap VC P (10 Onde: L BP é o comprmeno da lsa Bes Populaon; P é a probabldade do cromossomo correne; S é o esado do cromossomo defndo como se segue: (11 Após calcular a PPC(VC para odos os valores de ISSN: Vol. X 1087
5 carga, o LOLE, em horas por ano (hrs/ano, é calculado como: LOLE PPC( VC A poênca não suprda (PNS, em MW, é calculada para cada valor de capacdade nsalada dos cromossomos da Bes Populaon. O índce LOEE, em megawas hora por ano (MWh/ano, é calculado como: PNS ( Cap LOEE L BP 1 ( S 8736 ( 1 P 6. Resulados VC Cap PNS ( Cap (12 (13 (14 O AGMR proposo nese argo, para esudos de confabldade no NH1, fo esado no ssema RBTS. O ssema RBTS possu onze undades de geração com capacdades varando de 5 MW a 40 MW. O pco de carga do ssema é 185 MW e a capacdade nsalada da geração é 240 MW (Bllnon e al O dagrama unflar do ssema RBTS é mosrado na Fgura 01. Segundo (Samaan & Sngh 2002, pode-se conclur que o AGMR apresena vanagens em relação à SMC, pos a modelagem dos veores de esado, ou cromossomos, ndepende da curva de carga. Para dferenes curvas de carga de um ssema é necessáro consderar apenas o valor máxmo da curva. Após a consrução do veor de esado, realza-se a convolução dese veor com a curva de carga. Por ouro lado, na SMC é necessáro realzar uma smulação para cada curva de carga, caso o obevo sea calcular os índces de confabldade para cada curva de carga. Oura vanagem do AGMR, em relação à SMC, esa relaconada com o empo de smulação, pos para valores pequenos de FOR a SMC exge um número elevado de smulações para se ober uma boa precsão dos resulados. Valor do LOLE x40 MW 4x20 MW 2x5 MW G bus Cromossomos Fgura 02: Evolução do índce LOLE bus 1 2x40 MW 1x20 MW 1x10 MW G L3 L2 L7 20 MW L1 bus 3 65 MW L5 L6 L4 bus 5 L8 bus 4 40 MW Valor do LOEE 6 4 L9 20 MW 2 bus 6 40 MW Fgura 01: Dagrama unflar do ssema RBTS. A plaaforma compuaconal usada nas smulações fo um PC com as segunes caraceríscas báscas: Processador Inel(R Core(TM 7 de 2,67 GHz, memóra de 6 GB e Hard Dsk de 3 TB. O programa AGMR fo desenvolvdo em ambene MATLAB R2010a. O AGMR proposo nese argo fnalza após 130. O número médo de elemenos salvos na Bes Populaon é 730 cromossomos. O AGMR apresena vanagens relaconadas com: redução na quandade de, acarreando menor empo de smulação; maor varredura no espaço de busca; redução do esforço compuaconal e precsão dos resulados. As Fguras 02 e 03 mosram a evolução dos índces probablíscos de confabldade para o ssema RBTS Cromossomos Fgura 03: Evolução do índce LOEE Em uma das comparações realzadas nese argo, ulzou-se a SMC sequencal. Na SMC sequencal são geradas sequêncas snécas, que emulam os processos de operação e reparo dos componenes do ssema, consderando a conexão cronológca enre os esados. Esas sequêncas snécas são obdas ulzando-se geradores de números pseudo-aleaóros e as dsrbuções de probabldade dos empos de operação e falha dos componenes (Bllnon & Wangdee 2005; Bhuyan & Allan 1995; Bllnon & Gan Na modelagem do AGM foram consderados os segunes aspecos relaados na leraura, por exemplo: baxa axa de muação, ala axa de crossover, subpopulação gerada por meo de operações da população ncal e geração de ISSN: Vol. X 1088
6 população nermedára (Goldberg, 1989; Samaan & Sngh 2002.Foram realzadas 30 smulações consecuvas para o levanameno dos índces probablíscos LOLE e LOEE a serem comparados enre o AGMR e os segunes méodos: SMC sequencal, AGM e Analíco Exao. A Tabela 1 mosra a comparação dos resulados enre o AGMR e o Méodo Analíco Exao (Bllnon e al A Tabela 2 mosra a comparação enre o AGMR e os demas méodos. Pode-se observar que os resulados obdos com o AGMR são mas precsos que aqueles gerados pela SMC sequencal e pelo AGM. Tabela 1. Resulados do AGMR para o ssema RBTS. Índce probablísco LOLE (hrs/ano LOEE (MWh/ano Resposa analíca AGMR Erro médo 1, ,0968 0,47% 9,830 9,8281 0,02% Adconalmene, pode ser observado que há uma redução consderável no empo de smulação e no esforço compuaconal. Vale ressalar, que em (Bllnon & Gan 1991 não é fornecdo o dado do empo de smulação, enreano pode-se afrmar que o AGMR apresena um empo de smulação menor vso que são necessáras apenas 130 para se ober um resulado mas precso. Tabela 2. Comparação enre a SMC e AGM com o AGMR Índce probablísco SMC sequencal (Bllnon & Gan anos AGM baseado (Samaan & Sngh O AGMR pode ser combnado com a compuação dsrbuída para vablzar a análse de ssemas reas de grande pore. Por exemplo, no ambene de compuação dsrbuída, as undades de geração seram parconadas em grupos de geração, com amanhos preesabelecdos, que seram envados aos demas compuadores da rede e os resulados seram reenvados a um servdor. 7. Conclusão AGMR proposo LOLE (hrs/ano 1,1013 1,0975 1,0683 1,0939 1,0968 LOEE (MWh/ano 10,0919 9,8127 9,531 9,7946 9,8281 Tempo smulação s 1,20 s 2,5 s 3,18s Erro LOLE 0,88% 0,54% 2,13% 0,21% 0,47% Erro LOEE 2,66% 0,17% 3,04% 0,36% 0,02% Nese argo fo apresenado um méodo para esmação de índces de confabldade de ssemas de geração com base em um Algormo Genéco Modfcado Rápdo (AGMR. Esse algormo fo usado para esmar os índces de confabldade Loss of Load Expecaon (LOLE e Loss of Energy Expecaon (LOEE no ssema RBTS (Roy Bllnon Tes Sysems. Os resulados obdos com ese ssema demonsraram que o AGMR apresena resulados com precsão comparável a Smulação Mone Carlo (SMC. Além dsso, o AGMR em um cuso compuaconal menor que o do Algormo Genéco Modfcado Clássco e o da SMC. Referêncas Bblográfcas Bllnon, R. and Allan, R. N (1992. Relably Evaluaon of Engneerng Sysems: Conceps and Technques. 2 nd ed., Plenum Press. Bllnon, R. and Allan, R. N (1996. Relably Evaluaon of Power Sysems. 2 nd ed., Plenum Press. Bllnon, R. and Gan, L (1991. Use of Mone Carlo Smulaon n Teachng Generaon Capacy Adequacy Assessmen. Transacons on Power Sysems, Vol. 6, No. 4. Bllnon, R.; Kumar, S. and Nourbakhsh, G (1989. A Relably Tes Sysem for Educaonal Purposes- Basc Daa. IEEE Transacons on PWRS, Vol. 4, pp Bllnon R.; Kumar, S. and Nourbakhsh, G (1990. A Relably Tes Sysem for Educaonal Purposes - Basc Resuls. IEEE Transaons on PWRS, Vol. 5, pp Bllnon, R. and L, W (1994. Relably Assessmen of Elecrc Power Sysems Usng Mone Carlo Mehods. Plenum Press. Bllnon, R. and Wangdee W (2005. Impac of ulsng sequenal and nonsequenal smulaon echnques n bulk-elecrc-sysem relably assessmen. IEE Proc.-Generaon, Transmsson and Dsrbuon, Vol. 152, No. 5. Bhuyan, M. R. and Allan, R. N (1995. Modellng mulsae problems n sequenal smulaon of power sysem relably sudes. IEE Proc.- Generaon, Transmsson and Dsrbuon, Vol. 142, No. 4. Elmakas, D. (2008. New Compuaonal Mehods n Power Sysem Relably (Sudes n Compuaonal Inellgence. Vol. 111, Sprnger. Goldberg, D. E. (1989. Genec Algorhms n Search, Opmzaon, and Machne Learnng. Addson-Wesley. Koch, N. (2000. Saes of he ars of he modern heurscs applcaon o power sysems. Proc. IEEE PESWner Meeng, Vol. 4, pp L, R. and Chang, X (2006. A Modfed Genec Algorhm wh Mulple Subpopulaons and Dynamc Parameers Appled n CVaR model. IEEE Compuer Socey. Mranda, V.; Carvalho, L. M.; da Rosa M. A.; Slva, A. M. L. and Sngh, C (2009. Improvng Power Sysem Relably Calculaon Effcency Wh EPSO Varans. IEEE Transacons on PWRS, Vol. 24, No. 4, pp Samaan, N. and Sngh, C (2002. Adequacy Assessmen of Power Sysem Generaon Usng a Modfed Smple Genec Algorhm. IEEE Transacons on PWRS, Vol. 17, No. 4, pp Wang, L. and Sngh, C (2008. Populaon-Based Inellgen Search n Relably Evaluaon of Generaon Sysems wh Wnd Power Peneraon. IEEE Transacons on PWRS, Vol. 23, No. 3, pp Wang, J.; Ca, X. and Wang, D (2009. Sudy of Dynamc Avalable Transfer Capably wh he Improved Dfferenal Evoluon Algorhm. IEEE Compuer Socey, Inernaonal Conference on Energy and Envronmen Technology. Wolper, D. H. & Macready, W. G. (1997 No Free Lunch Theorems for Opmzaon. IEEE Trans. Evoluonary Compuaon, 1(1: ISSN: Vol. X 1089
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 mais3 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 mais2 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 maisCAPÍTULO 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 maisÉ 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 maisHEURÍSTICA 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 maisCIRCULAR 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 maisda rede são atualizados de acordo com a equação 2 [13]:
LS-DRAUGHTS - UM SISTEMA DE ARENDIZAGEM ARA DAMAS COM GERAÇÃO AUTOMÁ- TICA DE CARACTERÍSTICAS HENRIQUE CASTRO NETO, RITA MARIA SILVA JULIA Faculdade de Compuação, Unversdade Federal de Uberlânda Av. João
Leia mais2. 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 maisAvaliação de Métodos de Interpolação do Sinal de Variabilidade da Freqüência Cardíaca
Avalação de Méodos de Inerolação do Snal de Varabldade da Freqüênca Cardíaca João Luz Azevedo de Carvalho, Oávo Sérgo de Araúo e Noguera, Adson Ferrera da Rocha, Francsco Asss de Olvera Nascmeno, João
Leia maisESTUDO COMPARATIVO DE SISTEMAS DE AERAÇÃO PARA A ESTAÇÃO DE TRATAMENTO DE ESGOTOS SUZANO
ESTUDO COMPARATIVO DE SISTEMAS DE AERAÇÃO PARA A ESTAÇÃO DE TRATAMENTO DE ESGOTOS SUZANO Roque Passos Pvel Escola Polécnca da Unversdade de São Paulo - EPUSP Pedro Alem Sobrnho Escola Polécnca da Unversdade
Leia mais12 Integral Indefinida
Inegral Indefinida Em muios problemas, a derivada de uma função é conhecida e o objeivo é enconrar a própria função. Por eemplo, se a aa de crescimeno de uma deerminada população é conhecida, pode-se desejar
Leia maisS&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 maisANEXO 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 maisInserção de Variáveis Ambientais no Planejamento da Operação de Sistemas Hidrotérmicos
Inserção de Varáves Ambenas no Planejameno da Operação de Ssemas Hdroérmcos VALLE, Ana Cláuda Marques, Escola de Engenhara Elérca e de Compuação, UFG, douoranda em Cencas Ambenas, PRPPG, UFG AGUIAR, Mara
Leia maisAnálise 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 maisA 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 maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina:
Deparameno de Informáca Dscplna: Modelagem Analíca do Desempenho de Ssemas de Compuação Fluxos de Enrada Fluxos de Saída Le de Lle Faor de Ulzação rof. Sérgo Colcher colcher@nf.puc-ro.br rocesso de Chegada
Leia maisDINÂMICA 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 maisGripe: 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 maisInterpolação 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 maisAnálise 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 maisXX 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 maisEsta 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 maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recfe - PE GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP OTIMIZAÇÃO DA
Leia maisExemplo 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 maisEN3604 FILTRAGEM ADAPTATIVA
EN3604 FILTRAGEM ADAPTATIVA Processameno de Snas em Arranjos Técncas de processameno consderando snas provenenes de um grupo de sensores espacalmene dsrbuídos. Poencal para melhorar SNR/ Cancelameno de
Leia maisDespacho 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 mais1- Testes Acelerados. Como nível usual entende-se o nível da variável stress a que o componente ou aparelho será submetido no dia-adia.
- Teses Aelerados São de rande mporâna na ndúsra espealmene na ndúsra elero-elerôna em que eses de empos de vda demandam muo empo. (os produos são muo onfáves) Inorporação de uma arável-sress adonada a
Leia maisRenda Básica da Cidadania versus Imposto de Renda Negativo: O Papel dos Custos de Focalização
Renda Básca da Cdadana versus Imposo de Renda Negavo: O Papel dos Cusos de Focalzação Nelson Leão Paes Marcelo Leer Squera Re s u m o O presene argo procura comparar duas polícas socas alernavas de combae
Leia maisFísica 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 maisAvaliação Inter/Intra-regional de absorção e difusão tecnológica no Brasil: Uma abordagem não-paramétrica. AUTORES.
Avalação Iner/Inra-regonal de absorção e dfusão ecnológca no Brasl: Uma abordagem não-paramérca. Palavras chave: Efcênca écnca Produvdade oal Varação ecnológca AUTORES Emerson Marnho ouor em Economa pela
Leia maisCAPÍTULO 9. y(t). y Medidor. Figura 9.1: Controlador Analógico
146 CAPÍULO 9 Inrodução ao Conrole Discreo 9.1 Inrodução Os sisemas de conrole esudados aé ese pono envolvem conroladores analógicos, que produzem sinais de conrole conínuos no empo a parir de sinais da
Leia maisIluminação e FotoRealismo: Radiosidade
Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções da luz com os obecos são dfusas L x Θ L x, Θ Ω Expressa em ermos de radosdade W/m 2 r
Leia maisSolução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)
Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas
Leia maisEstratégia Ótima de Oferta de Preços no Mercado de Curto Prazo em Sistemas com Predominância Hidrelétrica
Armando Maos de Olvera Esraéga Óma de Ofera de Preços no Mercado de Curo Prazo em Ssemas com Predomnânca Hdrelérca Tese de Douorado Tese apresenada ao Deparameno de Engenara Elérca da Ponfíca Unversdade
Leia maisDenilson Ricardo de Lucena Nunes. Gestão de suprimentos no varejo
Denlson Rcardo de Lucena Nunes Gesão de suprmenos no varejo semas de reposção de esoques em duas camadas e análse de esquemas de monorameno da prevsão de demanda Tese de Douorado Tese apresenada ao programa
Leia maisAnálise genética de escores de avaliação visual de bovinos com modelos bayesianos de limiar e linear
Análse genéca de escores de avalação vsual 835 Análse genéca de escores de avalação vsual de bovnos com modelos bayesanos de lmar e lnear Carna Ubrajara de Fara (1), Cláudo Ulhôa Magnabosco (2), Lúca Galvão
Leia maisNeo-fisherianos e teoria fiscal do nível de preços
Anono Lcha 4/março/07 Neo-fsheranos e eora fscal do nível de preços O objevo desas noas é desacar os prncpas elemenos da abordagem neofsherana e da eora fscal do nível de preços. Desacamos 4 pequenos modelos
Leia maisOtimização 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 maisRedes de Computadores
Inrodução Ins iuo de Info ormáic ca - UF FRGS Redes de Compuadores Conrole de fluxo Revisão 6.03.015 ula 07 Comunicação em um enlace envolve a coordenação enre dois disposiivos: emissor e recepor Conrole
Leia maisA IMPLANTAÇÃO DO PRINCÍPIO DO DESTINO NA COBRANÇA DO ICMS E SUAS IMPLICAÇÕES DINÂMICAS SOBRE OS ESTADOS
A IMPLANTAÇÃO DO PRINCÍPIO DO DESTINO NA COBRANÇA DO ICMS E SUAS IMPLICAÇÕES DINÂMICAS SOBRE OS ESTADOS Nelson Leão Paes PIMES/UFPE Resumo Nese argo, ulzou-se um modelo de equlíbro geral dnâmco para esmar
Leia maisAprendizagem Estatística de Dados. Francisco Carvalho
Aprendzagem Esaísca de Dados Francsco Carvalho A função de Densdade Normal Valor Esperado Caso conínuo [ f ] Caso dscreo f p d [ f ] f p D A função de Densdade Normal Caso Unvarado função de densdade p
Leia maisCAPÍTULO 2 PLANEJAMENTO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIVO DE ENERGIA ELÉTRICA
CAPÍTULO 2 PLANEJAMEO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIO DE ENERIA ELÉTRICA 2. IRODUÇÃO Ese capíulo apresena um resumo dos prncpas conceos relaconados ao planeameno da operação
Leia maisErro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido.
A Prevsão com o Modelo de Regressão.... Inrodução ao Modelo de Regressão.... Exemplos de Modelos Lneares... 3. Dervação dos Mínmos Quadrados no Modelo de Regressão... 6 4. A Naureza Probablísca do Modelo
Leia maisCAPÍTULO 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 maisValor do Trabalho Realizado 16.
Anonio Vicorino Avila Anonio Edésio Jungles Planejameno e Conrole de Obras 16.2 Definições. 16.1 Objeivo. Valor do Trabalho Realizado 16. Parindo do conceio de Curva S, foi desenvolvida pelo Deparameno
Leia maisMecânica dos Fluidos. Aula 8 Introdução a Cinemática dos Fluidos. Prof. MSc. Luiz Eduardo Miranda J. Rodrigues
Aula 8 Inrodução a Cinemáica dos Fluidos Tópicos Abordados Nesa Aula Cinemáica dos Fluidos. Definição de Vazão Volumérica. Vazão em Massa e Vazão em Peso. Definição A cinemáica dos fluidos é a ramificação
Leia mais5 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 mais3 Teoria de imunização
33 3 Teora de munzação Como fo vso, o LM é um gerencameno conuno de avos e passvos como o nuo de dmnur ou aé elmnar os rscos enfrenados pelas nsuções fnanceras. Deses rscos, o rsco de axa de uros represena
Leia maisFILTROS 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 maisInferência Bayesiana Aplicada ao Desenvolvimento de Modelos Neurais para Tratamento de Alarmes em Subestações
Inferênca Bayesana Aplcada ao Desenvolvmeno de Modelos Neuras para Traameno de Alarmes em Subesações Vor Huo Ferrera, Julo esar Saccn de Souza e Mlon Brown Do ouo Flo Absrac-- Ts wor nvesaes e applcaon
Leia maisCONVERSORES CC-CC Aplicações: Controlo de motores de CC-CC Fontes de alimentação comutadas Carga de baterias bateria
CÓNCA PÊNCA Aplcações: CN CC-CC CN CC-CC Crolo de moores de CC-CC Fes de almenação comuadas Carga de baeras ensão cínua de enrada moor de correne cínua crolo e comando baera ede CA ecfcador não crolado
Leia maisOTIMIZAÇÃO POR ENXAME DE PARTÍCULAS COM EXTINÇÃO EM MASSA: UMA ABORDA- GEM APLICADA AO PROBLEMA MULTIDIMENSIONAL DA MOCHILA
OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS COM EXTINÇÃO EM MASSA: UMA ABORDA- GEM APLICADA AO PROBLEMA MULTIDIMENSIONAL DA MOCHILA FERNANDA HEMBECKER, HEITOR S. LOPES, DANIEL ROSSATO Unversdade Tecnológca Federal
Leia maisRenda Básica da Cidadania ou Imposto de Renda Negativo: Qual o Mais Eficiente no Combate a Pobreza?
Renda Básca da Cdadana ou Imposo de Renda Negavo: Qual o Mas Efcene no Combae a Pobreza? Auores Nelson Leão Paes Marcelo Leer Squera Ensao Sobre Pobreza Nº 12 Feverero de 2008 CAEN - UFC 1 Renda Básca
Leia mais5 Avaliação da Eficiência Computacional
5 Avalação da fcênca Compuaconal 5.1 Inrodução É desejado ncorporar o cálculo dos índces de adequação de ações de conrole de ensão ao programa SAN. O programa SAN esá sendo mplemenado com a esruura aual
Leia maisIluminação e FotoRealismo: Radiosidade
Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções dos obecos com a luz são dfusas L( x Θ) = L( x), Θ Ω Podemos enão quanfcar a radosdade
Leia maisPROF. 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 mais5 Sistemas Lineares com Coecientes Periódicos
5 Ssemas Lneares com Coecenes Peródcos Ese capíulo raa de forma suscna do esudo da esabldade de soluções peródcas de ssemas dnâmcos não-lneares. Segundo Rand [83], a eora de Floque é a eora mas geral que
Leia maisImpacto 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 maisAnálise comparativa e teste empírico da validade dos modelos CAPM tradicional e condicional: o caso das ações da Petrobrás
Análse comparava e ese empírco da valdade dos modelos capm radconal e condconal: o caso das ações da Perobrás Análse comparava e ese empírco da valdade dos modelos CAPM radconal e condconal: o caso das
Leia maisConceitos 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 maisMODELOS PARA A PREVISÃO DE EVAPORAÇÃO EM RESERVATÓRIOS DE ÁGUA
MODELOS PARA A PREVISÃO DE EVAPORAÇÃO EM RESERVATÓRIOS DE ÁGUA André Luz Emdo de Abreu Cenro Unversáro Francscano FAE; Programa de Pós-Graduação em Méodos Numércos em Engenhara - UFPR FAE Rua 4 de mao
Leia maisAutoria: Josilmar Cordenonssi Cia
Uma Possível Solução para o Equy Premum Puzzle (EPP Auora: Joslmar Cordenonss Ca Resumo MEHRA e PRESCO (985 levanaram uma quesão que aé hoje não fo respondda de forma sasfaóra: o prêmo de rsco das ações
Leia maisipea COEFICIENTES DE IMPORTAÇÃO E EXPORTAÇÃO NA INDÚSTRIA
COEFICIENTES DE IMPORTAÇÃO E EXPORTAÇÃO NA INDÚSTRIA Paulo Mansur Levy Mara Isabel Fernans Serra Esa noa em como objevo dvulgar resulados relavos ao comporameno das exporações e mporações produos ndusras
Leia maisGestão de uma Carteira de Activos de Produção de Energia Eléctrica
Gesão de uma Carera de Acvos de Produção de Energa Elécrca Invesmeno na ópca da Teora da Carera Mara Margarda D Ávla Duro de Sousa e Slva Dsseração para a obenção do Grau de Mesre em Engenhara e Gesão
Leia mais2. FUNDAMENTOS DE CORRENTE ALTERNADA
Fundamenos de CA 14. FUNDAENTOS DE CORRENTE ALTERNADA Aé o momeno nos preocupamos somene com ensões e correnes conínuas, ou seja, aquelas que possuem módulo e sendo consanes no empo, conforme exemplos
Leia maisALGORITMO GENÉTICO CANÔNICO MODIFICADO APLICADO NA ALOCAÇÃO ÓTIMA DE UNIDADES DE MEDIÇÃO FASORIAL SINCRONIZADA PARA ANÁLISE DE OBSERVABILIDADE
ALGORITMO GEÉTICO CAÔICO MODIFICADO APLICADO A ALOCAÇÃO ÓTIMA DE UIDADES DE MEDIÇÃO FASORIAL SICROIZADA PARA AÁLISE DE OBSERVABILIDADE RODRIGO J. ALBUQUERQUE 1, COELHO A. L. M. 2, OLIVEIRA D. Q. 2, LIMA
Leia maisANÁLISE CONDICIONADA DA DEMANDA COM CORREÇÃO DE HETEROCEDASTICIDADE
ANÁLISE CONDICIONADA DA DEMANDA COM CORREÇÃO DE HETEROCEDASTICIDADE Angela Crsna Morera da Slva UFRJ/COPPE - Unversdade Federal do Ro de Janero, Cenro de Tecnologa, Bloco F, sala 114, Cdade Unversára Ro
Leia mais5 Avaliação do Título Conversível pelo Método de Diferenças Finitas Implícito (DFI)
5 Avalação do Tíulo Conversível pelo Méodo de Dferenças Fnas Implíco (DFI) 5. Meodologa - Premssas Ese modelo desenvolvdo para apreçameno do LYON faz uso da eora de opções desenvolvda por Black and Scholes
Leia maisNUVENS HP: UMA PROPOSTA SEM MALHA PARA O MEC
UVES HP: UMA PROPOSTA SEM MALHA PARA O MEC Adrano Scremn Unversdade Federal do Paraná Deparameno de Engenhara Mecânca Cx. P. 90 853-900 Curba, PR, Brasl Resumo. Duare & Oden (996) desenvolveram recenemene
Leia maisTráfego em Redes de Comutação de Circuitos
Caracerzação do ráfego nálse de ssemas de esados nálse de ráfego em ssemas de erda nálse de ráfego em ssemas de araso Bloqueo em ssemas de andares múllos Máro Jorge Leão Inenconalmene em branco Caracerzação
Leia maisInstituto de Tecnologia de Massachusetts Departamento de Engenharia Elétrica e Ciência da Computação. Tarefa 5 Introdução aos Modelos Ocultos Markov
Insiuo de Tecnologia de Massachuses Deparameno de Engenharia Elérica e Ciência da Compuação 6.345 Reconhecimeno Auomáico da Voz Primavera, 23 Publicado: 7/3/3 Devolução: 9/3/3 Tarefa 5 Inrodução aos Modelos
Leia maisFunção definida por várias sentenças
Ese caderno didáico em por objeivo o esudo de função definida por várias senenças. Nese maerial você erá disponível: Uma siuação que descreve várias senenças maemáicas que compõem a função. Diversas aividades
Leia mais7. FILTROS PASSIVOS E ATIVOS
7. FILTROS PASSIVOS E ATIVOS São esudadas nese capíulo esruuras de crcuos capazes de mgar o problema de dsorção de correnes e/ou ensões em ssemas elércos. Inca-se com os flros passvos, verfcando alguns
Leia maisANÁLISE DO CUSTO DE CAPITAL PRÓPRIO NO BRASIL POR MEIO DOS MODELOS CAPM NÃO-CONDICIONAL E CAPM CONDICIONAL
ANÁLISE DO CUSTO DE CAPITAL PRÓPRIO NO BRASIL POR EIO DOS ODELOS CAP NÃO-CONDICIONAL E CAP CONDICIONAL (Cos of equy analyss n Brazl: Non-Condonal CAP and Condonal CAP) Lumla Souza Grol 1 1 Unversdade Federal
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Deparameno de Ciências Exaas Prof. Daniel Furado Ferreira 8 a Lisa de Exercícios Disribuição de Amosragem 1) O empo de vida de uma lâmpada possui disribuição normal com média
Leia maisFast Multiresolution Image Querying
Fast Multresoluton Image Queryng Baseado no artgo proposto por: Charles E. Jacobs Adan Fnkelsten Davd H. Salesn Propõe um método para busca em um banco de dados de magem utlzando uma magem de consulta
Leia mais(19) 3251-1012 O ELITE RESOLVE IME 2013 DISCURSIVAS FÍSICA FÍSICA. , devido à equação (1). Voltando à equação (2) obtemos:
(9) - O LIT SOLV IM DISCUSIVS ÍSIC USTÃO ÍSIC sendo nula a velocdade vercal ncal v, devdo à equação (). Volando à equação () obemos:,8 ˆj ˆj b) Dado o momeno lnear da equação () obemos a velocdade na dreção
Leia maisdefi 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 maisUNIVERSIDADE FEDERAL DE ITAJUBÁ INVESTIMENTOS EM DISTRIBUIÇÃO DE ENERGIA ELÉTRICA SOB INCERTEZA REGULATÓRIA UTILIZANDO OPÇÕES REAIS
UNIRSIDAD FDRAL D ITAJUBÁ TS D DOUTORADO INSTIMNTOS M DISTRIBUIÇÃO D NRGIA LÉTRICA SOB INCRTZA RGULATÓRIA UTILIZANDO OPÇÕS RAIS JULIA CRISTINA CAMINHA NORONHA Tese apresenada ao Programa de Pós-Graduação
Leia maisDíodo: Regime Dinâmico
Díodo: eme Dnâmco (exo apoo ao laboraóro) Inrodução Quando se esabelece m crcuo uma ensão ou correne varáves no empo o pono de funconameno em repouso do díodo ambém va varar no empo. A frequênca e amplude
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia mais1. Introdução. B = S = Valor presente esperado dos superávits futuros (1) P
. Inrodução A vsão radconal da deermnação do nível de preços é baseada na eora Quanava da Moeda. Segundo essa vsão o padrão de avdade real em uma economa mplca um cero nível desejado de encaxes moneáros
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO PIMES PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA DOUTORADO EM ECONOMIA MARCOS ROBERTO GOIS DE OLIVEIRA
UNIVERSIDADE FEDERAL DE PERNAMBUCO PIMES PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA DOUTORADO EM ECONOMIA MARCOS ROBERTO GOIS DE OLIVEIRA GERENCIAMENTO DO RISCO DE MERCADO BASEADO NO VALUE AT RISK ESTÁTICO
Leia maisMOMENTO ÓTIMO PARA INVESTIR EM PROJETOS DE MINERAÇÃO: UMA ANÁLISE POR OPÇÕES REAIS E TEORIA DOS JOGOS
UNIVERSIDADE FEDERAL DE MINAS GERAIS ALEXANDRE DE CÁSSIO RODRIGUES MOMENTO ÓTIMO PARA INVESTIR EM PROJETOS DE MINERAÇÃO: UMA ANÁLISE POR OPÇÕES REAIS E TEORIA DOS JOGOS Belo Horzone MG 202 UNIVERSIDADE
Leia maisNota Técnica Médias do ENEM 2009 por Escola
Nota Técnca Médas do ENEM 2009 por Escola Crado em 1998, o Exame Naconal do Ensno Médo (ENEM) tem o objetvo de avalar o desempenho do estudante ao fm da escolardade básca. O Exame destna-se aos alunos
Leia maisSistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001
Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)
Leia maisCOMPARAÇÃO DE DIFERENTES METODOLOGIAS APLICADAS AO CONTROLE DE CHEIAS
COMPARAÇÃO DE DIFERENTES METODOLOGIAS APLICADAS AO CONTROLE DE CHEIAS Marco Aurélo de Almeda Casro Adrano Alber de França Mendes Carnero Marnho Gomes de Andrade Deparameno de Engenhara Elérca Escola de
Leia maisEnergia de deformação na flexão
- UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Energa de deformação na
Leia maisPCA e IMPCA. Capítulo. 5.1 Considerações Iniciais
Capíulo 5 PCA e IMPCA 5. Consderações Incas A análse de componenes prncpas (PCA) [URK, M. A. & PENLAND, A. P. (99)] é uma ransformação lnear orogonal de um espaço q-dmensonal para um espaço n-dmensonal,
Leia maisParte III. Objetivo: estudar o deslocamento de um corpo quando esta rolando
Pare Objevo: esudar o deslocameno de um corpo quando esa rolando 1 Coneúdo programáco: 6. Movmeno de Roação Varáves da roação, Relação enre Cnemáca Lnear e Cnemáca Angular, Energa cnéca de roação, nérca
Leia mais1 { COPPE{EE/UFRJ, Caixa Postal 68504, Rio de Janeiro, RJ, Brasil, e-mail: vmcosta@embratel.net.br
MODELAGEM DE DISPOSITIOS DE CONTROLE NUMA FORMULAC ~AO AUMENTADA PARA FLUXO DE POT^ENCIA ander Menengoy da Cosa 1; Jose Luz R. Perera Nelson Marns 1 { COPPE{EE/UFRJ, Caxa Posal 6854, Ro de Janero, RJ,
Leia maisArbitragem 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 maisLISTA DE EXERCÍCIOS DE RECUPERAÇÃO 1º TRIMESTRE MATEMÁTICA
LISTA DE EXERCÍCIOS DE RECUPERAÇÃO º TRIMESTRE MATEMÁTICA ALUNO(a): Nº: SÉRIE: ª TURMA: UNIDADE: VV JC JP PC DATA: / /07 Obs.: Esa lsa deve ser enregue resolvda no da da prova de recuperação. Valor: 5,0
Leia maisControle 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 maisEEL-001 CIRCUITOS ELÉTRICOS ENGENHARIA DA COMPUTAÇÃO
L IRUITOS LÉTRIOS 8 UNIFI,VFS, Re. BDB PRT L IRUITOS LÉTRIOS NGNHRI D OMPUTÇÃO PÍTULO 5 PITORS INDUTORS: omporameno com Snas onínuos e com Snas lernaos 5. INTRODUÇÃO Ressor elemeno que sspa poênca. 5.
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisIntrodução 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 mais3 PROGRAMAÇÃO DOS MICROCONTROLADORES
3 PROGRAMAÇÃO DOS MICROCONTROLADORES Os microconroladores selecionados para o presene rabalho foram os PICs 16F628-A da Microchip. Eses microconroladores êm as vanagens de serem facilmene enconrados no
Leia mais