Estimação de Parâmetros de Redes Elétricas Elétricos via Algoritmos Genéticos
|
|
- Maria das Dores Carneiro Carreira
- 6 Há anos
- Visualizações:
Transcrição
1 1 Estmação de Parâmetros de Redes Elétrcas Elétrcos va Algortmos Genétcos Andre Abel Augusto, Julo Cesar Stacchn de Souza, Mlton Brown do Coutto Flho Resumo Erros em arâmetros de redes elétrcas têm como causas dados ncorretos fornecdos or fabrcantes, modelagem ncorreta ou aroxmada, alterações de rojeto não atualzadas na base de dados, estmatva obre de comrmento de lnha, etc. A ocorrênca de tas erros ode contamnar os resultados das funções de análse de rede, dfcultando a tomada de decsão. Este trabalho aresenta uma metodologa baseada em estmação de estado ara dentfcação e correção off-lne de arâmetros errôneos de redes elétrcas. A metodologa emrega algortmos genétcos ara a correção de arâmetros, sendo a estmação de estado utlzada de forma acessóra. Erros nos arâmetros sére e shunt são smulados. Investga-se também a caacdade do método roosto em dentfcar determnados erros de confguração. Resultados obtdos com o sstema IEEE 14 barras são aresentados e dscutdos. Palavras-Chave-- Algortmos Genétcos, Otmzação, Estmação de Parâmetros. P I. INTRODUÇÃO ARÂMETROS de redes elétrcas são armazenados em uma base de dados estátca, or não se modfcarem com frequênca. Erros em arâmetros de redes elétrcas odem ser causados or nconsstêncas em bases de dados, dados ncorretos fornecdos or fabrcantes, mudanças não reortadas na rede, como a substtução de um trecho aéreo de lnha de transmssão or um trecho subterrâneo, etc. A ocorrênca de Erros de Parâmetros (EPs) corrome os resultados das análses que os emregam, o que ode rejudcar a tomada de decsão sobre o sstema elétrco. Usualmente os arâmetros da rede não assam or nenhum rocesso de valdação. Consequentemente, suseções resultantes de nconsstêncas nos resultados recaem sobre dados corretos, o que torna os EPs ersstentes na base de dados, sendo dfíces de serem detectados e dentfcados, ocasonando a erda de confabldade do usuáro nas ferramentas de análse. A função Estmação de Estado (EE), resente em Sstemas Este trabalho fo fnancado elo CNPq (rocesso /2010-9) e ela FAPERJ (rocesso E-26/ /2011). A. A. Augusto é Doutorando em Comutação no Insttuto de Comutação da Unversdade Federal Flumnense, R. Passo da Pátra, 156, Bloco E, sl. 350(e-mal: abel@c.uff.br) J. C. S. de Souza é Professor Assocado do Deto. de Engenhara Elétrca da Unversdade Federal Flumnense, R. Passo da Pátra, 156, Bloco E, sl. 350(e-mal: julo@c.uff.br) M. B. Do Coutto Flho é Professor Ttular de Deartamento de Cênca da Comutação da Unversdade Federal Flumnense, R. Passo da Pátra, 156, Bloco E, sl. 350(e-mal: mbrown@c.uff.br) de Gerencamento de Energa, orgnalmente tnha como fnaldade a fltragem de erros estatstcamente equenos resentes em medções obtdas do sstema. Para tal fnaldade, a EE tnha como remssas o conhecmento da rede (arâmetros e confguração), a ausênca de erros grosseros e/ou correlaconados nas meddas, e sstema de medção redundante [1],[2]. Em alguns casos, não é ossível satsfazer os requstos aresentados, o que levou ao desenvolvmento de algortmos de EE ara tratamento de casos em que tas condções não ossam ser satsfetas, como na resença de erros grosseros (EGs) [1],[2], erros de confguração (ECs) [3], e condções desfavoráves de redundânca [4], [5], [6]. A EE ode ser emregada em estmação de arâmetros, ara dentfcação e correção de EPs. Aesar do grande volume de ublcações em EE, comaratvamente oucas são aquelas voltadas ara a estmação de arâmetros [7], [8]. As técncas exstentes ara a estmação de arâmetros odem ser dvddas em duas categoras: as técncas de vetor de estado aumentado, na qual os arâmetros susetos da rede são nserdos no vetor de estado [9], [10] e [11] e as técncas baseadas na análse dos resíduos normalzados [12], em que os arâmetros são ajustados com base no comortamento dos resíduos normalzados. Nesta classe de métodos, a estmação de arâmetros é realzada aós a estmação de estado, sendo neste caso uma etaa comlementar, não requerendo modfcações nos algortmos de EE, dferentemente do que ocorre com as técncas baseadas em vetor de estado aumentado. Em [13] fo roosta uma metodologa cujo objetvo é estmar os arâmetros susetos da rede a artr do estado estmado sem a nfluênca de EPs. Para elmnar a nfluênca de EPs na EE, são temoraramente removdas as meddas cujas equações de observação contenham arâmetros dos ramos susetos, denomnadas meddas ncdentes. Em [14] e [15] roõe-se uma abordagem baseada em ntelgênca comutaconal ara o roblema. Neste contexto, a estmação de arâmetros é vsta como um roblema de otmzação com restrções. O emrego de metaheurístcas confere flexbldade à metodologa, que ode ser emregada com qualquer algortmo de EE, uma vez que emrega esta de forma acessóra. Outra vantagem é um melhor arovetamento da redundânca do conjunto de medção, o que ode ser útl em stuações onde a redundânca é baxa ou ocorrem erros em ramos adjacentes. Esta abordagem requer um rérocessamento dos dados de entrada, sendo ndcada ara deuração de arâmetros off-lne. Em [16] uma comaração com os resultados obtdos com o RS de [15] revelam uma suerordade com a alcação do
2 2 AG. Este trabalho aresenta uma metodologa que emrega um AG ara a correção de arâmetros e a estmação de estado como uma função acessóra, sendo seus resultados utlzados ara avalar a efetvdade das correções efetuadas nos arâmetros. Erros em arâmetros sére e shunt de múltlos ramos, nclusve adjacentes, são smulados utlzando o sstema IEEE 14 barras. São testadas dferentes formas de reresentação da solução e comarados os resultados obtdos emregando dferentes funções de custo. É avalado anda o otencal da metodologa ara tratar certos erros de toologa. II. ESTIMAÇÃO DE ESTADO E ERROS EM PARÂMETROS Nesta seção, asectos báscos sobre EE e a nfluênca de EPs são aresentados, tendo em vsta o estabelecmento de um algortmo ara a correção de arâmetros errôneos. A. Estmação de Estado Para uma rede elétrca dada, as meddas recebdas se relaconam com o estado do sstema de acordo com a segunte exressão. z = h( x) + v (1) onde x e z são os vetores de estado e de meddas, de dmensões (n 1) e (m 1), resectvamente; h(x) é um vetor (m 1) com funções não lneares que relaconam as meddas com os comonentes do vetor de estado (equações de fluxo de otênca); o vetor v reresenta um ruído Gaussano de méda zero e matrz de covarânca dagonal R. Os comonentes do vetor de estado são as magntudes e ângulos das tensões nodas. O vetor de meddas é formado or fluxos e njeções de otênca atva/reatva, além de magntudes de tensão. Usualmente, a EE tem sdo formulada como um roblema ara solução elo método dos mínmos quadrados onderados (MQP) [2]. O objetvo é encontrar o vetor estado x que mnmza o índce J(x) descrto em (2). t 1 J ( x) = [ z h( x)] R [ z h( x)] (2) Se um conjunto de meddas dsoníves for sufcente ara estmar o estado de todo o sstema, dz-se que este é observável. A solução de (2) é usualmente obtda ndretamente or meo do sstema não lnear: t 1 J ( x) = H R [z h(x)] = 0 (3) cuja solução teratva é dada or: k t G x = H R 1 [ z h( x k )] (4) k k k x +1 = x + x (5) t 1 onde k é o contador de terações e G = H R H é a matrz de k ganho, com H = h/ x, x = x. O vetor de resíduos r, defndo como a dferença entre a medda observada z e as corresondentes grandezas fltradas z ), é normalzado e submetdo ao segunte teste de valdação: r N ( ) = r( ) / σ E ( ) λ (6) 1 t E = R HG H (7) onde E é a matrz de covarânca dos resíduos; σ E ( ) = E(, ) é o desvo adrão do -ésmo comonente do vetor de resíduos. Volações do lmar λ ndcam a resença de nconsstêncas nos dados. B. Influênca de Erros de Parâmetros Erros de Parâmetros se manfestam na EE através de dversos erros grosseros correlaconados nas meddas. A forma como estes resíduos se manfestam deendem de uma sére de fatores. Em [8] é nvestgado o efeto de EPs na EE. AS rncas conclusões obtdas elo estudo são descrtas a segur: - o efeto de esalhamento causado or um EP é mas ntenso na vznhança do ramo com arâmetros errôneos; - quanto maor a magntude do EP, maor sua nfluênca nos resíduos normalzados das meddas; - erro na reatânca sére tem macto maor do que o erro na resstênca sére. Este é or sua vez mas ronuncado do que o erro na suscetânca shunt; - estmatvas das meddas de fluxo de otênca são mas sgnfcatvamente afetadas elos EPs do que as estmatvas das meddas de njeção de otênca. A estmação de arâmetros ode ser feta de manera offlne, odendo utlzar dados de entrada revamente rocessados, lvres de ECs e EGs. Adconalmente, em um rocesso de correção off-lne, o temo de execução tem ael secundáro. Uma metodologa ara a solução deste roblema deve extrar nformações dos resíduos normalzados da estmação, com base na forma com que tas erros se manfestam na EE. Entretanto, condções adversas, como a ocorrênca de erros em dversos ramos, rncalmente em ramos adjacentes, ode dfcultar o rocesso de estmação de arâmetros. Na róxma seção será aresentada a modelagem roosta ara o roblema. A modelagem a ser aresentada é adequada ara a estmação de arâmetros off-lne. III. MODELAGEM DO PROBLEMA Consderando-se uma amostra de dados ré-rocessada, sto é, lvre de EGs e ECs, a volação do lmar de detecção λ da condção (6) é ndíco da resença de EPs. Portanto, os valores corretos dos arâmetros são os valores ara os quas todos os resíduos normalzados satsfaçam a condção (6). A. Formulação do Problema O roblema de estmação de arâmetros ode ser formulado como um roblema de otmzação não lnear. O objetvo é obter um vetor de arâmetros susetos que smultaneamente mnmze o índce de estmação e mantenha os resíduos normalzados dentro do lmar de detecção aresentado em (6). Desta forma, o roblema de correção de arâmetros ode ser formulado como: Mn J ( x, ) = [ z h( x, )] t R 1 [ z h( x, )] s.a. r ( x, ) λ, Ω (8) N mn ms max, Ω ms
3 3 onde: Ω conjunto de meddas assocadass aos arâmetros ms susetos; Ω conjunto de arâmetros susetos; s mn j, max j lmtes ara o valor do arâmetro j. A restrção ara os valores assumdos elos arâmetros em (8) tem a fnaldade de lmtar o esaço de soluções, confnando a busca a ser realzada elo método roosto à regão em que se acredta estarem os arâmetros corretos. Estes lmtes odem ser defndos baseando-se no conhecmento de um esecalsta ou tentatvamente. Proõe-se, o emrego de metaheurístcas na solução do roblema de otmzação (8), os torna ossível que o rocesso de estmação de arâmetros seja um rocesso desacolado da EE, utlzando a mesma de forma acessóra. Desta forma, é ossível o seu emrego com dferentes algortmos de estmação de estado. Neste trabalho fo utlzada a metaheurístca AG como técnca de solução. B. Função Custo A função custo é resonsável or dreconar o rocesso de busca do AG. O sucesso do emrego do AG e de outras metaheurístcas deende da forma com que a função custo reflete os objetvos e característcas do roblema. Neste trabalho são emregadas duas funções-objetvo ara o roblema de correção de arâmetros. A rmera fo roosta em [14] e é dada ela exressão: Custo = ns = 1 sendo ns número de meddas assocadas aos ramos susetos; A função objetvo (9) contemla as restrções (8) sem se reocuar dretamente com a mnmzação do índce J. Consequentemente, esta é ncaaz de fazer dstnção entre as soluções váves do roblema. Na função (10) é acrescentada uma arcela referente ao índce de estmação, ermtndo assm a dstnção entre soluções váves. ns Custo = rn + J(x ) (10) C. Codfcação da Solução As varáves a serem determnadas são os arâmetros da rede. Entretanto, a forma como estes arâmetros são consderados na metaheurístca ode ter macto no rocesso de busca. De forma geral, consderam-see na solução do roblema todos os arâmetros de um ramo da rede, sendo nvestgadas dferentes formas de codfcação. Três codfcações foram nvestgadas, sendo aresentadas a segur. 1) Reresentação or Imedâncas Nesta codfcação, adotada em [14], os arâmetros sére dos ramos susetos são reresentados or medâncas. Quando se deseja estmar também os arâmetros shunt dos ramos, estes são reresentados elas suscetâncas, como em [15]. =1 r N (9) 2) Reresentação or Admtâncas Outra ossbldade é a reresentação or admtânca, na qual os arâmetros sére dos ramos são reresentados or admtâncas. 3) Reresentação or Comrmento Em [2], sugere-se, quando ossível, a substtução dos arâmetros da rede or um únco arâmetro, do qual os mesmos deendam. Este é o caso, or exemlo, em que as suseções ncdem sobre o comrmento de uma lnha de transmssão e não sobre os arâmetros em s. A substtução ermte reduzr o número de varáves a serem estmadas. Analogamente, na reresentação or comrmento, os arâmetros do ramo são substtuídoss or um únco arâmetro, do qual eles deendam. A Fg. 1 aresenta as três formas de reresentação da solução, onde ns corresonde o número de ramos com arâmetros susetos. IV. METODOLOGIA PROPOSTA Nesta seção serão aresentados os algortmos de dentfcação de ramos susetos e de correção de arâmetros va AGs e EE, utlzando uma ou mas amostras de meddas. A. Algortmo Genétco A metaheurístca algortmos genétcos [17] smula comutaconalmente a evolução de um sstema bológco. No AG, os ndvíduos, reresentadoss elos seus genótos, assam or um rocesso seletvo, no qual os ndvíduos mas adatados ao ambente, segundo uma métrca de desemenho, artcam da formação da nova geração de ndvíduos. Os ndvíduos flhos são gerados or meo de oeradores genétcos de mutação e/ou recombnação. O AG ode ser utlzado na solução de roblemas de otmzação. Neste caso, os ndvíduos são as ossíves soluções do roblema, codfcadas através de genes. A métrca de avalação é baseada na função custo do roblema e, em geral, nas restrções. Maores detalhes sobre o AG odem ser encontrados em [17]. Fg. 1. Codfcações da Solução B. Algortmo ara Identfcação de Parâmetros Susetos A modelagem do roblema consdera a exstênca de uma lsta de arâmetros susetos. A segur é detalhado um rocedmento ara dentfcação de arâmetros susetos. Este
4 4 rocedmento se basea no fato de que os EPs são maeados ara as grandezas estmadas. O algortmo classfca um ramo como suseto quando elo menos uma das meddas ncdentes, sto é, meddas cujas equações de observação contêm os arâmetros do ramo, vola o lmar de detecção de EGs em (6). O algortmo de dentfcação de arâmetros susetos ode ser descrto brevemente elos seguntes assos: ALGORITMO 1 () Executar a função EE ara um cenáro seleconado, onde se conheçam as meddas e a confguração da rede; () Caso sejam verfcados resíduos normalzados que volam a restrção (6), r ara o asso (). Caso contráro, o algortmo é encerrado. () Com base nos resultados do asso (), formar uma lsta de meddas que aresentam resíduos normalzados elevados; (v) Construr uma lsta de ramos susetos com base nas assocações de tas ramos com as meddas lstadas no asso (). C. Estmação de Parâmetros va AG Consderando a modelagem roosta, o algortmo de correção de arâmetros va AG ode ser descrto or meo dos assos a segur. ALGORITMO 2 () Formar uma lsta de arâmetros susetos de acordo com o Algortmo 1; () Defnr o ntervalo [mn, max] ara cada arâmetro suseto; () Defnr a estrutura do vetor solução com base nos arâmetros susetos lstados no asso (); (v) Buscar a solução ótma utlzando o AG: (v.1) Defnr os arâmetros do AG; (v.2) Gerar a oulação ncal (v.3) Seleconar ndvíduos (v.4) Alcar oeradores genétcos nos ndvíduos seleconados (v.5) Avalar ndvíduos flhos e reor oulação (v.6) Se crtéro de arada for satsfeto, r ara o asso (v). Caso contráro, voltar ao asso (v. 3). (v) Consderar a melhor solução obtda na últma oulação como a solução do roblema, contendo as estmatvas dos arâmetros. Os oeradores de mutação e cruzamento ermtem ao AG realzar uma busca ntelgente elo esaço de soluções. Entretanto, em vrtude do caráter estocástco do método, ocorrem algumas modfcações ndesejadas em arâmetros que, aesar de dentfcados como susetos, não aresentam erro. Essas correções são na maora das vezes equenas, como mostrado em [14]. Porém, em determnadas stuações, como baxa redundânca no sstema de medção, erros em arâmetros de múltlos ramos, rncalmente adjacentes, estas odem ser sgnfcatvas, embora nferores às correções efetuadas nos arâmetros errôneos. D. Estmação de Parâmetros va AG consderando dversas amostras de meddas Em [2], [9] e [11] constata-se que o emrego de dversas amostras de meddas melhora o rocesso de estmação. Desta forma, roõe-se a nvestgação do uso de váras amostras de meddas na metodologa roosta, conforme descrto no algortmo a segur. ALGORITMO 3 () Seleconar uma janela de nstantes de medção () Para cada nstante da janela (.1) Executar Algortmo 2 (.2) Armazenar solução encontrada () Extrar a méda das soluções obtdas Esta abordagem ermte o ajuste dos arâmetros ara dferentes ontos de oeração e ruídos de medção. O valor do arâmetro de um ramo, estmado ela metodologa roosta, ode ser reresentado elo segunte modelo: onde e + ξ (11) = e e são, resectvamente, o valor correto e o valor estmado do -ésmo arâmetro, enquanto ξ é o erro na estmatva do arâmetro, nfluencado ela ncerteza nerente ao sstema de medção. Consderando o modelo em (11), a extração da méda dos arâmetros estmados ara dferentes amostras de meddas tende a atenuar o efeto do erro aleatóro de medção e a ermtr uma melhor estmatva do arâmetro. V. TESTES E RESULTADOS Nesta seção são aresentadas algumas smulações realzadas ara valdar a metodologa roosta, bem como os resultados obtdos, os quas são dscutdos. A. Descrção da Smulação Todas as smulações foram realzadas com o sstema IEEE 14 barras. Fo utlzado aenas este sstema teste em vrtude da localdade do roblema de estmação de arâmetros, como exosto na seção II. A Fg. 2 aresenta o sstema teste utlzado e o resectvo lano de medção. O AG utlzado neste trabalho emrega codfcação real, utlza seleção or torneo, cruzamento BLX-α e mutação gaussana. A ncalzação da solução é aleatóra. A taxa de cruzamento varou de 90% a 95% enquanto a taxa de mutação varou de 5% a 10%. A reosção é feta seleconando-se os melhores ndvíduos entre os ndvíduos as e os ndvíduos flhos. Esta estratéga é uma extensão do conceto de eltsmo, sendo denomnada estratéga (µ+λ)-es [17]. Nas smulações adotou-se o lmar de detecção de erros grosseros λ=3,0. Foram smulados erros em arâmetros sére
5 5 e/ou shunt, nclusve em ramos adjacentes, além de erros de confguração. Os erros smulados são aresentados a segur. Teste #1: Erro em arâmetros sére do ramo 1-2. Teste #2: Erro em arâmetros sére e shunt dos ramos 2-4, 3-4 e 1-5. Teste #3: Erro de confguração do to nclusão do ramo 1-4. Um erro de confguração do to nclusão ocorre quando um ramo da rede é reortado ncorretamente como em oeração, quando na realdade está fora de oeração. Os testes acma abordam dferentes stuações em que erros de arâmetros odem acontecer. É mortante ressaltar que o Teste #2 é um caso que envolve EP em múltlos ramos, nclusve adjacentes fluxo de otênca atva/reatva; njeção de otênca atva/reatva; magntude de tensão. Fg. 2. Sstema IEEE 14 Barras B. Resultados A segur são aresentados alguns resultados de smulações ara testar a metodologa e modelagem roostas. 10 1) Comaração entre Funções de Atdão O ntuto desta comaração é avalar o macto da função objetvo na solução obtda ara o roblema. A Tabela I aresenta os valores ncorretos, corrgdos e corretos dos arâmetros errôneos, ara os testes #1 e #2. Observa-se que, emregando a função custo (10), os valores estmados são mas róxmos dos valores verdaderos. Estes resultados foram obtdos consderando-se a reresentação dos arâmetros como medânca durante o rocesso de busca do AG TABELA I COMPARAÇÃO ENTRE FUNÇÕES DE CUSTO Corrgdo Teste Parâmetro Errôneo Custo (9) Custo (10) Correto #1 r 1-2 0,0252 0,0280 0,0194 0,0194 x 1-2 0,0769 0,0819 0,0597 0,0592 r 2-4 0,2906 0,0581 0,0553 0,0581 x 2-4 0,0881 0,1399 0,1507 0,1763 b 2-4 0,1870 0,0180 0,0352 0,0374 r 1-5 0,0702 0,0564 0,0661 0,0540 #2 x 1-5 0,2900 0,2754 0,2404 0,2230 b 1-5 0,6396 0,0240 0,0505 0,0492 r 3-4 0,0402 0,0477 0,0532 0,0670 x 3-4 0,1026 0,1110 0,1203 0,1710 b 3-4 0,0208 0,0268 0,0288 0,0346 2) Codfcações da Solução: Imedânca e Admtânca As Tabelas II e III aresentam resultados obtdos quando se consderou dferentes formas de reresentação das varáves, ou seja, arâmetros reresentados or admtânca ou or medânca. Os resultados das Tabelas II e III corresondem, resectvamente a smulações de erros em múltlos arâmetros e de um erro de confguração conforme descrto no Teste #3. Para o Teste #2 (erros em arâmetros da rede) é observado que a metodologa roosta corrge os valores ncas dos arâmetros, buscando aroxmá-los dos valores corretos. Os tos de reresentação testados, admtânca ou medânca, mostram-se comettvos. No caso do Teste#3, verfca-se uma correção de grande magntude nos valores de medânca (artcularmente na reatânca) e de admtânca (artcularmente na suscetânca), odendo essa nformação ser utlzada como ndcador da detecção de um erro de confguração ao nvés de um erro de arâmetro. Embora estes resultados snalzem que a metodologa roosta aresenta otencal ara a detecção de erros toológcos, essa ossbldade será alvo de nvestgação futura. TABELA II ERROS DE PARÂMETROS Teste Parâmetro Errôneo Corrgdo Y* Z Correto r 2-4 0,0291 0,0679 0,0553 0,0581 x 2-4 0,0881 0,1658 0,1507 0,1763 b 2-4 0,0187 0,0359 0,0352 0,0374 r 1-5 0,0702 0,0537 0,0661 0,0540 #2 x 1-5 0,2900 0,2149 0,2404 0,2230 b 1-5 0,6396 0,0894 0,0505 0,0492 r 3-4 0,0402 0,0573 0,0532 0,0670 x 3-4 0,1026 0,1346 0,1203 0,1710 b 3-4 0,0208 0,0289 0,0288 0,0346 *Valores convertdos ara medânca TABELA III ERRO DE CONFIGURAÇÃO Teste Codfcação Errôneo Corrgdo Correto #3 Imedânca Admtânca 0,0213 0,0018 0, ,516 0,0348 0, ,0592 0, ,6667 0, ,0348 0,0008 0
6 6 3) Reresentação or Comrmento A Tabela IV aresenta os resultados ara o Teste #1 consderando-se agora que se tem confança nos dados de medânca or undade de comrmento, mas não sobre a estmatva correta dos comrmentos dos ramos da rede. Consderando-se um erro na nformação sobre o comrmento do ramo1-2 e alcando-se a metodologa roosta, tem-se os resultados mostrados na Tabela IV. É ossível erceber que o comrmento do ramo 1-2 é corrgdo com bastante recsão. Neste caso houve uma redução na dmensão do roblema, uma vez que assou a ser necessáro estmar aenas uma varável (comrmento) ao nvés de três (resstênca, reatânca e suscetânca shunt). TABELA IV REPRESENTAÇÃO POR COMPRIMENTO Teste Parâmetro Errôneo Corrgdo Correto #1 l ,00 500,15 500,00 l ,00 500,09 500,00 Os resultados ndcam que, quando ertnente, a reresentação do comrmento de um ramo suseto faclta o rocesso de busca, o que é confrmado or ser muto equena a correção ndesejada no comrmento que estava correto. 4) Emrego de dversas amostras de meddas Neste caso, foram utlzadas 30 amostras de meddas, rocessadas ndeendentemente, ou seja, executando a metodologa ara cada amostra. Os arâmetros estmados encontram-se na Tabela V, com as correções realzadas em todos os arâmetros susetos quando o Teste #2 fo realzado. É ossível observar que a utlzação de váras amostras tende a melhorar o rocesso de correção dos arâmetros e a reduzr a correção ndesejada de arâmetros sados que foram lstados como susetos. É eserado que tal tendênca seja reforçada com o emrego de mas amostras de meddas. TABELA V SOLUÇÃO EMPREGANDO VÁRIAS AMOSTRAS DE MEDIDAS Parâmetro Errôneo Corrgdo Corrgdo 1 amostra 30 amostras Correto r 2-4 0,0291 0,0553 0,0567 0,0581 x 2-4 0,0881 0,1507 0,1591 0,1763 b 2-4 0,0187 0,0352 0,0360 0,0438 r 1-5 0,0702 0,0661 0,0581 0,0540 x 1-5 0,2900 0,2404 0,2408 0,2230 b 1-5 0,0640 0,0505 0,0537 0,0492 r 3-4 0,0402 0,0532 0,0449 0,0670 x 3-4 0,1026 0,1203 0,1088 0,1710 b 3-4 0,0208 0,0288 0,0288 0,0346 r ,0230 0,0197 0,0194 x ,0762 0,0725 0,0592 b ,0634 0,0595 0,0528 r ,0383 0,0286 0,0470 x ,1626 0,1627 0,1980 b ,0357 0,0378 0,0438 r ,0553 0,0562 0,0570 x ,1513 0,1578 0,1739 b ,0394 0,0311 0,0340 r ,0108 0,0133 0,0134 x ,0347 0,0369 0,4211 VI. CONCLUSÕES Este trabalho aresentou uma metodologa baseada em algortmos genétcos ara a correção de erros em arâmetros de redes elétrcas, tendo sdo ara tal formulado um roblema de otmzação. Foram testadas dferentes ossbldades de codfcação da solução e também comaradas dferentes funções de custo. Fo anda nvestgado o efeto da consderação de dversas amostras de meddas. Testes realzados com o sstema IEEE-14 barras mostraram a caacdade da metodologa roosta ara corrgr os arâmetros ncorretos. Fo anda revelado o seu otencal ara a detecção de erros na confguração toológca da rede. A ntrodução de dversas amostras de meddas se mostrou benéfca ara o rocesso de correção dos erros de arâmetros, reduzndo correções ndesejadas em arâmetros susetos que estão corretos. VII. REFERÊNCIAS [1] A. Montcell, State Estmaton n Electrc Power Systems: A Generalzed Aroach, Kluwer Academc Press, [2] A. Abur and A. G. Exósto, Power System State Estmaton: Theory and Imlementaton, Marcel Decker, [3] A. J. A. S. Costa, K. A. Clements. Toology Error Identfcaton Usng Normalzed Lagrange Multlers. IEEE Trans. On Power Systems, vol. 13, no. 2, , [4] M. C. Almeda, E. N. Asada, and A. V. Garca, Identfyng Crtcal Sets n State Estmaton Usng Gram Matrx, Proc. of the 2009 IEEE Bucharest PowerTech Conf., 2009, [5] J. B. A. London Jr., L. F. C. Alberto and N. G. Bretas, Analyss of measurement-set qualtatve characterstcs for state-estmaton uroses, IET Gener. Transm. Dstrb., 2007, 1, (1), [6] M. B. Do Coutto Flho, J. C. S. Souza and M. Th. Schllng, Handlng crtcal data and observablty, Elect. Power Com. and Syst., 2007, 35, (5), [7] M. B. Do Coutto Flho, A. M. Lete da Slva, D. M. Falcão, Bblograhy On Power system state estmaton ( ), IEEE Trans. on Power Syst. vol. 5, , Aug [8] P. Zarco, A. Gómez, Power System Parameter Estmaton: A Survey, IEEE Trans. On Power Syst., vol.15, no.1, , Feb [9] I. Slutsker, K. Clements, Real Tme Recursve Parameter Estmaton n Energy Management Systems, IEEE Trans. On Power Syst. vol. 11, no.3, , Aug [10] J. Zhu, A. Abur, Identfcaton of Network Parameter Errors, IEEE Trans. On Power Syst. vol. 21, no.2, , May [11] M. R. M. Castllo, J. B. A. London Jr., N. G. Bretas, S. Lefebvre, J. Prévost, B. Lambert, Offlne detecton, dentfcaton, and correcton of branch arameter errors based on several measurements snashots, IEEE Trans. On Power Syst., vol. 26, no. 2, PP , May, [12] W. Lu, F. Wu, S. Lun, Estmaton of Parameter Errors from Measurement Resduals n State Estmaton, IEEE Trans. On Power Syst. vol. 7, no.1,.81-89, Feb [13] M. B. Do Coutto Flho, J. C. S. Souza, E. B. M. Meza, Off-lne valdaton of ower network branch arameters, IET Gener. Transm. Dstrb. vol. 2, no.6, , [14] J. C. S. Souza, M. B. Do Coutto Flho, E. B. M. Meza, Treatment of multle network arameter errors through a genetc-based algorthm, Electrc Power Systems Research. 79, , [15] A. A. Augusto, J. C. S Souza, M. B. Do Coutto Flho, Correção de erros em arâmetros de redes elétrcas utlzando a técnca do recozmento smulado. In: XVIII Congresso Braslero de Automátca, 2010, Bonto. Anas do XVIII CBA, 2010, vol. 1, [16] A. A. Augusto, J. C. S Souza, M. B. Do Coutto Flho, Metaheurístcas Alcadas à Correção de Parâmetros Va Estmação de Estado. In: XLIII Smóso Braslero de Pesqusa Oeraconal, 2011, Ubatuba. Anas do XLIII SBPO, 2011, vol. 1, [17] F. Glover, G. A. Kochenberger, Handbook of Metaheurstcs, Kluwer Academc Press, 2003.
NOTAS DE AULA DA DISCIPLINA CE076
5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisCapítulo 2 Método de Cross
UNIERSIDDE NDRNTE DE SÃO PUO - Escola de Engenhara vl Notas de aula do curso Teora das Estruturas Prof. Dr. Rcardo de. lvm.. Introdução aítulo étodo de ross O étodo de ross é um método que ermte calcular
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisMétodos de Agrupamento e Componentes Principais: Teoria e Aplicações
Métodos de Agruamento e Comonentes Prncas: Teora e Alcações Danele Barroca Marra Alves Enuce Menezes de Souza Faculdade de Cêncas e Tecnologa - UNESP 96-9, Presdente Prudente, SP E-mal: danbarroca@yahoo.com.br,
Leia maisProf. 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 maisAula 3 - Classificação de sinais
Processamento Dgtal de Snas Aula 3 Professor Marco Esencraft feverero 0 Aula 3 - Classfcação de snas Bblografa OPPENHEIM, AV; WILLSKY, A S Snas e Sstemas, a edção, Pearson, 00 ISBN 9788576055044 Págnas
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisOs 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 maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia mais5945851-1 Psicologia Conexionista Antonio Roque Aula 6. A Adaline
594585- Pscologa Conexonsta Antono Roque Aula 6 A Adalne Poucos meses aós a ublcação do teorema da convergênca do Percetron or Rosenblatt, os engenheros da Unversdade de Stanford Bernard Wdrow (99 ) e
Leia maisSistema de suporte para tomada de decisão: despacho económico em ambiente de mercado de carbono
Sstema de suorte ara tomada de decsão: desacho económco em ambente de mercado de carbono V.M.F. Mendes(1), J.P.S. Catalão(2), S.J.P.S. Marano(3) e L.A.F.M. Ferrera(4) ISEL (1) -UBI (2, 3) -IST (4) ISEL,
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maise como falha o evento complementar F
No caítulo 3, foram aresentados os fundamentos da teora de robabldades, necessáros à comreensão das varáves aleatóras e de suas dstrbuções. No resente caítulo, dá-se níco à formulação e à descrção dos
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisMECÂNICA CLÁSSICA. AULA N o 9. Colchetes de Poisson Simetrias Espaço de Fases Transformações Canônicas (Hamiltoniano)
1 MECÂNICA CLÁSSICA AULA N o 9 Colchetes de Posson Smetras Esaço de Fases Transformações Canôncas (amltonano) O Esaço de Fases tem uma estrutura assocada a s. Esaços ossuem estruturas, que se referem aos
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisNOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO
I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)
Leia maisPlaneamento Hídrico de Curto Prazo: Programação Não Linear Inteira Mista
Planeamento Hídrco de Curto Prazo: Programação Não Lnear Intera Msta J.P.S. Catalão, H.M.I. Pousnho e V.M.F. Mendes 2 Deartamento de Engenhara Electromecânca Unversdade da Bera Interor R. Fonte do Lamero,
Leia maisMARCIO ANDRE RIBEIRO GUIMARAENS SUPRESSÃO DE ERROS GROSSEIROS DE MEDIÇÃO ATRAVÉS DA COOPERAÇÃO ENTRE ESTIMADORES DE ESTADO INDEPENDENTES
MARCIO ANDRE RIBEIRO GUIMARAENS SUPRESSÃO DE ERROS GROSSEIROS DE MEDIÇÃO ATRAÉS DA COOPERAÇÃO ENTRE ESTIMADORES DE ESTADO INDEPENDENTES Tese apresentada ao curso de Pós-Graduação em Computação da Unversdade
Leia maisProf. 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 mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisDespacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos
Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia mais4 Análise termoeconômica
4 Análse termoeconômca Os capítulos precedentes abordaram questões emnentemente térmcas da aplcação de nanofludos em sstemas ndretos de refrgeração. Ao tratar das magntudes relatvas e da natureza das componentes
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisFotodetectores - Características desejáveis -
Fotodetectores - Característcas desejáves - Elevada sensbldade ara os comrmentos de onda de nteresse,.e os utlzados elo laser; Largura de banda e temos de resosta adequados aos rtmos bnáros usados; Introdução
Leia mais2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria
Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados
Leia maisMÉTODO DE FIBONACCI. L, em que L
Métodos de bonacc e da Seção Aúrea Adotando a notação: MÉTODO DE IBOACCI L e L L, em que L b a, resulta a: ncal orma Recursva: ara,,, - (-a) ou ara,,, - (-b) A esta equação se assoca a condção de contorno
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisPortfelio Sharpe Três lideres
Portfelo Share Três lderes Consderemos uma teora de ortfólo de alcatvos ara a cração de nstrumentos comlexos. este artgo, vamos mostrar como odemos crar uma cartera de comérco, mlementada utlzando tecnologas
Leia maisMODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:
MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no
Leia maisDespacho Económico-Ambiental de Sistemas de Energia Termoeléctricos Inseridos no Mercado de Carbono
Desacho Económco-Ambental de Sstemas de Energa Termoeléctrcos Inserdos no Mercado de Carbono V.M.F. Mendes, J.P.S. Catalão, S.J.P.S. Marano e L.A.F.M. Ferrera Deartamento de Engenhara Electrotécnca e Automação
Leia maisMOBILIDADE ENTRE OCUPAÇÕES E EFEITOS SALARIAIS
MOBILIDADE ENTRE OCUPAÇÕES E EFEITOS SALARIAIS Prsclla Matas Flor Doutora elo Insttuto de Pesqusas Econômcas da Faculdade de Economa, Admnstração e Contabldade da Unversdade de São Paulo (IPE FEA/USP)
Leia mais3.6. 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 mais024/ ANÁLISE MULTICRITÉRIO DO PROBLEMA DE SELEÇÃO DE EQUIPAMENTOS EM AMBIENTE JUST IN TIME, UTILIZANDO-SE DE UM ALGORITMO GENÉTICO
ISSN 275-6295 Ro de Janero- Brasl, 05 e 06 de agosto de 2009. SPOLM 2009 024/2009 - ANÁLISE MULTICRITÉRIO DO PROBLEMA DE SELEÇÃO DE EQUIPAMENTOS EM AMBIENTE JUST IN TIME, UTILIZANDO-SE DE UM ALGORITMO
Leia maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia maisANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br
Leia maisALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO
ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER Renaldo Bomfm da Slvera 1 Julana Mara Duarte Mol 1 RESUMO Este trabalho propõe um método para avalar a qualdade das prevsões
Leia mais4 Análise de confiabilidade de estruturas
4 Análse de confabldade de estruturas Nos prmórdos da engenhara cvl, o desconhecmento técnco-centífco conduza a proetos excessvamente seguros, mas em contrapartda de custo muto elevado. Hoe em da, o progresso
Leia maisMODELO ADAPTATIVO BASEADO EM REGRAS NEBULOSAS APLICADO À PREVISÃO DE SÉRIES DE VAZÕES SEMANAIS
MODELO ADAPTATIVO BASEADO EM REGRAS NEBULOSAS APLICADO À PREVISÃO DE SÉRIES DE VAZÕES SEMANAIS IVETTE LUNA, SECUNDINO SOARES, ROSANGELA BALLINI Departamento de Engenhara de Sstemas DENSIS Faculdade de
Leia maisDivulgação. Quim. Nova, Vol. 25, No. 3, , SELEÇÃO DE VARIÁVEIS EM QSAR
Qum. Nova, Vol. 5, No. 3, 439-448, 00. SELEÇÃO DE VAIÁVEIS EM QSA Márca Mguel Castro Ferrera Insttuto de Químca, Unversdade Estadual de Camnas, CP 6154, 13083-970 Camnas - SP Carlos Alberto Montanar Deartamento
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisPROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ
GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisNÚMEROS DIFUSOS NA ANÁLISE DO SINAL EEG
NÚMEROS DIFUSOS NA ANÁLISE DO SINAL EEG Pedro Paulo Balestrass Alejandro Martns Roberto C. S. Pacheco UFSC -Unversdade Federal de Santa Catarna Eng. de Produção e Sstemas - E-mal: edro@es.ufsc.br Abstract:
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia maisNetuno 4. Manual do Usuário. Universidade Federal de Santa Catarina UFSC. Departamento de Engenharia Civil
Unversdade Federal de Santa Catarna UFSC Departamento de Engenhara Cvl Laboratóro de Efcênca Energétca em Edfcações - LabEEE Netuno 4 Manual do Usuáro Enedr Ghs Marcelo Marcel Cordova Floranópols, Junho
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisDIMENSIONAMENTO ÓTIMIZADO DE TRELIÇAS DE ALUMÍNIO: ANÁLISE NUMÉRICA E EXPERIMENTAL
DIMENSIONAMENTO ÓTIMIZADO DE TRELIÇAS DE ALUMÍNIO: ANÁLISE NUMÉRICA E EXPERIMENTAL Moacr Krpka, Prof. Dr. Zacaras M. Chamberlan Prava, Prof. Dr. Maga Marques Das, Acadêmca, Bolssta UPF Gulherme Fleth de
Leia maisMODELAGEM DA POLIMERIZAÇÃO DO POLI(2,5- FURANODICARBOXILATO DE ETILENO)
1 MODELAGEM DA POLIMERIZAÇÃO DO POLI(2,5- FURANODICARBOXILATO DE ETILENO) L. C. PALMA 1, A. L. T. BRANDÃO 1, B. F. OECHSLER 1, F. W. GOMES 1, J. C. C. S. PINTO 1, P. A. M. JÚNIOR 1 1 Unversdade Federal
Leia maisCAPÍTULO 1 INTRODUÇÃO 1.1. CONSIDERAÇÕES GERAIS
CAPÍTULO INTRODUÇÃO.. CONSIDERAÇÕES GERAIS U M sstema elétrco de potênca tem como prncpal função suprr os consumdores com energa elétrca da forma mas econômca e confável possível. Estes objetvos, porém,
Leia mais3 Subtração de Fundo Segmentação por Subtração de Fundo
3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na
Leia maisCONTROLE PREDITIVO MULTIVARIÁVEL COM MODELO DE REALINHAMENTO E ROBUSTO QUANTO À ESTABILIDADE. José Manuel Gonzalez Tubio Perez
CONROLE PREDIIVO MULIVARIÁVEL COM MODELO DE REALINHAMENO E ROBUSO QUANO À ESABILIDADE José Manuel Gonzalez ubo Perez ese de Doutorado aresentada ao Programa de Pós-graduação em Engenhara Químca, COPPE,
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisVIABILIDADE DA ANÁLISE DE POLÍTICAS DE BALANCEAMENTO DE ATIVIDADES COM MODELOS DE TRANSPORTES: ESTUDO DE APLICAÇÃO À CIDADE DE SÃO PAULO
N 214 2010 VIABILIDADE DA ANÁLISE DE POLÍICAS DE BALANCEAMENO DE AIVIDADES COM MODELOS DE RANSPORES: ESUDO DE APLICAÇÃO À CIDADE DE SÃO PAULO Arqtª Dense Lma Loes Engº Hugo Petrantono 1. INRODUÇÃO E OBJEIVO
Leia maisRedespacho da Geração para Melhoria da Segurança Dinâmica de Sistemas Elétricos de Potência Usando Inteligência Computacional
1 Redespacho da Geração para Melhora da Segurança Dnâmca de Sstemas Elétrcos de Potênca Usando Intelgênca Computaconal A. L. B. Corrêa, B. C. Bernardes, W. D. Olvera, J. P. A. Vera Member, IEEE, I. Ohana,
Leia maisCONGRESSO DE INICIAÇÃO CIENTÍFICA E PÓS-GRADUAÇÃO - I CICPG SUL BRASIL Florianópolis 2010
Floranópols 200 ANÁLISE COMPARATIVA DA INFLUÊNCIA DA NEBULOSIDADE E UMIDADE RELATIVA SOBRE A IRRADIAÇÃO SOLAR EM SUPERFÍCIE Eduardo Wede Luz * ; Nelson Jorge Schuch ; Fernando Ramos Martns 2 ; Marco Cecon
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisUso de Transformações em Modelos de Regressão Logístca Este eemlar corresonde à redação fnal da dssertação devdamente corrgda e defendda or Noem Ichha
Uso de transformações em modelos de regressão logístca Noem Ichhara Ishkawa DISSERTAÇÃO APRESENTADA AO INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DA UNIVERSIDADE DE SÃO PAULO PARA OBTENÇÃO DO GRAU DE MESTRE
Leia maisAnálise Descritiva com Dados Agrupados
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 descrtvas
Leia maisMÉTODO DE RESSECÇÃO APLICADO NA DETERMINAÇÃO DE COORDENADAS NO MONITORAMENTO DE PONTOS
III Smóso raslero de êncas Geodéscas e Tecnologas da Geonformação Recfe - E, 7-30 de Julho de 010. 001-005 MÉTODO DE RESSEÇÃO LIDO N DETERMINÇÃO DE OORDENDS NO MONITORMENTO DE ONTOS FINI D.. MIRND LUÍS.
Leia maisDependência Espacial de espécies nativas em fragmentos. florestais
Dependênca Espacal de espéces natvas em fragmentos 1 Introdução florestas 1 Mestranda em Engenhara Florestal LEMAF/DCF UFLA. e-mal: cunhadase@yahoo.com.br 2 Mestrando em Engenhara Florestal LEMAF/DCF UFLA.
Leia mais3 O Problema de Fluxo de Potência Ótimo
3 O Problema de Fluxo de Potênca Ótmo 3.. Introdução Como fo vsto no capítulo anteror, para realzar uma repartção de custos ou benefícos, é necessáro determnar a função de custo do servço que será utlzado
Leia maisSIMULAÇÃO DE MÓDULOS INDUSTRIAIS DE MEMBRANAS PARA SEPARAÇÃO DE MISTURAS CO 2 /CH 4
SIMULAÇÃO DE MÓDULOS INDUSTRIAIS DE MEMBRANAS PARA SEPARAÇÃO DE MISTURAS CO 2 /CH 4 L. S. QUEIROZ 1, R. A. REIS 1 e A. L. ALBERTON 1 1 UERJ/Deartamento de Oerações e Projetos Industras E-mal ara contato:
Leia maisREFLEXÃO SOBRE A DINÂMICA E A EFICIÊNCIA DE MERCADOS
REFLEXÃO SOBRE A DINÂMICA E A EFICIÊNCIA DE MERCADOS João Santana 5 de Janero de 00 NOTA INTRODUTÓRIA A Economa semre me atrau. No entanto, a mnha formação académca e a mnha vda rofssonal fo, e tem sdo,
Leia mais2 Lógica Fuzzy Introdução
2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade
Leia mais2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisProf. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =
Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS Escola de Engenharia Departamento de Engenharia de Estruturas
UNIVERSIDADE FEDERAL DE MINAS GERAIS Escola de Engenhara Deartamento de Engenhara de Estruturas FORMULAÇÕES NÃO-SINGULARES DO MÉTODO DOS ELEMENTOS DE CONTORNO APLICADAS A PROBLEMAS BIDIMENSIONAIS DE POTENCIAL
Leia maisRealimentação negativa em ampliadores
Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação
Leia maisAmplificadores de Potência ou Amplificadores de Grandes Sinais
UFBA Unversdade Federal da Baha Escola oltécnca Departamento de Engenhara Elétrca Amplfcadores de otênca ou Amplfcadores de Grandes Snas Amaur Olvera Feverero de 2011 1 Característcas: Estágo fnal de amplfcação;
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisAvaliação de processos produtivos multivariados através das menores componentes principais
XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 Avalação de processos produtvos multvarados através das menores componentes prncpas Adrano Mendonça Souza (UFSM) amsouza@ccne.ufsm.br
Leia maisde Engenharia de São Carlos - USP Av. Trabalhador São-carlense, 400 - Centro - CEP 13566-590, São Carlos SP # UTFPR, Cornélio Procópio PR
APLICAÇÃO DE SISTEMAS FUZZY EM MOTORES DE INDUÇÃO PARA IDENTIFICAÇÃO DE TORQUE DE CARGA SÉRGIO F. DA SILVA *, IVAN N. SILVA *, ALESSANDRO GOEDTEL #, CRISTIANO MINOTTI * * Laboratóro de Automação Intelgente
Leia maisAnálise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas
Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled
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 maisAplicação de um modelo simulado na formação de fábricas
Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisBALANÇO HÍDRICO UMA NOVA SISTEMÁTICA
BALAÇO HÍDRICO UMA OA SISTEMÁTICA D. Fontana, R. Kald, I. Sartor, A.Kperstok, M. Slva, E. A. Sales, J.G. Pacheco Flho, S. Olvera, C. Perazzo. - Unversdade Federal da Baha UFBA Escola Poltécnca TECLIM Rua
Leia maisSINTONIA DE CONTROLADORES P.I.D. João Lourenço Realizado em Janeiro de 96 e revisto em Janeiro de 97
SINTONIA DE CONTROLADORES P.I.D. João Lourenço Realzado em Janero de 96 e revsto em Janero de 97 O resente texto retende, ncalmente, dar a conhecer quas as característcas rncas das váras acções de controlo,
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia mais