Navegando por Assunto "NSGA - II"

Agora exibindo 1 - 2 de 2

Acesso aberto (Open Access)
Alocação e dimensionamento multiobjetivo de bancos de capacitores em redes de distribuição considerando restrições de ressonância harmônica
(Universidade Federal do Pará, 2017-03-13) LIMA, Áthila Santos de; BEZERRA, Ubiratan Holanda; http://lattes.cnpq.br/6542769654042813; TOSTES, Maria Emília de Lima; http://lattes.cnpq.br/4197618044519148
As mudanças a que o setor elétrico tem sido submetido ao longo das últimas décadas vêm impondo às concessionárias e permissionárias novos desafios, os quais tem impulsionado pesquisas na busca de melhorias ao sistema de distribuição sem abrir mão do emprego ótimo de recursos. As adequações à normatização que regula o setor, a constante busca pela redução nas perdas, a crescente demanda e a inserção de novos paradigmas, como por exemplo, a geração distribuída, têm sido tópicos amplamente estudados. O uso de Bancos de Capacitores (BCs) devidamente alocados vem constituindo, por muito tempo, uma das principais estratégias utilizadas para manter variáveis elétricas tais como tensão, fator de potência e carregamento de alimentadores dentro dos níveis adequados. Por outro lado, a crescente presença de harmônicos na rede acrescenta limitações no uso dessa estratégia. Nesse contexto, este trabalho propõe o emprego do NSGA-II, uma metaheurística multiobjetivo, na solução do Problema de Alocação de Bancos de Capacitores (PABC) em redes de distribuição radiais trifásicas, considerando os fenômenos da ressonância harmônicas devidos a presença de cargas não-lineares. A abordagem multiobjetivo permite ao usuário escolher entre uma gama de soluções a que mais se adequa às suas necessidades. Os resultados evidenciaram grande relevância da análise da distorção harmônica e do índice de ressonância, em conjunto, para a obtenção de soluções otimizadas para o PABC, de forma a elevar a qualidade da energia entregue ao consumidor e a vida útil dos equipamentos que constituem a rede de distribuição.
Acesso aberto (Open Access)
Estimação de descarga de dispositivo IoT usando deep learning com otimização NSGA-II
(Universidade Federal do Pará, 2024-02-28) MACEDO, Wilson Antonio Cosmo; BARROS, Fabrício José Brito; http://lattes.cnpq.br/9758585938727609
O aumento das aplicações de redes IoT (Internet das Coisas) destaca a necessidade de otimizar a gestão de energia nestes sistemas, pois a eficiência energética é crucial para a adaptabilidade das implementações que referem-se à IoT. Este estudo analisa as curvas de descarga de uma bateria recarregável em um contexto de rede IoT que utiliza comunicação LoRa (Long Range) e vários sensores, com o objetivo de gerar múltiplas curvas de descarga para estimar o comportamento da bateria nesse cenário. Essas curvas foram utilizadas para treinar uma Rede Neural Artificial (RNA) de várias camadas, implementando técnicas de Deep Learning, na qual a arquitetura da RNA foi delineada usando o algoritmo de Otimização Multiobjetivo NSGA-II (Non-dominated Sorting Genetic Algorithm II), o que resultou em modelos com capacidade de estimar o tempo de descarga da bateria ao analisar um segmento do processo de descarga observado pelo modelo com erro médio quadrático de aproximadamente dois minutos para o modelo mais eficiente encontrado. Este resultado representa uma margem muito positiva, visto que a extensão dos testes de descarga são de até aproximadamente setenta e uma horas e a taxa de amostragem de coleta dos dados é de um minuto.