No abstract

No abstract

Este trabalho apresenta uma solução computacional para o problema de planejamento de demanda com objetivo de minimizar o custo com energia elétrica de um ambiente industrial do tipo job-shop, considerando a presença de geração distribuída (GD), além de tarifas horossazonais verde e azul, aplicadas no mercado brasileiro de energia. A solução proposta conta com um sistema de previsão de GD, que utiliza redes neurais do tipo ELM - Extreme Learning Machine, e um sistema de otimização baseado em algoritmos genéticos. Foram realizadas simulações com três ambientes produtivos diferentes com o objetivo de validar o modelo proposto.

O planejamento de um sistema de medição para sistemas elétricos de potência é fundamental para um bom desempenho da estimação do seu estado operativo . Assim sendo, este trabalho apresenta algoritmos para planejar sistemas de medição com PMUs via análise de observabilidade topológica e numérica, obtendo sistemas observáveis com planos de custo otimizado, confiáveis e robustos. Os testes foram realizados utilizando os padrões IEEE-14, IEEE-30, IEEE-118 e IEEE-300 para validação dos algoritmos propostos.