Search

O sistema elétrico brasileiro é referência mundial pelas suas particularidades na forma de geração, transmissão e distribuição de energia. A matriz energética é composta em sua maioria por usinas hidrelétricas e termelétricas, embora tenha-se visto um acentuado aumento de fontes eólicas e solares nos últimos anos. O despacho das usinas hidrelétricas e termelétricas é efetuado de forma centralizada pelo ONS. São utilizados os softwares NEWAVE e DECOMP para otimização visando o menor custo total em todo horizonte de estudo. Além do despacho de cada usina hídrica e térmica, esses softwares divulgam o preço de liquidação das diferenças, utilizado pela Câmara de Comercialização de Energia Elétrica para valorar o preço de energia no curto prazo. Esse preço também é utilizado para negociações bilaterais entre agentes do mercado, seja para trading nas comercializadoras ou compra e venda de energia elétrica para consumidores. Os agentes do mercado utilizam esses softwares para projetar o preço de energia elétrica de curto prazo. Todavia, os softwares necessitam de alto processamento computacional para efetuar a otimização, além do cálculo do despacho ser bastante moroso. Dessa forma, este trabalho apresenta um modelo computacional utilizando Deep Reservoir Computing para projeção do preço de energia elétrica do mercado spot. O trabalho demonstra que a Deep Reservoir Computing pode ser utilizada como ferramenta de auxílio na projeção do preço de energia elétrica no mercado de curto prazo. O modelo proposto foi desenvolvido no software Matlab e, para os experimentos realizados, obteve resultados melhores que redes neurais mais populares, como a Perceptron Multicamadas, onde a correlação foi 3,08% superior na Deep Reservoir Computing além do erro percentual médio absoluto ser 8,8% inferior. The Brazilian electric system is a world reference for its particularities in the form of energy generation, transmission and distribution. The energy matrix is mostly composed of hydroelectric and thermoelectric plants, having seen a sharp increase in wind and solar sources in recent years. The dispatch of hydroelectric and thermoelectric power plants is performed centrally by ONS. The softwares NEWAVE and DECOMP is used for optimization aiming the lowest total cost over the entire study horizon. In addition to the dispatch of each hydro and thermal plant, these softwares disclose the liquidation price of the differences, used by the Electric Energy Trading Chamber to value the short-term energy price. This price is also used for bilateral negotiations between market agents, either for trading or buying and selling electricity to consumers. Market players use this software to project short-term electricity prices. However, the software needs high computational processing to perform the optimization, and the dispatch calculation is very time consuming. Thus, this paper presents a computational model using Deep Reservoir Computing to project the spot market electricity price. This work demonstrates that Deep Reservoir Computing can be used as a support tool for projecting electricity prices in the short term market. The proposed model was developed in Matlab software and, for the experiments performed, obtained better results than more popular neural networks, such as Multilayer Perceptron, where the correlation was 3.08% higher in Deep Reservoir Computing in addition to the absolute mean percentage error being 8,8% lower

Submitted by Nadir Basilio (nadirsb@uninove.br) on 2022-08-08T20:54:17Z No. of bitstreams: 1 Adalberto Ramos Cassia.pdf: 2579130 bytes, checksum: ac45aa62ea75106729cedd691333e099 (MD5) Made available in DSpace on 2022-08-08T20:54:17Z (GMT). No. of bitstreams: 1 Adalberto Ramos Cassia.pdf: 2579130 bytes, checksum: ac45aa62ea75106729cedd691333e099 (MD5) Previous issue date: 2019-12-10 This research aims to analyze the influence exerted by knowledge sharing and Information Technology (IT) infrastructure on the industrial companies’ innovative capability. The research uses a sample of 90 Brazilian industrial companies and Structural Equation Modeling to verify the hypotheses. The results indicate that companies taking steps to encourage knowledge sharing improve their ability to innovate and this exchange is not limited to the internal environment but advances in interconnection with other companies and partner organizations in the business environment. This initiative opens broad horizons for the development of new skills and capabilities, key factors for promoting greater competitiveness. In addition, the research provides empirical evidence that IT infrastructure favors the integration of knowledge with innovative capability. This result advances the traditional understanding - which considers intellectual capital far superior to infrastructure - and shows that smart integration of knowledge and technology multiplies the company's potential to drive innovation, that is, companies that align IT infrastructure with efforts to share knowledge, innovative ability, a key factor in the pursuit of competitive advantage. This research contributes to the insertion of new insights into the study involving the integration of knowledge, technology and innovation and encourages business managers to increase investments and allocate resources to this integration. Esta pesquisa objetiva analisar a influência exercida pelo compartilhamento do conhecimento e infraestrutura de Tecnologia da Informação (TI) sobre a capacidade inovativa de empresas industriais. A pesquisa utiliza amostra com 90 empresas industriais brasileiras e Modelagem de Equações Estruturais para a verificação das hipóteses. Os resultados indicam que as empresas que adotam medidas para encorajar o compartilhamento do conhecimento melhoram a sua capacidade para inovar e essa troca não se limita ao ambiente interno, mas, principalmente, avança para a interconexão com outras empresas e organizações parceiras no ambiente de negócios. Esta iniciativa abre amplos horizontes para o desenvolvimento de novas competências e capacidades, fatores fundamentais para promover maior competitividade. Adicionalmente, a pesquisa apresenta evidência empírica de que a infraestrutura de TI favorece a integração do conhecimento com a capacidade inovativa. Este resultado avança sobre o entendimento tradicional – que considera o capital intelectual muito superior à infraestrutura – e mostra que a integração inteligente entre conhecimento e tecnologia multiplica o potencial da empresa para promover inovações, ou seja, as empresas que alinham a infraestrutura de TI com o esforço para compartilhar o conhecimento tendem a impulsionar sua capacidade inovativa, fator essencial para buscar vantagem competitiva. Esta pesquisa contribui para a inserção de novas visões sobre o estudo envolvendo a integração entre conhecimento, tecnologia e inovação e estimula os gestores empresariais a elevar os investimentos e alocar recursos nesta integração.