Portuguese Chinese (Simplified) English French German Italian Japanese Russian Spanish

Workshop debate formação do preço de energia elétrica

Evento ocorreu em Florianópolis e teve apoio do CeMEAI

 

IMG 7930  IMG 7984

 

O 1º Workshop on Computing Efficient Energy Prices reuniu, em Florianópolis (SC), especialistas do setor elétrico brasileiro para discutir o impacto dos diferentes mecanismos e metodologia destinados ao cálculo do preço horário da energia elétrica.

O Workshop, que contou com o apoio institucional do Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), da Câmara de Comercialização de Energia Elétrica (CCEE), do Operador Nacional do Sistema Elétrico (ONS) e da Empresa de Pesquisa Energética (EPE) e foi organizado pelo Laboratório de Planejamento de Sistemas de Energia Elétrica (LabPlan), da UFSC, Norus e Norte Energia, contou com a participação de 150 pessoas e dos pesquisadores especialistas nesta área, Claudia Sagastizábal e Paulo J. S. Silva (IMECC/Unicamp).

Paulo colaborou no bloco intitulado Definição do Preço em Modelos com Unit Commitment, ministrando uma palestra plenária sobre conceitos avançados de dualidade relacionados com a definição dos preços horários de energia.

Claudia esteve presente no Painel dedicado a Operação e os Desafios do Preço Horário, debatendo o tema com Mário Daher (Gerente Executivo da ONS), André Diniz (Chefe de Departamento do DEA no CEPEL) e Marcelo Loureiro (Diretor de Energia da ABIAPE).

Únicos representantes da Matemática no evento, Paulo e Claudia falaram sobre resultados do trabalho iniciado em 2018 para aproximar o CeMEAI dos problemas reais do setor elétrico brasileiro. “Tanto as apresentações, quanto as perguntas e discussões da plateia, ensejam a reflexão sobre a importância de continuar a fortalecer a colaboração entre a indústria da energia e o setor acadêmico”, observou Claudia.

“Poder participar do evento foi de fato um privilégio. Reuniões deste tipo apresentam oportunidades únicas para a matemática industrial, pois permitem interagir de modo direto com profissionais do mais alto nível do setor, que trabalham cotidianamente no problema de planejamento ótimo da geração de energia no país. As discussões e questionamentos levantados no workshop enriqueceram a nossa visão dos problemas de otimização a serem resolvidos e abriram vários interrogantes a nível de modelagem, com potencial de se tornarem linhas de pesquisa. Esperamos poder continuar a participar de encontros deste tipo no futuro”.

Ainda segundo a pesquisadora, os assuntos tratados no workshop em Florianópolis se apresentam como uma continuidade natural dos problemas de energia discutidos nas edições de 2018 e deste ano do Workshop de Soluções Matemáticas para Problemas Industriais, com apoio da Engie-Impact e do Cepel. “Estas considerações adquirem relevância particular em vista da entrada em operação do modelo DESSEM desenvolvido pelo Cepel, que será usado pelo ONS para definir a programação diária do sistema interligado nacional, a partir de janeiro de 2020”, finalizou Claudia.

 

Sobre o CeMEAI

O Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), com sede no Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, é um dos Centros de Pesquisa, Inovação e Difusão (CEPIDs) financiados pela FAPESP.

O CeMEAI é estruturado para promover o uso de ciências matemáticas como um recurso industrial em três áreas básicas: Ciência de Dados, Mecânica de Fluidos Computacional e Otimização e Pesquisa Operacional.

Além do ICMC-USP, CCET-UFSCar / IMECC-UNICAMP / IBILCE-UNESP / FCT-UNESP / IAE e IME-USP compõem o CeMEAI como instituições associadas.

 

Raquel Vieira- Comunicação CeMEAI

 

Mais informações

Assessoria de Comunicação do CeMEAI: (16) 3373-6609

E-mail: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.

CeMEAI apoia grupo de estudos de Deep Learning

Pesquisadores tentam fortalecer tecnologias desta área no Brasil

 

IMG 3045 IMG 3055

 

Denominado CeMEAI Deep Learning Study Group, acaba de ser criado um dos poucos grupos no país que se dedicará a estudar e propor tecnologias de Deep Learning, uma área de grande revolução dentro da Inteligência Artificial.

Quem coordena o grupo é o professor Luis Gustavo Nonato, do ICMC, que também é pesquisador do Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI). Ele explica que esta área está muito relacionada a aplicações como compreensão do comportamento de clientes em e-commerce, reconhecimento facial e de fala, classificação de doenças e até autonomia dos carros.

“Essas técnicas de Deep Learning têm revolucionado muitas áreas do conhecimento e estão presentes em nosso dia-a-dia. Aqui no Brasil, existem pessoas trabalhando com Deep Learning, mas poucos são os grupos dedicados a realizar pesquisa no tema”, diz.

Pensando nisso e com o apoio de outros dois pesquisadores do CeMEAI, os professores Paulo José da Silva e Silva e Carlile Lavor, do Instituto de Matemática, Estatística e Computação Científica (IMECC/Unicamp), o grupo brasileiro foi criado e as reuniões iniciaram em maio no ICMC, em São Carlos.

“Essa ideia surgiu quando nós três estávamos em universidades americanas e notamos que lá o tema está muito em alta. Quando retornamos ao Brasil, fomos procurar outras pessoas que conhecemos e que estão dispostas a aprender mais sobre o assunto e começamos a estudar”, explica Nonato.

Com participantes presenciais e alguns que acompanham as reuniões pela internet, em tempo real, o grupo reúne cerca de 50 participantes entre professores e pós-doutorandos.

“Neste semestre vamos estudar o livro Introduction to Deep Learning, da MIT - Massachusetts Institute of Technology. No segundo semestre, vamos formar subgrupos com foco em problemas particulares. Por exemplo, um tema de grande interesse na atualidade é compreender como os modelos de deep learning se configuram. Para os bancos, tal compreensão é de grande relevância para que possam garantir que tais modelos não estão discriminando certas classes de pessoas”, completou.

 

Sobre o CeMEAI

O Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), com sede no Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, é um dos Centros de Pesquisa, Inovação e Difusão (CEPIDs) financiados pela FAPESP.

O CeMEAI é estruturado para promover o uso de ciências matemáticas como um recurso industrial em quatro áreas básicas: Otimização Aplicada e Pesquisa Operacional, Mecânica de Fluidos Computacional, Modelagem de Risco, Inteligência Computacional e Engenharia de Software.

Além do ICMC-USP, CCET-UFSCar, IMECC-UNICAMP, IBILCE-UNESP, FCT-UNESP, IAE e IME-USP compõem o CeMEAI como instituições associadas.

 

Raquel Vieira - Comunicação CeMEAI

 

Mais informações

Assessoria de Comunicação do CeMEAI: (16) 3373-6609

E-mail: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.

Pesquisas apoiadas pelo CeMEAI recebem Prêmio Capes de Tese 2017

Trabalhos se destacaram nas áreas de Matemática e Ciência da Computação

 

 

Foto AndréFoto Paulo

Professores André Carvalho (esquerda) e Paulo Silva foram premiados pela Capes

 

A Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes) contemplou dois trabalhos apoiados pelo CEPID- CeMEAI com o Prêmio Capes de Tese Edição 2017 que reconhece autores das melhores teses de doutorado defendidas no país em 2016.

Um dos trabalhos é orientado pelo pesquisador André Carlos Ponce de Leon Ferreira de Carvalho. O autor da tese Noise Detection In Classification Problems, Luís Paulo Faina Garcia foi o vencedor na área Ciência da Computação.

O trabalho trata dos dados ruidosos. Segundo Luís Paulo, esses dados ruidosos, quando utilizados na construção de classificadores por técnicas de Aprendizado de Máquina, aumentam a complexidade da hipótese obtida, bem como o aumento do seu tempo de construção, além de prejudicar sua acurácia preditiva (taxa de acerto). “Tratá-los na etapa de pré-processamento pode significar uma melhora da qualidade dos dados e um aumento na compreensão do problema estudado”, explicou.

A pesquisa investigou a utilização de medidas de complexidade capazes de caracterizar a presença de ruídos em um conjunto de dados, desenvolver novos filtros que sejam mais eficientes em determinados nichos do problema de detecção e remoção de ruídos que as técnicas consideradas estado da arte e recomendou as mais apropriadas técnicas ou comitês de técnicas para um determinado conjunto de dados por meio de meta-aprendizado (um sistema de recomendação que funciona de forma semelhante a alguns serviços para recomendação de filmes, livros ou músicas).

Com isso, mesmo quem não trabalha com Ciência de Dados e Aprendizado de Máquina pode ter para seus dados uma recomendação de quais são as técnicas mais adequadas para remover ruído de rótulo de seus dados.

O trabalho foi desenvolvido em colaboração com o aluno de doutorado Augusto Hashimoto de Mendonça do Departamento de Hidráulica e Saneamento da USP/São Carlos. O principal objetivo da pesquisa era predizer áreas potenciais para espécies invasoras, como mostra o vídeo:

 

Um trabalho desenvolvido na USP - Universidade de São Paulo em São Carlos busca, utilizando a computação, erradicar espécies de plantas consideradas invasoras por devastar a biodiversidade nativa. Entenda como a pesquisa funciona: https://goo.gl/K61jzu

Publicado por CEPID - CeMEAI em Quinta-feira, 1 de junho de 2017

 

“Ter a tese selecionada pelo ICMC para representar o Instituto no prêmio CAPES já era motivo de orgulho para mim, mas ser selecionado como melhor tese em Ciência da Computação foi realmente gratificante. Parte fundamental dessa conquista foi a supervisão do Prof. André de Carvalho e da Profa. Ana Lorena que durante os cinco anos de doutorado me ajudaram a refinar as ideias, hipóteses e objetivos”, observou Luís Paulo.

“O Luís Paulo mostrou muita criatividade, maturidade, iniciativa e dedicação durante seu doutorado e isso resultou em uma pesquisa muito criativa e bem feita, que acabou gerando um ótimo reconhecimento internacional e nacional, atestado pelas publicações que conseguiu ao longo de seu doutorado. Como resultado de sua pesquisa, foi selecionado como pesquisador por uma das melhores universidades da Alemanha”, comentou o pesquisador André lembrando que o CeMEAI foi catalisador de boa parte da pesquisa. “Sem o cluster de alto desempenho (Euler) eu não conseguiria os resultados em tempo viável, ainda mais por ter trabalhado com algoritmos de Mineração de Dados e Aprendizado de Máquina muito custosos computacionalmente. Além disso, o CeMEAI me ajudou com o suporte financeiro para a participação em eventos internacionais como o European Conference on Machine Learning (ECML)”, finalizou.

Menção Honrosa

Outro trabalho reconhecido no Prêmio Capes de Tese 2017 tem a orientação do também pesquisador do CEPID-CeMEAI Paulo José da Silva e Silva. A tese Tópicos em Condições de Otimalidade para Otimização não Linear do aluno José Alberto Ramos Flor foi menção honrosa na área Matemática/Probabilidade e Estatística.

Segundo Paulo, problemas de otimização são formulados em linguagem matemática usando funções para descrever opções aceitáveis para o sistema que se deseja melhorar, bem como o objetivo usado para escolher a opção mais interessante. “Os modelos obtidos são então resolvidos por algoritmos de computador. Infelizmente, não existe um algoritmo geral capaz de resolver qualquer modelo de otimização. Cada algoritmo tem restrições sobre o tipo de funções que podem aparecer nos modelos e, muitas vezes, exigem que essas descrições evitem redundâncias”.

“O trabalho de meu aluno Alberto desvendou quais são as condições mínimas necessárias para garantir que algoritmos clássicos de otimização funcionem. Ele mostrou que as exigências sobre a descrição das opções que podem ser escolhidas podem conter redundâncias que antes pareciam proibidas. Isso libera o profissional que faz a modelagem para trabalhar com mais liberdade ao descrever o problema”, comentou.

Paulo observou ainda que esse tipo de trabalho, apesar de essencialmente teórico, tem impacto prático imediato, pois garante que modelos mais gerais podem ser resolvidos por algoritmos conhecidos. “Entre esses algoritmos destaco o Algencan, que é um código de computador desenvolvido por outros pesquisadores do CeMEAI, como os professores Mario Martinez e Ernesto Birgin. Nossos resultados provam que o algoritmo implementado pelo Algencan é capaz de lidar com uma ampla gama de problemas de otimização”.

A premiação

Os premiados recebem diploma, medalha e bolsa de pós-doutorado nacional de até 12 meses para o autor da tese; auxílio para participação em congresso nacional, para o orientador, no valor de R$ 3 mil; distinção a ser outorgada ao orientador, coorientador e ao programa em que foi defendida a tese; além de passagem aérea e diária para o autor e um dos orientadores da tese premiada para que compareçam à cerimônia de premiação.

O resultado foi publicado no Diário Oficial da União de 10 de outubro de 2017.

 

Sobre o CeMEAI

O Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), com sede no Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, é um dos Centros de Pesquisa, Inovação e Difusão (CEPIDs) financiados pela FAPESP.

O CeMEAI é estruturado para promover o uso de ciências matemáticas como um recurso industrial em quatro áreas básicas: Otimização Aplicada e Pesquisa Operacional, Mecânica de Fluidos Computacional, Modelagem de Risco, Inteligência Computacional e Engenharia de Software.

Além do ICMC-USP, CCET-UFSCar, IMECC-UNICAMP, IBILCE-UNESP, FCT-UNESP, IAE e IME-USP compõem o CeMEAI como instituições associadas.

 

Raquel Vieira - Comunicação CeMEAI

 

Mais informações

Assessoria de Comunicação do CeMEAI: (16) 3373-6609

E-mail: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.