Resumo -Este artigo propõe um novo conversor cc-cc não isolado de alto ganho baseado no conversor Ćuk com indutor acoplado e multiplicadores de tensão, acrescido de um filtro LC de entrada. O conversor proposto apresenta reduzidos esforços de tensão nos interruptores e permite o projeto de dispositivos magnéticos de volume reduzido. Além disso, o seu modo de operação ressonante possibilita comutação com tensão nula na ativação dos interruptores e comutação com corrente nula no bloqueio dos diodos, propiciando alto rendimento à topologia. Um protótipo de 200 W, com faixa de tensão de entrada de 25-40 V e tensão de saída de 400 V foi construído e testado experimentalmente. O protótipo do conversor proposto apresentou rendimento máximo de 96,5% e rendimentos ponderados da Comissão de Energia da Califórnia (CEC) superiores a 95% em toda a faixa de tensão de entrada.
O problema de distribuição ótima de carga (DOC) em uma usina hidrelétrica (UHE) visa determinar, em tempo real, o despacho de cada unidade geradora (UG) da maneira mais eficiente possível. As não linearidades e não convexidades da função de produção hidrelétrica (FPH) de cada UG tornam desafiadora a busca por uma solução ótima neste problema. Uma das maneiras de lidar eficientemente com as não linearidades do problema de DOC é através da linearização e do tratamento do problema como uma programação linear inteira-mista (PLIM). Neste cenário, este artigo apresenta um sistema de recomendação de DOC baseado em um modelo de PLIM para a UHE de Santo Antônio. Diversas peculiaridades desta UHE tornam esse problema desafiador, destacando-se o elevado número de UGs, turbinas com diferentes curvas-colina, queda bruta dependente da localização da UG e ainda, perdas hidráulicas em função do elevado grau de obstrução nas grades advindas dos detritos do Rio Madeira. O sistema de recomendação faz uso de uma série de medições em tempo real, resolve o modelo de PLIM e apresenta a DOC para os operadores da usina. Os resultados deste sistema indicam um potencial de aumento de geração de 1,0 % na UHE, particularmente em período de seca.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.