هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1393 | دوره:5 | شماره:2 |تعداد مقالات:8

با توجه به نیاز روز افزون قابلیت اطمینان در سیستم های قدرت و هوشمندسازی شبکه ها و همچنین با نظر به اینکه، ترانسفورماتورها یکی از اجزای اصلی سیستم های انتقال و توزیع می باشند، اهمیت پایش وضعیت برخط این تجهیزات در سیستم قدرت امری انکار ناپذیر است. در این مقاله روش جدیدی برای پایش و شناسایی بر خط انواع خطا های داخلی ترانسفورماتور براساس شار نشتی ارائه شده است. با وقوع خطای سیم پیچی در ترانسفورماتور تقارن شارها از بین رفته و سبب افزایش یا کاهش شار نشتی می شود که با توجه به مکان وشدت خطا میزان تغییرات این شارها متفاوت خواهد بود و می توان از این تغییرات در شناسایی خطا استفاده کرد. در این مقاله برای اندازه گیری شارهای نشتی و شناسایی خطا از کویل های جستجو گری که برروی سیم پیچ های فشار قوی نصب شده اند، استفاده شده است. برای شناسایی و کلاس بندی خطا ها از شبکه عصبی احتمالاتی استفاده شده است و جهت پایش برخط وضعیت ترانسفورماتور، از تبدیل PCA استفاده شده است. نتایج شبیه سازی با استفاده از نتایج تست آزمایشگاهی تایید شده و کارایی روش پیشنهادی را تایید می کنند.

توان اکتیو و راکتیو تولیدات پراکنده معمولا در شرایط متصل به شبکه توسط استراتژی جریان dq کنترل می شود. اما پس از جزیره ای شدن استراتژی کنترل جریان dq نمی تواند وظایف کنترل را به درستی انجام دهد؛ در نتیجه این کنترل کننده غیر فعال شده و یک کنترل کننده پیش فاز-پس فاز تنظیم شده بوسیله الگوریتم بازپخت شبیه سازی شده برای تولید پراکنده در حالت جزیره ای پیشنهاد می گردد. معیار مجموع حاصلضرب زمان در سیگنال خطا به عنوان تابع هدف الگوریتم بازپخت شبیه سازی شده فلزات برای بهینه پارامترهای کنترل کننده بکارگرفته می شود تا پاسخ سریع و مقاوم برای سیستم به دست آید. کنترل کننده پیشنهادی حاشیه های پایداری مقاوم سیستم را بهبود می دهد و نتایج شبیه سازی به ازای شرایط مختلف بار و ورودی، قوام و سرعت بیشتر کنترل کننده پیشنهادی در مقایسه با یک کنترل کننده مشابه قبلی را تایید می کند.

داده های ریزآرایه در تشخیص و طبقه بندی انواع بافت های سرطانی نقش بسزایی دارند. در پژوهش های سرطان همیشه تعداد نسبتا کم نمونه ها در ریزآرایه باعث ایجاد مشکلاتی در طراحی طبقه بندها شده است. بنابراین داده های ریزآرایه قبل از طبقه بندی از طریق تکنیک های انتخاب ژن پیش پردازش و ژن های فاقد اطلاعات آن ها دور ریخته می شود. اساسا یک روش انتخاب ژن مناسب می تواند بطور موثر کارایی دسته بندی بیماری ها (سرطان) را بهبود بخشد. در این مقاله یک روش جدید بر پایه مدل ترکیبی ازدحام ذرات باینری (BPSO) و آنالیز تفکیک کننده خطی بیز (BLDA) جهت طبقه بندی داده های ریزآرایه با ابعاد بالا ارائه شده است. ابتدا موقعیت هر ذره بصورت بردار باینری و بصورت تصادفی نمایش داده می شود. بطوری که هر بیت نشان دهنده یک ژن است. بیت صفر نشان دهنده این است که ویژگی (ژن) متناظر با آن انتخاب نشده و بیت یک نشان دهنده این است که ژن متناظر با آن انتخاب شده است. لذا موقعیت هر ذره بیانگر یک مجموعه ژن بوده و میزان تناسب هر ذره توسط الگوریتم طبقه بندی آنالیز تفکیک کننده خطی بیز جهت ارزیابی کیفیت مجموعه ژن انتخاب شده توسط آن ذره محاسبه می شود. الگوریتم پیشنهادی بر روی چهار مجموعه از پایگاه داده سرطان اعمال و نتایج آن با سایر روش های موجود مقایسه شده است. نتایج پیاده سازی نشان می دهد که الگوریتم پیشنهادی از دقت و اعتبار بالایی در مقایسه با سایر روش های موجود برخوردار بوده و قادر است یک مجموعه کوچک از ژن های حاوی اطلاعات را به گونه ای انتخاب کند که دقت طبقه بندی افزایش یابد.

قابلیت اطمینان در سیستم های تبدیل انرژی بادی، بسیار مهم و حیاتی است تا دریافت حداکثر مقدار انرژی موجود در باد تضمین شود. به منظور بررسی صحیح و دقیق این سیستم ها در هنگام وقوع خطا و همچنین بررسی نحوه اثرگذاری خطاها بر تمامی زیرسیستم های آن ها، نیاز به مدلی است که قسمت های مکانیکی و الکتریکی را با جزئیات مناسبی شامل شود. همچنین یک سیستم تشخیص و جداسازی خطا مورد نیاز است که با بهره گیری از این مدل کامل، خطاهای به وقوع پیوسته را در زمان کوتاه شناسایی کند، به نحوی که عملکرد صحیح سیستم تضمین و از خسارات شدید اقتصادی جلوگیری شود. در این تحقیق با استفاده از مدل دینامیکی کامل سیستم تبدیل انرژی بادی، یک سیستم تشخیص و جداسازی خطا با استفاده از شبکه های عصبی دینامیکی بازگشتی ارائه می شود که توسط آن می توان خطاهای به وقوع پیوسته در سنسور سرعت زاویه ای ژنراتور، سنسور و محرک فراز را تشخیص داد. نتایج شبیه سازی نشان می دهد که سیستم تشخیص و جداسازی خطا به همراه الگوریتم ارائه شده در این مقاله، قابلیت بالایی در تشخیص خطا در زمان کم را دارد، خطاهای شناسایی شده را به نحو مناسبی جداسازی می کند و نرخ هشدارهای اشتباه در آن بسیار پائین است. از طرح ارائه شده در این تحقیق می توان برای شناسایی خطاها در سایر قسمت های سیستم نیز استفاده کرد.

تصویر دیجیتال به دلیل ماهیت خاص خود دارای الگوریتم های رمزنگاری ویژه می باشد. در اکثر روش های رمزنگاری تصویر، از یک دنباله ریاضی برای درهم ریزی تصویر استفاده می شود. دنباله های ریاضی استفاده شده تاکنون، یک رابطه بازگشتی هستند که دارای یک مجموعه ضرایب بوده و با تغییر ضرایب، دنباله های عددی مختلفی را می توان تولید کرد. میزان درهم ریزی تصویر توسط هر دنباله با معیارهای ارزیابی استانداردی محاسبه می شود. به دلیل پیچیدگی سیستم رمزنگاری تصویر و عدم وجود رابطه مشخص ضرایب دنباله با معیارهای ارزیابی، انتخاب ضرایب مناسب دنباله به آسانی امکان پذیر نیست. در این مقاله ضرایب رابطه بازگشتی توسط الگوریتم ژنتیک با در نظر گرفتن یک فرم عمومی برای رابطه بازگشتی و تعریف تابع برازندگی مناسب محاسبه می شوند به گونه ای که دنباله یافته شده کارایی مطلوبی برای رمزنگاری تصویر داشته باشد. آزمایش ها نشان می دهد دنباله به دست آمده از الگوریتم ژنتیک نسبت به ضرایب تعدادی از روش ها نتایج رضایت بخش تری از خود نشان می دهد.

این مقاله، به معرفی یک روش بهینه سازی هیبرید به منظور تحلیل مسائل بهینه سازی مختلط با عدد صحیح می پردازد. مدل هیبرید یاد شده به صورت یک برنامه بهینه سازی دو سطحی، شامل مساله اصلی و تعدادی زیرمساله پیاده سازی شده است. در روش پیشنهادی از یک پایگاه داده مجازی به منظور ذخیره سازی مجموعه حالات ارزیابی شده در حین اجرای الگوریتم بهینه سازی استفاده شده است. این پایگاه داده مجازی ضمن سرعت بخشیدن به روند شبیه سازی، امکان به اشتراک گذاشتن و استفاده از آن در برنامه های شبیه ساز با بیش از یک پروسسور را نیز فراهم می نماید. مساله برنامه ریزی توسعه همزمان تولید و شبکه انتقال به عنوان یک مساله بهینه سازی مختلط با عدد صحیح دینامیک جهت ارزیابی مدل بهینه سازی هیبرید پیشنهادی مورد توجه قرار گرفته است. نتایج شبیه سازی بر روی شبکه های تست نمونه نشان دهنده کارایی آن در حل مساله برنامه ریزی بلندمدت در سیستم قدرت می باشد.

بهره گیری از واحد های اندازه گیری فازوری در سال های اخیر به صورت گسترده ای در زمینه های نظارت، کنترل و حفاظت سیستم های قدرت مورد توجه قرار گرفته است. در عمل از آنجاکه سیستم های قدرت واقعی دارای تعداد زیادی شین می باشند، محدودیت اقتصادی و فنی مانع نصب تمام این واحد های اندازه گیر در مدت زمان کوتاهی می شوند، از این رو نصب واحد های فازوری به صورت چند مرحله ای صورت می گیرد. در این مقاله به منظور افزایش مشاهده پذیری در طول افق برنامه ریزی یک روش دینامیکی چند مرحله ای با معرفی یک شاخص جدید ارائه شده است. در روش پیشنهادی برخلاف روش های مرسوم، مکان یابی واحدهای فازوری برای هر مرحله وابسته به مراحل قبل و بعد آن می باشد که نتیجه آن افزایش فضای جستجو و نهایتا تحصیل پاسخ بهینه مساله می باشد. همچنین در این رهیافت، مکان یابی برای تمامی مراحل میانی در قالب یک فرآیند بهینه سازی صورت می پذیرد. همچنین در این مطالعه به منظور در نظر گرفتن جنبه های عملی مساله، محدودیت کانال های اندازه گیری و مخابراتی واحدهای اندازه گیری فازوری پوشش داده شده است. با توجه به پیچیدگی مدل پیشنهادی نسبت مدل های مرسوم، به منظور بهینه سازی مساله از الگوریتم بهینه سازی خفاش استفاده شده است. در پایان روش پیشنهادی جهت مکان یابی چند مرحله ای در چندین شبکه نمونه و نیز شبکه ی انتقال سراسری 230kv و 400kv ایران استفاده شده است و با مقایسه نتایج به دست آمده با نتایج روش های مکان یابی چند مرحله ای موجود کارایی مدل پیشنهادی نشان داده شده است.

روش بهینه سازی جستجوکننده (SOA) همانگونه که هم اکنون خوانده می شود، به دلیل موثر بودن در حل بعضی مسائل مشکل بهینه سازی دنیای واقعی، در حال به دست آوردن محبوبیت در میان جامعه محققان است. این مقاله روش کنترل فرکانس بار (LFC) بر پایه SOA را برای حذف نوسانات سیستم قدرت ارائه می دهد. یک سیستم حرارتی دو ناحیه ای و یک سیستم قدرت چهار ناحیه ای تجدید ساختار یافته مجهز به کنترلرهای تناسبی- انتگرالی (PI) در نظر گرفته شده اند. SOA برای جستجوی پارامترهای بهینه کنترلر از طریق کمینه کردن تابع هدف حوزه زمان به کار بسته شده است. عملکرد کنترلر پیشنهادی با عملکرد کنترلر PI متداول و کنترلر PI تنظیم شده با الگوریتم های جستجوی ذرات (PSO)، کاوش باکتری(BFA) مورد مقایسه قرار گرفته تا قابلیت برتر SOA پیشنهادی در تنظیم کنترلر PI نشان داده شود. نتایج شبیه سازی بر عملکرد بهتر کنترلر PI بهینه شده بر مبنای SOA در مقایسه با کنترلر PI بهینه شده با PSO و BFA و کنترلر مرسوم در دامنه وسیعی از نقاط کاری و تغییرات پارامترهای سیستم تاکید دارند.