هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1394 | دوره:6 | شماره:1 |تعداد مقالات:14

در این مقاله یک روش جدید بر پایه "الگوریتم رقابت استعماری (ICA)" برای حل مساله "پخش بار اقتصادی تولید هم زمان برق و حرارت "(CHPED) پیشنهاد می شود. به منظور جلوگیری از به دام افتادن ICA در بهینه های محلی و بهبود کیفیت شبیه سازی، سیاست همسان سازی جدیدی معرفی می شود که به طور انطباقی در هر تکرار تغییر می کند. مساله CHPED یک مساله بهینه سازی غیرخطی و غیرمحدب می باشد که دارای قیود مختلفی می باشد. بر خلاف روش های قبلی، اثر تلفات و موقعیت شیر در بعضی مثال ها در نظر گرفته شده و به وضوح در تابع متعارف هزینه به صورت عبارت سینوسی دقیقی فرموله شده است. به منظور ارزیابی کارآیی روش پیشنهادی سه نوع مثال مختلف با ابعاد کوچک، متوسط و بزرگ که هر کدام دارای سیستم های آزمایشی مختلفی می باشند با هدف پیاده سازی بر روی روش پیشنهادی به کار رفته است. قابل ذکر است در حل مسأله CHPED دو سیستم جدید با ابعاد بزرگ با در نظر گرفتن اثرات موقعیت شیر در این مقاله در نظر گرفته شده است. نتایج عددی نشان از برتر بودن و کیفیت بالای حل الگوریتم پیشنهادی در مقایسه با سایر روش ها دارد.

در این مقاله، یک سیستم CAD بر اساس شبکه های عصبی کانولوشن سلسله مراتبی با ساختاری جدید، جهت ایجاد تمایز بین تومورهای خوش خیم و بدخیم در تصاویر MR سینه پیشنهاد شده است. شبکه عصبی کانولوشن، یک شبکه سلسله مراتبی عصبی است که بر روی تصاویر دو بعدی اعمال می شود و فرآیندهای استخراج ویژگی و طبقه بندی را در یک ساختار واحد و کاملا تطبیقی، ادغام می کند. این ساختار می تواند ویژگی های دو بعدی کلیدی را به صورت خودکار استخراج نموده و نسبت به اعوجاجات هندسی و محلی در تصاویر ورودی مقاوم است. در ادامه، نتایج پیاده سازی فرآیندهای یادگیری و آزمایش HCNN بر اساس روش های بهینه سازی گرادیان نزولی و پس انتشار عدول شونده مورد ارزیابی قرار گرفته و نشان داده شده است که HCNN پیشنهادی با رویکرد یادگیری پس انتشار عدول شونده، یک ساختار عصبی سلسله مراتبی کارآمد و مقاوم را جهت طراحی یک سیستم CAD پایه در تصاویر MR سینه ارائه می کند بطوریکه از آن می توان بطور بالقوه، بعنوان یک مکانیسم برای ارزیابی انواع ناهنجاری ها در تصاویر پزشکی استفاده نمود.

در این مقاله، مساله مکان یابی بانک های خازنی فشار متوسط با استفاده از یک رویکرد دو هدفه جدید مورد ارزیابی قرار می گیرد. برای این منظور، قیمت گذاری مبتنی بر قابلیت اطمینان مطلوب مشترکین در محیط یک شرکت توزیع تجدید ساختارشده مدل سازی شده و ریسک حاصل از اجرای آن بر سودآوری شرکت توزیع از محل خازن گذاری شبکه محاسبه شده است. سپس، مکان یابی خازن های فشار متوسط با استفاده از الگوریتم بهینه سازی ژنتیک چندهدفه به منظور دستیابی به طرح متناظر با کمترین هزینه و کمترین ریسک سودآوری، مورد بررسی قرار گرفته است. با اجرای برنامه های توسعه داده شده در شبکه آزمون 34 شینه IEEE، کارایی رویکرد پیشنهادی در قالب چندین سناریو ارزیابی شده است.

نصب واحدهای تولیدی جدید به عنوان واحدهای خودراه انداز یک راه حل موثر برای افزایش سرعت بازیابی یک سیستم بویژه در شرایط راه اندازی ناموفق واحدهای خودراه انداز از پیش تعیین شده می باشد. بر این اساس، در این مقاله یک طراحی بهینه جدید برای جایابی واحدهای توربین گازی به منظور بهبود عملکرد سیستم قدرت در هر دو شرایط عادی و بازیابی ارائه شده است. در انجام این طراحی، توابع هدف مورد نظر که در روند بهینه سازی با یکدیگر ناسازگار می باشند، بطور همزمان بهینه می گردند. بنابراین یک مساله چند هدفه به صورت یک مساله برنامه ریزی خطی با اعداد مرکب تعریف شده است. جوابهای پرتو بهینه مساله پیشنهادی با استفاده از یک الگوریتم ابتکاری با نام الگوریتم جستجوی کلاغ بدست می آیند. در این مقاله دو سیستم قدرت شامل یک سیستم عملی نمونه و سیستم استاندارد 39 باس IEEE برای اعمال روش پیشنهادی استفده شده اند. نتایج شبیه-سازی نشان می دهند که روش پیشنهادی علاوه بر افزایش قابلیت خودراه اندازی سیستم در شرایط بازیابی، عملکرد سیستم را در شرایط عادی نیز بهبود می دهد. همچنین در شرایط بازیابی شبکه، با انتخاب مسیرهای بهینه توالی راه اندازی واحدهای حرارتی بزرگ بهینه می گردند.

پیش بینی کوتاه مدت بار الکتریکی همواره به عنوان یکی از عناصر کلیدی در عملکرد اقتصادی و ایمن سیستم های قدرت به حساب می آید. در محیط رقابتی بازار برق، شرکت های برق به رویکردهای دقیق تری برای پیش بینی بار به منظور گرفتن تصمیمات بهتر درزمینه خرید و یا تولید برق نیازمند هستند. در این مقاله روشی نوین برای پیش بینی کوتاه مدت بار الکتریکی بر مبنای یادگیری ماشینی ارائه شده است. این روش از یک فرایند انتخاب داده ی مؤثر دومرحله ای و یک موتور پیش بینی نوین تشکیل شده است. در بخش انتخاب داده مؤثر از دو فیلتر مجزای نامربوط بودن و زائد بودن برای انتخاب بهترین مجموعه داده های ورودی استفاده شده است. در موتور پیش بینی پیشنهادی از یک ماشین بردار پشتیبان، شبکه عصبی ترکیبی و روش بهینه سازی آموزش جامع ازدحام ذرات، استفاده شده است. با بکارگیری روش بهینه سازی آموزش جامع ازدحام ذرات در کنار شبکه عصبی ترکیبی، دقت پیش بینی افزایش یافته و از خطای آن به میزان موثری کاسته می شود. رویکرد پیشنهادی در بازارهای برق PJM و AEMO مورد بررسی قرار گرفته است. نتایج عددی به دست آمده، نشان دهنده ی کارایی و توانایی قابل قبول این روش در مقایسه با آخرین روش های ارائه شده درزمینه پیش بینی کوتاه مدت بار الکتریکی است.

پیشرفت سریع تکنولوژی و به دنبال آن کاهش بعد ترانزیستورهای ماسفت باعث شده است که این ترانزیستور ها رفتار متفاوتی در مدارات الکترونیکی از خود نشان دهند. در دهه اخیر، مدل های زیادی برای تخمین رفتار ترانزیستور های ماسفت کانال کوتاه ارائه شده است. در این مقاله یک مدل جدید برای پیش بینی رفتار و عملکرد ترانزیستورهای ماسفت کانال کوتاه پیشنهاد شده است. مدل پیشنهادی با ایجاد تغییراتی روی مدل nth-power law MOS، دقت این مدل را افزایش و خطای آن را کاهش داده است. پارامترهای مدل پیشنهادی نسبت به دو مشخصه واقعی BSIM3 در تکنولوژی 130 نانومتر و TSMC_ CM018RF در تکنولوژی180 نانومتر، که امروزه کاربرد بسیاری در مدارات الکترونیکی مخصوصا مدارات فرکانس بالا دارند، محاسبه شده است. به منظور افزایش دقت مدل پیشنهادی، پارامترهای آن، توسط سه الگوریتم وراثتی، بهینه سازی جمعیت ذرات و جستجوی گرانشی محاسبه شده است. نتایج بدست آمده نشان می دهد که برای مدل ارائه شده، الگوریتم جستجوی گرانشی نتایج بهتری به دست داده است.

در این مقاله، روش جدیدی برمبنای سیستم عصبی فازی (ANFIS) برای مکان یابی بانک خازنی کلیدزنی شده در شبکه توزیع ارائه می شود. این روش بر اساس شاخصی عمل می کند که از طریق آنالیز حالت گذرای جریان بدست می آید و از این شاخص برای آموزش شبکه عصبی فازی استفاده می شود. این شاخص را می توان بصورت Offline یا Online بوسیله ی اطلاعات کیفیت توان سیستم محاسبه نمود. روش بیان شده فقط از شکل موج حالت گذرای جریان استفاده می کند، که باعث سادگی روش می شود. این روش به مقدار جریان، بلافاصه قبل و بعد از لحظه کلیدزنی نیاز دارد، که می توان این روش را بصورت Online به کاربرد. شبیه سازی های مختلفی که انجام شده است نشان می دهد دیگر اختلال های کیفیت توان نمی توانند بر روی صحت عملکرد این روش تاثیر بگذارند. همچین اندازه و نوع اتصال نیز تاثیری بر روی دقت عملکرد روش پیشنهادی ندارد. الگوریتم پیشنهادی بر روی سیستم 13 باس IEEE پیاده سازی و صحت عملکرد آن تایید شده است. با توجه به نتایج شبیه سازی، روش پیشنهادی قابلیت پیاده سازی در سیستم های واقعی را دارد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

قابلیت ایستادگی در برابر افت ولتاژ در مزارع بادی برای عدم جدا شدن از شبکه در حین خطا، ضروری می باشد. در این مطالعه هر دو مدلسازی ولتاژ پشت راکتانس و DQ، برای ژنراتور القایی مورد استفاده در توربین بادی سرعت ثابت، انجام و مقایسه شده اند. بر اساس مدل مناسب، روشی جدید برای ارتقاء قابلیت ایستادگی در برابر افت ولتاژ در توربین های بادی سرعت ثابت حین خطای سه فاز متقارن، پیشنهاد شده است که بر مبنای استفاده از یک کندانسور سنکرون با کنترل کننده منطق فازی می باشد. به منظور داشتن کنترل مناسب بر روی سیستم حین خطا، تزریق توان راکتیو توسط کندانسور سنکرون با استفاده از کنترل کننده منطق فازی تنظیم می شود. اگرچه استفاده از STATCOM، متداول ترین روش برای بهبود قابلیت ایستادگی در برابر افت ولتاژ در توربین های بادی است، نتایج نشان می دهند که استفاده از یک کندانسور سنکرون با کنترل کننده منطق فازی حین خطا، منجر به کارایی بهتر می شود. بنابراین استفاده از مدل ولتاژ پشت راکتانس برای اولین بار در توربین های بادی سرعت ثابت و پیشنهاد استفاده از کندانسور سنکرون با کنترل کننده منطق فازی جهت بهبود قابلیت ایستادگی در برابر افت ولتاژ از نوآوری های این مقاله می باشند.

مدیریت بهینه انرژی در سیستم های دارای چند ریزشبکه چالش های جدیدی را در سیستم های قدرت بوجود آورده است. لذا، ارائه سیستم های مدیریت انرژی با درنظر گرفتن عملکرد بهینه منابع موجود در ریزشبکه ها، کنترل تبادل توان با شبکه و نیز مابین ریزشبکه ها دارای اهمیت است. در این مقاله، برای مدیریت انرژی در سیستم های دارای ریزشبکه های متعدد با مالکیت های مختلف، ساختاری با دو لایه کنترلی بنام های کنترل اولیه و ثانویه پیشنهاد شده است. در سطح کنترل اولیه، سیستم مدیریت انرژی بطور مجزا برای هر ریزشبکه با درنظرگرفتن قیود مساله و عدم قطعیت منابع تجدیدپذیر با استفاده از الگوریتم تاگوچی، توان مربوط به منابع تولید و میزان مازاد و کمبود تولید هر ریزشبکه تعیین می شود. سپس، اطلاعات مربوط به توان های مازاد و کمبود هر ریزشبکه بایستی به سیستم مدیریت انرژی مرکزی در سطح ثانویه ارسال شوند. بمنظور تایید ساختار پیشنهادی، یک سیستم موردی با دو ریزشبکه و یک بار فشرده، با استفاده از الگوریتم رقابت استعماری چند زمانه شبیه سازی شده است. برای ارزیابی عملکرد الگوریتم پیشنهاد شده، چندین سناریو نیز اعمال شده است. نتایج بدست آمده به وضوح نشان می دهد که سیستم پیشنهادی در مدیریت انرژی ریزشبکه های متعدد، موثر بوده و منجر به عملکرد بهینه منابع موجود در هر ریزشبکه شده است. علاوه براین، طرح کنترلی پیشنهادشده به صورت مناسبی عملکرد ریزشبکه ها و شبکه را در تعاملات با یکدیگر کنترل می نماید و دارای سطح بالایی از استحکام، رفتار پایدار تحت شرایط مختلف و کیفیت بالای منبع تغذیه است.

جایگاه حسگرها در صنایع و علوم مختلف به عنوان یک عنصر اساسی و حیاتی، غیرقابل انکار می باشد. بنابراین موضوع خطایابی و رفع خطا در حسگرها اهمیت ویژه ای دارد. دراین تحقیق، یک شبکه از حسگرها شامل چند حسگر دما در نظر گرفته می شود به گونه ای که متوسط دمای حسگرها به عنوان دمای اندازه گیری شده در نظر گرفته می شود. برای مقاوم سازی سیستم در مقابل خطا ابتدا با استفاده از فیلتر کالمن خطای واقع شده تشخیص داده شده است و سپس با استفاده از الگوریتم ژنتیک آرایش سیستم اندازه گیری دما به صورتی مناسب تغییر داده می شود به گونه ای که خطای واقع شده تاثیری در دمای قرائت شده نداشته باشد. در این مقاله خطای بایاس، مقیاس، خطای سخت و نویز زیاد مورد مطالعه قرار گرفته اند. برای ارزیابی کارایی ساختار پیشنهادی شبیه سازی هایی در نرم افزار مطلب صورت گرفته است و نشان داده اند که برای طیف وسیعی از شدت خطا سیستم به صورت موثر مقاوم است.

امروزه با توجه به مزایای متعدد سفرهای هوایی از جمله راحتی، آسایش، سرعت و امنیت بالا، ترافیک هوایی رشد چشمگیری داشته است و انتظار می رود این نرخ رشد در سال های آینده فزآینده تر شود. تراکم ترافیک هوایی و محدودیت های مختلف در توسعه برخی فرودگاه ها سبب شد که مساله کنترل فرود هواپیماها به عنوان یکی از مهم ترین مسائل مطرح در حوزه حمل و نقل هوایی، توجه بسیاری از پژوهشگران را به خود معطوف سازد. در این مقاله، در قالب یک رویکرد هوشمند نوین با اعمال دانشی غنی و موثر به فرآیند بهینه سازی (برای افزایش سرعت همگرایی و قابلیت حذف پاسخ های غیربهینه بدیهی)، از الگوریتم Particle Swarm Optimization with Constriction Coefficient (CPSO) برای مساله کنترل هوشمند فرود هواپیماها استفاده شده است. نتایج شبیه سازی ها نشان می دهند که در مقایسه با روش های قدرتمند ارایه شده قبلی، از جمله روش های مبتنی بر الگوریتم های ژنتیک، بیونومیک، جستجوی Scatter و GLS، کمینه سازی مجموع تاخیرهای پروازی (هدف اساسی بهینه سازی) به بهترین نحو ممکن تحقق یافته است. به دست آمدن مجموع تاخیرهای پروازی صفر برای دو مساله با داده های واقعی فرودگاه دالاس فورت ورث تگزاس، بیانگر قابلیت بیشتر رویکرد هوشمند پیشنهادی در مقایسه با سایر روش ها در یافتن پاسخ بهینه برای مساله است.

افزایش در تعداد سازمان هایی که برای دستیابی به مزایای کسب و کار درصدد ایجاد پایگاه داده تحلیلی (DW) هستند، ایجاد رویکردی برای تصمیم گیری در ایجاد پایگاه داده تحلیلی شده است. مدلهای رابطه ای، چندبعدی و برگه ای طیف گسترده ای از تحلیل ها را پشتیبانی می کنند. متفاوت بودن مشخصات هر یک از مدلها، فرآیند تصمیم گیری برای انتخاب مدل پایگاه داده تحلیلی را دشوار کرده است. یکی از دلایل عدم موفقیت سازمان ها در ایجاد پایگاه داده تحلیلی و یا صرف هزینه زیاد و اتلاف زمان در ایجاد آن، عدم تشخیص آنها در نیاز به مدل مورد نیازشان است. این مقاله از روش تصمیم گیری چند معیاره فازی برای انتخاب مدل پایگاه داده تحلیلی از نقطه نظرهای پیاده سازی، مدل داده، منطق کسب وکار، دستیابی و ذخیره سازی داده و اطمینان مدل استفاده کرده است. بر اساس مطالعات انجام شده و با بررسی و تعیین مهمترین معیارها و مقایسه با روش تحلیل سلسله مراتبی فازی (Fuzzy AHP)، این روش منجر به تصمیم گیری مناسب بر حسب نیاز سازمان و در نتیجه کاهش هزینه و عدم اتلاف وقت در ایجاد پایگاه داده تحلیلی منتهی می شود.