هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1394 | دوره:6 | شماره:2 |تعداد مقالات:9

با افزایش نفوذ انرژی باد در سیستم های قدرت، مطالعات فراوانی برای بررسی تاثیر نیروگاه های بادی بر عملکرد سیستم قدرت انجام شده است. در این مقاله، ضمن اشاره به اصول کنترل فرکانس در نیروگاه های سنتی، ساختار و نحوه اتصال توربین بادی به شبکه قدرت معرفی شده و عملکرد توربین بادی پس از تغییر فرکانس سیستم، بررسی شده است. روش های متعددی برای مشارکت توربین بادی در کنترل کوتاه مدت فرکانس پیشنهاد شده است که در این مطالعه، ضمن اصلاح یکی از آخرین رو شهای به کار رفته در این زمینه، کوشش شده است با اعمال یک الگوریتم هوشمند، بهترین پاسخ فرکانسی ارایه شود.

امروزه از ریزشبکه های الکتریکی به عنوان ارکان اصلی یک شبکه هوشمند یاد می شود، از این رو در کانون توجه پژوهشگران و متخصصین امر قرار دارند. چنانچه بهره برداری از ریزشبکه های الکتریکی به خوبی تعریف، پیاده سازی و عملیاتی شود، راه برای توسعه هرچه سریع تر شبکه های هوشمند هموار خواهد شد. در این مقاله، مدلی هوشمند در بهره برداری بهینه از ریزشبکه های الکتریکی ارایه می شود که متشکل از بخش های پیش بینی توان فتوولتائیک، مدیریت ذخیره انرژی، مدیریت تولید منابع و مرکز هوشمند بهینه سازی است. با توجه به ماهیت متغیر بودن توان خروجی منابع فتوولتائیک به علت عدم قطعیت در میزان تابش خورشید، واحد پیش بینی توان بهره بردار را از میزان تولید توان در 24 ساعت آینده مطلع می کند. واحد ذخیره انرژی نیز برای کمک به بهره بردار ریزشبکه در حداقل سازی هزینه، به شبکه اضافه می شود. سپس، واحد بهینه سازی با به کارگیری معیار نوینی از تصمیم گیری (به کمک فرآیند تحلیل سلسله مراتبی) و با استفاده از الگوریتم بهینه سازی رقابت استعماری (ICA)، به تعیین زمان بندی تولید و توزیع اقتصادی منابع برای کاهش هزینه مصرف کنندگان و کاهش آلایندگی محیط اقدام می کند. نتایج شبیه سازی بر اساس سناریوی تعریف شده، عملکرد مطلوب مدل پیشنهادی را نشان می دهند.

در این مقاله، یک روش پیش تعلیم دوسویه برای همگرا نمودن تعلیم شبکه های عصبی عمیق با یادگیری دیگر انجمنی ارائه شده است. تعلیم این شبکه ها به دلیل مواجه بودن با تعداد بالای کمینه های موضعی اغلب همگرا نمی گردد. این در حالی است که با مقداردهی اولیه مناسب وزن های شبکه، می توان از بسیاری از کمینه های موضعی اجتناب نمود. روش پیش تعلیم لایه به لایه دوسویه روشی سریع و کارا می باشد که در یک مسیر دوسویه به طور جلوسو و عقب سو با استفاده از ورودی ها و خروجی های مطلوب شبکه، به تنظیم مقادیر اولیه وزن های آن می پردازد. برای این منظور از تعلیم شبکه های کمکی یک لایه پنهان مبتنی بر وزن های لایه تحت پیش تعلیم از شبکه عمیق و وزن های کمکی استفاده می شود. سپس مقادیر وزن حاصل از تعلیم اینها در ساختار اصلی شبکه تحت پیش تعلیم قرار داده می شوند و برای تنظیم دقیق وزن ها، تعلیم یکپارچه صورت می گیرد. این روش برای پیش تعلیم وزن های سه شبکه عصبی عمیق بازشناس فرد، حالت های احساسی و ارقام دستنوشتار مورد استفاده قرار گرفت و نشان داده شد که با به کارگیری این روش پیش تعلیم، سرعت همگرایی تعلیم به طور چشمگیری افزایش می یابد. همچنین میزان بازشناسی ها در پایگاه داده های چهره به میزان قابل توجهی بهبود می یابد که حاکی از افزایش قدرت تعمیم شبکه با استفاده از این روش می باشد.

این مقاله روش جدیدی را برای طراحی کنترل کننده PID مرتبه کسری (FOPID) به منظور کنترل مبدل بوست ارائه می کند.FOPID یک نوع PID است که مرتبه ترم مشتقی و انتگرالی آن به جای عدد صحیح از مرتبه کسری است و با استفاده از آن می توان سیستم را با انعطاف پذیری بیشتری کنترل کرد. در این مقاله، برای کنترل مبدل بوست از کنترل کننده FOPID استفاده شده است. به منظور تعیین پارامترهای کنترل کننده FOPID از الگوریتم رقابت استعماری (ICA) که به دلیل کارآیی و دقت در حل مسایل بهینه سازی، در بین پژوهشگران محبوبیت خاصی یافته، بهره گرفته شده است. به منظور نشان دادن کارایی روش پیشنهادی، شبیه سازی هایی در محیط برنامه MATLAB انجام شده و نتایج با الگوریتم ژنتیک و نیز با کنترل کننده های PID و PI مقایسه شده است. نتایج شبیه سازی کارایی روش پیشنهادی را نشان می دهند.

امروزه انرژی مصرفی در سیستم های مبتنی بر FPGA از پارامترهای مهم به شمار می آید. این پارامتر در برخی کاربردها با منبع محدود انرژی اهمیت بیشتری می یابد. انرژی مصرفی در یک سیستم شامل انرژی مصرفی استاتیک و دینامیک است. به دلیل محدودیت های یک تراشه FPGA در برخی کاربردها، از چند تراشه در کنار هم استفاده می شود. در این مقاله برای کاهش انرژی مصرفی استاتیک، استفاده از معماری ناهمگن پیشنهاد شده است و با استفاده از الگوریتم کلونی مورچه ها، وظایف بلادرنگ در یک سیستم نمونه برای هر دو حالت همگن و ناهمگن زمان بندی شده اند و نتایج هر کدام از نظر انرژی مصرفی، با تخمین از روی تعداد بلاک و زمان هر وظیفه، با هم مقایسه شده اند. برای حالتی که تعداد وظایف در هر برهه زمانی ثابت نیست، سیستم ناهمگن بطور میانگین 6.44 درصد در مصرف انرژی نسبت به سیستم همگن صرفه جویی داشته است.

این مقاله الگوریتمی برای مکانیابی بهینه و کنترل ادوات انتقال AC انعطاف پذیر (FACTS) برای بهبود بارپذیری در سیستم انتقال با استفاده از الگوریتم PSO و رقابت استعماری (ICA) برای مدل حوضچه و ترکیبی در بازار برق مقررات زدایی شده پیشنهاد می کند. این رویکرد از معادلات پخش بار AC با قیودی بر روی تولید توان، شارش توان در خط انتقال، اندازه ولتاژ باس ها و تنظیمات ادوات FACTS استفاده می نماید. قرارداد دو طرفه با استفاده از ماتریس تبادل دو طرفه ایمن و به کارگیری فاکتور توزیع AC با در نظر گرفتن سهم باس اسلک مدل شده اند. در این روش پیشنهادی، شبیه سازی ها بر روی سیستم تست جدید انگلیس 39 باسه و سیستم 118 IEEE باسه انجام شده اند. مقایسه ها بر اساس بیشینه بارپذیری، زمان محاسباتی انجام شده اند. نتیجه شبیه سازی به دست آمده نشان می دهد که با جایابی بهینه و کنترل TCSC، با استفاده از ICA، می توان بار پذیری سیستم انتقال را با زمان محاسباتی کمتر نسبت به استفاده از PSO بهبود داد. این مطالعه مقایسه ای به این نتیجه می رسد که با مکانیابی بهینه و کنترل TCSC، استفاده از ICA برای بهبود قابلیت بار پذیری ایمن در سیستم انتقال مدل حوضچه و ترکیبی بازارهای برق مقررات زدایی شده موثرتر خواهد بود.

بحث همگرایی در شبکه های عصبی شناساگر و کنترل کننده یکی از موارد پراهمیت در مهندسی کنترل می باشد، که در این راستا تحقیقات متنوعی صورت پذیرفته است که عمدتا در چهار چوب شبکه های عصبی معمولی بوده است. در این مقاله الگوریتم گرادیان نزولی تطبیقی با یادگیری پارامترهای شبکه عصبی چند لایه بصورت بهنگام بر اساس بسط سری تیلور خطای خروجی مطرح و همگرایی الگوریتم آموزشی بررسی شده است. برای افزایش دقت و سرعت همگرایی، جمله های مرتبه دوم و بالاتر بسط سری تیلور با استفاده از گرادیان نزولی بروز رسانی می شود. الگوریتم آموزشی معرفی شده برای دو مثال شبیه سازی شده است. نتایج شبیه سازی کاهش خطا و افزایش سرعت همگرایی را نشان می دهند.

در این مقاله، روشی برای بازشناسی برخط حروف مجزای دست نویس فارسی ارایه می شود. در روش پیشنهادی برای بازشناسی حروف مجزای دست نویس فارسی، از دانش مربوط به بدنه اصلی و ریزحرکات به طور همزمان و به منظور اعتبار بیشتر تعیین کلاس خروجی استفاده شده است. در این تحقیق حروف مجزای دست نویس فارسی بر اساس تشابه بدنه اصلی در 18، و بر اساس تشابه ریزحرکات در 11 گروه، گروه بندی می شوند. با توجه به روش پیشنهادی ارایه شده در این پژوهش برای تشخیص نمونه های ناشناخته ورودی، بدنه اصلی و ریزحرکات شناسایی می شوند، اگر گروه های شناسایی شده از بدنه اصلی و ریزحرکات همخوانی داشته باشند، نمونه ناشناخته بازشناسی می شود، در غیر این صورت ناهمخوانی پیش آمده با استفاده از الگوریتم تصحیح خطا، تاحد امکان تصحیح می گردد. به منظور کاهش هزینه محاسباتی و افزایش قدرت تفکیک پذیری ویژگی-ها، با استفاده از روش های کاهش ابعاد ویژگی همچون تحلیل جداکننده خطی (LDA) و تحلیل مولفه های اصلی (PCA)، ابعاد بردار ویژگی برای بدنه اصلی از 102 ویژگی به 17 ویژگی کاهش می یابد. برای طبقه بندی بدنه اصلی حروف و همچنین برای ریزحرکات از طبقه بند ماشین بردار پشتیبان (SVM) با رویکرد یک در مقابل یک (OVO) استفاده شده است. نتایج بدست آمده نشان می دهند که با استفاده از روش پیشنهادی حدود 98 درصد از حروف مجزای دست نویس فارسی برخط به درستی بازشناسی می شوند.