هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1395 | دوره:7 | شماره:2 |تعداد مقالات:8

در این مقاله روش نوینی برای استخراج داده 1TLE، مبتنی بر الگوریتم تکاملی 2IWO و بر اساس داده های اندازه گیری ایستگاه زمینی ارائه شده است. امروزه پیش بینی موقعیت ماهواره بر اساس داده TLE به علت استفاده آسان و هزینه اندک، در بسیاری از ماموریت های فضایی مورد استفاده قرار می گیرد. داده TLE توسط موسسه 3NORAD برای اجرام سماوی محاسبه شده و در اختیار عموم قرار می گیرد. با توجه به محدودیت های موجود در ارائه داده TLE نظیر فواصل زمانی نامنظم بروز رسانی، دقت داده TLE و ...، استخراج داده TLE به صورت مستقل در ماموریت های ماهواره ای مدنظر قرار گرفته است. شبیه سازی ها بر اساس داده های اندازه گیری زوایای رویت و فاصله ماهواره CHAMP از ایستگاه زمینی انجام شده است. ارزیابی دقت داده TLE استخراج شده، با مقایسه موقعیت پیش بینی شده ماهواره بر اساس انتشارگر 4SGP4 و موقعیت واقعی ماهواره CHAMP حاصل از گیرنده GPS5 مستقر در ماهواره انجام شده است. نتایج شبیه سازی ها حاکی از آن است که علی رغم وجود خطای اندازه گیری بالا در داده های اندازه گیری حاصل از ایستگاه زمینی، دقت TLE استخراج شده قابل قبول بوده و می توان موقعیت ماهواره را با دقت بهتر از 20 کیلومتر در هر مولفه، در طول 2 روز آینده پیش بینی کرد.

در این مقاله، یک روش برای جایابی اندازه گیرهای هارمونیکی به منظور تخمین حالت هارمونیکی پیشنهاد شده است. عدم قطعیت های هم زمان خارج شدن یک خط و یک اندازه گیر نیز در مساله جایابی در نظر گرفته شده اند. به منظور تخمین حالت هارمونیکی مورد نیاز در روش پیشنهادی، از حل یک مساله بهینه سازی به منظور مینیمم سازی مجموع مربعات وزن دار تفاضل بین مقادیر اندازه گیری شده و تخمینی استفاده شده است. میانگین مربعات خطای (MSE) اعوجاج هارمونیکی کل (THD) در شرایط نرمال سیستم با در نظر گرفتن امکان خارج شدن یک خط و یک اندازه گیر به عنوان تابع هدف چندهدفه جایابی اندازه گیرها انتخاب شده است. مساله بهینه سازی پیش رو با استفاده از الگوریتم بهینه سازی جستجوگر (SOA) مبتنی بر روش پارتو حل شده است. به منظور نمایش توانایی روش پیشنهادی، این روش بر روی شبکه تست 14 شین IEEE پیاده شده است، که نتایج شبیه سازی، توانایی آن را نشان می دهد.

در این مقاله از کنترل کننده پیش بین MPC (Model Predictive Control) برای کنترل سیستم ترکیبی قدرت، دربردارنده سلول خورشیدی و سیستم ذخیره سازی انرژی (باتری) استفاده شده است. سیستم ترکیبی استفاده شده در این مقاله متصل به شبکه الکتریکی می باشد. در طراحی سیستم کنترل کننده مسائل مختلفی نظیر مسائل اقتصادی و فنی در نظر گرفته شده است. مسائل اقتصادی شامل بیشینه سازی سود حاصل از فروش انرژی به شبکه از طریق فروش انرژی در ساعات گرانی انرژی می باشد. مسائل فنی شامل بهبود پاسخ دینامیکی و هموارسازی توان خروجی سلول خورشیدی و همچنین بیشینه سازی عمر باتری ها از طریق به حداقل رسانیدن سیکل شارژ و دشارژ مربوط به آن ها می باشد. همچنین برای بهینه کردن نتایج حاصل از کنترل کننده پیش بین، از الگوریتم بهینه سازی ذرات برای بدست آوردن ضرایب بهینه تابع هدف استفاده شده است. کنترل کننده پیشنهادی ضمن اینکه به طور اتوماتیک و دینامیکی خود را با تغییرات خروجی سلول خورشیدی تطبیق می دهد قادر به پاسخ گویی به درخواست های بیرونی، مثل سیگنال های قیمت یا ارضا محدودیت های سیستم قدرت یا درخواست های اپراتور می باشد. در نهایت هم نتایج شبیه سازی سیستم با کنترل کننده پیشنهادی و نتایج سیستم با کنترل کننده PID ارائه و مقایسه شده است.

در این مقاله استفاده از منابع تجدید پذیر انرژی خورشیدی برای تغذیه بارهای نامتعادل AC مستقل از شبکه مورد بررسی شده است. برای اینکه با تغییر شرایط محیطی، PV همواره نقطه توان ماکزیمم را دنبال کند، نقطه کار PV توسط الگوریتم Perturb and Observe کنترل شده است. برای تامین توان با کیفیت برق بالا برای هر کدام از بارها، PVها و بارهای نامتعادل AC توسط یک شبکه DC حلقوی، به یکدیگر متصل شده اند. برای کنترل سیلان توان در شبکه DC، یک بانک باتری با کنترل کننده شیبی، بین بارها و PVها به اشتراک گذاشته شده است. با هدف صرفه جویی در هزینه اولیه وکاهش تلفات در شبکه DC، بهترین مکان برای قرار گرفتن بانک باتری پیدا شده است. همچنین پس از به دست آوردن مدل دینامیکی قسمت DC شبکه و بر اساس نتایج حاصل از آن، نتایج شبیه سازی مورد مقایسه و تایید قرار گرفته است. برای اطمینان از نتایج الگوریتم Perturb and Observe ، به کمک معادلات ریاضی، مکان دقیق نقطه توان ماکزیمم به دست آمده است و از آن برای تصدیق نتایج الگوریتم استفاده شده است.

افزایش روزافزون مصرف انرژی الکتریکی و مطرح شدن پدیده تجدید ساختار در شبکه های قدرت و مشکلات حاصل از آن ها، باعث افزایش تمایل بهره برداران شبکه های قدرت به استفاده ازWAMS (Wide Area Measurement System) به جای SCADA (Supervisory Control And Data Acquisition) شده است. یکی از مباحث مهم در WAMS کاهش هزینه جایابی بهینه PMU (Phasor Measurement Unit) و هزینه ساختار ارتباطی مربوط به آنها است. در این مقاله روش جدیدی برای طراحی WAMS، با هدف کاهش هزینه های آن ارائه شده است. برای این منظور با استفاده از الگوریتم حریصانه مکان های بهینه برای PMUها تعیین شده و همزمان، با استفاده از الگوریتم Bellman-Ford مینیمم ساختار ارتباطی مورد نیاز طراحی می شود بگونه ای که هزینه کل طراحی WAMS کاهش یابد. همچنین با استفاده از الگوریتم Bellman-Ford مکان بهینه PDC (Phasor Data Concentrator) نیز مشخص می شود. این روش در شرایط عملکرد عادی سیستم و در شرایط خروج تکی PMU و خروج تکی هر یک از خطوط سیستم نیز مطرح شده است. شبیه سازی های انجام شده در شبکه های 30 و 118 شین IEEE و شبکه 230kv و 400kv  استان اصفهان نشان دهنده کارایی مناسب روش مطرح شده در این مقاله است.

این مقاله یک ترکیب هم افزای شبکه عصبی آشوب گون با پسخوراند خودی، نمای لیاپانوف و تبرید تدریجی را برای حل مسایل بهینه سازی ترکیبی نظیر فروشنده دوره گرد (TSP) پیشنهاد می دهد. برخلاف شبکه های عصبی مصنوعی که با دینامیک گرادیان نزولی به سمت نقطه تعادل پایدار همگرا می شوند، شبکه های عصبی آشوبی دینامیک های فضایی-زمانی غنی تر و ساختار پیچیده تری دارند. بنابراین انتظار می رود شبکه عصبی آشوبی توان بالایی برای یافتن نقطه بهینه سراسری و یا حداقل نزدیک به سراسری داشته باشد. یکی از مهم ترین مشکلات شبکه های عصبی مصنوعی، گرفتاری آنها در کمینه های محلی است. اگر چه شبکه های عصبی آشوب گون تا حدی این مشکل را حل می کنند، ولی به لحاظ سرعت همگرایی در حرکت به سوی نقطه تعادل مشکل دارند. بنابراین در این مقاله به کمک نمای لیاپانوف و تبرید تدریجی حضور شبکه در حالت آشوب گون کنترل و شبکه به سمت نقطه بهینه سراسری هدایت می شود. به منظور ارزیابی این شبکه، TSP با تعداد شهرهای مختلف استفاده شده است. نتایج شبیه سازی نشان می دهد این شبکه می تواند جواب بهینه را در TSP با تعداد تکرار کمتر و سرعت بیشتر پیدا کند.

فیلتر ذره ای یکی از مهمترین فیلترها در تخمین سیستم های غیر خطی- غیر گوسی است. با وجود این، فیلتر ذره ای در طول زمان ناسازگار است. از آنجایی که انتخاب تابع توزیع پیشنهادی و روش نمونه برداری مجدد در بهبود دقت و سازگاری بسیار مهم است، دراین مقاله،افزایش سازگاری فیلتر ذره ای با بهبود نمونه برداری و نمونه برداری مجدد انجام شده است. برای بهینه سازی نمونه برداری، الگوریتم بهینه سازی اجتماع ذرات (PSO) بداخل گام نمونه برداری پر اهمیت داخل شده است. الگوریتم PSO موجب حرکت مجموعه نمونه ها به سمت ناحیه با احتمال بالای پسین قبل از نمونه برداری می شود و در نتیجه توزیع نمونه ها بهبود پیدا می کند. بمنظور کاهش اثر نمونه برداری مجدد روی دقت و سازگاری، یک روش جدید نمونه برداری مجدد ارائه شده است. روش نمونه برداری جدید می تواند تنوع میان ذرات را حفظ کند و ذرات نمونه برداری مجدد شده را وادار کند که بطور مجانبی نمونه ها را از تابع چگالی احتمال پسین حالت های واقعی تقریب بزنند. امتیاز روش نمونه برداری مجدد پیشنهاد شده این است که هزینه محاسبات را کاهش می دهد. این بدان دلیل است که روش نمونه برداری مجدد پیشنهاد شده روی تنها بخشی از نمونه ها انجام می شود. اعتبار فیلتر پیشنهادی با استفاده از شبیه سازی مورد ارزیابی قرار گرفته است. نتایج نشان می دهند روش پیشنهادی دارای عملکرد بهتری نسبت به فیلتر های کلاسیک دارد.

امروزه با توجه به توسعه شبکه های توزیع و افزایش تقاضای برق، استفاده از منابع تولید پراکنده و بانک های خازنی به موازات هم افزایش یافته است. در این مقاله، الگوریتم کلونی زنبور مصنوعی اصلاح شده به منظور بهینه سازی همزمان جایابی و تعیین ظرفیت بهینه منابع تولید پراکنده و خازن با هدف کاهش تلفات، انحراف از ولتاژ، هزینه و بهبود شاخص پایداری ولتاژ با در نظر گرفتن مدل های مختلف بار پیشنهاد شده است. در الگوریتم طراحی شده عامل های جستجوگر مسیر حرکت خود را با استفاده از راه حل های بدست آمده اصلاح و عملگرهای تکاملی تقاطع و جهش به گسترش جواب کمک می نمایند. همچنین به منظور بهینه سازی چند هدفه از یک آرشیو خارجی جهت ذخیره جواب نامغلوب و از منطق فازی جهت یافتن بهینه ترین حالت درمیان پاسخ های پارتو بدست آمده، استفاده شده است. الگوریتم پیشنهادی بر روی شبکه 69 شینه IEEE پیاده سازی شده و نتایج حاصل از این روش مورد تجزیه و تحلیل قرار گرفته است. نتایج شبیه سازی، کارآیی و عملکرد مناسب الگوریتم پیشنهادی را در مقایسه با روش های دیگر نشان می دهد.