هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1395 | دوره:7 | شماره:3 |تعداد مقالات:9

یکی از وظایف اپراتور مستقل سیستم و یا اپراتور بازار، دریافت پیشنهادات سمت عرضه و تقاضا به منظور تعیین برنامه ریزی نیروگاه ها در سمت عرضه، برنامه ریزی توان مصرفی مشتریان و قیمت برق در دوره برنامه ریزی دربردارنده چندین بازه زمانی است. معیار اصلی اپراتور مستقل سیستم، حداکثرشدن رفاه اجتماعی بازیگران است. برای این منظور لازم است علاوه بر تابع هزینه سمت عرضه، تابع منفعت سمت مصرف نیز در تابع هدف گنجانده شود. در این مقاله، الگوریتم بهینه سازی ترکیبی جدیدی مبتنی بر الگوریتم غذایابی باکتری و تکامل تفاضلی برای حل مساله پخش بار اقتصادی دینامیکی - زیست محیطی مبتنی بر حداکثر رفاه اجتماعی ارائه شده است. الگوریتم ترکیبی ارائه شده علاوه بر جست وجو در یک فضای گسترده برای دستیابی به پاسخ بهینه کلی، سرعت همگرایی پذیرفتنی را نیز داراست. برای نشان دادن کارایی الگوریتم، چندین سیستم تست بررسی شده است و نتایج به دست آمده با دیگر روش ها مقایسه شده است. نتایج نشان دهنده برتری روش پیشنهادی نسبت به دیگر روش هاست.

مرگ ناگهانی قلبی (SCD) نتیجه تخریب شدید عملکرد قلبی است که سبب از بین رفتن سیستم قلبی در افراد می شود. وقتی این اتفاق رخ می دهد، خون دیگر نمی تواند برای مدتی به قسمت های مختلف بدن پمپ شود. این واقعه به قدری جدی است که می تواند در عرض چند دقیقه، بیمار را از زندگی محروم سازد. درصورت علم به وقوع این حادثه می توان ازطریق تجهیزاتی همچون دفیبریلاتور و استفاده از دیگر راهکارهای درمانی تعداد این نوع مرگ ها را به شدت کاهش داد. با وجود این، همچنان راه های مناسبی برای پیش بینی مرگ ناگهانی قلبی وجود ندارد تا پزشکان بتوانند ازطریق آن، تصمیمات مناسبی برای بیماران در معرض خطر بگیرند. در این مطالعه با استفاده از بهترین روش های استخراج ویژگی از پردازش های غیرخطی، زمان - فرکانس و کلاسیک که فراهم آمده مطالعات قبلی و تجربیات کارهای گذشته خود ما است، از یک روش نوین جهت انتخاب فضای ویژگی بهینه به صورت محلی استفاده شده است. همچنین در ادامه با توجه به وجود ویژگی های متفاوت از حوزه های مختلف، طبقه بندی کننده تجمیع خبرگان پیشنهاد شده است. روش های پیشنهادی این امکان را فراهم می کنند که با انتخاب بهینه ویژگی ها در هر بازه 1 دقیقه ای از سیگنال، انتخاب ویژگی های متفاوتی در هر دقیقه قبل از واقعه انجام شود که با هم متفاوت باشند. این موضوع نه تنها باعث افزایش چشمگیر زمان پیش بینی از 4 دقیقه به 12 دقیقه با صحت بالا می شود، بلکه امکان تفسیر علائم بالینی با توجه به تکثر وجود ویژگی ها در هر دقیقه را نیز فراهم می سازد. ازطرفی وجود شبکه تجمیع خبرگان، تصمیم مناسب تری به عنوان خروجی درمورد پردازش حوزه های مختلف خواهد گرفت. نتایج مطالعه نشان دهنده توانمندی درخور توجه روش های پیشنهادی نسبت به دیگر روش های ارئه شده در مطالعات مشابه است.

هدف اصلی این مقاله، تشخیص وجودداشتن یا نداشتن طیف خالی بر اساس ویژگی ایستان گردشی سیگنال ها در یک محدوده وسیع فرکانسی است. با استفاده از یک سیستم فیلترینگ بسیار ساده، سیگنال هدف در بین سیگنال های دریافتی به شکل موثرتری (در صورت وجود) نسبت به دیگر سیگنال ها از فیلتر عبور می کند. فرکانس های گردشی سیگنال، برای اجرای الگوریتم وفقی کمترین میانگین مربعات نرمالیزه شده (Normalized Least Mean Squared-NLMS)، به کار گرفته می شوند. نمونه های فرکانسی انتقال یافته آن، از این الگوریتم برای تخمین سیگنال دریافتی استفاده می کنند. هنگامی که سیگنال مد نظر در سیگنال دریافتی وجود ندارد، اندازه ضرایب تخمین الگوریتم استفاده شده، تقریبا صفر است. ازطرف دیگر، در حضور سیگنال مد نظر، اندازه ضرایب تخمین به طور چشمگیری افزایش می یابد، بنابراین هنگامی که اندازه تخمین از یک سطح آستانه معین بالاتر است، مطابق روش پیشنهادی، فرض می شود که باند فرکانسی در نظر گرفته شده اشغال است. این روال در کل باند فرکانسی به صورت هم زمان و با انتخاب فیلترها و فرکانس های گردشی مناسب و یا به صورت پی در پی با تغییر موقعیت فرکانسی فیلتر و تغییر فرکانس های گردشی انجام می شود. به دلیل اتکای ساختار پیشنهادی به الگوریتم NLMS، پیچیدگی و عملکرد الگوریتم پیشنهادی در مقایسه با روش های دیگر حسگری طیف مبتنی بر ویژگی ایستان گردشی سیگنال ها، بسیار اندک است.

یکی از چالش های اصلی در استفاده از سیستم های فازی، چگونگی طراحی پایگاه قواعد فازی با پارامترهای بهینه سازی شده است، به نحوی که منجر به عملکرد رضایت بخش سیستم شود. در این مقاله از روش آموزش ترکیبی تکامل تفاضلی مبتنی بر تضاد (ODE) و بهینه سازی انبوه ذرات (PSO) به منظور بهینه سازی پارامترهای توابع عضویت گوسی پایگاه قواعد در سیستم فازی نوع تاکاگی-سوگنو-کانگ (TSK) استفاده شده است. همچنین از الگوریتم ترکیبی پیشنهادی، برای آموزش سیستم فازی TSK مرتبه صفر به منظور کنترل دو پلنت غیرخطی استفاده شده است و نتایج به دست آمده بیانگر این است که برای کنترل پلنت های غیرخطی مدل، دقت شناسایی بهتری را نسبت به سایر رویکرد های آموزشی از خود نشان می دهد. همچنین در این مقاله از ترکیب الگوریتم های ODE و PSO استفاده شده است و آن را در دو مساله طراحی سیستم فازی دقت گرابه کار می گیرد. در این دو مدل، همه پارامترهای آزاد سیستم فازی TSK مرتبه یک، ازطریق HODEPSO بهینه می شوند. مدل های استفاده شده در این آزمایش ها، سری آشوبناک مکی گلس و یک مساله اقتصادی واقعی هستند که مقادیر آینده آن ها پیش بینی می شود. نتایج به دست آمده بیانگر آن است که HODEPSO حداقل خطای متوسط تست و آموزش را در مقایسه با دیگر روش های آموزش دارد.

در این مقاله، مدلی ابتکاری برای مدیریت تقاضای بار با توجه به مقدار توان تولیدشده و پیش بینی قیمت تسویه بازار ارائه شده است که در آن پارامترهای عدم قطعیت مرتبط با منابع کنترل ناپذیر و نیز تقاضای بار در نظر گرفته شده است. علاوه براین، یک استراتژی قیمت گذاری بر اساس نظریه بازی همکارانه با احتساب عدم قطعیت های قیمت ارائه شده است که در آن، تعیین پیشنهاد قیمت بهنیه بازیگران، متناسب با تابع هدف تعریف شده است. متدولوژی ارائه شده برای استراتژی قیمت گذاری تولیدکنندگان و مصرف کنندگان، متاثر از قیمت های پیشنهادی دیگر بازیگران بوده است و بر مبنای ماکزیمم کردن سود آن هاست. در این مقاله، یک ساختار کلی برای بازار خرده فروشی الکتریسیته با حضور ریزشبکه ها و بر پایه نظریه بازی، با استفاده از الگوریتم رهاسازی و تابع نیکایدو - ایزودا (نامگذاری شده به صورت الگوریتم REM-NIRA) پیشنهاد شده است. در بازار پیشنهادی، مصرف کنندگان با هدف مینیمم سازی قیمت تسویه بازار و تولیدکنندگان با هدف حداکثرسازی سود در رسیدن به نقطه تعادل نش با یکدیگر همکاری می کنند. این کار ازطریق مدیریت در بهره برداری محلی از منابع تولید پراکنده، ذخیره سازهای انرژی و بارهای پاسخگو و در ارتباط با شبکه بالادست صورت می گیرد. نتایج به دست آمده، بیانگر آن است که به طورکلی می توان چهارچوب پیشنهادی را بر روی شرایط بازی مختلف در بازار الکتریسیته و بر مبنای بازی همکارانه مابین بازیگران مشارکت کننده در بازار با استراتژی های قیمت گذاری گسسته پیاده سازی کرد.

پیش بینی سرعت باد در مواردی همچون کنترل و برنامه ریزی جهت قطع و وصل توربین های بادی و تضمین عملکرد پایدار سیستم می تواند حائز اهمیت باشد که به طور کلاسیک به روش های متعددی صورت می گیرد. در این مقاله، ارائه روشی صرفا بر اساس آنالیز داده های اندازه گیری شده قبلی مد نظر است. به این منظور، ضمن بررسی آشوبناک بودن داده های سرعت باد، با ترکیب مفاهیم مربوط به نظریه آشوب و تکنیک های موجود در پیش بینی با استفاده از شبکه های عصبی، روشی جهت پیش بینی سرعت باد پیشنهاد شده است. داده های استفاده شده در این تحقیق، اطلاعات ثبت شده در ایستگاه ورزنه استان اصفهان است. در این راستا، ابتدا با استفاده از محاسبه بعد همبستگی از روی سری زمانی مفروض، آشوبناک بودن دینامیک سیستم مولد این داده ها اثبات شده و سپس فضای حالت سیستم دینامیکی مولد بازسازی شده است. بدین منظور از روش FNN برای محاسبه بعد محاط و از روش AMI برای محاسبه زمان تاخیر جهت بازسازی فضای حالت استفاده شده است. در ادامه شبکه عصبی RBF جهت پیش بینی سرعت باد پیشنهاد شده است که ساختار آن با استفاده از اطلاعات بعد محاط و زمان تاخیر محاسبه شده طراحی شده است. در پایان، روش پیشنهادی بر روی داده های عملی، اعمال و نتایج بیان شده است.

هدف از تجزیه طیفی تصاویر ابرطیفی، استخراج امضاهای طیفی عناصر خالص تشکیل دهنده پیکسل های صحنه و فراوانی آن هاست. بیشتر الگوریتم های به کاررفته در فرآیند استخراج امضاهای طیفی، بدون آنکه ساختار و همبستگی مکانی پیکسل های تصویر را در نظر بگیرند، تنها به اطلاعات طیفی پیکسل های تصویر توجه کرده اند. به تازگی الگوریتم هایی پباده سازی شده است که به کمک ترکیب اطلاعات مکانی و طیفی، فرآیند شناسایی عناصر خالص و تجزیه طیفی را بهبود می بخشند. در این مقاله، یک ماژول پیش پردازشگر جدید مکانی طیفی ارائه شده است، به طوری که پیکسل های نواحی مرزی به کمک نقشه کلاس به دست آمده از الگوریتم کلاسترینگ، بدون نظارت و پنجره همسایگی 8تایی، میان دو یا چند ناحیه کلاستر را شناسایی و این نواحی ناهمگن مکانی را حذف می کنند. سپس به کمک محاسبه وزن خلوص طیفی پیکسل های غیرمرزی و آستانه گذاری، پیکسل های موجود در نواحی همگن مکانی و خالص طیفی را شناسایی می کنند تا طبقات استخراج عناصر خالص بعدی بتوانند با دقت و سرعت بیشتری، امضاهای طیفی را استخراج کنند. هدف ماژول مستقل پیشنهادی، کاهش خطای RMSE تصویر بازسازی شده و مدت زمان پردازش لازم برای استخراج عناصر خالص و بهبود معیار جدیدی به نام بازده نسبت به دیگر طبقات پیش پردازشگر موجود بر روی تصاویر ابرطیفی واقعی است.

با توجه به افزایش روزافزون مصرف انرژی الکتریکی، سیستم های قدرت امروزی در حاشیه پایداری کمتری نسبت به گذشته کار می کنند. وقوع خاموشی های بزرگ در سال های اخیر نشان می دهد که ریسک وقوع خاموشی سراسری افزایش یافته است. خطاهای پی درپی، علل اصلی وقوع خاموشی های بزرگ هستند. در این مقاله، یک استراتژی کنترل اعمال اصلاحی بهینه برای سیستم قدرت اصفهان - خوزستان با استفاده از مدل استاندارد خاموشی OPA ارائه شده است. در این ساختار از SSSC، جابه جایی تولید و بارزدایی برای جلوگیری از وقوع حوادث پی درپی و خاموشی سراسری استفاده شده است. مکان نصب بهینه SSSC به منظور حذف اضافه بار و بهبود پروفیل ولتاژ سیستم با استفاده از الگوریتم های هوشمند ژنتیک و IPSO تعیین می شود. نتایج شبیه سازی حوادث پی درپی در شبکه برق اصفهان - خوزستان، توانایی روش پیشنهادی در جلوگیری از خاموشی سراسری و تاثیر زیاد SSSC در کاهش ریسک وقوع حوادث پی درپی و بهبود پاسخ دینامیکی سیستم را نشان می دهد.