هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1399 | دوره:11 | شماره:1 |تعداد مقالات:10

رله های دیستانس و اضافه جریان، نقش کلیدی در حفاظت خطوط انتقال در سیستم های انتقال و فوق توزیع دارند. شبکه های قدرت، عدم قطعیت های ساختاری مختلفی دارند؛ ازجمله این عدم قطعیت ها، خروج خطوط به صورت برنامه ریزی شده یا نشده است. در صورت وقوع این عدم قطعیت ها، ماتریس امپدانس شبکه و دامنه و توزیع جریان خطای عبوری از رله ها تغییر می کند که این تغییرات سبب تغییر ضرایب قیود هماهنگی می شود؛ بنابراین، امکان عملکرد نابه جای رله ها و انتخابگرنبودن سیستم حفاظتی در اثر تغییرات این ضرایب وجود دارد. به منظور داشتن هماهنگی مقاوم، باید قیود هماهنگی ناشی از ساختارهای مختلف در مسئله هماهنگی لحاظ شود. در چنین شرایطی، زمان عملکرد رله ها به منظور ارضای تمامی قیود افزایش می یابد. در این مقاله، انتخاب مشخصه مناسب از بین مشخصه های استاندارد برای رله های اضافه جریان برای کاهش زمان عملکرد رله ها باوجود داشتن هماهنگی مقاوم پیشنهاد شده است. دیدگاه پیشنهادی روی سیستم های تست 8 شینه و 14 شینه IEEE ارزیابی شده است. نتایج شبیه سازی ها نشان می دهند که با اعمال دیدگاه پیشنهادی به مسئله هماهنگی رله های دیستانس و اضافه جریان، زمان عملکرد رله ها با حفظ عملکرد صحیح آنها، باوجود تغییر ساختار شبکه، به طور چشمگیری کاهش می یابد.

کارآیی روش های بهینه سازی چندهدفه به خصوص روش های مبتنی بر هوش جمعی سبب شده است پژوهشگران به منظور حل مسائل پیچیده مهندسی با اهداف چندگانه متناقض به صورت چشمگیری به استفاده از این روش ها گرایش پیدا کنند. این مقاله با هدف ارزیابی عملکرد گونه های جدید و قدرتمند روش های ابتکاری چندهدفه مبتنی بر هوش جمعی (شامل نسخه های چندهدفه الگوریتم های MOPSO، MOGWO، NSGSA، MOGOA، MOIPO، MOMIPO و MOALO)، از آنها برای طراحی بهینه یک فلیپ فلاپ مبتنی بر تقویت کننده حسی (SAFF) با استفاده از تکنولوژی COMS18/0 میکرومتر بهره گرفته است. در این مقاله، مقادیر پهنای کانال ترانزیستورهای مدار به عنوان متغیرهای طراحی و مقادیر توان متوسط کل و تاخیر به عنوان مقادیر برازندگی دو تابع هدف در قالب مسئله بهینه سازی چندهدفه با استفاده از الگوریتم های بهینه سازی هوشمند مبتنی بر هوش جمعی برای دستیابی به مقادیر مطلوب حاصل ضرب توان-تاخیر (PDP) تخمین و بهینه سازی می شوند. با مقایسه نتایج به دست آمده برای کلیه روش های بهینه سازی چندهدفه بالا، روش MOGOA از عملکرد بهتری برخوردار بود؛ به طوری که این روش توانست در شاخص های آماری برازندگی ها و معیارهای سنجش روش های بهینه سازی چندهدفه نسبت به سایر روش ها کارکرد بسیار مطلوبی را نشان دهد. همچنین، با به کارگیری روش MOGOA توان متوسط 24 میکرووات، تاخیر 4/95 پیکوثانیه و PDP 29/2 فمتوژول به دست آمد که بیان کننده مصالحه ای مطلوب میان مقادیر توان و تاخیر است.

روند رو به رشد استفاده از اینترنت و وجود نقاط آسیب پذیر در شبکه، استفاده از سیستم های تشخیص نفوذ را به عنوان یکی از مهم ترین عناصر برقراری امنیت درخور توجه قرار داده است. تشخیص نفوذ در اصل مسئله دسته بندی است و شناسایی ویژگی های موثر ازجمله موضوعات با اهمیت در دسته بندی است. در این مقاله یک روش جدید برای انتخاب ویژگی های موثر در تشخیص نفوذ در شبکه، مبتنی بر الگوریتم تخمین توزیع ارائه شده است که از درخت وابستگی احتمالاتی برای شناسایی تعاملات بین ویژگی ها استفاده می کند. به منظور ارزیابی عملکرد این الگوریتم از مجموعه داده NSL-KDD استفاده شده است که در آن، بسته ها به پنج دسته نرمال و نفوذهای نوع DOS، U2R، R2L و Prob تقسیم شده اند. عملکرد الگوریتم ارائه شده به تنهایی و به صورت ترکیبی با سایر الگوریتم های انتخاب ویژگی، مانند انتخاب پیشرو، انتخاب پسرو و الگوریتم ژنتیک، مقایسه و تاثیر پارامترهای الگوریتم، مانند اندازه جمعیت بر میزان دقت تشخیص نفوذ بررسی شده است. براساس نتایج حاصل از این تحلیل و نیز ترکیب نتایج بررسی میزان دقت درون دسته ای حاصل از به کارگیری الگوریتم های انتخاب ویژگی متفاوت، زیرمجموعه ای از ویژگی های موثر در تشخیص نفوذ شناسایی شده است.

سیستم حفاظت دیستانس به عنوان حفاظت اصلی خطوط، نقش اساسی در قابلیت اطمینان شبکه دارد؛ بنابراین، یک برنامه نگهداری و تعمیرات بهینه برای حفاظت دیستانس، تاثیر بسزایی بر قابلیت اطمینان و هزینه های شبکه دارد. ماهیت عملکرد نهان در سیستم های حفاظتی مشکلاتی را در راستای اعمال روش نگهداری و تعمیرات مبتنی بر قابلیت اطمینان (RCM) به عنوان یکی از موثرترین روش های برنامه ریزی ایجاد می کند. در این مقاله مفهوم نگاه سیستمی در مسئله RCM به جای نگاه تجهیز محور برای حل این مشکل ارائه شده است. مفهوم ارائه شده به خوبی رفتار یک سیستم دارای ماهیت عملکرد نهان را مدل می کند. در این مقاله از فرایند مارکوف و الگوریتم بهینه سازی میگو برای محاسبات قابلیت اطمینان و یافتن فواصل زمانی بهینه بین وظایف نگهداری و تعمیرات استفاده شده است. افزایش قابلیت اطمینان سیستم و کاهش هزینه، اهداف بهینه سازی در نظر گرفته شده اند. روش پیشنهادی با بهره گیری از داده های حقیقی دو سیستم حفاظتی دیستانس پیاده سازی و تست شده است. نتایج خروجی، توانایی روش پیشنهادی در تامین قابلیت اطمینان بالاتر و تحمیل هزینه کمتر نسبت به سایر روش ها را نشان می دهند.

بیشتر روش های بهسازی گفتار، تخمینگری کاملا متکی به مدل تصادفی گفتار ارائه می دهند. در این مقاله، یک تخمینگر کمترین میانگین مربعات خطا تحت یک مدل قطعی-تصادفی پیشنهاد می شود که در آن از یک توزیع دنباله-سنگین به نام(tls) t location-scale برای مدل کردن ضرایب تبدیل فوریه گسسته گفتار تمیز و از مدل نمایی و سینوسی به عنوان مدل قطعی استفاده شده است. در مدل نمایی به کاررفته، تخمین فرکانس و ضریب میرایی به روش ماتریس پنسل انجام می شود. همچنین، در پژوهش های قبلی تعداد مولفه های نمایی در ساخت مدل قطعی برای بهسازی گفتار، یک در نظر گرفته شده است که در این مقاله، مدل نمایی به تعداد دلخواه مولفه های نمایی بسط داده می شود. پیاده سازی ها در سه حالت ترکیبی نمایی-گاوسی (روش پیشنهادی نخست)، نمایی-tls (روش پیشنهادی دوم) و سینوسی-گاوسی انجام شده اند و با روش موجود نمایی-گاوسی (تنها با یک مولفه نمایی) و تخمینگرهای تصادفی وینر و مبتنی بر tls مقایسه می شوند. نتایج پیاده سازی در حضور شش نویز از مجموعه داده نویز noisex-92 نشان می دهند که دو روش پیشنهادی در قیاس با روش های مبتنی بر مدل تصادفی صرف، به بهبود معیار نسبت سیگنال به نویز قطعه ای منجر شده اند و در ارزیابی ادراکی کیفیت گفتار عملکرد نسبتا برابری دارند.

آلزایمر یک نوع اختلال عملکرد مغزی است که به تدریج توانایی های ذهنی بیمار تحلیل می رود؛ ازجمله علائم اولیه این بیماری فقدان حافظه، اختلال در تصمیم گیری و اشتباه در انتخاب واژگان درست است؛ بنابراین، پردازش سیگنال گفتار این بیماری توجه بسیاری از پژوهشگران را در دهه اخیر جلب کرده است. تشخیص بیماری آلزایمر با استفاده از سیگنال گفتار به فرهنگ و زبان و محتوای گفتار، جنسیت، سن، لهجه و بسیاری از عوامل دیگر وابسته است؛ ازاین رو، سیگنال گفتار بیماران آلزایمری در زبان های مختلف بررسی شده است. هدف این مقاله تشخیص بیماران آلزایمری از افراد سالم با استفاده از پردازش سیگنال گفتار آنها در زبان فارسی با ترکیب ویژگی های زمانی، فرکانسی و زمانی-فرکانسی است. در این مقاله پس از پیش پردازش سیگنال گفتار فارسی با بهره گیری از بسته موجک، به عنوان ویژگی زمان-فرکانس در کنار ضرایب کپسترال فرکانس مل، نرخ عبور از صفر، افت طیف، پهنای باند، انرژی سیگنال و فرکانس مرکز طیفی، ویژگی های سیگنال گفتار بیماران آلزایمری و افراد سالم استخراج شدند و دقت طبقه بندی نتایج با ماشین بردار پشتیبان، نتیجه 96% را دربرداشت. نتایج پذیرفتنی نشان دهنده الگوریتم پیشنهادی غیرتهاجمی و کم هزینه در تشخیص بیماران آلزایمری فارسی زبان است.

رله های اضافه جریان جهتی معمولا از فازور ولتاژ به عنوان مرجعی برای تعیین جهت خطا استفاده می کنند که به اندازه گیری جریان و ولتاژ نیازمند است و موجب می شود از انواع غیرجهتی پرهزینه تر باشند. این مقاله، روشی جدید برای تشخیص وقوع خطا و تعیین جهت آن با استفاده از الگوریتم تیجر ارائه می کند. اپراتور انرژی تیجر، الگوریتم ساده ای برای تحلیل سیگنال است و برای استخراج تغییرات لحظه ای اندازه و فرکانس یک سیگنال استفاده می شود. برای این منظور، الگوریتم پیشنهادی تنها از سه نمونه متوالی سیگنال اندازه گیری شده جریان برای تشخیص و تعیین جهت خطا استفاده می کند. این روش به تخمین فازور و محاسبات پیچیده نیازمند نیست و سرعت زیادی دارد. این الگوریتم برای انواع مختلف خطا در نرم افزار Matlab/Simulink پیاده سازی و ارزیابی شده است. نتایج نشان می دهند روش پیشنهادی از سرعت و دقت کافی برخوردار است.

با پیشرفت روزافزون علوم و جوامع بشری و نیز افزایش آلایندگی های هوا و دمای کره زمین، نیاز به انرژی های تجدیدپذیر و خودرو های برقی بیش از پیش افزایش یافته است. در این میان بهره برداری از مزارع بادی و سلول های خورشیدی، به دلیل توانایی تولید بیشتر، مقبولیت عام تر و مقرون به صرفه تر بودنشان از جایگاه ویژه ای برخوردارند. تنها چالش موجود پیش روی استفاده از انرژی های نو، عدم قطعیت در تولیدشان به دلیل نبود تابش خورشید و وزش باد به طور پیوسته در ساعات مختلف از شبانه روز است. در این مقاله، مسئله برنامه ریزی احتمالی سیستم قدرت در حضور خودروهای برقی ([i] V2g ) و منابع انرژی تجدیدپذیر با استفاده از یک مدل خطی ترکیبی عدد صحیح ([ii] MILP) حل شده است. در مدل پیشنهادی با استفاده از روش خودهمبسته میانگین متحرک ([iii] ARMA)، سناریو های مختلف برای سرعت باد و ضریب تابش خورشید ایجاد شده است. همچنین، از روش ماتریس فاصله کانتروویچ [iv] برای کاهش سناریوهای تولیدشده استفاده می شود. در مدل پیشنهادی روش ارزش در معرض خطر مشروط ([v] CVaR) برای ارزیابی و مدیریت ریسک ناشی از عدم قطعیت های مسئله پیشنهادی استفاده شده است. علاوه بر این، استفاده از ظرفیت توان ذخیره شده در باتری خودروهای برقی در پوشش عدم قطعیت تولید منابع انرژی بادی و خورشیدی ارزیابی شده است. همچنین، در مدل پیشنهادی تمامی منابع انرژی تجدیدپذیر و ایستگاه های V2g در شبکه جایابی شده اند. شبکه اصلاح شده 24 باسه IEEE شامل دو مزرعه بادی، سه مزرعه خورشیدی و سه ایستگاه V2g به عنوان شبکه نمونه بررسی شده است. نتایج حاصل از شبیه سازی در محیط نرم افزار گمز [vi] نشان می دهند ظرفیت توان ذخیره شده در ایستگاه های V2g در پوشش عدم قطعیت مزارع بادی و خورشیدی نقش بسزایی را ایفا می کند.