هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1390 | دوره:2 | شماره:3 |تعداد مقالات:6

امروزه با بزرگتر شدن مسائل و اهمیت یافتن سرعت رسیدن به پاسخ، از الگوریتم های جستجوی تصادفی به جای جستجوی همه جانبه فضای مساله، استقبال بیشتری می شود. در این مقاله، مقایسه عملکرد الگوریتم بهینه سازی زنبوران عسل (HBMO) و بهینه سازی اجتماع ذرات (PSO) در طراحی کنترل کننده فیدبک خروجی برای STATCOM با هدف میرایی نوسان های فرکانس پایین، ارائه شده است. مساله طراحی در ناحیه وسیعی از شرایط عملکرد و تنظیمات سیستم به صورت یک مساله بهینه سازی با تابع معیار چند منظوره تبدیل شده، با استفاده از هر دو الگوریتم HBMO و PSO حل می شود. کنترل کننده طوری تنظیم می شود تا مدهای الکترومکانیکی ناپایدار را به ناحیه مشخصی از صفحه مختلط انتقال دهد. تحلیل مقادیر ویژه و شبیه سازی غیر خطی زمانی تحت اغتشاشات مختلف، با استفاده از هر دو پارامتر کنترلی STATCOM (کنترل ولتاژ خازن و کنترل ولتاژ ترمینال) (جدول 4)، کارایی کنترل کننده پیشنهادی را نشان می دهد. تحلیل نتایج نشان می دهد که طراحی کنترل کننده میرایی با استفاده از الگوریتم بهینه سازی زنبوران عسل، در مقایسه با الگوریتم اجتماع ذرات در میرا کردن نوسان های فرکانس پایین عملکرد بهتری داشته، همچنین، طراحی کنترل کننده بر اساس کنترل ولتاژ خازن (پارامتر j) در مقایسه با کنترل ولتاژ ترمینال (پارامتر C) در میرا کردن نوسان های فرکانس پایین کارایی بهتری دارد و پایداری دینامیکی سیستم را افزایش می دهد.

در این مقاله یک ابزار بهینه سازی جدید در طراحی خودکار مدارات مجتمع آنالوگ مبتنی بر الگوریتم MOGSA ارائه می شود. ابزار بهینه سازی پیشنهادی در ابتدا با استفاده از یک نرم افزار شبیه ساز مدار مورد نظر را شبیه سازی نموده، نتایج شبیه سازی را به وسیله الگوریتم MOGSA تحت بهینه سازی قرار می دهد. سپس تا حصول نتیجه مطلوب این روند را ادامه خواهد داد.برنامه های اصلی این ابزار در Matlab پیاده سازی و شبیه سازی مدارات به وسیله نرم افزار Hspice انجام می شود. در این مقاله، به منظور بررسی توانایی ابزار پیشنهادی در بهینه سازی طراحی مدارات مجتمع آنالوگ عملکرد آن سنجش می شود.برای نمونه، یک مساله سایزبندی مطرح می شود: «طراحی یک تقویت کننده عملیاتی مستقل از دما با استفاده از منبع جریان ویدلر کسکود». نتایج به دست آمده نه تنها مشخصات مورد نظر در طراحی را برآورده می سازد، بلکه با ارائه مجموعه جواب های متنوع، حق انتخاب بیشتری را برای طراح با توجه به معیارهای مختلف طراحی فراهم می نماید.الگوریتم پیشنهادی MOGSA روش نوینی را در بهینه سازی چندهدفه مبتنی بر الگوریتم جستجوی گرانشی معرفی می کند که در آن از «بهینگی پرتو» برای شناسایی موقعیت های «غیرغالب» و از یک «مخزن بیرونی» برای نگهداری این موقعیت ها استفاده می شود. برای اطمینان از صحت عملکرد روش MOGSA، این الگوریتم به وسیله چندین تابع معتبر چند هدفه آزمایش قرارمی شود. نتایج نهایی نشان دهنده رقابت تنگاتنگ روش پیشنهادی با دیگر الگوریتم های بهینه سازی چند هدفه رایج است.

در این مقاله روش موثری برای حل مساله توزیع اقتصادی بار نامحدب بر اساس نسخه جدیدی از الگوریتم جهش قورباغه های به هم آمیخته (SFL) ارائه شده است. مساله توزیع اقتصادی بار در شرایط واقعی، محدود به قیود مساوی و نامساوی مختلفی است که معمولا آن را به مساله ای ناهموار و نامحدب تبدیل و یافتن بهینه فرامحلی با استفاده از روش های ریاضی کلاسیک را دچار مشکل می کند. در الگوریتم پیشنهادی مقاله، به منظور بهبود جستجوی محلی در ممپلکس ها و نیز تسریع همگرایی الگوریتم، روش جدیدی برای پرش راه حل های بدتر به سمت راه حل های بهتر پیشنهاد شده است. همچنین به جای تولید تصادفی قورباغه ها، از عملگر ژنتیکی جهش برای تولید قورباغه های جدید استفاده شده است. به منظور ارزیابی روش پیشنهادی، مساله توزیع اقتصادی بار واقعی با استفاده از الگوریتم پیشنهادی، روش SFL مرسوم و نیز یک نسخه بهبود یافته آن، پیشنهادشده توسط محققان دیگر، شبیه سازی و در سه سیستم قدرت نمونه متفاوت اجرا و نتایج آنها مقایسه و بررسی شده است. همچنین، این نتایج با جواب های چند روش دیگر مانند الگوریتم ژنتیک و برخی الگوریتم های ممتیک مشابه، گزارش شده در چند مرجع دیگر، مقایسه شده است. آزمایش ها نشان می دهد که در مقایسه با روش های مذکور، روش پیشنهادی مقاله از عملکرد بهتری برخوردار است.

عامل های هوشمند به عنوان وسایل برجسته ای در راستای تحقق بخشیدن به نگرش وب معنایی در نظر گرفته می شوند. این عاملها با یکپارچه سازی آنتولوژ ها و قوانین در وب معنایی، می توانند با یکدیگر تعامل و همکاری داشته باشند، اما مشکل اساسی، نبود امکان استنتاج توزیع شده کارا برای یکپارچه سازی آنتولوژی ها و قوانین در چندین پایگاه دانش است. روش های ارائه شده برای استنتاج توزیع شده، اغلب بسیار زمانبر و حافظه بر بوده، به استنتاج کامل و دقیقی منجر نمی شوند. در این مقاله ما برای رفع این مشکل سیستم استنتاج توزیع شده ای را پیشنهاد می کنیم که بر اساس منطق order-sorted به ارائه دانش می پردازد. طرح پیشنهادی برای استنتاج توزیع شده از انتشار صفات دائمی و غیردائمی معتبر بین پایگاه های دانش استفاده می کند. همچنین با در نظر گرفتن زمان و موقعیت صفات برای استنتاج، صفات غیردائمی معتبر بلا استفاده نمی مانند و از آنها در زمان و موقعیت معتبرشان برای استنتاج توزیع شده استفاده می شود. بنابراین، علاوه بر استنتاج کامل، دانش به دست آمده در پایگاه های دانش توزیع شده به طور کامل در نظر گرفته شده و استنتاج توزیع شده ای با کارایی بالا، دقیق و بدون از دست دادن دانش خواهیم داشت.

در این مقاله، روش جدیدی، برای تشخیص جزایر الکتریکی بر اساس دسته بندی و الگوشناسی در یک شبکه توزیع مورد بررسی و تحقیق قرار می گیرد. روش پیشنهادی، برای تشخیص، از سیگنال های گذرای تولید شده هنگام وقوع یک جزیره را استفاده می کند. شبکه عصبی برای دسته بندی رخدادهای گذرا به حالت های «جزیره» یا «غیر جزیره» آموزش داده می شود. ویژگی های مورد نیاز برای دسته بندی، از طریق تبدیل موجک گسسته سیگنال های گذرای ولتاژ و جریان استخراج می شوند. روش پیشنهادی روی یک سیستم توزیع ولتاژ متوسط CIGRE با دو نوع DG مختلف آزمایش می شود. نتایج نشان می دهد که این روش می تواند جزیره های الکتریکی را خیلی سریع و با دقت تشخیص دهد.

در جایابی منابع تولید پراکنده در سیستم های توزیع، لازم است محدوده وسیعی از شرایط بهره برداری و امنیت سیستم بررسی و ارزیابی شود. تعداد زیادی از شاخص ها در ارزیابی مکان بهینه منابع تولید پراکنده استفاده می شود، به گونه ای که تجمیع این شاخص ها در به دست آوردن یک شاخص چند هدفه و نیز به دست آوردن وزن بهینه آنها معمولا در صنعت مورد توجه قرار می گیرد. در این مقاله، با بهره گیری از الگوریتم ژنتیک وزن های بهینه شاخص عملکرد مذکور به دست آورده شده و بر این اساس به جایابی بهینه و تعیین اندازه منابع تولید پراکنده در شبکه های تست استاندارد IEEE 33-bus و IEEE 69-bus پرداخته شده است. نتایج حاصل از شبیه سازی، کارآیی این شاخص عملکرد با ضرایب بهینه را در جایابی بهینه و تعیین ظرفیت منابع تولید پراکنده بخوبی نشان می دهد.