اس فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

اس فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

بهینه سازی کنترل کننده PIDاعمالی روی SVCبه منظور بهبود پایداری سیستم های قدرت به کمک الگوریتم اغتشاش. doc

اختصاصی از اس فایل بهینه سازی کنترل کننده PIDاعمالی روی SVCبه منظور بهبود پایداری سیستم های قدرت به کمک الگوریتم اغتشاش. doc دانلود با لینک مستقیم و پر سرعت .

بهینه سازی کنترل کننده PIDاعمالی روی SVCبه منظور بهبود پایداری سیستم های قدرت به کمک الگوریتم اغتشاش. doc


بهینه سازی کنترل کننده PIDاعمالی روی SVCبه منظور بهبود پایداری سیستم های قدرت به کمک الگوریتم اغتشاش. doc

 

 

 

 

 

 

 

نوع فایل: word

قابل ویرایش 90 صفحه

 

چکیده:

دراین پایان نامه معادلاتی که سیستم پیشنهادی را توصیف می کنند خطی سازی شده و سپس کنترلر PID بهینه برای svcطراحی شده است که ضرایب بهینه به وسیله الگوریتم اغتشاش بدست می ایند. میرایی کامل نوسانات ژنراتور هدف طراحی کنترلرPIDبهینه می باشد در حالی که ورودی توان ژنراتور به صورت تصادفی تغییرمی کند.سیستم با کنترلر پیشنهادی برای یک اغتشاش خاص شبیه سازی شده و پاسخ های دینامیکی ژنراتور نشان داده میشود نتایج شبیه سازی نشان می دهد که یک سیستم تشکیل شده با یک کنترلر پیشنهادی برای میراسازی نوسانات ژنراتور مناسب است.

 

مقدمه:

سیستم انتقال انعطاف پذیر AC (FACTS )

سیستم انتقال جریان متناوب انعطاف پذیر (FACTS)، یک تکنولوژی جدید براساس توان الکترونیکی است، که فرصتی برای بهبود قابلیت کنترل، پایداری و توانایی انتقال نیروی سیستمهای انتقال AC ،فراهم می سازد. آنالیز گسترده ای در بررسی و بهبود در پیشرفت پایداری سیستم نیرو با استفاده از کنترل کننده هایFACTS ارائه شده است . چند نشریه تکنیکی مربوط به نصب (FACTS ) مورد بحث قرارگرفته است و مقایسه کنترل کننده های متفاوت FACTS بررسی می شود.

بسیاری از مشکلات با نوسان فرکانس پائین در سیستم های نیروی به هم پیوسته، به خصوص در الگوی تجدید ساختار، می باشند. مقدار کم و نوسان فرکانس پائین اغلب برای مدت طولانی باقی می ماند. به منظور فراهم کردن میرایی سریع برای سیستم و بهبود عملکرد دینامیکی، یک سیگنال کنترل تکمیلی در سیستم تحریک و یا سیستم تنظیم کننده از یک واحد تولیدی میتوان استفاده کرد. به عنوان مؤثرترین کنترل کننده میرایی ارزان، تثبیت کننده سیستم قدرت (PSS ) به طور گسترده ای برای سرکوب نوسان فرکانس پائین و افزایش پایداری سیستم پویا، اجرا می شود. PSS ها در حفظ عملکرد قابل اعتماد پایداری سیستم نیرو توسط فراهم کردن سیگنال کمکی به سیستم تحریک، مشارکت دارند. کاربرد PSS ، اولین اقدام در بالا بردن میرایی سیستم است. در دو دهه گذشته، تثبیت کننده سیستم قدرت معمولی، یعنی یک جبران کننده پارامترهای ثابت رابطه تأخیر، به طور گسترده ای توسط تأسیسات سیستم نیرو استفاده میشوند. PSS ها برای ارائه نقطه بهبود میرایی نوسانات فرکانس پائین به کار برده می شوند.

با این حال، PSS ها ممکن است به طور مضری تحت تأثیر حالت ولتاژ قرار بگیرند و ممکن است به ضریب قدرت اثر گذاشته و قادر به برگشت نوسانات حاصل از بی ثباتی سخت نباشند، به خصوص آن خرابی های سه فاز که ممکن است در ترمینالهای ژنراتور اتفاق افتد. تاکنون بیشتر کارخانه های اصلی سیستم نیرو به PSS در بیشتر کشورها، مجهز شده اند.

 

 در بیشتر موارد اگر استفاده از PSS ، میرایی کافی برای نوسان نیروی بین منطقه ای فراهم نکند، سیستمهای انتقال انعطاف پذیر AC دستگاههای کنترل کننده(FACTS ) ، راه حلهای مؤثر و متناوبی ارائه مینمایند. پیشرفتهای اخیر در الکترونیک قدرت  به پیشرفت FACTS منجر گردیده است. دستگاههای FACTS، یکی از موضوعات برای کاهش چنین شرایطی است که به وسیله کنترل جریان نیرو در امتداد خطوط انتقال و بهبود میرایی نوسانات نیرو انجام می شود. استفاده از این کنترل کننده ها، قابلیت انعطاف عملیات توسط ارائه گزینه هایی بیشتر با اپراتورهای سیستم نیرو را افزایش می دهد.  FACTSها طراحی شده اند تا به محدودیت های سیستمهای نیروی کنترل شده به طور مکانیکی فائق آیند و پایداری سیستم نیرو را با استفاده قابل اطمینان و دستگاههای الکترونیکی سرعت بالا، افزایش دهند. عموماً، دستگاهای FACTS در سیستم نیرو جای می گیرند تا کنترل مداوم و سریع جریان نیرو در سیستم انتقال تو سط ولتاژهای کنترل شده در گذرگاههای بحرانی با تغییر امپدانس خطوط انتقال، یا با کنترل زاویه فاز بین دو سر خطوط انتقال، ارائه نمایند.

به رغم خواص جالب PSS ها در افزایش میرایی سیستم نیرو، آنها عوارض جانبی به مشخصات ولتاژ سیستم داشته و ممکن است در نتیجه عملکرد ضریب نیرو تأثیر بگذارد و ممکن است قادر به حفظ پایداری سیستم نباشد، به خصوص بعد از یک خرابی بزرگ که نزدیک به ترمینال ژنراتور رخ می دهد. این تئوری و بهبودها در میدان نیرو ی الکتریسیته منجر به یک پیشرفت جدید معرفی شده توسط پژوهشکده برق در اواخر 1980 و به نام FACTS، گردید. این پاسخی بود به استفاده مؤثر از منابع در حال حاضر موجود در سیستم های قدرت، در حالیکه امنیت سیستم قدرت حفظ و بهبود می یابد.

 

فهرست مطالب:

مقدمه:

سیستم انتقال انعطاف پذیر AC (FACTS )

فصل اول

بخش1:

بررسی و ارزیابی کنترل کننده های FACTS

مفهوم دستگاههای FACTS و کاربردشان

بخش 2:

کاربردهای FACTS با مشکلات حالت  پایدار سیستم قدرت

نتایج نصب facts

فصل دوم

بخش1:

بررسی جبران کننده استاتیک وار(SVC)

بخش2:

ارزیابی تاثیر جبران کننده استاتیکی VAR (SVC ) بر قابلیت اطمینانسیستم قدرت

ارزیابی قابلیت اطمینان سیستم انتقال با حضور لینکهای HVDC و ادوات FACTS

فصل سوم

مراحل کاری پایان نامه

بخش1:

مدل یک سیستم پیشنهادی ارائه شده

معادلات مربوط به ژنراتور سنکرون وسیستم تحریک

بدست آوردن مدل خطی سیستم قدرت

بخش دوم:

استفاده ازالگوریتم اغتشاش جهت بهینه کردن کنترل کننده PIDاعمالی رویSVC

کمک گرفتن از الگوریتم PSO(particle swarm optimization)وکدهای آن

فصل چهارم

بخش اول:

نتایج شبیه سازی

بخش دوم:

پاسخ های دینامیکی ژنراتورسنکرون

اهداف پایان نامه

نتیجهگیری

مراجع

 

منابع و مأخذ:

[1] L. Gyugi, “Power Electronics in Electric Utilities StaticVar Compensators”, IEEE Proceedings, Vol. 76, No. 4,    

April 2011, pp. 483-494.

[2] S.M Sadeghzadeh, M. Ehsan N.H Said and R. Fevillet,“Improvement of Transient Stability Limit PowerSystemTransmission Lines Using Fuzzy Control of FACTSDevices”, IEEE Trans. on Power System, Vol. 13, No. 5,

  1. 2011, pp. 917-922.

[3] Shital B. Rewatkar and Shashikant G. Kewte, "Role ofPower Electronics Based FACTS Controller SVC for

Mitigation of Power Quality Problems", ICETET 2010.

[4] B. Mwinywiwa, B. Lu, B. T Ooi, F. D. Galiana and G Joos,“Multi-terminal UPFC for Power System Deregulation”,

IEEE Proc. Vol 4, 2010, pp. 2916-2921.

[5]S. Sheetekela, K. Folly and O. Malik, “Design and Im-plementation of Power System Stabilizers based on Evo-lutionary Algorithms,” IEEE AFRICON, Nairobi, 23-25 September 2009, pp. 1-6

. doi: 10.1109/AFRCON.2009.5308124

[6]L. Zhao and Y. Yang, “PSO-Based Single Multiplicative Neuron Model for Time Series Prediction,” International Journal of Expert Systems with Applications, Vol. 6, No. 2, 2009, pp. 2805-2812.

doi: 10.1016/j.eswa.2008.01.061

[7]S. Panda, “Multi-Objective Non- Dominated Shorting Genetic Algorithm-II for Excitation and TCSC-Based Controller Design,”

Journal of Electrical Engineering, Vol. 60, No. 2, 2009, pp. 86-93.

[8]R. Jayabarathi, M. R. Sindhu, N. Devarajan and T. N. P. Nambiar, “Development of a Laboratory Model of Hy-brid Static Var Compensator,” IEEE Power India Con-ference, Ner Delhi, 2006, p. 5. doi: 10.1109/POWERI.2006.1632507

[9]R. Jayabarathi, M. R. Sindhu, N. Devarajan and T. N. P. Nambiar, “Development of a Laboratory Model of Hy-brid Static Var Compensator,” IEEE Power India Con-ference, Ner Delhi, 2006, p. 5. doi: 10.1109/POWERI.2006.1632507

[10]P. F. Puleston, S. A. Gonza´lez and F. Valenciaga, “A STATCOM Based Variable Structure Control for Power System Oscillations Damping,” International Journal of Electrical Power and Energy Systems, Vol. 29, No. 3, 2007, pp. 241-250. doi:10.1016/j.ijepes.2006.07.003

[11]Second International Conference on Emerging Trends inEngineering & Technology, 2010, pp.731-735BIOGRAPHY

[12] N.Karpagam , D.Devaraj"Fuzzy Logic Control of Static Var Compensator for Power System Damping “International Joural of Electrical and Electronics Engineering 3:10 2009

[13]-Y.L Abdel-Majid and M.A.Abido, Robust coordinated design of

excitation and TCSC-Based stabilizers using genetic algorithm,

Electrical power system research 69(2004) 129-141.

[14]M. Y. Shan, J. Wu and D. N. Peng, “Particle Swarm and Ant Colony Algorithms Hybridized for Multi-Mode Re-source-constrained Project Scheduling Problem with Minimum Time Lag,” IEEE International Conference on Wireless Communications, Networking and Mobile Computing, Shanghai, 21-25 September 2007, pp. 5898- 5902. doi: 10.1109/WICOM.2007.1446

[15] Uyar M., Yildirim S., Gencoglu M. T.,“An Effective Wavelet-based FeatureExtraction Method for Classification ofPower Quality Disturbance Signals”, Int.Jour. Elec. Power System Research, Vol.

78, No. 10, 2008, pp. 1747-1755.

[16] Gargoom A. M., Ertugrul N., Soong W.L., “Automatic Classification andCharacterization of Power QualityEvents”, IEEE Trans. on Power Delivery,Vol. 23, No. 4, 2008, pp. 2417-2425.

[17 ] MathWorks, Inc., “Matlab Help Files”,Version 7.6.0.324, Feb. 2008

[ 18] R. Natesan and G. Radman,“ Effects of STATCOM, SSSC and UPFC onVoltage Stability,”Proceedings of the system theory thirty- Sixth

southeastern symposium, 2004, pp. 546-550

[19]رحیم زاده .ج.,سلطانی .ج.,"بهبود پایداری دینامیکی برای یک شبکه قدرت الکتریکی تک ماشینه بر پایه روش بهینه سازی خطی ,همایش ملی مهندسی برق2010دانشگاه آزاد اسلامی واحد خمین شهر

[ 20]کاظمی کارگر ,ح.,دویران کشاورزی ,م.,"تنطیم مناسب پارامترها  با استفاده از الگوریتم اغتشاش وتابع انرژی لیاپانوف برای بهبود پایداری سیستم قدرت ,بیست و سومین کنفرانس بین الملل Psc2008 برق

[21]چهارمین کنفرانس مهندسی برق والکترونیک ایران,دانشگاه آزاد اسلامی گناباد.,

(ICEEE2012) 1391    .,هفتم .هشتم و نهم شهریور ماه

[22]پانزدهیمین کنفرانس دانشجویی مهندسی برق ایران .,دانشگاه کاشان

(ISCEE2012)1391  هفتم .هشتم و نهم شهریور ما

[23] B. Mwinywiwa, B. Lu, B. T Ooi, F. D. Galiana and G Joos,“Multi-terminal UPFC for Power System Deregulation”,

IEEE Proc. Vol 4, 2000, pp. 2916-2921

[24] B. Chen, N. Zhu, Y. Gao and A. Q. Huang, “Performance ofa 4.5 kV, 100A Current-Scalable Emitter Turn-Off (ETO)

Thyristor Module”, IAS2005, Hong Kong.

[25] Alex Q. Huang, Bin Chen, Karen Tewari and Zhong Du,“Modular ETO Voltage Source Converter Enables Low

Cost FACTS Controller Applications”, IEEE Proceedings2006, PSCE 2006, pp.792-796

[26] K Sen, “FACTS Controllers and their ModelingTechniques”, P.E. POWERCON2008 Tutorials, New Delhi,

India: October 2008.

[27] Sauer P.W., Pai M.A., "Power system dynamics and stability, Prentice Hall, Upper Saddle River”, New Jersey, 1998.

[28] A. Kazemia, B. Badrzadeh" Modeling and simulation of SVC and TCSC to study their limits on maximum load ability point", Elsevier, Electrical Power and Energy Systems 26 (2004) 381–388

[29] N.Karpagam , D.Devaraj"Fuzzy Logic Control of Static Var Compensator for Power System Damping “International Journal of Electrical and Electronics Engineering 3:10 2009

[30] I. Mansour, D. O. Abdeslam, P. Wira, "Fuzzy logic control of a SVC to improve the transient stability of ac power systems", Industrial Electronics, 2009. IECON '09. 35th Annual Conference of IEEE

[31] T.J.E. Miller, "Reactive power control in electric systems"

[32] P. Kundur, “ Power system stability and control”, McGraw-Hill, 1994.

[33] M.W. Mustafa, and N. Magaji, "Design of power oscillation damping controller for SVC device" in Proc. of the 2nd IEEE International Conference on Power and Energy (PECon 08), Dec. 2008.

[34] M.A.Abido" Analysis and assessment of STATCOM based damping stabilizers for Power system stability enhancement"Electric Power System Research,73, 177- 185,2005.E.Lerch, D.Povh, "Advanced SVC control for damping powersystem oscillations" IEEE Transactions on Power Systems, vol.16,No.2,May 1991,pp 524 – 535.


دانلود با لینک مستقیم


بهینه سازی کنترل کننده PIDاعمالی روی SVCبه منظور بهبود پایداری سیستم های قدرت به کمک الگوریتم اغتشاش. doc

متن ترجمه شده مقاله بررسی روندهای تازه در تکنیک های بهینه سازی برای سیستم های انرژی هیبریدی مبتنی بر باد - فتوولتائیک خورشیدی

اختصاصی از اس فایل متن ترجمه شده مقاله بررسی روندهای تازه در تکنیک های بهینه سازی برای سیستم های انرژی هیبریدی مبتنی بر باد - فتوولتائیک خورشیدی دانلود با لینک مستقیم و پر سرعت .

متن ترجمه شده مقاله بررسی روندهای تازه در تکنیک های بهینه سازی برای سیستم های انرژی هیبریدی مبتنی بر باد - فتوولتائیک خورشیدی


متن ترجمه شده مقاله بررسی روندهای تازه در تکنیک های بهینه سازی برای سیستم های انرژی هیبریدی مبتنی بر باد - فتوولتائیک خورشیدی

 

 

 

 

 

عنوان ترجمه:

Review of recent trends in optimization techniques for solar photovoltaic–wind based hybrid energy systems

نوع فایل متن انگلیسی: pdf

تعداد صفحه: 15

 

برای دانلود متن انگلیسی اینجا کلیک کنید.

 

 

عنوان ترجمه شده فارسی:

بررسی روندهای تازه در تکنیک های بهینه سازی برای سیستم های انرژی هیبریدی مبتنی بر باد - فتوولتائیک خورشیدی

نوع فایل ترجمه شده فارسی: word

قابل ویرایش 55 صفحه

به همراه 33 اسلاید پاورپوینت

 

قسمتی از متن ترجمه شده:

چکیده

یک مورد بررسی نوشته های جدید درمورد روشهایی در تکنیک های بهینه سازی برای طراحی و توسعه سیستم های انرژی هیبریدی مبتنی بر باد- فتوولتائیک خورشیدی ارائه شده است. هدف اصلی تعیین آخرین تکنیک های مناسب برای بهینه سازی سیستم های هیبریدی مبتنی بر باد- فتوولتائیک خورشیدی(PV) می باشد. تکنیک های متفاوت مورد استفاده محققان برای بهینه سازی سیستم های انرژی هیبریدی تجدید شدنی ارائه شده است که همراه با روش اندازه گیری سیستم هیبریدی مبتنی بر باد- PV بررسی می شوند. مطالعات بهینه سازی درطول اواخر دهه های 2.5 توسط محققان با استفاده از روشهای تولید جدید و قدیمی تجزیه تحلیل می شوند و شانزده روش بهینه سازی شامل الگوریتم های هیبریدی ارائه می شوند. این روش نشان می دهد که الگوریتم های زایش (تولید) هوش مصنوعی اغلب درطی اواخر دهه استفاده می شوند چنانکه این موارد به زمان محاسبه کم نیاز دارند و نسبت به روشهای سنتی دقت بهتر، همگرایی خوب دارند. در این مطالعه استفاده از هیبریدی کردن دو یا چند الگوریتم را برای غلبه بر محدودیتهای یک الگوریتم تک پیشنهاد می شود. بطور سنتی برای پیگیری تحقیق برخی تکنیک های دیگر در طرح سیستم های هیبریدی بادی-PV تعیین می شوند. این بررسی برای محققان در مقابله با پیچیدگی و چالشهایی در تحقیق سیستم هیبریدی مبتنی بر انرژی تجدیدپذیر مفید خواهد بود.

کلید واژه ها: سیستم های انرژی هیبریدی، سیستم های هیبریدی مبتنی بر باد-خورشید، فتوولتائیک خورشیدی، توربین های بادی، تکنیک های بهینه سازی، الگوریتم های هیبریدی

Vci: قطع سرعت باد

Vco: وصل سرعت باد

Ib: تابش های خورشیدی معمولی مستقیم

Pfailure: باری که نمی تواند در دوره زمانی اعمال شود

Pw: توان خروجی از مولدهای توربین بادی

hpv: بازده سیستم PV

Pr: توان برقی ارزیابی شده توربین بادی

Vr: سرعت ارزیابی شده توربین بادی

a: نمای پایین قدرت

Ptotal: بار کل

CB: هزینه مخزن باتری

Cother: هزینه سیستم ها و وسایل جانبی دیگر

Cw: هزینه سیستم بادی

Id: تابشهای خورشیدی پراکنده

hw: بازده مولد توربین بادی و مبدل متناظر

Edeficit: کمبود انرژی در دوره زمانی خاص (t)

Pload: تقاضای بار درطی یک دوره

hm: ضریب بازده

hpc: کارایی تجهیزات شرطی سازی قدرت

Tfailure: دروه زمانی قطع توان برق

Ps: نیروی تولید شده از سیستم PV خورشیدی

IT: تابش خورشیدی برسطح شیبدار

Rd: ضریب شیب برای تابش های خورشیدی پراکنده

Rr: ضریب شیب برای تابش های خورشیدی منعکس شده

Htotal: کل ساعات عملیات

HLoL: تعداد کل ساعات دردوره ای که اتلاف بار   (LOL) رخ می دهد

Aw: کل محیط شیبدار

Ctotal: هزینه کل سیستم

Ttotal: کل زمان کاری

b= ضریب دمای بازده دستگاه

CRF= ضریب برگشت سرمایه

Tc= دمای پیل

hc= بازده بارالکتریکی (براساس SOC و و جریان بار و دارای ارزشی بین 0.65 و 0.85)

Cs= هزینه سیستم PV خورشیدی

hdis= ضریب تخلیه الکتریکی (درکل برابر با 1 درنظر گرفته می شود)

s(t)= میزان تخلیه الکتریکی خودکار ساعتی براساس حالت باتری (معادل حدود 0.02%)

i= نرخ بهره

Cbat: ظرفیت اسمی باتری (AH).

Pw: قدرت تولید شده از توربین بادی

Tproj= طول عمر پروژه

Apv= مشخات سیستم PV

Tr= دمای ارجاعی برای بازده پیل

Cann= کل هزینه سالانه

Pload= بار کل تحویل داده شده یا تقاضای بار

Ptotal= قدرت کل تولید شده از منابع

COE= هزینه انرژی

DOD= عمق تخلیه الکتریکی

LA= سطح خودمختاری

LCC= هزینه چرخه زندگی

LLP/LOLP= اتلاف احتمال بار

LOLH= اتلاف ساعات بار

LOLR= اتلاف خطر بار

LPSP= اتلاف احتمال تامین بار

NPC= هزینه ارائه خالص

P: احتمال تجمع حالات هواسنجی که معادل تولید انرژی الکتریکی می باشد

q: احتمال شکست

SOC: حالت بار

SPL: سطح عملکرد سیستم

UL: بار نامناسب

V و Vo : سرعتهای باد در ارتفاع های h و ho (ho ارتفاه مرجع)


دانلود با لینک مستقیم


متن ترجمه شده مقاله بررسی روندهای تازه در تکنیک های بهینه سازی برای سیستم های انرژی هیبریدی مبتنی بر باد - فتوولتائیک خورشیدی

الگوریتم محدودیت نرمال عادی برای بهینه سازی چند هدفه

اختصاصی از اس فایل الگوریتم محدودیت نرمال عادی برای بهینه سازی چند هدفه دانلود با لینک مستقیم و پر سرعت .

الگوریتم محدودیت نرمال عادی برای بهینه سازی چند هدفه


الگوریتم محدودیت نرمال عادی برای بهینه سازی چند هدفه

Normalized Normal Constraint Algorithm for Multi-objective optimization

الگوریتم محدودیت نرمال عادی برای بهینه سازی چند هدفه

به همراه فایل راهنمای کد نویسی در متلب

کد الگوریتم NNC

 


دانلود با لینک مستقیم


الگوریتم محدودیت نرمال عادی برای بهینه سازی چند هدفه

تحقیق درباره بررسی مدیریت و بهینه سازی مصرف انرژی اکتریکی

اختصاصی از اس فایل تحقیق درباره بررسی مدیریت و بهینه سازی مصرف انرژی اکتریکی دانلود با لینک مستقیم و پر سرعت .

تحقیق درباره بررسی مدیریت و بهینه سازی مصرف انرژی اکتریکی


تحقیق درباره بررسی مدیریت و بهینه سازی  مصرف انرژی اکتریکی

فرمت فایل : word  (لینک دانلود پایین صفحه) تعداد صفحات 8 صفحه

 

 

 

 

 

چکیده:

              امروزه در میان انواع انرژی های شناخته شده ، انرژی الکتریکی یا نیروی برق یکی از تمیز ترین و مهمترین انواع انرژی است که با مصرف هزینه سرمایه گذاری زیادی به مراکز مصرف می رسد به طوریکه برای تامین برق یک لامپ 100 وات ، رقمی حدود 60 دلار به اضافه 000/100 ریال سرمایه گذاری نیاز است.اگر هر خانوار فقط یک لامپ 100 واتی از مصرف روشنایی خود بکاهد هر سال 2/2 میلیارد تومان در مصرف انرژی صرفه جویی خواهد شد.در این مقاله راهکارهای استفاده صحیح انرژی الکتریکی راتحت عنوان مدیریت مصرف برق (یعنی ترازمند کردن انرژی مصرفی و نیز کاهش پیک بار)ارائه نمودیم تا بتوانیم با هزینه ی کمتر و کارآیی بیشتر به حد مطلوبی در زمینه مصرف دست یابیم.

 

مقدمه:

          مدیریت مصرف برق شامل مجموعه أی از فعالیتهای به هم پیوسته بین صنعت برق و مشترکین آن به منظور منطقی کردن مصرف برق است تا بتوان با کارآیی بیشتر و هزینه کمتر به مطلوبیت یکسانی در زمینه برق دست یافت .

بدین ترتیب هم عرضه کننده برق و هم مصرف کننده آن به سود بیشتری دست خواهند یافت البته این نکته را باید متذکر شد که هدف از مدیریت مصرف برق کاهش میزان تولید و کاستن از رفاه جامعه نیست بلکه کاربرد منطقی وبخردانه انرژی الکتریکی و استفاده صحیح از آن است که نتیجه آن حفظ و حتی افزایش تولید و رفاه جامعه خواهد بود .


دانلود با لینک مستقیم


تحقیق درباره بررسی مدیریت و بهینه سازی مصرف انرژی اکتریکی

پروژه بهینه سازی مسائل موقعیت یابی توسط رویکرد چندعاملی خودسازمانده. doc

اختصاصی از اس فایل پروژه بهینه سازی مسائل موقعیت یابی توسط رویکرد چندعاملی خودسازمانده. doc دانلود با لینک مستقیم و پر سرعت .

پروژه بهینه سازی مسائل موقعیت یابی توسط رویکرد چندعاملی خودسازمانده. doc


پروژه بهینه سازی مسائل موقعیت یابی توسط رویکرد چندعاملی خودسازمانده. doc

 

 

 

 

نوع فایل: word

قابل ویرایش 60 صفحه

 

چکیده:

مسأله موقعیت یابی تسهیلات (FLP) نیازمند تعیین موقعیت تسهیلات به منظور بهینه سازی یک یا چند معیار مشخص می باشد. این مسأله در عمل و در مواردی که تسهیلات ارائه دهنده خدمات می باشند مانند موقعیت یابی واحدهای صنعتی، ایستگاههای اتوبوس، ایستگاه های آتش نشانی و ... به وفور اتفاق می افتد. ما به طور خاص به مسأله موقعیت یابی پیوسته خواهیم پرداخت . که در آن تسهیلات باید در یک صفحه اقلیدسی قرار بگیرند . ما برای این منظور از یک رویکرد نوین مبتنی بر سیستمهای چندعاملی استفاده می کنیم. مدل پیشنهادی بر اساس تعدادی عامل است که در یک محیط مشترک قرار دارند و از طریق تعامل با یکدیگر سعی دارند که به یک هدف بهینه سازی سراسری دست یابند . تعامل میان عامل ها و محیط آنها که مبتنی بر رویکرد حوزه های پتانسیل مصنوعی می باشد اجازه می دهد که موقعیت عامل ها به طور محلی بهینه گردد. بهینه سازی کل سیستم نتیجه یک فرآیند شامل خودسازماندهی عاملها می باشد. سپس نشان می دهیم که چگونه می توان مدل پیشنهادی را برای در برگرفتن نسخه چندسطحی از مسأله موقعیت یابی تعمیم داد. درنهایت به ارزیابی مدل خواهیم پرداخت . این ارزیابی ها هر دو نسخه ارائه شده از مسأله موقعیت یابی را در برمی گیرند.

مقدمه:

مسأله موقعیت یابی تسهیلات در طی چند دهه اخیر شاهد یک رشد انفجاری بوده است. این مسأله به قدری فراگیر است که مطالعات و تحقیقات زیادی در خصوص آن انجام شده اند که شروع آنها به قرن هفدهم بر می گردد . همانطور که Pruzan و Krarupنشان داده اند چنین چیزی هرگز تعجب آور نیست زیرا سیاست موقعیت یابی یکی از سودآورترین زمینه های تحلیل کاربردی سیستمها می باشد . این امر به دلیل اهمیت تصمیمات مربوط به موقعیت تسهیلات می باشد که در تمام سطوح سازمانهای انسانی وجود دارند . بنابراین چنین تصمیم هایی راهبردی هستند زیرا دارای تأثیرات اقتصادی می باشند. در اینجا از واژه تسهیلات به معنای عام آن استفاده شده است و به موجودیت هایی مانند واحدهای صنعتی، ایستگاههای اتوبوس، مدارس، بیمارستانها، ایستگاههای آتش نشانی و ... اشاره دارد . مسأله کلی، قراردادن تسهیلات در مکانهایی به منظور بهینه سازی چندین هدف مانند فاصله، زمان یا هزینه سفر و برآورده سازی نیازها می باشد . هرچند در اغلب موارد حل مسأله موقعیت یابی به منظور یافتن راه حل بهینه به شدت مشکل است. حتی ساده ترین مدلها نیز در مورد نمونه مسأله های بزرگ از نظر محاسباتی غیرقابل ردیابی هستند. تا کنون برای این نوع از مسائل روشهای هیوریستیک بسیار و چندین الگوریتم دقیق پیشنهاد شده است. اما مشکل اصلی این رویکردها این است که به سادگی قابل انطباق با محیط های پویا که در آنها محدودیت ها و داده ها در طول زمان تغییر می کند نیستند . این یک محدودیت جدی است زیرا مسائل واقعی متعددی وجود دارند که پارامترهایشان در طول زمان تغییر می کند. از جمله این مسائل می توان به مسأله تعیین موقعیت آمبولانس اشاره نمود . دربرخورد با این انعطاف ناپذیری ما از یک رویکرد چندعاملی استفاده می کنیم که برای سیستمهای باز و تغییرات برخط بسیار مناسب می باشد . در واقع مهمترین کاربرد سیستم های چندعاملی در مورد سیستم های باز می باشد. می توان از طریق آزمایشات مختلف نشان داد که این رویکرد مبتنی بر سیستم های چندعاملی قادر به مواجه با محیطهای پویا می باشد که در آنها پارامترهای محیط یا محدودیت ها با گذشت زمان تغییر می کنند . جنبه های پویای محیط مرتبط با تغییراتی است که ممکن است بر روی داده های محیط همانند تعداد تقاضاها و یا تعداد عامل های ارائه دهنده تسهیلات تأثیر بگذارد.

ما در این مطالعه یک رویکرد چندعاملی برای تعیین موقعیت مناسب تسهیلات پیشنهاد نموده ایم که مبتنی بر خود سازماندهی تعدادی عامل واکنشی از طریق تعاملات انجام شده با محیط می باشد . استفاده از رویکرد چندعاملی چندین مزیت دارد. اول این که سیستم های چندعاملی برای مسائل توزیع شده بسیار مناسب هستند. در این سیستم ها تعدادی موجودیت برای رسیدن به اهداف جمعی و فردی با یکدیگر همکاری می کنند . دوم این که حتی اگر سیستمهای چندعاملی یافتن راه حل بهینه را به طور خودکار تضمین نکنند ولی می توانند راه حلهای قابل قبولی را بدون صرف هزینه محاسباتی بسیار زیاد پیدا کنند ، در کنار این که چنین سیستمهایی دارای انعطاف پذیری و توانمندی بالایی می باشند . در رویکرد ارائه شده رفتار عاملها دارای یک منبع الهام فیزیکی می باشد یعنی به همان روشی است که ذرات در جهان اطراف ما حرکت می کنند و بر اساس اطلاعات محیطی که با حوزه های پتانسیل بیان می شود به خودسازماندهی سراسری می رسند . به طور خاص تردر رویکرد پیشنهادی اطلاعات محیطی به شکل ترکیبی از نیروهای جذب کننده و دفع کننده بیان می شوند . ایده کلیدی این است که رفتار عامل های واکنشی در سطح ریز (میکروسکوپی) منجر به ظهور راه حل ها در سطح درشت (ماکروسکوپی) می شود. ما قصد داریم که انعطاف پذیری و توانمندی رویکردمان را با حل مثال هایی از مسأله تعیین موقعیت نشان دهیم . این مثالها شامل تعیین موقعیت ایستگاه های اتوبوس در خطوط موجود و مسأله تعیین موقعیت چندسطحی تسهیلات می باشند.

 

فهرست مطالب:

فصل اول : مساله موقعیت یابی تسهیلات

مقدمه

1-1) مرور

2-1) کارهای مرتبط

 فصل دوم : راه حل ها

1-2) بیان مساله موقعیت یابی پیوسته

2-2) یک رویکرد خودسازمانده برای مساله تعیین موقعیت پیوسته

1-2-2) رویکرد واکنشی و تکنیک حوزه های پتانسیل مصنوعی

2-2-2( هیوریستیک های مبتنی بر عامل های واکنشی

3-2) یک رویکرد چند عاملی خودسازمانده

 1-3-2) برآورده سازی محلی تقاضا

2-3-2 ) هماهنگی محلی

3-3-2) حل مساله به صورت دسته جمعی

فصل سوم : آزمایشات

1-3) نتایج بدست آمده از آزمایشات متوالی

2-3) نتایج بدست آمده از آزمایش دوم

3-3) کاربرد برای مساله مکان یابی ایستگاه اتوبوس

3-4) نتایج بدست آمده از آزمایشات پروژه خودمان

 فصل چهارم : تطبیق با مسائل تعیین موقعیت چند سطحی

1-4) مساله تعیین موقعیت چند سطحی

 2-4) کاربرد در یک مساله چندسطحی توزیع شده

 فصل پنجم : بحث

 فصل ششم : نتیجه گیری

 فصل هفتم : منابع ومآخذ

 شکل1-2: نیروهای جذب کننده باعث حرکت عامل به سمت مرکز وزن دار تقاضاها می شوند.

 شکل2-2: نیروی دفع کننده میان عامل های A وB باعث دور شدن آنه از یکدیگر می شوند.

 شکل3-3:The evolution of facilities positioning for the case study with 400 agents 17

 شکل4-3: The fitness evolution for the case study with 400 agents 19

 شکل5-3: The evolution of facilities positioning for the Belfort Bus_Network 20

 شکل6-3: The fitness convergence ; a test with 143 Bus_Stop21

 شکل7-4: 3_level problem

 

منابع و مأخذ:

[1] Z. Drezner, K. Klamroth, A. Schobel and G.O. Wesolowsky, The Weber Problem,

Facility Location: Application and theory, Edited by Z. Drezner and H.W. Hamacher,

[2] J. Krarup and P.M. Pruzan, The Simple Plant Location Problem: Survey and

Synthesis, European Journal of Operations Research, vol. 12, 1983, 36-81.

[3] J. Brimberg, P. Hansen, N. Mladenovic and E.D. Taillard, Improvement and

Comparison of Heuristics for Solving the Uncapacitated Multisource Weber Problem,

Operations Research, vol. 48, 2000, 444-460.

[4] M. Wooldridge, N. R. Jennings, and D. Kinny, A Methodology for Agent- Oriented

Analysis and Design, Proceedings of the Third Annual Conference on Autonomous

Agents, Seattle, USA, 1999.

[5] H.V.D. Parunak and S.A. Brueckner, Entropy and Self-Organization in Multi-Agent

Systems, 5th International Conference on Autonomous Agents, 2001, 124-130.

[6] A.I. Barros, Discrete and Fractional Programming Techniques for Location Models,

Kluwer Academic Pub, 1998. 14

[7] D. Tcha and B. Lee, A Branch-and-Bound Algorithm for the Multi-Level

Uncapacitated Location Problem, European Journal of Operations Research, vol. 18,

1984, 35-43.

[8] J. Brimberg and N. Mladenovic, Solving the Continuous Location-Allocation

Problem with Tabu Search, Studies in Locational Anal, vol. 8, 1996, 23-32.

[9] J.H. Jaramillo, J. Bhadury and R. Batta, On the use of Genetic Algorithms to Solve

Location Problems, Computers & Operations Research, vol. 29, 2002, 761-779.

[10] H.D. Pour and M. Mostafa, Solving the facility and layout and location problem by

ant-colony optimization-meta heuristic, International Journal of Production Research,

  1. 44, no. 23, 2006, 5187-5196.

[11] R.M. de A. Silva and G.L. Ramalho, Ant system for the set covering problem, IEEE

International Conference on Systems, Man, and Cybernetics, 2001.

[12] K. Kumweang and R. Kawtummachai, Solving a SSCFLP in a Supply Chain with

ACO, Suranaree Journal of Science and Technology, vol. 12, 2005, 28-38.

[13] S. Bandini and S. Manzoni and C. Simone, Dealing with space in multi–agent

systems: a model for situated MAS, AAMAS, 2002, 1183-1190.

[14] F. Plastria, On the Choice of Aggregation Points for Continuous p-median Problems:

A Case for the Gravity Center, TOP, vol. 9, 2001, 217-242.

[15] M. Minsky, The Society of Mind, New York: Simon and Schuster, 1986.

[16] R.C. Arkin, Behavior-Based Robotics, MIT Press, 1998.

[17] O. Simonin and J. Ferber, Modeling Self Satisfaction and Altruism to handle Action

Selection and Reactive Cooperation, SAB, 2000, 314-323.

[18] K. Lewin, Principles of Topological Psychology, McGraw-Hill, 1936.

[19] K. Zeghal, J. Ferber, CRAASH: A Coordinated Collision Avoidance System. In

European Simulation Conference, Lyon, France, 1993.

[20] J. Ferber and A. Drogoul, Using Reactive Multi-Agent Systems in Simulation and

Problem Solving, Distributed Artificial Intelligence: Theory and Praxis, Kluwer

Academic Publishers, 1992, 53-80.

[21] A. Drogoul and C. Dubreuil, A Distributed Approach To N-Puzzle Solving,

proceedings of the 12th International Workshop on Distributed Artificial Intelligence,

[22] K. Gh´edira and G. Verfaillie, A Multi-Agent Model for the Resource Allocation

Problem: a Reactive Approach, ECAI, 1992, 252-254. 15

[23] H.V.D. Parunak, Go to the Ant: Engineering Principles from Natural Multi-Agent

Systems, Annals of Operations Research, vol. 75, 1997, 69-101.

[24] A. Colorni, M. Dorigo and V. Maniezzo, Distributed Optimization by Ant Colonies,

proceedings of the first European Conference on Artificial Life, 1992, 134-142.

[25] M. Mamei and F. Zambonelli, Field-Based Coordination for Pervasive Multiagent

Systems, Springer Series on Agent Technology, Springer-Verlag New York, Inc., 2005.

[26] D. Weyns, N. Boucke, and T. Holvoet, Gradient Field-Based Task Assignment in an

AGV Transportation System, AAMAS, Hakodate, Japan, May, 2006.

[27] F. Gechter, V. Chevrier and F. Charpillet, A Reactive Agent-Based Problem-Solving

Model: Application to Localization and Tracking, TAAS, vol. 1, no. 2, 2006, 189-222.

[28] A. Likas, N.A. Vlassis and J.J. Verbeek, The global k-means Clustering Algorithm,

Pattern Recognition, vol. 36, no. 2, 2003, 451-461.

[29] S. Eilon, C.D.T. Watson-Gandy and N. Christofides, Distributed Management,

Hafner, New York, 1971.

[30] I. Bongartz, P.H. Calamai and A.R. Conn, A projection Method for lp Norm

Location-Allocation Problems, Mathematical Programming, vol. 66, 1994, 283-312.

[31] J. Dias, M.E. Captivo and J. Climaco, Dynamic Multi-Level Capacitated and

Uncapacitated Location Problems: an Approach Using Primal-Dual Heuristics, INESCCoimbra, 2004.

 [32] M.R. Garey and D.S. Johnson, Computers and Intractability, A Guide to the Theory

of NP-Completeness, W.H Freeman and Co, 1979.

[33] S. Moujahed, N. Gaud and D. Meignan, A Self-Organizing and Holonic Model for

Optimization in Multi-Level Location Problems, the 5th IEEE International Conference

on Industrial Informatics (INDIN’07), Austria, July, 2007.


دانلود با لینک مستقیم


پروژه بهینه سازی مسائل موقعیت یابی توسط رویکرد چندعاملی خودسازمانده. doc