در سال های اخیر نرخ وقوع حوادث طبیعی شدید افزایش پیدا کرده است که این امر منجر به خسارت های گسترده به سیستم قدرت و وقوع خاموشی های گسترده شده است. برای کم کردن اثرات نرخ وقوع حوادث طبیعی شدید می توان از اقدامات کنشگرانه در شبکه توزیع استفاده کرد. اقدامات کنشگرانه در مقا چکیده کامل
در سال های اخیر نرخ وقوع حوادث طبیعی شدید افزایش پیدا کرده است که این امر منجر به خسارت های گسترده به سیستم قدرت و وقوع خاموشی های گسترده شده است. برای کم کردن اثرات نرخ وقوع حوادث طبیعی شدید می توان از اقدامات کنشگرانه در شبکه توزیع استفاده کرد. اقدامات کنشگرانه در مقابل اقدامات واکنشگرانه قرار دارند. اقدامات کنشگرانه قبل از حادثه و در مقابل اقدامات واکنشگرانه پس از حادثه انجام می شوند. در این مقاله یک مدل ریاضی برای نشان دادن تاثیرات اقدامات پیشگیرانه ارائه شده است. در مدل پیشنهادی به محض پیش بینی وقوع حادثه، با پیش بینی خروج خطوط آسیب دیده در شبکه با استفاده از روش مونت کارلو در نرم افزار متلب، سناریوهای خرابی پس از حادثه تولید می شوند. سپس به منظور کاهش حجم محاسبات از کاهش سناریو در نرم افزار GAMS استفاده می شود. در مرحله آخر با اجرای مدل پیشنهادی محل بهینه نصب منابع تولید پراکنده قابل حمل و تیم تعمیر تعیین می گردد. با تعریف مطالعات موردی مختلف و شبیه سازی بر روی شبکه نمونه مشاهده می شود که بر اساس نتایج بدست آمده، مقدار انرژی تامین نشده و مدت زمان خاموشی بارها به طور قابل توجهی کاهش پیدا می کند که این امر نشان دهنده کارائی روش پیشنهادی در مواجهه با حادثه پیش رو می باشد.
پرونده مقاله
در سالهای اخیر، فرآیند توسعه از سیستمهای قدرت الکتریکی معمولی به شبکههای هوشمند منجر به تعریف و پایهگذاری مفهوم ریزشبکهها (MGs) شده است. در واقع، MG یک ساختار آیندهنگر برای اتصال منابع انرژی تجدیدپذیر، سیستمهای ذخیره انرژی و بارها است. MG را میتوان به عنوان یک ش چکیده کامل
در سالهای اخیر، فرآیند توسعه از سیستمهای قدرت الکتریکی معمولی به شبکههای هوشمند منجر به تعریف و پایهگذاری مفهوم ریزشبکهها (MGs) شده است. در واقع، MG یک ساختار آیندهنگر برای اتصال منابع انرژی تجدیدپذیر، سیستمهای ذخیره انرژی و بارها است. MG را میتوان به عنوان یک شبکه توزیع (DN) محلی شامل تولیدات پراکنده (DGs) خطاب کرد. ادغام چنین منابعی مزایای فراوانی از جمله کاهش تلفات توان، بهبود کیفیت توان و قابلیت اطمینان شبکه و کاهش ازدحام شبکه الکتریکی به همراه دارد. از سوی دیگر، پیکربندی جدید شبکه باعث ایجاد چالشهای متعدد حفاظتی میشود که با طرحهای حفاظتی معمول قابل برطرف کردن نیستند. این مسائل عبارتند از: حرکت توان در دو جهت مختلف، تغییر سطح جریان خطا به دلیل حالتهای مختلف عملکرد شبکه، قطع اشتباه و حفاظت ناحیه کور. بنابراین، طرحهای هماهنگی حفاظتی جدید و کارآمدی برای MGها و DN شامل DGها تعمیم یافته است. این مقاله مروری بر تکنیکهای حفاظتی اعمال شده جهت کاهش تأثیر DGها بر DN را ارائه میکند.
پرونده مقاله
حضور گسترده تولیدات پراکنده (DG) با بالا بردن سطح اتصال کوتاه، باعث از بین رفتن هماهنگی ادوات حفاظتی در سیستم توزیع میشود. با توجه به این که DGهای از نوع ماشین سنکرون (SMDG) بیشترین مشکل را برای هماهنگی سیستم (رلههای اضافه جریان) ایجاد میکنند؛ در این پایاننامه کنتر چکیده کامل
حضور گسترده تولیدات پراکنده (DG) با بالا بردن سطح اتصال کوتاه، باعث از بین رفتن هماهنگی ادوات حفاظتی در سیستم توزیع میشود. با توجه به این که DGهای از نوع ماشین سنکرون (SMDG) بیشترین مشکل را برای هماهنگی سیستم (رلههای اضافه جریان) ایجاد میکنند؛ در این پایاننامه کنترل جریان خروجی ژنراتورهای سنکرون توسط تغییر تپچنجر ترانسفورماتور متصل به آن، هنگام وقوع خطا پیشنهاد شده است. در این روش، مشارکت SMDGها در تغذیهی جریان خطا، با کنترل تپچنجر، محدود میشود. قبل از وقوع خطا و متناسب با شرایط سیستم تپچنجر ترانسفورماتور متصل به ژنراتور سنکرون تغییر کرده و باعث کاهش جریان در هنگام بروز خطا میشود. روش پیشنهادی روی یک سیستم توزیع نمونه در ETAP پیادهسازی شده است؛ نتایج حاصل از شبیهسازی کارایی روش پیشنهادی را تأیید میکند.
پرونده مقاله
به دنبال گسترش استفاده از سپهرهای چند حاملی انرژی در صنایع، این مقاله یک چارچوب تصادفی جامع جهت مدیریت بهینه و برنامهریزی روزانه یک سپهر انرژی ادغامشده با منابع انرژی تجدید پذیر و بارهای پاسخگوی سرمایشی، حرارتی و الکتریکی و سیستم ذخیرهساز یخ ارائه میدهد. برای حل این چکیده کامل
به دنبال گسترش استفاده از سپهرهای چند حاملی انرژی در صنایع، این مقاله یک چارچوب تصادفی جامع جهت مدیریت بهینه و برنامهریزی روزانه یک سپهر انرژی ادغامشده با منابع انرژی تجدید پذیر و بارهای پاسخگوی سرمایشی، حرارتی و الکتریکی و سیستم ذخیرهساز یخ ارائه میدهد. برای حل این چالش، از روش تخمین نقطهای2m+1 جهت ارزیابی دقیق عدم قطعیتهای سیستم با پیچیدگی محاسباتی کم استفاده میشود. روش تخمین نقطهای2m+1 یک روش تحلیل عدم قطعیت سریع بر اساس سری تیلور است. در این روش عدم قطعیت منابع انرژی تجدید پذیر و بارهای الکتریکی و حرارتی سپهر انرژی و همچنین قیمت مبادله با شبکههای مختلف توزیع انرژی بالادستی در نظر گرفتهشده است. این مقاله همچنین یک روش بهینهسازی خود-تطبیق جدید به نام الگوریتم بهینهسازی خود-تطبیق بهبودیافته کپک مخاطی (SMSMA) را جهت حل مسئله پیچیده غیرخطی برنامهریزی بهینه روزانه یک سپهر انرژی ارائه میدهد. روش خود-تطبیق بهبودیافته شده بر مبنای تئوری موجک است که قابلیت و توانایی الگوریتم اصلی کپک مخاطی را جهت حل مسئله برنامهریزی بهینه روزانه یک سپهر انرژی یکپارچه بهبود میبخشد. نتایج عددی نشان میدهد که چارچوب برنامهریزی تصادفی روزانه پیشنهادی، همراه با الگوریتم بهینهسازی SMSMA پیشنهادی، هزینههای بهرهبرداری سپهر انرژی را کاهش میدهد.
پرونده مقاله
انرژی خورشیدی منحصربه فردترین و مقرون به صرفه منبع انرژی تجدیدپذیر در جهان است و می تواند به اشکال دیگر انرژی تبدیل گردد. لذا در این مقاله قرار است تا به صورت کلان و در چشم انداز دراز مدت به امکان سنجی فنی و اقتصادی نصب یک واحد نیروگاه خورشیدی از نوع منفصل از شبکه با پش چکیده کامل
انرژی خورشیدی منحصربه فردترین و مقرون به صرفه منبع انرژی تجدیدپذیر در جهان است و می تواند به اشکال دیگر انرژی تبدیل گردد. لذا در این مقاله قرار است تا به صورت کلان و در چشم انداز دراز مدت به امکان سنجی فنی و اقتصادی نصب یک واحد نیروگاه خورشیدی از نوع منفصل از شبکه با پشتیبانی باتری برای تأمین بخشی از برق شهر بغداد در کشور عراق پرداخته شود. تابع هدف این مسئله شامل هزینه نصب و تعمیر و نگهداری صفحات خورشیدی، باتری ها و اینورتر است که با نرخ بهره مشخص در چشم انداز 20 ساله با استفاده از روشهای فرا ابتکاری IPSO و ALPSOبرای حل شده است، همچنین فاکتور میزان بار از دست رفته، حد مجاز شارژ و دشار باتری ها از جمله قیود اصلی مسئله هستند. یکی از ویژگی هایی که این مقاله را از سایر مقالات متمایز می کند اجرای آن برای مورد عملی شهر بغداد است، همچنین بررسی سود احتمالی حاصل از فروش برق به شبکه بالادست و استفاده از الگوریتم جدید ALPSOهم از دیگر ویژگی ها و نوآوری های این مقاله به شمار می روند. این الگوریتم از یک فرآیند جستجوی تطبیقی سه مرحله ای استفاده می کند و باعث می شود تا قیود مسئله به خوبی رعایت شوند. نتایج نشان می دهند که روش های پیشنهادی باعث کاهش قابل توجه بار از دست رفته (به خصوص در روش ALPSO)، کاهش هزینه تعمیر نگهداری و نصب می شوند و در کل باعث بهبود عملکرد سیستم می شوند.
پرونده مقاله
رشد اقتصادی هر کشوری ارتباط زیادی با زیرساخت های زنجیره تأمین انرژی الکتریکی و قابلیت دسترسی کم هزینه به آن دارد. بالا بردن تاب آوری زنجیره تأمین انرژی الکتریکی جهت قابلیت پاسخگویی به تقاضای لحظه ای مشترکین پرمصرف و استراتژیک چالشی است که بدون در نظر گرفتن پیش بینی بلند چکیده کامل
رشد اقتصادی هر کشوری ارتباط زیادی با زیرساخت های زنجیره تأمین انرژی الکتریکی و قابلیت دسترسی کم هزینه به آن دارد. بالا بردن تاب آوری زنجیره تأمین انرژی الکتریکی جهت قابلیت پاسخگویی به تقاضای لحظه ای مشترکین پرمصرف و استراتژیک چالشی است که بدون در نظر گرفتن پیش بینی بلندمدت تقاضا و برنامه ریزی توسعه یکپارچه این زنجیره ممکن نخواهد بود. در این مقاله یک رویکرد پیش بینی بلندمدت تقاضا در زنجیره تأمین انرژی الکتریکی صنایع سنگ آهن اسپیدان اصفهان با استفاده از ترکیب تبدیل موجک، شبکه عصبی مبتنی بر یادگیری عمیق (LSTM) و در نهایت ادغام نتایج با تکنیک داده کاوی مبتنی بر ماشین یادگیری شدید تنظیم شده پیشنهاد شده است. شرکت مورد مطالعه در این تحقیق از تأمین کنندگان اصلی مواد اولیه در زنجیره تأمین صنایع تولید فلزات اساسی و یکی از ده صنعت انرژی بر در زنجیره تأمین انرژی الکتریکی استان اصفهان است. تنها اطلاعات موجود و در دسترس از این شرکت سری زمانی سیگنال تقاضای تاریخی انرژی الکتریکی این صنعت در یک بازه زمانی 40 ماهه و به صورت 24 ساعته می باشد. داده ها در سری زمانی مورد مطالعه منقطع است به طوریکه فقط 50 درصد از داده ها دارای مقدار و50 درصد مابقی صفر می باشد. این نقصان داده و عدم امکان دسترسی به داده های مکمل و ویژگی های مؤثر جهت پیش بینی باعث کاهش تراکم داده ها شده و امکان پیش بینی تقاضای بلندمدت را نسبت به سری های زمانی پیوسته با مشکلات بیشتری روبرو می کند. آنالیزآماری بکار رفته نشان داد که داده های سالانه و فصلی از توزیع نرمال پیروی نمی کند و دارای تورش و ناهمگونی بالایی می باشد. روش پیشنهادی و نتایج حاصل از آن با سایر روش های موجود مورد مقایسه قرار گرفته است. نتایج حاصل از 10 تکرار روش های ماشین یادگیری شدید نشان می دهد که تکنیک (RELM) با سطح اطمینان بالای 95% از سایر روش های یادگیری ماشین مؤثر تر و نتایج دقیق تری دارد.
پرونده مقاله