مدیریت و کاهش پیک بار در شبکه های هوشمند برق با منطق فازی و الگوریتم های هوشمند

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 718

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF01_516

تاریخ نمایه سازی: 8 آذر 1394

چکیده مقاله:

در این مقاله به ارائه یک سیستم مدیریت بار در شبکه های هوشمند پرداخته می شود. سیستم پیشنهادی شامل رویکردهای متنوعی -از جمله جابجایی زمانی بار و سوئیچ کردن بار بین منابع می باشد. این رویکردها به صورت پویا و با توجه به اطلاعات دریافتی از شبکه و همچنینپیش بینی صورت گرفته برای لحظات بعدی پیاده سازی می شوند. از روش شبکه های عصبی برای پیش بینی، از منطق فازی برای طرح برخیقواعد تصمیم گیری، و از الگوریتم های ژنتیک و ازدحام ذرات به منظور بهینه سازی پارامترهای سیستم بهره گرفته می شود. اهداف اصلی سیستم مدیریت شامل کاهش پیک، کاهش ناهمواری منحنی بار، کاهش تلفات، و افزایش تعادل ظرفیت باقیمانده منابع در نظر گرفته شده اند. علاوه بر این در سیستم پیشنهادی نوع بار مصرف کنندگان به عنوان اطلاعاتی مهم در مدیریت بار مدنظر قرار گرفته شده است

نویسندگان

سیدحسن عسگری

کارشناسی ارشد برق قدرت دانشگاه آزاد اسلامی واحد بجنورد

حسین لطفی

دانشجوی دکترای برق قدرت دانشگاه آزاد اسلامی واحد نیشابور

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • D. S. Kirschen and G. Strbac, "Fundamentak of power System ...
  • IEA, "Strategic Plan for the IEA Demand Side Management Program ...
  • C. Liu, Q.-A. Zeng, and Y. Liu, "A Dynamic Load ...
  • C. Liu, Q.-A. Zeng, and Y. Liu, "A Dynamic Load ...
  • J. Jantzen, Foundations of Fuzzy Control: A Practical Approach. John ...
  • S. Haykin, Neural networks: d comprehensive foundation. Prentice Hall PTR, ...
  • O. Nelles, Nonlinear system identificatio. from classical approaches to neural ...
  • D. Whitley, _ genetic algorithm tutorial, " Statistics and computing, ...
  • Grosan, C., Abraham, A., Monica, C.: Swarm Intelligence in Data ...
  • _ ena yagamoorthy , G.K., Harley, R.G.: Swarm Intelligence for ...
  • Kennedy, J., Eberhart, R.C.: Swarm Intelligence. Morgan Kaufmann Publisher, San ...
  • Bai, H., Zhao, B.: A Survey on Application of Swarm ...
  • Millonas, M.: Swarms, Phase Transitions, and Collective Intelligence. In: Langton, ...
  • Kennedy, J., Eberhart, R.: Particle Swarm Optimization. In: Proceedings of ...
  • نمایش کامل مراجع