فرمت فایل : doc
حجم : 908
صفحات : 17
گروه : پژوهش |
ترجمه مقاله پلت¬فرم آموزش شبیه سازی برای شبکه¬های هوشمند
چکیده
آموزشسیستمهایقدرت بدلیل پیچیدگیروز افزون سیستمهای انرژی با چالشهای جدی روبروست. در این مقاله، یکپلتفرم آموزشیمبتنی برشبیهسازیبرای آموزش دانشجویانو متخصصان سیستمهای قدرت در کاربردهای شبکه هوشمند پیچیده ارائه میشود. این سیستمبه بخشهاییمانندشبکه برقو یاتقسیمکنترلیتقسیم میشود وسپس ابزار تخصصیدامنه خاصمربوطهکه قادر بهشبیهسازی رفتارکلی است استفاده میشود.تجارب مربوط به آموزش ایجاد شدهومواد آموزشیومحیط مدلسازی وشبیهسازیبحث شده است. استفادهاز روشهای مدلسازی وشبیهسازیپیشرفته، بویژه هنگامیکهقابلیتهای جدیدیاز طریقجفت کردن شبیهسازی ارائه میشود،روش قابل دسترسی برای تمرین دادنو آموزش دانشجویان بصورت موثردر زمینهمیان رشتهای سیستمهای قدرت است.
واژگان کلیدی
اتوماسیون، آموزش مهندسیبرق،محاسباتتجزیه و تحلیل سیستم قدرت، کنترل سیستم قدرت، شبیهسازی سیستمهای قدرت،سیستم هایSCADA، شبکه های هوشمند، آموزش.
وضوحا محرکهای اصلی در رسیدن به سیستم انرژی الکتریکی هوشمند افزایش منابع انرژی تجدیدپذیر (RES) (از جمله باد و خورشید)، خودروهای برق (EV)، زیرساختهای انعطافپذیرتر شبکه، مدلهای بازار جدید و همچنین دستیابی به سیستم انرژی پایدار بدون انتشار گاز است [1]-[3]. نیاز به درک اتصالات داخلی بین اجزای سیستم قدرت به دلیل پیچیدگیناشی ازبازیکنانو بازیگران بیشمار آن بطور پیوسته در حال افزایش است [4]. این نه تنهاشامل سیستمهای فیزیکیمیشود بلکه ارتباطاتو کنترلاجزایقدرتمتصل شده و تجهیزات دیگر را نیز در بر میگیرد [5]. به این نیازهابراساستحولاتاخیروتحقیقدرسیستمهایسایبرفیزیکی پراخته شده است. در نتیجهاین روند لازم است تا ازجنبهآموزشیبه این موضوع پرداخته شود که حرکت سیستمهای قدرتبه سویشبکههوشمند را پوشش میدهد [4]، [6]، [7]. هدف ازچنینشبکهای– مطابق تعریفوزارتانرژی ایلات متحده(DOE) -بهبودراندمان، قابلیت اطمینان،اقتصاد وپایداریشبکهبرقتوسطعملیاتو کنترلهوشمندتامین کنندگانو مصرف کنندگان است [8].
میتوان از آموزش و یادگیری مبتنی بر مفاهیم مدلسازی و شبیهسازی اجزا برای درک نحوه کار یک سیستم استفاده کرد [9]، [10]. هنگام طراحی مفاهیم اتوماسیون و کنترل هوشمند همانند سیستمهای مدیریت انرژی، الگوریتمهای کنترل ولتاژ، حفاظت دینامیکی، بازآرایی ساختار و همچنین مکانیزمهای پاسخ به تقاضا؛ مهندسان بایستی اگوهای کنترلی مختلف همانند روشهای مرکزی، سلسلهمراتبی و توزیعی را درک کنند. همچنین آنهای بایستی یاد بگیرند تا در مورد ابزارهای مختلف و نقاط قوت و ضعف آنها آگاهی داشته و بتوانند آنها را بکار ببرند همچنین بایستی نحوه اتصال آنها به یکدیگر را نیز بدانند [11]. محیطهای شبیهسازی کوپل شده که زمینههای فوقالذکر را پوشش میدهند رویکردهای نویدبخشی برای آموزش و یادگیری دانشجویان و متخصصان سیستمهای قدرت هستند. در شبیهسازی کلاسیک، یک ابزارمربوط به حل کننده آن برای افزودن معادله مدل استفاده میشد. ابزار شبیهسازی چنددامنهمدلها را جدا کرده و از بیش از یک افزونه استفاده میکند، اما هنوز هم یک رویکرد "مدل بسته" است. اگر دو ابزار شبیهسازی و یامدلساز برای مدلسازی جداگانه زیر سیستم استفاده شود که دوباره به یک سیستم معادلات تبدیل میشوند، این هنوز "شبیهسازی بسته" است اما با "مدل توزیع شده". هنگامیکه از بیش از یک ابزار شبیهسازی برای مدلسازی و حل استفاده شود، نتیجتا "شبیهسازی توزیع شده" مربوط به "مدل توزیع شده" بایستی کوپل شود؛ که تحت عنوان شبیهسازی کوپل شده و یا "شبیهسازی مشترک[1]" نامیده میشود. جزئیات بیشتر را میتوان در مدولاریتی مدلسازی ایجاد کرد (قیدبه ازای کوپلینگنیروی اعمالی) و در واسطها (کوپلینگ قوی از طریق خروجی-کد و یا اتصال ضعیف از طریق تابع تعبیه شده و یا جابجایی متغیر) [12].
در شبکههای هوشمند،علاوه بر برنامههای درسی متعارف مهندسی برق، مهارتها و فنآوریها نیز لازم هستند [6]، [13]. مباحث مربوط به اتوماسیون (به عنوان مثال، اتصال انرژیهای تجدیدپذیر) و همچنینICT(به عنوان مثال، شبکهها/پروتکلهای کامپیوتری، امنیت سایبری) و از جمله دیگر حوزههای فیزیکی معمولا با روشهای آموزش و یادگیری سنتی پوشش داده نمیشود.
نوآوری اصلی این مقاله معرفی یک پلتفرم مبتنی بر شبیهسازی مشترک برای آموزش و یادگیریدرک سیستماتیک تغییرات پیشرو در انرژی الکتریکیسیستمهای امروز است. محیط آموزشی به آموزش مداوم افراد متخصص سیستم قدرت و همچنین آموزش دانشجویان سیستمهای قدرت میپردازد و عملیات فنی شبکه مربوط به شبکههای توزیع توان اکتیو پوشش میدهد. تجارب برامده از پروژههای تحقیقاتی واقعی،آزمایشاتمیدانی و نمایشهای آزمایشگاهی، اجرای عملی آموزش را تکمیل میکند. تاکیدات بر روی اتصال مختلف حوزههای مهندسی - از طریق رابطها بهدیگر ابزار - به منظور یادگیری چگونگیغلبه بر پیچیدگیها توسط شبیهسازی اجزا است. تمرکز بیشتر بر معرفی استفاده از نرم افزار رایگان و منبع باز برایایجاد انگیزه در دانشجویانبرای استفاده از برنامههای خارج از دانشگاهبرای تحقیق بیشتر است.
[1]Co-simulation
فرمت فایل : doc
حجم : 987
صفحات : 16
گروه : پژوهش |
ترجمه مقاله بازآرایی شبکه ی هوشمند با الگوریتم ژنتیک و NSGA-II
( + به همراه متن اصلی انگلیسی مقاله )
2012 3rd IEEE PES Innovative Smart Grid Technologies Europe (ISGT Europe), Berlin
Smart Grid Reconfiguration Using Simple Genetic Algorithm and NSGA-II
Abstract--Increased penetration of distributed generators (DGs) is one of the characteristics of smart grids. Distribution grid reconfiguration is one of the methods of accommodating more DG into the electric grid, which is illustrated with the help of a 16 node test network in this paper. The reconfiguration of the distribution grid involves changing the grid topology thereby optimizing a few objectives. In addition to the inclusion of DGs, grid reconfiguration also helps in achieving minimal power loss, minimal voltage deviation etc. In this paper the grid reconfiguration problem is formulated as an optimization problem. Simple genetic algorithm (GA) and its variant NSGA-II are used for solving the optimization problem. For a simple test system like the 16 node system discussed in this paper, simple GA is efficient enough to find the global optimum for a single objective optimization. The paper also illustrates the advantage of NSGA-II compared to simple GA when multiple objectives are considered.
Index Terms— Distribution grid, Genetic algorithm, Grid reconfiguration, NSGA-II, Optimization, Smart grid
بازآرایی شبکهی هوشمند با الگوریتم ژنتیک و NSGA-II
چکیده
افزایش اتصال ژنراتورهای پراکنده (DGها) و توان تزریقی آنها یکی از مشخصات شبکههای هوشمند است. بازآرایی شبکهی توزیع یکی از روشهای بسیار مناسب است که با استفاده از آن تعداد بیشتری DG در داخل شبکهی برق قرار داده میشود که در این مقاله با استفاده از یک شبکه آزمایش دارای 16 گره نشان داده شده است. بازآرایی شبکه توزیع شامل تغییر ساختار (توپولوژی) شبکه و در نتیجهی بهینهسازی چند هدف است. علاوه بر قرار دادن DGها، بازآرایی شبکه نیز در دستیابی به کمترین تلفات توان، کمترین انحراف ولتاژ و غیره کمک میکند. در این مقاله، مساله بازآرایی شبکه به صورت یک مسئلهی بهینهسازی فرمولبندی شده است. برای حل این مسالهی بهینهسازی، الگوریتم ژنتیک ساده (GA) و شاخهای از آن یعنی NSGA-II استفاده میشوند. برای یک سیستم آزمایش ساده مانند سیستم 16 گرهی مورد بحث در این مقاله، GA ساده به اندازهی کافی موثر است تا نقطه بهینهی کلی (جهانی) را برای یک بهینهسازی هدف واحد پیدا کند. این مقاله، همچنین زمانیکه چندین هدف در نظر گرفته میشود مزیت NSGA-II را در مقایسه با GA ساده نشان میدهد.
کلمات کلیدی: شبکه توزیع، الگوریتم ژنتیک، بازآرایی شبکه، NSGA-II، بهینهسازی، شبکه هوشمند
فرمت فایل : doc
حجم : 2932
صفحات : 30
گروه : پژوهش |
ترجمه مقاله برنامه ریزی عملیاتی چندهدفه ی تصادفی سیستم های توزیع هوشمند با در نظر گرفتن برنامه های پاسخ دیماند
( + به همراه متن اصلی انگلیسی مقاله )
Electric Power Systems Research 111 (2014) 156–168
Stochastic multi-objective operational planning of smart distribution systems considering demand response programs
The development of smart grids offers new opportunities to improve the efficiency of operation of Distributed Energy Resources (DERs) by implementing an intelligent Distribution Management System(DMS). The DMS consists of application systems that are used to support the DERs management under-taken by a Distribution System Operator (DSO). In this paper, a conceptual model for a Demand Response Management System (DRMS), conceived as an application system of a DMS, is presented. Moreover, an optimization tool, able to consider the available DERs (conventional or renewable Distributed Generations (DGs) and demand response) is proposed. The optimization tool uses a stochastic multi-objective method in order to schedule DERs and aims at minimizing the total operational costs and emissions while considering the intermittent nature of wind and solar power as well as demand forecast errors. In order to facilitate small and medium loads participation in demand response programs, a Demand Response Provider (DRP) aggregates offers for load reduction. The proposed scheduling approach for DERs is tested on a 69-bus distribution test system over a 24-h period
Keywords: DMS, Smart grid, Emissions, Multi-objective optimization, Demand response
برنامهریزی عملیاتی چندهدفهی تصادفی سیستمهای توزیع هوشمند با در نظر گرفتن برنامههای پاسخ دیماند
چکیده
توسعهی شبکههای هوشمند فرصتهای جدیدی را برای بهبود بازده عملیات منابع انرژی پراکنده (DERها) با پیادهسازی سیستم مدیریت توزیع هوشمند (DMS) ارائه میدهد. DMS متشکل است از چند سیستم کاربردی که برای پشتیبانی از مدیریت DERهای مورد استفاده توسط اپراتور سیستم قدرت (DSO) بکار برده میشود. در این مقاله، یک مدل مفهومی برای سیستم مدیریت پاسخ دیماند (DRMS) که تحت عنوان سیستم کاربردی DMS شناخته شده است ارائه میشود. همچنین، یک ابزار بهینهسازی که قادر به در نظر گرفتن DERها (تولیدات پراکندهی (DGهای) متداول و تجدیدپذیر و پاسخ دیماند) است ارائه میشود. ابزار بهینهسازی از روش چندهدفهی تصادفی به منظور زمانبندی DERها استفاده میکند و هدف آن مینیممسازی کل هزینههای بهرهبرداری و انتشارهاست در حالیکه ماهیت متناوبی (قطعی) توان بادی و خورشیدی و همچنین خطاهای پیشبینی دیماند را مد نظر قرار میدهد. به منظور تسهیل مشارکت بارهای کوچک و بزرگ در برنامههای پاسخ دیماند، یک ارائهدهندهی پاسخ دیماند (DRP) پیشنهادات را برای کاهش بار گردآوری میکند. رویکرد زمانبندی پیشنهادی برای Derها بر روی سیستم تست توزیع 69 باسه در 24 ساعت آزمایش میشود.
کلمات کلیدی:
DMS، شبکهی هوشمند، انتشارها (آلودگیها)، بهینهسازی چند هدفه، پاسخ دیماند
فرمت فایل : docx
حجم : 2338
صفحات : 41
گروه : پژوهش ها |
نمونه ترجمه
چکیده: تاثیر مصرف انرژی و انتشار کربن در انگلستان یک چالش جدی است. این چالش بویژه در میان ساکنان دانشگاه، جایی که استفاده از برق و انتشار کربن بطور نامرئی در دانشجویان باقی میماند. در خوابگاه دانشجویی، انتخابهای شخصی و تأثیرات اجتماعی بر مصرف برق و کاهش حاصله انتشار کربن در نهایت تاثیر میگذارد. بنابراین، راهحل های نوآورانه برای تغییر رفتار مصرف انرژی دانشجویان مورد نیاز است و یک قسمت امیدبخش راهحل، ارائه زمان واقعی اطلاعات مصرف برق به دانشجویان در زمان واقعی از طریق وب است، در حالی که، در همان زمان، بکارگیری نماینده انرژی در هر سالن به القاء انگیزه در میان دانشجویان منجر میشود. نتایج برخی از مداخلات نشان میدهد که بازخورد فوری انرژی از وسیلهای سنجش هوشمند و یا دستگاههای نمایشی می تواند صرفه جویی 5٪ -15٪ را سبب شود. با این حال، وضعیت متفاوت است. با پیچیدگی در رفتار گروههای هدف "دانشجویان ساکن در خوابگاه"، جنبه های اقتصادی و زیست محیطی در این مسائل رسیدگی میشود. بنابراین، ما یک سیستم برای رسیدگی به این موضوع، با استفاده از حسگرهای هوشمند (زمان واقعی ضبط داده برق)، یکپارچه سازی رابط اختصاصی وب (نمایش زمان واقعی بازخورد برق) و یک نماینده انرژی منصوب در هر سالن (یک محرک) را بکار بردیم. انتظار میرود که دانشجویان ساکن در خوابگاه برای کاهش اتلاف برق با انگیزه شوند، بنابراین، باعث کنترل هزینههای انرژی و کاهش انتشار کربن به محیط زیست شد. در پژوهش حاضر، ما در دانشگاه کنت، دانشگاه کانتربری بر مطالعه استراتژیکی حفاظت از انرژی و کاهش انتشار کربن تمرکز کردیم.
Abstract: The impact of energy consumption and carbon emission in the UK poses a grave
challenge. This challenge is particularly high amongst residents of university campuses,
where usage of electricity and carbon emission remain invisible to the students. In student
residential accommodation, personal choices and social influences affect electricity
consumption and ultimately the resultant reduction in carbon emissions. Therefore,
innovative solutions are required to change students’ energy consumption behavior, and
one promising part of the solution is to present real-time electricity consumption data to
students in real-time via a dedicated web platform, while, at the same time, appointing an
energy delegate in each hall to induce motivation among the students. The results of some
interventions show that immediate energy feedback from smart meters or display devices
can provide savings of 5%–15%. However, the situation is different; with the complexity
in behavior of our target groups “the students who are living in the halls of residence”,
there are economical and environmental aspects to be addressed in these issues, in the
campus halls of residence. Therefore, we propose a system to address this issue, by
applying smart sensors (real-time electricity data capture), integration of dedicated visual
web interface (real-time electricity feedback display) and an appointed energy delegate in
each hall (a motivator). It is expected that this will motivate students living in the halls of
residence to reduce their electricity wastage and, therefore, control the energy cost and also
reduce the carbon emissions released into the environment. In the present research, we
focus on the University of Kent, Canterbury campus to study energy conservation and
فرمت فایل : pdf
حجم : 2168
صفحات : 91
گروه : برق ،الکترونیک و مخابرات |
پایان نامه مانیتورینگ گسترده و هوشمند توربین بخار با استفاده از سیستم چند عامله براساس رویکردترکیب اطلاعات
چکیده:
در این پایان نامه، هدف، طراحی یک سیستم مونیتورینگ هوشمند برای تشخیص خطا بر روی سیستم توربین بخار می باشد. در ابتدا به ارائه توضیحات مختصری از توربین های بخار (انواع، قطعات، کارکرد و…) می پردازیم. در ادامه سیستم یک توربین بخار 440MW را در محیط شبیه سازی Matlab مدل نموده و رفتار حلقه بسته این سیستم را با طراحی یک کنترل پیش بین (GPC) مورد بررسی قرار می دهیم. سپس یک ساختار ANFIS برای شناسایی و تشخیص خطاهای رخ داده در سیستم طراحی می کنیم. در انتها، نتایج حاصل از طراحی این کنترلر و سیستم تشخیص خطا نشان داده شده است.
مقدمه:
بروز خطا در یک فرایند یکی از مهمترین مسائلی است که مهندسین کنترل با آن دست به گریبانند. برخی از نقص ها و عیوب بوجود آمده نه تنها از طریق کم کردن راندمان پروسه باعث زیان واحد صنعتی می شود بلکه می تواند در مواردی منجر به بروز فجایع بزرگ شود. به همین دلیل شناسایی زود هنگام این عیوب و سعی بر کنترل واحد صنعتی حتی در حضور آنها به منظور جلوگیری از قطعی کار فرایند یکی از مسائل مهم و به روز در زمینهی کنترل صنعتی به شمار می رود.
توربین بخار از واحدهای صنعتی مهم با عملکرد رفتاری پیچیده، غیرخطی و متغییر با زمان بوده که نقش بسیار کلیدی را در نیروگاههای حرارتی ایفا میکند . بروز عیب رفتاری موجب ایجاد اشکال در عملکرد عادی توربین بخار شده و چنانچه به موقع تشخیص و نسبت به رفع آن اقدامی صورت نگیرد منجر به توقف عملکرد و در نهایت ایجاد سوانح و حوادث تجهیزاتی و حتی جانی میشود. در این راستا شبکه هایی طراحی می شوند که بتوانند بستری را فراهم نمایند که الگوریتم های تشخیص خطا
بیشترین نرخ تشخیص درست را توسط آنها بدست آورند. روشهای ارائه شده نه تنها باید قابلیت تشخیص وقوع عیب در سیستم را دارا باشند بلکه باید بتوانند نوع خطا و مشخصات آنرا شناسایی نمایند.
فصل اول: کلیات
1-1) هدف
شناسایی و تشخیص خطا در سیستمهای صنعتی یکی از مهمترین مسائلی است که مورد توجه طراحان مهندسی قرار دارد و دراین راستا سیستمهایی را طراحی میکنند که در صورت رخداد هرگونه اشکال در سیستم سریعاً این مشکل مونیتور شده و پس ازمشخص شدن منشاء آن نسبت به برطرف نمودن آن اقدامات لازم صورت پذیرد.
هدف اصلی ما در این پروژه بررسی عملکرد توربین بخار زمانیکه یک عیب در سیستم رخ داده باشد و طراحی یک سیستم تشخیص خطا میباشد. این عیب میتواند بر روی اندازه گیری سنسورهای فشار، دما و غیره که ورودیهای سیستم هستند و یا بر روی درصد باز – بسته بودن شیرهای کنترلی که خروجی سیستم هستند اتفاق بیفتد. همچنین تجهیزات اصلی توربین نیز میتوانند دچار مشکل شوند مانند گرفتگی در Extraction های توربین، خرابی درتجهیزات رطوبت گیر و غیره. در این راستا پس از مدلسازی توربین بخار و طراحی کنترلر پیش بین مناسب، یک ساختار ANFIS برای تشخیص 12 نوع عیبی که احتمال وقوع آن در توربین زیاد است پیشنهاد میکنیم.
2-1) پیشینه تحقیق
مدلسازی توربین بخار توسط جناب آقای دکتر علی چایبخش انجام شده بود. همچنین برای تشخیص خطا در سیستمهای صنعتی در مقالات مختلف ، از روشهای عصبی مانند پرسپترون چند لایه (MLP) و SOM استفاده شده است. البته بیشتر در این مقالات بر روی کلاس بندی خطاهای رخ داده در سیستمها بحث شده است.
3-1) روش کار و تحقیق
در ابتدا مدل شبیه سازی شده توربین بخار را در نظر میگیریم و خروجی این سیستم که همان توان مکانیکی میباشد را بدست میآوریم. در مرحله بعد یک کنترل پیش بین (GPC) برای این سیستم طراحی و رفتار حلقه بسته این سیستم را مشاهده میکنیم. در ابتدا Set Point سیستم را تغییر میدهیم و خروجی سیستم را مشاهده میکنیم. سپس سه نوع اغتشاش به این سیستم اعمال میکنیم و خروجی سیستم را (در یک نقطه کار مشخص) مشاهده میکنیم. در انتها، یک سیستم تشخیص خطا را به کمک ساختار ANFIS طراحی میکنیم و نتایج حاصل از شناسایی و تشخیص خطا را در توربین بخار مشاهده می کنیم.