رکوردهای مرتبط با این شخص

ارایه رویکردی مبتنی بر هوش مصنوعی برای پیش¬بینی بار کوتاه¬مدت در یک سیستم قدرت (1402) / اسدی ، سید امیر، نویسنده

نوع مدرک: متون چاپی سرشناسه اسدی ، سید امیر، نویسنده شماره بازیابی : ‭ELE ‭63 عنوان : ارایه رویکردی مبتنی بر هوش مصنوعی برای پیش¬بینی بار کوتاه¬مدت در یک سیستم قدرت عنوان موازی : Title of the Thesis: Presenting an Approach Based on Artificial Intelligence for Short Term Load Forecasting in a Power System ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 94ص شابک/شاپا 25274 یادداشت پایان‌نامه کارشناسی ارشد :رشته مهندسی برق گرایش سیستم¬های قدرت شناسه افزوده : بهبهانی فرد ، حمیدرضا توصیفگرها پیش¬بینی بار - یادگیری ماشین - شبکه عصبی - سیستم توزیع - تقاضای بار  Load Forecasting- Machine Learning- Neural Network -Distribution System- Load Demand چکیده : تقاضای انرژی الکتریکی یک منطقه به عوامل بسیاری مانند جمعیت، توسعه منطقه‌ای، آب‌وهوا، قیمت برق، صنعتی‌شدن و غیره بستگی دارد. آب‌وهوا نقش مهمّی در تخمین کل تقاضای برآورده شده با درجه¬ی دقّت زیادی داشته که به اپراتور سیستم کمک می‌¬کند تا تولید را بهینه کرده و ذخایر مناسب را باتوجه‌به هر گونه‌ی احتمالی حفظ کند. پیش‌بینی بار نقش مهمّی در تمام جنبه‌های برنامه‌ریزی، بهره‌برداری و کنترل یک سیستم قدرت الکتریکی دارد. همچنین برای عملکرد اقتصادی و قابلیّت اطمینان شبکه¬ی قدرت ضروری است؛ بنابراین، نیاز و ارتباط پیش‌بینی تقاضا برای یک شرکت برق به موضوعی بسیار موردبحث در سالیان اخیر تبدیل شده¬است. با توجه به افزایش شدید تقاضای انرژی الکتریکی و اهمیت پیداکردن نقش پیش‌بینی بار آینده، یکی از بهینه‌ترین ابزارها برای پیش‌بینی بار کوتاه‌مدت استفاده از روش‌های مبتنی بر یادگیری ماشین می¬باشد. هدف این پژوهش، بررسی روش¬های شبکه¬ عصبی مصنوعی چندلایه پرسپترون (MLP) ، شبکه عصبی تابع پایه شعاعی (RBF) ، شبکه عصبی رگرسیون بردار پشتیبان (SVR) و سیستم استنتاج فازی مبتنی بر شبکه¬ی تطبیقی (ANFIS) در دو سناریوی پیش¬بینی بار کوتاه¬مدّت به ترتیب بدون دخالت و با دخالت دما و رطوبت می¬باشد. روش شبکه عصبی ANFIS در سناریوی اول برای مرحله آزمایش دارای کم¬ترین مقدار میانگین درصد خطای مطلق (MAPE) در مقایسه با سایر روش¬ها بوده است. همچنین روش شبکه عصبی SVR در سناریوی دوم برای مرحله آزمایش دارای کم¬ترین مقدار MAPE در مقایسه با سایر روش¬ها می¬باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14218 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25274	‭ELE ‭63	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

برنامه ریزی ریزشبکه توزیع انرژی بر اساس مونیتورینگ غیر مستقیم (نظارت بر بار غیر نفوذی) با روش شبکه عصبی کانولوشن (1403) / بابادی ، مرتضی، نویسنده

نوع مدرک: متون چاپی سرشناسه بابادی ، مرتضی، نویسنده شماره بازیابی : ‭ELE ‭74 1403 عنوان : برنامه ریزی ریزشبکه توزیع انرژی بر اساس مونیتورینگ غیر مستقیم (نظارت بر بار غیر نفوذی) با روش شبکه عصبی کانولوشن عنوان موازی : Title of the Thesis : Planning of energy distribution microgrid based on Non-Intrusive Load Monitoring with convolutional neural network method ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1403 صفحه شمار: 83ص شابک/شاپا 25878 یادداشت پایان نامه کارشناسی ارشد :رشته مهندسی برق گرایش قدرت شناسه افزوده : بهبهانی فرد ، حمیدرضا، استاد راهنما شیرزادفر ، حمیدرضا، استاد مشاور توصیفگرها شبکه عصبی کانولوشن، الگوی بار مصرفی، شبکه هوشمند الکتریکی، مانیتورینگ بار از راه دور  Convolutional neural network, Load consumption pattern, electric smart grid, remote load monitoring چکیده : در دنیای امروز انرژی‌های تجدید پذیر توجه زیادی را به خود جلب نموده‌اند. استفاده بهینه از این انرژی در سیستم قدرت و ریز شبکه‌ها چالش‌هایی را به دنبال دارد که برای رفع آن می‌توان از روش‌های هوشمند استفاده نمود. برنامه‌ریزی هوشمند در سیستم کنترل ریز شبکه نیازمند داشتن اطلاعات کافی راجع به بارهای مصرفی و الگوی مصرف انرژی آن‌ها است. مانیتورینگ بار و دانستن الگوی بار مصرفی می‌تواند تا حد زیادی بهره‌برداری بهینه از یک سیستم انرژی را امکان‌پذیر نماید. مانیتورینگ بار از راه دور یک روش موثر برای تعیین الگوی بار مصرفی در یک شبکه توزیع است. در این پایان‌نامه با استفاده از روش‌های هوشمند بر مبنای شبکه‌های عصبی مصنوعی کانولوشن و با توجه به منحنی بار، الگوی بار مصرفی تشخیص داده‌شده است. روش پیشنهادشده توسط نرم‌افزار متلب پیاده‌سازی گردیده است و نتایج آن نشان‌دهنده موثر بودن آن و برخورداری از دقت مناسب و قابلیت اطمینان روش پیشنهادی است. شبکه عصبی مورد مطالعه محاسبات را تا حدود 12 درصد کاهش می دهد و نتایج آن بر روی سیستم 68 باس استاندارد نشان می دهد که شبکه موردنظر با پردازش کمتری نسبت به سایر روش ها الگوی بار را تشخیص داده است و از دقت بیشتری برخوردار است. برای تعیین میزان خطا در زمان تقاضای بار از روش میانگین خطا استفاده شده است که یک روش مناسب برای مقایسه و تعیین دقت روش شبکه عصبی است. استفاده از تشخیص الگوی بار باعث بهبود برنامه ریزی بار شبکه شده است و اختلاف پیک بار با حداقل بار روزانه را از 60 درصد به 45 درصد کاهش داده است. همچنین اختلاف پیک ولتاژ با حداقل پروفیل ولتاژ روزانه را از 16/0 پریونیت به 1/0 پریونیت کاهش داده است. این بهبود پروفیل ولتاژ در حد استاندارد 95/0 پریونیت تا 05/1 پریونیت است که نشان دهنده این است که استفاده از این روش پروفیل ولتاژ را بهبود میدهد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14714 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25878	‭ELE ‭74 1403	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص حالت جزیره ای منابع تولید پراکنده و بررسی اثر تغییرات بار بر حفاظت ضد جزیره ای (1402) / کریمی ، مهرداد، نویسنده

نوع مدرک: متون چاپی سرشناسه کریمی ، مهرداد، نویسنده شماره بازیابی : ‭ELE ‭61 1402 عنوان : تشخیص حالت جزیره ای منابع تولید پراکنده و بررسی اثر تغییرات بار بر حفاظت ضد جزیره ای عنوان موازی : Diagnosing the islanding state of distributed production resources and investigating the effect of load changes on anti-islanding protection ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 83ص شابک/شاپا 25070 یادداشت پایان¬نامه برای دریافت درجه کارشناسی ارشد«M.Sc.»: مهندسی برق - قدرت شناسه افزوده : بهبهانی فرد ، حمیدرضا، استاد راهنما شیرزادفر ، حمیدرضا، استاد مشاور توصیفگرها حفاظت ضدجزیره‏ای، منابع تولید پراکنده (DG)، رله‏های مبتنی بر فرکانس، روAnti-island protection, Distributed Generation Resources (DG), Frequency based relays, Passive methods, Load changes چکیده : بهرهگیری از منابع تولید پراکنده در سیستمهای توزیع برق به طور قابل توجهی در سالهای گذشته افزایش یافته است. تنوع در نیروگاههای برق، کاهش میزان توان انتقالی توسط خطوط انتقال (کاهش تلفات خط) و افزایش قابلیت اطمینان سیستم از جمله فواید و مزایای منابع تولید پراکنده میباشد. با این حال، نصب و راهاندازی DGها، باید با مطالعات دقیقتری برای شناسایی اثرات ممکن بر شبکههای توزیع و منابع تولید پراکنده مانند شناسایی حالت جزیرهای، انجام گیرد. جزیرهای شدن یا قطع ارتباط بخشی از سیستم توزیع از شبکه اصلی در صورتی رخ میدهد که به واسطه برخی دلایل تأمین توان از شبکه اصلی قطع گردد و DG همچنان به تغذیه سیستم توزیع ادامه دهد. با توجه به اینکه حالت جزیرهای باعث ایجاد خطراتی برای افراد و تجهیزات الکتریکی شبکه میشود و اثرات منفی در حفاظت و عملکرد سیستم توزیع دارد، تداوم کار سیستم در این حالت قابل قبول نیست و برای جلوگیری از این خطرات و مشکلات، باید در کمترین زمان ممکن وضعیت جزیرهای شناسایی گردد و DGها از سیستم توزیع جدا شوند. حالت جزیرهای را به روشهای مختلفی از جمله روشهای از راه دور، روشهای اکتیو و پسیو میتوان شناسایی کرد. عملکرد حفاظت ضد جزیرهای تحت تأثیر عوامل مختلفی مانند بارهای وابسته به ولتاژ، ثابت اینرسی ژنراتور سنکرون، تغییرات بار در نقاط مختلف سیستم و ... قرار دارد. با توجه به مسایل ذکر شده ومشکلاتی که ناشی از جزیره ای شدن ناخواسته ی ریز شبکه میباشد .بایستی روش مناسب و کارامدی برای تشخیص این پدیده اتخاذ شود . هدف این پایاننامه، علاوه بر معرفی روشهای شناسایی حالت جزیرهای، بررسی اثرات تغییرات بار بر عملکرد رلههای مبتنی بر فرکانس میباشد. در این راستا، اثرات تغییرات بار در حالت توان اکتیو اضافی و کمبود توان اکتیو و در شرایطی که ژنراتور سنکرون در وضعیت کنترل ولتاژ و کنترل توان تنظیم شده باشد، مورد تجزیه و تحلیل قرار گرفته است . روش پسیو پیشنهاد شده مبتنی بر اندازه گیری تغییرات فرکانس در ریز شبکه حاوی ژنراتور سنکرون است . شبیه سازی های روش پیشنهادی در محیط نرم افزار ETAP انجام گرفته ونتایج شبیه سازی بر روی دو سیستم ریز شبکه تک ماشینه پنج باس و 39 باس IEEE نشان دهنده کارایی روش پیشنهادی در مقایسه با سایر روش های متداول است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14080 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25070	‭ELE ‭61 1402	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

جایابیDDVR مبتنی بر DSMES با قابلیت اصلاح کیفیت توان و تامین توان در شبکه نمونه با الگوریتم ژنتیک (1404) / نیل فروش زاده ، علیرضا، نویسنده

نوع مدرک: متون چاپی سرشناسه نیل فروش زاده ، علیرضا، نویسنده شماره بازیابی : ‭EES ‭9 1404 عنوان : جایابیDDVR مبتنی بر DSMES با قابلیت اصلاح کیفیت توان و تامین توان در شبکه نمونه با الگوریتم ژنتیک عنوان موازی : DDVR Placement based on DSMES for Power Quality Improvement and Supplying Power in Sample Network with Genetic Algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1404 صفحه شمار: 107ص شابک/شاپا 26124 یادداشت پایان نامه کارشناسی ارشد رشته :مهندسی برق گرایش برنامه‌ریزی و مدیریت سیستم‌های انرژی الکتریکی شناسه افزوده : بهبهانی فرد ، حمیدرضا، استاد راهنما شیرزادفر ، حمیدرضا، استاد مشاور توصیفگرها پاسخ‌گويي‌به تقاضا، ادوات جبران‌ساز توان،DDVR ، DSMES، الگوریتم ژنتیک  Demand response, power compensation devices, DDVR, DSMES, genetic algorithm چکیده : استفاده روبه‌رشد از انرژی الکتریکی و اهمیت پاسخ‌گویی به تقاضا با کیفیت مطلوب در صنعت برق و ازطرفی هزینه بالای ساخت نیروگاه‌های بزرگ و متمرکز، همچنین مشکلات خطوط بلند انتقال انرژی، باعث شده تا گسترش خطوط انتقال به دغدغه اصلی بهره‌برداران سیستم قدرت تبدیل شود. از طرفی با تغییر ساختار شبکه‌های قدرت در سال‌های اخیر، بار تحمیلی به شبکه‌های انتقال افزایش و الگوی این تحمیل بار تغییریافته است. برای جبران این تغییرات، به‌دست‌آوردن حریم‌های جدید برای عبور خطوط ‌انتقال نیرو بسیار مشکل است. به‌همین‌جهت، استفاده ازمنابع‌تولیدپراکنده وادوات جبران‌ساز توان برای افزایش حداکثری ظرفیت توان به دلیل سرعت اجرا و بهره‌برداری مورد توجه بیشتری قرارگرفته است. از طرفی هزینه زیاد ادوات FACTS و لزوم چندکاره بودن آنها و همچنین توسعه منابع توزیع‌شده، زمینه‌ساز تحقیق برای پیداکردن راه‌حل این مشکلات است، زیرا تعیین محل و ظرفیت ادوات جبران‌ساز توان، تاثیر قابل‌ملاحظه‌ای در مدیریت منابع مالی، بهبود کیفیت توان و عملکرد شبکه دارد. در این پژوهش، با هدف جبران کاهش افت ولتاژ و بهبودکیفیت توان، یک مدل کارآمد برای جایابی و تعیین ظرفیت تجهیز خاص جبران‌ساز موسوم به DDVR مبتنی برانباره DSMES درشبکه نمونه پیشنهاد و بررسی می‌شود. با توجه به محدودیت‌های دسترسی به شبکه توزیع، به استفاده از الگوریتم ژنتیک به‌طور خاص و در ترکیب با روش حل کلاسیک در محیط MATLAB تکیه و نتایج اثربخشی مقایسه ‌شده‌است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14960 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
26124	‭EES ‭9 1404	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت