بهینه سازی کنترل توان راکتیو

توضیحات

بهینه سازی کنترل توان راکتیوفرمت فایل:PDF تعداد صفحه:203 فهرست مطالب : چكيده ١ مقدمه ٢ فصل اول- کليات ٣ فصل دوم- معرفي آنترل توان راآتيو و مروري بر روشهاي حل مسأله بهينه سازي توان راآتيو ١- مقدمه ٨ -٢ ٢- دلايل آنترل توان راآتيو ٨ -٢ ٣- اهداف آنترل توان راآتيو در جبران سازي بار ١٠ -٢ ١- ثابت نگهداشتن ولتاژ در يك سطح معين ١٠ -٣ -٢ ٢- اصلاح ضريب توان ١٢ -٣ -٢ ٣- متعادل آردن بار ١٣ -٣ -٢ ٤ مروري بر روش هاي حل مسأله بهينه سازي ١٤ -٢ ١ الگوريتم هاي مبتني بر روش عددي ١٥ -٤ -٢ ٢ الگوريتم هاي مبتني بر هوش مصنوعي ١٥ -٤ -٢ ٥ نتيجه گيري ١٦ -٢ فصل سوم- تئوري مجموعه هاي فازي ١٧ ١ مقدمه ١٨ -٣ ٢ نظريه مجموعه هاي فازي در مقابل مجموعه هاي کلاسيک ١٨ -٣ ٣ تابع عضويت ٢٠ -٣ ١ تابع عضويت مثلثي ٢٠ -٣ -٣ ٢ تابع عضويت ذوزنقهاي ٢١ -٣ -٣ ٣ تابع عضويت گوسي ٢١ -٣ -٣ ٤ تابع عضويت زنگولهاي شکل ٢٢ -٣ -٣ ٤ معرفي مفاهيم اساسي مرتبط با مجموعههاي فازي ٢٢ -٣ ١تکيهگاه ٢٣ -٤ -٣ ٢ منفرد فازي ٢٣ -٤ -٣ ٣ مجموعه فازي تهي ٢٣ -٤ -٣ ٤ مرکز ٢٣ -٤ -٣ ٥ نقطه تقاطع ٢٣ -٤ -٣ ٦ ارتفاع ٢٣ -٤ -٣ ٧ برش آلفا ٢٤ -٤ -٣ ٥ عمليات بر روي مجموعه فازي ٢٤ -٣ ١ معادل بودن دو مجموعه فازي ٢٤ -٥ -٣ ٢ زير مجموعه بودن ٢٤ -٥ -٣ ٣ مکمل مجموعه فازي ٢٤ -٥ -٣ ٤ اجتماع دو مجموعه فازي ٢٥ -٥ -٣ ٥ اشتراک دو مجموعه فازي ٢٥ -٥ -٣ ٦ ضرب دو مجموعه فازي ٢٦ -٥ -٣ ٦ موتور استنتاج فازي ٢٦ -٣ ١ استنتاج مبتني بر ترآيب قواعد ٢٧ -٦ -٣ ٢ استنتاج مبتني بر قواعد جداگانه ٢٧ -٦ -٣ ٧ طراحي سيستم فازي به آمك جدول جستجو ٢٧ -٣ ٨ نتيجه گيري ٢٨ -٣ فصل چهارم- مباني شبكه هاي عصبي مصنوعي ٢٩ ١- مقدمه ٣٠ -٤ ٢- مباني بيولوژيكي شبكه هاي عصبي مصنوعي ٣٠ -٤ ٣- اجزاي تشكي لدهنده شبكه عصبي مصنوعي ٣١ -٤ ١- نرون ها ( عناصر محاسباتي) ٣١ -٣ -٤ ٢- لايه ها ٣٢ -٣ -٤ ٣- مدل پايه يك نرون مصنوعي ٣٢ -٣ -٤ ٤- مفاهيم شبكه هاي عصبي مصنوعي ٣٤ -٤ ١- ساختار شبكه هاي عصبي مصنوعي ٣٥ -٤ -٤ ١ - شبكه هاي عصبي مصنوعي پيشخور ٣٦ -١ -٤ -٤ ٢- شبكه هاي عصبي مصنوعي پسخور ٣٧ -١ -٤ -٤ ٢- توابع محرك (تبديل) ٣٨ -٤ -٤ ٣- شبكه هاي عصبي مصنوعي به عنوان سيستم هاي -٤ -٤ ديناميكي آموزش پذير ٤١ ١- گونه هاي مختلف آموزش در شبك ههاي عصبي -٣ -٤ -٤ مصنوعي ٤١ ٤- آموزش شبكه عصبي مصنوعي ٤٣ -٤ -٤ ٥- آنترل آموزش ٤٤ -٤ -٤ ٥- تعميم يافتگي در مقابل حفظ ٤٤ -٤ ٦- تعيين بهترين اندازه براي شبكه ٤٤ -٤ ٧- پرسپترون ٤٥ -٤ ٨- قانون پس انتشار خطا ٤٦ -٤ ١- الگوريتم پس انتشار خطا ٤٦ -٨ -٤ ٢- محدوديت الگوريتم پس انتشار خطا ٤٩ -٨ -٤ ٩ نتيجه گيري ٥١ -٤ فصل پنجم- الگوريتم ژنتيك ٥٢ ١ مقدمه ٥٣ -٥ ٢ واژگان و ساختار آلي الگوريتم ژنتيك ٥٤ -٥ ١ واژگان الگوريتم ژنتيك ٥٤ -٢ -٥ ٢ ساختار آلي الگوريتم ژنتيك ٥٥ -٢ -٥ ٣- مفاهيم آليدي الگوريتم ژنتيك ٥٦ -٥ ١- آدينگ ٥٦ -٣ -٥ ٢- ايجاد جمعيت اوليه ٥٩ -٣ -٥ ٣- اعمال ژنتيك ٥٩ -٣ -٥ ١- عملگر تقاطعي ٥٩ -٣-٣-٥ ٢- عملگر جهشي ٦١ -٣ -٣ -٥ ٣- عمل تحول ٦٢ -٣ -٣ -٥ ١- فضاي نمونه گيري ٦٢ -٣ -٣ -٣ -٥ ٣- تابع برازش ٦٦ -٣ -٣ -٥ ٤- برخورد با محدوديت ها ٦٦ -٣ -٣ -٥ ٤ نتيجه گيري ٦٩ -٥ فصل ششم - الگوريتم اجتماع پرندگان ٧٠ ١ مقدمه ٧١ -٦ ٢ تاريخچه ٧٢ -٦ ٣ اساس الگوريتم اجتماع پرندگان ٧٣ -٦ ١ الگوريتم اجتماع پرندگان در حالت پيوسته ٧٥ -٣ -٦ ٢ الگوريتم اجتماع پرندگان در حالت گسسته ٧٦ -٣ -٦ ٧٨ pso ٤ پارامترهاي -٦ ١ وزن اينرسی ٧٨ -٤ -٦ ٢ ضرايب شتاب ٧٩ -٤ -٦ ٣ حداآثر سرعت ٧٩ -٤ -٦ ٤ بعد مساله ٨٠ -٤ -٦ ٥ تعداد ذرات ٨٠ -٤ -٦ ٥ انواع توپولوژي واصل همسايگي ٨١ -٦ ١ توپولوژي ستاره ٨٢ -٥ -٦ ٢توپولوژي حلقه ٨٣ -٥ -٦ ٣ توپولوژي چرخي ٨٤ -٥ -٦ ٨٥ PSO ٦ الگوريت مهاي -٦ ١الگوريتم بهترين فرد ٨٥ -٦-٦ ٢الگوريتم بهترين جهاني ٨٦ -٦-٦ ٣ الگوريتم بهترين محلي ٨٧ -٦-٦ ٧ همگرايي ٨٧ -٦ ٨٧ PS O ٨ مزيت هاي -٦ ٨٧ PSO ٩عيب -٦ ١٠ پياده سازي الگوريتم پرندگان در حالت پيوسته ٨٨ -٦ ١١ پياده سازي الگوريتم پرندگان در حالت گسسته ٩١ -٦ ١٢ نتيجه گيري ٩٤ -٦ فصل هفتم- الگوريتم محاسبه مقادير متغيرهاي آنترلي در بهينه سازي آنترل توان راآتيو ٩٥ ١ مقدمه ٩٦ -٧ ٢ فرمول بندي مساله، اهداف و قيود ٩٦ -٧ ٣ مدل منحني بار ٩٩ -٧ ٤ حل مساله بهينه سازي توان راآتيو با فرض -٧ پيوسته در نظر گرفتن متغيرهاي آنترلي ١ روش اول ١٠٠ -٤ -٧ ٢ روش دوم ١٠٤ -٤ -٧ ٣ روش سوم ١٠٥ -٤ -٧ ٥ حل مساله بهينه سازي توان راآتيو با فرض -٧ پيوسته و گسسته در نظر گرفتن متغيرهاي آنترلي ١ روش اول ١٠٦ -٥ -٧ ٣ روش سوم ١٠٨ -٥ -٧ ٤ روش چهارم ١٠٨ -٥ -٧ ١٠٨ PSO ٦ بهينه سازی با استفاده از روش -٧ ٧ استفاده از مدل فازي بار در مسأله ١١٠ -٧ ١ تعر يف مجمو عه فازي براي منح ني بار در بازه -٧ -٧ هاي زماني ١١٠ ٢ الگوريتم حل ١١٣ -٧ -٧ ٨ استفاده از شبكه عصبي در حذف نامعيني بار ١١٤ -٧ ٩ نتيجه گيري ١١٥ -٧ فصل هشتم- نتايج شبيه سازي شده ١١٦ ١ مقدمه ١١٧ -٨ ٢ معرفي سيستم تست ٣٠ باسه ١١٧ -٨ ٣ ارائه نتايج شبيه سازي ١٢٠ -٨ ١ بهي نه سازي با پيو سته در ن ظر گرفتن -٣ -٨ مقادير متغيرهاي آنترلي ١٢٠ ١ روش اول ١٢١ -١ -٣ -٨ ٢ روش دوم ١٢٣ -١ -٣ -٨ ٣ روش سوم ١٢٥ -١ -٣ -٨ ٢ بهي نه سازي با در ن ظر گرفتن م قادير متغير هاي -٣ -٨ آنترلي به صورت گسسته و پيوسته ١٢٨ ٢ روش اول ١٢٨ -٢ -٣ -٨ ٢ روش دوم ١٣٠ -٢ -٣ -٨ ٣ روش سوم ١٣٢ -٢ -٣ -٨ ٤ روش چهارم ١٣٤ -٢ -٣ -٨ ١٣٦ PSO ٣بهينه سازی با استفاده از روش -٣ -٨ ٤ استفاده از مدل فازي بار در مسأله ١٣٧ -٣ -٨ ٤ استفاده از شبكه عصبي در حذف نامعيني بار ١٤٠ -٣ -٨ ٤ نتيجه گيري ١٤٣ -٨ نتيجه گيري کلی ١٤٤ منابع و ماخذ ١٤٦ فهرست منابع فارسي ١٤٦ فهرست منابع لاتين ١٤٧ چكيده انگليسي ١٥٢ چکیده : پخش توان راآتيو در سيستمهاي قدرت به علت وجود جواب هاي متعدد به عنوان يكي از مسايل آليدي بهينه سازي مطرح مي شود. با تعريف هدف مسأله بهينه سازي به صورت يك مسأله چند منظوره از روش هاي مبتني بر هوش مصنوعي جهت حل اين مسأله استفاده مي شود. استفاده از بار فازي به عنوان بار واقعي سيستم يكي از اين راه آارها مي باشد. نتايج بدست آمده از بررسي اين روش ها برروي صحت روش ها را نشان مي دهد. پس از IEEE سيستم ٣٠ باسه مشخص شدن متغيرهاي آنترلي، اهداف مسأله و منحني بار، توسط الگوريتم ژنتيك، ترآيبي از متغيرهاي آنترلي بدست م يآيد آه اهداف مسأله را تحقق بخشند. مدل بار به صورت فازي در نظر گرفته مي شود تا نامعيني هاي ناشي از تغييرات بار در طول دوره هاي زماني تا حدودي برطرف شود. در نهايت سيستمي فازي طراحي مي شود آه مقادير متغيرهاي آنترلي پيوسته را بر اساس مقدار بار قرار گرفته بر روي سيستم محاسبه آند. يكي از مهمترين اهداف سيستم هاي قدرت انتقال توان از توليد آننده به مصرف آننده مي باشد. اين انتقال توان اآتيو از توليد آننده به مصرف آننده نياز به بستري مناسب خواهد داشت آه اين بستر را پخش صحيح توان راآتيو به وجود مي آورد. به همين خاطر پخش توان راآتيو در سيستمهاي قدرت به عنوان يكي از مسايل آليدي، مورد بحث و بررسي قرار مي گيرد. حل اين گونه مسايل به علت وجود جواب هاي متعدد به عنوان يك مسأله بهينه سازي ١ مطرح مي شود. مسأله بهينه سازي آنترل توان راآتيو ٢ با توجه به اهميت اهداف بهينه سازي، به عنوان يكي از مسايل با اهميت در مهندسي برق و طراحي سيستم هاي انتقال تبديل شده است. تعيين مقدار و زمانبندي مقادير بانك هاي توان راآتيو و ولتاژ ژنراتور در سيستم هاي قدرت به منظور نيل به حداقل توان/ انرژي تلفاتي و بهبود پروفيل ولتاژ از اهداف بهينه سازي توان راآتيو مي باشد. به منظور حل مسأله بهينه سازي روش هاي متنوعي به آار گرفته شده است آه روش هاي مبتني بر هوش مصنوعي و روش هاي مبتني بر روش هاي عددي از آن جمله است. روش هاي مبتني بر هوش مصنوعي ، به علت ساده تر بودن الگوريتم پياده سازي، آاربرد بالايي در حل اين گونه مسائل دارا مي باشند. با تعريف هدف مسأله بهينه سازي به صورت يك مسأله چند منظوره ٣، از روش هاي مبتني بر هوش مصنوعي جهت حل اين مسأله استفاده مي شود. تئوري فازي، الگوريتم ژنتيك و شبكه هاي عصبي مصنوعي به منظور حل مسأله بهينه سازي به آارگرفته مي شوند. پس از معرفي مختصر اين روش ها در فصول اوليه، روش هايي جهت حل مسأله بهينه سازي توان راآتيو ارائه مي شود. استفاده از بار فازي به عنوان بار واقعي سيستم يكي از اين راه آارها مي باشد. نتايج بدست آمده از بررسي اين روش ها برروي سيستم ٣٠ باسه صحت روش ها را نشان مي دهد. فصل اول : آليات يكي از مهمترين اهداف سيستم هاي قدرت انتقال توان از توليد آننده به مصرف آننده مي باشد. در راه انتقال توان از توليد آننده به مصرف آننده مشكلاتي از قبيل افت ولتاژ وجود دارد آه به علت وجود امپدانس خطوط در باس هاي سيستم مي باشد. اين افت ولتاژ در باس هاي سيستم به نوبه خود باعث افزايش توان راآتيو در باس مورد بحث مي شود. اين افزايش توان راآتيو نيز باعث افزايش جريان عبوري از اين باس خواهد شد و افزايش جريان با توجه به امپدانس خط افت ولتاژ بيشتري را در باس ايجاد ميكند و اين مسأله تا جايي ادامه پيدا مي آند آه سيستم به يك حالت پايدار برسد. آاملاً مشخص است آه انتقال توان اآتيو از توليد آننده به مصرف آننده نياز به بستري مناسب خواهد داشت آه اين بستر را پخش صحيح توان راآتيو به وجود مي آورد. به همين خاطر پخش توان راآتيو در سيستمهاي قدرت به عنوان يكي از مسايل آليدي مورد بحث و بررسي قرار مي گيرد. به منظور آنترل توان راآتيو در سيستم، بانك هاي توان راآتيو ،آه شامل بانك هاي توان راآتيو پيوسته و گسسته مي باشند، و ترانسهايي با نسبت دور متغير در سيستم قرار داده مي شوند. مسأله پخش يا آنترل توان راآتيو در سيستم شامل برنامه ريزي و طراحي مقادير بانك هاي توان راآتيو پيوسته و گسسته، تعيين مقدار ولتاژ ژنراتورهاي سيستم و تعيين نسبت ترانس هاي موجود در سيستم جهت نيل به اهدافي است آه در سيستم دنبال مي شود. اين اهداف مي تواند شامل بهبود پروفيل ولتاژ، حداقل توان تلفاتي ١ و ١ Minimum Power Loss يا حداقل انرژي تلفاتي ١ باشد. حل اين گونه مسايل به علت وجود جواب هاي متعدد به عنوان يك مسأله بهينه سازي ٢ مطرح مي شود. به اين صورت آه بهترين ترآيب بانك هاي توان راآتيو و نسبت دور ترانس انتخاب شوند آه از نظر هزينه بانك توان راآتيو و تلفات حالت بهينه اي را در سيستم به وجود آورد. به منظور حل مسأله بهينه سازي آنترل توان راآتيو روش هاي متنوعي به آار گرفته شده است .اين روش ها، شامل روش هاي مبتني بر هوش مصنوعي ٣ و روش هاي مبتني بر حل عددي مي باشد. روش هاي مبتني بر هوش مصنوعي ، به علت ساده تر بودن الگوريتم پياده سازي، آاربرد بالايي را در حل اين گونه مسائل دارا مي باشند. ساختار پايان نامه در اين پايان نامه با تعريف هدف مسأله بهينه سازي به صورت يك مسأله چند منظوره ٤ با اهداف بهينه سازي شامل حداقل توان تلفاتي، بهبود پروفيل ولتاژ و حداقل سوويچ بانك هاي خازني، راه آارهايي را در جهت حل مسأله بهينه سازي در نظر گرفته شده ارائه مي دهد. اين راهكارها شامل استفاده روش هاي مبتني بر هوش مصنوعي است آه شامل استفاده از تئوري فازي ٥ به منظور فازي آردن بار و قرار دادن بار فازي به جاي بار واقعي سيستم به منظور مدل آردن نامعيني در بار و تعيين مقادير برازندگي ١ در الگوريتم ژنتيك ٢، استفاده از شبكه عصبي ٣ به منظور آاهش نامعيني بار در سيستم و همچنين استفاده از الگوريتم ژنتيك به منظور يافتن مقادير متغيرهاي آنترلي مسأله بهينه سازي مي باشد. و...