فهرست مطالب

هوش محاسباتی در مهندسی برق - سال هشتم شماره 2 (تابستان 1396)

فصلنامه هوش محاسباتی در مهندسی برق
سال هشتم شماره 2 (تابستان 1396)

  • تاریخ انتشار: 1396/07/11
  • تعداد عناوین: 6
|
  • مدیریت توان اکتیو و راکتیو شبکه توزیع هوشمند با استفاده از خودروهای الکتریکی به صورت مسئله خطی آمیخته با اعداد صحیح
    ساسان پیروزی، جمشید آقایی* صفحات 1-12
    خودروهای الکتریکی (EVs) ازجمله بارهای جدید روبه رشد در شبکه های توزیع هستند. افزایش تعداد خودروهای الکتریکی در شبکه توزیع به افزایش تقاضای انرژی شبکه منجر می شود. در صورت نبود مدیریت بر الگوی دریافت انرژی آنها از شبکه، ممکن است ولتاژ باس ها و بارگذاری خطوط از محدوده مجاز خود خارج شوند. همچنین برای شارژ و دشارژکردن باتری خودروها در زمان اتصال به شبکه، از ادوات الکترونیک قدرت با عنوان شارژر استفاده می شود. شارژر به صورت یک طرفه و دوطرفه قادرند انرژی را بین شبکه و باتری رد و بدل کنند. مدل دوطرفه قادر است در چهار ناحیه کاری مختصات PQ فعالیت کند. بنابراین در این مقاله مدیریت توان اکتیو و راکتیو در شبکه توزیع هوشمند با استفاده از خودروهای الکتریکی به صورت بهینه سازی غیرخطی مدل می شود. سپس با استفاده از روش های خاص خطی سازی معادلات غیرخطی، مسئله یادشده به صورت مسئله خطی آمیخته با اعداد صحیح (MILP) مبدل می شود تا امکان دستیابی به بهینه سازی مطلق با استفاده از موتور حل مرسوم GAMS فراهم شود. این مسئله بر روی شبکه تست 33 باسه اجرا شده است و نتایج عددی نشان دهنده توانمندی روش ارائه شده برای مدیریت توان اکتیو و راکتیو بهینه هستند.
    کلیدواژگان: خودروهای الکتریکی، شبکه توزیع هوشمند، مدیریت توان اکتیو و راکتیو، مسئله خطی آمیخته با اعداد صحیح
    چکیده مشاهده متن زبان: فارسی
  • فشرده سازی چند الکترود سیگنال نوار قلبی با استفاده از نظریه حسگری فشرده
    سیاوش افتخاری فر، توحید یوسفی رضایی *، سبلان دانشور، امیر رستگارنیا، اعظم خلیلی صفحات 13-24
    هدف از این مقاله، استفاده از نظریه حسگری فشرده به منظور الگوسازی تنک و فشرده سازی چند الکترود سیگنال های الکتروکاردیوگرافی است. برای به دست آوردن نمایش تنک هریک از الکترودها، یک ماتریس پایه با کرنل های گوسی پیشنهاد شده است که بیشترین شباهت را به سیگنال های قلب دارد. سپس از روش حریص Orthogonal Matching Pursuit (OMP) برای به دست آوردن نمایش تنک سیگنال ها استفاده شده است. پس از به دست آوردن نمایش تنک هریک از الکترودهای سیگنال قلبی، استفاده از نظریه حسگردی فشرده امکان پذیر است. پس از فشرده سازی، سیگنال بازسازی شده با استفاده از همان روش بهینه سازی حریص، به منظور نشان دادن درستی و مطمئن بودن الگوریتم به دست آمده است. استفاده از ماتریس پایه موجک نیز از دیگر روش های رایج موجود برای به دست آوردن نمایش تنک سیگنال قلبی است. نظریه حسگری فشرده با استفاده ماتریس پایه موجک برای سیگنال های قلبی اعمال شد. نتایج شبیه سازی نشان می دهند نظریه پیشنهادی، یعنی استفاده از ماتریس پایه گوسی، خطای بازسازی کمتر و میزان فشرده سازی بیشتری را داراست.
    کلیدواژگان: حسگری فشرده، سیگنال قلبی، کرنل گوسی، نمایش تنک
    چکیده مشاهده متن زبان: فارسی
  • طراحی مدل بسط پایه ای برای تخمین کانال های دوگانه گزین تنک به کمک فراگیری واژه نامه
    سمیه محمودی، محمد جواد امیدی *، فروغ سادات طباطبا صفحات 25-40
    در این مقاله تخمین کانال دوگانه گزین تنک در سیستم OFDM با استفاده از نظریه حسگری فشرده(CS) بررسی شده است. این نظریه کمک می کند تا در تخمین کانال برای دست یابی به میانگین مربعات خطای ثابت، نسبت سمبل راهنمای مورد نیاز را کاهش و به طور معادل راندمان طیفی را افزایش داد. این موضوع در کانال های دوگانه گزین، اهمیت زیادی دارد. در کانال های دوگانه گزین، در مدل کردن کانال به تعداد متغیر بیشتر و درنتیجه، تعداد سمبل راهنمای بیشتر نیاز است. مدل بسط پایه ای (BEM) قبلا در تخمین و همسان سازی کانال های دوگانه گزین استفاده شده است. برای بهره گیری بیشتر از مزایای حسگری فشرده، پیشنهاد می شود در طراحی BEM برای استفاده در تخمین کانال های دوگانه گزین تنک، به بهبود تنکی ضرایب این بسط توجه شود. برای این منظور، در این مقاله پیشنهاد می شود ‏از الگوریتم K-SVD استفاده شود که از محبوب ترین روش های فراگیری واژه نامه است. در این مقاله با ساختار خوشه ایبرای سمبل های راهنما، از تداخل بین - زیرحاملی اجتناب شده است. همچنین، ضرایب مربوط به تداخل بین - زیرحاملی تخمین زده می شوند تا در همسان سازی استفاده شوند. نتایج شبیه سازی بهبود عملکرد ازنظر میانگین مربع خطای نرمالیزه شده و میزان خطای بیت سیستم در حضور تخمین گر مبتنی بر حسگری فشرده با پایه های پیشنهادی نسبت به تخمین گر متناظر مبتنی بر پایه های DFT-DPSS را نشان می دهند.
    کلیدواژگان: الگوریتم K-SVD، پایه های تنک کننده، تخمین کانال تنک، حسگری فشرده (compressed sensing)، سیستم OFDM (orthogonal frequency division modulation)، کانال دوگانه گزین (doubly selective channel)
    چکیده مشاهده متن زبان: فارسی
  • حفاظت دیفرانسیل ترانسفورماتور قدرت با استفاده از تبدیل S گسسته سریع و ماشین بردار پشتیبان بهینه شده با الگوریتم زنبورعسل
    امانگلدی کوچکی*، علی اکبر عبدوس، قاسم میربابایی رکنی صفحات 41-54
    در این مطالعه، روش مبتنی بر تبدیل S گسسته سریع برای متمایزکردن جریان خطای داخلی از اغتشاشات دیگر در ترانسفورماتور قدرت ارائه شده است. ویژگی توابع براساس ویژگی های استخراج شده از ماتریس S و کانتورهای فرکانسی پیشنهاد شده اند. برای طبقه بندی ویژگی ها، ماشین بردار پشتیبان(SVM)، توسعه داده شده و از الگوریتم بهینه سازی زنبورعسل برای انتخاب پارامترهای بهینه طبقه بندی کنندهSVM استفاده شده است. برای انجام این کار، شرایط مختلفی برای خطاهای خارجی، داخلی، برقدار شدن ترانسفورماتور و سطوح مختلف اشباع ترانسفورماتورهای اندازه گیری با استفاده از نرم افزار PSCAD/EMTDC شبیه سازی شده اند. برای الگو سازی شرایط واقعی، جریان های دیفرانسیل به همراه نویز در نظر گرفته شده اند. برای ارزیابی عملکرد روش پیشنهادی ، نتایج به دست آمده با نتایج سایر روش ها مقایسه شده اند. مقایسه نتایج نشان می دهد روش پیشنهادی نسبت به خطاهای خارجی و جریان هجومی با دقت زیادی پایدار است. همچنین، این روش از نویز تاثیر نمی گیرد و در طبقه بندی انواع شرایط موثر و سریع است.
    کلیدواژگان: الگوریتم بهینه سازی زنبورعسل، تبدیل S گسسته سریع، حفاظت ترانسفورماتور قدرت، ماشین بردار پشتیبان
    چکیده مشاهده متن زبان: فارسی
  • بهینه سازی همزمان جابجایی فازها، بازآرایی و جایابی DG در شبکه های توزیع با استفاده از الگوریتم BF-SD
    محمدرضا کاوه، رحمت الله هوشمند*، محمد مدنی صفحات 55-70
    نامتعادلی بار و فاز و همچنین تلفات، دو مسئله بسیار مهم در شبکه های توزیع هستند. یکی از روش هایی که برای از بین بردن نامتعادلی در شبکه معرفی می شود، جابجایی فازها می باشد. همچنین یکی از راه حل های موثر در کاهش تلفات و بهبود پروفیل ولتاژ، بازآرایی می باشد. این در حالی است که بازآرایی، تاثیر زیادی در متعادل کردن شبکه نخواهد داشت. بر این اساس در این مقاله، روش جدیدی در بهینه سازی همزمان متعادل سازی فاز به همراه بازآرایی در شبکه های توزیع ارائه می شود. در این حالت، علاوه بر از بین رفتن نامتعادلی در فازها، کاهش تلفات و بهبود پروفیل ولتاژ نیز مهیا می گردد. بزرگترین مزیت استفاده از بازآرایی و جابجایی فاز نسبت به روش های دیگر، هزینه اجرای بسیار کم آنها می باشد. همچنین حضور DG در شبکه باعث کاهش تلفات و بهبود پروفیل ولتاژ می شود. با توجه به اینکه چند هدف از جنس های مختلف وجود دارد، لذا با استفاده از مفهوم فازی، آنها را نرمالیزه کرده و در نهایت با استفاده از الگوریتم BF-SD[i]، بهینه سازی بازآرایی و جابجایی فاز همزمان با نصب بهینه DG انجام می شود. مزیت استفاده از این الگوریتم، سرعت و دقت بالای آن نسبت به سایر روش های قبلی می باشد. در انتها الگوریتم پیشنهادی در شبکه 3062 اهواز بررسی خواهد شد.
    کلیدواژگان: بازآرایی، پروفیل ولتاژ، تلفات، جابجایی فاز، جریان زمین
    چکیده مشاهده متن زبان: فارسی
  • الگوکردن و شبیه سازی موتور درون چاهی حفاری با استفاده از روش های هوش محاسباتی
    عباس رضایی *، بهروز نوروزی صفحات 71-82
    تکنیک های هوش محاسباتی، توانایی زیادی در حل مسائل محاسباتی مختلف در علوم مهندسی دارند. در این مقاله، برای نخستین بار، الگو کردن و شبیه سازی موتور درون چاهی حفاری با استفاده از روش های هوش محاسباتی مانند شبکه عصبی مصنوعی، سیستم استنتاج عصبی - فازی تطبیقی و تابع پایه شعاعی ارائه شده است. برای این منظور از داده های تجربی برای آموزش و تست ساختارهای مختلف هوش محاسباتی استفاده شده است. الگو های هوش محاسباتی به دست آمده از لحاظ دقت و کارایی، با یکدیگر و نیز با داده های تجربی مقایسه شده اند. نتایج مقایسه نشان می دهند این الگو ها دقت زیادی در پیش بینی رفتار موتورهای درون چاهی حفاری دارند. علاوه بر آن، از سرعت شبیه سازی بسیار زیادی در مقایسه با روش های اندازه گیری تجربی برخوردارند. درنهایت با استفاده از الگوی شبکه عصبی پیشنهادشده در این مقاله که بهترین جواب را در مقایسه با روش های دیگر دارد، برای نخستین بار یک معادله ارائه شده است که توصیف کننده رفتار موتور درون چاهی حفاری است.
    کلیدواژگان: تابع پایه شعاعی، سیستم استنتاج عصبی- فازی تطبیقی، شبکه عصبی مصنوعی، شبیه سازی، الگو کردن، موتور درون چاهی حفاری
    چکیده مشاهده متن زبان: فارسی
|
  • Active and Reactive Power Management of Smart Distribution Network Using Electric Vehicles as Mixed Integer Linear Programming Problem
    Sasan Pirouzi, Jamshid Aghaei * Pages 1-12
    Electric vehicles (EVs) are new and growing loads in distribution networks. Increasing number of electric vehicles in a distribution network causes increase of electricity energy demand. Therefore, in the absence of any energy consumption management, some distribution system operation constraints (e.g. bus voltage magnitude) may be violated. Power electronic devices used for charging and discharging the batteries, are usually called chargers. The charger could be unidirectional (transfer the energy from network to the battery) or bidirectional. Bidirectional chargers work in four areas of PQ power plane. In this paper, firstly, the active and reactive power management of smart distribution network using electric vehicles as non-linear problem is presented. Then, the problem is converted to mixed integer linear programming (MILP) problem using specific linearization method and is solved by GAMS package. The proposed scheme has been tested on the 33-bus distribution network and its performance and capability have been evaluated by simulation results.
    Keywords: Electric Vehicles, Smart distribution network, Active, reactive power management, Mixed integer linear programming problem
    Abstract View Paper Original: Persian
  • Multi-lead ECG Compression Based on Compressed Sensing Theory
    Siavash Eftekharifar, Tohid Yousefi Rezaii *, Sabalan Daneshvar, Amir Rastegarnia, Azam Khalili Pages 13-24
    The purpose of this paper is to exploit the compressed sensing theory in order to compress multi-lead ECG channels with a high compression ratio and minimum reconstruction error. In order to obtain the sparse representation of the ECG signals a basis matrix with Gaussian kernels which have the maximum resemblance with ECG signals, is constructed. Then using Orthogonal matching pursuit, algorithm which is a greedy/iterative optimization technique, the sparse representation is acquired. Finally, utilizing the compressed sensing theory is possible. In order to prove the accuracy of the algorithm the same optimization technique is used to reconstruct the compressed signal. Using a wavelet basis is also common to obtain the sparse representation. The compressed sensing theory is also applied to the ECG signals for which their sparse representations have been obtained using a wavelet basis. The results show the superiority of the proposed method over the wavelet basis.
    Keywords: compressed sensing theory, sparse representation, ECG signals, Gaussian kernel
    Abstract View Paper Original: Persian
  • Basis Expansion Model Design for Sparse Doubly Selective Channel Estimation Using Dictionay Learning
    Somayeh Mahmoodi, Mohamadjavad Omidi *, Foroghsadat Tabataba Pages 25-40
    In this paper, sparse double selective channel estimation using compressed sensing (CS) theory for OFDM systems is investigated. This theory helps to reduce the required pilot ratio and equivalently increases the spectral efficiency to achieve a constant mean square error. This is of great importance especially for double selective channels in which the required number of unknowns to be estimated and also the required number of pilot symbols are high. To take the advantage of compressed sensing, it is proposed that the sparsity enhancement of the coefficients of basis expansion model (BEM) should be considered in BEM design. It is also proposed to use K-SVD algorithm that is one of the most popular dictionary learning algorithms. Moreover, in this paper clustered pilot symbols are used to avoid inter-carrier interference. It is noteworthy that the channel coefficients representing inter-carrier interference are also estimated to be used in equalization. Numerical experiments have shown that the compressed sensing estimator employing the proposed basis, outperforms the one employing DFT-DPSS in terms of NMSE and system BER.
    Keywords: K-SVD algorithm, Sparsifying basis, Sparse channel estimation, compressed sensing, OFDM (orthogonal frequency division modulation) system, Doubly selective channel
    Abstract View Paper Original: Persian
  • Power Transformer Protection Using Fast Discrete S-Transform and Optimized Support Vector Machine Classifier with Bee Algorithm
    Amangaldi Koochaki *, Ali Akbar Abdoos, Ghasem Mirbabaee Rokni Pages 41-54
    This study presents a Fast Discrete S-Transform based method to discriminate internal fault currents of power transformer from other disturbances. A criterion function is proposed based on some extracted features from the obtained S-Matrix and frequency contours. First, the Support Vector Machine (SVM) is extended for feature classification. Then, the Bee optimization algorithm is implemented to select optimal parameters of SVM classifier. To do this, several conditions of external and internal faults, inrush current and different levels of current transformer saturation are simulated using PSCAD/EMTDC software. In addition, differential currents are contaminated by noise for modeling real conditions. To evaluate the performance of proposed scheme, the obtained results are compared with results of other methods. Comparing the results shows that the proposed method remains stable with high accuracy during transformer excitation and external faults. Also, the proposed approach is effective, fast and not affected by noise during classification of different events.
    Keywords: Bee Optimization Algorithm, Fast Discrete S-Transform, Power Transformer Protection, Support vector machine
    Abstract View Paper Original: Persian
  • Simultaneous Optimization of Rephasing, Reconfiguration and DG Placement using BF-SD Algorithm
    Mohammad Reza Kaveh, Rahmatollah Hooshmand *, Seyed Mohammad Madani Pages 55-70
    Phase balancing and power losses are two significant problems in distribution networks. Rephasing technique is one solution for phase unbalancing. Reconfiguration is also used for power loss reduction and voltage profile improvement. While reconfiguration does not have a great effect on power loss reduction, in this paper a new method for simultaneous optimization of rephasing and reconfiguration problems in distribution networks are introduced to reduce phase unbalancing and power losses and improve the voltage profile. The greatest advantage of simultaneous optimization of rephasing and reconfiguration is a very low performing cost. Besides, optimal DG placement can reduce the power loss and improve voltage profile. As there are several objective functions, the objectives are fuzzified and integrated as the fuzzy multi-objective function. Eventually, by using the BF-SD algorithm, optimization of rephasing, reconfiguration and DG placement are simultaneously performed. At the end, the proposed method is applied to feeder No. 3062 in Ahwaz, Iran.
    Keywords: Reconfiguration, Voltage Profile, Power loss, Rephasing, Neutral Current
    Abstract View Paper Original: Persian
  • Modeling and Simulation of Down Hole Drilling Motor Using Computational Intelligence Methods
    Abbas Rezaei *, Behrooz Norouzi Pages 71-82
    Computational intelligence techniques have a great potential to solve different computational problems in engineering sciences. In this paper, modeling and simulation of down hole drilling motor using the computational intelligence methods such as artificial neural network (ANN), radial basis function (RBF) and adaptive neuro-fuzzy inference system (ANFIS) is presented. Experimental data are used to train and test the proposed models. The results of the proposed models are compared with the experimental data. The predicated values are found to be in a good agreement with the experimental values. Also, they are very faster than the experimental measurement method. These compact models can reduce the computational time while keeping the accuracy of physics-based model and allow the fast and accurate system level simulation and modeling of industrial packages. Finally, using the proposed ANN model, which is the best proposed model, an equation to describe the nonlinear behavior of down hole drilling motor is introduced.
    Keywords: Adaptive neuro-fuzzy inference system, Artificial neural network, Down hole drilling motor, Modeling, Radial basis function, Simulation
    Abstract View Paper Original: Persian