برچسب: ازدحام ذرات

پایان نامه پیش بینی تقاضا برای فرآورده های سوختی نفتی بر مبنای روش های فرا ابتکاری علف های هرز

 متن کامل پایان نامه مقطع کارشناسی ارشد رشته مدیریت 

دانشگاه علم و هنر 

وابسته به جهاد دانشگاهی

پایان نامه کارشناسی ارشد دانشکده علوم انسانی

گروه مدیریت صنعتی گرایش تولید و عملیات

عنوان:

پیش بینی تقاضا برای فرآورده های سوختی نفتی بر مبنای روش های فرا ابتکاری علف های هرز، توده ‌ذرّات ‌و شبکه‌های عصبی مصنوعی

استاد مشاور:

دکتر علیرضا ناصرصدرآبادی

آبان 1393

برای رعایت حریم خصوصی نام نگارنده و استاد راهنما در سایت درج نمی شود

(در فایل دانلودی نام نویسنده و استاد راهنما موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده:

فرآورده های سوختی نفتی در کنار سایر عوامل تولید ، یک عامل مؤثر در رشد و توسعۀ اقتصادی تلقی می شود و در عملکرد بخش های مختلف اقتصادی نقش مهمی را ایفا می کند. از این رو مسئولان باید تلاش کنند تا با پیش بینی دقیق تر فرآورده های نفتی و برنامه ریزی صحیح در هدایت مصرف ، پارامتر های عرضه و تقاضای انرژی را به نحو مطلوب کنترل کنند. در این پایان نامه مصرف چهار فرآوردۀ سوختی نفتی عمده در ایران مورد بررسی و پیش بینی قرارگرفته است.

در این مطالعه مصرف فرآورده های سوختی نفتی در ایران با استفاده از سه تکنیک قدرتمند الگوریتم توده ذرّات ، علف های هرز و شبکه های عصبی مصنوعی پیش بینی شده است. برای این بررسی ، از داده های سالانۀ مربوط به مصرف این چهار فرآورده در بازۀ زمانی (1391-1306) استفاده شده است. نتایج ارزیابی نشان داد که الگوریتم علف های هرز با توجه به معیار MAPE دارای دقت بیشتری است اما با توجه به معیار MSE با توجه به مصرف صعودی بنزین و نفت گاز روش شبکه های هوش مصنوعی دارای دقت بالاتری است و در فرآورده هایی همچون نفت سفید تکنیک توده ذرّات خطای کمتری دارد و در نهایت تکنیک علف های هرز در پیش بینی مصرف نفت کوره بر مبنای معیار MSE دارای دقت بیشتری است.

کلمات کلیدی: تقاضا – فرآورده های سوختی – الگوریتم علف های هرز – بهینه سازی توده ذرّات – شبکه های هوش مصنوعی

فهرست مطالب

عنوان

  1. فصل اول: کلیّات تحقیق… 1

1.1. مقدمه. 2

1.2. بیان مسأله. 5

1.3. اهمیت پژوهش….. 6

1.4. اهداف تحقیق… 6

1.5. سؤالات پژوهشی… 6

1.6. روش تحقیق… 7

1.7. قلمرو تحقیق… 7

1.7.1. قلمرو موضوعی… 7

1.7.2. قلمرو زمانی… 7

1.7.1. قلمرو مکانی… 7

1.8. شرح واژه و اصطلاحات به کار رفته در پژوهش (مفاهیم عملیاتی): 7

  1. فصل دوم: مبانینظری تحقیق… 10

2.1. مقدمه. 11

2.2. پیش بینی تقاضای فرآورده های سوختی نفتی… 11

2.2.1. پیش بینی تقاضا 11

2.2.2. اهمیت پیش بینی تقاضا 12

2.2.3. سیستم پیش بینی تقاضا 12

2.2.3.1. خروجی های سیستم پیش بینی… 13

2.2.3.2. ورودی های سیستم پیش بینی… 14

2.2.3.3. محدودیت های سیستم پیش بینی… 14

4.3.2.2. تصمیمات سیستم پیش بینی… 15

2.2.3.5. معیار عملکرد سیستم پیش بینی… 15

2.2.3.6. روشهای پیش بینی تقاضا 16

2.2.4. اندازه گیری و کنترل خطای پیش بینی… 19

2.3. فرآورده های سوختی نفتی… 21

2.4. اهمیت تکنیک های مورد استفاده. 22

2.5. سابقۀ تحقیق (مروری بر مطالعات پیشین) 22

2.5.1. مروری بر مطالعات انجام گرفتۀ داخلی… 22

2.5.2. مروری بر مطالعات انجام گرفتۀ خارجی… 28

2.6. جمع بندی مرور ادبیّات… 32

  1. فصل سوم: روش تحقیق… 33

3.1. مقدمه. 34

3.2. روش تحقیق… 34

3.3. تکنیک های مورد استفاده در تحقیق… 34

3.3.1. الگوریتم بهینه سازی علف های هرز(IWO). 34

3.3.1.1. مقدمه. 34

3.3.1.2. اکولوژی تولید مثل علف های هرز. 35

3.3.1.3. شبیه سازی رفتار علف های هرز. 35

3.3.1.4. جزئیات گام های الگوریتم بهینه سازی علف های هرز. 36

3.3.1.5. بررسی مشکلات الگوریتم بهینه سازی علف های هرز IWO…. 39

3.3.1.6. نوآوری در الگوریتم بهینه سازی علف های هرز. 39

3.3.1.7. اجزاء و پارامترهای الگوریتم بهینه سازی علف های هرز. 39

3.3.1.8. نحوۀ محاسبه دانه های تولیدی و به روزرسانی انحراف معیار. 41

3.3.2. الگوریتم بهینه سازی توده ذرّات (PSO). 42

3.3.2.1. مقدمه. 42

3.3.2.2. تاریخچۀ بهینه سازی توده ذرّات… 43

3.3.2.3. هوش ازدحامی… 44

3.3.2.4. کاربردهای الگوریتم بهینه سازی توده ذرّات… 45

3.3.2.5. مراحل اجرای الگوریتم بهینه سازی توده ذرّات… 45

3.3.2.6. توپولوژی یا ساختار شبکۀ اجتماعی… 46

3.3.2.7. بررسی مشکلات الگوریتم بهینه سازی توده ذرّات… 47

3.3.2.8. معادلات توصیف کنندۀ رفتار ذرّات… 48

3.3.2.9. پارامترهای الگوریتم بهینه سازی توده ذرّات… 48

3.3.2.10. مراحل الگوریتم ازدحام ذرات… 50

3.3.3. شبکه های هوش مصنوعی (ANN). 50

3.3.3.1. مقدمه. 50

3.3.3.2. شبکه عصبی مصنوعی… 51

3.3.3.3. شبکۀ MLP.. 52

3.3.3.4. مدل تک ورودی در شبکه های عصبی… 52

3.3.3.5. مدل چند ورودی شبکه عصبی… 53

3.3.4. کاربرد شبکه های عصبی مصنوعی… 54

3.4. مدل اتورگرسیو مرتبۀ P یا AR(P). 55

3.5. روش گردآوری اطلاعات… 55

3.6. تعریف بهینه سازی… 55

3.6.1. انواع روش های بهینه سازی… 56

3.6.1.1. کلاسیک ها 56

3.6.1.2. روش های ابتکاری… 56

  1. فصل چهارم تجزیه و تحلیل داده‌ها 57

4.1. مقدمه. 58

4.2. جمع آوری داده ها 58

4.3. خطاهای پیش‌بینی… 61

4.4. پیشبینی با استفاده از الگوریتم فراابتکاری علفهای هرز. 62

4.4.1. تنظیم پارامترها 62

4.4.2. برآورد وزنهای AR با استفاده از الگوریتم IWO…. 64

4.4.3. مقادیر پیشبینی با استفاده از الگوریتم IWO…. 66

4.5. پیش بینی با استفاده از الگوریتم فراابتکاری ازدحام ذرّات… 69

4.5.1. مقادیر ویژۀ ضرایب الگوریتم PSO…. 69

4.5.2. تنظیم پارامتر ها 71

4.5.3. مقادیر پیش بینی با استفاده از الگوریتم PSO…. 72

4.6. پیش بینی با استفاده از شبکه های هوش مصنوعی… 76

4.6.1. پیش بینی تقاضا برای بنزین موتور با استفاده از شبکه های هوش مصنوعی: 76

4.6.1.1. تعداد دوره های ورودی برای پیش بینی بنزین موتور: 76

4.6.1.2. ساختار شبکه های عصبی برای بنزین موتور: 77

4.6.2. پیش بینی تقاضا برای نفت کوره با استفاده از شبکه های هوش مصنوعی: 79

4.6.2.1. تعداد دوره های ورودی برای پیش بینی نفت کوره: 79

4.6.2.2. ساختار شبکه های عصبی برای نفت کوره: 79

4.6.3. پیش بینی تقاضا برای نفت سفید با استفاده از شبکه های هوش مصنوعی: 81

4.6.3.1. تعداد دوره های ورودی برای پیش بینی نفت سفید: 81

4.6.3.2. ساختار شبکه های عصبی برای نفت سفید: 82

4.6.4. پیش بینی تقاضا برای نفت گاز با استفاده از شبکه های هوش مصنوعی: 84

4.6.4.1. تعداد دوره های ورودی برای پیش بینی نفت گاز: 84

4.6.4.2. ساختار شبکه های عصبی برای نفت گاز: 85

  1. فصل پنجم بحث و نتیجه گیری.. 88

5.1. مقدمه. 89

5.2. ارزیابی مدل ها پیش بینی… 89

5.3. بررسی سوالات پژوهشی… 91

5.4. بحث و نتیجه گیری… 91

5.5. پیشنهادات کاربردی… 92

5.6. پیشنهادات برای تحقیقات آتی… 92

1.1. مقدمه

طی دهه های اخیر از انرژی به عنوان یکی از عوامل مهم تولید یاد شده است، به طوری که در کنار سایر عوامل تولید، نقش تعیین کننده ای در حیات اقتصادی کشورها داشته و با توسعه و پیشرفت اقتصادی، اهمیت آن به طور فزاینده‌ای افزایش یافته است  وابستگی روزافزون زندگی بشر به انرژی موجب شده است تا این بخش به طور بالقوه و بالفعل در کارکرد بخشهای مختلف  اقتصادی کشورها نیز نقش چشم گیری ایفا کند. “بهبودی و همکاران، 1388”

رشد و توسعه اقتصادی، از اهداف اصلی سیاست گذاران اقتصادی محسوب می شود. پژوهشهای متعدد پژوهشگران در سطح جهان نشان داده است که سرعت روند رشد و توسعه اقتصادی در کشورهای جهان تا حدود زیادی به سطح مصرف کارآی انرژی بستگی دارد. “مزرعتی، 1378”

 بهبود سطح زندگی مردم و مکانیزه شدن تولید به منظور ارتقاء سطح بهره وری کار، افزایش سریع مصرف انرژی را موجب می شود، البته افزایش سریع مصرف انرژی در مراحل اولیۀ رشد اقتصادی اتفاق می افتد. در مراحل بعدی رشد، با پدیدار شدن اثرات سوء زیست محیطی و نیز ارتقای آگاهی ها و حساسیت های عمومی، مباحث رشد پایدار و مسایل زیست محیطی اهمیت بیشتری پیدا کرده و روند افزایش مصرف انرژی به دلیل استفاده بهینۀ آن کاهش می یابد. “بهبودی و همکاران ، 1388″

علی رغم روند رو به رشد و توسعۀ استفاده از انرژی های نو مانند انرژی هسته ای در سطح جهان، هنوز عمده ترین بخش ازتقاضای انرژی سوخت فسیلی تأمین می شود که از جمله مهم ترین آن نفت خام است. پیش بینی تقاضا انواع مختلف حامل های انرژی از مباحثی است که به ویژه بعد از جنگ جهانی دوم مورد توجه محافل علمی و اقتصادی جهان واقع گردیده است. از اوایل دهۀ 1970 وقتی انرژی توجه سیاستمدران را در نتیجه ی اولین بحران نفتی به خود جلب کرد، تحقیق وبررسی روی تقاضای آن به منظور غلبه بر فهم محدود از ماهیت تقاضای انرژی، به شدت گسترش یافت ” پیندینگ[1] ، 1979″. امروزه نفت به عنوان یک کالای اقتصادی سیاسی نقش مهمی در تحولات جهان ایفا می‌کند و تا زمانی که منبع انرژی دیگری یافت نشود، هم چنان اثرات دامنه داری بر اقتصاد جهان خواهد داشت و تقریباً تمام مصنوعات بشر در مراحلی از تولید تا توزیع ازمصارف انرژی گرفته تا حمل و نقل، به آن وابسته اند. به گفته دانیل یرگین[2] ، “هنگامی که به قرن بیست و یکم نگاه می کنیم، یک بشکه نفت، به اندازه پیشرفت در علوم کامپیوتری مایۀ تسلط و برتری است و نفت مانند گذشته هم چنان مولّد ثروت های عظیم برای افراد، شرکت ها و تمامی یک کشور است”. از همین رو سیاستگذاری نفتی کشورهای نفت خیز به واقع بخش عمدهای از سیاست گذاری این کشورها را تشکیل می دهد و در این کشورها هرگونه برنامه ریزی مستقیم یا غیرمستقیم متأثر ازسیاست های نفتی است. “اسلامی نژاد،1386″

در دهه هاى اخیر، از انرژى به عنوان یکى از عوامل مهم تولید یاد شده است، به طورى که درکنار سایر عوامل تولید، نقش تعیین کننده اى درحیات اقتصادى کشورها داشته و با توسعه و پیشرفت اقتصادى، اهمیت آن به طور فزاینده اى افزایش یافته است. وابستگى روزافزون زندگى بشر به انرژى موجب شده است تا این بخش به طور بالقوه و بالفعل، درکارکرد بخش هاى مختلف اقتصادى کشورها نیز نقش چشمگیرى ایفا کند ” بهبودى و همکاران، 1388 “.

تأمین امنیّت عرضۀ انرژی در دنیا ، ازمسائل راهبردى پیش روى همۀ دولت ها است. امروزه درایران ، تلاش ها در بخش مدیریت سمت عرضۀ انرژی متمرکز است و کمتر به مدیریت سمت تقاضای انرژی توجه مى شود، درحالی که مدیریت تقاضای انرژی و تلاش براى استفادۀ بهینه از انرژی در همۀ کشورهای پیشرفته دنیا، از مهم ترین عوامل پیشرفت صنعتی پایدار بوده است ” مبینى دهکردى وهمکاران، 1388″.

ایران از منابع غنی و گسترده انرژی، مخازن بزرگ نفتی و گازطبیعی، معادن عظیم زیرزمینی و پتانسیل بالقوه انرژی برخوردار است، پیش بینى مصرف انرژی مى تواند در تبیین سیاست هاى بخش انرژی، کمک مؤثرى کند. همچنین از آنجایى که مدتی است موضوع محدود کردن مصرف انرژی به ویژه فرآورده هاى نفتی مانند بنزین، در رأس سیاست هاى اقتصادی دولت قرار گرفته است و مشکلات ناشی از افت فشار گازطبیعی، مانند قطع گاز در استان هاى مختلف یا کاهش تولید برق در کارخانجاتی که سوخت اصلی آنها، گاز طبیعی است، گاهى در کشور ایجاد می شود و کمبود منابع انرژی دیگر نیز گاهى برای بخش هاى مختلف اقتصاد، مشکل ساز مى شود، پیش بینى و الگوسازى مصرف انرژی، می‌تواند رهنمود مناسبی برای سیاستگذاران بخش انرژی و اقتصاد کشور باشد ” آماده وهمکاران ، 1388 ”

از طرفی تأثیر نفت و حامل های انرژی به ویژه بنزین ، گازوئیل و … در اقتصاد کشور برکسی پوشیده نیست، بنابراین تحقق توسعه پایدار ، در گرو آن است که تولید و بهره برداری از انرژی همراه با سایر نهادها نظیر تکنولوژی، منابع انسانی ، مواد اولیه ، منابع مالی و… بطور هماهنگ و هم ساز برنامه ریزی شود. مصرف فراورده هایی همچون نفت سفید[3]  ، نفت کوره[4] ، بنزین موتور[5] و نفت گاز[6] با در نظر گرفتن اهمیّت آن در بخش های مختلف ، نقش اساسی در رشد و توسعۀ اقتصادی کشورها ایفا می‌کند . بررسی مصرف آتی تقاضای فرآورده های نفتی در جهت شناخت دقیق و صحیح از ساختار رفتاری مصرف ، به منظور برنامه ریزی دقیق در راستای تحقق اهداف مورد نظر، امری ضروری است. آگاهی از میزان تقاضای نفت سفید ، نفت کوره و  بنزین موتور و نفت گاز به منظور اتخاذ تصمیمات صحیح برای برنامه ریزی و سیاست گذاری های مناسب از اهمیّت ویژه ای برخوردار است این مقوله در بخش های مختلف (حمل و نقل ، صادرات و….) سهم قابل توجه ای از مصرف این سه نوع محصول را دارد که از اهمیّت به سزایی برخوردار است . از طرفی در تجزیه و تحلیل تقاضای حامل‌های انرژی مدل های مختلفی مورد استفاده قرار می گیرد ، که برخی فقط برای جهت مطالعه حامل های انرژی طراحی شده و برخی ارتباط آنها را با یکدیگر بررسی می کند.

روش هاى آمارى و اقتصاد سنجى، درمورد پیش بینى سرى هاى زمانى عملکرد خوبى داشته است، اما محدودیت هایى نیزدارد، ازجمله اینکه ممکن است در این گونه روش ها، فرم تبعى متغیّرهاى مستقل و وابسته در صورت عدم شناخت کافى به درستى تصریح نشود. علاوه براین، داده هاى پرت ممکن است به تخمین اُریب پارامترهاى الگو بیانجامد. درضمن، بیشتر الگوهاى سرى زمانى، خطّى است و بنابراین در تشریح رفتارهاى غیرخطّى ناتواناست ” ابریشمى و همکاران، 1389 “. درپژوهش هاى اخیر، از الگوهاى هوش مصنوعى به طور متداول به عنوان ابزار تقریبى غیرخطّى استفاده شده است، به طورى که مى توان با استفاده از آن بر مشکلات فوق چیره شد.”جوادپور وکناپ، 2003 “.

هدف پژوهش حاضر، کاربرد الگوهاى هوش مصنوعى، یعنى الگوهاى شبکه هوش مصنوعی، الگوریتم توده ذرّات و الگوریتم علف های هرز، در پیش بینى مصرف انرژى بخش حمل ونقل کشور است تا در پایان بتوان میزان کارایى این روش ها را در پیش بینى مصرف انرژى مقایسه کرد.

1.2. بیان مسأله

شاید اغراق نباشد اگر گفته شود که در تمام  دوره های زندگی بشر، نفت ماده شناخته شده ای بوده است. اما در طول چندین دهۀ گذشته ، حیاتی بودن آن برای تداوم زندگی اقتصادی تردید ناپذیر شده است. حدود 75 درصد از کل منابع نفت موجود جهان در خاورمیانه قرار دارد و  ایران یکی از 5 کشور بزرگ مالک ذخایر نفتی در جهان است. نفت از مهم ترین منابع کشور محسوب می شود و مسأله پیش بینی فرآورده های سوختی نفتی در تعیین سیاست بهره برداری از منابع نفتی از اهمیّت ویژه ای برخوردار است. از طرف دیگر  پیش بینی و الگو های آن  یکی از مباحث مهم و حیاتی مدیریت درزمینه برنامه ریزی و تصمیم گیری است که امروزه علاقه فراوانی در استفاده از سیستم های هوشمند به منظور بهبود کیفیّت تصمیم های مدیریتی و کاهش خطاهای پیش بینی به دلیل قابلیت بالای این سیستم ها بوجود آورده است. ایران از جمله کشورهایی است که اساس اقتصاد آن بر درآمد صادرات فراورده های سوختی نفتی بنا شده است. ارتباط حجم و ارزش صادرات نفت و گاز و رشد اقتصادی به منزلۀ افزایش ظرفیّت های اقتصادی یکی از  موضوعات مهم و قابل توجّه برای مراکز تحقیقاتی و برنامه ریزی است. همچنین در دنیای پیچیدۀ امروز پیش بینی و مدیریت تقاضا نقش مهمی در برنامه ریزی حوزۀ انرژی کشورهای نفت خیز دارد ، این بدان دلیل است که نفت یکی از پارامتر و عوامل بسیار مهم در امنیت اقتصادی این کشورها محسوب می شود. براین اساس تخمین تقاضای نفت و فرآورده های سوختی نفتی و تحلیل آن در طول زمان می تواند نقش قابل توجّهی در نیل به اهداف ایفا کند. از طرفی تخمین و پیش بینی میزان تقاضای فرآورده های سوختی نفتی از مدل و تکنیک های مختلفی می تواند صورت بگیرد. اما با توجه به تکنیک های زیادی که ارائه شده است آیا می توان تکنیکی را برتر ، در دقّت برآوردها شناسایی کرد؟

در سال های اخیر شاهد حضور موفق روش های فرا ابتکاری الگوریتم بهینه سازی ازدحام ذرّات[7] و شبکه های عصبی مصنوعی[8] بوده‌ایم. در این تحقیق سعی شده است تا با استفاده از روش های جدید و نیرومند به پیش بینی فرآورده های نفتی بپردازیم وکیفیّت این روش ها را با یکدیگر مقایسه نمائیم. همچنین با پیشرفت و توسعۀ روش های غیر خطّی همچون شبکه های عصبی ، شبکه های عصبی فازی[9]، الگوریتم ژنتیک[10]، الگوریتم کولونی مورچگان[11]، الگوریتم بهینه سازی ازدحام ذرّات ، الگوریتم بهینه سازی علف های هرز[12] و … می توان از این روش ها برای پیش بینی تقاضا استفاده نمود.

1.3. اهمیت پژوهش

طبق تعریف، پیش بینی یک برآورد (یا تعدادی برآورد) کمی درباره  احتمال وقایع آینده است که براساس اطلاعات حال و گذشته انجام می شود “چتفیلد ، 1372”. از طرفی پیش بینی مناسب برای محصولاتی مهم از قبیل بنزین ،گازوئیل و… می تواند در توسعه و برنامه ریزی اقتصادی یک کشور اهمیّت بسزایی داشته باشد. به عبارتی داشتن پیش بینی مناسب از آینده، کارایی برنامه ریزی را به شدّت تحت تأثیر قرار می دهد.

همانطور که اشاره شد برای تخمین تابع تقاضای نفت و فرآورده های سوختی نفتی می توان از تکنیک و مدل های مختلفی کمک گرفت، اما در این تحقیق برای پیش بینی تقاضا برای فرآورده های سوختی نفتی از سه روش توانمندی عینی شبکه های هوش مصنوعی، الگوریتم توده ذرات و علف های هرز استفاده شده است که در نهایت می توان یکی از بهترین روشهای پیش بینی تقاضا را تعیین کرد که نسبت به سایر روش های ارائه شده ازدقت بالاتری برخوردار می باشد.

1.4. اهداف تحقیق

همانطور که اشاره شد تخمین تابع تقاضا با تکنیک های مناسب و دقیق تر می تواند ما را به پیش بینی دقیق تری از فرآورده های سوختی نفتی برساند که در نهایت می توان با برآورد کردن تابع تقاضا و اطلاع از حدود تقاضا با تکنیک های مطرح شده سیاست های مناسب و برنامه ریزی دقیق تری را در پیش گرفت. به طور کلّی هدف از این پژوهش  ارائه تکنیک های مختلف است که می توان در تخمین تابع تقاضا از آنها کمک گرفت و در نهایت خروجی هر یک از تکنیک های مورد نظر را با یکدیگر مقایسه کرد و یک تکنیک برتر و کارآمد را معرفی کرد.

1.5. سؤالات پژوهشی

برخی از سؤالاتی که در این باره می تواند مورد توجه قرار بگیرد به شرح زیر است:

1- آیا با سه روش بهینه سازی توده ذرّات ،شبکه های هوش مصنوعی و الگوریتم علف های هرز می توان به پیش بینی تابع تقاضا پرداخت؟

2- از بین سه روش فوق کدامیک از اهمیت و دقت بالاتری برخوردار است؟

1.6. روش تحقیق

نوع تحقیق بر اساس هدف کاربردی می باشد و براساس چگونگی بدست آوردن داده های مورد نیاز، تحقیق حاضر یک بخش کتابخانه ای می باشد، به این ترتیب که ابتدا برای شناسایی عوامل مؤثر بر تابع تقاضا با بررسی کتابخانه ای  پیشینۀ تحقیق ، مجموعه ای از شاخص ها شناسایی می شود و بعد از آن داده ها بر اساس پایگاه داده شرکت نفت استخراج می شود و در نهایت از طریق نرم افزار MATLAB اجرا می شود.

1.7. قلمرو تحقیق

قلمرو تحقیق شامل سه مورد قلمرو موضوعی، قلمرو زمانی و قلمرو مکانی است که در ادامه به تشریح هر یک پرداخته می شود.

1.7.1. قلمرو موضوعی

قلمرو موضوعی این پایان نامه پیش بینی تقاضا برای فرآورده های سوختی نفتی می باشد.

1.7.2. قلمرو زمانی

قلمرو زمانی تحقیق، با استفاده از میزان مصرف چهار فرآوردۀ مهم سوختی نفتی در بازۀ زمانی سال 1306 تا 1391 می باشد.

1.7.1. قلمرو مکانی

قلمرو مکانی این تحقیق، شرکت ملّی پالایش و پخش فرآورده های سوختی نفتی کشور می باشد.

1.8. شرح واژه و اصطلاحات به کار رفته در پژوهش (مفاهیم عملیاتی):

تقاضا[13] :

از تقاضا تعاریف زیادی ارائه شده است.اما یک تعریف کلّی که می توان از تقاضا ارائه داد به این ترتیب است که تقاضا عبارت است از مقدار کالا یا خدمتی که با توجه قیمت و سایر عوامل در یک دوره خریداری می کنیم ” نظری، 1392″.

فراورده های سوختی نفتی[14]:

به مجموعه ای از محصولات منتج از نفت گفته می شود که شامل بنزین ، نفت گاز و … می باشد.

الگوریتم بهینه سازی علف های هرز:

در طول چهار دهۀ گذشته، تعداد زیادی الگوریتم به منظور حل مسائل متنوّع بهینه سازی مهندسی توسعه یافته اند. اکثر این الگوریتم ها بر پایه روش های برنامه ریزی خطّی و غیر خطّی عددی بوده است. الگوریتم بهینه سازی علف های هرز (IWO) یک الگوریتم بهینه سازی احتمالی عددی الهام گرفته شده از رشد علف های هرز می باشد، که در سال 2006 توسط محرابیان و لوکاس در قالب مقاله ایی ارائه شد.

علف های هرز گیاهانی هستند که رشد هجوم آورنده و شدید آنها تهدید مهمی برای گیاهان زراعی محسوب می شود. علف های هرز بسیار پایدار و تطابق پذیر در مقابل تغییرات محیط می باشند. بنابراین با گرفتن خصوصیات آنها می‌توان به یک الگوریتم بهینه سازی قوی رسید. این الگوریتم تلاش می کند که از قدرت تطابق پذیری و تصادفی بودن  جمعیّت علف های هرز به طور ساده تقلید کند. معمولاً برای شبیه سازی رفتار علف های هرز تعدادی مسائل پایه ای نیاز است:

1-مقدار دهی اولیه یک جمعیت

2-تولید مثل

3-پراکندگی محیطی

4-حذف رقابتی

الگوریتم بهینه سازی توده ذرّات:

الگوریتم بهینه سازی توده ذرّات یکی از مهم ترین الگوریتم هایی است که در حوزۀ هوش جمعی[15] جای می گیرد. این الگوریتم توسط کندی و ابراهارت[16] در سال 1995 معرفی و با الهام گرفتن از رفتار اجتماعی موجوداتی چون ماهی و پرندگان که در گروه های کوچک و بزرگ کنار هم زندگی می کنند طراحی شده است. نام های دیگر این الگوریتم عبارتند از: الگوریتم بهینه سازی ازدحام ذرّات و الگوریتم پرندگان است که شباهت زیادی به الگوریتم ژنتیک دارد. در این روش هر پاسخ را می توان به صورت پرنده ای در دسته ای از پرندگان تصور نمود. در ابتدا یک دسته از اجزاء که هرکدام  iتحت عنوان جزء یک پاسخ برای مسئله می باشند به صورت تصادفی تولید می شوند و در ادامه با حرکت دسته ای از اجزاء در جهت یافتن بهترین پاسخ فضای امکان پذیر جستجو می شود. تغییر موقعیت اجزاء برای رسیدن به موقعیت بهتر، باتوجه به دو عامل صورت می گیرد. این عوامل عبارتند از بهترین موقعیت هر جزء که قبلاً با آن روبرو شده است و موقعیت بهترین جزء جمعیت در طول فرآیند جستجو. سرانجام همۀ اجزاء پس از جستجوی کامل در نقطۀ بهینه همگرا می شوند.

شبکه های هوش مصنوعی:

شبکه های عصبی مصنوعی یا به زبان ساده تر شبکه های عصبی سیستم ها، روش های محاسباتی نوینی هستند که برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش بدست آمده در جهت پیش بینی پاسخ های خروجی از سامانه های پیچیده مورد استفاده قرار می گیرد. به طور کلی این تکنیک یکی از روش های جدید در رشتۀ اقتصاد در ایران به تازگی مورد توجه قرار گرفته است و ابزارهای خطّی و غیر خطّی را برای پیش بینی در اختیار قرار می دهد، به عبارت دیگر هوش مصنوعی به عنوان یکی از سه تکنیک ذکر شده می تواند روابط خطّی و غیر خطّی بین ورودی ها و خروجی ها را براساس داده های آموزش تشخیص داده و روابط بنیادی بین آنها را شناسایی کند و سپس روابط کشف شده را بر سایر داده ها تعمیم دهد که در نهایت می تواند به ساختاری دست یابد که توانایی پیش بینی تقاضا را داشته باشد. توافق دقیقی بر تعریف شبکه عصبی درمیان محقّقان وجود ندارد ؛ اما اغلب آنها موافقند که شبکۀ عصبی شامل شبکه ‎ای از عناصر پردازش ساده (نرون[17] ها) است، که می‌تواند رفتار پیچیدۀ کلّی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورون ها (آکسون[18]‎ ها، شاخه‌های متعدد سلولهای عصبی ومحلهای تماس دو عصب) نشأت گرفته‌ است، که یکی از قابل توجه‎ ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده برای تشکیل شبکه ‎ای از گره‎ها، به هم متصل شده اند، به همین دلیل به آن، اصطلاح شبکه‎های عصبی اطلاق می‎شود. درحالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطۀ الگوریتم‌هایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه طراحی شده باشد.

تعداد صفحه :116

قیمت :37500 تومان

بلافاصله پس از پرداخت ، لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت  serderehi@gmail.com

پایان نامه ارشد کارشناسی ارشد رشته مهندسی برق الکترونیک گرایش قدرت:کنترل خودکار تولید سیستم قدرت در حضور منابع انرژی تجدیدپذیر- قسمت 6

صورتی که حلقه داخلی جریان کنترل می‌نماید. خروجی این سطح توان تنظیم شده ی  و  می‌باشد. تحت این کنترل، زمانی که ولتاژ آرایه خورشیدی  دقیقا برابر با ولتاژ رفرنس  باشد، توان تزریقی به شبکه  نیز برابر با مقدار تعیین شده آن می‌باشد. یعنی با تعیین ولتاژ رفرنس  و اعمال آن به این سطح کنترلی توان خروجی اینورتر متناسب با مقدار خواسته شده خواهد بود.
با فرض اینکه مدل دقیق منحنی  آرایه ی خورشیدی نامعلوم است، وظیفه اصلی سطح 2 کنترلی یافتن  متناسب با  در شرایطی است که  کوچکتر از ماکزیموم توان موجود و قابل دسترسی توسط MPPT،  باشد (حالت کنترل دروپ) و همچنین یافتن  به گونه ای متناسب با  در شرایطی است که  بزرگتر از ماکزیموم توان موجود و قابل دسترسی توسط MPPT،  باشد (حالت MPPT). ورودی سطح 2 کنترلی، ،  و  می‌باشد.
کنترل فرکانس در سطح 3 کنترلی قسمت اعظم طرح کنترلی به کار رفته را مشخّص می‌کند. سیستم خورشیدی حاضر در حالت کنترل دروپ مورد بهره برداری قرار می‌گیرد و در صورت نیاز می‌تواند به حالت کنترل اضطراری وارد شود.
لازم به ذکر است، در اینجا به طور خاص با توجّه به زاویه دید این تحقیق تنها حالت کنترلی دروپ مورد توجّه قرار دارد. ورودی سطح 3 کنترلی، تغییرات فرکانس سیستم  و خروجی آن  برای سطح 2 کنترلی خواهد بود.
طرح کنترلی بیان شده می‌تواند بر روی انواع سیستم‌های خورشیدی با توپولوژی‌های مختلف اینورتر در سطح 1 کنترلی مورد استفاده قرار گیرد. تاثیر استفاده از طرح کنترلی پیشنهادی به شدّت وابسته به شرایط بهره برداری سیستم‌های خورشیدی نظیر تابش خورشید و دما است [29]. 

3-3-6- الگوریتم سطح 2 کنترلی برای کنترل توان اکتیو

برای رسیدن به مشخّصات مطلوب تنظیم فرکانس، کنترل سطح 2 می‌بایست دو خصیصه مهّم را برآورده سازد:

  1. توان اکتیو تزریق شده به شبکه وسیله سیستم خورشیدی رفرنس توان تولیدی تعیین شده را به سرعت دنبال کند.
  2. بتوان توان اکتیو را در رنج نسبتاً وسیعی تغییر داد (برای مثال از 0 تا بیشینه توان قابل تولید(MPPT) ).

در الگوریتم‌های پیشین که از حبس تولید (Curtailment) استفاده کردند، سیستم‌های خورشیدی تنها در بخش چپ منحنی  مورد استفاده قرار می‌گرفتند [60] و [61]. در نتیجه پاسخ نه چندان سریع به رفرنس توان بدنبال داشتند. با انتخاب نقاط کاری سمت راست نقطه ماکزیموم توان در منحنی  جهت انتخاب نقطه کار، سرعت دنبال کردن رفرنس توان نسبتا افزایش می‌یابد. در [29] الگوریتمی مبتنی بر درونیابی درجه دوم نیوتون برای رسیدن به نقطه کار جدیدی که به عنوان رفرنس توان مد نظر قرار دارد به کار گرفته شد. اساس کار این الگوریتم استفاده از فرآیندی تکراری برای تعیین ولتاژ لازم برای آرایه خورشیدی است، به نحوی که در این ولتاژ آرایه خورشیدی رفرنس توان را تولید کند. برای مثال این الگوریتم می‌تواند با چند تکرار ولتاژ  متناظر با  در زمانی که  می‌باشد و یا تعیین  هنگامی که  باشد را در زمان کوتاهی تعیین کند.
سطح 3 کنترلی دینامیک سریعی دارد و در قیاس با دینامیک باقی اجزا در مطالعات کنترل خودکار تولید (دینامیک میان مدت)، قابل صرفنظر کردن است.

3-3-7- حالت کنترلی دروپ برای سیستم‌های خورشیدی

کنترل دروپ فرکانس، تکنیکی شناخته شده برای تنظیم فرکانس سیستم قدرت به حساب می‌آید. توان خروجی اکتیو یک ژنراتور سنکرون  متناسب با تغییرات فرکانس سیستم قابل تنظیم است. خصوصاً اینکه تنظیمات به گونه ای انجام می‌شود که توان اکتیو نامی در فرکانس نامی تولید گردد. اگر فرکانس سیستم کمتر از مقدار نامی گردد، نشان می‌دهد  بیشتر از مقدار نامی است و بالعکس.
در این بخش، اِعمال ساختار کنترل دروپ فرکانس بر سیستم‌های خورشیدی شرح و بسط داده می‌شود. اما در اینجا دو محدودیت عمده در قیاس با کنترل دروپ ژنراتورهای سنکرون وجود دارد:

  1. عدم کنترل بر منابع توان اولیّه، محدودیتی سنگین بر حد بالای تولید در توان تزریقی به شبکه اِعمال می‌کند.
  2. ماکزیموم توان قابل بهره برداری از تولید خورشیدی، همانطور که در مدلسازی تولید خورشیدی عنوان شد، به شدّت تحت تاثیر شدّت تابش خورشید و دما است. در نتیجه در بکار بستن کنترل دروپ باید توجه داشت که می‌بایست منحنی دروپ فرکانس را با نقاط کاری متنوعی تطبیق داد.

بر اساس ویژگی‌های بیان شده، می‌توان تابعی توصیف نمود که خروجی رفرنس توان اکتیو را با فرکانس سیستم ارتباط می‌دهد:

(3-23)

که در آن  و  شرایط نامی بهره برداری شبکه است. رابطه 3-23 بیان می‌دارد بدون احتساب محدودیت حداکثر تولید،  می‌تواند به صورت  محاسبه گردد. این فرم مشابه محاسباتی است که برای ژنراتورهای سنکرون نیز انجام می‌شود [2]. زمانی که  به سقف مجاز تولید می‌رسد، مقدار  به آن اختصاص می‌یابد و قابلیّت تنظیم فرکانس را نیز از دست می‌دهد. در منحنی دروپ فرکانس نشان داده شده در شکل 3-16، خطوط عمودی و افقی به ترتیب، مشخّصه دروپ را در حضور و عدم حضور سقف مجاز تولید  نشان می‌دهد.
فرکانس بحرانی فرکانسی است که در آن  با  برابر خواهد شد:

(3-24)

به طور خاص، سیستم خورشیدی توان ماکزیموم  را زمانی تولید می‌کند که فرکانس شبکه  کمتر از فرکانس بحرانی  بوده و زمانی که فرکانس سیستم  بالاتر از فرکانس بحرانی  باشد، میزان مشخّصی از تولید را حبس می نماید. به صورت مشخّص می‌توان عنوان کرد که میزان توان باقیمانده برای رسیدن به ماکزیموم توان تولید فرکانس بحرانی  منحنی دروپ را تعیین می‌کند.
به منظور به کار بردن طرح کنترلی دروپ برای تولید خورشیدی شکل 3-15 تهیه شده است.
شکل 3- 15 دیاگرام کنترل دروپ فرکانس
همانطور که در شکل 3-15 مشخص است مشابه ساختار مشخصه دروپ گاورنر ماشین های سنکرون ، ابتدا میزان خطای فرکانس از انتگرال‌گیر ی گذشته و سپس توسط  تقویت می‌شود. خروجی این واحد، میزان تغییر توان خروجی واحد را تعیین می کند [2]. در سیستم دروپی که برای واحد خورشیدی در نظر گرفته می شود، خروجی سیستم گاورنر، رفرنس توان سطح 2 کنترلی است. دینامیک کنترلر توان اکتیو را می‌توان به صورت تابع تبدیل درجه اول خطی با ثابت زمانی  و نرخ محدودیت تولید در نظر گرفت [62]. محدودیت تولید را ظرفیت تولید واحد خورشیدی  تعیین می کند. در این مطالعه  ثانیه و ضریب تقویت سیگنال  برابر با 100، در نظر گرفته شده است [29].
زمانی که  به بار  متصل شده است، واحد خورشیدی تحت حالت کنترل دروپ مورد بهره برداری قرار می‌گیرد. در این حال، مشخصّات کنترل دروپ مستقیماً تحت تاثیر دینامیک واحد خورشیدی قرار می‌گیرد:

  1. در اینجا باید توجّه داشت که ضریب باید مطابق با کد شبکه و قابلیّت کلی در تنظیم فرکانس، مطابقت داشته باشد. در سیستم تحت بررسی حاضر  در نظر گرفته می‌شود (شکل3-16).

شکل 3- 16 کنترل دروپ حالت ماندگار سیستم خورشیدی

  1. معمولا را شرایط کاری شبکه مشخّص می‌کند. زمانی که مقدار بالایی به خود می‌گیرد فرکانس شدیدا افت کند، تولید خورشیدی نمی‌تواند در کنترل فرکانس مشارکت داشته باشد. در صورتیکه با مقدار کمتری از ، قابلیّت تنظیم فرکانس واحد خورشیدی افزایش می‌یابد. در این حالت تأمین پشتیبانی قابلیّت تنظیم فرکانس واحد خورشیدی در شبکه به قیمت قربانی کردن توانی است که با تابش شدید خورشید قابل استحصال می‌باشد. به عبارت دیگر، موازنه ای بین مزایای اقتصادی و ظرفیت پشتیبانیِ فرکانس صورت می پذیرد. در حقیقت، سهم تولید خورشیدی در شبکه، باید با توجّه به الگو‌های بار و اغتشاشات احتمالی و همچنین قابلیّت مورد انتظار پشتیبانی فرکانس تعیین گردد. برای مثال در یک سیستم ایزوله کوچک با ضریب نفوذ بالای تولید خورشید، مجموع ظرفیت تنظیم فرکانس شبکه ضعیف است. در نتیجه برای سیستم خورشیدی الزامی است با نقطه بارگذاری پایین‌تر پشتیبانی فرکانسی بیشتری را تأمین نماید.
  2. زمانی که فرکانس شبکه به پایین تر از فرکانس بحرانی نزول می‌کند،  ممکن است به بالاتر از  ارتقا یافته و مقداری را اختیار نماید که غیر قابل تأمین است. در این حال زمان نسبتا زیادی لازم است تا  به میزان  باز گردد. از این رو، اکتواتور‌های اشباع اختیار کار را به دست می گیرند و طرح‌های Anti-Windup پیاده سازی گردند [63].

لازم به ذکر است طرح‌های Anti-Windup زمانی فعّال می شوند که تولید خورشیدی به اشباع رفته باشد. در شبیه سازی انجام شده نقطه کار به گونه ای انتخاب شده که اشباعی در تولید اتفاق نیفتد.
در نهایت می توان بلوک دیاگرام سیستم کنترلی پیشنهادی برای مشارکت واحد خورشیدی در کنترل فرکانس را مطابق دیاگرام داخل خط چین شکل 3-17 نشان داد:
شکل 3- 17 ساختمان کنترل دروپ پیشنهادی برای سیستم خورشیدی

3-4- استفاده از ذخیره‌ساز‌های انرژی در سیستم قدرت

سیستم‌های ذخیره‌ساز انرژی باتری می‌تواند راه حل‌های گوناگونی را برای ارتقای کیفیت توان سیستم‌های تولید توان متشکّل از منابع تجدیدپذیر معرفی کند [64] [65]. از آنجا که سیستم ذخیره‌ساز باتری قابلیّت جبران سازی توان اکتیو سریعی دارد، می‌تواند در مسأله کنترل بار فرکانس سیستم قدرت موفق ظاهر شود. علاوه بر این ذخیره‌ساز باتری موجب افزایش قابلیّت اطمینان سیستم در پیک بار به حساب می آیند. با داشتن دینامیک مناسب از ذخیره‌سازهای باتری می‌توان در زمینه‌های مختلفی چون سطح بندی بار، رزرو سیستم، پایدارسازهای توان خطوط بلند، تنظیم فرکانس سیستم اصلاح ضریب توان و غیره نام برد. بعضی از نمونه‌های موفّق استفاده از ذخیره‌ساز باتری را واحد ذخیره‌ساز 17 مگاواتی برلین [66] و 10 مگاوات/40مگاوات-ساعتی واحد چینو واقع در جنوب شرقی کالیفرنیا [67] دانست.

3-4-1- مدل ذخیره‌ساز باتری

مدار معادل واحد BES را می‌توان به صورت مبدل متصل به یک باتری معادل همانند شکل 3-18 در نظر گرفت.
شکل 3- 18 بلوک دیاگرام مدل خطی ذخیره‌ساز باتری [30]
در مدار معادل باتری،  زاویه آتش مبدّل،  راکتانس جابجاسازی،  جریان DC باتری،  مقاومت اضافه ولتاژ،  ظرفیت خازن اضافه ولتاژ    ولتاژ مدار باز باتری،  اضافه ولتاژ باتری،  مقاومت اتصالی و  مقاومت داخلی باتری،  مقاومت تخلیه خودی باتری و  ظرفیت خازنی باتری را نشان می‌دهد. ولتاژ DC ماکزیموم بی باری مبدل 12 پالسه همانطور که در رابطه 3-25 آمده، با  نشان داده شده است:

(3-25)

که در آن  ولتاژ rms خط می‌باشد. جریان DC تأمینی باتری بوسیله معادله 3-26 بیان می‌شود:

(3-26)

بر اساس بررسی مدل مداری مبدل، توان اکتیو و راکتیو جذب شده واحد BES بوسیله معادلات3-27  و 3-28 بیان می‌شود:

(3-27)
(3-28)

که در آن  و  زاویه آتش مبدل شماره 1 و شماره 2 به کار رفته در مدل BES می‌باشد.
در مطالعات کنترل بار فرکانس عملکرد واحد BES را می‌توان به صورت یک تابع تبدیل درجه اول به فرم زیر و به همراه یک محدود کننده جهت محدود سازی توان تزریقی(مشخص کننده توان نصب شده ذخیره‌ساز در ناحیه) ، تقریب زد [64]:

(3-29)

که در آن  تغییرات فرکانس،  خروجی توان واحد BES،  بهره واحد تولیدی و  ثابت زمانی واحد BES می‌باشد،  و .

3-5- الگوریتم بهینه‌سازی نوسان ذرات

کنترل خودکار تولید با بازگرداندن فرکانس شبکه و توان انتقالی خطوط به مقدار نامی و برنامه ریزی شده در پی بروز اغتشاشی در بار، نقشی مهّم در سیستم‌های قدرت بر عهده دارند.
پس از بروز انحرافی در بار، برای از بین بردن انحراف ماندگار فرکانس شبکه و باز گرداندن آن به مقدار نامی، حلقه کنترل فرکانس ثانویه می‌بایست با بهره‌هایی بهینه، پاسخگوی این نیاز باشند. در این مرحله، بهره‌های کنترلر انتگرال‌گیر حلقه ثانویه توسط تکنیک بهینه‌سازی نوسان ذرات بهینه شده اند.
این الگوریتم در ابتدا توسط کندی [68]معرفی شد. با استفاده از این تکنیک پاسخ‌های با کیفیتی با خصوصیات همگرایی پایدار در زمانی کمتر فراهم می‌شود. این تکنیک از ذراتی استفاده می‌کند که نماینده پاسخ‌های بالقوه برای مسئله به حساب می آیند. تمام ذرات با سرعت معینی در فضای جستجو به حرکت در می آیند. موقعیت ذره  ام  نام دارد و سرعت این ذره در تکرار  به صورت زیر تعریف می شوند:

(3-30)
(3-31)

که در آن  تکرار،  تعداد ذرات،  وزن لختی است که به صورت خطی با روند تکرار الگوریتم کاهش می‌یابد،  و  ثابت‌های مکان،  و  شماره‌هایی تصادفی که به صورت یکنواخت از 0 تا 1 انتخاب می‌شوند،  تکرار الگوریتم،  بهترین موقعیت قبلی ذره  ام و  موقعیت بهترین ذره است. در هر تکرار پاسخ بهینه در سلول  جایگذاری می گردد. با ادامه روند بهینه‌سازی و در انتهای تکرار‌ها  پاسخ مسئله خواهد بود. شکل 3-19روند اجرای الگوریتم را نشان می‌دهد.

مقدار دهی اولیّه  
تکرار  
  محاسبه مقدار برازندگی ذرات
  مقایسه مقادیر برازندگی با  و
  تغییر سرعت و موقعیت ذرات متناسب با معادلات 3-29 و  3-30
پایان ( مرز همگرایی یا بیشینه تعداد تکرار)  

شکل 3- 19روند اجرایی تکنیک PSO

3-6- شبکه ترکیبی

با توجه به برنامه های کنترلی پیشنهادی جهت مشارکت تولیدات بادی و خورشیدی و همچنین ذخیره سازها در کنترل فرکانس، میتوان مدل کنترل بار فرکانس سیستم دو ناحیه ای قدرت شکل2-8 را در حضور منابع انرژی تجدیدپذیر و ذخیره سازی باتری به صورت شکل 3-20 به روز کرد.
شکل 3- 20 بلوک دیاگرام سیستم دو ناحیه ای قدرت در حضور مزرعه بادی DFIG و مزرعه خورشیدی و ذخیره ساز باتری
در این شکل تولیدات بادی در ناحیه 1 مستقر شده و با استفاده از سیگنال ورودی تغییرات فرکانس در کنترل فرکانس شرکت داده می شود. تولیدات خورشیدی نیز در ناحیه 2 نصب شده و با تغییرات فرکانس ناحیه 2 در کنترل فرکانس شرکت دارند. علاوه بر این دو ذخیره ساز های نصب شده در دو نو ناحیه نیز متناسب با حجم نصب شده در ناحیه ظرفیت جدیدی برای مشارکت در کنترل اولیّه فرکانس پدید می آورند.

3-7- جمع بندی

در این فصل ابتدا تاثیرات ورود تولید بادی DFIG به شبکه دو ناحیه ای قدرت مدل شد. نشان داده شد که جایگزینی تولید بادی به جای تولید متداول به معنای کاهش لختی و توانایی تنظیم فرکانس شبکه خواهد بود. در ادامه با استفاده از مدل توربین بادی 3.6 مگاواتی جنرال الکتریک، ایده استفاده از انرژی جنبشی موجود در جرم چرخان توربین بادی مورد توجه قرار گرفت کنترلری جهت استخراج این انرژی و معنا بخشیدن به مفهوم لختی توربین بادی عنوان شد. در کنترلر پیشنهادی با بروز انحرافی در فرکانس، این تابع کنترلی فعال شده و توان اکتیو کوتاه مدتی را برای شبکه از طریق جذب انرژی جنبشی موجود در جرم چرخان توربین تا رسیدن سرعت پره به مرز پایینی سرعت مجاز تأمین می کند. این توان موقت علاوه بر سطح توان تولیدی بادی است. این توان اکتیو موقت با مقدار تغییرات فرکانس و همچنین نرخ تغییرات فرکانس سیستم متناسب است. پس از رسیدن فرکانس به سطحی قابل قبول و یا رسیدن سرعت چرخش روتور توربین بادی به سرعت کمینه، این حلقه کنترلی غیر فعال می شود.
در ادامه سیستم کنترلی جدید برای سیستم خورشیدی در شبکه دو ناحیه ای قدرت مورد استفاده قرار گرفت. طرح کنترلی پیشنهاد شده برای استفاده از تولید خورشیدی در سیستم دو ناحیه ای قدرت در نظر گرفتن سطحی بین 0 تا مقدار بیشینه توان قابل تأمین از طرف تولید خورشیدی به صورتی که ظرفیت مازادی در دسترس بوده باشد. برای این ظرفیت رزرو سیستمی مشابه سیستم دروپ واحد های تولید متداول عنوان شد. متناسب با تغییرات فرکانس و ثابت دروپ سیستم خورشیدی، خروجی واحد خورشیدی تغییر می کند. این تغییر توان متناسب با اعمال ولتاژ مشخصی به اینورتر ها و قسمت الکترونیک قدرت شبکه است. این بخش با یک تابع تبدیل درجه اول با ثابت زمانی نسبتاً کوچکی مدل شد. کنترلر پیشنهادی متناسب با تغییرات فرکانس و ضریب نفوذ تولید بادی در کنترل فرکانس اولیّه شرکت می کند.
در ادامه ساختار داخلی ذخیره ساز باتری به اختصار بیان شد. مدلی جهت شرکت ذخیره ساز باتری در کنترل فرکانس عنوان شد. جهت بهینه سازی پارامتر های سیستم قدرت از الگوریتم هوشمند بهینه سازی ازدحام ذرات استفاده می‌شود. قواعد حاکم بر این تکنیک بیان شد. در انتها با توجه به نکات مطروحه در باب مشارکت تولیدات بادی و خورشیدی در کنترل اولیّه فرکانس و حضور ذخیره‌سازها، مدل سیستم قدرت به روز شد. در فصل آینده با توجه به مدل کنترلی بیان شده نتایج شبیه سازی بیان می گردد.
 
 
 
 
 
 
 
 
 
 
 
 

 

 

فصل چهارم: شبیه سازی و ارائه نتایج

 
 
 
 
 
 
 
 
 
 
 

4-1- مقدمه

در این فصل با توجّه به حضور تولیدات انرژی تجدیدپذیر در شبکه،  پاسخ دینامیکی شبکه در حضور ضریب مشخّصی از تولید بادی و یا تولید خورشیدی و یا هر دو همزمان، بدون بکار بردن برنامه‌های کنترلی جهت کنترل فرکانس و با بکار بردن آنها مورد مقایسه قرار می‌گیرند. اثر استفاده از ذخیره‌ساز‌ها در حضور همزمان تولید بادی DFIG با پشتیبانی موقّت  توان اکتیو و تولید خورشیدی با اعمال کنترلر دروپ فرکانس طی چند سناریو بررسی شده و ضریب نفوذ بهینه‌ای برای استفاده از منابع انرژی تجدیدپذیر تعیین می‌شود. برای داشتن پاسخ فرکانسی مطلوب و از بین بردن خطای حالت ماندگار بهره‌های کنترلر انتگرال‌گیر حلقه کنترلی ثانویه توسط الگوریتم بهینه‌سازی نوسان ذرات، بهینه شده و نتایج

پایان نامه ارشد: بهینه‌سازی الگوی کشت محصولات کشاورزی با الگوریتم رقابت استعماری

متن کامل پایان نامه مقطع کارشناسی ارشد رشته : کشاورزی

گرایش : مهندسی منابع آب

عنوان : بهینه‌سازی الگوی کشت محصولات کشاورزی با الگوریتم رقابت استعماری

Continue reading “پایان نامه ارشد: بهینه‌سازی الگوی کشت محصولات کشاورزی با الگوریتم رقابت استعماری”

پایان نامه ارشد: تعیین نوع بهینه تقاطع غیرهمسطح با استفاده از الگوریتم انبوه ذرات (PSO)

متن کامل پایان نامه مقطع کارشناسی ارشد رشته :مهندسی عمران

گرایش :راه و ترابری

عنوان : تعیین نوع بهینه تقاطع غیرهمسطح با استفاده از الگوریتم انبوه ذرات (PSO)

Continue reading “پایان نامه ارشد: تعیین نوع بهینه تقاطع غیرهمسطح با استفاده از الگوریتم انبوه ذرات (PSO)”

دانلود پایان نامه:برنامه ریزی توان راکتیو شبکه با در نظر گرفتن عدم قطعیت باربا استفاده از یک روش تکاملی

متن کامل پایان نامه مقطع کارشناسی ارشد رشته :برق

گرایش :قدرت

عنوان : برنامه ریزی توان راکتیو شبکه با در نظر گرفتن عدم قطعیت باربا استفاده از یک روش تکاملی

Continue reading “دانلود پایان نامه:برنامه ریزی توان راکتیو شبکه با در نظر گرفتن عدم قطعیت باربا استفاده از یک روش تکاملی”

پایان نامه : بهینه‌سازی الگوی کشت محصولات کشاورزی با الگوریتم رقابت استعماری (مطالعه موردی : شهرستان بشرویه)

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کشاورزی

گرایش :مهندسی منابع آب

عنوان : بهینه‌سازی الگوی کشت محصولات کشاورزی با الگوریتم رقابت استعماری(مطالعه موردی : شهرستان بشرویه)

Continue reading “پایان نامه : بهینه‌سازی الگوی کشت محصولات کشاورزی با الگوریتم رقابت استعماری (مطالعه موردی : شهرستان بشرویه)”

دانلود پایان نامه ارشد : استفاده از مدل‌سازی هوشمند در فرآیند طراحی و عیب یابی عملیات حفاری

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی نفت

گرایش :حفاری و بهره‌برداری

عنوان : استفاده از مدل‌سازی هوشمند در فرآیند طراحی و عیب یابی عملیات حفاری

Continue reading “دانلود پایان نامه ارشد : استفاده از مدل‌سازی هوشمند در فرآیند طراحی و عیب یابی عملیات حفاری”

دانلود پایان نامه : مدلسازی فازی سیستم جرثقیل با کابل کششی و کنترل آن بر اساس رهیافت تاکاگی سوگنو

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته ابزار دقیق و اتوماسیون صنایع نفت

عنوان : مدلسازی فازی سیستم جرثقیل با کابل کششی و کنترل آن بر اساس رهیافت تاکاگی سوگنو

Continue reading “دانلود پایان نامه : مدلسازی فازی سیستم جرثقیل با کابل کششی و کنترل آن بر اساس رهیافت تاکاگی سوگنو”

پایان نامه ارشد: توزیع متعادل مصرف انرژی در شبکه‌های حسگر بیسیم با استفاده از خوشه‌بندی و الگوریتم های هوشمند

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی فناوری اطلاعات

گرایش : IT

عنوان : توزیع متعادل مصرف انرژی در شبکه‌های حسگر بیسیم با استفاده از خوشه‌بندی و الگوریتم های هوشمند

دانشگاه صنعتی ارومیه

دانشکده فنی و مهندسی

پایان نامه کارشناسی ارشد رشته مهندسی فناوری اطلاعات

گرایش IT

عنوان:

توزیع متعادل مصرف انرژی در شبکه‌های حسگر بیسیم با استفاده از خوشه‌بندی و الگوریتم های هوشمند

اساتید راهنما:

دکتر محمد پورمحمود آقابابا

دکتر وحید سلوک

Continue reading “پایان نامه ارشد: توزیع متعادل مصرف انرژی در شبکه‌های حسگر بیسیم با استفاده از خوشه‌بندی و الگوریتم های هوشمند”

پایان نامه ارشد: زمانبندی به­هنگام بر روی ماشین­های موازی با سرعت­های متفاوت با در نظر گرفتن تأثیر یادگیری و زمان آماده­سازی و محدودیت مجموعه پردازش

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی سیستم­های اقتصادی و اجتماعی

عنوان : زمانبندی به­ هنگام بر روی ماشین­های موازی با سرعت­های متفاوت با در نظر گرفتن تأثیر یادگیری و زمان آماده­سازی و محدودیت مجموعه پردازش

Continue reading “پایان نامه ارشد: زمانبندی به­هنگام بر روی ماشین­های موازی با سرعت­های متفاوت با در نظر گرفتن تأثیر یادگیری و زمان آماده­سازی و محدودیت مجموعه پردازش”