تولید هم‌زمان برق و حرارت (CHP) با استفاده از یک نوع سوخت ورودی، صرفه‌جویی انرژی قابل توجهی را ممکن ساخته و در بسیاری از موارد با توجه به بازده انرژی بالا، کاهش انتشار آلودگی و افزایش قابلیت اطمینان، جایگزینی کلیدی برای تولید مجزای انرژی حرارتی و الکتریکی شناخته می‌شود. با این حال وجود یک ارزیابی صحیح در جهت بررسی توجیه‌پذیری اقتصادی سرمایه‌گذاری در این نیروگاه‌ها با توجه به شرایط مختلف از جمله نوع و حجم تقاضای انرژی محل مصرف و همچنین مشخصات پارامترهای بهره‌برداری ضروری به نظر می‌رسد. از این رو در اين مطالعه يک چهارچوب بهينه‌سازي اقتصادی به‌منظور ارزيابي سرمايه‌گذاري در احداث واحد توليد هم‌زمان ارائه می‌گردد که در آن یک استراتژی بهینه با توجه به مدل عملکرد نیروگاه برای کاهش هزینه‌های بهره‌برداری و همچنین کاهش انتشار آلودگی زیست‌محیطی پیشنهاد می‌گردد. برای کاهش هزینه‌های مربوط به تأمین تقاضای انرژی در هر ساعت (تعیین استراتژی عملکرد) از برنامه‌ریزی خطی استفاده می‌گردد و در ادامه، استراتژی مورد نظر به کمک الگوریتم بهینه‌سازی اجتماع پرندگان (PSO)، برای تعیین ظرفیت بهینه CHP و بویلر کمکی، تا دست‌یابی به ماکزیمم مقدار ارزش خالص فعلی (NPV) از مقادیر مورد انتظار سرمایه‌گذاری به‌کار می‌رود. در نهايت کارایی روش پیشنهادی با آنالیز تصمیم احداث يک نیروگاه CHP براي یک بيمارستان نمونه ارائه‌ می‌گردد. پرونده مقاله

در اين مقاله 4 سناريوی تأمين انرژي مصرف‌كنندگان با استفاده از تابع هدف پیشنهادی با هم مقايسه گردیده و مناسب‌ترین روش تأمین انرژی مشخص شده است. 4 سناريوی تأمین انرژی عبارتند از: تأمين انرژي تنها به‌وسيله شبكه، شبكه و منابع توليد پراكنده، ريزشبكه به تنهايي و ريزشبكه متصل به شبكه بالادست. اين سناريوهاي تأمين انرژي در قالب دو حالت، بارها بر روي يك فيدر و بارها بر روي فيدرهاي مجزا محاسبه و با هم مقايسه مي‌شوند. تابع هدف پيشنهادي برای هر کدام از سناریوها داراي دو بعد اقتصادي و قابليت اطمينان است. بعد اقتصادي شامل هزينه ثابت و هزینه جاري تأمين انرژي و بعد قابليت اطمينان شامل انرژي تأمين‌نشده مصرف‌كنندگان مي‌باشد كه پس از تبديل تابع هدف به يك بعد با استفاده از برنامه‌ريزي خطي حل مي‌شود. روش پيشنهادي در اين مقاله با روش مشابه مقايسه شده كه نتايج نشان از كارآمدبودن و كاربردي‌تر بودن روش فوق دارد. پرونده مقاله

پنل‌های خورشیدی دارای مشخصه جریان- ولتاژ غیر خطی بوده و تنها در یک نقطه کار خاص، حداکثر توان را تولید می‌کنند. این نقطه بهینه توان با تغییر دما و شدت نور تغییر می‌کند. روش‌های مختلفی برای ردیابی نقطه حداکثر توان به صورت online و offline معرفی شده است. این مقاله روش جدیدی جهت بهبود عملکرد ردیابی نقطه حداکثر توان پنل‌های خورشیدی جدا از شبکه ارائه می‌دهد و الگوریتم روش پیشنهادی از دو بخش محاسبه نقطه کار و تنظیم دقیق تشکیل شده است. ابتدا بخش محاسبه نقطه کار که بر اساس روش ولتاژ مدار باز می‌باشد، حداکثر توان را تقریب می‌زند و سپس بخش تنظیم دقیق بر اساس روش اغتشاش و مشاهده مقدار دقیق حداکثر توان را دنبال می‌كند. روش پیشنهادی در محیط Matlab/Simulink شبیه‌سازی و برای یک نمونه آزمایشگاهی پیاده‌سازی شده و تأثیر تغییر فرکانس و دامنه اغتشاش بر روي پاسخ دینامیکی و عملکرد حالت پایدار ردیابی نقطه حداکثر مورد بررسی قرار می‌گیرد. نتایج حاصل از شبیه‌سازی و آزمایشگاه براي حالت راه‌اندازی و حالت پایدار با روش‌هاي موجود مقايسه مي‌گردد و مؤثربودن روش پیشنهادی نشان داده می‌شود. پرونده مقاله

نفوذ منابع انرژی تجدیدپذیر (RES) و خودروهای برقی به شبکه به دلیل ماهیت تصادفی‌بودنشان می‌تواند تأثیرات منفی بر عملکرد شبکه مثل کاهش کیفیت توان و افزایش تلفات داشته باشد. این چالش‌ها می‌بایست با برنامه‌ریزی دقیق بر مبنای تغییرات خروجی این منابع برای تأمین تقاضای اضافی ناشی از شارژ خودروها به حداقل برسد. به این منظور در این مقاله روشی جدید برای جایابی و تعیین ظرفیت هم‌زمان منابع تجدیدپذیر و ایستگاه شارژ خودروهای برقی و مدیریت پروسه شارژ خودروها در شبکه ارائه شده است. تابعی چند‌ هدفه در جهت کاهش تلفات توان، نوسانات ولتاژ، هزینه تأمین انرژی و هزینه‌ تعمیر و نگهداری باتری خودرو معرفی شده که در آن یافتن مکان و ظرفیت منابع تجدیدپذیر و ایستگاه شارژ خودروی برقی به عنوان متغیرهای هدف انجام می‌گیرد. ضرایبی وابسته به سرعت باد، تابش خورشید و نسبت تقاضای پیک سیستم برای بهبود ضریب بار شبکه و مدیریت الگوی شارژ خودروها در ساعات پیک و غیر پیک معرفی شده است. الگوریتم بهینه‌سازی ترکیبی GA-PSO بهبودیافته برای حل مسئله بهینه‌سازی در چهار سناریو مختلف استفاده شده و عملکرد روش مذکور با شبیه‌سازی بر روی شبکه تست IEEE 33باسه در نرم‌افزار Matlab بررسی شده است. پرونده مقاله

در این مقاله الگوریتمی جهت مدیریت تراکم بر اساس برنامه‌ریزی مجدد تولید و مصرف پیشنهاد می‌شود. الگوریتم پیشنهادی شامل دو بخش می‌باشد: 1) برنامه‌ریزی مجدد تولید و 2) مدیریت سمت مصرف. در الگوریتم پیشنهادی مدیریت سمت مصرف بر اساس پاسخ‌گویی بار می‌باشد و اجرای آن بر اساس مکانیزم بازار ارائه می‌شود که منفعت خرده‌فروشان نیز در آن لحاظ می‌گردد. بر اساس الگوریتم پیشنهادی دو شرط جهت مدیریت تراکم بررسی می‌شود: نخست جهت تأمین امنیت شبکه اپراتور مستقل سیستم (ISO) قیود خطوط را بررسی می‌کند که آیا نقضی رخ داده است؟ در صورتی که پاسخ مثبت باشد برنامه‌ریزی مجدد ژنراتورها انجام می‌شود. در مرحله بعدی ISO بررسی می‌کند که آیا جهش قیمتی رخ داده است؟ در صورتی که پاسخ مثبت باشد ISO با استفاده از سیگنال‌های اقتصادی خرده‌فروشان را جهت کاهش تقاضایشان در باس‌های مشخص، تشویق و راهنمایی می‌کند. خرده‌فروشان در واکنش به سیگنال‌های اقتصادی و جهت بیشینه‌کردن درآمدشان، در معامله پاسخ‌گویی بار با DRAs شرکت می‌کنند و تقاضاهای جدیدشان را برای ISO ارسال می‌کنند. جهت مدل‌سازی رفتار شرکت‌کنندگان در معامله پاسخ‌گویی بار از تئوری بازی‌ استکلبرگ استفاده می‌شود که در آن خرده‌فروشان به عنوان بازیکن‌های پیشرو، بر اساس سیگنال‌های اقتصادی اپراتور بازار مقادیر کاهش تقاضا و قیمت خرید پاسخ‌گویی بار را مشخص می‌کنند و DRAs به عنوان بازیکن‌های پیرو جهت بیشینه‌کردن سودشان بر اساس استراتژی خرده‌فروشان با هم رقابت می‌کنند. در این مقاله الگوریتم پیشنهادی برای شبکه 14باس اجرا می‌شود. نتایج شبیه‌سازی‌ها نشان می‌دهد که مدیریت تراکم بر اساس الگوریتم پیشنهادی ضمن کاهش تراکم شبکه سبب افزایش منفعت خرده‌فروشان نیز می‌گردد. پرونده مقاله

<p>در ژنراتور القایی تغذیه دوسویه، سیم&zwnj;پیچ&zwnj;های استاتور مستقیماً به شبکه متصل می&zwnj;شوند؛ در صورتی که سیم&zwnj;پیچ&zwnj;های روتور از طریق مبدل&zwnj;های الکترونیک قدرت به شبکه متصل می&zwnj;شوند. این مبدل&zwnj;ها شامل Back-to-Back و مبدل&zwnj;های ماتریسی مستقیم و غیرمستقیم هستند. مبدل&zwnj;های Back-to-Back دارای ساختار دومرحله&zwnj;ای می&zwnj;باشند که تلفات نسبتاً بالا و با وجود خازن لینک DC، حجم و وزن زیادی دارند. در این مقاله برای برطرف&zwnj;کردن مشکل مبدل Back-to-Back ، مبدل&zwnj;های ماتریسی جایگزین این مبدل پیشنهاد می&zwnj;گردد و از کنترل مستقیم توان در ژنراتورهای القایی تغذیه دوسویه با استفاده از مبدل ماتریسی استفاده شده است. این مبدل در طول تغییرات توان مرجع و توربین به&zwnj;خوبی مقادیر مرجع را دنبال می&zwnj;کند. چالش اصلی استفاده از مبدل&zwnj;ها این است که باعث ایجاد هارمونیک و نوسانات توان می&zwnj;شوند که برای برطرف&zwnj;کردن این مشکل از فیلتر پسیو هیبریدی در ورودی و خروجی مبدل ماتریسی استفاده شده که باعث کاهش نوسانات توان&zwnj;های اکتیو و راکتیو و بهبود THD جریان و کیفیت توان می&zwnj;شود. به&zwnj;علاوه پاسخ دینامیکی دقیق به هنگام تغییرات توان مرجع دارد و این عدم نیاز به حلقه&zwnj;های کنترل جریان، باعث ایجاد ساختار ساده با کمترین محاسبات شده است. نتیجه حاصل از روش پیشنهادی با استفاده از فیلتر و بدون فیلتر مقایسه می&zwnj;شود که نتایج نشان از عملکرد خوب و برتری استفاده از فیلتر دارد.</p> پرونده مقاله

<p>تعیین محل اصابت صاعقه (LLS) از چالش&zwnj;های امروزی در حوزه&zwnj;های مختلف و به&zwnj;ویژه حوزه برق و الکترونیک است. برای تعیین محل اصابت صاعقه، استفاده از روش&zwnj;های کلاسیک مرسوم بود؛ ولی اخیراً استفاده از روش معکوس زمانی الکترومغناطیسی (EMTR) نیز رواج &zwnj;یافته است. با توجه به محاسبه شکل موج کامل میدان با استفاده از روش EMTR، دقت در تعیین محل اصابت صاعقه به&zwnj;طور قابل توجهی نسبت به روش&zwnj;های پیشین افزایش یافته است. در روش معکوس زمانی الکترومغناطیسی به کمک تفاضل محدود حوزه زمان (FDTD)، ابتدا میدان الکترومغناطیسی گذرای تولیدشده توسط کانال صاعقه محاسبه شده و پس از معکوس&zwnj;کردن زمانی موج، از محل حسگر یا حسگرها به منبع خود بازانتشار می&zwnj;گردد و مجدداً با کمک FDTD، میدان الکترومغناطیسی بازانتشاری در محیط مورد نظر محاسبه می&zwnj;شود. با داشتن میدان الکترومغناطیسی محیط با استفاده از معیارهایی مانند حداکثر دامنه میدان، حداکثر انرژی و آنتروپی و ...، محل اصابت صاعقه تعیین می&zwnj;گردد. در این مقاله روشی بر اساس ترکیب یادگیری ماشین و EMTR برای تعیین محل اصابت صاعقه پیشنهاد شده است. ابتدا روش تفاضل محدود حوزه زمان سه&zwnj;بعدی(D-FDTD3) در محاسبه میدان الکترومغناطیسی محیط به&zwnj;کار گرفته شد و با استفاده از EMTR میدان الکترومغناطیسی بازانتشاری مجدداً با کمک (D-FDTD3) در کل محیط محاسبه گردید. بدین طریق داده&zwnj;های لازم برای تولید پروفایل&zwnj;های سه&zwnj;بعدی تصاویر RGB آماده گردید. سپس برای یادگیری ماشین از VGG19، یک شبکه عصبی کانولوشنی (CNN) از پیش آموزش&zwnj;دیده، برای استخراج ویژگی&zwnj;های تصاویر استفاده شد. در آخر برای تعیین محل اصابت صاعقه، لایه برازش&zwnj;کننده&zwnj;ای به بالای 19VGG اضافه شد. روش پیشنهادی در MATLAB و Python شبیه&zwnj;سازی و اجرا گردید که نتایج، کارایی آن را برای تعیین محل اصابت صاعقه در محیط سه&zwnj;بعدی نشان می&zwnj;دهند.</p> پرونده مقاله