فهرست مقالات شبکه هوشمند

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - یک روش ترکیبی پیش‏ بینی احتمالاتی بلند‌مدت بار خالص شبکه با در نظر گرفتن اثر توان تولید‌شده توسط منابع انرژی تجدیدپذیر در شبكه‌هاي هوشمند
  محسن جهان تیغ مجيد  معظمي
  امروزه با توجه به رشد گسترده و نفوذ استفاده از منابع توليد پراكنده در شبكه‌هاي هوشمند، پيش‌بيني بار خالص شبكه با در نظر گرفتن اثر توليدات پراكنده اهميت قابل توجهي پيدا كرده است. در اين مقاله يك روش بهينه‌سازي تركيبي به منظور پیش‏بینی احتمالاتي بلندمدت بار خالص شبكه با ا چکیده کامل

  امروزه با توجه به رشد گسترده و نفوذ استفاده از منابع توليد پراكنده در شبكه‌هاي هوشمند، پيش‌بيني بار خالص شبكه با در نظر گرفتن اثر توليدات پراكنده اهميت قابل توجهي پيدا كرده است. در اين مقاله يك روش بهينه‌سازي تركيبي به منظور پیش‏بینی احتمالاتي بلندمدت بار خالص شبكه با استفاده از روش تحلیل اجزای همسایگی و حل مسأله رگرسیون به روش mini-batch-LBFGS و ترکیب پیش‏بینی‏های به دست آمده با استفاده از سیستم استنتاج عصبی- فازی تطبیقی ارائه شده است. اين ساختار شامل تركيب چندين پيش‌بيني بلندمدت از جمله پیش‏بینی بار، توان يك ايستگاه خورشيدي و توان یک مزرعه بادی با توربین‏های بادی مجهز به ژنراتور القایی دوسوتغذیه است. پیش‏بینی بار خالص و بررسی وابستگی موجود بین خطاهای پیش‏بینی بار و توان‏های خورشیدی و بادی نیز در این مقاله مورد مطالعه قرار گرفته است. نتايج شبيه‏سازي روش پيشنهادي و مقایسه آن با مدل‏های تائو و رگرسیون چندکی نشان می‌دهد که درصد میانگین مطلق خطا برای پیش‌بینی‌های بار و توان‏های خروجی ایستگاه خورشیدی و مزرعه بادی به ترتیب به میزان 947/0%، 3079/0% و 0042/0% بهبود یافته است که کاهش خطای کلی پیش‌بینی را سبب می‌شود. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - ارزیابی پتانسیل منابع سمت تقاضا در حضور تجهیزات سرمایشی و گرمایشی با استفاده از روش داده-کاوی مبتنی بر الگوریتم طبقه¬بندی k-means
  فاطمه شیبانی مژگان ملاحسنی‌پور هنگامه کشاورز
  در بستر سیستم‌های قدرت هوشمند، تعیین پتانسیل منابع پاسخگویی تقاضا به علت اثرگذاری بر تمامی سیاست‌های تصمیم‌گیری حوزه انرژی حایز اهمیت است. در مقاله حاضر، پتانسیل منابع پاسخگویی تقاضا در حضور تجهیزات سرمایشی و گرمایشی، با استفاده از روش الگوریتم طبقه‌بندی k-means به ع چکیده کامل

  در بستر سیستم‌های قدرت هوشمند، تعیین پتانسیل منابع پاسخگویی تقاضا به علت اثرگذاری بر تمامی سیاست‌های تصمیم‌گیری حوزه انرژی حایز اهمیت است. در مقاله حاضر، پتانسیل منابع پاسخگویی تقاضا در حضور تجهیزات سرمایشی و گرمایشی، با استفاده از روش الگوریتم طبقه‌بندی k-means به عنوان یک روش داده‌کاوی، تعیین می‌شود. ابتدا داده‌های انرژی مصرفی در ساعات پیک دوره‌های گرم (بهار و تابستان) و دوره‌های سرد (پاییز و زمستان)، با توجه به تغییرات قیمت و دما، با استفاده از الگوریتم k-means در خوشه‌های مختلفی گروه‌بندی می‌شوند. خوشه‌هایی با امکان حضور وسایل سرمایشی و گرمایشی، انتخاب می‌شوند. سپس نمودار بازه اطمینان داده‌های انرژی مصرفی در خوشه‌های منتخب با توجه به تغییرات قیمت انرژی ترسیم می‌گردد. با توجه به فاصله کمینه و بیشینه در میانگین داده‌های موجود در آستانه بالا و آستانه متوسط نمودار بازه اطمینان، پتانسیل نامی منابع پاسخگویی تقاضا (بار انعطاف‌پذیر) به دست می‌آید. اطلاعات انرژی مصرفی، دما و قیمت انرژی شبکه برق BOSTON در یک افق زمانی شش‌ساله به منظور ارزیابی مدل پیشنهادی استفاده می‌شود. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - برنامه ريزی مقاوم حمله تزريق داده غلط روی بازارهای انرژی الکتريکی در شبکه های هوشمند
  حامد بدرسیمایی رحمت‌الله هوشمند صغري نوبختيان
  حمله تزریق داده غلط (FDIA) یک تهدید سایبری مخرب برای عملکرد اقتصادی بازار‌های انرژی الکتریکی در شبکه‌های هوشمند است. یک مهاجم سایبری می‌تواند با پیاده‌سازی یک FDIA و با نفوذ در معاملات مجازیبازارهای انرژی الکتریکی، از طریق دستکاری قیمت برق به سود مالی گزافی دست پیدا ‌ک چکیده کامل

  حمله تزریق داده غلط (FDIA) یک تهدید سایبری مخرب برای عملکرد اقتصادی بازار‌های انرژی الکتریکی در شبکه‌های هوشمند است. یک مهاجم سایبری می‌تواند با پیاده‌سازی یک FDIA و با نفوذ در معاملات مجازیبازارهای انرژی الکتریکی، از طریق دستکاری قیمت برق به سود مالی گزافی دست پیدا ‌کند. در این مقاله، روش جدیدی در مسأله برنامه‌ریزی یک FDIA به صورت کاملاً مخفی و با هدف دستیابی به بیشترین سود مالی از دیدگاه یک مهاجم سایبری مشارکت‌کننده در معاملات مجازی در دو بازار روز پیش (DA) و زمان حقیقی (RT) ارائه شده است. یک فرضیه رایج که در مطالعات موجود روی FDIAs در مقابل بازارهای برق صورت گرفته، این است که مهاجم، اطلاعات کاملی از شبکه هوشمند در اختیار دارد. اما واقعیت این است که مهاجم، منابع محدودی دارد و به سختی می‌تواند به همه اطلاعات شبکه دسترسی پیدا کند. این مقاله روش مقاومی را در طراحی استراتژی حمله با شرایط اطلاعات شبکه ناقص پیشنهاد می‌کند. به طور خاص فرض گردیده که مهاجم نسبت به ماتریس‌های مدل‌کننده شبکه دارای عدم قطعیت است. اعتبار روش پیشنهادی بر اساس سیستم معیار 14- باس IEEE و با استفاده از ابزار Matpower سنجیده شده است. نتایج عددی، موفقیت نسبی حمله پیشنهادی را در حالت‌های از درجه مختلف اطلاعات ناقص تأیید می‌کنند. پرونده مقاله