loading...
دانلود مقاله پروژه پايان نامه پروپوزال تحقيق جزوه گزارش كارآموزي اشتغال كارآفريني
خوش سيما بازدید : 55 جمعه 27 فروردین 1395 نظرات (0)
عنوان انگلیسی مقاله: A combination of genetic algorithm and particle swarm optimization for optimal DG location and sizing in distribution systems
عنوان فارسی مقاله:  ترکیب الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات برای یافتن اندازه و مکان بهینۀ تولید پراکنده در سیستم‌های توزیع.
دسته: برق و الکترونیک
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 21
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
منابع تولید پراکنده (DG) به علت تقاضای روبروی رشد انرژی دارای اهمیت زیادی در سیستم‌های توزیع می‌گردند. مکان‌ها و توانمندی‌های منابع تولید پراکنده تاثیر عمیقی در تلفات سیستم در شبکه توزیع داشته‌اند. در این مقاله، یک ترکیب نوینی از الگوریتم ژنتیک  (GA)/ بهینه‌سازی ازدحام ذرات  (PSO) برای جایابی و یافتن اندازه بهینه تولید پراکنده در سیستم‌های توزیع معرفی می‌شود. هدف این است که تلفات توان شبکه کمینه شده، تنظیم ولتاژ بهتری صورت گرفته و پایداری ولتاژ در چارچوب قیود عملکردی و امنیتی سیستم در سیستم‌های توزیع شعاعی حاصل شود. یک تحلیل تشریحی روی سیستم‌های 33 و 39 باس انجام شده است تا کارائی روش ارائه شده نشان داده شود. 
کلیدواژه: منابع تولید پراکنده، الگوریتم ژنتیک، گمارش، بهینه‌سازی ازدحام ذرات، اتلاف
1.مقدمه:
سیستم‌های توزیع معمولا جهت تسهیل کارکرد به صورت طبیعی شعاعی هستند. سیستم‌های توزیع شعاعی  (RDSs) تنها در یک نقطه که همان پست باشد تغذیه می‌شوند. این پست، توان (برق) را مراکز تولید مرکزی و از طریق شبکه انتقال دریافت می‌کند. کاربران نهائی برق نیز توان الکتریکی را از پست و از طریق سیستم توزیع شعاعی که یک شبکه پسیو است دریافت می‌کنند. لذا، عبور توان در سیستم توزیع شعاعی به صورت یک‌طرفه است. نسبت R/X بالا در خطوط توزیع منجر به افت ولتاژ بزرگ، پایداری ولتاژ کوچک و افزایش تلفات توان می‌شود. در شرایط بارگذاری بحرانی در برخی نواحی صنعتی خاص، سیستم توزیع شعاعی به علت مقدار کم شاخص پایداری ولتاژ، در بیشتر گره‌های خود یک فروپاشی ناگهانی ولتاژ را تجربه می‌کند. 

جهت دانلود محصول اینجا کلیک نمایید
خوش سيما بازدید : 75 شنبه 21 فروردین 1395 نظرات (0)
عنوان انگلیسی مقاله: Generation Expansion Planning in a Pool Based Electricity Market, using Game Theory and Genetic Algorithm
عنوان فارسی مقاله: برنامه ریزی گسترش تولید در بازار برق متمرکز بنیان، با استفاده از تئوری بازی و الگوریتم ژنتیک.
دسته: برق و الکترونیک
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 24
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
بازسازی، هدف برنامه ریزی گسترش تولید  (GEP)را از کم هزینه بودن به پرسود بودن، تغییر داده است. در این مقاله، ما یک فرمول تازه برای تابع هدف مساله ی GEP شرکت های تولید کننده (GENCOs) را در بازار برقی که شامل درآمدهای انرژی و بازارهای ذخیره ظرفیت و هزینه های سوخت، سرمایه گذاری، O&M، مالیات های قطع و وصل، می باشد را معرفی می کنیم. به علاوه، به منظور حل مساله ی GEP با تابع هدف بالا، از یک الگوریتمی که بترتیب از الگوریتم ژنتیک و تئوری گیم برای مدل کردن بازار و بهینه سازی توابع هدف GENCO استفاده کرده است، معرفی شده است. به منظور محاسبه سطوح تولید واحدهای تولید کننده و نرخ بلند-مدت بازار، ما از روش مرسوم هزینه ی تولید احتمالی (PPC) که به گونه ای اصلاح شده است که در بازار برق رقابتی قابل استفاده باشد، استفاده کرده ایم.
کلیدواژه: برنامه ریزی گسترش تولید، بازار برق متمرکز، تئوری بازی، الگوریتم ژنتیک
مقدمه:
برنامه ریزی گسترش تولید (GEP)، یک مساله ی بهینه سازی در مقیاس بزرگ، غیر خطی، گسسته، پویا و بسیار محدود شده می باشد که تعیین می کند کدام یک از واحدهای تولید باید ساخته شوند و چه موقع باید در افق برنامه ریزی به خط وصل شوند طوری که توان (ظرفیت) نصب شده تقاضای پیشبینی شده را ارضا کند [1-4]. موقعیت سایت ها و دیگر ضرایب مربوط به شبکه ی انتقال، بطور عادی و جداگانه و پس از اینکه یک اندازه برای گسترش تعیین شد، تجزیه و تحلیل می شود [5].
در یک چارجوب انحصاری مرسوم، فعالیت های گسترش تولید، توسط یک ابزاری که بطور عمودی مجتمع شده است، و به منظور ارضای معیارهای قابلیت اطمینان بلند مدت، انجام پذیرفته است. 

جهت دانلود محصول اینجا کلیک نمایید
خوش سيما بازدید : 99 شنبه 21 فروردین 1395 نظرات (0)
عنوان انگلیسی مقاله: A combination of genetic algorithm and particle swarm optimization for optimal DG location and sizing in distribution systems
عنوان فارسی مقاله:  ترکیب الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات برای یافتن اندازه و مکان بهینۀ تولید پراکنده در سیستم‌های توزیع.
دسته: برق و الکترونیک
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 21
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
منابع تولید پراکنده (DG) به علت تقاضای روبروی رشد انرژی دارای اهمیت زیادی در سیستم‌های توزیع می‌گردند. مکان‌ها و توانمندی‌های منابع تولید پراکنده تاثیر عمیقی در تلفات سیستم در شبکه توزیع داشته‌اند. در این مقاله، یک ترکیب نوینی از الگوریتم ژنتیک  (GA)/ بهینه‌سازی ازدحام ذرات  (PSO) برای جایابی و یافتن اندازه بهینه تولید پراکنده در سیستم‌های توزیع معرفی می‌شود. هدف این است که تلفات توان شبکه کمینه شده، تنظیم ولتاژ بهتری صورت گرفته و پایداری ولتاژ در چارچوب قیود عملکردی و امنیتی سیستم در سیستم‌های توزیع شعاعی حاصل شود. یک تحلیل تشریحی روی سیستم‌های 33 و 39 باس انجام شده است تا کارائی روش ارائه شده نشان داده شود. 
کلیدواژه: منابع تولید پراکنده، الگوریتم ژنتیک، گمارش، بهینه‌سازی ازدحام ذرات، اتلاف
1.مقدمه:
سیستم‌های توزیع معمولا جهت تسهیل کارکرد به صورت طبیعی شعاعی هستند. سیستم‌های توزیع شعاعی  (RDSs) تنها در یک نقطه که همان پست باشد تغذیه می‌شوند. این پست، توان (برق) را مراکز تولید مرکزی و از طریق شبکه انتقال دریافت می‌کند. کاربران نهائی برق نیز توان الکتریکی را از پست و از طریق سیستم توزیع شعاعی که یک شبکه پسیو است دریافت می‌کنند. لذا، عبور توان در سیستم توزیع شعاعی به صورت یک‌طرفه است. نسبت R/X بالا در خطوط توزیع منجر به افت ولتاژ بزرگ، پایداری ولتاژ کوچک و افزایش تلفات توان می‌شود. در شرایط بارگذاری بحرانی در برخی نواحی صنعتی خاص، سیستم توزیع شعاعی به علت مقدار کم شاخص پایداری ولتاژ، در بیشتر گره‌های خود یک فروپاشی ناگهانی ولتاژ را تجربه می‌کند. 

جهت دانلود محصول اینجا کلیک نمایید
خوش سيما بازدید : 57 چهارشنبه 11 فروردین 1395 نظرات (0)
عنوان انگلیسی مقاله: Optimal Electric Network Design for a Large Offshore Wind Farm Based on a Modified Genetic Algorithm Approach
عنوان فارسی مقاله: طراحی بهینه شبکه برق برای یک مزرعه بادی بزرگ دریایی براساس رویکرد الگوریتم ژنتیک اصلاح شده.
دسته: برق و الکترونیک
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 20
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
توسعه روز افزون مزارع بادی درمقیاس بزرگ دریایی درسراسر جهان باعث ظهور بسیاری ازچالش های فنی و اقتصادی جدیدشده است. هزینه سرمایه شبکه‌ برقی که از مزارع بادی بزرگ دریایی پشتیبانی می‌کند، بخش قابل ‌‌توجهی از هزینه کل مزارع بادی را تشکیل می‌دهد. لذا، یافتن طراحی بهینه شبکه برق یک وظیفه خیلی مهم است که در این مقاله به آن پرداخته می‌شود. در این مقاله یک مدل هزینه توسعه یافته است که هزینه‌های دقیق‌تر و واقعی‌تر ترانسفورماتورها، پست‌ها و کابل‌ها را در بر می‌گیرد. همین موضوع باعث شده است مدل جدید ارائه شده نسبت به روش‌های موجود مبسوط‌تر و بهتر باشد. همچنین از یک الگوریتمی استفاده شده است که مبتنی است بر الگوریتم ژنتیک بهبودیافته و شامل الگوریتم خاصی است که حین طراحی آرایه‌های شعاعی، سطح مقطع‌های گوناگون کابل‌ها را هم در نظر می‌گیرد. رویکرد ارائه شده توسط یک مزرع بادی بزرگ دریایی آزموده شده است؛ نتایج آزمون نشان می‌دهد که الگوریتم معرفی‌شده طراحی‌های بهینه معتبری از شبکه برق را فراهم می‌کند. 
کلیدواژه‌ها- سیستم توزیع برق، الگوریتم ژنتیک، مزرعه بادی دریایی، بهینه‌سازی.
مقدمه:
انرژی بادی کم‌کم دارای اهمیت استراتژیک و اقتصادی فزاینده‌ای در سراسر جهان می‌شود. این انرژی یکی از گزینه‌های نویدبخش در بین سایر فناوری‌های تولید انرژی‌های تجدیدپذیر است و انتظار می‌رود نقش مهمی در کاهش پیامدهای زیست محیطی در رفع نیاز جوامع مدرن از صنعت برق ایفا کند. استفاده از تولید برق بادی دریایی بنا به دلایل زیر جذاب و قابل توجه است: 1) مزارع بادی دریایی، منابع باارزش سرزمین‌ها را به تصرف در نمی‌آورند؛ 2) استفاده از مکان‌های دریایی(مترجم: یعنی استفاده از مکان‌های داخل دریا) بدین معناست که مزرعه بادی تا حد زیادی دور از چشم و دید بوده و آلودگی صوتی نخواهد داشت؛ 3) جریان باد توسط ساختمان‌ها و جنگل‌ها مشوش نشده و بطور مستقیم و با سرعت زیاد با تیغه‌های توربین برخورد خواهد داشت لذا عملکرد توربین افزایش خواهد یافت؛ 4) طرح‌های توربین بادی دریایی با توان نامی بزرگتری نسبت به طرح‌های ساحلی موجودند که این نرخ‌های بزرگ باعث توسعه اقتصادی می‌شود؛ و 5) آب دریا باعث می شود خنک‌سازی قطعات امکانپذیر بوده و هزینه کمی را به دنبال داشته باشد. 

جهت دانلود محصول اینجا کلیک نمایید
خوش سيما بازدید : 363 سه شنبه 18 اسفند 1394 نظرات (0)
عنوان انگلیسی مقاله: An effective parallel approach for genetic-fuzzy data mining
عنوان فارسی مقاله: روش موازی اثربخش برای داده کاوی ژنتیکی - فازی
دسته: فناوری اطلاعات IT - داده کاوی
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 23
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
مهم‌ترین کاربرد داده کاوی در تلاش‌هایی است که برای استنتاج قواعد وابستگی از داده‌های تراکنشی صورت می‌گیرد. در گذشته، از مفاهیم منطق فازی و الگوریتم‌های ژنتیکی برای کشف قواعد وابستگی فازی سودمند و توابع عضویت مناسب از مقادیر کمی استفاده می‌کردیم. با وجود این، ارزیابی مقادیر برازش نسبتاً زمان بر بود. به دلیل افزایش‌های شگرف در قدرت محاسباتی قابل دسترسی و کاهش همزمان در هزینه‌های محاسباتی در طول یک دهه‌ی گذشته، یادگیری یا داده کاوی با به کارگیری تکنیک‌های پردازشی موازی به عنوان روشی امکان پذیر برای غلبه بر مسئله‌ی یادگیری کند شناخته شده است. بنابراین، در این مقاله الگوریتم داده‌ کاوی موازی فازی – ژنتیکی را بر اساس معماری ارباب - برده  ارائه کرده‌ایم تا قواعد وابستگی و توابع عضویت را از تراکنش‌های کمی استخراج کنیم. پردازنده‌ی master مانند الگوریتم ژنتیک از جمعیت یگانه‌ای استفاده می‌کند، و وظایف ارزیابی برازش را بین پردازنده‌های slave توزیع می‌کند. اجرای الگوریتم پیشنهاد شده  در معماری ارباب – برده بسیار طبیعی و کارآمد است. پیچیدگی‌های زمانی برای الگوریتم‌های داده کاوی ژنتیکی – فازی موازی نیز مورد تحلیل قرار گرفته است. نتایج این تحلیل تأثیر قابل توجه الگوریتم پیشنهاد شده را نشان داده است. هنگامی که تعداد نسل‌ها زیاد باشد، افزایش سرعت الگوریتم ممکن است نسبتاً خطی باشد. نتایج تجربی تیز این نکته را تأیید می‌کنند. لذا به کارگیری معماری ارباب – برده برای افزایش سرعت الگوریتم داده‌ کاوی ژنتیکی – فازی   روشی امکان پذیر برای غلبه بر مشکل ارزیابی برازش کم سرعت الگوریتم‌ اصلی است.
کلمات کلیدی: داده کاوی، مجموعه های فازی، الگوریتم ژنتیک، پردازش موازی، قاعده اتحادیه
1- مقدمه
با پیشرفت روزافزون فن آوری اطلاعات (IT)، قابلیت ذخیره سازی و مدیریت داده‌ها در پایگاه‌های داده‌ اهمیت بیشتری پیدا می‌کند. به رغم اینکه گسترش IT پردازش داده‌ها را تسهیل و تقاضا برای رسانه‌های ذخیره سازی را برآورده می‌سازد، استخراج اطلاعات تلویحی قابل دسترسی به منظور کمک به تصمیم گیری مسئله‌ای جدید و چالش برانگیز است. از این رو، تلاش‌های زیادی معوف به طراحی مکانیسم‌های کارآمد برای کاوش اطلاعات و دانش از پایگاه داده‌های بزرگ شده است. در نتیجه، داده کاوی، که نخستین بار توسط آگراول، ایمیلنسکی و سوامی (1993) ارائه شد، به زمینه‌ی مطالعاتی مهمی در مباحث پایگاه داده‌ای و هوش مصنوعی مبدل شده است.

جهت دانلود محصول اینجا کلیک نمایید
درباره ما
دانلود مقاله پروژه پايان نامه پروپوزال تحقيق جزوه گزارش كارآموزي اشتغال كارآفريني
اطلاعات کاربری
  • فراموشی رمز عبور؟
  • آمار سایت
  • کل مطالب : 2646
  • کل نظرات : 13
  • افراد آنلاین : 1
  • تعداد اعضا : 0
  • آی پی امروز : 12
  • آی پی دیروز : 60
  • بازدید امروز : 247
  • باردید دیروز : 577
  • گوگل امروز : 0
  • گوگل دیروز : 1
  • بازدید هفته : 247
  • بازدید ماه : 2,710
  • بازدید سال : 20,422
  • بازدید کلی : 471,907
  • کدهای اختصاصی