مجموعههایی از تولیدات کوچک و ذخیرهکنندههای انرژی در سیستمهای توزیع ولتاژ پایین یا متوسط در کنار مصرفکنندگان، نوع جدیدی از سیستم قدرت به نام ریزشبکه را شکل میدهد. طراحی اجزای ریزشبکه باید به نحوی باشد که هم به صورت متصل به شبکه و هم در حالت مجزا از شبکه، کارکردی ای چکیده کامل
مجموعههایی از تولیدات کوچک و ذخیرهکنندههای انرژی در سیستمهای توزیع ولتاژ پایین یا متوسط در کنار مصرفکنندگان، نوع جدیدی از سیستم قدرت به نام ریزشبکه را شکل میدهد. طراحی اجزای ریزشبکه باید به نحوی باشد که هم به صورت متصل به شبکه و هم در حالت مجزا از شبکه، کارکردی ایمن و اقتصادی داشته و با شبکه بالادست خود به تبادل انرژی الکتریکی بپردازد. بدین ترتیب، حضور ریزشبکهها میتواند در مسایل مختلف برنامهریزی و بهرهبرداری از سیستمهای توزیع اثرگذار باشد. بازآرایی شبکههای توزیع در حضور ریزشبکهها یکی از موضوعات مورد توجه در این زمینه است. در مطالعات انجامشده، ریزشبکهها معمولاً به صورت تولیدات پراکنده در شبکه توزیع در نظر گرفته میشوند. در این مقاله، ریزشبکه به عنوان تبادلکننده انرژی با سیستم توزیع مدلسازی شده و تأثیر آن در بازآرایی شبکه توزیع بررسی میشود. برای این منظور، بازآرایی شبکه توزیع با استفاده از روش بیشینه- کمینه فازی در قالب یک مسئله بهینهسازی چندمنظوره فرمولبندی میشود که در آن کاهش تلفات و عدم تعادل بار در بین فیدرهای شبکه به عنوان اهداف مسئله و پروفیل ولتاژ، گرفتگی خطوط، شعاعیبودن و پخش توان به عنوان قیود مسئله مطرح میگردد. الگوریتم تجمع ذرات جهت حل مسئله بهینهسازی استفاده شده و نتایج حاصل از بازآرایی روی دو شبکه نمونه 33 و 70شینه IEEE ارائه میشود. نتایج نشان میدهد که تبدیل شبکههای توزیع از حالت سنتی به سیستمهای مدرن با حضور ریزشبکهها و تبادل توان آنها با شبکه، موجب افزایش قابلیت اعتماد شده و مقرون به صرفهتر خواهد بود.
پرونده مقاله
حوزه سلامت به علت وسعت عملکرد مالی و همچنین وسعت کاربرد آن، یکی از سیستمهای ایدهآل برای تقلب است و با وجود راهکارهای مختلف در این زمینه، شناسایی دادههای تقلب هنوز یکی از چالشها برای ارائهدهندگان خدمات سلامت میباشد. در این مقاله برای اولین بار الگوریتم BIRCH به عنو چکیده کامل
حوزه سلامت به علت وسعت عملکرد مالی و همچنین وسعت کاربرد آن، یکی از سیستمهای ایدهآل برای تقلب است و با وجود راهکارهای مختلف در این زمینه، شناسایی دادههای تقلب هنوز یکی از چالشها برای ارائهدهندگان خدمات سلامت میباشد. در این مقاله برای اولین بار الگوریتم BIRCH به عنوان یک الگوریتم خوشهبندی سلسلهمراتبی با الگوریتم بهینهسازی واکنش شیمیایی (CRO) ترکیب شده است. الگوریتم BIRCH با پیچیدگی زمانی خطی قابلیت کار با حجم بالای دادهها و شناسایی دادههای پرت را دارد و CRO یکی از الگوریتمهای فراابتکاری جدید الهامگرفته از واکنش شیمیایی در دنیای واقعی است که با یک جمعیت پویا از مولکولها توسط چهار عملگر برخورد به دیواره، تجزیه، برخورد بین مولکولی و ترکیب فضای جستجو را مورد کاوش قرار میدهند. الگوریتم خوشهبندی بهبودیافته BIRCH-CRO با حذف فرایند خوشهبندی سراسری داخلی نسخه کلاسیک BIRCH و تعیین بهینه پارامترهای اصلی آن باعث بهبود سرعت و دقت تشخیص دادههای تقلب در حوزه سلامت نسبت به سایر الگوریتمهای بدون نظارت ارائهشده در این حوزه گردیده است. همچنین الگوریتم پیشنهادی توانایی کار با دادههای آنلاین و حجم بالا را دارد و با توجه به نتایج به دست آمده، عملکرد مناسبی را فراهم میکند.
پرونده مقاله
توسعه سریع کاربردهای رایانش ابری منجر به انتشار سرویسهای ابری زیادی در محیط ابر شده است. سرویسهای ساده موجود در محیط ابر قادر به پاسخگویی به درخواستهای پیچیده و مختلف موجود در دنیای واقعی نخواهند بود. لذا برای ایجاد سرویس مرکب مورد نیاز میبایست سرویسهای مختلف انتخ چکیده کامل
توسعه سریع کاربردهای رایانش ابری منجر به انتشار سرویسهای ابری زیادی در محیط ابر شده است. سرویسهای ساده موجود در محیط ابر قادر به پاسخگویی به درخواستهای پیچیده و مختلف موجود در دنیای واقعی نخواهند بود. لذا برای ایجاد سرویس مرکب مورد نیاز میبایست سرویسهای مختلف انتخاب و ترکیب شوند. ترکیب سرویسهای ابری آگاه از کیفیت سرویس یکی از چالشهای مهم در محاسبات سرویسگرا است. از آنجایی که تعداد سرویسهای ساده ارائهشده خیلی زیاد است، بنابراین مسأله انتخاب و ترکیب سرویسها یک مسأله Np-Hard است. در این تحقیق برای حل این مشکل الگوریتم بهینهسازی جغرافیای زیستی مورد استفاده قرار گرفته است. برای ارزیابی روش پیشنهادی آزمایشهای متعددی در 5 سناریوی مختلف با تعداد وظایف و تعداد سرویسهای مختلف در محیط Matlab انجام شده است. سرعت همگرایی روش پیشنهادی در ایجاد سرویس مرکب مورد نیاز بیشتر از سرعت همگرایی الگوریتمهای ژنتیک و ازدحام ذرات است. همچنین کیفیت سرویسهای مرکب ایجادشده به عنوان معیار ارزیابی دیگر مورد توجه میباشد. میزان گذردهی و نرخ موفقیت روش پیشنهادی به ترتیب برابر 999/0 و 998/0 میباشد. همچنین متوسط انحراف معیار در 30 اجرای روش پیشنهادی کمتر از 021/0 است. تمامی این مقادیر نشاندهنده برتری روش پیشنهادی نسبت به روشهای مبتنی بر ژنتیک و ذرات میباشد.
پرونده مقاله
شبکه عصبی چندجملهای (PNN) یک الگوریتم یادگیری بانظارت و از محبوبترین مدلهای مورد استفاده در کاربردهای واقعی است. هرچه شبکه عصبی چندجملهای از نظر تعداد توصیفات جزئی (PDها) و لایهها ساختار پیچیدهتری داشته باشد، نیاز به زمان و حجم بیشتری برای محاسبه و ذخیرهسازی دارد چکیده کامل
شبکه عصبی چندجملهای (PNN) یک الگوریتم یادگیری بانظارت و از محبوبترین مدلهای مورد استفاده در کاربردهای واقعی است. هرچه شبکه عصبی چندجملهای از نظر تعداد توصیفات جزئی (PDها) و لایهها ساختار پیچیدهتری داشته باشد، نیاز به زمان و حجم بیشتری برای محاسبه و ذخیرهسازی دارد. در این تحقیق رویکرد جدیدی در زمینه بهبود کارایی طبقهبند شبکه عصبی چندجملهای با استفاده از الگوریتم بهینهسازی نهنگ (WOA) به نام PNN-WOA پیشنهاد شده که علاوه بر افزایش دقت PNN، زمان و حجم محاسبات قابل تحملی دارد. در رویکرد پیشنهادی، PDها بر اساس ترکیب دوبهدوی ویژگیها از نمونههای آموزشی در لایه اول تولید میشوند. مجموعهای از PDهای تولیدشده در لایه اول، متغیرهای ورودی و بایاس، عصبهای لایه دوم را تشکیل میدهند. در نهایت خروجی شبکه عصبی چندجملهای، توسط مجموع وزندهی شده خروجیهای لایه دوم به دست میآید. با استفاده از الگوریتم بهینهسازی نهنگ (WOA) بهترین بردار ضرایب وزندهی به گونهای که شبکه PNN بیشترین دقت طبقهبندی را داشته باشد، به دست میآید. برای ارزیابی روش PNN-WOA از یازده مجموعه داده موجود در پایگاه داده UCI استفاده شد. نتایج نشان میدهند که PNN-WOA در مقایسه با روشهای پیشین از قبیل PNN-RCGA، PNN-MOPPSO، RCPNN-PSO و S-TWSVM عملکرد مناسبی دارد. همچنین نتایج آزمون آماری فریدمن نشان میدهند که در مجموع، روش پیشنهادی PNN-WOA نسبت به سایر روشهای مقایسهشده، از نظر آماری عملکرد بهتری (با مقدار P برابر 039/0) داشته است.
پرونده مقاله
تشخیص چهره، یک عمل تشخیص الگوست که بهطور خاص بر روی چهرهها انجام میشود و کاربردهای فراوانی در شناسایی کارتهای اعتباری، سیستمهای امنیتی و موارد دیگر دارد. ایجاد یک سیستم تشخیص چهره با دقت بالا، یک چالش بزرگ میباشد که در سالهای اخیر مورد توجه محققان مختلفی قرار گرف چکیده کامل
تشخیص چهره، یک عمل تشخیص الگوست که بهطور خاص بر روی چهرهها انجام میشود و کاربردهای فراوانی در شناسایی کارتهای اعتباری، سیستمهای امنیتی و موارد دیگر دارد. ایجاد یک سیستم تشخیص چهره با دقت بالا، یک چالش بزرگ میباشد که در سالهای اخیر مورد توجه محققان مختلفی قرار گرفته است. فرایند استخراج ویژگی و طبقهبندی، دو مسئله مهم در سیستمهای تشخیص هستند که میتوانند در افزایش دقت تشخیص نقش بسزایی را ایفا کنند. با توجه به این موضوع در این مطالعه با درنظرگرفتن ویژگیهای ترکیبی و بهینهسازی الگوریتم فاخته، روشی برای بهبود میزان دقت در تشخیص چهره پیشنهاد شده است. در روش ارائهشده، هفت ویژگی از روی تصاویر موجود در پایگاه داده استخراج شده، سپس با بهدستآوردن بردار ویژگیِ مطلوب، مراحل مربوط به انتخاب ویژگی با استفاده از الگوریتم فاخته انجام میشود. روش پیشنهادی با نرمافزار Matlab پیادهسازی گردیده و با روشهای دیگر مورد مقایسه قرار گرفته است. نتایج مربوط به ارزیابی نشان میدهند که روش پیشنهادی توانسته عمل تشخیص بر روی تصاویر دو بانک داده ORL و FDBB را بهترتیب با دقت 00/93% و %12/95% انجام دهد. نتیجه بهدستآمده برای این معیار ارزیابی نسبت به سایر روشهای مقایسهشده از مقدار بالاتری برخوردار است.
پرونده مقاله
تا کنون مطالعات جامع و گستردهای بر روی موتور DC بدون جاروبک (BLDC) صورت گرفته که بخشی از این مطالعات، ناظر بر تخمین پارامترهای تابع انتقال این موتور میباشد. تخمین پارامترهای تابع انتقال موتور BLDC امری ضروری جهت بررسی عملکرد موتور و پیشبینی رفتار آن است؛ بنابراین به چکیده کامل
تا کنون مطالعات جامع و گستردهای بر روی موتور DC بدون جاروبک (BLDC) صورت گرفته که بخشی از این مطالعات، ناظر بر تخمین پارامترهای تابع انتقال این موتور میباشد. تخمین پارامترهای تابع انتقال موتور BLDC امری ضروری جهت بررسی عملکرد موتور و پیشبینی رفتار آن است؛ بنابراین به یک روش تخمین پارامتر کارآمد، دقیق و قابل اعتماد احساس نیاز میشود. در این مقاله با استفاده از الگوریتم ازدحام گروه ذرات (PSO)، مسئله تخمین پارامترهای تابع انتقال مجموعه موتور BLDC و اینورتر مربوط به این موتور، حل شده است. نتایج حاصل از بهکارگیری این الگوریتم با نتایج سایر الگوریتمهای بهینهسازی فراابتکاری مقایسه شده و بررسی این نتایج نشان داده که الگوریتم PSO برای حل مسئله تخمین پارامتر تابع انتقال، یک روش کارآمد، دقیق و قابل اعتماد است.
پرونده مقاله
امروزه با رشد تقاضای خودروهای الکتریکی هیبریدی در ریزشبکهها، تأمین برق، مسائل زیستمحیطی و زمانبندی مجدد از جمله چالشهای ریزشبکههاست که باید حل و راه حلهای مناسبی ارائه شود. برای غلبه بر این چالشها، این مقاله یک مدل بهینهسازی چندهدفه جدید را معرفی میکند که در هد چکیده کامل
امروزه با رشد تقاضای خودروهای الکتریکی هیبریدی در ریزشبکهها، تأمین برق، مسائل زیستمحیطی و زمانبندی مجدد از جمله چالشهای ریزشبکههاست که باید حل و راه حلهای مناسبی ارائه شود. برای غلبه بر این چالشها، این مقاله یک مدل بهینهسازی چندهدفه جدید را معرفی میکند که در هدف اول، هزینه کل بهرهبرداری ریزشبکه را به حداقل میرساند و در هدف دوم با کاهش مقدار انرژی تأمیننشده، مقدار شاخص قابلیت اطمینان را بهبود میبخشد. به دلیل این دو هدف، الگوریتم بهینهسازی مرغ دریایی چندهدفه تکاملی برای یافتن بهترین راه حلهای محلی مورد استفاده قرار میگیرد. در این راستا خودروهای الکتریکی هیبریدی و برنامههای پاسخ به تقاضا برای هموارسازی قیمتهای گرهی توزیع و کاهش میزان انتشار دیاکسید کربن استفاده میشود. شبکه توزیع 69باسه برای ارزیابی کارایی روش پیشنهادی استفاده گردیده است.
پرونده مقاله