چطور این مقاله مهندسی برق را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008546 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
893 Kb
حجم فایل فارسی :
978 کیلو بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
الگوریتم بهینه ساز شیر- مورچه و شبکه های عصبی بازگشتی برای مدیریت انرژی سیستم متصل به ریز شبکه
عنوان انگليسي
Ant-Lion Optimizer algorithm and Recurrent Neural Network for Energy Management of Micro Grid Connected System
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی برق شامل 50 صفحه انگلیسی به صورت پی دی اف و 49 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
در این مقاله، یک روش هوشمند برای EMS مبتنی بر شبکه عصبی بازگشتی (RNN) با کمک الگوریتم بهینه ساز شیر- مورچه (ALO) برای یافتن برنامه ریزی انرژی در MG ارائه شده است. برنامه ریزی بهینه عملکرد سیستم های الکتریکی از طریق به حداقل رساندن هزینه تولید و همچنین استفاده بهتر از منابع انرژی تجدید پذیر، مانند سیستم PV، WT و سیستم ذخیره سازی. هدف از روش پیشنهادی به منظور بهره برداری بهینه از ریز (میکرو) منابع برای برای کاهش هزینه تولید برق به صورت ساعتی و برنامه ریزی زمان واقعی استفاده شده است. روش پیشنهادی قادر به تحلیل محدودیت های فنی و اقتصادی وابسته به زمان است. روش پیشنهادی سعی در تامین و برآورد تقاضای بار مورد نیاز با حداقل هزینه انرژی دارد. برای دستیابی به این منظور، پاسخ تقاضا (DR) با استفاده از RNN و شاخص های اضافی برای ارزیابی پاسخ مشتری ، مانند اطلاعات مصرف کنندگان بر اساس اولویت ارائه شده، اندازه DR، مدت زمان و حداقل هزینه انرژی (COE) ارزیابی می شود. سرانجام، الگوریتم ALO برای حل مسائل پخش بار اقتصادی به منظور تعیین تعیین تولید، ذخیره سازی و بارهای پاسخگو پیشنهاد شده است. روش پیشنهادی در پلتفرم کاری MATLAB / Simulink پیاده سازی شده و عملکرد آنها به ترتیب با روشهای موجود مانند GA، ABC و BFA آزمایش می شود.
1- مقدمه
این قرن متکی بر شواهدی از تحولات خارق العاده و دشواری ها در عصر نیرو، انتقال و استفاده از آن می باشد. نوآوری های عصر نیرو که اکولوژیکی پسند هستند (گزینه های تجدید پذیر و پاک) به دلیل گسترش آگاهی جهانی در مورد نیاز به امنیت طبیعی و تمایل به تکیه کمتر به قدرت های فسیلی برای تولید انرژی، بخشی مهم در تأمین نیرو در آینده را به عهده خواهد گرفت....
الگوریتم شیر- مورچه شبکه های عصبی بازگشتی
:کلمات کلیدی
Abstract
In this paper, an intelligent technique for EMS based on Recurrent Neural Network) RNN) with aid of Ant-Lion Optimizer (ALO) algorithm is presented to find energy scheduling in MG. The optimal operation programming of electrical systems through the minimization of production cost as well as better utilization of renewable energy resources, such as the PV system, WT, and storage system. The objective of the proposed method is utilized to the optimum operation of micro-sources for decreasing the electricity production cost by hourly dayahead and real-time scheduling. The proposed method is able to analyze the technical and economic time-dependent constraints. The proposed method attempts to meet the required load demand with minimum energy cost. To accomplish this aim, demand response (DR) is evaluated by utilizing the RNN and additional indices for evaluating customer response, such as consumers information based on the offered priority, DR magnitude, duration, and minimum cost of energy MANUS CRIP T ACCEP TEDACCEPTED MANUSCRIPT (COE). Finally, the ALO algorithm is developed to solve the economic dispatch issues for determining the generation, storage, and responsive load offers. The proposed method is implemented in MATLAB/Simulink working platform and their performances are tested with the existing methods such as GA, ABC, and BFA respectively.
Keywords:
Energy management system
سایر منابع مهندسی برق در زمینه مدیریت انرژی