تخصیص بهینه منابع ذخیره ساز در میکروگرید با در نظر گرفتن عدم قطعیت در ظرفیت باتری ها و خازن ها

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: تخصیص بهینه منابع ذخیره ساز در میکروگرید با در نظر گرفتن عدم قطعیت در ظرفیت باتری ها و خازن ها

ارائه دهنده: Provider: محمد ترکمان - رشته برق

اساتید راهنما: Supervisors: علیرضا حاتمی، محمد مهدی شهبازی

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: محمد حسن مرادی، محمد امین قاسمی

زمان و تاریخ ارائه: Time and date of presentation: 1401/12/20و ساعت 14

مکان ارائه: Place of presentation: سمینار 2 دانشکده مهندسی

چکیده: Abstract: در این کار تحقیقاتی با بهبود شبکه عصبی، برنامه¬ریزی هماهنگی برای واحدهای تولید پراکنده در یک ریزشبکه انجام ¬شد. در الگوریتم پیشنهادی تابع هدف در برنامه¬ریزی پیشنهادی، سود ماکزیمم و بهبود تخصیص انرژی با توجه به نوسانات منابع تولید و عدم قطعیت در باتری و خازن در سیستم تولیدی است. همچنین میزان دما و کارکرد نیز بر طول عمر این قطعات تاثیر مستقیم دارد و این تاثیر قابلیت اطمینان سیستم را کاهش خواهد داد. برای برنامه¬ریزی این سیستم، روش¬های بهینه¬سازی زیادی بررسی شد. که در نتیجه آن دو روش دقیق و مطمئن (شبکه عصبی و الگوریتم ژنتیک) گزینش گردید، تا درصورت وجود ضعف، کمبودها و کاستی¬هایشان برطرف شود. با توجه به اینکه شبکه¬های عصبی برای فرایند آموزش از روش¬های گرادیان رایج استفاده می¬کند و در مسائل نسبتا پیچیده دچار مشکل بهینه محلی می¬شود، برای رفع این چالش اقدام به بهینه¬سازی آن نمودیم. بر اساس نتایج فصل چهارم، روش پیشنهادی از سایر روش¬ها خطای کمتری دارد. این مقایسه از لحاظ MAE، MSE، RMSE، خطای میانگین و برخی روش¬های رایج ارزیابی شد. که نتایج نشان از برتری روش پیشنهادی دارد. همچنین روش پیشنهادی از لحاظ دقت با کمک معیارهای استانداری نظیر Precision، Recall، و ... نیز بررسی شده که مشخص گردید در مقایسه با دو روش دیگر برتری و مقادیر بالاتری دارد. از اینرو نتایج حاصل از پیش¬بینی پیک بار، تقاضا و زمانبندی استفاده از باتری و ابرخازن برای بهبود تخصیص منابع ذخیره¬ساز قابل استناد است.