علیرضا حاتمی

رساله های دکتری

1. شناسایی زود هنگام شرایط غیر عادی شبکه در سیستم های ترکیبی به هم پیوسته انتقال و توزیع با استفاده از اطلاعات واحدهای اندازه گیری فازور (PMU , µPMU)
   ایرج گنج خانی 1402
   عدم آگاهی بهره بردار از نزدیک شدن نقطه کار به نقاط بحرانی و شکست است و خاموشی های صورت گرفته در کشورهای مختلف که ریشه در ناپایداری بلند مدت ولتاژ دارد گواه بر اهمیت این موضوع در سیستم های قدرت مدرن است. در چنین شرایطی وجود ابزاری در مراکز کنترل که در کنار سیستم اسکادا به اطلاعات شبکه دسترسی داشته باشد و به صورت برخط بتواند بهره بردار را به سرعت از شرایط غیر عادی پیش رو باخبر سازد بسیار گرانبهاست. ناپایداری بلند مدت ولتاژ معمولاً به صورت آهسته در کنار رشد بار یا از دست دادن تولید اتفاق می افتد. رشد تقاضای توان راکتیو بارهای متصل به شبکه، توسط ژنراتورهای جبران می شود. با ادامه این روند و نیز عملکرد تپ ترانس های انتقال، ذخیره توان راکتیو موجود در ژنراتورها کاهش یافته و آنها یکی پس از دیگری وارد محدود حداکثر تولید توان راکتیو خود می شوند. به این ترتیب ژنراتورها توانایی کنترل ولتاژ خود را از دست می دهند. عوامل نام برده شروعی بر ناپایداری بلند مدت ولتاژ می باشد. معمولاً ناپایداری بلند مدت ولتاژ در شبکه های انتقال و توزیع به صورت جداگانه بررسی می شوند. برای این کار از مدل های ساده شده برای شبیه سازی استفاده می کنند که ممکن است حاشیه ناپایداری را کمی اغراق آمیز نشان دهد. مطالعات صورت گرفته معمولاً به ارائه شاخصی بسنده کرده که نزدیکی نقطه کار شبکه، به نقطه فروپاشی را نشان می دهد. زمان پاسخ دهی طولانی، عدم مدلسازی دقیق و دقت کم از جمله مشکلات اصلی روش های موجود می باشد. رساله پیش رو با استفاده از قابلیت های شبکه های عصبی بازگشتی عمیق در حل مسائل سری زمانی، کابردهای آن در حوزه ناپایداری بلندمدت ولتاژ را ارائه می دهد. شبکه عصبی به صورت برخط تغییرات موجود در اطلاعات بدست آمده توسط PMUها را ارزیابی می کند و در صورت نزدیک شدن نقطه کار شبکه به نقطه فروپاشی، اپراتور شبکه را آگاه می سازد. برای آموزش شبکه عصبی نیاز به اطلاعات شبکه در دو حالت پایدار و ناپایدار است. از آنجایی که اطلاعات لازم جهت آموزش شبکه عصبی در حالت ناپایدار کمیاب است، در این رساله از شبیه سازی برای ایجاد دیتا آموزشی و تست استفاده شده است. سناریوهای شبیه سازی شامل پیشامد رخداد N-1 و پیشامد رخداد N-1-1 در کنار رشد بار در مناطق مستعد ناپایداری است. برای ارزیابی روش ارائه شده از شبکه تست نوردیک استفاده شده است. برای پیا
   خلاصه پایان نامه
   
   
2. تشخیص و مکان یابی تخلیه جزئی در ترانسفورماتورهای قدرت و GIS ها به روش معکوس زمانی
   جواد زهره وند 1402
   چکیده: برای مکان یابی تخلیه جزئی در ادوات قدرت، تاکنون روش های مختلفی از جمله روش های ابتکاری و روش اختلاف زمانی (TDoA) پیشنهاد و بکارگیری شده است که ضعف ها و معایب هر یک، کاربرد آن ها را در عمل محدود نموده است. زیرا در وضعیت های دارای اندکی پیچیدگی، مانند حضور نویز، موانع، بازتابنده ها و یا ناهمگنی محیط و ...، دقت نتایج حاصله به شدت تحت تاثیر قرار می گیرد. روش جدیدتر معکوس زمانی که اخیرا در زمینه مکان یابی تخلیه جزئی پیشنهاد شده است، بخوبی توانسته در چنین حالاتی و تنها با بکارگیری یک سنسور منفرد، دقت قابل توجهی را در مکان یابی تخلیه جزئی ارائه نماید. در این رساله روش جدید معکوس زمانی و نیز نسخه ی متفاوت و به روزتری از آن، با نام روش فیلتر معکوس، جهت مکان یابی تخلیه جزئی در GIS، در رژیم الکترومغناطیسی پیشنهاد شده و به منظور ارزیابی روش پیشنهادی، سناریوهای مختلفی طراحی، و با استفاده از نرم افزار CST-MWS در دو ساختار لوله ای شکل و T شکل، شبیه سازی شده است. نتایج کار نشان می دهد که در صورت بکارگیری معیار کمینه آنتروپی برای تعیین زمان بازتمرکز امواج، این روش در کلیه سناریوهای آزمایش شده با دقت مطلوبی قادر به مکان یابی تخلیه جزئی در GIS می باشد. همچنین در ادامه کار، برای اولین بار روش معکوس زمانی بصورت عملی در رژیم الکترومغناطیسی و روی یک ماکت آکواریوم مانند که از آب پر شده است، پیاده سازی شده است.
   خلاصه پایان نامه
   
   
3. بهره برداری و کنترل ریز شبکههای ترکیبی DC/AC در شرایط نامتعادل
   سعید حیدری 1401
   در سالهای اخیر پیادهسازی و استفاده از ریزشبکهها به دلایل اقتصادی و زیست محیطی افزایش یافتهاست. با توجه به این موضوع، مطالعات فراوانی بر روی ریزشبکهها انجام شده و انواع مختلفی از ریزشبکهها نیز طراحی و ارائه شدهاست. ریزشبکهها در ابتدا به دو نوع کلی AC و DC تقسیمبندی میشدند. در ادامه و به منظور استفاده حداکثری از مزایای هر دو نوع، ریزشبکههای ترکیبی DC-AC معرفی شد که استفاده از آن در مقایسه با نوع AC و DC ،موجب کاهش تلفات توان و همچنین کاهش نیاز به تبدل توان میشود. در ریزشبکههای ترکیبی، زیرشبکههای AC و DC از طریق یک یا چند مبدل واسط (IC (به هم متصل میشوند که امکان تبادل توان بین دو یا چند زیرشبکه را فراهم میسازد. به همین دلیل مبدل واسط یکی از بخشهای مهم در ریزشبکههای ترکیبی DC/AC میباشد که وظیفه اصلی آن تنظیم ولتاژ و فرکانس در بخش AC در بهرهبرداری جزیرهای و تنظیم ولتاژ بخش DC در شرایط بهرهبرداری جزیرهای و متصل به شبکه میباشد. با این وجود، این مبدل قابلیتهای دیگری نظیر جبرانسازی مولفههای ناتعادلی و هارمونیکی در ریزشبکه AC و حذف نوسانات DC در ریزشبکه DC را نیز دارا میباشد. ولی استفاده از مبدل واسط برای این کاربردها بخشی از ظرفیت تبادل توان آنها را اشغال کرده و میتواند وظیفه اصلی آن را تحت تاثیر قرار دهد. علاوه بر این، در ریزشبکههای نامتعادل ظرفیت تبادل توان مبدلها کاهش یافته و چالش مذکور جدیتر میشود. با توجه به چالش مذکور، در این رساله یک استراتژی هوشمند برای مدیریت ظرفیت مبدل واسط ارائه شده است که کاربردهای مذکور برای مبدل واسط را اولویتبندی میکند، به صورتی که در ابتدا وظیفه اصلی مبدل محقق شود و در ادامه از ظرفیت خالی مبدل برای تامین خدمات جانبی استفاده گردد. در این استراتژی، در ابتدا از ظرفیت مبدل واسط برای مبادله مقدار مرجع توان اکتیو بین بخش AC و DC استفاده میشود. این مقدار مرجع بر اساس کنترل افتی بدست میآید که یک روش رایج در کنترل ریزشبکهها میباشد. در مرحله دوم استراتژی پیشنهادی از ظرفیت باقی مانده مبدل برای جبرانسازی مولفههای هامونیکی ریزشبکه AC استفاده میکند. یکی از مزایای اصلی این استراتژی نسبت به کارهای قبلی، امکان مدیریت ظرفیت مبدل در شرایط ناتعادلی و هارمونیکی شدید ولتاژ ریزشبکه میباشد. به عبارت دیگر استراتژی پیشنهادی به گونهای طراحی شده است که در تمام شرایط کا
   خلاصه پایان نامه
   
   
4. Hybrid Model Based Reinforcement Learning for Energy Management in Heating Ventilation and Air Conditioning (HVAC) Systems
   سرور موید داوود الصالح 1401
   The main objective of Heating, Ventilation, and Air Conditioning (HVAC) control system is to reduce energy consumption while providing comfortable indoor environment with the optimal levels. Different methods for modeling the HVAC have been discussed in this thesis. Furthermore, a comprehensive literature survey on the HVAC systems control methods has been presented. Moreover, the control approaches are classified and the benefits, drawbacks, and key features of each are extracted. The Machine Learning (ML) algorithms used in HVAC systems to control the indoor temperature and/or CO2 concentration levels of buildings while minimizing energy consumption, energy costs, power grid peak load, and providing ancillary services like frequency regulation have been reviewed. A modified model of the HVAC system has been developed and verified, and its performances are compared with those of residential load factor (RLF) model with and without the Takagi–Sugeno Fuzzy (TSF) controller. The results of the proposed model and the RLF model are compared in different ways, demonstrating that the proposed model is more efficient and stable than the RLF double cooling coil model, with energy-saving around 10.06 %. The energy consumption reduction, retaining the levels of indoor air quality and thermal comfort of the users are two significant factors to consider when evaluating the new work environment. Therefore, a novel HVAC system considering the temperature and CO2 concentration as continuous states in an integrated model has been developed using energy conservation laws and Lagrange polynomials modeling based on mass conservation law. Also, model-based (MB) Reinforcement Learning (RL) online architecture that takes optimal decisions for on/off HVAC system, lighting, open/close doors/windows system, and fresh/return air dampers ratios for creating an intelligent work environment has been presented and applied on the new HVAC system model. At each time step, the control system receiv
   خلاصه پایان نامه
   
   
5. مدیریت انرژی با کنترل بارهای حرارتی و منابع انرژی تجدیدپذیر
   اشکان طالبی 1400
   رشد روزافزون مصرف انرژ ی الکتریکی، و شرایط دشوار توسعه تولید، تصمیمگیران شبکه قدرت را به اتخاذ رویکرد مدیریت سمت مصرف و پاسخگویی بار سوق داده است. یکی از بارهای الکتر یکی مهم در پاسخگویی بار، تجهیزات حرارتی، نظیر سیستم- های تهویه مطبوع هستند. مصرف باالی این تجهیزات، و تعداد ساعات طوالنی استفاده از آنها، دو ویژگی منحصر به فرد این بارهاست که آنها را به گزینهای جذاب جهت شرکت در پاسخگویی بار تبدیل کرده است. کنترل ا ین بارها، و شرکت دادن آنها در پاسخگویی بار، با پیچیدگیهای فراوانی همراه است که در نظر نگرفتن این جزئیات، ممکن است حتی موجب خسارت شود. در این پژوهش، هدف، طراحی یک استراتژ ی کارآمد جهت کنترل س یستمهای حرارتی است که ضمن کاهش هزینه کاربران و حفظ رفاه آنها ، به پاسخگویی بار نیز کمک نماید. در این پژوهش، با استفاده از دادههای پیش بینی آب و هوا، پیشبینی قیمت برق و پیشبینی تولیدات منابع انرژی تجدیدپذیر در ابتدای هر روز برنامهریزی بهینه نقطه تنظیم ترموستات به نحوی انجام شده است که هزینه برق مصرفی کاربر حداقل، رفاه کاربر حداکثر و ریسک او نیز حداقل شود. به عبارتی، تابع هدف شامل سه بخش اصلی هزینه، رفاه و ریسک میشود؛ ال زم به ذکر است که منظور از ریسک، ریسک متحمل شدن هزینه بیش از حد مورد انتظار توسط کاربر میباشد که به علت استفاده از دادههای پیشبینی احتمال آن وجود دارد. متغیر تصمیم اصلی، دمای تنظیم ترموستات 24 ساعته کاربر می باشد که با استفاده از الگوریتم بهینهسازی باید به نحو بهینهای انتخاب شوند تا به اهداف تابع هدف نزدیک شویم. همچنین، پهنای باند مرده و اثر عدم تقارن باند مرده، به عنوان متغیر تصمیم مورد مطالعه قرار گرفته است. نتایج نشان میدهند که این شیوه برنامهریزی میتواند اثر مهمی در مشارکت سیستمهای تهویه مطبوع در پاسخگویی بار داشته باشد. نشان داده شده است که هزینه کاربر حدود 33 %و انرژی مصرفی او حدود 12 %کاهش یافته است. همچنین میزان انرژی مصرفی سیستم تهویه مطبوع در ساعات پیک مصرف نیز به نحو چشمگیری یعنی حدود 20 %کاهش داشته است. در روش برنامه ریزی بهینه، حدود 14 %کمتر برق از شبکه خریداری شده است. لذا می توان اذعان داشت که با خرید کمتر برق از شبکه، و با فروش بیشتر برق مازاد منابع انرژی تجدیدپذیر به شبکه، نه تنها هزینه کاربر کاهش یافته است، بلکه به شبکه برق نیز کمک بیشتری ش
   خلاصه پایان نامه
   
   
6. کنترل سطح ثالثیه ریز شبکههای چندگانه با استفاده از روشهای ترکیبی هوشمند با در نظر گرفتن مشارکت بارها
   رضا رشیدی 1400
   چکیده: در این رساله مدیریت انرژی ریز شبکه چند گانه با هدف بهینه سازی هزینه بهره برداری و افزایش پایداری آنها در نظر گرفته شده است. این مدیریت تحت یک بازه زمانی 24 ساعته می باشد. هر یک از ریز شبکه ها به خودی خود دارای کنترل پیچیده ای هستند زیرا باوجود نوسانات بار، منابع انرژی تجدید پذیر ظرفیت های محدودی را دارا می باشند. در طرح های کنترلی که برای این شبکه های کوچک در نظر می گیرند می بایست اهداف اقتصادی و پایداری به صورت همزمان برآورده شود که این موضوع بهره برداری از آنها را پیچیده میکند. با درنظرگرفتن عدم قطعیت های بار و تولید و حضور منابع انرژی تجدید پذیر با رفتار و ظرفیت های مختص به خود روش های کنترل برای ریز شبکه ها ارائه شده است. شکل گیری ریز شبکه ها در نزدیکی هم و به دور از شبکه اصلی، سبب تشکیل ریز شبکه های چندگانه و تبادل توان با یکدیگررا ممکن می کند. در این رساله از کنترل سطح ثالثیه به عنوان عالی ترین سطح کنترل سلسله مراتبی در جهت کنترل ریز شبکه چند گانه استفاده می گردد. در مدل کنترل پیشنهادی، کنترل سطح اولیه کنترل کننده های محلی و سطح ثانویه کلیه کنترل کننده های محلی در هر ریز شبکه و در نهایت در سطح ثالثیه کلیه کنترل کننده های ثانویه ریز شبکه ها به صورت همزمان با هدف حفظ پایداری و کاهش هزینه بهره برداری کنترل میشود. در این مطالعه کنترل سطح ثالثیه به عنوان مدل کنترل برگزیده در یک ریز شبکه چند گانه نشان داده می شود و عملکرد مدل کنترل پیشنهادی را با در نظر گرفتن فاکتور های جدید که رابطه مستقیم با میزان عمر مفید تولید کنندگان توان دارند را مورد ارزیابی قرار میدهد. بنابراین با تابع هدف چندگانه و چالش بین فاکتور های آن مواجه میگردیم. در اینجا با استفاده از مدل های پیش بینی عدم قطعیت، هم در تولید و هم در مصرف ساختاری را تشکیل میدهد که با واقعیت سازگار باشد. در این ساختار از داده های واقعی از مزارع بادی و خورشیدی در جهت حداکثر تطبیق با واقعیت استفاده شده است و این همان مدل کنترل پیش بینی بازار تطبیقی است. در اینجا به دلیل برخورد با حجم وسیعی از عدم قطعیت ها از تئوری تصمیم گیری مبتنی بر شکاف اطلاعاتی برای افزایش احتمال وقوع عدم قطعیت ها استفاده می شود. برای ارزیابی مدل کنترل پیشنهادی در ساختار مذکور از نرم افزارهای متلب و دیگسایلنت بصورت همزمان استفاده شده است. متلب ب
   خلاصه پایان نامه