تصمیم گیری در سیستم های چندعامله برای شبکه های هوشمند برق درحضور منابع انرژی تجدید پذیر با استفاده از منطق فازی نوع دوم

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,839

This Paper With 20 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

WINDCONF07_008

تاریخ نمایه سازی: 16 خرداد 1394

Abstract:

یکی از مشخصههای شبکههای هوشمند الکتریکی، وجود واحدهای انرژی پراکنده مبتنی بر منابع تجدیدپذیر و پاک مانند : توربین های بادی، سلول های خورشیدی و... میباشد. بهینهسازی استفاده از این واحدها، از جمله مسائل مهم در بهره- برداری از شبکههای هوشمند است. به همین منظور اخیرا از تکنولوژی سیستم های چند عامله استفاده شده است که به طورموفقیتآمیزی به سیستم های تولید انرژی اعمال گردیده است. سیستم های چند عامله، سیستمهایی متشکل از چندین عامل هوشمند و مختلف است که به طور مستقل کار می کنند تا هدف سیستم محقق گردد. یک انتخاب مناسب برای تصمیمگیری در سیستمهای چند عامله، استفاده از سیستمهای تصمیمگیری مبتنی بر منطق فازی می باشد. زیرا کنترل بر مبنای منطق فازی قادر است الگوریتمها را با استدلال های زبانی ترکیب کرده و در نتیجه کنترل یکپارچه سیستم را برای ما به ارمغان میآورد. همچنین تصمیمگیری بر مبنای منطق فازی، قابلیت فائق آمدن بر مشکلات ایجاد شده توسط عدم قطعیتها را نیز دارد. با وجود آنکه منطق فازی نوع اول حاوی مفهوم عدم قطعیت میباشد، تحقیقات اخیر نشان دادهاند که محدودیتهایی در توانایی مجموعههای فازی نوع اول برای مدلسازی و مینیم م کرد ن اثرات عدم قطعیت وجود دارد. این بدان علت است که یک مجموعه فازی نوع اول، قطعی است؛ بدین معنا که درجههای عضویت اعضای آن، اعداد ثابتی هستند. اخیرا، مجموعههای فازی نوع دوم با این ویژگی که خود توابع عضویت آنها نیز فازی هستند، توجه بسیار زیادی را به خود جلب نمودهاند. نتایج شبیه سازی در این مقاله، بهینهسازی استفاده از واحدهای تولید پراکنده مبتنی بر منابع تجدیدپذیر و پاک در یک شبکه هوشمند الکتریکی با بهرهگیری از قابلیتهای تصمیمگیری مبتنی بر منطق فازی نوع دوم نشان می دهد. همچنین در این مقاله مدل طراحی شده برای سیستم های چند عامله نیز مشخص می گردد.

Keywords:

سیستمها ی چند عامله , شبکه هوشمند , منطق فازی نوع دوم , واحدها ی تولید پراکنده , منابع انرژی تجدیدپذیر و پاک ...

Authors

محمد زروانی

دانشجوی کارشناسی ارشد ابزار دقیق و اتوماسیون-دانشگاه شیراز

فریدون شعبانی نیا

دانشکده مهندسی برق و کامپیوتر -دانشگاه شیراز

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • A. L. Dimeas, N. D. Hatziargyriou, "Multi-Agent Reinforcement Learning for ...
  • A. Dimeas, N. Hatziargyriou , "A MultiAgent System for Microgrids", ...
  • Zhenhua Jiang, "Agent-Based Control Framework for Distributed Energy Resources Microgrids", ...
  • S. J. Chatzivasiliad S, N. D. Hatziargyriou, A. L. Dimeas, ...
  • T. Logenthiran, D iptiSrinivasan, David Wong, "Multi-Agent Coordinatio for DER ...
  • Zhang Jian, Ai Qian, Jiang Chuanwen, Wang Xingang, Zhe ngZhanghua, ...
  • C.M. Colson, M.H. Nehrir, "Agent-based Power Management of Microgrids including ...
  • T. Logenthiran and D. Srinivasan, "Short term generation scheduling of ...
  • H. Siahkali and M. Vakilian, "Fuzzy generation scheduling for a ...
  • L. Hernandez, C. Baladron, J. M. Aguiar, B. Carro, A. ...
  • The Smart Grid: An Introduction. U.S. Department of Energy. Available ...
  • M. Keogh, :-The Smart Grid: Frequently Asked Questions for State ...
  • http ://www .naruc _ org/Pub lication s/NARUC % 2 _ ...
  • S. J. Russell, P. Norvig, Artificial Intelligence: A Modern Approach. ...
  • N. Vlassis, A concise Introduction to Multi-agent Systems and Distributed ...
  • M. Wooldridge, G. Weiss, Ed., "Intelligent Agents, " in Multi-agent ...
  • D. Wu, :A Brief Tutorialon Interval Type-2 Fuzzy Sets and ...
  • نمایش کامل مراجع