ارائه یک روش جدید مبتنی بر الگوریتم بهینه سازی ازدحام ذرات برای تخمین بهترین مکان جهت بهره برداری از انرژی امواج جذر و مد دریا

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 583

This Paper With 9 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:

NPECE01_417

تاریخ نمایه سازی: 6 بهمن 1395

Abstract:

همان طور که انرژی های فسیلی در قرن بیستم موجب تحولات عظیم صنعتی شده است برای قرن های آینده نیز انرژی از محورهای اصلی توسعه فناوری خواهد بود محققان معتقدند استفاده از برخی از منابع انرژی های تجدیدپذیر در مقایسه با انرژی های فسیلی نیاز به فناوری های پیچیده و پرهزینه ندارد لذا برای کشورهای در حال توسعه از جاذبه ای بیشتر برخوردار است از جهتی دیگر تقاضای جهانی برای انرژی های تجدیدپذیر در طول سال های اخیر افزایش یافته است و با توجه به بحران های اخیر توجه به این منابع اهمیت زیادی یافته است بنابراین انرژی های تجدیدپذیر اساسا با طبیعت سازگار بوده و آلودگی ندارند و چون تجدیدپذیرند پایانی برای آنها وجود ندارد بنا به اهمیت موضوع مطرح شده و نیاز فراوان آن در جامعه کنونی کاربرد های آن می تواند در جاهای مختلف مانند بهره برداری بیشار از انرژی امواج و جذر و مد و امکان سنجی احداث نیروگاه و با استفاده از تکنولوژی های مختلف تولید برق از طریق نیروی امواج و جذر و مد مورد استفاده قرار بگیرد در این مقاله به ارائه یک روش جدید مبتنی بر الگوریتم بهینه سازی ازدحام ذرات برای تخمین بهترین مکان جهت بهره برداری از انرژی امواج جذر و مد دریا پرداخته می شود در روش پیشنهای از آموزش شبکه عصبی برای پیش بینی شدت و جهت وزش باد استفاده شده است کارآیی روش پیشنهادی در انتخاب مکان مناسب بر اساس اطلاعات موجود از هواشناسی و استفاده از الگوریتم بهینه سازی ازدحام ذرات است

Authors

فرشید کی نیا

دکترای برق قدرت دانشگاه شهید باهنر کرمان

سید مهدی بحرینی

کارشناسی ارشد هوش مصنوعی دانشگاه آزاد کرمان

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 :