کاربرد شبیه سازی مونث کارلو در ارزیابی قابلیت اعتماد سیستمهای توزیع با بار متغیر

یکی از مشکلات ارزیابی اعتماد سیستمهای قدرت رخداد فرآیندهای کاملا اتفاقی در آن است که محاسبات را با نوعی پیچیدگی سکون همراه می سازد. بدین ترتیب نگرشی قطعی به مسائلی که آمیختگی فراوانی با عدم قطعیت دارد، خود می تواند موجبات انحراف از روند اصلی تحقیق را فراهم سازد. یکی از سازو کارهایی که می تواند در این مسیر بکار گرفته شود روش مونت کارلو است. این روش بدلیل ساختاری که بر آن استوار است بستر مناسبی جهت پردازش و ارزیابی واقعی تر روندهای طبیعی خواهند داشت که از جمله آن می توان به همنوایی موزونی که با فرآیندهای اتفاقی دارد اشاره نمود. اساس روش مونت کارلو بر تولید اعداد و متغیرهای تصادفی استوار است. بنابراین چهارچوب تحقیقات مربوطه کاملا تدوین شده است. آنچه به عنوان محدودیت و کاستی مطرح است عدم توانایی در فراهم ساختن مقدمات مورد نیاز تحلیل در این روش است که نوع برخورد با فرآیند اتفاقی و توزیع احتمالی وقوع آن از جمله آنهاست. چنانچه این مقدمات و جوانب مسئله به خوبی دیده شود، روش مونت کارلو می تواند حاملی مناسب در رسیدن به مقاصد مورد نظر باشد. یکی از این موارد چگونگی تعیین ساختار احتمالی رفتار سیستمهاست که در متغیرهای تصادفی انعکاس می یابد. در ارزیابی قابلیت اعتماد این بحث بصورت توابع توزیع احتمال ظاهر می گردد که در بسیاری از موارد به یک یا چند نوع توزیع احتمالی محدود می شود و علت آن را می توان عدم نیاز به دقت بیشتر و تمایل به سهولت در محاسبات دانست که نمی تواند پایه علمی مستندی داشته باشد. بخشی از تحقیق حاضر علاوه بر حالت عمومی شبیه سازی مونت کارلو به تعیین مناسبترین تابع توزیع احتمالی اختصاص دارد که بر پایه تئوری تخمین حداکثر شباهت و نیز معیار حداقل مربعات خطا بر اساس اطلاعات و داده های سوابق کارکرد و مولفه های سیستم توزیع استوار است. این کار در مراحل مختلف شبیه سازی انجام گرفته و بهترین برازش از رفتار مولفه ها را جستجو می نماید. بخش دیگر تحقیق به ارائه مدلی جدید جهت محاسبه شاخص های قابلیت اعتماد سیستمهای توزیع با بار متغیر زمانی می پردازد که تا حد زیادی توجیه ناپذیر استفاده از مقدار متوسط بار در محاسبه شاخص های بار و انرژی را نمایان می سازد. این مدل با تکیه بر اطلاعات جمع آوری شده بار مصرفی با فواصل نمونه برداری دلخواه شامل مقادیر ‏‎peak‎‏ و ‏‎offpeak‎‏ و تعیین بار مورد نیاز از طریق برازش داده ها عمل می نماید. جهت برخورد با عدم قطعیت در مدل بار و سایر شرایط حاکم، تئوری فازی بکار گرفته شده است. در نهایت میزان نهایی بار پس از فازی زدائی تعیین و در محاسبه بعضی از شاخص ها مانند ‏‎ُens‎‏ بکار می رود که این کار سبب بهبود در نتایج خواهد شد. موارد مختلف عدم قطعیت در این مباحث مطرح و سرانجام برنامه کامپیوتری تهیه شده در شبکه ‏‎rbts‎‏ در حالتهای عمومی با بار متوسط، تعیین مناسبترین تابع توزیع احتمالی بر اساس اطلاعات فرضی متغیرهای تصادفی و نیز با در نظر گرفتن اطلاعات بار متغیر زمانی در یک نمونه عملی تست شده است.