شبکه های عصبی، یکی از ابزارهای هوش مصنوعی است که در مدل سازی مفاهیم پیچیده کارایی مناسبی دارد. البته هرچه شبکه ی عصبی ساخته شده توسط توابع کارامدتر، بهتر آموزش ببیند، پاسخ های خروجی به مقادیر دنیای واقعی نزدیک تر است. سود حاصل از سرمایه گذاری صحیح در بازار بورس، برای هر فعال اقتصادی وسوسه انگیز است. اما وجود ریسک های غیر قابل انکار و بحران های مالی موجود در سرتاسر دنیا، سبب کاهش اطمینان سرمایه گذاران و متعاقب آن کم شدن سود دهی سهام بازار بورس و حرکت نزولی شاخص ها، به ویژه شاخص کل می شود. به همین علت، برای انجام پیش بینی مقدار شاخص های اصلی بازار بورس، به عنوان مهم ترین نماد نشان دهنده ی سیر صعودی یا نزولی اقتصاد بزرگ ترین بازار مالی کشور، از ابزارهای گوناگونی استفاده شده است. در این پژوهش سعی شده تا با ترکیب قسمت هایی از علوم مالی و هوش مصنوعی، سیستم های پیش بینی ساخته شود، که تا حد ممکن پاسخ هایی نزدیک به مقادیر دنیای واقعی داشته باشد. در این تحقیق با طراحی، ساخت و تست بیش از ??? شبکه ی عصبی مصنوعی و پیاده سازی آن ها در بستر نرم افزار matlab، توانستیم قیمت های آینده ی شاخص های اصلی بازار بورس تهران را با سطح خطای کمتر از ?% پیش بینی کنیم. در همین راستا و به منظور گرفتن پاسخ های کم خطا و نزدیک تر به مقادیر واقعی، از شبکه های عصبی مصنوعی ارائه شده، برای ساخت آن ها از یک روش هیبریدی، با ترکیب چندین شبکه عصبی با معماری پیش خور و پس خور، به همراه افراز داده های دو و نیم سال اخیر تمام شاخص های موجود در بازار بورس به علاوه ی توابع یادگیری مختلف موجود برای آموزش شبکه های عصبی، استفاده شده است.

با توجه به افزایش قیمت حامل های انرژی و فناپذیر بودن آن ها، استفاده از سیستم های هیبرید قدرت رشد فزاینده ای در راستای تأمین توان مورد نیاز در شبکه های توزیع یافته است. ویژگی های منحصربه فرد این سیستم ها از قبیل کاهش چشمگیر تلفات توان، امکان مدیریت انرژی و حداقل آلایندگی این امر را سبب شده است. پروژه حاضر با ارائه یک مدل اقتصادی از پیل سوختی و به کمک روشهای برنامه ریزی تکاملی، تأثیر عملکرد یکپارچه نیروگاه های بادی، فتوولتاییک و پیل سوختی را بر روی هزینه های عملیاتی سیستم مورد بررسی قرار می دهد. تأمین انرژی به صورت منفرد از سیستم های خورشیدی و بادی به دلیل وابستگی شدید آن ها به شرایط مختلف جوی چندان مقرون به صرفه نیست. لذا می توان با ترکیب نمودن این منابع در یک سیستم واحد و اتصال آن به شبکه سراسری، هزینه های عملیاتی سیستم را تا حد قابل توجهی کاهش داد. در این پژوهش مدل اقتصادی ارائه شده برای سیستم هیبرید پیشنهادی شامل هزینه تولید انرژی، توان گرمایی دریافتی از پیل سوختی، توان تولیدی توربین بادی، توان تولیدی سلول خورشیدی، تبادل توان با شبکه و هزینه های تعمیر و نگهداری می باشد. بر این اساس با بهره گیری از الگوریتم ژنتیک، رقابت استعماری و انبوه ذرّات، تابع هدف اقتصادی مسئله بهینه سازی کمینه گردیده و توان بهینه پیل سوختی در طول یک شبانه روز تعیین می گردد. نتایج شبیه سازی کاهش هزینه های عملیاتی در شرایط مختلف بهره برداری از سیستم هیبرید مورد نظر را نشان می دهد.

صنعت برق، این قلب تپنده صنایع، از شاخص¬های اثرگذار بر وضعیت اقتصادی، اجتماعی، سیاسی، فرهنگی و رفاهی جامعه به شمار می¬رود. صنعت برق، سال ها به عنوان یک خدمت عمومی تلقی می شد و از همین رو، انحصاری و غیررقابتی بود. در دهه 80 میلادی برخی اقتصاددانان پیشنهاد دادند اگر تولید برق به جای اتکا بر مقررات انحصاری یا سیاست¬های دولتی، بر نظام بازاری مبتنی گردد، قیمت¬ها کاهش یافته، باعث منفعت اقتصادی همگان خواهد شد. بنابراین صنایع برق جهان در دو دهه گذشته با دگرگونی¬های ساختاری بنیادینی همراه شدند. در هر دو سیستم قدرت سنتی و تجدید ساختار یافته، هر نوع تصمیم-گیری در برنامه¬ریزی و بهره¬برداری از سیستم قدرت منوط به داشتن اطلاعات مربوط به میزان مصرف انرژی در مقاطع مختلف زمانی و مکانی در سیستم است. با توجه به رقابتی بودن محیط بازار برق تجدید ساختاریافته، شرکت کنندگان در بازار برای بالا بردن سود خود باید آگاهی دقیقی از آینده تقاضای مصرف¬کنندگان داشته باشند. مدیریت بازار و بهره بردار سیستم باید بر اساس تطبیق عرضه تقاضای انرژی برق، اقدام به برنامه¬ریزی بهینه نمایند. بنابراین پیش بینی بار اساسی¬ترین ابزار برای بهره برداری بهینه و مطمئن سیستم قدرت می¬باشد. معمولاً دو ساختار کلی برای دادوستد در این بـازار رقابتی وجود دارد: بازار حوضچه¬ای و قراردادهای دو جانبه. در بازار حوضچه¬ای که حجم بالایی از معادلات بازار در آن انجام می¬گیرد، فروشندگان و خریداران انرژی، پیشنهادات خود را به مدیریت بازار ارائه می¬دهند و مدیریت بر اساس پیشنهادات دریافت شده نسبت به بهره برداری از سیستم اقدام می¬کند. بنابراین آگاهی دقیقی از آینده قیمت انرژی به شرکت کنندگان کمک می¬کند تا بتوانند به بیشترین سود خود برسند. با توجه به موارد ذکر شده در بالا، اهمیت پیش بینی کوتاه مدت بار و قیمت انرژی الکتریکی در صنعت برق آشکار می¬شود. در سال¬های گذشته روش¬های مختلفی برای پیش بینی بار و قیمت برق ارائه شده است. ولی به دلیل اهمیت این موضوع، نیاز به روش¬های دقیق¬تر امری اجتناب ناپذیر است. بنابراین در این پایان¬نامه روش های جدیدی برای پیش بینی بار و قیمت انرژی الکتریکی پیشنهاد شده است. بطور کلی پیش بینی در سه مرحله پیش پردازش، انتخاب داده¬های موثر و پیش بینی انجام می گیرد. تبدیل موجک، یکسان سازی داده¬ها و جابجا کردن نمونه¬های آموزش برای پیش پردازش و آماده سازی داده¬ها مورد استفاده قرار گرفته¬اند. برای انتخاب داده¬های ورودی موثر از روش فیلتر کردن داده¬ها استفاده شده است. چندین ساختار مختلف برای طراحی فیلتر انتخاب کننده در این پایان¬نامه ارائه شده است. برای پیش بینی کننده، شبکه¬های عصبی موازی شده و ساختار ترکیبی عصبی-تکاملی پیشنهاد شده است. در ساختار شبکه¬های موازی شده، از سه شبکه عصبی موازی که خروجی هر شبکه به مجموعه ورودیهای شبکه بعدی اضافه می¬شود استفاده شده است. ساختار موازی، رابطه نگاشت بین ورودی و خروجی سیگنال غیر خطی بار و قیمت انرژی الکتریکی را بصورت کارآمدتری می¬تواند تعیین کند. در ساختار عصبی-تکاملی، از روش بهینه¬سازی تکامل دیفرانسیلی برای تنظیم دقیق نرون¬های شبکه عصبی استفاده شده است. نتایج بررسی¬های موردی انجام شده صحت و دقت عملکرد روش¬های پیشنهادی را تایید می¬کند.

هدف از ممیزی انرژی بدست آوردن یک تصویر جامع ازوضعیت جریان کل انرژی ، تعیین وضعیت مصرف انرژی، شناسایی امکانات موجود، تعیین گلوگاههای مصرف انرژی، تعیین روش های ممکن جهت کاهش مصرف انرژی، تحلیل اقتصادی روش های کاهش مصرف انرژی، تعیین تاثیرپذیری هریک از روشها بر دیگری و در نهایت تهیه طرح توجیهی جهت تصمیم گیری و سرمایه گذاری است. در این پروژه سعی بر این است که ممیزی انرژی در دپارتمان پخت کارخانه سیمان انجام شود. به همین منظور ابتدا به اندازه گیری پارامترهای مختلف از قبیل دما، ابعاد سیستم، آنالیز مواد اولیه و آنالیز محصول خروجی و ... پرداخته و سپس به کمک روش ارائه شده، یک موازنه انرژی، که شامل انرژی های ورودی (از قبیل گرمای ورودی ناشی از احتراق سوخت، تغذیه مواد اولیه کوره ، ورود سوخت، هوای اولیه، هوای خنک کننده) و انرژی های خروجی (شامل گرمای لازم برای تشکیل کلینکر، گرمای تلف شده به خاطر آهکی شدن (تکلیس) غبار اتلافی کوره، تخلیه کلینکر، غبار در گاز خروجی کوره، رطوبت در تغذیه ، گاز خروجی کوره، اتلافات حرارتی تابشی و همرفتی از بدنه ی کوره، پیش گرم کن و کولر) می باشد، برای این بخش از کارخانه انجام شده است. نتایج نشان می دهد که میزان راندمان سیستم (بهره وری انرژی) برابر است با 46.62% که نسبتاً پایین است. یکی از نوآوری هایی که در این پایان نامه انجام شده عبارتست از تعیین بهینه اجزای تشکیل دهنده کلینکر بر اساس میزان حداقل مصرف انرژی با استفاده از الگوریتم ژنتیک بر مبنای دو استراتژی مختلف، با حفظ کیفیت و افزایش کیفیت می باشد. همچنین در ادامه ی موازنه انرژی پس از انجام ممیزی انرژی یک سری پیشنهادات برای کاهش مصرف انرژی در کارخانه سیمان ممتازان ارائه گردیده که از جمله ی آنها میتوان به استفاده از تئوری تصمیم گیری در ممیزی انرژی اشاره کرد که در نوع خود کار جدیدی محسوب میشود.

پروژه حاضر با ارائه یک مدل اقتصادی از سیستم های فتوولتاییک، توربین های بادی، دیزل ژنراتورها به همراه باتری های ذخیره ساز، هزینه های عملیاتی سیستم های مختلف را مورد بررسی قرار می دهد. تأمین انرژی به صورت منفرد از سیستم های خورشیدی و بادی به دلیل وابستگی شدید آن ها به شرایط مختلف جوی چندان مقرون به صرفه نیست. لذا می توان با ترکیب نمودن این منابع در یک سیستم واحد و استفاده از دیزل ژنراتور ها، هزینه های عملیاتی سیستم را تا حد قابل توجهی کاهش داد. در این پژوهش هزینه مدل اقتصادی ارائه شده برای سیستم ترکیبی پیشنهادی شامل هزینه توان تولیدی توربین بادی، هزینه توان تولیدی سلول خورشیدی، هزینه توان تولیدی دیزل ژنراتور، توان ذخیره شده در باتری و هزینه های تعمیر و نگهداری می باشد. بر این اساس با مقایسه ای بین انواع الگوریتم های انبوه ذرات، جستجوی ممنوع و جستجوی هارمونی بهبود داده شده، بهترین الگوریتم انتخاب شده، و با بهره گیری از آن تابع هدف اقتصادی مسئله بهینه سازی، کمینه گردیده و تعداد بهینه پنل فتوولتائیک، توربین بادی، باتری و دیزل ژنراتور تعیین شده است. همچنین میزان آلودگی های محیط زیست در استراتژی¬های مختلف در طول یک سال بررسی شده است. نتایج شبیه سازی حاکی از آن است که الگوریتم انبوه ذرات با عامل انقباض بهترین روش بهینه سازی است و همچنین نشان می دهد که با افزایش قیمت سوخت دیزل ژنراتور و کاهش قیمت انرژی های تجدید پذیر در آینده سیستم ترکیبی پنل فتوولتائیک- دیزل ژنراتور به همراه ذخیره سازی باتری بهینه ترین سیستم برای تأمین بار شهر رفسنجان واقع در استان کرمان است.

صنعت برق به عنوان صنعت زیربنایی و مادر نقش مهمی در توسعه اقتصادی و رفاه جوامع دارد. در محیط رقابتی بازارهای برق تجدید ساختاریافته، شرکت کنندگان در بازار به منظور بالا بردن سود خود، بایستی از میزان تقاضای مصرف کنندگان و همچنین قیمت انرژی الکتریسیته در ساعت های پیش رو آگاهی داشته باشند. ازاین رو پیش بینی بار و قیمت انرژی الکتریکی دو عنصر مهم و کلیدی در بازارهای تجدید ساختاریافته برق به شمار می آیند. پیش بینی بار الکتریکی می تواند در بهبود کارایی و افزایش امنیت سیستم های قدرت نقش بسزایی داشته باشد. همچنین پیش بینی قیمت انرژی الکتریکی به عنوان یکی از مهمترین ابزارها برای شرکت کنندگان در بازار برق به بهبود استراتژی قیمت دهی و گرفتن تصمیمات مهم در بخش سرمایه گذاری کمک می کند. در سال های اخیر روش های گوناگونی برای پیش بینی بار و قیمت انرژی الکتریکی در بازارهای تجدید ساختار شده برق معرفی شده است. کارشناسان و پژوهشگران، به دلیل اهمیت این موضوع، همواره به دنبال ارائه روش-های پیش بینی دقیق تری نسبت به گذشته بوده اند. در این پایان نامه کاربرد انواع شبکه های عصبی و روش های ترکیبی در پیش بینی بار و قیمت انرژی الکتریکی مورد ارزیابی قرارگرفته است. همچنین روش های جدیدی برای پیش بینی بار و قیمت انرژی الکتریکی ارائه شده است. با به کارگیری روش های ترکیبی مختلف می توان کارایی و دقت بالاتری را در پیش بینی بار و قیمت انرژی الکتریکی مشاهده نمود. استفاده از الگویتم بهینه سازی ازدحام ذرات در کنار مدل های ترکیبی برای کمتر کردن خطای آموزش می تواند در بهبود نتایج پیش بینی نقش داشته باشد. همچنین استفاده از الگوریتم بهینه سازی ازدحام ذرات برای آموزش شبکه عصبی، قابلیت جست وجو در فضای جواب را بهبود بخشیده و از به دام افتادن در بهینه های محلی جلوگیری می نماید. علاوه بر این چندین ساختار انتخاب ویژگی موثر در این پایان نامه ارائه شده است. نتایج بررسی ها و آزمایش های صورت گرفته دقت و عملکرد روش های پیشنهادشده را تائید می نمایند.

امروزه سیستمهای ترکیبی که شامل منابع انرژی تجدیدپذیر هستند، جایگاه ویژه ای در سیستم های قدرت بدست آورده است. با توجه به افزایش نقش انرژی بادی در تولید توان الکتریکی، مدل سازی مزرعه بادی در سیستم های قدرت حائز اهمیت می باشد. روش های مختلفی برای انواع مدل سازی مزارع بادی ارائه شده است؛ که از نظر پارامترهای دقت و زمان شبیه سازی با یکدیگر متفاوت است. مدل کامل یک مزرعه بادی بعنوان مدل پایه، معیار مناسبی برای سنجش دقت مدل های معادل بکار می رود. در این تحقیق 3 مدل معادل که در مقاله ها و مراجع معتبر بیشترین کاربرد را دارند، برای مقایسه و شبیه سازی انتخاب شده است. بدلیل توانایی نرم افزار دیگسایلنت در تحلیل سیستم های قدرت شامل منابع انرژی تجدیدپذیر، از آن بصورت گسترده در مطالعات طراحی و بهره برداری شبکه ها استفاده می شود. به هرحال مدل مورد استفاده در این نرم افزار برای شبیه سازی توربین بادی، تنها توانایی مدل سازی توربین بادی با سرعت باد ثابت را دارا می باشد. این امر موجب می شود که تاثیرات پدیده های آیرودینامیکی، نظیر اغتشاشات در سرعت باد، بر مطالعات کیفیت توان سیستم های قدرت قابل بررسی نباشد. لذا در این مطالعه، ابتدا مدل توربین بادی موجود در نرم افزار با استفاده از قابلیت برنامه نویسی آن بهبود داده شده است. سپس به بررسی مولفه های کیفیت توان پرداخته می شود. همچنین این پارامتر برای تمام مدل ها محاسبه شده و در نهایت با مقایسه نتایج شبیه سازی می توان دقت هر کدام از مدل ها را بررسی نمود. یکی دیگر از فاکتورهای مهم در شبیه سازی مزرعه بادی اثر رد توربین است. وقتی که باد به توربین برخورد می کند سرعت باد در پشت توربین کاهش می یابد و در نتیجه توان تولیدی کاهش می یابد. ازمدل های معرفی شده برای اثر رد توربین مدل جنسن می باشد که در این تحقیق با توسعه مدل فوق طوریکه از طریق هماهنگ کردن معادلات اثر رد توربین با جهت های وزش باد دیگر نیازی به در نظر گرفتن در یک جهت خاص نمی باشد مورد استفاده قرار گرفته است. همچنین مدلسازی انواع مدل های مزرعه بادی در دو مد کنترلی ضریب توان و کنترل ولتاژ بررسی شده است. برای شبیه سازی تابع باد ورودی مزرعه بادی از شبیه ساز turbsim استفاده شده است.

در این پایان نامه کاربرد انواع شبکه های عصبی و روش های ترکیبی در پیش بینی ذخیره گردان مورد ارزیابی قرارگرفته است و روش های جدیدی برای پیش بینی ذخیره گردان ارائه شده است. همچنین مقدار ذخیره گردان مربوط به عدم قطعیت توان بادی و خورشیدی در مسئله تعهد واحدها در ضمن کاهش هزینه ها به دست آمده است.

مدیریت بار جهت تامین انرژی با کیفیت و قابلیت اطمینان زیاد و همچنین کنترل منابع تولید جهت کاهش هزینه ها و استفاده بهینه از منابع و ملاحظات زیست محیطی جزء مهمترین مسائل پیش روی سیستم قدرت می باشند. به همین دلیل در پایان نامه حاضر از مزارع بادی با قابلیت اتصال به شبکه به منظور توسعه استفاده از انرژی های تجدیدپذیر و کاهش هزینه ی بهره برداری در شبکه ی قدرت و از پاسخ تقاضا برای کاهش پیک استفاده شده است. در این مطالعه به حل مسئله برنامه ریزی مشارکت واحدها با حضور انرژی بادی و با استفاده از پاسخ تقاضای سریع پرداخته شده است. برای حل مسئله موردنظر روش های بهینه سازی متفاوتی وجود دارند که در این مطالعه یک نسخه جدید از الگوریتم بهینه سازی دودویی ازدحام ذرات نیز ارائه شده و عملکرد آن روی 30 تابع استاندارد آزمایش شده و پاسخ هایی بسیار بهتر از سایر الگوریتم ها به دست آمده است. در ادامه از همین الگوریتم برای حل مسئله برنامه ریزی مشارکت واحدها استفاده شده است که با استفاده از این الگوریتم، پاسخ های بهتری حاصل شده و تفاوت هزینه تولید حاصل از این روش با هزینه حاصل از سایر روش ها مقدار قابل توجهی است. در گام اول خروجی مزارع بادی با استفاده از داده های واقعی و درنظر گرفتن عدم قطعیت ها شبیه سازی می شوند و براساس آن مشارکت مصرف کنندگان به عنوان یک نیروگاه مجازی به صورت پاسخ تقاضای سریع در مسئله برنامه ریزی مشارکت واحد های نیروگاهی تعیین می گردد. با بهره گیری از روش احتمالاتی تخمین دونقطه ای، خروجی مزارع بادی، مدل گردیده و برای شبیه سازی پاسخ تقاضا نیز از توزیع خطی کاهشی استفاده شده است. کارایی ساختار ارائه شده با بهره گیری از شبکه ی 32 باس ieee-rts مورد ارزیابی قرار گرفته است. با استفاده از مزارع بادی و پاسخ تقاضا، قابلیت اطمینان بهبود یافته، پیک بار کاهش یافته و هزینه بهره برداری نیز به مقدار قابل توجهی کمتر شده است.

امروزه بدلیل رشد جمعیت، بالا رفتن سرانه مصرف انرژی الکتریکی و توسعه بخش های مختلف صنعت، میزان تقاضای انرژی الکتریکی پیوسته درحال افزایش است. تأمین انرژی الکتریکی موردنیاز مصرف کنندگان، مستلزم توسعه شبکه برق و احداث نیروگاه های جدید می باشد. با توجه به رشد بالای استفاده از انرژی باد در جهان و اقتصادی بودن آن به نظر می رسد احداث نیروگاه های بادی جدید در کشور جهت توسعه اقتصادی، به ضرورتی انکارناپذیر تبدیل شده است. در این پایان نامه مطالعه امکان سنجی احداث مزرعه بادی در سایت مجتمع مس سرچشمه انجام گرفته و نیروگاه بادی به ظرفیت 4/50 مگاوات در این سایت طراحی گردیده است. کلیه مراحل مربوط به امکان سنجی احداث نیروگاه بادی شامل برآورد انرژی تولیدی سالیانه، مطالعات احداث، و روند مطالعات امکان-سنجی که شامل انتخاب سایت مناسب برای مزرعه ی بادی، انتخاب مدل های مناسب و نیز تعیین چیدمان مناسب توربین ها می باشد، به کمک نرم افزار windpro انجام گرفته است. در انتها با توجه به انرژی قابل استحصال تولیدی توسط توربین ها آنالیز اقتصادی برای احداث نیروگاه با در نظر گرفتن طول عمر بهره برداری بیست سال انجام شده است. شایان ذکر است مطالعات انجام گرفته در این پایان نامه بر اساس مفروضاتی از جمله اطلاعات باد در نواحی مجاور به مجتمع مس سرچشمه و همچنین قیمت ها با توجه بازدید میدانی از محل و پروژه های مشابه بوده است. بدیهی است که اجرایی نمودن این پروژه منوط به جمع آوری داده های واقعی از محل اجرای پروژه خواهد بود.

در این پایان نامه، ابتدا مقایسه ای بین دو روش انتخاب ورودی پرکاربرد، «آنالیز همبستگی» و «اطلاعات متقابل» و ترکیبات مختلف آنها انجام شده است. سپس یک روش انتخاب ورودی جدید پیشنهاد شده است. در ادامه یک روش ترکیبی هوشمند جدید برای پیش بینی عدم قطعیت بار و قیمت ارائه شده است. روش پیشنهادی بازه های پیش بینی را مبتنی بر شبکه های عصبی مصنوعی و الگوریتم بهینه سازی ازدحام ذرات می سازد. براساس نتایج بدست آمده از ساخت بازه های پیش بینی، یک استراتژی جدید برای پیش بینی جهش قیمت برق ارائه شده است. این استراتژی پیشنهادی شامل یک مدل ترکیبی از داده های ورودی به شبکه عصبی برای پیش بینی جهش است و هر دو جنبه پیش بینی جهش (وقوع و مقدار) را در یک گام پیش بینی می کند. برای ارزیابی مدل های پیشنهادی، از داده های واقعی بار و قیمت بازارهای برق جهانی استفاده و با مراجع مختلف مقایسه شده است.