دانلود پایان نامه

3-10-2-کاربرد سیستم های SCADA در ایجاد شبکه های هوشمند و بهبود راندمان شبکه برق سراسری
(Bruneo & Cucinotta ,2012) [23 ] توسعه سیستم های SCADA بر اساس شبکه های هوشمند با استفاده از حسگرهای بیسیم WSN را مورد بررسی قرارداده اند در حال حاضر بسیاری از کشور های جهان شبکه تولید برق خود را بر مبنای شبکه های هوشمند توسعه می دهند.توسعه شبکه های هوشمند شاخص های امنیت، قابل اعتماد بودن، راندمان، آلایندگی کمتر، تمرکز و انعطاف را برای زنجیره تامین نیروی برق بهبود می بخشد.در این فرآیند هوشمند سازی، فناوری اطلاعات و سیستم های SCADA دارای نقش بسیار موثری می باشند.با توجه به گستره وسیع اطلاعات در شبکه سراسری تولید نیرو استفاده از شبکه حسگرها ی بی سیم WSN در سیستم های SCADA توسعه یافته است [23 ] .
3-11-کاربرد منطق فازی و هوش مصنوعی در مدیریت و بهینه سازی مصرف انرژی
3-11-1-استفاده از هوش مصنوعی در پیش بینی میزان مصرف انرژی
(Liang & Cheng,2002) [24] امکان استفاده از منطق فازی و شبکه های عصبی را در پیش بینی مقدار مصرف مورد توجه قرار داده اند . با توجه به عوامل بسیار زیادی که می تواند در مصرف انرژی موثر باشد برازش یک مدل فازی به رویداد ها و تعیین قواعد آن کار دشواری می باشد لذا در سالهای اخیر استفاده از شبکه های عصبی در مدل سازی فازی مورد توجه قرار گرفته است که به روشهای Neuro-Fuzzy موسوم هستند.در این روش ابتدا داده های ورودی به وسیله آنالیز پیرسون مورد بررسی قرار می گیرد و پارامترهایی که تاثیر بیشتری بر فرآیند مصرف انرژی دارند انتخاب می شوند.در مراحل بعدی جهت مشخص نمودن توابع فازی واستنتاج فازی و فرآیند غیر فازی سازی بر مبنای الگوریتم های هوش مصنوعی صورت می گیرد .نتایج حاصل از این روش در مقایسه با سایر روشهایی که در آنها از منطق فازی و یا شبکه های عصبی به طور مجزا استفاده می شود خطای کمتری را درپی دارد [24].
3-11-2-بهره گیری از منطق فازی برای پیش بینی میزان مصرف انرژی
(Ismail & Mansor,2012) [25 ] استفاده از منطق فازی جهت پیش بینی مقدار توان مصرفی را مورد بررسی قرار داده اند معمولا پیش بینی میزان مصرف انرژی در چهارقالب زمانی مختلف انجام می شود که عبارتند از
پیش بینی آنی بازه زمانی پیش بینی یک ساعت تا یک روز آینده
پیش بینی کوتاه مدت بازه زمانی پیش بینی بین یک روز تا یک هفته آینده
پیش بینی میان مدت بازه زمانی بین یک تا چند ماه آینده
پیش بینی بلند مدت بازه زمانی یک یا چند سال آینده
در میان میان پیش بینی کوتاه مدت مصرف انرژی برای تامین کنندگان انرژی بسیار مهم است و می تواند در برنامه ریزی فنی و مالی آنها بسیار موثر باشد.برای پیش بینی کوتاه مدت مصرف انرژی می توان از منطق فازی استفاده نمود .در این روش ابتدا پارامترهای موثر در پروسه شناسایی می شود به طور مثال جهت مصرف انرژی منازل مسکونی در طول سال دمای محیط بیرون می تواند یک متغیر موثر باشد.در این روش با استفاده از توابع تعلق و شرایط از قبل تعیین شده مدل فازی و تابع آن مشخص می شود و در ادامه با استفاده از مقادیر بدست آمده از استنتاج فازی برای هر متغیر و فرآیند غیر فازی سازی میزان مصرف انرژی برای دوره های زمانی آینده پیش بینی می گردد.این فرآیند به روشهای زیر صورت می گیرد:
روش COG (مرکز ثقل )
روش COA (مرکز سطح)
روش MAXIMA (بیشینه ) که خود دارای سه زیرشاخه زیر است :
FOM (بیشینه اولیه )
MOM (بیشنه میانی )
LOM (بیشینه نهایی )
شکل3-6- کاربرد منطق فازی در پیش بینی مقدار مصرف انرژی [25]
با توجه به نتایج بدست آمده از روشهای فوق مشخص شده که نتایج پیش بینی حاصل شده از روش COA جهت پیش بینی مصرف دقیق تر و با خطای کمتری همراه است [25] .
3-12-کاربرد منطق فازی در کاهش مصرف انرژی در کوره های صنعتی
(Dequan et.al , 2012 ) [26] کاربرد منطق فازی در کاهش مصرف انرژی در کوره های صنعتی را مورد بررسی قرار داده است .با توجه به اینکه یکی از مصرف کننده های عمده انرژی در صنایع کوره های صنعتی هستند امروزه سعی می شود با تکیه برروش های فناوری اطلاعات مصرف انرژی در این نوع سیستم ها کاهش یابد.یکی از روشهایی که در سالهای اخیر مورد توجه قرار گرفته است منطق فازی می باشد.بر طبق نتایج حاصل از تحقیقات مشخص شده است که استفاده از منطق فازی جهت الگوریتم های کنترلی در مقایسه با روشهای مرسوم مانندالگوریتم PID خطای کمتری را در بردارد و نوسانات مداوم درجه حرارت تا متعادل شدن سیستم را به نحو محسوسی کاهش می دهد.کم شدن نوسانات حرارتی کاهش مصرف انرژی را در پی دارد.در سالهای اخیر تحقیقاتی بر رو امکان محاسبه خودکار پارامتر های PID به وسیله منطق فازی صورت گرفته است در این روش که به سیستم FUZZY PID موسوم است از تلفیق مزیت های روش های PID و FUZZY سیستم کنترلی طراحی می شود که نسبت به هر دو روش دارای خطای کمتری است و همدمایی سریعتر حاصل می گردد [26].