منابع مقالات معتبر بین المللی

پروژه - فرمت ورد

برنامه توسعه تولید و انتقال، با در نظر گرفتن حد بارگذاری با استفاده از نظریه گیم و شبکه عصبی مصنوعی…

  • عنوان لاتین مقاله: Transmission and Generation Expansion Planning Considering Loadability Limit Using Game Theory ANN
  • عنوان فارسی مقاله: برنامه توسعه تولید و انتقال، با در نظر گرفتن حد بارگذاری با استفاده از نظریۀ گیم و شبکه عصبی مصنوعی.
  • دسته: برق و الکترونیک
  • فرمت فایل ترجمه شده: WORD (قابل ویرایش)
  • تعداد صفحات فایل ترجمه شده: 21
  • ترجمه سلیس و روان مقاله آماده خرید است.

خلاصه

در این مقاله برنامۀ توسعۀ تولید و انتقال (TEF , GEP) با در نظرر گرفتن حد بارگذاری سیستم قدرت مطالعه شده است. از روش شبکه های عصبی مصنوعی (ANN) برای ارزیابی حد بارگذاری سیستم قدرت به دلیل ویژگی های حساسیتش استفاده شده است. بازسازی سیستم قدرت و جداسازی سازمان های تصمیم گیرندۀ توسعۀ تولید و انتقال، هماهنگی میان شرکت های تولید و انتقال را حیاتی تر ساخته است. از دیگر سو، پایداری ولتاژ، یکی از مشخصه های سطح امنیتی سیستم قدرت می باشد. در این مقاله، نخست الگوی بار یک سیستم قدرت 6-شینه توسعه یافته، و سپس با استفاده از مشخصه های حساسیت ANN بهترین شین برای افزایش بار، تعیین می شود. آنگاه، ارتباط متقابل استراتژیکی میان شرکت انتقال (trasco) و شرکت تولید (GenCo) برای TEP و GEP در یک بازار برق رقابتی با استفاده از تیوری گیم (GT) ارایه می شود. الگوریتم ارایه شده از سه مرحلۀ بهینه سازی برای تعیین تعادل نش بطوری که سودمندترین روش برای هردو سوی گیم در یک گیم برنامه ریزی توسعه، یافتنی باشد تشکیل می شود.

کلمات کلیدی: برنامه توسعه تولید، برنامه توسعه انتقال، نظریه گیم، حد بارگذاری و شبکه عصبی مصنوعی

مقدمه

بازسازی و بازتنظیم سیستم قدرت، چالش های تازه ای را به برنامه ریزی سیستم قدرت اعمال می کند. در یک بازار توان انحصاری، تصمیم گیرنده تنها یک بنیادیست که می تواند در مورد برنامۀ توسعۀ تولید (GEP) و برنامۀ توسعۀ انتقال (TEP) ، تصمیم بگرید. بدلیل ایجاد شدن رقابت در بازار برق، بهتر است که تصمیم گیرنده های TEP و GEP جدا شوند؛ بطوری که شرکت انتقال (TrasCo) برای TEP و شرکت تولید (GenCo) برای GEP تصمیم گیری کند. در چنین محیطی، هماهنگی میان این دو نهاد حیاطی تر می شود؛ زیرا هر توسعۀ ظرفیت می تواند به دیگری اثر گذاشته و در نتیجه سود هر شرکت می تواند به طور وابسته، تحت تاثیر قرار گیرد.

  • فرمت: zip
  • حجم: 1.35 مگابایت
  • شماره ثبت: 411

خرید

مطالب مرتبط

ولتاژ مقاله سیستم قدرت شبکه عصبی مالیات ترجمه مقاله الگوریتم Word
علی یکشنبه 15 شهریور 1394 ساعت 13:13
0 نظر

ترجمه مقاله اثر سیستم های برنامه ریزی منابع سازمان (ERP) و شیوه های مدیریت زنجیره تامین (SCM) در عملکرد شرکت ها…

دسته: مقالات ترجمه شده

حجم فایل: 717 کیلوبایت

تعداد صفحه: 17

سیستم های برنامه ریزی منابع سازمان (ERP)

ترجمه تحقیق 2013

اثر سیستم های برنامه ریزی منابع سازمان (ERP) و شیوه های مدیریت زنجیره تامین (SCM) در عملکرد شرکت ها (موردی از شرکت های ترکیه ای)

خلاصه

سیستم های برنامه ریزی منابع سازمان یک ابزار مهم برای برنامه ریزی فرایندهای کسب و کار هستند، جریان اطلاعات، پیاده سازی، کنترل، درمورد منابع و محل استقرار شرکت ها (مالی، مواد، تجهیزات و کار) در مکانهای مختلف.. شیو های مدیریت زنجیره تامین درهای برونگرای شرکت ها برای اطمینان از برتری متقابل در فرایندهایشان میباشد. پیاده سازی موفقیت آمیز و یکپارچه سیستم های پیاده سازی موفقیت آمیز و یکپارچه سیستم های ERP وشیوه های SCM، پیشرفت برنامه ریزی، تصمیم گیری، پیاده سازی و افزایش عملکرد شرکت ها را بهبود می بخشند.

این مطالعه در مورد بررسی ابعاد سیستم های ERPو شیوه های SCM و روابط بین مزیت رقابتی و عملکرد شرکت ها میباشد. این تحقیق در 138 شرکت موفق ترکیه ای انجام شد. برای تست فرضیه های تحقیق از مرحله تجزیه و تحلیل استفاده شده بود. پیاده سازی سیستم ERPو شیوه های SCM نشان داد که سیستم ERPو شیوه های SCM اثر مثبتی را در عملکرد و برتری رقابتی شرکت ها دارند.

خرید

مطالب مرتبط

مالی مقاله شبکه عصبی کسب و کار مدیریت ترجمه مقاله تحقیق پیشرفت
علی سه‌شنبه 3 شهریور 1394 ساعت 14:08
0 نظر

اسلاید سیستم های خبره…

دسته: هوش مصنوعی

حجم فایل: 478 کیلوبایت

تعداد صفحه: 29

سیستم های خبره

Expert Systems

مقدمه

هوش مصنوعی

سیستم های خبره

اجزای سیستم های خبره

ویژگی های سیستم های خبره

انواع مسائل قابل حل با سیستم های خبره

مزایای سیستم های خبره

کاربرد سیستم های خبره در قلمرو امور مالی

کاربرد سیستم های خبره در قلمرو حسابداری

مشکلات و محدودیت های سیستم های خبره

مقدمه

امروزه توسعه و رشد سریع فناوری اطلاعات تمام جنبه های زندگی بشر را تحت تأثیر قرار داده و شاید بتوان گفت انقلابی بزرگ در زندگی بشر ایجاد شده است. علوم دیگری از جمله علوم انسانی و به طور مشخص تر حسابداری و علوم مالی نیز از تأثیرات این توسعه بی نصیب نمانده اند.

در سال های اخیر، تلفیق علم حسابداری و نوآوری های عرصه فناوری اطلاعات و ارتباطات سبب شده تا با استفاده از ابزارها و روش های نوین شاهد سرعت و دقت روزافزون درسیستم های مالی باشیم.

یکی ازاین نوآوری ها، استقرار سیستم خبره درقلمرو مالی و حسابداری است که هزینه های عملیاتی را کاهش داده و ارائه خدمات مالی را بسیار سودآور کرده است.

خرید

مطالب مرتبط

فناوری اطلاعات کامپیوتر حسابداری شبکه عصبی مقاله ترجمه مقاله پایان نامه الگوریتم مالی
علی دوشنبه 2 شهریور 1394 ساعت 13:42
0 نظر

طراحی نقشه های شناختی فازی با استفاده از شبکه های عصبی برای پیش بینی سری زمانی پر هرج و مرج…

  • عنوان لاتین مقاله: Design of fuzzy cognitive maps using neural networks for predicting chaotic time series
  • عنوان فارسی مقاله: طراحی نقشه های شناختی فازی با استفاده از شبکه های عصبی برای پیش بینی سری زمانی پر هرج و مرج.
  • دسته: ریاضی
  • فرمت فایل ترجمه شده: WORD (قابل ویرایش)
  • تعداد صفحات فایل ترجمه شده: 20
  • ترجمه سلیس و روان مقاله آماده خرید است.

خلاصه

به عنوان یک طرح کارامد برای ارائه اطلاعات و مکانیسم شبیه سازی متناسب با بررسی های بیشمار و حوزه های کاربردی، طرح شناخت فازی (FCMs) توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به هر حال FCMs (طرح شناخت فازی) سنتی، روش کارامدی را برای تعیین وضعیت سیستم مورد بررسی و تعیین علت و معلول که مبنای واقعی نظریه FCMs (طرح شناخت فازی) می باشد، ایجاد نمی کند. بنابراین در بسیاری از موارد، ایجاد FCMs (طرح شناخت فازی) برای سیستم های علت و معلول یچیده بستگی به دانش متخصصان دارد. مدل های ایجاد شده فیزیکی، دارای کمبودهایی مهمی از نظر خاص بودن مدل و مشکلاتی از نظر دسترسی قابل اطمینان دارند. در این مقاله به طرح شبکه عصبی فازی برای بالا بردن توان یادگیری FCMs (طرح شناخت فازی) پرداخته به گونه ای که تعیین خودکار توابع عضویت و تعیین علت و معلول آن با مکانیسم استنتاج FCMs (طرح شناخت فازی) رایج ادغام می گردد. به این ترتیب، مدل FCMs (طرح شناخت فازی) سیستم های مورد بررسی به صورت اتوماتیک از داده ها ایجاد شده و بنابراین مستقل از یافته های متخصصان می باشند. علاوه بر این، لز زیرمجموعه های متقابل برای تعریف و شرح علت و معلول در FCMs (طرح شناخت فازی) استفاده می کنیم. این موارد تفاسیر مشخصی را در ارتباط با دلایل FCMs (طرح شناخت فازی) ایجاد کرده و به این ترتیب درک فرایند استنتاج را اسان تر می کند. برای تایید عملکرد، روش پیشنهادی در سری زمانی پر هرج و مرج پیش بینی شده، تست می گردد. بررسی های شبیه سازی شده کارایی روش پیشنهادی را نشان می دهد.

مقدمه

از زمان تحقیقات کوشو، طرح شناختی فازی (FCMs) توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به عنوان یک روش بررسی مدل ها، برای سیستم های پیچیده، مدل FCMs به بررسی سیستم های دیگر به عنوان مجموعه ای از مفاهیم و روابط بین این مفاهیم که منشاء آن از ترکیب منطق فازی و شبکه های عصبی می باشد پرداخته است. ذاتا، FCMs به عنوان یک نمودار مستقیم همراه با بازخوردهایی می باشد که شامل مجموعه ای از گره ها و منحنی هایی می باشد که این گره ها را به هم مرتبط می کند. شکل 1 نمایش گرافیکی FCM و ساختار شبکه ای آن را نشان می دهد.

در FCMs گره نشان دهنده مفهوم معنایی می باشد که از سیستم مورد نظر مشتق می شود.

  • فرمت: zip
  • حجم: 2.93 مگابایت
  • شماره ثبت: 411

خرید

مطالب مرتبط

گرافیک مقاله ریاضی فیزیک کامپیوتر شبکه عصبی تحقیق Word
علی شنبه 31 مرداد 1394 ساعت 02:38
0 نظر

دانلود پایان نامه عملکرد شبکه های عصبی در شبیه سازی سلول های خورشیدی…

فهرست مطالب

فصل ۱- مروری بر روند، آینده ی مصرف انرژی و لزوم استفاده از انرژی های نو. ۹

۱-۱- مقدمه ۹

۱-۲- بررسی منابع اصلی تولید انرژی الکتریکی در حال حاضر. ۱۱

۱-۳- مشکل آلودگی محیط زیست… ۱۲

۱-۴- انرژی های تجدید پذیر (نو) ۱۵

۱-۴-۱- انرژی زمین گرمایی (Geothermal) ۱۶

۱-۴-۲- انرژی فتوولتائیک… ۱۶

۱-۴-۳- انرژی بادی ۱۷

۱-۴-۴- انرژی آبی (سدها) ۱۷

۱-۴-۵- انرژی بیوگاز ۱۷

۱-۴-۶- انرژی امواج ۱۸

۱-۴-۷- تولید هیدروژن.. ۱۸

فصل ۲- پارامتر های خورشید.. ۲۰

۲-۱- مقدمه ۲۰

۲-۲- پارامترها ۲۱

۲-۲-۱- طول موج های نور ۲۲

۲-۲-۲- انواع اشعه ۲۳

۲-۲-۳- اثر ابر. ۲۳

۲-۲-۴- موقعیت جغرافیایی.. ۲۴

۲-۲-۵- تأثیر کجی محور زمین.. ۲۴

۲-۲-۶- ارتفاع از سطح دریا ۲۵

۲-۳- نتیجهگیری.. ۲۵

فصل ۳- سلول ها و سیستم هایفتو ولتاییک… ۲۷

۳-۱- مقدمه ۲۷

۳-۲- تاریخچه فتوولتاییک… ۲۷

۳-۳- نیمههادیهای مناسب برای سلولهای خورشیدی و فاکتور های دخیل.. ۳۲

۳-۳-۱- میدان الکتریکی محلی.. ۳۶

۳-۳-۲- مسیر نوری ۳۶

۳-۳-۳- نازکی نیمه هادی.. ۳۸

۳-۳-۴- تأثیر متقابل نور نیمههادی.. ۳۸

۳-۳-۵- جمع آوری نوری.. ۳۹

۳-۴- اتصال P-N ۴۳

۳-۵- اساس کار سلول های خورشیدی اتصال P-N.. ۴۴

۳-۶- مطالعه اتصال P-N در تاریکی.. ۴۵

۳-۷- اثر ابعاد سلول محدود بر روی… ۵۰

۳-۸- مطالعه پیوند p-n در روشنایی.. ۵۰

۳-۹- رابطه بین مطالعه در حالت تاریکی و روشنایی.. ۵۴

۳-۱۰- جریان اتصال کوتاه () ۵۵

۳-۱۱- فاکتور پرکنندگی (FF) ۵۵

۳-۱۲- پارامترهای خروجی و سلول خورشیدی.. ۵۸

۳-۱۳- محاسبات مربوط به پارمترهای سلولی.. ۵۹

۳-۱۴- بازده سلولهای خورشیدی.. ۶۲

۳-۱۵- عوامل موثر بر بازده تبدیل سلولی.. ۶۳

۳-۱۵-۱- گاف نواری () ۶۳

۳-۱۵-۲- دما ۶۶

۳-۱۵-۳- طول عمر ترکیب مجدد. ۶۷

۳-۱۵-۴- شدت نور ۶۷

۳-۱۵-۵- چگالی ناخالصی.. ۶۸

۳-۱۵-۶- سرعت ترکیب مجدد سطحی.. ۶۹

۳-۱۵-۷- مقاومت درونی ۷۱

۳-۱۵-۸- شبکه فلزی و بازتاب نوری.. ۷۱

۳-۱۵-۹- تغییرات بیشینه بازده با ضخامت سلول.. ۷۲

۳-۱۶- مدل پانل خورشیدی.. ۷۲

۳-۱۶-۱- مدل عمومی پانل خورشیدی.. ۷۳

۳-۱۶-۲- مدل پانل خورشیدی مطرح شده در مرجع ۷۴

۳-۱۶-۳- مدل پانل خورشیدی مطرح شده در مرجع ۷۵

۳-۱۷- مزایا و معایب سیستم فتوولتائیک… ۷۵

۳-۱۸- موارد کاربرد عمده سیستم فتوولتائیک… ۷۷

۳-۱۹- نتیجهگیری.. ۸۰

فصل ۴- ماکزیمم سازی توان در سلول های خورشیدی.. ۸۱

۴-۱- مقدمه ۸۱

۴-۲- تعریف Power Point Tracking (MPPT) Maximum… ۸۳

۴-۳- مروری بر چند روش MPPT. ۸۶

۴-۳-۱- استفاده از جدول جستجوی عددی.. ۸۷

۴-۳-۲- روش های مبتنی بر الگوریتم های hill-climbing. ۸۷

۴-۳-۳- روش های محاسباتی.. ۸۸

۴-۳-۴- مدل ریاضی جریان Imp برحسب Iph (روش جریانی) ۸۸

۴-۳-۵- مدل ریاضی ولتاژ Vmp برحسب Voc (روش ولتاژی) ۸۹

۴-۳-۶- مقایسه روشهای ولتاژی و جریانی.. ۹۱

۴-۳-۷- مزایای MPPT های ولتاژی در مقابل MPPT های جریانی.. ۹۵

۴-۳-۸- نتیجهگیری ۹۶

فصل ۵- کاربرد شبکه های عصبی در شبیه سازی و تخمین نقطه توان ماکزیمم سلول های خورشیدی ۹۸

۵-۱- مقدمه ۹۸

۵-۲- معرفی شبکه عصبی مصنوعی.. ۹۹

۵-۳- تاریخچه شبکه های عصبی مصنوعی.. ۱۰۰

۵-۴- چرا از شبکه های عصبی استفاده می کنیم.. ۱۰۲

۵-۵- شبکه های عصبی در مقایسه با کامپیوترهای سنتی.. ۱۰۳

۵-۶- نورون مصنوعی.. ۱۰۴

۵-۷- ساختار شبکه های عصبی.. ۱۰۵

۵-۸- تقسیم بندی شبکه های عصبی.. ۱۰۶

۵-۹- کاربرد شبکه های عصبی.. ۱۰۸

۵-۱۰- معایب شبکه های عصبی.. ۱۰۹

۵-۱۱- باطری شارژر خورشیدی با ردیابی نقطه ی توان ماکزیمم توسط شبکه ی عصبی مصنوع۱۱۰

۵-۱۱-۱- پیکر بندی سیستم SPBC. ۱۱۰

۵-۱۱-۲- MPPT با استفاده از شبکه عصبی مصنوعی (ANN) ۱۱۱

۵-۱۱-۳- نتایج تجربی ۱۱۳

۵-۱۱-۴- نتیجه گیری ۱۱۵

۵-۱۲- استفاده از شبکه ی RBF مدل سازی آرایه ی خورشیدی و تخمین نقطه ی توان ماکزیمم.. ۱۱۶

۵-۱۲-۱- مدل سازی آرایه ی خورشیدی براساس شبکه ی RBF. ۱۱۷

۵-۱۲-۲- معماری شبکه ی RBF مورد استفاده در آرایه ی PV.. ۱۱۸

۵-۱۲-۳- قواعد آموزش شبکه ی RBF. ۱۲۰

۵-۱۲-۴- نتایج شبیه سازی.. ۱۲۳

۵-۱۲-۵- تخمین MPP آرایه ی خورشیدی براساس شبکه ی RBF. ۱۲۳

۵-۱۲-۶- نتیجه گیری ۱۲۷

چکیده

نیاز به جایگزینی انرژی های دیگری به جای انرژی فسیلی، به دلایل بیشماری که برای آن وجود دارد، انسان را به سوی استفاده از انرژی های تجدید پذیر از جمله انرژی خورشیدی سوق داده است. اما آنچه که در این میان اهمیت ویژه ای دارد، پیداکردن روش هایی جهت دریافت ماکزیمم توان از مبدل های این انرژی ها می باشد.

در این میان پایان نامه ی موجود بر روی سلول های خورشیدی متمرکز شده وبا بیان برخی از کاربرد های شبکه های عصبی، روش های جدیدی را درجهت دریافت ماکزیمم توان از سلول و شیبه سازی سلول ارایه نموده است.

از فواید این روش ها می توان به هوشمند کردن سیستم و عدم نیاز به ساختمان داخلی سلول و مواد سازنده ی سلول و سرعت ردیابی بالاتر نسبت به روش های قبلی اشاره کرد.

مقدمه

نیاز به استفاده از انرژی های نو علی الخصوص انرژی خورشیدی و بالطبع آن شناخت روش هایی برای دریافت بیشترین توان و بهترین بازده از مبدل های موجود به آن، بنده را بر آن داشت تا موضوع پایان نامه خود را مرتبط با این مطلب انتخاب کنم.

در این راه، با مطالعه ی چندین عنوان مقاله و کتاب و پایان نامه، سعی کردم تا یک پایان نامه ی جامع و کامل را در زمینه ی سلول های خورشیدی و ردیابی حداکثر نقطه ی توان در آنها به رشته ی تحریر در آورم.

در جهت رسیدن به ماکزیمم توان در سلول های خورشیدی تا کنون در دنیا روش های زیادی ارائه گردیده است که از میان آنها می توان به ردیابی خورشید در آسمان جهت دریافت بیشترین تابش و نیز بکاربردن مبدل هایی جهت رسیدن به ماکزیمم نقطه ی توان در نمودار این سلول ها (که بدلیل متغییر بودن دما و تابش پیوسته این نمودار ها تغییر می کنند) اشاره کرد.

اما در چند سال اخیر، با توجه به توانایی های شبکه های عصبی در حل مسائل ریاضی بویژه مسائل درون یابی و تقریب و سرعت بالای محاسبات و توانایی آموزش و یادگیری در آنها، توجه زیادی در جهت رسیدن به ماکزیمم توان در سلول های خورشیدی، به شبکه های عصبی شده است و در انتهای گزارش جند کاربرد شبکه های عصبی ارائه شده است.

سازماندهی مطالب به این گونه است که در فصل اول روند مصرف انرژی و نیاز به انرژی های نو در جهان امروز بررسی می گردد.

خرید

مطالب مرتبط

پایان نامه پاورپوینت آلودگی آموزش پروپوزال انرژی الگوریتم اقتصاد شبکه عصبی
علی جمعه 30 مرداد 1394 ساعت 04:22
0 نظر