تعیین مکان و اندازه dg آقای محمدی

اختصاصی از اینو دیدی تعیین مکان و اندازه dg آقای محمدی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 45

ACO Based Algorithm for Distributed for Distributed generation Sources Allocation and sizing in Distribution Systems.

مقدمه:

در این مقاله، مدلی جهت تعیین مکان و اندازه DG را در یک سیستم توزیع معرفی می گردد که حل با استفاده از بهینه سازی اجتماع مورچگان (ACO) به عنوان یک ابزار بهینه سازی صورت می گیرد. در این الگوریتم DGها به عنوان منابع توان ثابت(نظیر پیلهای سوختی) در نظر گرفته می شوند. بنابراین، اپراتور سیستم توزیع فقط می تواند منابع DG را روشن و خاموش کند و نمی تواند توان خروجی آنها را کم و زیاد کند.

II. فرمولبندی مساله:

در تابع هدف پیشنهادی برای یافتن اندازه و مکان مناسب منابع DG، موارد زیر در نظر گرفته می شود:

- هزینه سرمایه گذاری منابع DG.

- هزینه نگهداری و تعمیر و هزینه عملیاتی منابع DG.

- هزینه تلفات.

- هزینه خرید انرژی در شبکه انتقال.

تابع هدف به شکل معادله زیر فرمول بندی می شود:

(1)

(2)

(3)

که:

Z: مقدار تابع هدف ($)

ncd: شمار مکانهای کاندید برای نصب DG در شبکه.

nld: شمار سطح بار در سال

nss: شمار پستهای HV/MV در سیستم

nyr: دوره برنامه ریزی(سال)

CDGi: ظرفیت انتخاب شده DG برای نصب در گره i(MVA)

KIDG: هزینه سرمایه گذاری منابع DG($/MVA)

Pssl,j: توان ارسالی از پست j به باد را شامل تلفات شبکه(MV)

Cj,l: توان تولیدی توسط مبلغ DG نصب شده در گره j در سطح بار را(MV)

PW: ضریب ارزش فعلی

IntR: نرخ بهره

InrR: نرخ تورم

تابع هدف(1) ضمن رعایت محدودیتهای زیر حداقل می گردد:

- ظرفیت بخشهای فیدر:

توان انتقالی با هر بخش فیدر باید مساوی یا کمتر از ظرفیت حرارتی رساناهای آن باشد.

(4)

که حدهای پخش بار و حرارتی خط بخش i هستند.

- حد دامنه ولتاژ:

الگوریتم پخش بار وفقی اصلاح شده برای ارزیابی رفتار سیستم استفاده شده است. اول ولتاژ گره ها محاسبه می شود. معادله زیر محدودیت متناظر را توصیف می کند:

(5)

که Vi,l دامنه ولتاژ محاسبه شده i امین گره در سطح بار l است.

Vmax , Vmin، مینیمم و ماکزیمم ولتاژ عملیاتی مجاز است.

- حد کل ظرفیت DG:

این محدودیت، کل ظرفیت واحدهای DG نصب شده در سیستم توزیع را محدود می کند.

که CDGi ظرفیت DG انتخاب شده در iامین محل کاندید است. CDGi کل ظرفیت مجاز منابع DG است که در سیستم نصب می شود.

III. بهینه سازی اجتماع مورچه گان(ACO):

A. وجه عمومی الگوریتم ACO از رفتار مورچه ها به دست آمده است، همانطور که شکل 1 نشان می دهد. پروسه الگوریتم ACO زمانبندی سه عمل را مدیریت می کند.

گام اول ارزش دهی فرومن دنباله دار را شامل می شود. در تکرار(دومین بار) گام، هر مورچه یک حل کامل مساله را مطابق یک قانون حالت گذاری احتمالاتی می سازد. قانون حالت گذرا، اساسا به حالت فرومن وابستگی دارد. سومین گام، به روز کردن مقادیر فرومن است. به روز کردن فرومن در دو فاز اعمال می شود. اول فاز تبخیر است که کسری از فرومن تبخیر می شود(خشک می شود، بر باد می رود)، و سپس فاز تقویت شمار فرومن ها را روی مسیر با تعداد راه حل های بالا افزایش می دهد. این پروسه تکرار می شود تا به ملاک توقف برسد.

راه های مختلفی برای تفسیر اصول بالا به پروسه کامپیوتری جهت حل مساله بهینه سازی پیشنهاد می شود. روش بهینه سازی پیشنهادی برای این مقاله براساس الگوریتم ACO پیشنهاد شده در[18] است.

B. اعمال ACO با مساله جایابی DG

مراحل اصلی الگوریتم ACO پیشنهادی به شرح زیر است:

گام اول) نمایش گراف فضای جستجو

قبل از هر چیز، ما به دنبال تدبیری هستیم که ساختاری را نشان دهد که مناسب برای مورچه ها باید تا برای حل مساله جستجو کنند. فضای جستجوی مساله در شکل 2 آمده است.

همه مقادیر ظرفیت کاندید محتمل در مکان n با طبقانی در فضای جستجو تا طبقه n با طبقاتی در فضای جستجو تا طبقه n معرفی می گردند. شمار طبقات برای هر سطح بار مساوی شمار گره های کاندید سیستم توزیع برای مکان DG است. بنابراین، شمار کل طبقات(nldxncd) است. یک حل مساله بعد از فرآیند تصمیم گیری مورچه برای شکل گیری زیر مسیرهای یک نوبت تکمیل می گردد.

گام 2) ارزش دهی ACO

در آغاز الگوریتم ACO، مقادیر فرومن کناره ها در فضای تحقیق، همه به یک مقدار ثابت() ارزش دهی می شوند. این مقدار دهی باعث می شود که مورچه گان مسیر خودشان را به صورت اتفاقی انتخاب کنند و بنابراین، فضای حل به طور موثرتری جستجو می شود.

گام 3) پخش شدن مورچه گان

در این مرحله، مورچه ها پخش می شوند و راه حل ها براساس سطح فرومن لبه ها شکل می گیرد. هر مورچه تور خود را از خانه شروع می کند و یکی از حالتها را در طبقه بعدی انتخاب می کند تا احتمال جهش زیر: (7)

که کل فرومن های امانی روی کناره ij در تکرار t، و مجموعه لبه های در دسترس که مورچه در حالت i می تواند انتخاب کند می باشد.

بعد از اینکه هر مورچه تور خود را به انتها برد، یک راه حل جدید برای مکان DG تولید می شود که با استفاده از تابع برازندگی ارزیابی می گردد.

گام 4) تابع برازندگی

در این گام، برازندگی تورهای تولید شده توسط مورچه ها براساس تابع برازندگی ارزیابی می شود. تابع برازندگی

کتاب Evidence Based Practice of Critical Care زبان اصلی

اختصاصی از اینو دیدی کتاب Evidence Based Practice of Critical Care زبان اصلی دانلود با لینک مستقیم و پر سرعت .

کتاب Evidence Based Practice of Critical Care زبان اصلی

سال انتشار: 2016

حجم فایل:11 مگابایت

Evidence-Based Practice of Critical Care, 2nd Edition, presents objective data and expert guidance on managing critically ill patients in unique question-based chapters that focus on best practices. Now thoroughly updated by Drs. Clifford S. Deutschman, Patrick J. Neligan, and nearly 200 critical-care experts, this highly regarded title remains the only book of its kind that provides a comprehensive framework for translating evidence into practice, making it a valuable resource for both residents and practitioners

ترجمه مقاله Location Based Self Adaptive Routing Algorithm for Wireless Sensor Networks in Home Automation

اختصاصی از اینو دیدی ترجمه مقاله Location Based Self Adaptive Routing Algorithm for Wireless Sensor Networks in Home Automation دانلود با لینک مستقیم و پر سرعت .

Location Based Self Adaptive Routing Algorithm for Wireless Sensor Networks in Home Automation

Abstract

The use of wireless sensor networks in home automation (WSNHA) is attractive due to their characteristics of self-organization, high sensing fidelity, low cost, and potential for rapid deployment. Although the AODVjr routing algorithm in IEEE 802.15.4/ZigBee and other routing algorithms have been designed for wireless sensor networks, not all are suitable for WSNHA In this paper, we propose a location-based self-adaptive routing algorithm for WSNHA called WSNHA-LBAR. It confines route discovery flooding to a cylindrical request zone, which reduces the routing overhead and decreases broadcast storm problems in the MAC layer. It also automatically adjusts the size of the request zone using a self-adaptive algorithm based on Bayes’ theorem. This makes WSNHA-LBAR more adaptable to the changes of the network state and easier to implement. Simulation results show improved network reliability as well as reduced routing overhead.

الگوریتم مسیریابی خود تطبیقی مبتنی بر مکان برای شبکه های حسگر بی سیم در اتوماسیون خانگی

چکیده

استفاده از شبکه های گیرنده بی سیم در اتوماسیون داخلی (WSNHA) به دلیل خصوصیات خود سازماندهی ، دقت دریافت بالا، هزینه پایین، و پتانسیل هایی برای گسترش سریع جالب توجه می باشند. اگرچه الگوریتم مسیریابی در IEEE 802.15.4/ZigBee  و الگوریتم های مسیریابی دیگر برای شبکه های گیرنده بی سیم طراحی شده است، تمام آن ها برای WSNHA مناسب نمی باشد. در این مقاله، ما یک الگوریتم مسیریابی منطقی بر مبنای موقعیت برای شبکه های گیرنده بی سیم را برای WSNHA به نام WSNHA-LBAR مطرح می کنیم. آن مجموعه ای از مسیرهای اکتشافی را برای نواحی درخواستی استوانه ای محدود کرده، که مسیرهای بالاسری را کاهش داده و مشکلات مربوط به طوفانی از موارد منتشر شده را کمتر می کند. آن همچنین به صورت اتوماتیک اندازه نواحی درخواستی را با استفاده از الگوریتم خود انطباقی بر اساس قضیه بیزی تطبیق می دهد. این موارد WSNHA-LBAR را نسبت به تغییرات وضعیت شبکه سازگارتر کرده و برای اجرا آسان تر می کند. نتایج شبیه سازی بهبودی را در اعتبار شبکه ایجاد کرده و همچنین مسیربابی بالاسری را کاهش می دهد.

• سال : 2011
• تعداد صفحات انگلیسی پی دی اف : 15
• تعداد صفحات فارسی ورد : 26

 ( لینک دانلود مقاله همراه با ترجمه فارسی رو از لینک زیر دانلود کنید )

Content-Aware Image Resizing Based on Color

اختصاصی از اینو دیدی Content-Aware Image Resizing Based on Color دانلود با لینک مستقیم و پر سرعت .

Abstract—Image resizing is an important and useful operator
in lots of applications such as dynamic change in the layout of
web pages and transferring them to devices with different display
resolutions. Resizing images effectively could not be achieved by
use of simple geometric operators since they do not take content
of the images into account and will resize any part of the image
equally. A more intelligent resizing method must consider content
of the image which tries to keep more important pixels in the
resizing process. In this paper different approaches for content
aware image resizing have been studied and two novel color
based methods that improve this operator have been proposed.
The results show that the important parts of the images kept
more intact using these methods.
Keywords—Image Resizing, Image Seams, Content-Aware Image
Manipulation.

دانلود مقاله A comparative study of packet combining based error recovery schemes for wireless networks انتشار 2014

اختصاصی از اینو دیدی دانلود مقاله A comparative study of packet combining based error recovery schemes for wireless networks انتشار 2014 دانلود با لینک مستقیم و پر سرعت .

Int. J. Ad Hoc and Ubiquitous Computing, Vol. 16, No. 3, 2014

Sheng-Shih Wang*, Pei-Chun Lee, Kan-Yen Lin
and Tzu-Chang Yeh

Abstract: To provide reliable communications in wireless environments, two fundamental error
control mechanisms, automatic repeat request (ARQ) and forward error correction (FEC) are
proposed. However, the ARQ mechanism may suffer frequent retransmissions and the FEC
mechanism incurs bandwidth overhead. To reduce the number of retransmissions and support
efficient correction, previous studies have proposed numerous packet combining based error recovery
schemes. This study investigates the recovery performance of three packet combining based error
recovery schemes, including the extended ARQ (EARQ), the merge strategy in the simple packet
combining (SPaC-M), and the destination packet (DPC) schemes through the mathematical analysis
and simulations. Results present that the EARQ outperforms the SPaC-M and the DPC in recovery
speed in case of a large packet length and a high bit error rate. However, the EARQ is not suggested
if the space overhead is the major consideration.
Keywords: packet combining; error recovery; ARQ; automatic repeat request; FEC; forward error
correction.