Alireza Hatami

Ph.D. Dissertations

1. شناسايي زود هنگام شرايط غير عادي شبكه در سيستم هاي تركيبي به هم پيوسته انتقال و توزيع با استفاده از اطلاعات واحدهاي اندازه گيري فازور (PMU , µPMU)
   ايرج گنج خاني 2023
   عدم آگاهي بهره بردار از نزديك شدن نقطه كار به نقاط بحراني و شكست است و خاموشي هاي صورت گرفته در كشورهاي مختلف كه ريشه در ناپايداري بلند مدت ولتاژ دارد گواه بر اهميت اين موضوع در سيستم هاي قدرت مدرن است. در چنين شرايطي وجود ابزاري در مراكز كنترل كه در كنار سيستم اسكادا به اطلاعات شبكه دسترسي داشته باشد و به صورت برخط بتواند بهره بردار را به سرعت از شرايط غير عادي پيش رو باخبر سازد بسيار گرانبهاست. ناپايداري بلند مدت ولتاژ معمولاً به صورت آهسته در كنار رشد بار يا از دست دادن توليد اتفاق مي افتد. رشد تقاضاي توان راكتيو بارهاي متصل به شبكه، توسط ژنراتورهاي جبران مي شود. با ادامه اين روند و نيز عملكرد تپ ترانس هاي انتقال، ذخيره توان راكتيو موجود در ژنراتورها كاهش يافته و آنها يكي پس از ديگري وارد محدود حداكثر توليد توان راكتيو خود مي شوند. به اين ترتيب ژنراتورها توانايي كنترل ولتاژ خود را از دست مي دهند. عوامل نام برده شروعي بر ناپايداري بلند مدت ولتاژ مي باشد. معمولاً ناپايداري بلند مدت ولتاژ در شبكه هاي انتقال و توزيع به صورت جداگانه بررسي مي شوند. براي اين كار از مدل هاي ساده شده براي شبيه سازي استفاده مي كنند كه ممكن است حاشيه ناپايداري را كمي اغراق آميز نشان دهد. مطالعات صورت گرفته معمولاً به ارائه شاخصي بسنده كرده كه نزديكي نقطه كار شبكه، به نقطه فروپاشي را نشان مي دهد. زمان پاسخ دهي طولاني، عدم مدلسازي دقيق و دقت كم از جمله مشكلات اصلي روش هاي موجود مي باشد. رساله پيش رو با استفاده از قابليت هاي شبكه هاي عصبي بازگشتي عميق در حل مسائل سري زماني، كابردهاي آن در حوزه ناپايداري بلندمدت ولتاژ را ارائه مي دهد. شبكه عصبي به صورت برخط تغييرات موجود در اطلاعات بدست آمده توسط PMUها را ارزيابي مي كند و در صورت نزديك شدن نقطه كار شبكه به نقطه فروپاشي، اپراتور شبكه را آگاه مي سازد. براي آموزش شبكه عصبي نياز به اطلاعات شبكه در دو حالت پايدار و ناپايدار است. از آنجايي كه اطلاعات لازم جهت آموزش شبكه عصبي در حالت ناپايدار كمياب است، در اين رساله از شبيه سازي براي ايجاد ديتا آموزشي و تست استفاده شده است. سناريوهاي شبيه سازي شامل پيشامد رخداد N-1 و پيشامد رخداد N-1-1 در كنار رشد بار در مناطق مستعد ناپايداري است. براي ارزيابي روش ارائه شده از شبكه تست نورديك استفاده شده است. براي پيا
   Thesis summary
   
   
2. تشخيص و مكان يابي تخليه جزئي در ترانسفورماتورهاي قدرت و GIS ها به روش معكوس زماني
   جواد زهره وند 2023
   چكيده: براي مكان يابي تخليه جزئي در ادوات قدرت، تاكنون روش هاي مختلفي از جمله روش هاي ابتكاري و روش اختلاف زماني (TDoA) پيشنهاد و بكارگيري شده است كه ضعف ها و معايب هر يك، كاربرد آن ها را در عمل محدود نموده است. زيرا در وضعيت هاي داراي اندكي پيچيدگي، مانند حضور نويز، موانع، بازتابنده ها و يا ناهمگني محيط و ...، دقت نتايج حاصله به شدت تحت تاثير قرار مي گيرد. روش جديدتر معكوس زماني كه اخيرا در زمينه مكان يابي تخليه جزئي پيشنهاد شده است، بخوبي توانسته در چنين حالاتي و تنها با بكارگيري يك سنسور منفرد، دقت قابل توجهي را در مكان يابي تخليه جزئي ارائه نمايد. در اين رساله روش جديد معكوس زماني و نيز نسخه ي متفاوت و به روزتري از آن، با نام روش فيلتر معكوس، جهت مكان يابي تخليه جزئي در GIS، در رژيم الكترومغناطيسي پيشنهاد شده و به منظور ارزيابي روش پيشنهادي، سناريوهاي مختلفي طراحي، و با استفاده از نرم افزار CST-MWS در دو ساختار لوله اي شكل و T شكل، شبيه سازي شده است. نتايج كار نشان مي دهد كه در صورت بكارگيري معيار كمينه آنتروپي براي تعيين زمان بازتمركز امواج، اين روش در كليه سناريوهاي آزمايش شده با دقت مطلوبي قادر به مكان يابي تخليه جزئي در GIS مي باشد. همچنين در ادامه كار، براي اولين بار روش معكوس زماني بصورت عملي در رژيم الكترومغناطيسي و روي يك ماكت آكواريوم مانند كه از آب پر شده است، پياده سازي شده است.
   Thesis summary
   
   
3. بهره برداري و كنترل ريز شبكههاي تركيبي DC/AC در شرايط نامتعادل
   سعيد حيدري 2022
   در سالهاي اخير پيادهسازي و استفاده از ريزشبكهها به دلايل اقتصادي و زيست محيطي افزايش يافتهاست. با توجه به اين موضوع، مطالعات فراواني بر روي ريزشبكهها انجام شده و انواع مختلفي از ريزشبكهها نيز طراحي و ارائه شدهاست. ريزشبكهها در ابتدا به دو نوع كلي AC و DC تقسيمبندي ميشدند. در ادامه و به منظور استفاده حداكثري از مزاياي هر دو نوع، ريزشبكههاي تركيبي DC-AC معرفي شد كه استفاده از آن در مقايسه با نوع AC و DC ،موجب كاهش تلفات توان و همچنين كاهش نياز به تبدل توان ميشود. در ريزشبكههاي تركيبي، زيرشبكههاي AC و DC از طريق يك يا چند مبدل واسط (IC (به هم متصل ميشوند كه امكان تبادل توان بين دو يا چند زيرشبكه را فراهم ميسازد. به همين دليل مبدل واسط يكي از بخشهاي مهم در ريزشبكههاي تركيبي DC/AC ميباشد كه وظيفه اصلي آن تنظيم ولتاژ و فركانس در بخش AC در بهرهبرداري جزيرهاي و تنظيم ولتاژ بخش DC در شرايط بهرهبرداري جزيرهاي و متصل به شبكه ميباشد. با اين وجود، اين مبدل قابليتهاي ديگري نظير جبرانسازي مولفههاي ناتعادلي و هارمونيكي در ريزشبكه AC و حذف نوسانات DC در ريزشبكه DC را نيز دارا ميباشد. ولي استفاده از مبدل واسط براي اين كاربردها بخشي از ظرفيت تبادل توان آنها را اشغال كرده و ميتواند وظيفه اصلي آن را تحت تاثير قرار دهد. علاوه بر اين، در ريزشبكههاي نامتعادل ظرفيت تبادل توان مبدلها كاهش يافته و چالش مذكور جديتر ميشود. با توجه به چالش مذكور، در اين رساله يك استراتژي هوشمند براي مديريت ظرفيت مبدل واسط ارائه شده است كه كاربردهاي مذكور براي مبدل واسط را اولويتبندي ميكند، به صورتي كه در ابتدا وظيفه اصلي مبدل محقق شود و در ادامه از ظرفيت خالي مبدل براي تامين خدمات جانبي استفاده گردد. در اين استراتژي، در ابتدا از ظرفيت مبدل واسط براي مبادله مقدار مرجع توان اكتيو بين بخش AC و DC استفاده ميشود. اين مقدار مرجع بر اساس كنترل افتي بدست ميآيد كه يك روش رايج در كنترل ريزشبكهها ميباشد. در مرحله دوم استراتژي پيشنهادي از ظرفيت باقي مانده مبدل براي جبرانسازي مولفههاي هامونيكي ريزشبكه AC استفاده ميكند. يكي از مزاياي اصلي اين استراتژي نسبت به كارهاي قبلي، امكان مديريت ظرفيت مبدل در شرايط ناتعادلي و هارمونيكي شديد ولتاژ ريزشبكه ميباشد. به عبارت ديگر استراتژي پيشنهادي به گونهاي طراحي شده است كه در تمام شرايط كا
   Thesis summary
   
   
4. Hybrid Model Based Reinforcement Learning for Energy Management in Heating Ventilation and Air Conditioning (HVAC) Systems
   سرور مويد داوود الصالح 2022
   The main objective of Heating, Ventilation, and Air Conditioning (HVAC) control system is to reduce energy consumption while providing comfortable indoor environment with the optimal levels. Different methods for modeling the HVAC have been discussed in this thesis. Furthermore, a comprehensive literature survey on the HVAC systems control methods has been presented. Moreover, the control approaches are classified and the benefits, drawbacks, and key features of each are extracted. The Machine Learning (ML) algorithms used in HVAC systems to control the indoor temperature and/or CO2 concentration levels of buildings while minimizing energy consumption, energy costs, power grid peak load, and providing ancillary services like frequency regulation have been reviewed. A modified model of the HVAC system has been developed and verified, and its performances are compared with those of residential load factor (RLF) model with and without the Takagi–Sugeno Fuzzy (TSF) controller. The results of the proposed model and the RLF model are compared in different ways, demonstrating that the proposed model is more efficient and stable than the RLF double cooling coil model, with energy-saving around 10.06 %. The energy consumption reduction, retaining the levels of indoor air quality and thermal comfort of the users are two significant factors to consider when evaluating the new work environment. Therefore, a novel HVAC system considering the temperature and CO2 concentration as continuous states in an integrated model has been developed using energy conservation laws and Lagrange polynomials modeling based on mass conservation law. Also, model-based (MB) Reinforcement Learning (RL) online architecture that takes optimal decisions for on/off HVAC system, lighting, open/close doors/windows system, and fresh/return air dampers ratios for creating an intelligent work environment has been presented and applied on the new HVAC system model. At each time step, the control system receiv
   Thesis summary
   
   
5. مديريت انرژي با كنترل بارهاي حرارتي و منابع انرژي تجديدپذير
   اشكان طالبي 2022
   رشد روزافزون مصرف انرژ ي الكتريكي، و شرايط دشوار توسعه توليد، تصميمگيران شبكه قدرت را به اتخاذ رويكرد مديريت سمت مصرف و پاسخگويي بار سوق داده است. يكي از بارهاي الكتر يكي مهم در پاسخگويي بار، تجهيزات حرارتي، نظير سيستم- هاي تهويه مطبوع هستند. مصرف باالي اين تجهيزات، و تعداد ساعات طوالني استفاده از آنها، دو ويژگي منحصر به فرد اين بارهاست كه آنها را به گزينهاي جذاب جهت شركت در پاسخگويي بار تبديل كرده است. كنترل ا ين بارها، و شركت دادن آنها در پاسخگويي بار، با پيچيدگيهاي فراواني همراه است كه در نظر نگرفتن اين جزئيات، ممكن است حتي موجب خسارت شود. در اين پژوهش، هدف، طراحي يك استراتژ ي كارآمد جهت كنترل س يستمهاي حرارتي است كه ضمن كاهش هزينه كاربران و حفظ رفاه آنها ، به پاسخگويي بار نيز كمك نمايد. در اين پژوهش، با استفاده از دادههاي پيش بيني آب و هوا، پيشبيني قيمت برق و پيشبيني توليدات منابع انرژي تجديدپذير در ابتداي هر روز برنامهريزي بهينه نقطه تنظيم ترموستات به نحوي انجام شده است كه هزينه برق مصرفي كاربر حداقل، رفاه كاربر حداكثر و ريسك او نيز حداقل شود. به عبارتي، تابع هدف شامل سه بخش اصلي هزينه، رفاه و ريسك ميشود؛ ال زم به ذكر است كه منظور از ريسك، ريسك متحمل شدن هزينه بيش از حد مورد انتظار توسط كاربر ميباشد كه به علت استفاده از دادههاي پيشبيني احتمال آن وجود دارد. متغير تصميم اصلي، دماي تنظيم ترموستات 24 ساعته كاربر مي باشد كه با استفاده از الگوريتم بهينهسازي بايد به نحو بهينهاي انتخاب شوند تا به اهداف تابع هدف نزديك شويم. همچنين، پهناي باند مرده و اثر عدم تقارن باند مرده، به عنوان متغير تصميم مورد مطالعه قرار گرفته است. نتايج نشان ميدهند كه اين شيوه برنامهريزي ميتواند اثر مهمي در مشاركت سيستمهاي تهويه مطبوع در پاسخگويي بار داشته باشد. نشان داده شده است كه هزينه كاربر حدود 33 %و انرژي مصرفي او حدود 12 %كاهش يافته است. همچنين ميزان انرژي مصرفي سيستم تهويه مطبوع در ساعات پيك مصرف نيز به نحو چشمگيري يعني حدود 20 %كاهش داشته است. در روش برنامه ريزي بهينه، حدود 14 %كمتر برق از شبكه خريداري شده است. لذا مي توان اذعان داشت كه با خريد كمتر برق از شبكه، و با فروش بيشتر برق مازاد منابع انرژي تجديدپذير به شبكه، نه تنها هزينه كاربر كاهش يافته است، بلكه به شبكه برق نيز كمك بيشتري ش
   Thesis summary
   
   
6. كنترل سطح ثالثيه ريز شبكههاي چندگانه با استفاده از روشهاي تركيبي هوشمند با در نظر گرفتن مشاركت بارها
   رضا رشيدي 2021
   چكيده: در اين رساله مديريت انرژي ريز شبكه چند گانه با هدف بهينه سازي هزينه بهره برداري و افزايش پايداري آنها در نظر گرفته شده است. اين مديريت تحت يك بازه زماني 24 ساعته مي باشد. هر يك از ريز شبكه ها به خودي خود داراي كنترل پيچيده اي هستند زيرا باوجود نوسانات بار، منابع انرژي تجديد پذير ظرفيت هاي محدودي را دارا مي باشند. در طرح هاي كنترلي كه براي اين شبكه هاي كوچك در نظر مي گيرند مي بايست اهداف اقتصادي و پايداري به صورت همزمان برآورده شود كه اين موضوع بهره برداري از آنها را پيچيده ميكند. با درنظرگرفتن عدم قطعيت هاي بار و توليد و حضور منابع انرژي تجديد پذير با رفتار و ظرفيت هاي مختص به خود روش هاي كنترل براي ريز شبكه ها ارائه شده است. شكل گيري ريز شبكه ها در نزديكي هم و به دور از شبكه اصلي، سبب تشكيل ريز شبكه هاي چندگانه و تبادل توان با يكديگررا ممكن مي كند. در اين رساله از كنترل سطح ثالثيه به عنوان عالي ترين سطح كنترل سلسله مراتبي در جهت كنترل ريز شبكه چند گانه استفاده مي گردد. در مدل كنترل پيشنهادي، كنترل سطح اوليه كنترل كننده هاي محلي و سطح ثانويه كليه كنترل كننده هاي محلي در هر ريز شبكه و در نهايت در سطح ثالثيه كليه كنترل كننده هاي ثانويه ريز شبكه ها به صورت همزمان با هدف حفظ پايداري و كاهش هزينه بهره برداري كنترل ميشود. در اين مطالعه كنترل سطح ثالثيه به عنوان مدل كنترل برگزيده در يك ريز شبكه چند گانه نشان داده مي شود و عملكرد مدل كنترل پيشنهادي را با در نظر گرفتن فاكتور هاي جديد كه رابطه مستقيم با ميزان عمر مفيد توليد كنندگان توان دارند را مورد ارزيابي قرار ميدهد. بنابراين با تابع هدف چندگانه و چالش بين فاكتور هاي آن مواجه ميگرديم. در اينجا با استفاده از مدل هاي پيش بيني عدم قطعيت، هم در توليد و هم در مصرف ساختاري را تشكيل ميدهد كه با واقعيت سازگار باشد. در اين ساختار از داده هاي واقعي از مزارع بادي و خورشيدي در جهت حداكثر تطبيق با واقعيت استفاده شده است و اين همان مدل كنترل پيش بيني بازار تطبيقي است. در اينجا به دليل برخورد با حجم وسيعي از عدم قطعيت ها از تئوري تصميم گيري مبتني بر شكاف اطلاعاتي براي افزايش احتمال وقوع عدم قطعيت ها استفاده مي شود. براي ارزيابي مدل كنترل پيشنهادي در ساختار مذكور از نرم افزارهاي متلب و ديگسايلنت بصورت همزمان استفاده شده است. متلب ب
   Thesis summary