دانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892420120121A New Approach for Transmission Network Expansion Planning Considering Actual Worth of Adequacy Using Modified Artificial Bee Colony Algorithmرویکردی جدید در برنامهریزی توسعه شبکه انتقال با در نظر گرفتن ارزش واقعی کفایت مبتنی بر کلونی مصنوعی زنبور عسل اصلاحشده12015328FAسید مهدیمظهریدانشآموختة کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر- دانشگاه تهران- تهران- ایرانامیرباقری- دانشجوی دکتری، دانشکده مهندسی برق و کامپیوتر- دانشگاه تهران- تهران- ایرانحسنمنصفدانشیار، دانشکده مهندسی برق و کامپیوتر- دانشگاه تهران- تهران- ایرانحمیدلسانیاستاد، دانشکده مهندسی برق و کامپیوتر- دانشگاه تهران- تهران- ایرانJournal Article20160614Expansion planning of the electric power systems has significant importance considering increases in electricity load demand. Transmission network expansion planning (TNEP) is an important part of the electric power system development. In this paper, the TNEP is investigated as a new framework considering actual worth of network adequacy. To do so, a new economic based definition is introduced for network adequacy and statistical studies are developed to calculate the actual worth of network adequacy via proposed formulation. Next, the TNEP is investigated as an optimization problem, with two objectives, using Artificial Bee Colony algorithm. Moreover, new heuristic approaches are presented to enhance the optimization process. Detailed numerical studies and comparisons presented in the paper show that the proposed approach could improve the quality of problem solutions and can be used as a new framework for TNEP within actual networks.با توجه به گسترش روزافزون مصرف انرژی الکتریکی، طراحی مناسب شبکه آینده و توسعه شبکه فعلی اهمیت زیادی برخوردار شده است. برنامهریزی توسعه شبکه انتقال، یکی از مهمترین بخشها در طراحی توسعه سیستمهای قدرت است. در این مقاله، برنامهریزی توسعه شبکه انتقال با در نظر گرفتن ارزش واقعی کفایت خطوط بررسی شده است. برای این منظور، تعریف جدیدی مبتنی بر مباحث اقتصادی به کفایت خطوط اختصاص داده شده و شیوه محاسبه ارزش واقعی کفایت شبکه انتقال، با استفاده از مطالعات آماری، تشریح و فرمولبندی شده است. سپس، مساله توسعه شبکه انتقال در قالب یک مسأله بهینهسازی با استفاده از کلونی مصنوعی زنبور عسل حل و مراحل تطابق آن با مسأله حاضر تشریح شده است. علاوه بر این، به منظور تسریع در فرآیند بهینهسازی و جلوگیری از حبسشدن پاسخها در کمینههای محلی، راهکارهای ابتکاری جدیدی پیشنهاد و به مسأله اعمال شدهاند. در پایان، با حل مسأله توسعه شبکه انتقال برای یک شبکه نمونه و نیز شبکه واقعی آذربایجان تا افق 1395، کارایی روش پیشنهادی بررسی و نشان داده شده است.https://isee.ui.ac.ir/article_15328_3577afdb7e1498877cdf45cc943209a6.pdfدانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892420120121Design of a chaotic feed forward neural networkطراحی شبکه عصبی جلو سوی آشوبگونه213415326FAابوذرطاهرخانی- کارشناسی ارشد مهندسی پزشکی- بیوالکتریک، دانشکده مهندسی پزشکی- دانشگاه صنعتی امیرکبیر- تهران- ایرانشهرامجوادیعضو هیات علمی دانشگاه آزاد اسلامی واحد تهران مرکز، دانشکده مهندسی برق- تهران- ایرانساممعینیکارشناسی ارشد مهندسی برق- الکترونیک، دانشکده مهندسی برق - دانشگاه آزاد اسلامی واحد تهران مرکز- تهران- ایرانJournal Article20160614Several scientific researchers have shown that synapses, far from what considered previously, are one of the most dynamic structures in the nervous system. It varies through and after the training stage. A novel feed forward chaotic neural network is designed in this project. The weights of a trained classic feed forward neural network are considered as basic weights. The outputs of chaotic logistic maps are added to the some of the basic weights and this produces a chaotic feed forward neural network. The chaotic weights are synchronized by a proposed algorithm to reduce the output error. Designed chaotic feed forward neural network can separate some data from test set which contain all the recognition errors of the classic feed forward neural network.چکیده: بر اساس مطالعات جدید محققان، سیناپسها یکی از پویاترین اجزا دستگاه عصبی جانداران هستند و حتی پس از مرحله تعلیم نیز قدرت هر سیناپس ثابت باقی نمیماند. در این مقاله، روشی برای آشوبی کردن وزنهای شبکه عصبی جلو سو ارائه شده است. در این روش وزنهای یک شبکه عصبی جلو سو پس از تعلیم به عنوان وزنهای پایه در نظر گرفته شدهاند. با استفاده از توابع لجستیک (که در محدوده مناسبی به صورت آشوبگونه نوسان میکنند) و وزنهای پایه، شبکه عصبی جلو سوی آشوبگونهای طراحی گردید که وزنهای آن در هر لحظه به صورت آشوبگونه تغییر میکند. با استفاده از الگوریتم ارائه شده در این مقاله، وزنهای آشوبی طوری با یکدیگر همزمان میشوند که خطای خروجی حداقل میگردد. با این روش، تمامی دادههایی که توسط شبکه جلو سوی پایه اشتباه تشخیص داده شده بودند، شناسایی و برای آنها خروجی "غیر قابل شناسایی" ایجاد میشود.https://isee.ui.ac.ir/article_15326_4f1df9d00fb6d90ccaf2059e33049372.pdfدانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892420120121Improvement of speed profile in induction motor drive using a new idea of PWM pulses generation base on artificial neural networksبهبود پروفایل سرعت در درایو کنترل سرعت موتور القایی با استفاده از ایدهای جدید در تولید پالسهای کلیدزنی مبتنی بر شبکههای عصبی مصنوعی354615325FAحجتمویدی راد- کارشناس ارشد، دانشکده مهندسی - دانشگاه بیرجند- بیرجند- ایرانمحسنفرشاد- استادیار، دانشکده مهندسی - دانشگاه بیرجند - بیرجند - ایرانمحمد علیشمسی نژاداستادیار، دانشکده مهندسی - دانشگاه بیرجند - بیرجند - ایرانJournal Article20160614Due to simplicity and low cost, induction motors are more useful than direct current motors. Hence the control of these motors is important. The pervious methods are fitted normally for a limited speed range and could not be used for high, low and very low speeds. The voltage model is suitable for high speed because the voltage drop of stator resistance is not small in low speed. The current model is suitable for low speed because of the problems of flux saturation at high speed. This research presents a new method of PWM pulse generating in induction motors based on artificial neural networks in which, the switching pulses are generated by a multilayer feed-forward neural network that is trained by the voltage and current references. Also, for the estimation of required torque and flux information a multilayer perceptron is used. By application of this new method, there is no problem of stability at low and high speeds. The simulation results by matlab-simulink verify the proposed method in transient and steady-state operating modes.موتورهای القایی به علت سادگی و هزینه کم ساخت، نسبت به ماشینهای جریان مستقیم برتری داشته، لذا کنترل این موتورها از اهمیت بالایی برخوردار است. روشهای کنترل سرعت موتور القایی کلاسیک معمولاً برای یک دامنه محدودهای از سرعت مناسب هستند و به طور مشترک برای سرعتهای بالا، پایین و خیلی پایین استفاده نمیشود. مدل ولتاژ به علت افت ولتاژ بر روی مقاومت استاتور، برای سرعتهای پایین استفاده نمیشود. مدل جریان هم به علت اشباع شار، در سرعتهای بالا استفاده نمیشود. در این مقاله، فرمانهای کلیدزنی توسط یک روش جدید مبتنی بر شبکه عصبی پیشخور چند لایه آشنا به سطوح جریان و ولتاژ مرجع فازها، تولید میشوند. همچنین برای تخمین اطلاعات شار و گشتاور مورد نیاز از یک شبکه پرسپترون چند لایه مطابق معمول کارهای قبلی استفاده شده است. با توجه به نحوه تولید پالس، مشکل اشباع شار در سرعتهای بالا و نیز مشکل افت ولتاژ در سرعتهای پایین، که از جمله عیوب کارهای قبلی گزارش شده است، برطرف شده است. لذا درایو پیشنهادی موتور القایی در محدوده سرعتهای بالا و پایین رفتاری پایدار دارد. روش پیشنهادی با استفاده از اطلاعات یک ماشین القایی موجود در نرم افزار مطلب، در محیط سیمولینک شبیهسازی شده است که نتایج شبیهسازی مؤید ادعاهای ارائه شده هستند.<br /> .https://isee.ui.ac.ir/article_15325_833b7bcdfc6b74d77f534416551554d3.pdfدانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892420120121Adaptive Digital Image Watermarking Based on Machine Learningواترمارکینگ وفقی تصاویر دیجیتال مبتنی بر یادگیری ماشینی476415324FAپیماننفیسی فردکارشناس ارشد، دانشکده مهندسی برق و کامپیوتر- دانشگاه یزد - یزد – ایرانولیدرهمی- استادیار، دانشکده مهندسی برق و کامپیوتر- دانشگاه یزد - یزد – ایرانعلی محمدلطیفاستادیار، دانشکده مهندسی برق و کامپیوتر- دانشگاه یزد - یزد - ایرانJournal Article20160614This paper presents an efficient and reliable Evolutionary Algorithm based solution for Selective Harmonic Elimination (SHE) switching pattern. This method eliminates considerable amount of lower order line voltage harmonics in Voltage Source Inverter (VSI). Determination of pulse pattern for the elimination of some low order harmonics of a PWM inverter necessitates solving a system of nonlinear transcendental equations. Imperialist Competitive Algorithm is used to solve nonlinear transcendental equations for PWM-SHE. Several methods are available to eliminate the higher order harmonics. But the greatest challenge is to eliminate the lower order harmonics and this is successfully achieved using Imperialist Competitive Algorithm without using transformer. Simulations using MATLAB are carried out to validate the solution and are compared with the Genetic Algorithm. The results show that the harmonics up to 13th are totally eliminated.در این مقاله یک الگوریتم تکاملی قابل اطمینان و مؤثر به منظور ارائه الگوی کلیدزنی حذف انتخابی هارمونیک (SHE) پیشنهاد میگردد. این روش قادر خواهد بود تعداد درخور توجهی هارمونیک مرتبه پایین ولتاژ خط، در خروجی اینورتر با مدولاسیون پهنای پالس (PWM) را حذف نماید. تعیین الگوی کلیدزنی برای حذف انتخابی هارمونیکهای مرتبه پایین یک اینورتر PWM مستلزم حل یک دستگاه معادلات غیرخطی است. در این مقاله از الگوریتم رقابت استعماری (ICA) برای حل معادلات غیرخطی به دست آمده برای حذف هارمونیکهای انتخابی استفاده شده است. برای حذف هارمونیکهای مراتب بالا روشهای متعددی وجود دارد، اما بزرگترین چالش، حذف هارمونیکهای مراتب پایین است که با استفاده از الگوریتم رقابت استعماری بدون استفاده از ترانسفورماتور به طور موفقیتآمیزی حاصل میشود. برای تایید کارایی این الگوریتم، شبیهسازیهایی با استفاده از برنامه MATLAB صورت گرفته و در انتها نتایج حاصله با نتایج حاصل از اعمال الگوریتم ژنتیک مقایسه شده است. نتایج نشان میدهد که هارمونیکهای تا مرتبه سیزدهم به طور کامل حذف میشوند.https://isee.ui.ac.ir/article_15324_be918e189b4511665e1d771923292305.pdfدانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892420120121A new method for Selective Harmonic Elimination in VSI using Imperialist Competitive Algorithmارائه یک روش جدید حذف هارمونیک انتخابی در اینورتر منبع ولتاژ با استفاده از الگوریتم رقابت استعماری657415329FAحمیدرضامحمدیاستادیار، گروه مهندسی برق، دانشکده مهندسی- دانشگاه کاشان – کاشان - ایرانصابرفلاحتیکارشناس ارشد، گروه مهندسی برق، دانشکده مهندسی- دانشگاه کاشان - کاشان- ایرانمهدیزراعتی- دانشجوی کارشناسی ارشد، گروه مهندسی برق، دانشکده مهندسی- دانشگاه کاشان - کاشان- ایرانJournal Article20160614This paper presents an efficient and reliable Evolutionary Algorithm based solution for Selective Harmonic Elimination (SHE) switching pattern. This method eliminates considerable amount of lower order line voltage harmonics in Voltage Source Inverter (VSI). Determination of pulse pattern for the elimination of some lower order harmonics of a PWM inverter necessitates solving a system of nonlinear transcendental equations. Imperialist Competitive Algorithm is used to solve nonlinear transcendental equations for PWM-SHE. Several methods are available to eliminate the higher order harmonics and it can be easily removed. But the greatest challenge is to eliminate the lower order harmonics and this is successfully achieved using Imperialist Competitive Algorithm without using transformer. Simulations using MATLAB are carried out to validate the solution and are compared with the Genetic Algorithm. The results show that the harmonics up to 13th were totally eliminated.در این مقاله یک الگوریتم تکاملی قابل اطمینان و موثر به منظور ارائه الگوی کلیدزنی حذف انتخابی هارمونیک (SHE) پیشنهاد می گردد. این روش قادر خواهد بود تعداد قابل توجهی هارمونیک مرتبه پایین ولتاز خط، در خروجی اینورتر با مدولاسیون پهنای پالس (PWM) را حذف نماید. تعیین الگوی کلیدزنی برای حذف تعدادی از هارمونیک های مرتبه پایین یک اینورتر PWM مستلزم حل یک دستگاه معادلات غیرخطی می باشد. الگوریتم رقابت استعماری (ICA) برای حل معادلات غیر خطی برای PWM-SHE استفاده شده است. راه های متعددی برای حذف هارمونیک های مراتب بالاتر وجود دارد. اما بزرگترین چالش، حذف هارمونیک های مرتبه پایین می باشد که با استفاده از الگوریتم رقابت استعماری بدون استفاده از ترانسفورماتور به طور موفقیت آمیزی حاصل می شود. برای تایید کارایی این الگوریتم، شبیه سازی هایی با استفاده از برنامه Matlab صورت گرفته و در انتها با الگوریتم ژنتیک مقایسه شده است. نتایج نشان می دهد که هارمونیک های تا مرتبه سیزدهم کاملا حذف می شوند.https://isee.ui.ac.ir/article_15329_80a3ac3339a89319fc21a144b6efa772.pdfدانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892420120121A New self-Tuning Fuzzy Stabilizer Using Differential Evolution Algorithm for Multi-machine Power Systemsیک پایدارساز فازی خودjتنظیم جدید با استفاده از الگوریتم تکامل تفاضلی برای سیستمهای قدرت چند ماشینه758815327FAجلالرضوی مقدمکارشناسی ارشد، دانشکده مهندسی برق- دانشگاه اصفهان- اصفهان- ایرانامینخدابخشیان- دانشیار، دانشکده مهندسی برق- اصفهان - اصفهان- ایرانرحمت اللههوشمند- دانشیار، دانشکده مهندسی برق- اصفهان - اصفهان- ایرانJournal Article20160614This paper presents a new method to design a robust power system stabilizer (PSS) by using the self-tuning fuzzy logic (SFL) technique in combination with Differential Evolution Algorithm (DEA). Depending on the process trend, the output Scaling Factor (SF) of the controller is modified on-line by an updating factor ( ). The DEA based method is used for off-line training of this controller. Simulation results are carried out on a multi-machine power system. Comparative results of the proposed controller (SFLPSS) with conventional fuzzy logic PSS (FLPSS) designed by DEA, lead-lag PSS designed by DEA (DELLPSS) and conventional PSS (CPSS) show the improvement in dynamic performance of the system.در این مقاله روشی جدید برای طراحی یک پایدارساز مقاوم در سیستمهای قدرت با استفاده از تکنیک فازی خودتنظیم مرکب با الگوریتم تکامل تفاضلی ( DEA) ارائه شده است. در این پایدارساز ضریب مقیاس بندی کنترلر با توجه به روند پروسه و به صورت در حال کار توسط فاکتور بروزرسانی ( ) تغییر می کند. DEA به صورت خارج خط برای تنظیم پارامترهای این کنترلر استفاده شده است. شبیه سازیها در سیستم قدرت چند ماشینه انجام شده است و نتایج، کارایی بهتر پایدارساز فازی خودتنظیم ( SFLPSS) را در بهبود عملکرد دینامیکی سیستم، در مقایسه با پایدارساز فازی معمولی ( FLPSS) طراحی شده با الگوریتم DEA، پایدارساز پسفاز- پیشفاز طراحی شده توسط DEA ( DELLPSS) و پایدارساز کلاسیک ( CPSS) نشان می دهند.https://isee.ui.ac.ir/article_15327_bb2cec770e4901aa22393c95d0eb71e0.pdf