<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه اصفهان</PublisherName>
				<JournalTitle>هوش محاسباتی در مهندسی برق</JournalTitle>
				<Issn>2821-0689</Issn>
				<Volume>8</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>01</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Short-term Electric Load Forecasting Using Grey Models By Considering Demand Response</ArticleTitle>
<VernacularTitle>پیش‌بینی کوتاه‌‌مدت بار الکتریکی با استفاده از الگوهای خاکستری با در نظر گرفتن پاسخ‌‌گویی بار</VernacularTitle>
			<FirstPage>1</FirstPage>
			<LastPage>16</LastPage>
			<ELocationID EIdType="pii">22335</ELocationID>
			
<ELocationID EIdType="doi">10.22108/isee.2017.104341.1050</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سیدجلال</FirstName>
					<LastName>سیدشنوا</LastName>
<Affiliation>دانشکده فنی و مهندسی، دانشگاه محقق اردبیلی، اردبیل، ایران</Affiliation>

</Author>
<Author>
					<FirstName>عبدالمجید</FirstName>
					<LastName>دژم خوی</LastName>
<Affiliation>دانشکده فنی و مهندسی، دانشگاه محقق اردبیلی، اردبیل، ایران</Affiliation>

</Author>
<Author>
					<FirstName>کیان</FirstName>
					<LastName>جوان احدادی</LastName>
<Affiliation>دانشکده فنی و مهندسی، دانشگاه محقق اردبیلی، اردبیل، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2017</Year>
					<Month>05</Month>
					<Day>25</Day>
				</PubDate>
			</History>
		<Abstract>In this paper the modified grey models are proposed for short-term load forecasting in presence of demand response. The demand response is a valuable element of the smart grids. On the other hand, short-term load forecasting is very important for energy purchase planning and optimal operating of restructured power systems. Since the consumer participation is undetermined and inherently uncertain, the load forecasting will be a difficult task in presence of demand response. Numerous methods have been proposed to the load forecasting, which they have little ability to track demand side reaction. Therefore, requirement of a high precision method to model and predict the electric load in presence of demand response is appreciable. In this paper, grey models, which utilize low number of data to high precision prediction, have been modified by an iterative strategy to short-term load forecasting in presence of demand response. Since grey models are local predictors, they show better ability in modeling and forecasting of the load profiles with the unexpected and sudden changes. After applying demand response scenarios on Iran consumption load data, they have been utilized to verify the proposed method. Simulation results show high performance and accuracy of the proposed methods.</Abstract>
			<OtherAbstract Language="FA">&lt;span lang=&quot;FA&quot;&gt;در این مقاله الگوهای خاکستری بهبودیافته برای پیش‌بینی بار در حضور پاسخ‌گویی بار پیشنهاد شده است. پاسخ‌گویی‌‌ بار، یکی از ویژگی‌های ارزشمند شبکه‌‌های هوشمند است. از طرف دیگر، در صنعت برق تجدید ساختار یافته، پیش‌‌بینی کوتاه‌مدت بار برای&lt;/span&gt;&lt;span lang=&quot;FA&quot;&gt;برنامه‌‌ریزی خرید انرژی و بهره‌‌برداری بهینه از سیستم قدرت اهمیت زیادی دارد. پیش‌‌بینی کوتاه‌مدت بار با در نظر گرفتن پاسخ‌‌گویی سمت تقاضا به‌‌ دلیل نبود آگاهی دقیق از میزان مشارکت مصرف‌‌کنندگان، دشوار است. روش‌‌های متعدد ارائه‌شده برای پیش‌‌بینی بار تا کنون توانایی چندانی در رهگیری واکنش سمت تقاضا نداشته است؛ بنابراین به روشی برای الگوسازی و پیش‌بینی کوتاه‌‌مدت بار در حضور پاسخ‌‌گویی بار نیاز است. در این مقاله الگوهای خاکستری که از داده‌های کم و دقت زیاد بهره می‌‌گیرند، با روش‌های مبتنی بر تکرار برای پیش‌‌بینی کوتاه‌‌مدت بار بهبود یافته‌‌اند. این روش‌‌ها پیش‌‌بین‌کننده‌‌های محلی‌اند؛ به همین دلیل توانایی بهتری در الگوسازی پروفیل‌‌های بار با تغییرات ناگهانی از خود نشان می‌دهند؛ مانند آنچه در هنگام پاسخ‌‌گویی بار رخ می‌‌دهد. برای اعتبارسنجی روش‌‌های پیشنهادی، منحنی بار ایران پس از اعمال سناریوهای پاسخ‌‌گویی بار استفاده شده است و نتایج شبیه‌‌سازی عملکرد مطلوب و دقت زیاد روش‌‌های پیشنهادی را نشان می‌‌دهند.&lt;/span&gt;</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">پاسخ‌‌گویی بار</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پیش‌‌بینی کوتاه‌‌مدت بار</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوهای خاکستری</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://isee.ui.ac.ir/article_22335_221a75970ba9ca9155fbd4ab5f143f7b.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه اصفهان</PublisherName>
				<JournalTitle>هوش محاسباتی در مهندسی برق</JournalTitle>
				<Issn>2821-0689</Issn>
				<Volume>8</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>01</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Economic Dispatch of Thermal Units considering Valve-point Effect using Learning Backtracking Search Optimization Algorithm</ArticleTitle>
<VernacularTitle>پخش بار اقتصادی نیروگاه‏های حرارتی با در نظر گرفتن اثر شیر بخار و با استفاده از الگوریتم بهینه‏سازی ‏یادگیری ردیابی بازگشتی</VernacularTitle>
			<FirstPage>17</FirstPage>
			<LastPage>30</LastPage>
			<ELocationID EIdType="pii">22508</ELocationID>
			
<ELocationID EIdType="doi">10.22108/isee.2018.107741.1078</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>بهنام</FirstName>
					<LastName>گلستانی مهر</LastName>
<Affiliation>دانش ‏آموختۀ کارشناسی‏ارشد، گروه مهندسی برق قدرت- دانشگاه آزاد اسلامی واحد دزفول – دزفول - ایران</Affiliation>

</Author>
<Author>
					<FirstName>افشین</FirstName>
					<LastName>لشکرآرا</LastName>
<Affiliation>استادیار، گروه مهندسی برق قدرت- دانشگاه آزاد اسلامی واحد دزفول – دزفول - ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2017</Year>
					<Month>11</Month>
					<Day>10</Day>
				</PubDate>
			</History>
		<Abstract>The production of electric energy for power systems with the goal of minimizing the total production cost for existing active units in the power network is one of the most important issues of modern systems. In other words, the purpose of economic dispatching is proper and optimized planning for production units, by taking into account the existing nonlinear factors and limitations in the power network and manufacturing units. The issue of economic dispatch is a challenging, non-linear, and non-convex optimization problem, which due to its intricate characteristics, heuristic algorithms are utilized as the resolution. In this paper, the issue of economic dispatch has become an optimization issue considering non-linear constraints and it has been solved using learning backtracking search algorithm (LBSA). The proposed algorithm is hybrid of backtracking search algorithm (BSA) and teaching-learning based optimization (TLBO). In order to evaluate the efficiency of the proposed algorithm, two test systems are used as case studies and the obtained results are compared to that of other algorithms in the literature. Based on numerical results, the LBSA algorithm is capable of offering better solutions and, in some cases, solutions identical to other reported methods regarding the fuel cost.</Abstract>
			<OtherAbstract Language="FA">چکیده: یکی از مهم‌ترین موضوع‏های سیستم‏های مدرن امروزی، تولید انرژی الکتریکی برای سیستم‏های قدرت به‌منظور بهینه‌کردن هزینه تولیدی برای واحدهای فعال موجود در شبکه قدرت است. پخش بار اقتصادی[1] برنامه‌ریزی مناسب برای واحدهای تولیدی است که محدودیت‏های غیرخطی شبکۀ قدرت و واحدهای تولیدی را در نظر می‏گیرد. پخش بار اقتصادی، ‏مسئلۀ بهینه‏سازی غیرخطی، غیرمحدب و چالش‌برانگیز است که برای حل آن، با توجه به مشخصات پیچیدۀ موجود در مسئله، از الگوریتم‏های ابتکاری استفاده می‌شود. در این مقاله مسئلۀ پخش بار اقتصادی با محدودیت‏های غیرخطی، به ‏مسئلۀ بهینه‏سازی تبدیل شده است و با استفاده از الگوریتم بهینه‏سازی ‏یادگیری ردیابی بازگشتی (LBSA)، به حل آن پرداخته می‌شود. الگوریتم پیشنهادی، ترکیبی از الگوریتم ردیابی بازگشتی (BSA) و الگوریتم آموزش و یادگیری (TLBO) است. برای ارزیابی کارایی روش پیشنهادی از دو سیستم‏ تست به‌عنوان مطالعات موردی استفاده شد و نتایج حاصل از این روش، تجزیه و تحلیل و با نتایج دیگر الگوریتم‏های موجود در مقالات مقایسه شده‌اند. این نتایج، کارایی و عملکرد مناسب الگوریتم پیشنهادی را در مقایسه با سایر الگوریتم‏ها نشان می‌دهد.&lt;br /&gt;  &lt;br /&gt; &lt;br /&gt; &lt;br /&gt; &lt;br /&gt; [1] Economic Dispatching</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">پخش بار اقتصادی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بهینه‏سازی غیرمحدب</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم ‏یادگیری ردیابی بازگشتی (LBSA)</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">اثر شیر بخار</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://isee.ui.ac.ir/article_22508_746e3fe9fbc0228dbad4c64658a238ad.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه اصفهان</PublisherName>
				<JournalTitle>هوش محاسباتی در مهندسی برق</JournalTitle>
				<Issn>2821-0689</Issn>
				<Volume>8</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>01</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Utilizing a Combination of Prony Analysis and Singular Value Decomposition for Intelligent Fault Locating in Bipolar High Voltage Direct Current Transmission Lines</ArticleTitle>
<VernacularTitle>بهره‌گیری از ترکیب تحلیل پرونی و تجزیۀ مقدار تکین برای مکان‌یابی هوشمند خطا در خطوط انتقال جریان‌مستقیم فشارقوی دوقطبی</VernacularTitle>
			<FirstPage>31</FirstPage>
			<LastPage>44</LastPage>
			<ELocationID EIdType="pii">22530</ELocationID>
			
<ELocationID EIdType="doi">10.22108/isee.2018.105962.1063</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>فرشاد</LastName>
<Affiliation>استادیار، گروه مهندسی برق، دانشکدۀ علوم پایه و فنی مهندسی، دانشگاه گنبد کاووس، گنبد کاووس، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2017</Year>
					<Month>08</Month>
					<Day>16</Day>
				</PubDate>
			</History>
		<Abstract>High voltage direct current (HVDC) transmission lines can be used to transfer bulk power over long distances. Accurate estimation of fault location in these transmission lines is very essential to speed up the maintenance operations. This paper presents a new approach for intelligent fault locating in bipolar HVDC transmission lines using the pattern recognition techniques and the machine learning algorithms. In the proposed approach, using a combination of Prony analysis (PA) and the singular value decomposition (SVD), some useful features are extracted from the post-fault voltage signals measured at one the line terminals. Then, a pre-trained generalized regression neural network (GRNN) receives the extracted features and estimates the corresponding fault location. Tests conducted on a sample bipolar system show that the proposed fault locator has accurate and appropriate performance despite changes in fault location, fault resistance, and pre-fault current. The obtained average percentage fault location errors for the positive-pole-to-ground (PG), positive-pole-to-negative-pole (PN), and positive-pole-to-negative-pole-to-ground (PNG) faults in the sample system under study are 0.264%, 0.287%, and 0.225%, respectively.</Abstract>
			<OtherAbstract Language="FA">تعیین دقیق مکان وقوع خطا و تسریع عملیات تعمیراتی در خطوط انتقال جریان مستقیم فشارقوی (HVDC)، به‌دلیل حجم بالای توان عبوری آنها اهمیت خاصی دارد. این مقاله شیوه‌ای جدید برای مکان‌یابی هوشمند خطاهای اتصال‌کوتاه در خطوط انتقال جریان مستقیم فشارقوی دوقطبی با استفاده از تکنیک‌های شناسایی الگو و الگوریتم‌های یادگیری ماشین ارائه می‌دهد. در شیوۀ پیشنهادی، با استفاده از ترکیب تحلیل پرونی (PA) و تجزیۀ مقدار تکین (SVD)، برخی ویژگی‌های مفید از سیگنال‌های ولتاژ پس از خطای یک پایانه استخراج می‌شوند. شبکۀ عصبی رگرسیون تعمیم‌یافته (GRNN) نیز که قبلاً آموزش دیده است، ویژگی‌های استخراج‌شده را دریافت می‌کند و محل وقوع خطای اتصال کوتاه متناظر را تخمین می‌زند. ارزیابی‌های انجام‌شده بر سیستم نمونۀ دوقطبی نشان می‌دهند مکان‌یاب پیشنهادی با وجود تغییرات محل وقوع خطا، مقاومت خطا و جریان پیش از خطا، عملکرد دقیق و مناسبی دارد. متوسط درصد خطای به‌دست‌آمده برای مکان‌یابی انواع خطاهای اتصال‌کوتاه قطب مثبت به زمین (PG)، قطب مثبت به منفی (PN) و قطب مثبت به منفی به زمین (PNG) در سیستم نمونه به‌ترتیب برابر 0.264%، 0.287% و 0.225% است.
 </OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">تحلیل پرونی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تجزیۀ مقدار تکین</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکۀ عصبی رگرسیون تعمیم‌یافته</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مکان‌یابی خطا</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">جریان مستقیم</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://isee.ui.ac.ir/article_22530_6a950f2ec55b2aaf01bf50b9f4c833e8.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه اصفهان</PublisherName>
				<JournalTitle>هوش محاسباتی در مهندسی برق</JournalTitle>
				<Issn>2821-0689</Issn>
				<Volume>8</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>01</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Improved Hierarchical Multi-loop Voltage Control based on droop control for Inverter-based DG Units in an Islanded Microgrid</ArticleTitle>
<VernacularTitle>کنترل‌ ولتاژ چندحلقه‌ای سلسله مراتبی بهبودیافته بر اساس کنترل دروپ برای منابع تولید پراکنده مبتنی بر اینورتر در یک ریزشبکۀ جزیره‌ای</VernacularTitle>
			<FirstPage>45</FirstPage>
			<LastPage>62</LastPage>
			<ELocationID EIdType="pii">22510</ELocationID>
			
<ELocationID EIdType="doi">10.22108/isee.2018.104124.1044</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سید هادی</FirstName>
					<LastName>حسینی کردخیلی</LastName>
<Affiliation>دانشجوی دکتری، گروه قدرت، دانشکدۀ مهندسی برق و رباتیک - دانشگاه صنعتی شاهرود – شاهرود - ایران</Affiliation>

</Author>
<Author>
					<FirstName>مهدی</FirstName>
					<LastName>بانژاد</LastName>
<Affiliation>دانشیار، گروه قدرت، دانشکدۀ مهندسی برق و رباتیک - دانشگاه صنعتی شاهرود – شاهرود - ایران</Affiliation>

</Author>
<Author>
					<FirstName>علی</FirstName>
					<LastName>اکبرزاده کلات</LastName>
<Affiliation>استادیار، گروه کنترل، دانشکدۀ مهندسی برق و رباتیک - دانشگاه صنعتی شاهرود – شاهرود - ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2017</Year>
					<Month>05</Month>
					<Day>15</Day>
				</PubDate>
			</History>
		<Abstract>In this paper, a multi-loop hierarchical controller for a renewable DG based microgrid system is proposed in order to control the voltage of point of common coupling and also to perform accurate active and reactive power sharing. Inner current and voltage loops that are designed based on the dynamic model of microgrid system are used to obtain appropriate switching functions for interfaced inverters and the reference values for currents of DG units. Also, a modified droop controller is introduced to enhance the performance of designed voltage control loop. In order to improve the dynamic operation of the proposed controller in supplying demanded power for harmonically distorted loads, the extraction of harmonic components of PCC voltages is accomplished. Upper and lower limits of voltage amplitude and frequency droops are analyzed using capacity curves of each DG unit. The effect of renewable power generation uncertainty on DC link voltage variations are also compensated using an additional control loop in hierarchical structure. The main contributions of this paper are the above-mentioned multi-objective control system along with a droop control based on capacity curves. The MATLAB/SIMULINK simulation shows a proper steady state and transient performance during changes in generation and nonlinear harmonically distorted loads.</Abstract>
			<OtherAbstract Language="FA">در این مقاله یک کنترل‌کننده چندحلقه‌ای سلسله‌مراتبی برای یک ریزشبکه[i] دارای منابع تولیدپراکنده (DG[ii]) تجدیدپذیر به‌منظور کنترل ولتاژ در نقطه اتصال مشترک (PCC) و تقسیم توان اکتیو و راکتیو مناسب ارائه شده است. از حلقه‌های جریان و ولتاژ براساس مدل دینامیکی ریزشبکه استفاده شده است تا سیگنال‌های کلیدزنی مناسب برای اینورترهای هر DG تولید شود و سیگنال مرجع جریان برای هر DG به وجود آید. همچنین یک کنترل‌کننده دروپ[iii] اصلاح‌شده ارائه شده است تا عملکرد حلقۀ کنترل ولتاژ را بهبود دهد. برای بهبود عملکرد دینامیکی کنترل‌کنندۀ ارائه‌شده در هنگام تأمین توان لازم برای بارهای هارمونیکی، مؤلفه‌های هارمونیکی ولتاژ PCC جداسازی شده‌اند. همچنین حدود بالا و پایین دروپهای دامنۀ ولتاژ و فرکانس با استفاده از منحنی‌های ظرفیت هر DG تحلیل شده‌اند. تأثیر عدم‌قطعیت تولید توان در مولدهای تجدیدپذیر بر تغییرات ولتاژ لینک DC نیز با افزودن یک حلقه کنترل اضافی در ساختار سلسله مراتبی جبران شده است. ارائۀ ساختار کنترلی چندهدفه یادشده در کنار کنترل دروپ مبتنی بر منحنی‌های ظرفیت، از نوآوری‌های اصلی این مقاله به شمار می‌روند. نتایج شبیه‌سازی در محیط MATLAB/SIMULINK نشان می‌دهند روش ارائه‌شده عملکرد مناسبی را در حالت‌های ماندگار و گذرا در هنگام تغییر ناگهانی در تولید توان و یا میزان بار هارمونیکی خواهد داشت.&lt;br /&gt;  &lt;br /&gt; &lt;br /&gt; &lt;br /&gt; [i] Microgrid&lt;br /&gt; &lt;br /&gt; &lt;br /&gt; [ii] ِDistributed Generation&lt;br /&gt; &lt;br /&gt; [iii] Droop</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">ریزشبکه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کنترل اولیه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حلقه‌های کنترل داخلی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کنترل دروپ</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کنترل سلسله مراتبی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">منحنی‌های ظرفیت</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://isee.ui.ac.ir/article_22510_4f684802f54406e624ad4cddb536e791.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه اصفهان</PublisherName>
				<JournalTitle>هوش محاسباتی در مهندسی برق</JournalTitle>
				<Issn>2821-0689</Issn>
				<Volume>8</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>01</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Simplifying Computation of Diversity-Multiplexing Trade-off of Full-duplex Diamond Relay Channels</ArticleTitle>
<VernacularTitle>ساده‌سازی محاسبۀ معاوضۀ تسهیم و چندگانگی در شبکه‌های لوزی</VernacularTitle>
			<FirstPage>63</FirstPage>
			<LastPage>70</LastPage>
			<ELocationID EIdType="pii">22598</ELocationID>
			
<ELocationID EIdType="doi">10.22108/isee.2018.107184.1070</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>فرشید</FirstName>
					<LastName>جعفریان</LastName>
<Affiliation>کارشناسی ارشد، گروه مهندسی برق – دانشکدۀ فنی و مهندسی - دانشگاه اصفهان – اصفهان - ایران</Affiliation>

</Author>
<Author>
					<FirstName>فرزاد</FirstName>
					<LastName>پرورش</LastName>
<Affiliation>استادیار، گروه مهندسی برق – دانشکدۀ فنی و مهندسی - دانشگاه اصفهان – اصفهان - ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2017</Year>
					<Month>10</Month>
					<Day>11</Day>
				</PubDate>
			</History>
		<Abstract>For the most relay networks with fading channels, it is practicable to devise communication schemes that are optimal in terms of diversity multiplexing trade-off (DMT). Characterizing the DMT of a general -relay is an ongoing challenging problem. In this paper, we show that to compute DMT of a diamond relay channel one has to solve an optimization problem. Direct computation of DMT of a diamond network with  relays requires solving  optimization problems (an optimization for each cut in the network). Solving that many optimization problems in networks with many relays is not practical. We demonstrate that for any -relay full-duplex diamond channel, if all the exponential orders of the average signal to ratios of links in the network are greater than the multiplexing gain, then computing DMT of such network is equivalent to minimizing a submodular function and can be carried out in polynomial time.</Abstract>
			<OtherAbstract Language="FA">به دلیل آنکه مشخص‌کردن ظرفیت کانال‌های رله در بسیاری از شبکه‌ها هنوز جزء مسائل حل‌نشده است، در عمل در بسیاری از شبکه‌های رله با کانال محوشدگی، از بهینه‌سازی معیار معاوضۀ تسهیم و چندگانگی برای طراحی روش مخابره در شبکه استفاده می‌شود. به دست آوردن معاوضۀ تسهیم و چندگانگی شبکه‌های رله در حالت کلی جزء مسائلی است که در حال حاضر پژوهش‌های بسیاری دربارۀ آن انجام می‌شود. در این مقاله نشان داده شده است برای محاسبۀ معاوضۀ تسهیم و چندگانگی شبکۀ لوزی به حل یک مسئلۀ بهینه‌سازی نیاز است. در روش مستقیم برای محاسبۀ معاوضۀ تسهیم و چندگانگی در شبکۀ لوزی با  رله به حل  مسئلۀ بهینه‌سازی (یک بهینه‌سازی به ازای هر برش شبکه) نیاز است که برای شبکه‌های با تعداد زیادی رله حل این تعداد بهینه‌سازی عملی نیست. در این مقاله نشان داده شده است برای یک شبکۀ لوزی دوسویه، زمانی که مرتبه نمایی متوسط بهرۀ کانال‌ها بزرگ‌تر یا مساوی با بهره تسهیم باشند، محاسبۀ معاوضۀ تسهیم و چندگانگی در شبکه به یک مسئلۀ کمینه‌کردن یک تابع سابمادولار تبدیل می‌شود و مقدار معاوضۀ تسهیم و چندگانگی در این حالت با پیچیدگی محاسباتی چندجمله‌ای به دست می‌آید.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">معاوضۀ تسهیم و چندگانگی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کانال رله لوزی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کانال محوشدگی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">رله دوسویه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بهینه‌سازی سابمادولار</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://isee.ui.ac.ir/article_22598_e87eb682eb3742d5eb8b56b2f9298db0.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه اصفهان</PublisherName>
				<JournalTitle>هوش محاسباتی در مهندسی برق</JournalTitle>
				<Issn>2821-0689</Issn>
				<Volume>8</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>01</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Optimal Reactive Power Dispatch in Power Networks utilizing a Combined Method of Average Fuzzy Clustering Algorithm and Opposition-based Gravitational Search Algorithm</ArticleTitle>
<VernacularTitle>پخش بهینۀ توان راکتیو در سیستم‌های قدرت به روش ترکیبی منطق فازی و الگوریتم جستجوی گرانشی بر پایۀ تضاد</VernacularTitle>
			<FirstPage>71</FirstPage>
			<LastPage>88</LastPage>
			<ELocationID EIdType="pii">22699</ELocationID>
			
<ELocationID EIdType="doi">10.22108/isee.2018.105449.1060</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>اشکان</FirstName>
					<LastName>شوکتی پورثانی</LastName>
<Affiliation>دانشجو کارشناسی ارشد، دانشکدۀ مهندسی برق- دانشگاه آزاد اسلامی تهران غرب – تهران - ایران</Affiliation>

</Author>
<Author>
					<FirstName>آرش</FirstName>
					<LastName>دهستانی</LastName>
<Affiliation>استادیار، دانشگاه صنعتی مالک‌اشتر – تهران - ایران</Affiliation>

</Author>
<Author>
					<FirstName>پیام</FirstName>
					<LastName>ربانی فر</LastName>
<Affiliation>استادیار، دانشگاه آزاد اسلامی تهران مرکز – تهران - ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2017</Year>
					<Month>07</Month>
					<Day>18</Day>
				</PubDate>
			</History>
		<Abstract>Reactive power management is essential for transferring real power and supporting power network security. Therefore, it is important to present a correct and possible method for pricing of reactive power in electricity markets. Optimization and reactive power dispatch is performed by solving continuous variables problems (i.e., generator busbars voltages), discrete variables such as transformer tap-changers, and the size of the parallel switching capacitors in power systems.  In this paper, optimization of reactive power dispatch has been performed with combined method of average fuzzy of clustering algorithm and opposition-based gravitational search algorithm. Moreover, in line with the aim of minimizing the power loss, total voltage deviation and improving voltage stability criteria have been carried out. Also, the potential of the proposed method and their effectiveness for solving reactive power dispatch optimization problems in power systems have shown in this study. Optimization results show that the combined method of average fuzzy clustering algorithm and opposition-based gravitational search algorithm have improved parameters such as convergence time, voltage stability criteria, absolute value of total voltage deviation, and the total loss of the transmission lines.</Abstract>
			<OtherAbstract Language="FA">مدیریت توان راکتیو، امری ضروری برای انتقال توان حقیقی و تأمین امنیت شبکۀ قدرت است؛ ازاین‌رو، در بازار برق ارائۀ روش صحیح و ممکن برای قیمت‌‌دهی توان راکتیو اهمیت دارد. توان راکتیو در شبکه‌های انتقال، بیشتر با تلفات انتقال، ظرفیت انتقال و پایداری ولتاژ مرتبط است که اساسی‌ترین مسائل‌ند. بهینه‌سازی و پخش توان راکتیو در سیستم‌های قدرت، با حل مسئلۀ متغیرهای پیوسته مانند ولتاژ شین‌های ژنراتور و متغیرهای گسسته مانند تپ ترانسفورماتورها و اندازۀ خازن‌های موازی سوئیچ‌شونده انجام می‌شود. در این مقاله، بهینه‌سازی پخش توان راکتیو بر سیستم 30 شینه و 118 شینه IEEE با استفاده از طراحی کنترل‌کننده‌ها با الگوریتم جستجوی گرانشی و الگوریتم جستجوی گرانشی بر پایۀ تضاد و روش ترکیبی الگوریتم فازی میانگین و الگوریتم جستجوی گرانشی بر پایۀ تضاد و مقایسۀ خروجی‌ها و نتایج آنها انجام شده است. همچنین پتانسیل روش‌ پیشنهادی و اثربخشی آن برای حل مسائل بهینه‌سازی پخش توان راکتیو سیستم‌های قدرت نشان داده شده است. نتایج بهینه‌سازی نشان می‌دهند روش ترکیبی الگوریتم فازی میانگین و الگوریتم جستجوی گرانشی بر پایۀ تضاد، پارامترهایی مانند زمان همگرایی، شاخص ثبات ولتاژ و قدر مطلق انحراف ولتاژ را بهبود می‌‌بخشند و میزان تلفات کل خط انتقال را کاهش می‌دهند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">پخش بهینۀ توان راکتیو</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم جستجوی گرانشی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">یادگیری بر پایۀ تضاد</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">روش ترکیبی الگوریتم فازی میانگین و الگوریتم جستجوی گرانشی بر پایۀ تضاد</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://isee.ui.ac.ir/article_22699_28835d347b84a367e738d77905cc6878.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
