جایابی بهینه تجهیزات توزیع الکتریکی با کمک یادگیری ماشین
محققان دانشگاه شیراز روشی را برای جایابی بهینه تجهیزات کلیدزنی سیستم‌های توزیع توان الکتریکی با بهره‌گیری از یادگیری ماشین ارائه دادند.
«جایابی بهینه تجهیزات کلیدزنی در سیستم‌های توزیع توان الکتریکی با استفاده از روشهای یادگیری ماشین» عنوان طرح مهرداد ابراهیمی، دانش‌آموخته دانشگاه شیراز است که در قالب رساله دکتری و با راهنمایی محمد رستگار عضو هیات علمی این دانشگاه و حمایت بنیاد ملی علم ایران به پایان رسانده است.
ابراهیمی در این باره اظهار کرد: تأمین توان الکتریکی با کیفیت و بی‌وقفه یکی از مهمترین اهداف برنامه‌ریزان سیستم قدرت است. از سوی دیگر، گستردگی سیستم توزیع توان الکتریکی و تنوع تجهیزات موجب شده است که سیستم توزیع در معرض آسیب‌‌های گوناگون مانند برخورد درختان و پرندگان با تجهیزات الکتریکی قرار گیرد. بر همین اساس، ایجاد زیرساخت‌های مناسب و تجهیز سیستم توزیع توان الکتریکی به تجهیزات کلیدزنی مانند مدارشکن‌ها، جداکننده‌ها برای تسهیل و تسریع فرآیند مدیریت خاموشی حائز اهمیت است.
وی افزود: امروزه، دقت و کارایی بالای روشهای یادگیری ماشین باعث شده است که برای حل مسائل متعدد مانند پیش‌بینی قیمت ارز، پردازش تصویر، ترجمه یک زبان به زبان دیگر از آن‌ها استفاده شود. روند رشد استفاده از روشهای یادگیری ماشین به حدی است که در سال‌‌های اخیر، شاهد به‌کارگیری این روش‌‌ها برای کنترل، برنامه‌ریزی و توسعه سیستم قدرت هستیم.
این محقق دانشگاه شیراز ادامه داد: به همین منظور، استفاده از روشهای یادگیری ماشین برای حل مسائل برنامه‌ریزی سیستم قدرت به دو صورت مورد توجه قرار گرفته است. در حالت اول، از الگوریتم یادگیری ماشین به عنوان یک پردازش‌گر مستقل برای حل یک مسئله بهره‌وری میشود و در حالت دوم، استفاده از الگوریتم‌‌های یادگیری ماشین در کنار روشهای ریاضی پیشنهاد شده است. به عبارت دیگر، در حالت دوم، الگوریتم حل مسئله تلفیقی از روشهای یادگیری ماشین و ریاضی است و از الگوریتم‌‌های یادگیری ماشین به‌عنوان یک یاری‌‌رسان برای کاهش حجم پردازش حل مسئله و افزایش دقت و کارایی روشهای ریاضی استفاده میشود.
وی تصریح کرد: در این رساله دکتری، مدل‌هایی مبتنی بر یادگیری ماشین برای حل مسئله جایابی بهینه تجهیزات کلیدزنی در سیستم‌های توزیع توان الکتریکی ارائه شده است.
به نقل از روابط‌عمومی بنیاد ملی علم ایران (INSF)، ابراهیمی ادامه داد: یکی از دستاوردهای این طرح پژوهشی، ارائه مدل‌های دقیق و مقیاس‌پذیر است که حل مسئله را برای سیستم‌های واقعی بزرگ ممکن می‌کند. در حالی که با استفاده از روشهای بهینه‌سازی ریاضی موجود، حل مسئله برای سیستم‌های بزرگ به دلیل محاسبات پیچیده و محدودیت پردازنده‌های کامپیوتری با چالش روبرو میشود.
وی در پایان خاطر نشان کرد: توسعه دانش در خصوص استفاده از روشهای یادگیری ماشین برای جایابی بهینه تجهیزات کلیدزنی، امکان‌سنجی و طراحی نرم‌افزارهای داخلی مبتنی بر هوش مصنوعی برای طراحی و برنامه‌ریزی سیستم‌های توزیع توان الکتریکی و ایجاد نقشه راه برای توسعه بهینه سیستم‌های توزیع توان الکتریکی از جمله اهداف انجام این طرح بوده است که مسیر برای دستیابی به این مهم هموار شد.
نظر شما