[صفحه اصلی ]    
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
کارشناسی ارشد مجازی::
کارشناسی ارشد پردیس::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس
دانشجویان روزانه و پردیس
دانشجویان مرکز آموزش الکترونیکی
..
دفاعیه‌ها

دفاعیه های دکتری


دفاعیه های کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: طه شنگی پورعطائی ::
 | تاریخ ارسال: 1399/11/28 | 

ارائه­ دهنده:

طه شنگی پورعطائی 

  استاد راهنما:

 دکتر ناصر مزینی

هیات داوران:
 دکتر سید صالح اعتمادی؛ دکتر محمد صادق قاضی زاده

زمان:
چهار شنبه ۱۳۹۹/۱۱/۲۹


آقای طه شنگی پورعطائی  دانشجوی کارشناسی ارشد دکتر ناصر مزینی چهارشنبه  ۲۹ بهمن ماه از پروژه کارشناسی ارشد خود  تحت عنوان "مدیریت شارژ خودروهای الکتریکی با استفاده از روش ترکیبی مبتنی بر یادگیری ماشین" دفاع خواهند نمود.

چکیده پایان نامه:

با توجه به قابلیت های خودروهای الکتریکی در زمینه کاهش آلودگی های زیست محیطی علاوه بر اقبال عمومی روزافزون و روی آوردن مردم به جایگزینی این خودروها با خودروهای بنزین سوز، محققین نیز در سال های اخیر به تحقیقات در زمینه نقش خودروهای الکتریکی در شبکه های هوشمند برق پرداخته اند. با توجه به ظهور تکنولوژی های پیشرفته سال های اخیر که موجب افزایش ظرفیت ذخیره سازی باتری خودروها و همچنین سرعت شارژ کامل باتری این خودروها تا کمتر از ۱۰ دقیقه شده است، قابلیت ذخیره سازی انرژی در باتری خودروی الکتریکی بسیار مورد توجه محققین قرار گرفته است که از جمله آنها می توان به بهره برداری از توان ذخیره سازی انرژی خودروهای الکتریکی جهت ایجاد تعادل میان عرضه و تقاضای انرژی در شبکه، کاهش هزینه های تولید انرژی و کاهش هزینه های شارژ باتری خودرو و حتی سودآوری مالی برای مالکین خودروها اشاره کرد.
اما با توجه به اینکه در مسائل مرتبط با خودروهای الکتریکی با داده هایی چون اطلاعات ورود و خروج خودرو الکتریکی از و به پارکینگ، وضعیت شارژ باتری خودروها در زمان ورود به پارکینگ که خیلی تصادفی هستند و کاملا به نحوه رفتار راننده بستگی دارند و همچنین قیمت برق بلادرنگ در شبکه توزیع که دارای نوسانات بسیار زیاد است در ارتباط هستیم مسئله یافتن زمانبندی بهینه شارژ خودروهای الکتریکی خصوصا تحت قیمت گذاری بلادرنگ، یک مسئله بسیار پیچیده است که در این پایان نامه سعی شده تا با استفاده از قابلیت های بالای الگوریتم های یادگیری ماشین در کار با داده های پیچیده و تصادفی به تخمین روند قیمت برق در ساعات آینده پرداخته که نقطه قوت این روش نسبت به روش های ارائه شده قبلی است، ویژگی استخراج شده به عنوان ورودی عامل یادگیری مبتنی بر روش Trust Region Policy Optimization داده شده که وظیفه برنامه ریزی شارژ و دشارژ خودرو متناسب با روند قیمت برق در ساعات آینده با هدف بیشینه کردن سودآوری مالک خودرو را دارد. از نقاط قوت عامل یادگیرنده در مقایسه با روش های اخیر توانایی کار با فضای اعمال پیوسته است که با توجه به پیوسته بودن ذاتی فضای اعمال این مسئله باعث برتری این روش بر روش های اخیر که سعی در گسسته سازی این فضا دارند می گردد. در بخش بررسی نتایج روش ارائه شده با حالت های مختلف مقایسه شده که نتایج قابل ملاحظه ای کسب شده است.



"دفاع به‌صورت آنلاین برگزار می‌شود"
  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی
دفعات مشاهده: 303 بار   |   دفعات چاپ: 42 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
Persian site map - English site map - Created in 0.17 seconds with 53 queries by YEKTAWEB 4312