UPEC 2006

گزیده ای از خلاصه ی مقالات محمد رضا عسکری عضو هیئت مدیره ی شرکت، که در چهل و یکمین کنفرانس بین المللی UPEC در سال ۲۰۰۶ در شهر نیوکاسل انگلیس ارائه گردیده است:

۱)

عنوان مقاله:

Novel Multi-Carreer PWM Method For A Three-Phase Cascaded H-bridge Multi-Level Inverter

چکیده ی مقاله:

استراتژی های متعددی برای مدولاسیون مبدل های قدرت چند سطحی به کار برده می شود که در این مقاله بررسی روشی PWM های چند سطحی (موج های حامل) تمرکز دارد که این روش برای مبدل های چند سطحی H-Bridge رواج یافته است.

روش PWM های چند سطحی می تواند بهره برداری از سوئیچینگ را در مبدل های چند سطحی H-Bridge بهینه و متعادل کند.

در این مقاله یک مبدل پنج سطحی از این مبدل شبیه سازی شده و با استفاده از PWM های چند حاملی به نحوی کنترل می شود که همانند یک مبدل منبع ولتاژ (VSI) عمل کند.

۲)

عنوان مقاله:

Optimal Coordination Of Directional Over Current Relays In Power System Using Genetic Algorithm

چکیده مقاله:

روش های مختلفی برای هماهنگی بهینه ی رله های اضافه ی جریان شبکه قدرت وجود دارد که از آن جمله می توان روش سیمپلکس، سیمپلکس دو فاز و سیمپلکس دوگان را نام برد. مشکل اصلی این روش ها در حل مسأله ی هماهنگی بهینه ی رله های اضافه جریان ناکارآمدی در تعیین نقطه ی بهینه مطلق و گیر افتادن در نقطه ی بهینه ی محلی و یا عدم همگرایی در شبکه های بزرگ می باشد. در این مقاله یک روش ابتکاری برای پیدا کردن تنظیم بهینه رله های اضافه ی جریان بر پایه ی الگوریتم ژنتیک بیان می شود که با روش های معمول قابل دسترسی نمی باشد. در این روش بهترین تنظیم جریانی زمانی هر یک از رله های اضا فه ی جریان شبکه همزمان پیدا می شود. افزایش قدرت انتخاب و سرعت عملکرد رله ها از ویژگی های روش پیشنهادی می باشد.

۳)

عنوان مقاله:

Demand Forecasting Using Time Series Modeling And Anfis Estimator

چکیده ی مقاله:

این مقاله روشی هوشمند را برای برآورد میان مدت و دراز مدت درخواست انرژی در یک شبکه ی پیچیده ی برق فراهم می کند. در این روش، داده های انرژی مصرفی در زمانی در ازای چندین ماه گردآوری می شود و آن گاه این داده ها برای آموزش یک شبکه ی سازگار پذیر بر پایه ی سامانه ی برداشت فازی به کار می رود. و از آن جا که الگوی مصرف انرژی یک شبکه برق را می توان با یک سری زمانی آشکار ساخت و نیز سری زمانی را می توان به روش های گوناگونی پیش بینی و بر آورد کرد. پس در این نوشتار بر آنیم که از این شبکه ی هوشمند برای برآورد رفتار مصرف انرژی در ماه های آینده سود بریم. این شبکه ی هوشمند عصبی-فازی توانایی و کارکرد خوبی در برآورد درخواست انرژی در ماه ها و سال های آینده از خود نشان داده که در این نوشتار با شبیه سازی های رایانه ای آزموده شده است. هم سنجی برآیند کار این شبکه ی هوشمند با نمونه های کاری برآورد مصرف، نشان گر دقت و توانگری این روش بوده است.