کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش ساخت مدل های جریان برق بهینه برای شبکه های برق

Build Optimal Power Flow Models for Power Grids

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: GAMS و Pyomo عالی برای درک کامل تجزیه و تحلیل OPF AC و DC با جزئیات هر دو مشکل بهینه سازی pyomo و GAMS تجزیه و تحلیل شدند پیش نیازها: شما باید GAMS و Pyomo را نصب کنید.

جریان توان بهینه (OPF) یک مسئله بهینه سازی ریاضی است که برای تعیین نقطه عملیاتی بهینه یک سیستم قدرت استفاده می شود. هدف OPF به حداقل رساندن هزینه عملیاتی سیستم قدرت و در عین حال رعایت تمام محدودیت‌های سیستم، مانند تعادل قدرت، محدودیت‌های ولتاژ، و محدودیت‌های حرارتی است.

مدل های OPF را می توان به دو دسته اصلی طبقه بندی کرد: قطعی و تصادفی. مدل‌های قطعی OPF فرض می‌کنند که تقاضا و نسل آینده با قطعیت شناخته شده است. از سوی دیگر، مدل‌های OPF تصادفی، عدم قطعیت تقاضا و تولید آینده را در نظر می‌گیرند.

رایج ترین تابع هدف برای OPF به حداقل رساندن هزینه عملیاتی سیستم قدرت است. با این حال، عملکردهای هدف دیگری نیز می توانند مورد استفاده قرار گیرند، مانند به حداقل رساندن انتشار گازهای گلخانه ای از سیستم قدرت یا به حداکثر رساندن قابلیت اطمینان سیستم قدرت.

مدل‌های OPF معمولاً با استفاده از تکنیک‌های بهینه‌سازی عددی حل می‌شوند. این تکنیک ها را می توان به دو دسته اصلی تقسیم کرد: قطعی و اکتشافی. تکنیک‌های بهینه‌سازی قطعی تضمین می‌کنند که راه‌حل بهینه پیدا می‌شود، اما می‌توانند از نظر محاسباتی گران باشند. تکنیک های بهینه سازی اکتشافی از نظر محاسباتی هزینه کمتری دارند، اما تضمین نمی کنند که راه حل بهینه پیدا شود.

مدل های OPF یک ابزار ضروری برای عملکرد سیستم های قدرت هستند. آنها برای اطمینان از اینکه سیستم قدرت به شیوه ای ایمن و کارآمد کار می کند استفاده می شود. مدل‌های OPF همچنین برای برنامه‌ریزی تغییرات آتی در سیستم قدرت، مانند افزودن ظرفیت نسل جدید یا انتقال استفاده می‌شوند.

در اینجا برخی از مزایای استفاده از مدل‌های OPF آورده شده است:

  • آنها می توانند با کاهش هزینه های عملیاتی به بهبود کارایی سیستم قدرت کمک کنند.

  • آنها می توانند با اطمینان از اینکه سیستم قادر به پاسخگویی به تقاضا حتی در شرایط غیرمنتظره است، به بهبود قابلیت اطمینان سیستم قدرت کمک کنند.

  • آنها می توانند با بهینه سازی ترکیبی از منابع تولید به کاهش انتشار گازهای گلخانه ای از سیستم قدرت کمک کنند.

در اینجا برخی از چالش های استفاده از مدل های OPF آورده شده است:

  • حل کردن مدل‌ها می‌تواند از نظر محاسباتی گران باشد.

  • مدل‌ها می‌توانند نسبت به مفروضاتی که در مورد تقاضا و نسل آینده ساخته می‌شوند حساس باشند.

  • تفسیر و توضیح مدل ها برای مخاطبان غیر فنی ممکن است دشوار باشد.

سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • ملاحظات مهم Important considerations

مدل جریان برق DC تک دوره ای Single Period DC power flow model

  • مدل جریان برق DC تک دوره ای در پایتون/پیومو Single Period DC power flow model in python/pyomo

  • مدل جریان برق DC تک دوره ای در GAMS Single Period DC power flow model in GAMS

  • چگونه می توان بررسی کرد که آیا تابع هدف محدب است؟ How to check if the objective function is convex

مدل چند دوره ای (دوره های ساعتی) جریان برق DC چند باس (24 اتوبوس). The multiperiod (24 hourly periods) DC power flow multi-bus (24 buses) model

  • مقدمه ای بر مدل جریان برق DC چند دوره ای Introduction to the multiperiod DC power flow model

  • سیستم تست قابلیت اطمینان چیست؟ What is a Reliability Test System

  • سیستم Per Unit چیست؟ What is the Per Unit system

  • راه اندازی مدل و ثابت ها (قسمت 1) در PYOMO Setting up the model & constants (part 1) in PYOMO

  • راه اندازی مدل و ثابت ها (قسمت 2) در PYOMO Setting up the model & constants (part 2) in PYOMO

  • راه اندازی مدل و ثابت ها (قسمت 3) در PYOMO Setting up the model & constants (part 3) in PYOMO

  • تنظیم متغیرهای تصمیم در PYOMO Setting up the decision variables in PYOMO

  • تنظیم محدودیت ها و تابع هدف در PYOMO Setting up the constraints & objective function in PYOMO

  • حل مدل در PYOMO Solving the model in PYOMO

  • حل مدل با و بدون ذخیره انرژی در سیستم Solving the model with and without energy storage in the system

  • حل مدل در GAMS Solving the model in GAMS

دوره های 24 ساعته، جریان برق DC، 24 اتوبوس: تخصیص بهینه ذخیره سازی 24 hourly periods, DC power flow, 24 buses: Optimal Storage allocation

  • ایده The idea

  • مدل سازی مسئله در پایتون/پیمو (قسمت 1) Modelling the problem in Python / Pyomo (part 1)

  • مدل سازی و حل مسئله در پایتون/Pyomo (قسمت 2) Modelling & solving the problem in Python / Pyomo (part 2)

  • مدل سازی و حل مسئله در GAMS Modelling & solving the problem in GAMS

مدل ACOPF در سیستم 24 باس (چند دوره ای) The ACOPF model in the 24 bus system (multi-period)

  • نکات کلیدی در ACOPF Key points on ACOPF

  • نحوه حل مدل ACOPF: حل کننده IPOPT How to solve the ACOPF model: the IPOPT solver

  • ریاضیات جریان برق AC. چگونه معادلات جریان برق متناوب را استخراج کنیم The mathematics of the AC power flows. How to derive the AC power flow equations

  • مدل سازی ACOPF، با Storage، در PYOMO Modelling the ACOPF , with Storage, in PYOMO

  • مدل سازی ACOPF، بدون ذخیره سازی، در PYOMO Modelling the ACOPF, without Storage, in PYOMO

  • مدل سازی در GAMS Modelling in GAMS

نمایش نظرات

نظری ارسال نشده است.

آموزش ساخت مدل های جریان برق بهینه برای شبکه های برق
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
5 hours
26
Udemy (یودمی) udemy-small
16 مرداد 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
1,489
5 از 5
دارد
دارد
دارد

https://donyad.com/d/fdc02a

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

آموزش یک خط لوله یادگیری ماشین AWS برای تشخیص اشیا بسازید

آموزش یک خط لوله یادگیری ماشین AWS برای تشخیص اشیا بسازید

Build an AWS Machine Learning Pipeline for Object Detection

از AWS Step Functions + Sagemaker برای ایجاد یک خط لوله یادگیری ماشینی آماده تولید مقیاس پذیر برای تشخیص پلاستیک استفاده کنید.

آموزش تجزیه و تحلیل کامل داده ها با پانداها: پاندای دستی پایتون

آموزش تجزیه و تحلیل کامل داده ها با پانداها: پاندای دستی پایتون

Complete Data Analysis with Pandas : Hands-on Pandas Python

یادگیری مهارت های مورد نیاز Pandas, Sci-Kit Learn, Numpy For Data Science & Machine Learning : Seaborn | MatplotLib | پایتون

آموزش 2023 تجسم داده در Tableau & Python (2 دوره در 1)

آموزش 2023 تجسم داده در Tableau & Python (2 دوره در 1)

2023 Data Visualization in Tableau & Python (2 Courses in 1)

آموزش تجسم داده ها با Tableau & Python از سطح مقدماتی تا پیشرفته با استفاده از پروژه های واقعی

آموزش تجزیه و تحلیل کامل سری زمانی با پایتون

آموزش تجزیه و تحلیل کامل سری زمانی با پایتون

Complete Time Series Analysis With Python

سری زمانی پایتون: نحوه استفاده از علم داده، آمار و یادگیری ماشین برای مدل‌سازی داده‌های سری زمانی در پایتون

Real World Data Science Team (PhD) Real World Data Science Team (PhD)

دانشمندان ارشد پژوهشی

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.