برای جستجو در بین هزاران پایان نامه در موضوعات مختلف     

      و دانلود متن کامل آنها با فرمت ورد اینجا کلیک کنید     

 
دانلود پایان نامه

ذینفع بودن بهره بردار مستقل سیستم و بازار از مبادلات
در واقع در ابتدای امر لازم است نهادهایی(شرکت هایی) مسئولیت هماهنگی عرضه کنندگان و تقاضا کنندگان(خریداران و فروشندگان عمده) را به عهده داشته باشند. حال اگر این نهادها نتوانند بی طرفی خود را حفظ کنند، عملاً ممکن است توسعه پتانسیل تولید و شبکه و بهره برداری بهینه از منابع موجود بر اساس عملکرد بازار صورت نگیرد.
قدرت بازار
در واقع در صورتی که هر یک از تقاضا کنندگان و عرضه کنندگان بازار سهم بزرگی از بازار را به خود اختصاص دهند(در برخی کشورها سهم فوق 15% می باشد) به طوری که بتوانند بر عملکرد بازار اثر گذاشته و باعث تغییر و انحراف قیمت های بازار شوند، این موضوع می تواند به شکست بازار منتهی شود.
ذخیره تولید
در صورتی که در بخش تولید(عرضه)به اندازه کافی ذخیره تولید وجود نداشته باشد این امر می تواند به انحراف و شکست بازار منتهی شود.
نیروگاههای خاص
برخی نیروگاهها (حتی گاهی اوقات یک نیروگاه کوچک)به واسطه موقعیت خاص خود می توانند در پایداری شبکه نقش بسیار مهمی ایفا نمایند، حال اگر این نیروگاهها در اختیار بخش خصوصی قرار گیرند و مرکز کنترل نتواند اختیار تعیین زمان ورود و خروج آنها را داشته باشد،صاحب این قدرت می تواند از این موقعیت برای انحراف قیمت های بازار استفاده نماید.
تبانی
این موضوع که به شکل گیری قدرت بازار برای گروه خاصی منتهی می گردد می تواند باعث انحراف و حتی شکست بازار منتهی گردد.
دسترسی منصفانه به شبکه
یکی از ویژگی های هر بازار رقابت کامل امکان ورود و خروج فعالان به این بازار است.در صنعت برق این موضوع باید با تهیه دستورالعمل معینی برای دسترسی بیطرفانه علاقمندان به شبکه دنبال شود. زیرا عدم تهیه یک دستورالعمل منسجم می تواند به ایجاد تبعیض میان فعالان صنعت منتهی گردد.
تعرفه های استفاده از خدمات انتقال و توزیع
تدوین تعرفه های استفاده از خدمات انتقال و توزیع می تواند باعث شفاف شدن مبادلات شده و تولیدکنندگان و عرضه کنندگان می دانند در صورت استفاده از بخشهای انتقال و توزیع برای جابجایی انرژی و قدرت مورد نیاز چه مبلغی باید به شبکه بپردازند.این موضوع در تصمیم گیری خریداران برای انتخاب فروشنده برق بسیار حائز اهمیت است.
بازبینی مستمر بر عملکرد بازار
طبیعی است در صورتی که مکانیزم بازار به طور مستقیم و دقیق دنبال نشود تشخیص یک مشکل تنها می تواند پس از فروپاشی بازار صورت گیرد.
البته نکات دیگری را نیز می توان ذکر کرد که مواد فوق از اهم آنها انتخاب شده اند.
فصل دوم
مدل سازی با استفاده از شبکه عصبی
معرفی شبکه عصبی مصنوعی
قدرت و سرعت کامپیوترهای امروزی به راستی شگفتانگیز است؛ زیرا کامپیوترهای قدرتمند می‌توانند میلیون‌ها عملیات را در کمتر از یک ثانیه انجام دهند. شاید آرزوی بسیاری از ما انسان‌ها این باشد که ای کاش می‌شد ما نیز مانند این دستگاه‌ها کارهای خود را با آن سرعت انجام می‌دادیم، ولی این نکته را نباید نادیده بگیریم که کارهایی هستند که ما می‌توانیم آن‌ها را به آسانی و در کمترین زمان ممکن انجام دهیم، ولی قوی‌ترین کامپیوترهای امروزی نیز نمی‌توانند آن‌ها را انجام دهند و آن قدرت تفکری است که مغز ما انسان‌ها دارد. حال تصور کنید که دستگاهی وجود داشته باشد که علا‌وه بر قدرت محاسبه و انجام کارهای فراوان در مدت زمان کوتاه، قدرت تفکر نیز داشته باشد یا به قول معروف هوشمند باشد! این تصور در حقیقت هدف فناوری هوش مصنوعی یا به اختصار AI است[14].
یکی از راه‌حل‌های تحقق این هدف، شبکه‌های عصبی است. شبکه‌های عصبی در واقع از شبکه‌های عصبی و سیستم عصبی انسان الگوبرداری می‌کنند. برخی از محققان براین باورند که هوش مصنوعی و شبکه‌های عصبی دو راه‌حل متفاوت و در دو جهت مختلف هستند، ولی این باور را نمی‌توان کاملاً صحیح دانست؛ چرا که در حقیقت علم شبکه‌های عصبی و هوش‌مصنوعی وابسته به هم هستند. بدین‌معنا که قبل از این‌که Symbolها بتوانند توسط هوش مصنوعی شناسایی شوند، باید مراحلی طی شود. مثلاً تصور کنید که Symbol هایی مانند خانه، انسان یا میز وجود دارند. قبل از این که AI بتواند هر کدام از این Symbol ها را شناسایی کند، باید از توانایی‌ها و صفات هر کدام از این‌ها اطلاع کامل حاصل کند. مثلاً تصور کنید که یک روبات که هوش مصنوعی دارد، یک انسان را می‌بیند، ولی از کجا می‌فهمد که این جسم یک انسان است؟ مثلاً بر اساس مشخصاتی مثل داشتن دو پا، دست، صورت، دهان و قدرت تکلم. اما شما وقتی یک انسان دیگر را می‌بینید، نیازی ندارید که اول تعداد پاهای او را بشمارید و بعد بگویید که این جسم، انسان است. مغز انسان‌ها می‌تواند با دیدن یک جسم فقط برای یک بار یاد بگیرد و اگر مجدداً آن جسم را مشاهده کرد، می‌تواند سریع تشخیص دهد و قسمت‌های مختلف مغز می‌توانند به صورت همزمان فعالیت کنند و از اطلاعات درون مغز استفاده نمایند. شبکه‌های عصبی در بسیاری از پروژه‌های هوش مصنوعی به کار گرفته می‌شود. مثلاً برای برنامه‌های تشخیص و الگوبرداری، شناسایی تصویر و کاراکتر، روبات‌ها و برنامه‌های فیلترینگ اطلاعات. این شبکه‌ها امروزه حتی در اتومبیل‌های بی‌سرنشین نیز کاربرد دارد. به طوری‌که با دیدن و بررسی رانندگی انسان‌ها، می‌توانند رانندگی کنند.
شبکه های عصبی نسبت به کامپیوتر های معمولی مسیر متفاوتی را برای حل مسئله طی می کنند. کامپیوتر های معمولی یک مسیر الگوریتمی را استفاده می کنند به این معنی که کامپیوتر یک مجموعه از دستور العمل ها را به قصد حل مسئله پی می گیرد. بدون اینکه قدم های مخصوصی که کامپیوتر نیاز به طی کردن دارد شناخته شده باشند، کامپیوتر قادر به حل مسئله نیست. این حقیقت قابلیت حل مسئله ی کامپیوتر های معمولی را به مسائلی محدود می کند که ما قادر به درک آنها هستیم و می دانیم چگونه حل می شوند. اما اگر کامپیوتر ها می توانستند کار هایی را انجام دهند که ما دقیقا نمی دانیم چگونه انجام دهیم، خیلی پر فایده تر بودند.
دسته بندی : علمی