کاربرد الکترونیک قدرت در تپ چنجر ترانسفورماتورهای توزیع

اختصاصی از فی لوو کاربرد الکترونیک قدرت در تپ چنجر ترانسفورماتورهای توزیع دانلود با لینک مستقیم و پر سرعت .

 کاربرد الکترونیک قدرت در تپ چنجر ترانسفورماتورهای توزیع

یکی از حوزه های استفاده از الکترونیک قدرت در صنعت برق، تپ چنجر ترانسفورماتورها می باشد . تپ الکترونیکی برخلاف نوع مکانیکی ، کنترل دائم و تنظیم جریان ولتاژ ترانسفورماتور را ممکن میسازد . بدین منظور ، بایستی امکان تغییر تپ در شرایط بار کامل ترانس فراهم گردد . مهمترین مسئله در طراحی مبدل قدرت برای این منظور، اندوکتانس سرگردان تپ های سوئیچ شده می باشد . اگر عمل تغییر تپ بین دو تپ مختلف در فرکانس بالا صورت بگیرد ، امکان تنظیم دائمی ولتاژ ثانویه در بار کامل ترانس وجود دارد . کل سیستم در شکل زیر نشان داده شده است :

شکل ( 1 ) - مبدل قدرت ، اتصالی بین شبکه قدرت و ترانس

طراحی مبدل قدرت

به دلایل زیر از لحاظ فنی، امکان استفاده از یک مبدل قدرت معمول تجاری سه فاز حتی در سیستم توزیع وجود ندارد :

1. ولتاژ فاز شبکه توزیع (در محدوده تا 20 کیلوولت) از حد ظرفیت بلوکه کردن نیمه هادیهای قدرت معمول ، بیشتر است . 
2. کل سیستم مذکور ، شامل مبدل قدرت ، بایستی در شرایط وقوع اتصال کوتاه ترانس در مدار باقی بمانند ( مثلا برای جریان نامی 22 آمپر اولیه ، جریان اتصال کوتاه تا 550 آمپر را تحمل کند) . 
3. با برقدار کردن ترانس، جریانی در حدود چهار برابر جریان نامی برقرار میشود که در نتیجه ثانویه ترانس، تا لحظاتی قادر نیست برق 400 ولت مورد نیاز دستگاههای کنترلی فوق را تامین کند . 

بنابراین ، برای ساختن مبدل قدرتی که بر مشکلات فوق غلبه کند ، موارد زیر در مرحله تحقیق و بررسی قرار دارند :

1. تحقیق در مورد توپولوژی و مفاهیم کنترلی (مدولاسیون) مبدل . 
2. مدل شبیه سازی شده از ترانس قدرت با مبدلهای قدرت برای توپولوژیهای مختلف . 
3. توپولوژیهای مختلف ممکن از مبدل قدرت و تکنیکهای مرتبط کنترل از طریق شبیه سازی . 
4. انتخاب توپولوژی بهینه از مبدل قدرت با توجه به قابلیت اطمینان سیستم ، پیچیدگی و هارمونیکها و دقت شکل موج ترانس . 
5. اثبات توپولوژی در نظر گرفته شده از لحاظ تجربی . 
6. انجام آزمون در یک آزمایشگاه ولتاژ بالا و ارزیابی نتایج با توجه هارمونیکهای شکل موج مبدل . 

 آیا تانک ترانسفورماتورها باید تحت فشار قرار گیرند؟

از شرکت سرویس دهنده ترانسفورماتور ، DYNEX اغلب این پرسش می شود که آیا یک تانک روغن ترانسفورماتور باید تحت فشار باشد یا درحالت خلأ نگهداری شود و یا اصلا" چنین موضوعی اهمیت دارد؟ 

نشتی در اثر تلفات فشار (مثبت یا منفی) بوجود می آید. در یک ترانسفورماتور تحت فشار در صورت ایجاد نشتی احتمال اینکه روغن از تانک با فشار خارج گردد خیلی بیشتر می باشد. روغن ریزی حادثه ناخوشایندی می باشد زیرا روغن های بکاررفته آلوده کننده می باشند و گاهی سبب مشکلات زیست محیطی می گردند. وقتی تانک ترانسفور تحت فشار باشد کشیدن یک نمونه روغن راحتتر است و در اثر نشتی آلودگیها به داخل ترانسفورماتور کشیده نمی شوند. 

اثرات فشارمنفی 

اگر از یک تانک ترانسفورماتور که در خلأ نگهداری می شود یک نمونه روغن کشیده شود، چه اتفاقی خواهد افتاد؟ 

word: نوع فایل

سایز: 167 KB

تعداد صفحه:20

چهارمین کنفرانس سراسری شبکه های توزیع نیروی برق-بندرعباس 1373

اختصاصی از فی لوو چهارمین کنفرانس سراسری شبکه های توزیع نیروی برق-بندرعباس 1373 دانلود با لینک مستقیم و پر سرعت .

***قیمت استثنایی برای کسب تجربه***

دانلود مقالات ارائه شده در چهارمین کنفرانس سراسری شبکه های توزیع

محل برگزاری: بندرعباس-شرکت برق منطقه ای هرمزگان

سال برگزاری: 1373

تعداد نویسندگان مشارکت کننده در این کنفرانس: 67پژوهشگر

تعداد مقالات: 41

تعداد صفحات:451

دانلود تحقیق پیش بینی بار سیستم های توزیع انرژی

اختصاصی از فی لوو دانلود تحقیق پیش بینی بار سیستم های توزیع انرژی دانلود با لینک مستقیم و پر سرعت .

فصل اول
مقدمه ای بر پیش بینی بار در سیستم های
توزیع  انرژی

1-1 مقدمه کلی و تاریخچه  
پیش بینی بار یک فرایند مرکزی و جامع در برنامه ریزی و بهره برداری صنعت برق بوده است. روشهای برخورد زیادی در دو دهه اخیر برای به کارگیری این مسئله تحقیق و بررسی شده اند.این روشها اغلب ماهیتا با هم تفاوت داشته و به نظریات مختلف مهندسی و تحلیل های اقتصادی پاسخ می دهند.
یکی از مراحل مهم در طراحی سیستمهای توزیع انرژی الکتریکی پیش بینی بار و سیر تغییرات آن از زمان حال تا پایان سال مورد نیاز برای طراحی می باشد.پیش بینی بار صحیح علاوه بر صرفه جویی در هزینه های سرمایه گذاری، امکان برنامه ریزی زمانی مناسب جهت اجرای پروژه را نیز فراهم می نماید.(طراحی دینامیک).  در کشورهای پیشرفته و در حال توسعه، برنامه های اقتصادی میان مدت و بلند مدتی به منظور رسیدن به اهداف اقتصادی و اجتماعی ان کشورها طرح ریزی می شود.یکی از شاخه های برنامه های اقتصادی، پیش بینی مصرف انرژی و شاخه فرعی ان ، پیش بینی مصرف انرژی الکتریکی است.
با پیش بینی مصرف انرژی الکتریکی می توان اطلاعات کافی برای طراحی و توسعه شبکه های توزیع تهیه کرد. این پیش بینی به منظور تحلیل نیازهای اینده و برنامه ریزی در باره محل ،ظرفیت و وابستگی فیدرها، پست های اصلی و پست های فرعی ، مورد نیاز است.
پیش بینی مصرف انرژی الکتریکی با اعمال ضریب بار به پیش بینی بار پیک تبدیل می شود. تا جهت طراحی اجزاء مختلف سیستمهای تولید ، انتقال و توزیع انرژی الکتریکی استفاده می شود
گروه کاری پیش بینی بار IEEE در دو فاز فهرست مستندی در مورد پیش بینی بار منتشر کرده است.فهرست اول(فاز 1)فلسفه های کلی پیش بینی بار را پوشش داده است،و فهرست دوم(فاز2) روی موضوعات اقتصادی پیش بینی بار تمرکز دارد.آخرین بررسی بوسیلهGross وGaliana در1987 گزارش می شود که در این گزارش نویسندگان روشهای مختلف پیش بینی بار کوتاه مدت را بررسی کرده اند. که بعضی از روشها پیشنهادی بوده و بعضی نیز هم اکنون مورد استفاده می باشند. انتشارات دیگری نیز وجود دارند که مسئله پیش بینی بار را بررسی نموده اند. یکی از اینها کار آقای Bunn است که روندهای پیش بینی بار کوتاه مدت را در صنعت تولید برق مورد ارزیابی قرار داده است.در یک کار دیگرآقایBunnوFarmer به بررسی و بحث در روشهایی از پیش بینی پرداخته اند که در صنعت برق به کار برده می شوند.کار دیگری توسط آقایFields انجام شده که مدلهای تحقیقاتی پیش بینی کمی را در بر گرفته است در پیش بینی بار تکنیکهای مختلفی برای مسئله پیش بینی روزانه بار به کار گرفته شده است.تقریبا کلیه این تکنیک ها از روشهای آماری استفاده کرده اند،اما امروزه روشهای پیشرفته تری وجود دارند
که با استفاده از سیستم های خبره(مبتنی بر دانش)مسئله پیش  بینی بار را انجام می دهند.

1-2 اهداف پروژه
بررسی اهمیت پیش بینی بار سیستم های توزیع انرژی
مزایا و نتایج حاصل از  پیش بینی صحیح بار در سیستم های توزیع انرژی
معرفی و مقایسه روشهای مختلف پیش بینی بار سیستم های توزیع انرژی
ارائه روش های نوین و کارا در پیش بینی بار سیستم های توزیع انرژی
پیشنهاد یک روش جدید در پیش بینی بار سیستم های توزیع انرژی مبتنی بر منطق فازی و شبکه های عصبی

1-3 تقسیم بندی زمانی  پیش بینی بار
انرژی الکتریکی در مقیاس وسیع به طور اقتصادی قابل ذخیره نمی‌باشد. بدین دلیل بر خلاف شاخه‌‌های دیگر اقتصاد، در اقتصاد الکتریسیته باید همزمان با مصرف, انرژی تولید گردد. میزان مصرف با الکتریکی ثابت نمی‌باشد بلکه تصوری پیچیده و غیرخطی تابعی از پارامترهای متعددی می‌باشد. با توجه به متغیر بودن میزان مصرف بار الکتریکی، شرکتهای تولید کننده برق، موظفند با پیش‌بینی آن در زمان بندی‌های مختلف اطلاعات مورد نیاز برای تصمیم گیریهای خود در سیستم قدرت را حاصل نمایند.
بطور کلی پیش بینی بار بر اساس دوره پیش‌بینی به دسته‌هایی تقسیم می‌شود
•    بلند مدت (5 تا 30 سال)، پیش‌بینی آماری اقتصادی که نقش اصلی در برنامه ریزی اقتصادی ظرفیت تولید و شبکه‌های انتقال دارد.
•    میان مدت (1 ماه تا 5 سال) ، که به طور عمده برای برنامه‌ریزی سوخت مصرفی، برنامه ریزی تعمیرات و نگهداری، برنامه‌های مالی و تعرفه بندی بکار می‌رود.
•    کوتاه مدت (1 روز تا چندین هفته) , برای برنامه‌ریزی روزانه و هفتگی، در مدار قرار گرفتن بهینه نیروگاهها (بهینه سازی ولتاژ – توان راکتیو، برنا‌مه‌ریزی برای انرژی رزرو مورد نیاز, زمان بهره‌برداری از نیروگاههای پمپ ذخیره‌ای ) و تبادل انرژی الکتریکی با شرکا استفاده میشود.
•    بسیار کوتاه مدت (چند دقیقه تا چندین ساعت) ، که اطلاعات مورد نیاز در پخش بار اقتصادی و تخمین اطمینان را تامین می‌نماید. همچنین پیش‌بینی بسیار کوتاه مدت (چند دقیقه تا چندین ساعت)، برای زمانبندی تعویض قدرت بین شرکت‌ها و مطالعه تحمیلات انتقال مفید می‌باشد.
پیش بینی کوتاه مدت بار که در آن بار یک روز تا یک هفته آینده به صورت ساعتی پیش بینی می شود معیار مهمی در برنامه ریزی جهت بهره برداری از شبکه های قدرت می باشد.
تعیین زمان حداکثر بار و آمادگی قبلی برای زمانهای بحرانی شبکه، مطالعات پخش بار، مطالعات قابلیت اطمینان سیستم، برنامه ریزی برای سرویس شبکه و حتی بهره برداری اقتصادی از شبکه های تولید و انتقال همگی در گرو پیش بینی بار ساعتی میان مدت می باشد

1-4 مرور روشهای پیش بینی بار سیستم های توزیع انرژی
روشهای مختلف برای پیش بینی بار سیستم های توزیع انرژی وجود دارد که می توان موارد زیر را نام برد
1- پیش بینی بار  با رگرسیون خطی
2- پیش بینی بار با سریهای زمانی آماری.
3- پیش بینی بار با  اکسپونانسیل عمومی.
4- پیش بینی بار با  کاربری ارضی
5- پیش بینی بار با شبکه های عصبی
6- پیش بینی بار با  منطق فازی.
1-4-1 پیش بینی بار با  روش رگرسیون خطی چندمتغیره(MLR):
در روش رگرسیون خطی چند متغیره(MLR)بار بر حسب متغیرهای توصیفی خود مثل متغیر آب و هوا ومتغیرهای غیر آب و هوایی که بر بار الکتریکی تاثیر می گذارد تعریف می شود.
مدل بار با استفاده از این روش به شکل زیر می باشد:
             
y(t) : بار الکتریکی
x(t),…,x(t): متغیرهای توصیف گر مرتبط با y(t)
a(t): متغیر تصادفی با مقدار متوسط صفر و واریانس ثابت
a,a,…,a: ضرایب رگرسیون
متغیرهای توصیف گر این مدل بر اساس تحلیلCorrelation هر یک از متغیر های مستقل با متغیر وابسته بار شناسایی می شوند. تجربه در مورد مدل کردن بار در شناسایی اولیه متغیرهای موثر کمک می کند. تخمین ضرایب رگرسیون معمولا با استفاده از تکنیک تخمین حداقل مربعات(Least square) بدست می آید.
آزمایشات آماری(مثل آزمایش F-test) نیز برای تعیین اهمیت ضرایب رگرسیون به اجرا در آورده می شوند.ضرایبt که از این آزمایشات بدست می آیند، تعیین کننده اهمیت هر یک از ضرایب و اهمیت متغیر مربوط با این ضرایب می باشد. توضیح بیشتر روش رگرسیون در فصل2 ارائه می شود.
1-4-2 پیش بینی بار با  سریهای زمانی تصادفی(STS):
این روش عمومی ترین روش برخورد است که در پیش بینی به کار گرفته می شود و هنوز هم  در دنیا برای زپیش بینی بار کوتاه مدت در صنعت برق استفاده می شود.تئوری سریهای زمانی در کتب مختلف تشریح شده اند و مقالات پیش بینی بار زیادی با تکیه بر این روش منتشر شده اند. بطور خلاصه ، سریهای بار y(t) به عنوان خروجی یک فیلتر خطی هستند که ورودی آن سریهای تصادفی a(t) می باشند و معمولا به عنوان نویز سفید نام برده می شوند. این مدل در شکل زیر نشان داده شده است:
 
شکل 1- مدل سازی سریهای زمانی بار

بسته به مشخصات فیلتر خطی ، مدلهای مختلفی به صورت زیر دسته بندی می شوند:

1-4-2-1 روش خود برگشتی (Auto regressive) (AR) :
در روش خود برگشتی مقدار فعلی سریهای زمانی y(t) به صورت خطی بر حسب مقادیر قبلی خود یعنی          y(t-2) و y(t-1) و نویز تصادفی a(t) تشریح می شود.درجه این پروسه بستگی به قدیمی ترین مقدار قبلی که y(t) به آن برگشته است دارد.در یک پروسه خود برگشتی با درجه p (یعنی AR(P) ) مدل فوق الذکر به صورت زیر در می آید:
      
با معرفی اپراتور B به صورت y(t-1)=By(t) و در نتیجه y(t-m)=By(t) ، معادله (2) به شکل زیر نوشته می شود:
  (3)                                                                                 
  -    

1-4-2-2 روش حرکت متوسط (MA)(Moving Average) :
در روش حرکت دادن متوسط ،مقدار فعلی سریهای زمانی y(t) به صورت خطی بر حسب مقادیر فعلی و قبلی سریهای نویز a(t)،a(t-1) و ... تشریح می گردند.این سریهای نویز از خطاهای پیش بینی یا باقیمانده مشاهدات بار با مقدار بدست آمده محاسبه می گردند.درجه این پروسه بستگی به قدیمی ترین مقدار نویز دارد که y(t) به آن برگشت داده شده است.در روش حرکت متوسط با درجه q (یعنی MA(p) ) مدل فوق الذکر به صورت زیر نوشته می شود:
(4)                
کاربرد مشابه معادله (3) برای اپراتور سریهای نویز سفید، در معادله (4) نیز وجود دارد که معادله را به صورت زیر در می آورد:
       
    

1-4-2-3 روش خود برگشتی حرکت متوسط (ARMA)(Auto Regressive MovingAverage)
در روش خود بر گشتی  حرکت متوسط ،مقدار فعلی سریهای زمانی y(t) به صورت خطی بر حسب مقادیر خود در زمانهای قبل یعنی y(t-1),y(t-2) و ... و بر حسب مقادیر فعلی و قبلی نویز سفید a(t),a(t-1) و... تشریح می شوند.درجه روش ARMA مدل مربوطه به صورت زیر می شود:
(6)            
با استفاده از اپراتوری که قبلا تعریف شده، معادله (6) به صورت زیر در می آید:
     
که قبلا تعریف شده اند.

شامل 170 صفحه word و 131 اسلاید powerpoint

شبکه های توزیع مویرگی در بازار ایران

اختصاصی از فی لوو شبکه های توزیع مویرگی در بازار ایران دانلود با لینک مستقیم و پر سرعت .

دسته بندی :  علوم انسانی _

پاورپوینت ارائه موضوع جایگذاری ماشینهای مجازی در یک ابر توزیع شده با روش خوشه بندی

اختصاصی از فی لوو پاورپوینت ارائه موضوع جایگذاری ماشینهای مجازی در یک ابر توزیع شده با روش خوشه بندی دانلود با لینک مستقیم و پر سرعت .

این پاورپوینت بر اساس مقاله جدید  Clustering based virtual machines placement in distributed
cloud computing  تهیه و آماده شده است ./

سال انتشار : 2016/

تعداد صفحات مقاله انگلیسی : 10/

تعداد اسلاید فایل پاورپوینت  : 36/

فرمت فایل ترجمه : PowerPoint/

مقاله اصلی را به زبان انگلیسی می توانید رایگان از اینجا دریافت فرمایید /

عناوین : 

-مزایای استفاده از سرویسهای ابری توزیع شده

- استفاده از تکنیک مجازی سازی در محاسبات ابری

- طرح مساله

- تعاریف Clustering

- شبه الگوریتم DBSCAN

- انتخاب DC بر مبنای Clustering

- الگوریتم بهینه یافتن گراف محتمل

- شرح الگوریتم یافتن گراف کمینه محتمل

- یک پیشنهاد برای بهینه کردن الگوریتم

- ارائه الگوریتم بهینه CBMinDia برای یافتن یک DC Cluster با قطر کمینه

- شبه کد الگوریتم بهینه CBMinDia

- تحلیل پیچیدگی و اثبات کارایی الگوریتم CBMinDia

- مقایسه زمانهای اجرا برای الگوریتمهایCBMinDia و MinDiameterGraph

 

/1008/

تماس با ما برای راهنمایی یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

 کانال تلگرام‌  @maghalecomputer

 توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.