[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
صفحه اصلی::
درباره دانشکده::
معرفی افراد::
امور آموزشی::
امور پژوهشی::
فضاهای تحقیقاتی::
اخبار و رویدادها::
پردیس و مجازی::
آیین نامه ها و فرم ها::
تسهیلات پایگاه::
::
اطلاعات تماس

AWT IMAGE

آدرس: تهران، میدان رسالت، خیابان هنگام، دانشگاه علم و صنعت ایران، دانشکده مهندسی مکانیک

کدپستی: 13114-16846

صندوق پستی: 163-16765

تلفن:9-77491228

فاکس:77240488

پست الکترونیکی:

meresearch@iust.ac.ir

..
سیستم جامع گلستان

AWT IMAGE

..
جستجو در پایگاه

جستجوی پیشرفته
..
نظرسنجی
سایت دانشکده مکانیک را چگونه ارزیابی می کنید:
عالی
خوب
متوسط
   
..
قطب علمی

AWT IMAGE

قطب علمی مکانیک جامدات تجربی و دینامیک

..
کادمان

AWT IMAGE

کانون دانش آموختگان و اساتید دانشکده مهندسی مکانیک دانشگاه علم و صنعت ایران

..
:: 97/10/17 دفاعیه دکتری ::
 | تاریخ ارسال: ۱۳۹۷/۱۰/۱۷ | 
AWT IMAGE

آقای علی پورفرد دانشجوی دکتری جناب آقای دکتر معدولیت، روز چهارشنبه 97/10/19 از رساله دکتری خود تحت عنوان "کنترل هوشمند شبکه گاز طبیعی ساختار متغیر" دفاع خواهد کرد. این جلسه ساعت 15:30 روز چهاشنبه در آمفی تاتر دانشکده مهندسی مکانیک برگزار می گردد.

چکیده:

در پایان­نامه حاضر بطور کلی به سه محور کلیدی شبیه­سازی، بهینه­سازی و کنترل شبکه­های گاز طبیعی در حالت گذرا پرداخته شده است.
لازمه ورود به بحث بهینه­سازی و کنترل شبکه گاز، شبیه­سازی رفتار شبکه می­باشد. از آنجائیکه در یک شبکه گاز در اغلب موارد نیازهای مصرف­کنندگان تابعی از زمان می­باشد، لذا شبیه­سازی رفتار شبکه در حالت گذرا ضروری بنظر می­رسد. معادلات حاکم بر جریان درون لوله­ها در حالت گذرا از دسته معادلات با مشتقات جزئی و غیرخطی می­باشد. در این پایان­نامه با بررسی انواع روش­های حل این معادلات، روش تفاضل محدود کاملا ضمنی بواسطه پایداری بودن جواب مستقل از شرائط مرزی، انتخاب گردید. بمنظور تهسیل در فرآیند حل این معادلات روشی نوین بر مبنای الگوریتم­های فراشهودی ارائه گردید. این روش علاوه بر فراهم کردن امکان خطی­سازی سازی معادلات، امکان حل مستقلانه معادلات جریان را برای لوله‎های یک شبکه مهیا می­کند. استفاده از این روش، فرآیند شبیه­سازی گذاری معادلات جریان را تا سه برابر سرعت می­بخشد.

می­دانیم که با بهبود عملکرد شبکه گاز حتی به میزان اندک، صرفه جویی فراوانی در هزینه­ها خواهد شد. لذا در ادامه این پایان‎نامه به بهینه­سازی انرژی مصرفی ایستگاه­های افزایش فشار که عمده هزینه عملکردی شبکه گاز را شامل می­شود، پرداخته می­شود. تابع هزینه بهینه­سازی در حالت گذرا عبارتی پیچیده از متغیرهای تصمیم­گیری است که در معرض قیود خطی و غیرخطی بسیاری قرار دارد. همچنین اگر وضعیت باز و بسته شیرها نیز بعنوان متغیر بهینه­سازی در نظر گرفته شود، مسئله از نوع ترکیبی-صحیح می­شود. برای حل این مسئله پیچیده می­بایست روش بهینه­سازی مناسبی انتخاب شود که متغیرهای تصمیم که شامل دور کمپرسورها و وضعیت شیر در شبکه است را طوری تعیین کند که علاوه بر ارضای تمامی قیود عملکردی شبکه، نیاز متغیر با زمان مشتری در فشار مطلوب تامین بشود. لذا در این پایان­نامه روشی نوین بر مبنای استفاده از الگوریتم­های فراشهودی ارائه گردیده است که ضرورت یافتن عبارتی صریح برای تابع هدف بر حسب متغیرهای بهینه­سازی و نیز مشتق­گیری از این تابع را رفع میکند و بعلاوه امکان مدیریت مسئله ترکیبی-صحیح نیز فراهم می­شود.

در بهینه­سازی گذار نمودار مصرف متقاضیان عموما از میانگین بلند مدت آن تعیین می­شود. در عمل ممکن است که این نمودار مصرف در بعضی دوره­های زمانی از این میانگین فاصله بگیرد. در این پایان­نامه یک روش نوین جایگزین بر مبنای استفاده از راهکار کنترلی پیش­بین ارائه شده است که در فرآیندی بسیار سریع­تر رفتار نزدیک به بهینه­کمپرسورها را بنحوی تعیین میکند که نیاز جدید مصرف­کنندگان تامین بشود. بدین منظور کنترل­کننده باید فشار بهینه بدست آمده از فاز بهینه­سازی را دنبال نماید. در این پایان­نامه نشان داده می­شود که بواسطه رفتار بسیار غیرخطی شبکه گاز و نیز ثابت زمانی بزرگ سیستم که موجب می­شود تغییرات در ورودی بلافاصله در خروجی شبکه مشاهده نشود، پیاده­سازی روش­های کنترلی سنتی از جمله پی­آی­دی منجر به نتایج مطلوب نخواهد شد. بدین منظور از راهکار کنترل­ پیش­بین مدل بر مبنای استفاده از شبکه­های عصبی استفاده می­شود. در این راهکار شبکه­های عصبی به منظور انجام عمل پیش­بینی و کنترل استفاده می­شوند.

الگوریتم آموزش شبکه عصبی از نوع گرادیان نزولی می­باشد. یک مشکل اساسی در این الگوریتم آموزش تعیین نرخ بهینه آموزش است تا همگرایی به خطای کمینه تضمین شود. برای حل این مشکل در این پایان­نامه یک الگوریتم تطبیقی تنطیم نرخ یادگیری ارائه شده است که همگرایی خطای شبکه­های عصبی پیش­بین و کنترل­کننده را به مقدار کمینه تضمین میکند. همچنین بمنظور بررسی مقاومت این راهکار کنترلی، سناریوهای مختلفی برای تغیرات دبی خروجی در نظر گرفته می­شود و نتایج شبیه­سازی تایید کننده صحت عملکرد کنترل­کننده است.

واژه‌های کلیدی:شبکه­های انتقال گاز طبیعی، شبیه­سازی، بهینه­سازی گذرا، کنترل پیش­بین، شبکه­های عصبی

دفعات مشاهده: 1009 بار   |   دفعات چاپ: 43 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر

CAPTCHA
   
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان

School of Mechanical Engineering
Persian site map - English site map - Created in 0.19 seconds with 54 queries by YEKTAWEB 3928