شهرستان:…………………………………………………………………………………………………………………………..
تلفن ثابت محل سکونت: …………………………تلفن محل کار: ……………………………. دورنگار:……………………………
اطلاعات مربوط به استاد راهنما:
تذکرات:

دانشجویان دوره کارشناسی می‌توانند یک استاد راهنما و حداکثر دو استاد مشاور و دانشجویان دوره دکتری حداکثر تا دو استاد راهنما و دو استاد مشاور می‏توانند انتخاب نمایند.
در صورتی که اساتید راهنما و مشاور مدعو می باشند، لازم است سوابق تحصیلی، آموزشی و پژوهشی کامل ایشان (رزومه کامل) شامل فهرست پایان‌نامه‌های کارشناسی ارشد و رساله‏های دکتری دفاع شده و یا در حال انجام که اساتید مدعو، راهنمایی و یا مشاوره آنرا بر عهده داشته‏اند، به همراه مدارک مربوطه و همچنین آخرین حکم کارگزینی (حکم هیأت علمی) ضمیمه گردد.
اساتید راهنما و مشاور موظف هستند قبل از پذیرش پروپوزال، به سقف ظرفیت پذیرش خود توجه نموده و در صورت تکمیل بودن ظرفیت پذیرش، از ارسال آن به دانشکده و حوزه پژوهشی و یا در نوبت قراردادن و ایجاد وقفه در کار دانشجویان جداً پرهیز نمایند. بدیهی است در صورت عدم رعایت موازین مربوطه، مسئولیت تأخیر در ارائه پروپوزال و عواقب کار، متوجه گروه تخصصی و دانشکده خواهد بود.
اطلاعات مربوط به استاد راهنمای اول:
دانشگاهی
نام و نام خانوادگی: هادی زاینده رودی آخرین مدرک تحصیلی ـــــــــــــــ :.دکتری
حوزوی
عضو هیأت علمی دانشگاه آزاد کرمان
تخصص اصلی:برق قدرت رتبه دانشگاهی (مرتبه علمی): استادیار تلفن همراه: ۰۹۱۳۳۴۰۷۹۹۲
تلفن منزل یا محل کار:……………………………….. نام و نام خانوادگی به زبان انگلیسی: .Hadi Zayandehroodi
نحوه همکاری با واحد علوم و تحقیقات:
تمام وقت نیمه وقت مدعو
اطلاعات مربوط به استاد راهنمای دوم:
دانشگاهی
نام و نام خانوادگی:………………………………………………..آخرین مدرک تحصیلی ـــــــــــــــ :……………………………….
حوزوی
عضو هیأت علمی دانشگاه ………………………………….
تخصص اصلی:……………………… رتبه دانشگاهی (مرتبه علمی): …………………… تلفن همراه: …………………………………
تلفن منزل یا محل کار:……………………………….. نام و نام خانوادگی به زبان انگلیسی: …………………………………………….
نحوه همکاری با واحد علوم و تحقیقات:
تمام وقت نیمه وقت مدعو
اطلاعات مربوط به استاد مشاور اول:
دانشگاهی
نام و نام خانوادگی:………………………………………………..آخرین مدرک تحصیلی ـــــــــــــــ :……………………………….
حوزوی
عضو هیأت علمی دانشگاه ………………………………….
تخصص اصلی:……………………… رتبه دانشگاهی (مرتبه علمی): …………………… تلفن همراه: …………………………………
تلفن منزل یا محل کار:……………………………….. نام و نام خانوادگی به زبان انگلیسی: …………………………………………….
نحوه همکاری با واحد علوم و تحقیقات:
تمام وقت نیمه وقت مدعو
۴- اطلاعات مربوط به پایان‏ نامه:
الف- عنوان تحقیق
۱- عنوان به زبان فارسی:
پخش بار اقتصادی با سوخت های چندگانه با بهره گرفتن از الگوریتم IPSO
۲- عنوان به زبان انگلیسی/(آلمانی، فرانسه، عربی):
تذکر: صرفاً دانشجویان رشته‏های زبان آلمانی،‌فرانسه و عربی مجازند عنوان پایان‏ نامه خود را به زبان مربوطه در این بخش درج نمایند و برای بقیه دانشجویان، عنوان بایستی به زبان انگلیسی ذکر شود.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

IPSO algorithm solutions to economic dispatch with multiple fuels
ب – تعداد واحد پایان‏ نامه: ۶
ج- بیان مسأله اساسی تحقیق به طور کلی (شامل تشریح مسأله و معرفی آن، بیان جنبه‏ه ای مجهول و مبهم، بیان متغیرهای مربوطه و منظور از تحقیق) :
هدف از توزیع اقتصادی بار تخصیص تقاضا بین واحدهای مشارکت کننده و از پیش تعیین شده با شرط حداقل نمودن هزینه سوخت و تأمین ذخیره چرخان میباشد. بهرهبرداری اقتصادی برای یک سیستم قدرت، از نظر برگشت سود سرمایهگذاری انجام شده بسیار مهم بوده و نرخهای تعیین شده به وسیله ارگانهای دولتی و اهمیت صرفه جویی درسوخت، شرکت های برق را جهت حصول حداکثر بازدهی ممکن، تحت فشار قرار میدهد. توزیع اقتصادی بار برای هر شرایط بار پیش بینی شده، توان خروجی هر نیروگاه و نیز هر واحد مولد در داخل یک نیروگاه را تعیین میکند، بطوری که هزینه کلی سوخت مورد نیاز برای تامین بار سیستم را حداقل نماید.
با بهره گرفتن از محاسبات پخش بهینه بار, می توان با استناد به روابط ریاضی حداکثر میزان تولید هر نیروگاه باصرف حداقل هزینه را محاسبه نمود .
در روش قدیمی, بدون کمک گرفتن از روابط ریاضی, برای حداقل سازی هزینه انرژی تولیدی, در مواقع کم باری شبکه, از کاراترین نیروگاه, توان مصرفی تأمین می شد وبا افزایش بار در شبکه, تولید توان توسط این نیروگاه تا جایی ادامه می یافت که حداکثر بازدهی نیروگاه فرارسد. ازاین پس کاراترین نیروگاه بعدی وارد سیستم تغذیه انرژی الکتریکی شبکه قدرت شده وآن نیز با افزایش بار, تا نقطه حداکثر خود پیش می رفت و تا زمانیکه نقطه حداکثر نیروگاهی فرا نمی رسید , از نیروگاه بعدی استفاده نمی شد .
روش حـل کلاسـیک مسـأله ، روش لاگرانژ و تکنیک های مبتنی بر آن، مانند روش تکـرارلامبداسـت [۱]. تعیـین سـهم بهینـه واحـدهای مختلـف در محدوده مجاز مربوطه با بررسـی و اعمـال شـرایط^{Kuhn- Tucker} در نقطه بهینه انجام می شود.
مسألهELD واقعی با در نظر گـرفتن محـدودیت هـای مساوی و نامساوی بیشتری، همچـون قیـود تغییـرات شـیب ژنراتور^۲، مناطق اجرایی ممنوعه^۳، تأثیر بارگذاری شـیر هـای بخار^۴ ،چندگانگی سوخت^۵ در واحـدهای تولیـدی و …، بـه یک مسأله بهینه سازی ناهموار^۶ یا نامحدب^۷ تبدیل می شود. در نتیجـه، یـافتن مینـیمم فرامحلـی^۸ بـرای ایـن مسـأله بـا روش های کلاسیک به راحتی امکان پذیر نیست.
امروزه با بـزرگ شـدن ابعـاد مسـائل و اهمیـت یـافتن سرعت رسـیدن بـه پاسـخ و عـدم پاسـخگویی روشهـای کلاسیک، اسـتفاده از الگـوریتمهـای جسـتجوی ابتکـاری وجستجوی تصادفی فضای مسأله به جـای جسـتجوی همـه جانبه آن، رشد چشمگیری داشته است [۲]
الگوریتم بهینه سازی گروه ذرات هوشمند IPSO
الگوریتم فراابتکاری بهینه سازی گروه ذرات روش محاسباتی تکاملی مبتنی بر جمعیت جوابها است. مانند سایر الگوریتمهای فراابتکاری، الگوریتم مذکور ابزار بهینهسازیی است که میتواند برای حل انواع مختلفی از مسایل بهینه سازی بهکار گرفته شود. این الگوریتم از جدیدترین روش های فراابتکاری است که با الهامگیری از رفتار اجتماعی گروهی از پرندگان مهاجر که در تلاش برای دستیابی به مقصد ناشناختهای هستند، توسط کندی و ابرهارت (۱۹۹۵) در سال ۱۹۹۵ میلادی توسعه داده شده است. در الگوریتم PSO، جمعیت جوابها، گروه^[۱] نامیده میشود و هر جواب مانند یک پرنده در گروهی از پرندگان است و ذره^[۲] نام دارد و شبیه کرموزوم در الگوریتم ژنتیک است. تمامی ذرات دارای مقدار شایستگی^[۳] هستند که با بهره گرفتن از تابع شایستگی^[۴] محاسبه میگردند و تابع شایستگی ذرات باید بهینه گردد. جهت حرکت هر ذره توسط بردار سرعت^[۵] آن ذره معین میشود. برخلاف الگوریتم ژنتیک، در فرایند تکاملی الگوریتم مذکور، پرندگان جدیدی از نسل قبل (جوابهای جدید از جواب‌های قبلی) ایجاد نمیگردد، بلکه هر پرنده رفتار اجتماعی خود را با توجه به تجربیاتش و رفتار سایر پرندگان گروه تکامل بخشیده و مطابق آن حرکت خود را به سوی مقصد بهبود میدهد.
در این تحقیق از الگوریتم بهبود یافته بهینه سازی انبوه ذرات (IPSO) استفاده می شود. الگوریتم IPSO همانند الگوریتم PSO است، با این تفاوت که در هر بار محاسبه مقدار تابع هدف، از روش های بهبود همانند ^* opt-2 استفاده می شود . با بهره گرفتن از این روش، زمان حل نسبت به PSO کمتر می شود. همچنین جواب های ارائه شده بهتر می شوند