قالب بندی : CSharp
شرح مختصر : در این پروژه بازی شطرنج به کمک زبان برنامه نویسی سی شارپ شبیه سازی شده است. البته هدف اصلی پروژه شبیه سازی قوانین شطرنج در زبان برنامه نویسی بوده و برنامه فاقد هوش مصنوعی میباشد. در این بازی کنترل هر دو طرف در دست کاربر بوده و مهره ها را طبق قوانین شطرنج میتوان جابجا کرد.
مقاله مربوط به سال 2003 با عنوان<!--StartFragment -->
Kalman filtering for fuzzy discrete time dynamic systems
در این پست برای شما قرار گرفته است.
در صورت بروز مشکل هنگام پرداخت هزینه به آیدی تلگرام بنده پیام دهید.
@adota
مقدمه مقاله به صورت زیر میباشد.
<!--StartFragment -->
This paper uses Kalman filter theory to design a state estimator for noisy discrete time Takagi–Sugeno (T–S) fuzzy models. One local filter is designed for each local linear model using standard Kalman filter theory. Steady state solutions can be found for each of the local filters. Then a linear combination of the local filters is used to derive a global filter. The local filters are time-invariant, which greatly reduces the computational complexity of the global filter. The global filter is shown to be unbiased and (under certain conditions) stable. In addition, under the approximation of uncorrelatedness among the local models, the global filter is shown to be minimum variance. The proposed state estimator is demonstrated on a vehicle tracking problem and a backing up truck–trailer example.
© 2003 Elsevier B.V. All rights reserved.
در این پست امکان دانلود شبیه سازی مقاله در مورد بهینه سازی توابع عضویت فازی با عنوان زیر مربوط به سال 2002 و مجله neurocomputing برای شما فراهم شده است.
Training radial basis neural networks with the extended
Kalman filter
در صورت بروز مشکل هنگام پرداخت هزینه به آیدی تلگرام بنده پیام دهید.
@adota
مقدمه مقاله به صورت زیر است
Radial basis function (RBF) neural networks provide attractive possibilities for solving
signal processing and pattern classi$cation problems. Several algorithms have been proposed for choosing the RBF prototypes and training the network. The selection of the RBF
prototypes and the networkweights can be viewed as a system identi$cation problem. As
such, this paper proposes the use of the extended Kalman $lter for the learning procedure.
After the user chooses how many prototypes to include in the network, the Kalman $lter simultaneously solves for the prototype vectors and the weight matrix. A decoupled extended
Kalman $lter is then proposed in order to decrease the computational e3ort of the training
algorithm. Simulation results are presented on reformulated radial basis neural networks
as applied to the Iris classi$cation problem. It is shown that the use of the Kalman $lter
results in better learning than conventional RBF networks and faster learning than gradient
descent. c 2002 Elsevier Science B.V. All rights reserved.
اختریاخته یا آستروسیت (astrocyte) یا آستروگلیا یاخته‌ای گلیایی (پی‌بانی) و ستاره‌شکل است که تغذیه و حفاظت یاخته‌های عصبی را بر عهده دارد.
اختریاخته‌ها سلول‌های گلیای ستاره‌شکل در مغز و طناب نخاعی می‌باشند. آستروسیت‌ها بیشترین نوع سلول‌های گلیا هستند. آستروسیت یعنی سلول ستاره‌ای و این نام به درستی شکل این سلول را توصیف می‌کند. آستروسیت‌ها از اندازه بزرگی برخوردارند و نورون‌ها را تغذیه کرده و از ان‌ها حمایت می‌کنند و به همراه میکروگلیاها مواد زاید درون مغز را از بین می‌برند؛ و در نهایت به صورت مواد شیمیایی از مایع احاطه‌کننده نورون‌ها حفاظت می‌کنند.
گاهی اوقات نورون‌ها به دلایل ناشناخته‌ای از بین می‌روند و یا در اثر ضربه مغزی عفونت و یا سکته مغزی می‌میرند. در این هنگام اختریاخته‌ها به همراه میکروگلیا وظیفه پاکسازی و از بین بردن مواد زاید باقی‌مانده را به عهده می‌گیرند. این سلول‌ها قادرند در دستگاه عصبی مرکزی حرکت کرده، به هنگام برخورد با یک ماده زاید آن را بلعیده و هضم کنند. به این فرایند بیگانه‌خواری می‌گوییم.
به اختریاخت‍ه‌ای که عمدتاً در ماده خاکستری مغز یافت می‌شود و رشته‌های گلیایی کمی دارد اختریاخته درشت‌رشته (protoplasmic astrocyte) گفته می‌شود. به اختریاخت‍ه‌ای که عمدتاً در ماده سفید مغز یافت می‌شود و رشته‌های گلیایی متعدد دارد اختریاخته نازک‌رشته ((fibrous astrocyte) می‌گویند.
در این مقاله یک آستروسیت بیولوژیکی به صورت مداری و به صورت آنالوگ طراحی می شود. مدار در تکنولوژی 0.35 میکرومتر طراحی شده است و خروجی های آن به ازای ورودیهای پالس و سینوسی در چهار فرکانس نشان داده شده است.
مقاله با نرم افزار HSpice شبیه سازی شده است. این مقاله در سال 2016 و در مجله علمی Springer به چاپ رسیده است.
تمام این خروجی ها در نرم افزار HSpice به دست آورده شده است. این مقاله می تواند به عنوان پروژه ای کاملا مناسب و قوی برای دروس مدار مجتمع خطی، VLSI و سایر دروس کارشناسی و کارشناسی ارشد مورد استفاده قرار گیرد.
عنوان مقاله:
On The Role Of Astrocyte Analog Circuit In Neural Frequency Adaptation
نویسنده:
M.Amiri
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه99
بخشی از فهرست مطالب
چکیده 1
فصل1: مقدمه
2
۱-۱ طرح مسئله
2
۲-۱ اهداف تحقیق
۳
۳-۱ معرفی فصل های مورد بررسی در این تحقیق
۴
فصل2: انرژی باد و انواع توربین های بادی
۵
۱-۲ انرژی باد
۶
۱-۱-۲ منشا باد
۶
۲-۱-۲ پیشینه استفاده از باد
۷
۳-۱-۲ مزایای انرژی بادی
۸
۴-۱-۲ ناکارآمدیهای انرژی بادی
۹
۵-۱-۲ وضعیت استفاده از انرژی باد در سطح جهان
۱۰
۲-۲ فناوری توربین های بادی
۱۱
۱-۲-۲ توربینهای بادی با محور چرخش افقی
۱۲
۲-۲-۲ توربینهای بادی با محور چرخش عمودی
۱۲
۳-۲-۲ اجزای اصلی توربین بادی
۱۴
۴-۲-۲ چگونگی تولید توان در سیستم های بادی
۱۵
۱-۴-۲-۲ منحنی پیش بینی توان توربین باد
۱۵
۳-۲ تقسیم بندی سیستم های تبدیل کننده انرژی باد (WECS) بر اساس نحوه عملکرد
۲۰
۱-۳-۲ سیستم های تبدیل کننده انرژی باد (WECS) سرعت ثابت
۲۰
۲-۳-۲ سیستم های تبدیل کننده انرژی باد (WECS) سرعت متغیر
۲۲
۳-۳-۲ سیستم های تبدیل کننده انرژی باد بر مبنای ژنراتور القایی با تغذیه دوگانه (DFIG)
۲۴
۴-۳-۲ سیستم های تبدیل کننده انرژی باد مجهز به توربین های سرعت متغیر با مبدل فرکانسی با ظرفیت کامل
۲۶
فصل۳: تاریخچه کنترل فرکانس سیستم های قدرت در حضور واحدهای بادی، معرفی مدل ریاضی و الگوریتم ازدحام ذرات
۲۷
۱-۳ مرورری بر کارهای انجام شده
۲۹
۲-۳ کنترل DFIG
۳۳
۳-۳ مدل دینامیکی سیستم تنظیم فرکانس توربین بادی با ژنراتور القایی تغذیه دوگانه
۳۶
۴-۳ مدل دینامیکی ساختار تنظیم فرکانس سیستم تک ناحیه ای در حضور توربین بادی با ژنراتور القایی تغذیه دوگانه (DFIG)
۴۰
۵-۳ الگوریتم حرکت گروهی پرندگان یا ازدحام ذرات PSO
۴۴
۶-۳ نتیجه گیری
۴۷
فصل۴: طراحی کنترل کننده PI بهینه سازی شده توسط الگوریتم ازدحام ذرات
۴۸
۱-۴ بهینه سازی طراحی کنترل‌کننده PI با استفاده از روش بهینه سازی هوشمند ازدحام ذرات (PSO)
۴۹
۱-۱-۴ نتایج شبیه سازی کنترل کننده PI بهینه سازی شده با الگوریتم PSO
۵۳
۴-۲ نتیجه گیری
۵۹
فصل پنجم: طراحی کنترل کننده فازی
۶۱
۱-۵ منطق فازی
۶۲
۱-۱-۵ تعریف مجموعه فازی
۶۲
۲-۱-۵ مزایای استفاده از منطق فازی
۶۳
۵-۲ طراحی کنترل کننده فازی
۶۴
۱-۲-۵ ساختار یک کنترل کننده فازی
۶۴
۱-۱-۲-۵ فازی کننده
۶۵
۲-۱-۲-۵ پایگاه قواعد
۶۶
۳-۱-۲-۵ موتور استنتاج
۶۶
۴-۱-۲-۵ غیر فازی ساز
۶۷
۳-۵ طراحی کنترل‌کننده فازی بهینه شده با الگوریتم PSO
۶۸
5-3-1 نتایج شبیه سازی
۷۲
فصل ششم: نتیجه گیری و پیشنهادات
78
۱-۶ نتیجه گیری
۷۹
۲-۶ پیشنهادات
۸۱
فهرست جدولها
جدول ۱-۲: انواع توربین های عرضه شده در بازار
۱۱
جدول ۴-۱: اطلاعات شبیه سازی
۵۱
جدول ۲-۴: پارامترهای انتخابی الگوریتم PSO
۵۳
جدول ۳-۴: اطلاعات شبیه سازی
۵۳
جدول ۱-۵: پارامترهای انتخابی الگوریتم PSO
۷۳
جدول ۲-۵: پارامترهای بهینه شده کتترل کننده فازی با الگوریتم PSO
۷۳
فهرست شکلها
شکل ۱-۲ : تولید باد
۶
شکل ۲-۲: وسیله ای بر اساس طرح ایرانیان به منظور استفاده از انرژی باد [۱۰]
۷
شکل ۳-۲: ساختمان توربین بادی محور افقی [۱۱]
۱۳
شکل ۴-۲: توربین بادی نوع داریوس (محور عمودی) [۱۱]
۱۳
شکل ۵-۲: نمایی از یک سیستم تبدیل انرژی بادی در توربین بادی با محور افقی [۱]
۱۴
شکل ۶-۲: دیاگرام سیستم بادی [۲]
۱۵
شکل ۷-۲: منحنی توان-سرعت باد یک توربین بادی زاویه گام قابل تنظیم ۱۵۰۰ کیلوواتی با سرعت قطع خروجی ۲۵ متربرثانیه [۲]
۱۶
شکل ۸-۲ : نمودار تغییرات بر حسب تغییرات زاویه گام و نسبت سرعت نوک برای توربین بادی زاویه گام متغیر [۱]
۱۸
شکل ۹-۲: نمودار تغییرات بر حسب تغییرات زاویه گام و نسبت سرعت نوک برای توربین بادی زاویه گام متغیر [۱]
۱۹
شکل ۱۰-۲: نمودار تغییرات و بر حسب تغییرات زاویه گام و نسبت سرعت نوک برای توربین بادی زاویه گام ثابت [۱]
۲۰
شکل ۱۱-۲: توربین بادی سرعت ثابت
۲۱
شکل ۱۲-۲: آرایشی از توربین بادی با سرعت متغیر محدود با مقاومت متغیر رتور
۲۳
شکل ۱۳-۲: ساختمان توربین بادی نوع DFIG
۲۵
شکل ۱-۳: نمایی از عملکرد سیستم تبدیل انرژی باد
۳۴
شکل ۲-۳: ساختار کنترل کننده توربین بادی DFIG [۳۰]
۳۵
شکل ۳-۳: مدل دینامیکی سیستم قدرت تک ناحیه ای در حضور واحدهای تولید غیر سنتی (بادی)[۳۰]
۳۶
شکل ۴-۳: مدل دینامیکی توربین بادی دارای ژنراتور DFIG به منظور تنظیم فرکانس[۳۰]
۳۷
شکل ۵-۳: بلوک دیاگرام سیستم تنظیم فرکانس سیستم قدرت تک ناحیه ای در حضور توربین بادی DFIG [۳۰]
۴۱
شکل ۶-۳: شماتیک برداری روابط الگوریتم PSO
۴۵
شکل ۷-۳: فلوچارت الگوریتم PSO
۴۶
شکل ۱-۴: سیستم حلقه بسته
۵۰
شکل ۲-۴: نمودار تغییرات سرعت توربین بادی- زمان برای کنترل‌کننده PI کلاسیک به ازای تغییر بار ، و
۵۱
شکل ۳-۴: سیستم حلقه بسته با اضافه کردن انتگرال مربع خطا
۵۲
شکل ۴-۴: نمودار تغییرات سرعت توربین بادی- زمان برای کنترل‌کننده PI بهینه به ازای تغییر بار ، و
۵۴
شکل ۵-۴: مقایسه نمودار تغییرات سرعت توربین بادی- زمان برای کنترل‌کننده PI بهینه و کلاسیک به ازای تغییر بار
۵۵
شکل 6-۴: نمودار فرکانس با در نظر گرفتن کنترل کننده PI کلاسیک برای کنترل سرعت توربین بادی به ازای تغییر بار
۵۶
شکل7-۴: نمودار فرکانس با در نظر گرفتن کنترل کننده PI بهینه برای کنترل سرعت توربین بادی به ازای تغییر بار
۵۶
شکل 8-۴: نمودار فرکانس با در نظر گرفتن کنترل کننده PI کلاسیک برای کنترل سرعت توربین بادی به ازای تغییر بار
۵۷
شکل 9-۴: نمودار فرکانس با در نظر گرفتن کنترل کننده PI بهینه برای کنترل سرعت توربین بادی به ازای تغییر بار
۵۷
شکل ۱0-۴: تغییرات توان تولید شده توسط واحدهای بادی با در نظر گرفتن کنترل کننده PI کلاسیک برای کنترل سرعت توربین بادی
۵۸
شکل ۱1-۴: تغییرات توان تولید شده توسط واحدهای بادی با در نظر گرفتن کنترل کننده PI بهینه برای کنترل سرعت توربین بادی
۵۹
شکل ۱-۵: نمایی از یک کنترل کننده فازی
۶۵
شکل ۲-۵: مثال هایی از توابع عضویت: (a) تابع z ، (b) گوسین، (c) تابع s، (d-f) حالتهای مختلف مثلثی، (g-i) حالتهای مختلف ذوزنقه ای، (j) گوسین تخت،(k) مستطیلی، (l) تک مقداری
۶۵
شکل ۳-۵: تابع عضویت خطا
۶۹
شکل ۴-۵: تابع عضویت مشتق خطا
۶۹
شکل ۵-۵: نمودار تغییرات سرعت توربین بادی برای کنترل کننده PI بهینه به ازای تغییر بار
۷۲
شکل ۶-۵: نمودار تغییرات سرعت توربین بادی با کنترل کننده فازی بهینه شده با الگوریتم PSO به ازای ورودی اغتشاش
۷۴
شکل ۷-۵: نمودار تغییرات سرعت توربین بادی با کنترل کننده فازی بهینه شده با الگوریتم PSO به ازای ورودی اغتشاش
۷۴
شکل ۸-۵: نمودار تغییرات سرعت توربین بادی با کنترل کننده فازی بهینه شده با الگوریتم PSO به ازای ورودی اغتشاش
۷۵
شکل ۹-۵: نمودار تغییرات سرعت توربین بادی با کنترل کننده فازی بهینه شده با الگوریتم PSO به ازای ورودی اغتشاش
۷۵
شکل ۱۰-۵: نمودار فرکانس با در نظر گرفتن کنترل کننده فازی بهینه برای کنترل سرعت توربین بادی به ازای تغییر بار
۷۶
شکل ۱۱-۵: نمودار فرکانس با در نظر گرفتن کنترل کننده فازی بهینه برای کنترل سرعت توربین بادی به ازای تغییر بار
۷۶
شکل ۱۲-۵: نمودار فرکانس با در نظر گرفتن کنترل کننده فازی بهینه برای کنترل سرعت توربین بادی به ازای تغییر بار
۷۷
شکل ۱۳-۵: نمودار فرکانس با در نظر گرفتن کنترل کننده فازی بهینه برای کنترل سرعت توربین بادی به ازای تغییر بار
۷۷
چکیده
امروزه با توجه به نیاز روزافزون بشر به انرژی از یک سو و کاهش منابع سنتی انرژی از سویی دیگر، نیاز به یافتن منابع جدید انرژی به روشنی احساس می گردد. جایگزینی منابع فسیلی با انرژی های نو و تجدیدپذیر راهکاری است که مدت هاست مورد توجه کشورهای پیشرفته جهان قرار گرفته است. در بین منابع انرژی های نو، انرژی باد به دلیل پاک و پایان ناپذیر بودن، داشتن قابلیت تبدیل به انرژی الکتریکی و رایگان بودن گزینه مناسبی برای این منظور می باشد. مشکل عمده در بهره برداری از آن این است که تغییرات لحظه ای سرعت باد باعث ایجاد نوسانات در توان خروجی توربین بادی می شود که این نوسانات به شکل تغییر فرکانس در سرتاسر سیستم منعکس می شود و عملکرد سیستم را تحت تاثیر قرار می دهد. به صورت سنتی وظیفه کنترل فرکانس به عهده واحد های تولید کننده انرژی سنتی می باشد اما با افزایش مشارکت واحدهای تولید بادی در تولید انرژی برای بهبود عملکرد سیستم، آنها نیز باید در کنترل فرکانس شرکت کنند.
این پایانامه به بررسی نقش مشارکت واحدهای تولید بادی درکنترل فرکانس پرداخته است و برای کنترل فرکانس، کنترل هر چه بهتر تغییرات سرعت توربین های بادی پیشنهاد شده است. ابتدا سیستم قدرت مورد نظر با استفاده از کنترل کننده PI کلاسیک برای کنترل کردن سرعت ژنراتور توربین بادی شبیه سازی شده و در ادامه به منظور بهبود عملکرد سیستم، بهینه سازی تنظیم پارامترهای کنترل کننده PI با الگوریتم بهینه سازی هوشمند ازدحام ذرات پیشنهاد شده است. در پایان به علت اینکه سیستم های قدرت در حضور واحدهای بادی در معرض تغییر پارامترها و عدم قطعیت های زیادی قرار می گیرند جایگزینی کنترل کننده PI با کنترل کننده فازی پیشنهاد شده است که غیر خطی می باشد و عملکرد مقاومتری نسبت به تغییر پارامترهای سیستم از خود نشان می دهد. بدیهی است با بهینه سازی کنترل کننده فازی مورد نظر با الگوریتم بهینه سازی هوشمند ازدحام ذرات نتایج مطلوب تری بدست می آید.
کلید واژه: کنترل فرکانس سیستم قدرت- سیستم های تبدیل کننده انرژی باد- کنترل کننده PI – کنترل کننده فازی- الگوریتم ازدحام ذرات
فصل اول
مقدمه
۱-۱ طرح مسئله
امروزه با توجه به نیاز روزافزون بشر به انرژی الکتریکی از یک سو و محدودیت ذخایر سوخت‌های فسیلی و همچنین نگرانی‌های زیست محیطی در پی افزایش گاز دی اکسید کربن و دیگر گاز‌های گلخانه‌ای از سویی دیگر، نیاز به یافتن منابع جدید انرژی به روشنی احساس می‌گردد. جایگزینی منابع فسیلی با انرژی‌های نو و تجدیدپذیر راهکاری است که مدت‌هاست مورد توجه کشورهای پیشرفته جهان قرار گرفته است. یکی از مهمترین انرژی‌های تجدید پذیر، انرژی باد میباشد. انرژی باد پایان ناپذیر، رایگان و پاک است در ضمن به راحتی قابل تبدیل به انرژی الکتریکی میباشد پس می‌تواند در بین منابع انرژی‌های نو گزینه مناسبی جهت جایگزینی با منابع فسیلی باشد[۱].
استفاده از انرژی باد در هر سال رشد ۱۰% را در دنیا و رشد ۳۷% را در اروپا داشته است. پیشبینی می‌شود تا سال ۲۰۲۰ در حدود ۱۰% انرژی کل دنیا توسط نیروگاه‌های بادی تولید شود که تا ۵۰% در سال ۲۰۵۰ افزایش خواهد داشت[۲].
با وجود اینکه استفاده از انرژی باد به منظور تولید انرژی الکتریکی پیشینه زیادی دارد اما به دلیل نفوذ کمی که در تولید انرژی داشته‌اند تاثیر وجود آنها در شبکه چندان مورد بررسی قرار نگرفته است. منبع انرژی باد غیر قابل پیش بینی است بنابراین اضافه شدن مقدار قابل توجهی از واحدهای تولید بادی به شبکه‌های الکتریکی موجود، تاثیر قابل ملاحظه‌ای بر طراحی، کارکرد و کنترل شبکه خواهد گذاشت.
به علت متغیر بودن سرعت باد سرعت توربینهای بادی مدام در حال تغییر است و از آنجایی که توان خروجی توربینهای بادی با مکعب سرعت باد متناسب است تغییرات لحظه‌ای سرعت باد باعث ایجاد نوسانات در توان خروجی توربین بادی می‌شود و این نوسانات به شکل تغییر فرکانس در سرتاسر سیستم منعکس می‌شود. از طرفی می‌دانیم به منظور اینکه یک سیستم قدرت عملکرد رضایت بخشی داشته باشد، ثبات فرکانس در آن امری ضروری است. پس میتوان گفت در حضور واحدهای تولید بادی در سیستم های قدرت که آشفتگی‌ها و تغییر پارامترهای بیشتری را به سیستم تحمیل می‌کنند کنترل فرکانس سیستم بیش از پیش مورد توجه قرار می‌گیرد و نیازمند مطالعات بیشتری میباشد.
به صورت سنتی سیستم‌های تبدیل کننده انرژی بادی [1](WECS) در کنترل فرکانس شرکت نمی‌کنند، به این معنی که وقتی فرکانس در شبکه زیاد یا کم می‌شود واحدهای بادی تولید خود را زیاد یا کم نمی‌کنند بلکه با افزایش یا کاهش تولید واحدهای سنتی افت یا افزایش فرکانس جهت نگه داشتن فرکانس شبکه در محدوده مجاز خود، جبران می‌شود. اما با افزایش مشارکت واحدهای تولید بادی در تولید انرژی برای بهبود عملکرد سیستم، آنها نیز باید در کنترل فرکانس شرکت کنند.
.
این پایان‌نامه به بررسی نقش توربینهای بادی سرعت متغیر در تنظیم و کنترل فرکانس پرداخته است و به منظور نگه داشتن فرکانس در محدوده مورد نظر کنترل هرچه بهتر تغییرات سرعت توربینهای بادی پیشنهاد شده است. به این منظور ابتدا سیستم قدرت مورد نظر با استفاده از کنترل‌کننده PI کلاسیک برای کنترل‌کننده سرعت ژنراتور توربین بادی در حضور اغتشاش‌های کوچک شبیه سازی شده و در ادامه به منظور بهبود عملکرد سیستم، بهینه‌سازی تنظیم پارامترهای کنترل‌کننده PI با الگوریتم بهینه‌سازی هوشمند ازدحام ذرات[2] پیشنهاد شده است. از آنجایی که سیستم قدرت در حضور واحدهای بادی مدام در معرض عدم قطعیت و تغییر پارامتر قرار می‌گیرد پیشنهاد شده است که به منظور کنترل تغییرات سرعت توربینهای بادی به جای کنترل‌کننده PI، کنترل‌کننده فازی قرار بگیرد که عملکرد مقاومتری نسبت به تغییر پارامترهای سیستم از خود نشان می‌دهد. بدیهی است با بهینه‌سازی کنترل‌کننده فازی مورد نظر با الگوریتم بهینه‌سازی هوشمند ازدحام ذرات نتایج مطلوب تری بدست می‌آید.
۲-۱ اهداف تحقیق
رشد سریع و نفوذ بیشتر واحدهای تولید بادی در سیستم‌های قدرت موجب شده روش‌های کنترل فرکانس این سیستم ها متفاوت با روش‌های سنتی کنترل فرکانس باشد. ارائه روش‌های جدید کنترل فرکانس در اینگونه سیستم‌ها همواره مورد توجه محققین بوده است.
در زیر به خلاصه ای از اهداف این تحقیق اشاره شده است.
۳-۱ معرفی فصل های مورد بررسی در این تحقیق
فصل دوم به بررسی انرژی باد، انواع توربینهای بادی و نحوه عملکرد سیستم‌های تبدیل کننده انرژی باد می‌پردازد. فصل سوم به ارائه مدل فضای حالت سیستم قدرت تک ناحیه‌ای در حضور واحدهای بادی پرداخته، و برای کنترل تغییرات سرعت توربینهای بادی از کنترل‌کننده PI کلاسیک استفاده می‌کند و در پایان به معرفی الگوریتم ازدحام ذرات می‌پردازد. در فصل چهارم به منظور بهبود عملکرد، تنظیم پارامترهای کنترل‌کننده PI کلاسیک با الگوریتم بهینه‌سازی هوشمند ازدحام ذرات انجام می‌گیرد. فصل پنجم نیز به ارائه کنترل‌کننده فازی بهینه با استفاده از الگوریتم بهینه‌سازی هوشمند ازدحام ذرات برای کنترل‌کننده سرعت ژنراتور توربین بادی می‌پردازد و در نهایت در فصل ششم نتایج با هم مقایسه شده‌اند و زمینه‌ای برای کارهای بعدی ارائه می‌گردد.
فصل دوم
انرژی باد و انواع توربینهای بادی
یکی از مهمترین انرژی‌های تجدید پذیر، انرژی باد میباشد. انرژی باد ارزان، فراوان، پاک و به راحتی قابل تبدیل به انرژی الکتریکی میباشد. بخش اول این فصل با نگاهی کلی به منشا انرژی باد و پیشینه استفاده از آن به بیان مزایا و معایب بهره برداری از این انرژی پرداخته و در ادامه وضعیت استفاده از انرژی باد را در سطح جهان بررسی می‌نماید. در بخش دوم انواع توربینهای بادی بر اساس محور چرخش پره ها مورد بررسی قرار می گیرند، همچنین قسمت های مختلف سیستم بادی، نحوه تولید توان و پارامترهای مهم توربینهای بادی معرفی می شوند. بخش پایانی این فصل نیز به تقسیم بندی انواع سیستم های تبدیل کننده انرژی باد بر اساس نحوه عملکردشان می‌پردازد.
۱-۲ انرژی باد
۱-۱-۲ منشأ باد
انرژی باد، انرژی حاصل از هوای متحرک میباشد. هنگامی که تابش خورشید به طور نامساوی به سطوح ناهموار زمین می‌رسد سبب ایجاد تغییرات دما و فشار می‌گرددو در اثر این تغییرات باد به وجود می‌آید. همچنین اتمسفر کره زمین به دلیل حرکت وضعی زمین، گرما را از مناطق گرمسیری به مناطق قطبی انتقال می‌دهد که این امر نیز باعث به وجود آمدن باد می‌گردد. جریان اقیانوسی نیز به صورت مشابه عمل نموده و عامل ۳۰% انتقال حرارت کل در جهان میباشد[۱].
شکل ۱-۲ : تولید باد
در مقیاس جهانی، این جریانات اتمسفری به صورت یک عامل قوی جهت انتقال حرارت و گرما عمل می نمایند.