تحلیل کیفیت توان الکتریکی با استفاده از نظریه مجموعه‌های خشن و ارزیابی مبتنی بر فاصله ترکیبی

چکیده

هر نیروگاه (PP) یک موجودیت مستقل به شمار می‌آید که انتخاب مکان آن بر اساس معیارهای متعددی انجام می‌شود. در سال‌های اخیر، اهمیت انتخاب مکان نیروگاه‌ها در شرایط نامشخص به وضوح افزایش یافته است. تصمیم‌گیری چندگزینه‌ای در انتخاب مکان مناسب برای ساخت نیروگاه موضوع اصلی این تحقیق می‌باشد. هدف این مطالعه طراحی مدلی است که به تصمیم‌گیرندگان کمک کند مکان‌های مناسب برای نصب نیروگاه‌های آبی (HPP) را بر اساس ویژگی‌های چندمعیاری مانند دسترسی به شبکه برق، پتانسیل توان، جنبه‌های اقتصادی، تأثیرات زیست‌محیطی، توپوگرافی و خطرات طبیعی رتبه‌بندی کند. در این تحقیق، یک کاربرد نوآورانه از رویکرد ترکیبی استفاده می‌شود که شامل نظریه مجموعه‌های خشن (RST) و روش ارزیابی مبتنی بر فاصله ترکیبی (CODAS) است تا مکان‌های موجود برای نصب HPP را اولویت‌بندی کند. ابتدا، قدرت RST برای دستیابی به مجموعه‌ای حداقلی از عوامل کاهش یافته به کار می‌رود. سپس، وزن‌های نسبی عوامل حداقلی با تکیه بر RST تعیین می‌شود. سرانجام، تکنیک CODAS برای محاسبه رتبه گزینه‌ها به کار گرفته می‌شود. مقایسه نتایج حاصل از روش پیشنهادی با نتایج بدون کاهش عوامل نشان‌دهنده صرفه‌جویی در زمان و انرژی می‌باشد.

مقدمه

گرمایش جهانی، ناشی از افزایش فعالیت‌های صنعتی و استفاده بی‌رویه از سوخت‌های فسیلی، به چالش‌های جدی منجر شده است. این عوامل باعث شده‌اند تا آب و هوای بسیاری از مناطق غیرقابل پیش‌بینی شده و به حالات غیرمعمولی دچار شوند. در این زمینه، نیروگاه‌های آبی به عنوان یکی از بهترین منابع انرژی تجدیدپذیر، به دلیل دوست‌دار محیط‌زیست بودن، امنیت، پایداری و اقتصادی بودن، توجه بیشتری را به خود جلب کرده‌اند.

انتخاب مناسب‌ترین مکان برای نصب نیروگاه آبی (HPP) یک فرآیند پیچیده محسوب می‌شود، چرا که معیارهای متعدد و متضاد نیاز به بررسی دقیق دارند. به طور کلی، وابستگی امکان‌پذیری نصب یک نیروگاه (PP) به مکان، به مشکلی در تصمیم‌گیری چندگزینه‌ای (MCDM) منجر می‌شود. در این فرآیند، معیارهای قابل اندازه‌گیری و نامشخص وجود دارد که می‌توان آن‌ها را با استفاده از الگوریتمی که هوش طبیعی را شبیه‌سازی می‌کند، به درستی مدل‌سازی کرد.

در راه‌اندازی مکان‌های صنعتی مانند PPها، عواملی خطرناک برای محیط زیست و موجودات زنده به دلیل کاهش وسعت جنگل‌ها در دوران ساخت و همچنین آلودگی‌های ناشی از آن بروز می‌کنند. حتی در PPهای حرارتی، گازهای مضر به سبب احتراق سوخت ممکن است منتشر شوند. محیط زیستی که به شدت آلوده شده است، به شدت تحت تاثیر نصب ناresponsible و نادرست PPها قرار دارد. از این رو، بررسی تأثیرات زیست‌محیطی (EIE) نیازمند توجه بیشتری است و معمولاً پس از شناسایی مکان‌های ممکن برای نصب یک کارخانه صنعتی انجام می‌شود. فرآیندهای EIE به عنوان الزامات اساسی در انتخاب مکان‌ها به مدت طولانی عمل می‌کنند و هم‌اکنون مورد توجه محققان قرار دارند.

از جمله معیارهای دیگر که در انتخاب مکان PPها نقش حیاتی ایفا می‌کنند، دسترسی به شبکه برق و جنبه‌های اقتصادی هستند. زمانی که HPP نصب می‌شود، نرخ جریان آب و ارتفاع آبی از عوامل کلیدی محسوب می‌شوند چرا که توان خروجی HPP به این عوامل به طور مستقیم وابسته است.

روش‌های مختلف برای انتخاب مکان

تحقیقات بسیاری به منظور اولویت‌بندی مکان‌های موجود برای نصب PPها با استفاده از روش‌های متنوع انجام شده‌اند. به طور خاص، سیستم‌های اطلاعات جغرافیایی (GIS)، میانگین وزنی مرتب شده به همراه میانگین وزنی خطی، شبکه‌های عصبی مصنوعی آموزش دیده با الگوریتم ژنتیک، ساختار نوروفازی، تکنیک TOPSIS بهینه‌سازی شده با VIKOR و فرآیند تحلیل سلسله‌مراتبی (AHP) از جمله این روش‌ها به شمار می‌روند.

علاوه بر این رویکردها، از سایر تکنیک‌ها مانند منطق فازی (FL)، FL به همراه TOPSIS، FL به همراه هر دو AHP و TOPSIS، سیستم‌های خبره و برنامه‌ریزی خطی نیز برای درجه‌بندی مکان‌های موجود برای نصب PPها استفاده شده است.

علاوه بر روش‌های پیشین، دیگر تکنیک‌ها نیز برای ارزیابی مکان‌های مناسب جهت نصب PPها به کار رفته‌اند، از جمله نظریه گراف به همراه روش ماتریس، مجموع چندمشخصه‌ای شوکه و مدل تصمیم‌گیری سلسله‌مراتبی.

با توجه به مرور مختصر بالا، هنوز فرصتی برای درجه‌بندی مکان‌های موجود برای نصب HPP وجود دارد. در این راستا، تحقیق به بررسی RST و ارزیابی مبتنی بر فاصله ترکیبی (CODAS) که در سال ۲۰۱۶ طراحی شده است، می‌پردازد تا مکان‌های موجود برای نصب HPP را درجه‌بندی کند.

سیستم‌های دانش

تصور کنید که یک سیستم اطلاعاتی به صورت (OB, ATT, VAL, f) وجود دارد، که در آن OB یک گروه غیرخالی از اشیاء، ATT یک گروه غیرخالی از ویژگی‌های محدود، VAL مخزن مقادیر ویژگی‌ها و f یک نگاشت از OB به VAL است. همچنین، fa(x) به معنای مقدار ویژگی a از شیء x تعریف می‌شود.

رابطه عدم تمایز

در نظریه مجموعه‌های خشن (RST)، یک رابطه معادل به نام RA اساساً برای فرایند طبقه‌بندی به کار می‌رود و می‌توان آن را نسبت به A (که A ⊆ ATT است) به شکل زیر توصیف کرد:

.

اگر (x, y) ∈ RA باشد، به این معنی است که x و y با استفاده از ویژگی‌های A غیرقابل تمایز هستند. کلاس‌های معادل ایجاد شده توسط رابطه معادل RA به نام دسته‌بندی [x]A شناخته می‌شوند.

تقریب‌های مجموعه‌ها

تقریب‌های بالایی و پایینی X ⊆ OB به شرح زیر بیان می‌شوند:

.

یک مجموعه خشن به صورت جفت مرتبه‌دار (RA ↓ X, RA ↑ X) تعریف می‌شود.

وابستگی ویژگی‌ها

در RST، ارزیابی وابستگی دو مجموعه ویژگی A و B ⊆ ATT ارائه شده است. این ارزیابی به نام درجه وابستگی A به B (γB(A)) شناخته می‌شود و به صورت زیر بیان می‌گردد:

.

در اینجا، card به کاردینالیته مجموعه و POSB(A) به ناحیه مثبت دسته‌بندی [x]A (که به اختصار ناحیه مثبت A نامیده می‌شود) برای B اشاره دارد. مجموعه POSB(A) مشتمل بر اشیاء OB است که ممکن است به یک کلاس معادل از RA نسبت داده شوند، با اتکا به ویژگی‌های B. پارامتر γB(A) نسبت اشیایی را که می‌توانند به‌درستی دسته‌بندی شوند، تعیین می‌کند و به عبارت دیگر، می‌توان گفت که A به میزان γB(A) به B وابسته است. مقدار این پارامتر بین ۰ تا ۱ متغیر است.

اهمیت ویژگی‌ها

پارامتر γ برای شناسایی مفهوم مهمی در تحقیقات مربوط به اهمیت یک ویژگی مورد استفاده قرار می‌گیرد، همانطور که در (۶) نشان داده شده است:

.

در این معادله، σBa به اهمیت ویژگی a مربوط است، جایی که a ∈ B و B ⊆ ATT. این مقدار نشان می‌دهد که ویژگی a چقدر در B با توجه به دسته‌بندی [x]A مهم است. در این روند، حذف ویژگی a آزمون می‌شود و اهمیت آن به واسطه تغییرات ایجاد شده در دسته‌بندی [x]A ارزیابی می‌شود.

اهمیت ذکر شده به هر دو مجموعه A و B وابسته است و در نتیجه یک ارزش نسبی به شمار می‌آید. به همین دلیل، ممکن است یک ویژگی ارزش‌های متفاوتی برای دسته‌بندی‌های مختلف و در مجموعه‌های متفاوت (همان مجموعه B در (۶)) داشته باشد. برای شناسایی اهمیت مطلق یک ویژگی، در (۷) کل مجموعه ویژگی‌ها ATT به‌عنوان مجموعه‌های A و B با تعریف A = B = ATT مورد بررسی قرار می‌گیرد.

.

با توجه به اینکه γATT (ATT) = ۱، می‌توان نتیجه‌گیری کرد:

.

کاهش ویژگی‌ها و ویژگی‌های اصلی

فرض کنید ویژگی a، با a ∈ B و B ⊆ ATT، اگر POSB([x]A) برابر با POSB−{a}([x]A) باشد، در این صورت می‌گوییم که a نسبت به [x]A زائد است، در غیر این صورت، a ضروری تلقی می‌شود.

اگر RB برابر با RATT و POSB([x]A) متفاوت از POSB−{a}([x]A) باشد، در این صورت B به عنوان یک زیرمجموعه کاهش‌یافته برای سیستم اطلاعاتی مشخص می‌شود و با نماد RED(ATT) علامت‌گذاری می‌شود؛ تقاطع این زیرمجموعه‌های کاهش‌یافته به عنوان هسته خوانده می‌شود و با نماد CORE = ⋂RED(ATT) نمایش داده می‌شود.

وزن‌های ویژگی‌ها

زمانی که اهمیت هر ویژگی نرمال‌سازی می‌شود، می‌توان وزن هر ویژگی (wti) را به شکل زیر محاسبه کرد:

.

CODAS

CODAS یک روش نوین است که به طور مؤثری در MCDM (تصمیم‌گیری چندمعیاری) به کار می‌رود. در این تکنیک، مطلوبیت تمامی گزینه‌های موجود بر اساس دو معیار سنجیده می‌شود. معیار اول اندازه‌گیری فاصله اقلیدسی (l2 -norm) بین هر گزینه و بدترین راه حل است. معیار دوم اندازه‌گیری مربوط به فاصله تاکسی (l-norm) می‌باشد [۳۲]. به وضوح، گزینه‌ای که فاصله بیشتری از بدترین راه حل دارد، مورد ترجیح بیشتری قرار می‌گیرد. در شرایطی که دو گزینه از نظر فاصله اقلیدسی غیرقابل مقایسه باشند، فاصله تاکسی به‌عنوان یک معیار ثانویه به کار گرفته خواهد شد [۳۳]. فرض کنید که m گزینه و k معیار وجود دارد. مراحل CODAS برای MCDM به صورت زیر ترتیب داده می‌شود:

مرحله ۱

ماتریس تصمیم‌گیری (X) به صورت زیر تشکیل می‌شود:

.

در اینجا، xij (با xij > ۰) به مقدار عملکرد گزینه i در معیار j اشاره دارد (i ∈ {۱, ۲…, m} و j ∈ {۱, ۲…, k}).

مرحله ۲

ماتریس مقادیر نرمال شده (nij) عملکرد محاسبه می‌شود، که با نرمال‌سازی خطی به شکل زیر محاسبه می‌گردد:

.

در اینجا، Nc و Nb به ترتیب گروه‌های معیار هزینه و منفعت هستند.

مرحله ۳

ماتریس مقادیر نرمال شده وزنی (rij) عملکرد به شکل زیر محاسبه می‌شود:

rij = wtjnij

در این رابطه، wtj نمایانگر وزن معیار j است که با استفاده از (۹) محاسبه و تحت دو شرط زیر قرار می‌گیرد:

.

مرحله ۴

بدترین راه حل (ws) به عنوان کمترین مقدار از مقادیر نرمال شده وزنی عملکرد محاسبه می‌شود که به شکل زیر نمود پیدا می‌کند:

مرحله ۵

فاصله اقلیدسی (Ei) و فاصله تاکسی (Ti) بین گزینه‌ها و بدترین راه حل به‌صورت زیر محاسبه می‌شود:

مرحله ۶

ماتریس ارزیابی نسبی (RE) به شکل زیر ایجاد می‌شود:

.

در اینجا n ∈ {۱, ۲…, m} و δ یک تابع آستانه برای تعیین اینکه آیا دو گزینه از نظر فاصله‌های اقلیدسی برابر دارند یا نه، به صورت زیر تعریف می‌شود:

.

β پارامتر آستانه‌ای است که تصمیم‌گیرندگان تعیین کرده‌اند و مقدار آن باید بین ۰.۰۱ و ۰.۰۵ باشد.

دو گزینه در صورتیکه اختلاف فاصله‌های اقلیدسی آن‌ها کمتر از β باشد، با استفاده از فاصله تاکسی به‌عنوان معیاری اضافی مقایسه می‌شوند. در این مقاله، مقدار β = ۰.۰۲ برای محاسبات به‌کار رفته است.

مرحله ۷

نمره ارزیابی برای هر گزینه به شکل زیر محاسبه می‌شود:

.

مرحله ۸

گزینه‌ها بر اساس نمره‌های ارزیابی به ترتیب نزولی رده‌بندی می‌شوند.

نمودار جریان در شکل ۱ مراحل رویکرد پیشنهادی را شامل RST و CODAS برای تعیین مکان HPP به تصویر می‌کشد.

نتایج، اعتبارسنجی‌ها و بحث‌ها

در این بخش، یک مطالعه موردی در شمال ایران به منظور تأیید عملکرد و اثربخشی رویکرد پیشنهادی در MCDM برای تعیین مکان HPP مورد بررسی قرار می‌گیرد.

سیستم دانش برای تعیین مکان HPP

جدول ۱. سیستم اطلاعاتی محل‌یابی نیروگاه‌های هیدرولیکی (HPP)

جدول ۱ شامل اطلاعات ضروری برای سیستم از نظریه مجموعه‌های خشن (RST) در ارتباط با مکان‌های نیروگاه‌های هیدرولیکی موجود است. در این جدول، بیست و دو مکان (Loc1، Loc2، …، Loc22) و دوازده ویژگی شرطی (ca1، ca2، …، ca12) به همراه مقادیر مربوطه نمایش داده شده است. ویژگی تصمیم (DA) نیز سطح تناسب را نشان می‌دهد که بر اساس مقادیر ۰ (تناسب پایین)، ۱ (تناسب متوسط) و ۲ (تناسب بالا) طبقه‌بندی شده است. برای تفسیر ویژگی‌های شرطی (ca1، ca2، …، ca12) و مقادیر آن‌ها (۱، ۲، ۳) به جدول ۲ مراجعه کنید.

کاهش ویژگی‌ها توسط RST

در این مرحله، سازگاری سطح تناسب با دوازده ویژگی شرطی مورد بررسی قرار می‌گیرد. برای استخراج کاهش ویژگی‌ها به کمک RST، نخست باید ویژگی‌های اضافی شناسایی شوند و سپس یک جدول تصمیم‌گیری بدون ناسازگاری تهیه گردد. برای شناسایی ویژگی‌های مازاد، حذف هر ویژگی به‌طور مجزا آزمایش می‌شود و همزمان فرآیند طبقه‌بندی مورد بررسی قرار می‌گیرد تا از بروز هرگونه ناسازگاری اطمینان حاصل شود. نتایج نشان می‌دهد که ویژگی‌های a2، a6، a7، a9، a10، a11، a12 به‌عنوان ویژگی‌های زائد و ویژگی‌های a1، a3، a4، a5، a8 به‌عنوان ویژگی‌های ضروری شناسایی شده‌اند. به بیان دیگر، عواملی چون دسترسی به شبکه برق، دبی جریان آب، ارتفاع سر آب، جنبه‌های اقتصادی و توپوگرافی اصلی‌ترین اجزای سطح تناسب برای محل‌یابی HPP به شمار می‌آیند، در حالی که سایر شاخص‌ها را می‌توان به عنوان اطلاعات غیرضروری در نظر گرفت. در نتیجه، جدول ۳ با حذف ویژگی‌های زائد از جدول ۱ ایجاد می‌شود.

شکل ۱. نمودار جریان محل‌یابی HPP با استفاده از RST و CODAS

تعیین اهمیت و وزن ویژگی‌ها توسط RST

اهمیت ویژگی‌های کلیدی ca1، ca3، ca4، ca5 و ca8 با استفاده از فرمول (۸) محاسبه می‌شود که نتایج به ترتیب ۰.۰۹۱، ۰.۲۲۷، ۰.۲۲۷، ۰.۱۳۶ و ۰.۰۹۱ به‌دست می‌آید. وزن این ویژگی‌ها نیز با نرمال‌سازی اهمیت آن‌ها با استفاده از فرمول (۹) محاسبه می‌شود که در روابط (۲۳) تا (۲۷) آمده است.

جدول ۲. ویژگی‌های شرطی و مقادیر آن‌ها

جدول ۳. ویژگی‌های اصلی

رتبه‌بندی مکان‌های موجود HPP با استفاده از CODAS

پس از تعیین وزن معیارها توسط RST، رتبه مکان‌های HPP با استفاده از روش CODAS محاسبه می‌شود. در این فرآیند، ابتدا ماتریس تصمیم‌گیری بر اساس داده‌های موجود در جدول ۴ تهیه می‌شود.

در مسئله محل‌یابی HPP، معیارهای ca1، ca3، ca4، ca5 و ca8 به‌عنوان معیارهای هزینه شناخته می‌شوند، زیرا هدف بر کمینه‌سازی آن‌ها تمرکز دارد. ماتریس مقادیر نرمال‌شده عملکرد نیز در جدول ۵ با استفاده از فرمول (۱۱) محاسبه می‌شود.

مقادیر نرمال‌شده وزنی عملکرد و بدترین راه‌حل به ترتیب در جدول ۶ از طریق فرمول‌های (۱۲) و (۱۶) محاسبه می‌گردد.

فاصله‌های اقلیدسی و تاکسی‌کاب بین گزینه‌ها و بدترین راه‌حل نیز در جدول ۷ و از طریق فرمول‌های (۱۷) و (۱۸) محاسبه خواهد شد. پس از آن، ماتریس ارزیابی نسبی با استفاده از فرمول (۲۰) ایجاد می‌شود. همچنین، امتیازهای ارزیابی (Η) گزینه‌ها با استفاده از (۲۲) محاسبه گشته و مکان‌ها بر اساس مقادیر H در ترتیب نزولی در جدول ۷ رتبه‌بندی می‌گردند.

جدول ۴. ماتریس تصمیم‌گیری

جدول ۵. ماتریس مقادیر نرمال‌شده عملکرد

جدول ۶. ماتریس مقادیر نرمال‌شده وزنی عملکرد و بدترین راه‌حل

جدول ۷. رتبه گزینه‌ها

نتایج بدون کاهش ویژگی‌ها

در زیرمجموعه قبلی، رتبه‌بندی گزینه‌ها برای محل‌یابی HPP با استفاده از CODAS و پس از اعمال RST با کاهش ویژگی‌ها انجام شده است. در این بخش، به بررسی همان مطالعه موردی بدون کاهش ویژگی‌ها پرداخته می‌شود تا کارایی و اثربخشی روش پیشنهادی در MCDM برای محل‌یابی HPP به اثبات برسد. تمامی معیارها بر اساس جدول ۱ برای تصمیم‌گیری به کار گرفته خواهند شد. جدول ۸ وزن‌های معیارها را در حالتی که از همه معیارها استفاده می‌شود نمایش می‌دهد. بنابراین، رتبه تمام مکان‌ها نیز در جدول ۹ افشا می‌شود.

به‌وضوح، رتبه‌ها همانند نتیجه‌های قبلی و بهترین انتخاب‌ها در دو موقعیت متفاوت یکسان است. به این ترتیب، روش پیشنهادی به‌عنوان ابزاری کارآمد و مؤثر در محل‌یابی HPP مورد تأیید قرار می‌گیرد. همچنین، این روش با کاهش ویژگی‌ها به کمک RST و پرهیز از برداشت‌ها و قضاوت‌های انسانی، با وابستگی به وزن انتروپی اطلاعات به داده‌های واقعی، زمان و انرژی زیادی را صرفه‌جویی می‌کند.

جدول ۸. وزن‌های ویژگی بدون کاهش ویژگی‌ها

جدول ۹. رتبه گزینه‌ها بدون کاهش ویژگی‌ها

نتیجه‌گیری‌ها

رتبه‌بندی مکان‌های موجود برای نصب HPP را می‌توان به‌عنوان یک مسئله MCDM در نظر گرفت. در این راستا، رویکرد ترکیبی RST و CODAS مورد ارائه قرار گرفته است. RST به‌منظور کاهش ویژگی‌ها و محاسبه وزن آن‌ها استفاده می‌شود و CODAS برای تدوین رتبه مکان‌ها به کار گرفته می‌شود. مکان‌های قابل دسترسی برای نصب HPP با استفاده از رویکرد پیشنهادی در یک مطالعه موردی که در شمال ایران انجام شد، رتبه‌بندی شده‌اند. همان مطالعه نیز بدون اعمال کاهش ویژگی‌ها ارزیابی می‌شود. شباهت نتایج بدست آمده در دو وضعیت مختلف، اثربخشی این رویکرد را در زمینه عملکرد، کارایی و صرفه‌جویی در زمان و انرژی نشان می‌دهد. بنابراین، این رویکرد به‌عنوان ابزاری مؤثر در MCDM برای محل‌یابی نیروگاه‌های دیگر غیر از HPP توصیه می‌شود.

مراجع

1. Sowinski J., Green Paper – challenges to RES development in Poland, Przegląd Elektrotechniczny, 90 (2014), No. 4, 145-148.
2. Paska J., Pawlak K., Ronkiewicz P., Terlikowski P., Wojciechowski J., Polish hydropower resources and example of their utilization, Przegląd Elektrotechniczny, 96 (2020), No. 1, 1-5.
3. Zaidi A.Z., Khan M., Identifying high potential locations for runof-the-river hydroelectric power plants using GIS and digital elevation models, Renewable and Sustainable Energy Reviews, 89 (2018), 106-116.
4. Moiz A., Kawasaki A., Koike T., Shrestha M., A systematic decision support tool for robust hydropower site selection in poorly gauged basins, Applied Energy, 224 (2018), 309-321.

مراجع

• [5] Romanelli J.P., Silva L.G.M., Horta A., Picoli R.A., انتخاب سایت برای توسعه نیروگاه‌های آبی: یک چارچوب مبتنی بر GIS برای بهبود برنامه‌ریزی در برزیل, Journal of Environmental Engineering, ۱۴۴ (۲۰۱۸), شماره ۷, ۱-۱۰.
• [6] Sanchez-Lozano J.M., García-Cascales M.S., Lamata M.T., شناسایی و انتخاب سایت‌های بالقوه برای توسعه نیروگاه‌های بادی در خشکی در منطقه موریسیا، اسپانیا, Energy, 73 (2014), 311-324.
• [7] Larentis D.G., Collischonn W., Olivera F., Tucci C.E.M., روش‌های مبتنی بر GIS برای شناسایی پتانسیل نیروگاه‌های آبی, Energy, 35 (2010), 4237-4243.
• [8] Lakshmi S.V., Sarvani G.R., انتخاب سایت‌های مناسب برای نیروگاه‌های کوچک آبی با استفاده از فناوری Geo-Spatial, International Journal of Pure and Applied Mathematics, ۱۱۹ (۲۰۱۸), شماره ۱۷, ۲۱۷-۲۴۰.
• [9] Kaliraj S., Malar V.K., تحلیل فضایی برای ارزیابی سایت‌های بالقوه برای نیروگاه حرارتی مبتنی بر زغال سنگ در گجرات، هند, Advances in Applied Science Research, ۳ (۲۰۱۲), شماره ۳, ۱۵۵۴-۱۵۶۲.
• [10] Temel P., ارزیابی سایت‌های بالقوه نیروگاه‌های آبی از نوع جریان رودخانه با استفاده از تصمیم‌گیری چندمعیاره از جنبه‌های زیست‌محیطی و اجتماعی, پایان‌نامه کارشناسی‌ارشد, دانشگاه فنی خاورمیانه, (۲۰۱۵).
• [11] Shimray B.A., Singh K.M., Khelchandra T., Mehta R.K., رتبه‌بندی سایت‌ها برای نصب نیروگاه آبی با استفاده از شبکه عصبی MLP که با GA آموزش دیده است: رویکرد MADM, Computational Intelligence and Neuroscience, 2017 (2017), 1-8.
• [12] Shimray B.A., Singh K.M., Khelchandra T., Mehta R.K., یک سیستم پشتیبانی تصمیم جدید MLP–GA–Fuzzy برای انتخاب سایت نیروگاه آبی, Arabian Journal for Science and Engineering, 43 (2018), 6823-6835.
• [13] Adhikary P., Roy P.K., Mazumdar A., انتخاب سایت پروژه نیروگاه آبی کوچک: رویکرد تکنیک بهینه‌سازی چندمعیاره, ARPN Journal of Engineering and Applied Sciences, ۱۰ (۲۰۱۵), شماره ۸, ۳۲۸۰-۳۲۸۵.
• [14] Silva H., Blengini A., Mota L., Pezzuto C., Lavorato M., Carvalho M., تحلیل چندمعیاره از نیروگاه‌های بادی برزیل, International Journal of Renewable Energy Research, ۱۰ (۲۰۲۰), شماره ۲, ۱۰۴۲-۱۰۵۳.
• [15] Erol İ., Sencer S., Özmen A., Searcy C., چارچوب MCDM فازی برای مکان‌یابی نیروگاه هسته‌ای در ترکیه, Energy Policy. 67 (2014), 186-197.
• [16] Deveci M., Cali U., Kucuksari S., Erdogan N., مدل تصمیم‌گیری چندمعیاره مبتنی بر مجموعه‌های فازی نوع ۲ برای توسعه نیروگاه بادی فراساحلی در ایرلند, Energy, 198 (2020), 117317.
• [17] Wang C.N., Su C.C., Nguyen V.T., انتخاب محل نیروگاه هسته‌ای در ویتنام تحت شرایط محیطی فازی, Symmetry, 10 (2018), 548.
• [18] Kurt Ü., الگوریتم TOPSIS فازی و انتگرال فازی عمومی برای انتخاب سایت نیروگاه هسته‌ای – یک مطالعه موردی از ترکیه, Journal of Nuclear Science and Technology, ۵۱ (۲۰۱۴), شماره ۱۰, ۱۲۴۱-۱۲۵۵.
• [19] Erdebilli B., Yildizbasi A., Arikan Ü.Z.B., استفاده از TOPSIS فازی شهودی در انتخاب سایت نیروگاه‌های بادی در ترکیه, Advances in Fuzzy Systems, 2018 (2018), 6703798.
• [20] Locatelli G., Mancini M., یک چارچوب برای انتخاب صحیح نیروگاه هسته‌ای, International Journal of Production Research, ۵۰ (۲۰۱۲), شماره ۱۷, ۴۷۵۳-۴۷۶۶.
• [21] Erdogan M., Kaya I., رویکرد فازی ترکیبی برای تعیین بهترین منطقه برای نیروگاه هسته‌ای در ترکیه, Applied Soft Computing, 39 (2016), 84-93.
• [22] Sambasivarao K., Raj D.K., Dua D., یک سیستم تخصصی برای انتخاب سایت نیروگاه‌های حرارتی, Journal of Basic and Applied Engineering Research, ۱ (۲۰۱۴), شماره ۸, ۳۶-۴۰.
• [23] Cho S., Kim J., مدل بهینه‌سازی چندسایت و چنددوره‌ای برای برنامه‌ریزی استراتژیک یک شبکه انرژی هیدروژن تجدیدپذیر از زباله‌های زیستی و محصولات انرژی, Energy, 185 (2019), 527-540.
• [24] Dev N., Attri R., انتخاب سایت برای یک نیروگاه با استفاده از نظریه گراف و روش ماتریس, دوازدهمین کنفرانس بین‌المللی AIMS در مدیریت, (۲۰۱۵), ۱۳۲۸-۱۳۳۵.
• [25] Cebi S., Kahraman C., استفاده از انتگرال چوک چندویژگی‌دار در انتخاب سایت نیروگاه‌های انرژی بادی: مورد ترکیه, Journal of Multiple-Valued Logic and Soft Computing, 20 (2013), 423-443.
• [26] Lingga M.M., توسعه یک مدل تصمیم‌گیری سلسله‌مراتبی برای ارزیابی تکنولوژی‌های جایگزین برای محل نیروگاه هسته‌ای, پایان‌نامه دکترا, دانشگاه ایالت پورتلند, (۲۰۱۶).
• [27] Jurasz J., Mikulik J., انتخاب سایت برای پارک‌های بادی و خورشیدی بر اساس مکمل‌پذیری زمانی و فضایی منابع – رویکرد مدل‌سازی ریاضی, Przegląd Elektrotechniczny, ۹۳ (۲۰۱۷), شماره ۷, ۸۶-۹۱.
• [28] Feng R., انتخاب بهینه سایت برای نیروگاه حرارتی بر اساس مجموعه‌های خشن و برنامه‌ریزی چندهدفه, کنفرانس بین‌المللی E-Product E-Service and E-Entertainment (ICEEE), (۲۰۱۰), ۱-۵.
• [29] Ghorabaee M.K., یک روش ارزیابی جدید مبتنی بر فاصله ترکیبی (CODAS) برای تصمیم‌گیری چندمعیاره, Economic Computation and Economic Cybernetics Studies and Research, ۵۰ (۲۰۱۶), شماره ۳, ۲۵-۴۴.
• [30] Yu J., Li Y., Chen M., Zhang B., Xu W., نظریه تصمیم‌گیری خشن در سیستم اطلاعات تصمیم‌گیری با ارزش شبکه‌ای, Journal of Intelligent & Fuzzy Systems, 36 (2019), 3289-3301.
• [31] Tiwari A.K., Shreevastava S., Subbiah K., Som T., مدل مجموعه فازی-خشن شهودی و کاربرد آن در انتخاب ویژگی, Journal of Intelligent & Fuzzy Systems, 36 (2019), 4979-4969.
• [32] Badi I.A., A. Abdulshahed M., Shetwan A.G., انتخاب تأمین‌کننده با استفاده از روش ارزیابی مبتنی بر فاصله ترکیبی (CODAS) برای تصمیم‌گیری چندمعیاره, اولین کنفرانس بین‌المللی مدیریت، مهندسی و محیط زیست (ICMNEE), (۲۰۱۷), ۳۹۵-۴۰۷.
• [33] Dahooei J.H., Zavadskas E.K., Vanaki A.S., Firoozfar H.R., Keshavarz-Ghorabaee M., یک مدل ارزیابی از هوش تجاری برای سیستم‌های تجاری با گسترش جدید CODAS (CODAS-IVIF), Ekonomie a Management, ۲۱ (۲۰۱۸), شماره ۳, ۱۷۱-۱۸۷.

نویسندگان

احمد محمود اگویا از گروه مهندسی الکتریک در دانشکده مهندسی دانشگاه مرزی شمال، واقع در عرار ۱۳۲۱ عربستان سعودی و همچنین از گروه مهندسی الکتریک در دانشکده مهندسی دانشگاه الأزهر در قاهره ۱۱۶۵۱ مصر، عضو است. می‌توانید با او از طریق ایمیل ah1582009@yahoo.com تماس بگیرید. همچنین، شعبان محمد شعبان که در گروه مهندسی الکتریک دانشکده مهندسی دانشگاه مرزی شمال و همچنین گروه علوم پایه مهندسی در دانشکده مهندسی دانشگاه منوفیا در شبین الکوم ۳۲۵۱۱ مصر فعالیت می‌کند، نیز از نویسندگان این مقاله است. برای برقراری ارتباط با او، از ایمیل shabaan27@gmail.com استفاده کنید.

منبع و شناسه ناشر

مقاله در PRZEGLĄD ELEKTROTECHNICZNY منتشر شده است، دارای ISSN ۰۰۳۳-۲۰۹۷، جلد ۹۷، شماره ۳ از سال ۲۰۲۱. شناسایی دیجیتال این مقاله (doi) به صورت زیر است: doi:۱۰.۱۵۱۹۹/۴۸.۲۰۲۱.۰۳.۰۳

منتشر شده توسط

این مقاله توسط PQBlog منتشر شده است.

مهندس برق

برای مشاهده پست‌های دیگر در این حوزه، لطفاً به بخش مربوطه مراجعه کنید.

پرسش‌های متداول

تحلیل کیفیت توان الکتریکی چیست؟

تحلیل کیفیت توان الکتریکی به بررسی پارامترهای مرتبط با کیفیت برق تولیدی و توزیع آن در شبکه می‌پردازد.

چرا انتخاب مکان برای نیروگاه آبی اهمیت دارد؟

انتخاب مکان مناسب می‌تواند تأثیر زیادی بر کارایی، هزینه‌ها و مشکلات زیست‌محیطی نیروگاه آبی داشته باشد.

از چه روش‌هایی برای تحلیل کیفیت توان استفاده می‌شود؟

روش‌های مختلفی مانند تحلیل چندمعیاری، رگرسیون و شبیه‌سازی برای تحلیل کیفیت توان استفاده می‌شود.

معیارهای انتخاب محل نیروگاه آبی چیست؟

معیارهایی نظیر دسترسی به منابع آب، هزینه، تأثیرات زیست‌محیطی و پتانسیل انرژی از جمله این معیارها هستند.

منبع: powerquality.blog