بهینه سازی مقاوم

در این مقاله یک الگوریتم ترکیبی برای حل مساله طراحی مقاوم با چندین متغیر پاسخ ارائه شده است. الگوریتم ارائه شده، ترکیبی از شبکه‌های عصبی و تکامل توام ژنتیکی است که در آن شبکه‌های عصبی به عنوان تقریب زننده تابع، نگاشت بین متغیرهای فرایند را تقریب زده و الگوریتم تکامل توام مدل ساخته با هدف مقاوم ساختن متغیرهای پاسخ فرایند، را حل می‌نماید و نتایج این الگوریتم با الگوریتم ژنتیک مقایسه می‌شود. روش پیشنهادی در یک مطالعه موردی فرایند ریسندگی اپن اند مورد آزمایش قرار گرفته است.

تولید انرژی الکتریکی در مقیاس بزرگ و انتقال آن به مصرف کنندگان، تلفات زیادی به همراه دارد. استفاده از سیستم های تولید پراکنده، یکی از راهکارهای موثر در بهینه سازی مصرف انرژی است. راه حل های مدیریت سمت تقاضا به عنوان یکی از راهکارهای مناسب برای کاهش مصرف انرژی پیشنهاد شده اند، که با وقوع تجدیدساختار در صنعت برق این راهکارها دچار تغییراتی شدند. تاکید اصلی برنامه های مدیریت سمت بار در محیط بازار برق، پاسخ گویی مشترک (مصرف کننده) به تغییرات قیمت برق است. بهره برداری بهینه از سیستم های تولید پراکنده در کنار سایر ذخیره سازهای انرژی بسیار حائز اهمیت خواهد بود. در این تحقیق به مساله برنامه ریزی بهینه واحدهای تولید برق و حرارت و بارهای پاسخگو با در نظر گرفتن عدم قطعیت های تولیدات پراکنده و قیمت خرید و فروش برق، با استفاده از تکنیک برنامه ریزی مختلط با اعداد صحیح پرداخته شده است. عدم قطعیت منابع تولید پراکنده و قیمت تبادل برق با استفاده از تئوری تصمیم گیری بر مبنای شکاف اطلاعاتی مدل شده است. در نهایت مدل پیشنهادی در یک شبکه استاندارد نمونه پیاده سازی شده و کارایی آن نمایش داده شده است.