میرنیوز
مدیریت کارآمد برق با کمک شبکه عصبی مبتنی بر هوش مصنوعی
2020-08-24T07:31:25+04:30
به گزارش ایسنا و به نقل از وب‌سایت رسمی آزمایشگاه ملی آرگون، دانشمندان در بررسی جدیدی موفق شدند یک مدل شبکه عصبی مصنوعی ابداع کنند که می‌تواند هم ویژگی‌های ثابت و هم ویژگی‌های پایدار یک سیستم نیرو را با دقت بالا مدیریت کند.
شبکه تورین‌های برقی، نه تنها بزرگ بلکه پویا هم هستند و همین موضوع موجب می‌شود که مدیریت آنها چالش‌برانگیز باشد. اپراتورهای انسان می‌دانند که در شرایط پایدار چگونه سیستم‌ها را حفظ کنند اما هنگامی که شرایط در اثر دلایل گوناگون از جمله اشتباهات ناگهانی به سرعت تغییر می‌کنند، اپراتورها روش مشخصی ندارند تا ایمنی مورد نیاز سیستم‌ها را حفظ کنند.
"آزمایشگاه ملی آرگون"(Argonne National Laboratory) که به "وزارت انرژی آمریکا"(DOE) وابسته است، روش جدیدی ارائه داده تا به اپراتورها کمک کند که سیستم‌های نیرو را با کمک هوش مصنوعی، بهتر و با روش کارآمدتری کنترل کنند.
همگرایی محاسبات پویا و ثابت
این روش جدید به اپراتورها امکان می‌دهد تا با استفاده از یک مدل تصمیم‌گیری بسیار دقیق و در نظر داشتن ویژگی‌های پویا و ثابت، تصمیم بگیرند و یک چالش دشوار را پشت سر بگذارند.
"فنگ کیو"(Feng Qiu)، از دانشمندان آزمایشگاه ملی آرگون گفت: تصمیم‌گیری برای خاموش و روشن کردن یک ژنراتور و تعیین سطح نیروی خروجی آن، نمونه یک تصمیم ثابت است که در یک بازه زمانی خاص تغییر نمی‌کند. فرکانس الکتریکی که به سرعت ژنراتور بازمی‌گردد، یک ویژگی پویا است زیرا می‌تواند به مرور زمان نوسان داشته باشد. هنگامی که فرمول پویا و ثابت را در یک مدل کنار یکدیگر می‌گذارید، حل کردن آن غیرممکن به نظر می‌رسد.
در سیستم‌های نیرو، اپراتورها باید فرکانس را در یک طیف خاص نگه دارند تا محدودیت‌های ایمنی را رعایت کنند.
بیشتر تحلیلگران، ویژگی‌های ثابت و پویا را به صورت جداگانه محاسبه می‌کنند؛ در حالی که برخی سعی کرده‌اند تا مدل‌های ساده‌ای را ابداع کنند که هر دو نوع محاسبه را شامل می‌شوند اما دقت و مقیاس‌پذیری این مدل‌ها محدود است زیرا سیستم‌ها پیچیده‌تر هستند.
پیوند ویژگی‌های ثابت و پویا با شبکه‌های عصبی مصنوعی
کیو و همکارانش برای همراه کردن فرمول‌های کنونی ثابت و پویا، روشی ابداع کردند تا فرمول‌های جدیدی را برای اتصال این دو ویژگی ایجاد کنند. در روش آنها، از یک ابزار مبتنی بر هوش مصنوعی موسوم به شبکه عصبی استفاده می‌شود.
"ییچن ژانگ"(Yichen Zhang)، نویسنده ارشد این پروژه گفت: یک شبکه عصبی می‌تواند نقشه‌ای را میان ورودی و خروجی خاص ایجاد کند. اگر من شرایطی که با آنها آغاز می‌کنیم و با آنها به پایان می‌بریم بدانم، می‌توانم شبکه‌های عصبی را برای درک چگونگی نقشه‌برداری از این شرایط به کار ببرم.
اگرچه روش شبکه عصبی این گروه را می‌توان برای سیستم‌های بزرگ به کار گرفت اما آنها روش خود را روی یک سیستم ریزشبکه آزمایش کردند. این سیستم، یک شبکه قابل کنترل از منابع توزیع شده انرژی مانند ژنراتور دیزلی و پنل‌های خورشیدی فتوولتاییک است.
پژوهشگران از این شبکه عصبی استفاده کردند تا چگونگی نقشه‌برداری مجموعه‌ای از شرایط ایستا را در سیستم ریزشبکه و به همراه مجموعه‌ای از شرایط یا مقادیر پویا ردیابی کنند. آنها به طور خاص از این شبکه استفاده کردند تا منابع ثابت سیستم ریزشبکه را تنظیم کنند و بدین ترتیب فرکانس الکتریکی، در سطح ایمن باقی بماند.
داده‌های شبیه‌سازی شده، به عنوان ورودی‌ها و خروجی‌های لازم برای آموزش شبکه عصبی به کار گرفته شدند. ورودی‌ها، داده‌های ثابت و خروجی‌ها، واکنش‌های پویا به خصوص در طیف فرکانس‌های ایمن بودند. هنگامی که پژوهشگران، هر دو مجموعه داده را به شبکه عصبی منتقل کردند، شبکه یاد گرفت که از واکنش‌های پویا برای مجموعه‌ای از شرایط ثابت، نقشه‌برداری کند.
کویی اضافه کرد: شبکه عصبی، معادلات پویای پیچیده را که معمولا نمی‌توانیم با معادلات ثابت ادغام کنیم، به شکل جدیدی تبدیل کرد که امکان حل کردن آنها با یکدیگر را برای ما فراهم می‌کند.
راه‌هایی برای تحلیل‌های جدید
پژوهشگران، تحلیلگران و اپراتورها می‌توانند از این روش جدید به عنوان یک نقطه آغاز استفاده کنند. برای مثال، اپراتورها می‌توانند از این روش استفاده کنند تا هنگام خاموش و روشن شدن منابع تولید مطمئن باشند که منابع آنلاین می‌توانند اختلالات خاص را تحمل کنند.
"تیانکی هونگ"(Tianqi Hong)، از پژوهشگران این پروژه گفت: این جریانی است که اپراتورهای سیستم همیشه می‌خواهند آن را تحلیل کنند اما به خاطر چالش‌های محاسبه ویژگی‌های ثابت و پویا نمی‌توانند. اکنون ما باور داریم که این روش، چنین تحلیل‌هایی را امکان‌پذیر می‌سازد.
"مارک پتری"(Mark Petri)، از پژوهشگران این پروژه گفت: ما از ارائه این روش تجزیه و تحلیل، هیجان‌زده هستیم. این روش می‌تواند راه بهتری برای اپراتورها فراهم کند تا به بازیابی سریع و ایمن نیرو بپردازند.
انتهای پیام
منبع : خبرگزاری ایسنا
کلمات کلیدی : میرنیوز هوش مصنوعی شبکه عصبی انرژي پنل خورشیدی
اشتراک گذاری :
آخرین اخبار علمی
۵ سال زندان در انتظار رییس سامسونگ
استعدادهای برتر جامعه‌الزهرا(س) شناسایی می‌شوند
پیامک‌های پذیرش خارج از کنکور دانشگاه علوم پزشکی ایران کلاهبرداری است
تناسب اندام می‌تواند به پیشگیری از زوال عقل کمک کند
آغوش باز معاونت علمی برای استفاده از ظرفیت‌های علوم انسانی در «حکمرانی فناورانه»
درد مزمن مفاصل روی عملکرد مغز اثر می‌گذارد
همایش ملی دستاوردهای علمی فرش ایران برگزار خواهد شد
فراخوان جذب هیئت علمی در دانشگاه‌های علوم پزشکی بهمن ماه اعلام می‌شود
هوش مصنوعی از انجام پژوهش‌های تکراری جلوگیری می‌کند
ساخت اولین دستیار صوتی آفلاین اندروید توسط متخصصان ایرانی
پیشگویی چت جی پی تی از آینده پژوهش و استنادات علمی
رفع نیاز آزمایشگاه‌های آنالیز مواد شیمیایی با دستگاه ایران ساخت
انتصابات جدید در شرکت ارتباطات زیرساخت
سمپوزیوم بین‌المللی تازه‌های نقشه‌برداری مغز ایران برگزار می‌شود
نتایج جذب استعدادهای برتر در دستگاه‌ها بزودی اعلام می‌شود
ابقای رئیس دانشکده توانبخشی دانشگاه علوم پزشکی تهران
ایلان ماسک: هوش مصنوعی از پزشکان و وکلا جلو می زند
روبات مغناطیسی پیچ و مهره باز می کند
تبدیل پسماندهای زغال‌سنگ به گرافن با بازده بالا
هوش مصنوعی از انرژی اتمی قدرتمندتر است
قدردانی نماینده حزب الله لبنان از جراحان ایرانی
ظرفیت بیهوشی و اطفال خالی مانده است
اسلحه خودکار برای پهپادهای سبک از راه رسید
نشست کمیته تغذیه دانشگاه علوم پزشکی تهران برگزار شد
سردار جلالی: تکرار کرونا را باید جدی بگیریم
جلالی: تکرار کرونا را باید جدی بگیریم
راه حل محققان برای کاهش مصرف داروی شیمی‌درمانی در درمان سرطان
بیش از هزار سایت خبر جعلی از جستجوی گوگل حذف شدند
نمی توان با دستمزدهای اندک دانشمندان برجسته را در کشور نگه داشت
اتحادیه‌ها بازوی تصمیم‌سازی قوی در دانشگاه آزاد هستند
