پایان نامه : بررسی استفاده بهینه از موتورهای آسنکرون
موتورهای الکتریکی بزرگترین مصرف کننده ی انرژی الکتریکی هستند و به طور گسترده ای دربخش های مختلف صنعتی ، خانگی ، کشاورزی ، اداری و عمومی ، باب پمپ ها ، فن ها ، سیستم های سرمایش و گرمایش ، دمنده ها ، کمپرسورهای آتمسفر ، نوارهای نقاله ، لوازم برقی خانگی مانند یخچال ، فریزر ، ماشین لباسشویی ، پروانه های مکش هوا ، جارو برقی ، چرخ گوشت ، آب میوه گیری ،همزن ، خرد کن ها ، سشوار ، آسمان خیاطی ، وسایل صوتی و تصویری ، آلت های ادرای ، اتومبیل ها ، اسباب بازی ها و ... کاربرد دارند .
با تدقیق به گستردگی سیستم های دارای خودرو الکتریکی و سهم قابل توجهی که این سیستم ها در مصرف انرژی الکتریکی در قید بهر ها دارند ، پرداختن به برنامه بهینه سازی مصرف انرژی باب سیستم های موتور الکتریکی در کلیه بخش ها اهمیت ویژه ای دارد .
این امر ، بازهم به سمت دلیل کاهش مصرف و تقاضای انرژی و بازهم به دلیل اثرات مثبت زیست محیطی و کاهش گازهای گلخانه ای ناشی از نیاز کمتر به احداث نیروگاه ها دارای اهمیت است .
یک اندیشه غلطی که در صنعت وجود دارد این است که افت هزینه با خاموش کردن آلت ها به وجود می آید . اما باید دانست برنامه های مدیریت انرژی ، طراحان را به سمت تولید محصولات و یا ارائه خدمات با حداقل مصرف انرژی احضار می آهسته .
مدیریت انرژی وظیفه یک شخص اختصاصی و یا یک سرمایه گذاری در دوران خاص نمی باشد ، بلکه مدیریت انرژی یک تلاش مشخص باب حال پیشرفت و قدم به سمت قدم به منظور بهبود راندمان انرژی می باشد .
به کوه طور کلی منافعی که از یک برنامه مدیریت انرژی نیک ، بدست می آید عبارتند از :
· افزایش راندمان محصولات
· افت انرژی مصرفی
· رسیدن به سمت یک ضریب توان بالا
· تصحیح ضریب قدرت
· شبر آوردن حامیان مالی مناسب و جلب رضایت عمومی
الگوریتم بهینه سازی توده ذرات در ابتداییترین شکل خود یک روش تکراری دستهجمعی آشفته با تاکید بر معاضدت است. این الگوریتم حرف حدی تصادفی بوده و بدون مکانیزم انتخاب است و از حرکت گروهی پرندگان و زنبورها مکاشفه گرفته است. رفتار جمعی تمام افراد سامان باعث یک همگرایی درنقطهای پهلو به جواب بهینه مطلق میشود. نقطه قوت این الگوریتم زوال احتیاج به یک کنترل سراسری است. هرفرد دراین الگوریتم خویش مختاری نسبی دارد که میتواند درسراسر فضای جستجو تحرک کند و میبایست با سایر افراد همکاری داشته باشد. باب این گزارش ابتدا نحوه بازده کد نوشته شده مورد بررسی قرار میگیرد. در فصل دوم الگوریتم بهینه سازی توده ذرات به کوه طور مفصل توضیح داده میشود. باب فصل آخر ایضاً نحوه پیاده سازی این الگوریتم بر روی کد Matlab ایضاح داده خواهد شد .
الگوریتم PSO یک الگوریتم جستجوی اجتماعی است که از روی اقدام مدنی دستههای پرندگان مدل شده است. در ابتدا این الگوریتم به منظور انکشاف الگوهای حاکم حرف پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینهی دسته به کار گرفته شد . باب PSO، ذرات باب فضای جستجو جاری میشوند. تغییر مکان ذرات باب فضای جستجو اسم پایین تأثیر تجربه و دانش خودشان و همسایگانشان است. ازاینرو جایگاه دیگر توده ذرات روی چگونگی جستجوی یک ذره اثر میگذارد . نتیجهی مدلسازی این رفتار مدنی فرایند جستجویی است که ذرات به سمت سمت نواحی موفق میل میکنند. ذرات از یکدیگر میآموزند و بر مبنای دانش بدست آمده به جانب بهترین همسایگان خویش میروند اساس کار PSO بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگیاش وجود دارد، تنظیم میکند.