کلاسه بندی[1] یکی از وظایف اساسی در داده کاوی[2] است که بطور وسیعی در زمینه یادگیری ماشین[3]، شبکه های عصبی[4] و تشخیص الگو[5] مورد مطالعه واقع شده است. ورودی، مجموعه ای از نمونه های آموزشی[6] است که شامل چندین ویژگی[7] است. ویژگی ها با توجه به دامنه مقادیرشان به دو دسته ویژگی های گسسته[8] و ویژگی های پیوسته[9] قابل تفکیک هستند. در حالت کلی، یک کلاسه بند[10]، توصیف مختصر و معنادار (مدل[11]) برای هر برچسب کلاس[12] در رابطه با ویژگی ها تولید می کند. سپس، مدل برای پیش بینی برچسب کلاس نمونه های ناشناخته[13] بکار می رود. کلاسه بندی همچنین بعنوان یادگیری با ناظر[14] نیز شناخته می شود که در آن هر نمونه آموزشی دارای برچسب کلاس است. در حالی که، یادگیری بدون ناظر[15] یا خوشه بندی[16] جستجو می کند و گروه های همگن از اشیا را بر اساس مقادیر ویژگی هایشان دسته بندی می کند؛ در واقع، نمونه ها دارای برچسب کلاس نیستند. کلاسه بندی در محدوده وسیعی از کاربردها از جمله آزمایشات علمی[17]، تشخیص دارو[18]، پیش بینی آب و هوا[19]، تایید اعتبار[20]، تقسیم بندی مشتری[21]، بازاریابی هدف[22] و تشخیص تقلب[23] بطور موفقیت آمیزی بکار می رود.
کلاسه بندی بر پایه الگوها[24]، یک متدلوژی جدید محسوب می شود. کشف الگوهایی که نشان دهنده تمایز بین کلاس های مختلف هستند، یکی از موضوعات مهم در داده کاوی محسوب می شود. در این تحقیق، ما کلاسه بندی را بر اساس الگوهایی به نام الگوهای نوظهور[25] (Emerging Patterns) که تمایز بین کلاس ها را بصورت بارزی نشان می دهند، از مجموعه داده ها[26] استخراج می کنیم و سپس، بر اساس آنها، کلاسه بندی را انجام می دهیم.
2-1- مفهوم الگوهای نوظهور
مفهوم الگوهای نوظهور برای استخراج دانش از پایگاه داده ها توسط Dong و Li پیشنهاد شده است تا تغییرات قابل توجه بین کلاس ها را به تصویر بکشند [1]. یک الگوی نوظهور، ترکیب عطفی بین ویژگی هایی است که میزان احتمال حضور آن در یک کلاس نسبت به دیگر کلاس ها بطور قابل توجهی تغییر می کند [1،2]. این الگوها مفید هستند به این دلیل که قادر هستند تا وجه تمایز بین کلاس ها را بیان کنند. در صورتی که میزان فراوانی[27] هر الگو که در یک کلاس نسبت به دیگر کلاس ها قابل توجه باشد، نشان دهنده آن است که این الگو، بطور خاص به این کلاس اختصاص دارد و از طرفی این نوع الگوها برای پایگاه داده هایی که بحث محدودیت زمانی برای استخراج دانش از آنها مطرح است، اهمیت ویژه ای می یابند.
استخراج الگوهای نوظهور بدین صورت مطرح می شود: « پیدا کردن آیتم هایی که نرخ رشد[28] آن (که بصورت نسبت احتمال آن آیتم بین کلاس های مختلف تعریف می شود) از مقدار آستانه ای بیشتر باشد.» این مقدار آستانه باید بگونه ای انتخاب شود که الگوهای استخراجی ، تفاوت و تمایز بین کلاس های مختلف را نشان دهند. این الگوها در واقع مجموعه ای از آیتم ها هستند که بیان کننده ترکیب عطفی بین مقادیر ویژگی ها هستند [2].
نوعاً، تعداد الگوهای استخراجی بسیار زیاد است اما فقط شمار کمی از این الگوها برای تحلیل داده ها و کلاسه بندی مطلوب و مفید هستند. از آن جایی که مقدار زیادی از این الگوها بی ربط[29] و تکراری[30] هستند، دانش جدیدی را فراهم نمی کنند و لذا تاثیر نامطلوبی بر روی دقت کلاسه بند دارند که موجب کاهش دقت پیش بینی[31] می شوند. برای افزایش کارایی[32] و دقت، بایستی روالی را توسعه داد که الگوهای وابسته و غیر مفید حذف شوند تا شمار این الگوها کاهش یابد.
یک الگوی نوظهور با احتمال بالا در کلاس خودش و احتمال پایین در کلاس مقابلش می تواند برای تعیین یک نمونه تست بکار رود. قدرت این الگو توسط معیارهایی مثل فراوانی نسبی[33] و نرخ رشد ( نسبت احتمال الگو در یک کلاس نسبت به دیگر کلاس ها) آن بیان می شود.
در بسیاری از زمینه های کاربردی مانند کشف دانش از داده های ژنی[34] ، پردازش تصویر[35]، کشف نفوذ[36] ، کشف برون هشته[37]، کشف کلاهبرداری[38] ، داده های نامتوازن[39] ، جریان داده ها[40] ، بیوانفورماتیک[41] ، سیستم های پیشنهاد دهنده[42] ، نیاز است که تغییر ناگهانی در داده ها تشخیص داده شود. الگوهای نوظهور تغییرات ناگهانی و تفاوت های قابل توجه را از داده ها استخراج می کنند. الگوهای نوظهور، در زمینه پردازش تصویر برای قطعه بندی بدین گونه عمل می کند که سعی می کند در پیکسل هایی که تغییر ناگهانی شدت[43] بوجود می آید را بعنوان یک قطعه جدید معرفی کند. در زمینه کشف نفوذ و کلاهبرداری، رفتار داده ها پیگیری می شود، زمانی که رفتار داده ها بصورت ناگهانی تغییر کند، بعنوان نفوذ تشخیص داده می شود. در سیستم های پیشنهاد دهنده، سیستم به دنبال رفتارهای خاص و مختص هر کاربر است تا با کشف ویژگی های خاص هر کاربر، به او محصولات مطابق با علایق و استعدادهای او را پیشنهاد دهد. لذا الگوهای نوظهور در این راستا نقش بسزایی دارند.
3-1- مفهوم ویژگی های جریانی[44]
در داده های جریانی[45]، نمونه ها به مرور زمان دریافت می شوند در حالیکه تعداد ویژگی ها ثابت می باشد. اما در ویژگی های جریانی، تعداد داده های یادگیری ثابت می باشد ولی ویژگی ها بصورت دینامیک تولید می شوند و الگوریتم یادگیری به مرور زمان ویژگی ها را دریافت می دارد [31، 32]. در ویژگی های جریانی روال بدین صورت است ویژگی های توسط روش های تولید ویژگی مانند روش های یادگیری رابطه ای آماری[46] و تعاملات بین ویژگی ها[47]، تولید می شوند. مشکلاتی که در پی تولید ویژگی ها توسط این روش ها بروز می کند بدین شرح است که: 1) میلیون ها و یا حتی بیلیون ها ویژگی تولید می شوند که بدلیل محدودیت های حافظه امکان نگهداری این حجم
از ویژگی وجود دارد و از طرفی زمان بسیار زیادی بایستی صرف شود تا فرایند یادگیری شروع شود. 2) ویژگی ها توسط کوئری های موجود در SQL تولید می شوند که اجرای این کوئری ها محدود به زمان پروسسور[48] است تقریبا پروسسور هر صدهزار کوئری را در 24 ساعت اجرا می کند. از طرفی بسیاری از ویژگی ها تولیدی بی ربط و تکراری هستند[49]. این موضوع نشان می دهد که شمار کمی از این ویژگی های تولیدی در عمل در فرایند یادگیری موثر است و لذا تولید ویژگی ها هزینه بر است [32]. بر این اساس برای فائق آمدن بر این مشکلات، مفهوم ویژگی های جریانی شکل گرفت و تلاش شد تا با تولید دینامیک ویژگی ها و بررسی این ویژگی ها در زمان تولید و تاثیر آن بر روال یادگیری فرایند تولید ویژگی ها را هدایت کنند.
برای برخورد با چالش های مطرح شده، بایستی فرایند یادگیری قابلیت پاسخگویی به ویژگی های جریانی را داشته باشد. در واقع، روال یادگیری بایستی بصورت افزایشی با دریافت هر ویژگی قابل بروزرسانی شدن داشته باشد بدون اینکه به اولین مرحله یادگیری بازگردد. لذا در راستای استخراج الگوهای قوی بایستی در ابتدا ویژگی ها بررسی شوند و ویژگی هایی که بی ربط هستند را حذف کرد، سپس از روی ویژگی های مفید و قوی ، الگوها را استخراج کرد.
[1] Classification
[2] Data mining
[3] Machine learning
[4] Neural networks
[5] Pattern recognition
[6] Training instances
[7] Features
[8] Nominal
[9] Numerical
[10] Classifier
[11] Model
[12] Class label
[13] Unknown
[14] Supervised learning
[15] Unsupervised learning
[16] Clustering
[17] Scientific experiments
[18] Medical diagnosis
[19] Weather prediction
[20] Credit approval
[21] Customer segmentation
[22] Target marketing
[23] Fraud detection
[24] Patterns
[25] Emerging patterns
[26] Datasets
[27] Frequency
[28] Growth rate
[29] Irrelevant patterns
[30] Redundant patterns
[31] Predictive accuracy
[32] Performance
[33] Support
[34] Gene expression data
[35] Image processing
[36] Intrusion detection
[37] Outlier detection
[38] Fraud detection
[39] Imbalanced datasets
[40] Data streams
[41] BioInformatics
[42] Recommender systems
[43] Intensity
[44] Streaming features
[45] Data Streams
[46] Statistical Relational Learning
[47] Feature interaction
[48] CPU time
[49] Irrelevant Features
:
در دنیای امروز، ما با سیستم های پیچیده ای[1] در پیرامون خود احاطه شده ایم، از جامعه که در آن میلیون ها عضو با یکدیگر در حال تعامل هستند تا شبکه های تلفن همراه و کامپیوتر که میلیون ها کاربر را به یکدیگر متصل میکنند. همچنین توانایی ما برای استنتاج و درک محیط اطراف، وابسته به شبکه ای از میلیاردها سلول عصبی[2] در مغز ماست. این سیستم های پیچیده نقش های بسیار مهمی در جنبه های مختلف زندگی ما ایفا میکنند. درک، توصیف، پیش بینی و کنترل این سیستم ها از جمله بزرگترین چالش های ما در جهان مدرن است.
معمولا در پشت هر کدام از این سیستم های پیچیده، شبکه ای عظیم قرار دارد که تعاملات بین اجزای این سیستم ها را مشخص میکند. به عنوان مثال: فعل و انفعالات شیمیایی درون بدن موجودات زنده، تعاملات میان سلول های عصبی مغز، روابط دوستی، خویشاوندی و اجتماعی، شبکه جهانی اینترنت، تراکنش های مالی، خطوط انتقال و توزیع نیرو، راه های ارتباطی زمینی، هوایی و دریایی، همگی بخشی از مواردی هستند که میتوان آنها را به صورت یک شبکه توصیف کرد. همچنین میتوان گفت که شبکه ها قلب بسیاری از فناوری های انقلابی عصر حاضر هستند. موتورهای جستجو[3]، شبکه های اجتماعی مجازی[4]، شبکه های کامپیوتری جهانی، شبکه جهانی مخابرات و تلفن همراه تنها تعدادی از این نمونه ها هستند.
با وجود تفاوت و تنوع بسیار زیادی که در ماهیت، اندازه، کاربرد، رفتار و ویژگی های مختلف این سیستم ها و شبکه ها، چه از نوع طبیعی و چه ساخته دست بشر وجود دارد، میتوان اصول و قوانین مشخص و مشابهی را در میان آنها مشاهده کرد. برای مثال: شبکه واکنش های شیمیایی که اجزای آن را مولکول های بسیار کوچک تشکیل میدهند، شبکه جهانی وب[5] که در آن صفحات وب به وسیله پیوندهای وب[6] به یکدیگر متصل شده اند، شبکه های اجتماعی که از روابط میان افراد تشکیل شده اند و بسیاری موارد دیگر، همگی قابل توصیف با ساختارها و قوانین مشابهی هستند و این امر به عنوان یک مزیت بزرگ تلقی میشود. زیرا میتوان تمام این سیستم های متفاوت طبیعی و مصنوعی را توسط ابزارهای ریاضی و مدل سازی مشابهی توصیف کرد.
با توجه به اینکه از سال ها پیش بسیاری از این سیستم ها، مانند: ساختارها و واکنش های زیستی، راه های ارتباطی، روابط اجتماعی و نظایر آن و همچنین دانش مطالعه بر روی سیستم ها و شبکه ها شناخته شده اند، پرسشی که ممکن است مطرح شود این است که چرا اهمیت این موضوع تنها در چند دهه اخیر آشکار شده است؟ پاسخی که میتوان داد این است که در گذشته ابزارهای مناسبی برای جمع آوری، نگهداری و پردازش این اطلاعات وجود نداشت اما امروزه با توسعه چشمگیر فناوری هایی نظیر کامپیوتر و شبکه های ارتباطی دیجیتال، این امکان فراهم آمده است که گردآوری، ترکیب، اشتراک و تحلیل این اطلاعات با سهولت، سرعت و دقت بالا و هزینه کم قابل اجرا باشد.
دانش شبکه[7]
دانش شبکه شاخه ای از علوم بشری است که به مطالعه بر روی شبکه ها میپردازد و تلاش میکند با بهره گرفتن از نتایج بررسی های خود،
از آنها برای درک بهتر سیستم های پیچیده بهره بگیرد. به طور کلی میتوان چهار ویژگی را برای این دانش برشمرد که در ادامه به اختصار به آنها اشاره میشود (1):
ماهیت میان رشته ای: با توجه به نحوه برخورد با مسئله در حوزه مطالعه شبکه ها، این دانش تنها به یک شاخه خاص از علم محدود نبوده و میتواند در علوم گوناگون از قبیل: علوم اجتماعی، زیستی، کامپیوتر، فیزیک، شیمی، اطلاعات، اقتصاد، امنیت و بسیاری از موارد دیگر کاربرد داشته باشد. به عنوان مثال، روشی که در حوزه علوم اجتماعی برای تشخیص افراد و گرو های موثر بر جامعه مورد استفاده قرار میگیرد، ممکن است در شبکه های کامپیوتری برای مدیریت ترافیک شبکه به کار برده شود.
عملگرایی و تمرکز بر داده ها: بر خلاف نظریه گراف ها که بیشتر به جنبه های انتزاعی و ریاضی مسائل توجه دارد، این دانش بیشتر بر حوزه کاربرد عملی و داده های مسئله تمرکز میکند. به همین جهت ابزارها و روش هایی که در این زمینه ارائه میشوند، بر روی داده ها و مسائل واقعی آزمایش میشوند تا قابلیت و کارایی آنها مشخص شود.
بیان کمی و ریاضی: مطالعه شبکه ها برای توصیف و مطالعه بهتر و دقیق تر، از ابزارها و روش های ریاضی بهره میبرد. به عنوان مثال: نظریه گراف ها، آمار و احتمالات، داده کاوی[8]، تئوری اطلاعات[9]، کنترل و فیزیک آماری از جمله علومی هستند که در این حوزه کاربرد دارند.
پردازش و محاسبات: از آنجا که اغلب مسائل مطرح شده در این حوزه، حجم عظیمی از اطلاعات را در بر میگیرند، بخش مهمی از کار به طراحی و بکارگیری روش هایی معطوف میشود که بتوانند از عهده محاسبات سنگین مورد نیاز برآیند. به همین منظور طراحی الگوریتم ها، پایگاه داده ها و داده کاوی بخشی از ابزارهای نرم افزاری هستند که بسیار به کار برده میشوند.
کاربردهای دانش شبکه:
کارایی و تاثیر هر شاخه از علم، علاوه بر دستاوردهای نظری، در حوزه کاربردهای عملی نیز مورد بررسی قرار میگیرد. در این بخش به اختصار به چند مورد از کاربردهای دانش شبکه ها اشاره میکنیم.
کاربردهای اقتصادی
موارد زیادی از شرکت های بسیار موفق عصر حاضر، به ارائه خدمات و فناوری هایی میپردازنده که بر پایه شبکه ها استوار هستند. برای نمونه میتوان به شرکت های Google[1]، [2]Facebook، Cisco[3] و [4]Apple اشاره کرد. شرکت Google فعالیت های عظیمی در حوزه استخراج نقشه شبکه جهانی وب انجام میدهد و بسیاری از خدمات و محصولات آن بر پایه این شبکه هستند. همچنین Facebook به عنوان بزرگترین شبکه اجتماعی مجازی جهان در کنار شرکت های دیگری نظیر Twitter[5] سالانه درآمدهای فراوانی از فعالیت های تبلیغاتی به دست میآورند.
[1] Complex Systems
[2] Nerve Cells
[3] Search Engines
[4] Online Social Networks
[5] World Wide Web (WWW)
[6] URLs
[7] Network Science
[8] Data Mining
[9] Information Theory
در این بخش پس از طرح كلیاتی از مسئله بازشناسی چهره، با تمركز بر مسئله طبقه بندها به بیان برخی چالشهای موجود در این زمینه پرداخته شده است. در ادامه با برشمردن یک سری مزایای ذاتی شبكه های عصبی مبتنی بر الگوریتم رزونانس تطبیقی، ایده كاربرد آنها در بازشناسی چهره، جهت رفع نقایص موجود مطرح و در انتها جمع بندی مطالب فصل ارائه شده است.
2-1- بازشناسی چهره
بازشناسی چهره در یک جمله بدین صورت تعریف می شود: اخذ تصویر چهره و شناسایی آن با توجه به نمونههایی كه قبلاً به سیستم آموزش داده شده است. تحقیقات در زمینه بازشناسی چهره دارای قدمتی در حدود نیم قرن می باشد. هر ساله تعداد مقالات علمی كه در این زمینه منتشر می شود، افزایش یافته و هر یک سعی در ارائه روشی بادرصد صحت كلاسه بندی بالاتر دارند. از آنجا كه این موضوع با رشته های علمی فراوانی ارتباط دارد، محققین با دیدگاه ها و انگیزه های گوناگون، از جمله روانشناسان، متخصصان در زمینههای بازشناسی الگو، شبكه های عصبی، بینایی ماشین و … به آن علاقه فراوان نشان می دهند.
مطالعات ابتدایی دراین زمینه مربوط به كارهای روانشناسان در دهه 1950 میلادی است. تحقیقات فنی و مهندسی در این باب یک دهه بعد، آغاز شد. اما ایده بازشناسی خودكار چهره توسط ماشین در دهه 1970 میلادی توسط كاناده[1] و كلی[2] مطرح گردید [53]. در سالهای نخست تحقیقات صورت گرفته با بهره گرفتن از تصاویر دوبعدی بوده است. اخیراً با پیشرفت تكنولوژی امكان تصویربرداری سه بعدی نیز فراهم شده و زمینه تحقیقات گسترده ای را گشوده شده است.
به طور كلی روش های بازشناسی چهره را می توان به سه دسته تقسیم نمود:
الف) روش های مبتنی بر ویژگیهای محلی
در این روشها عناصر محلی مانندچشم، دهان، بینی و … استخراج شده، خواص هندسی و موقعیت آنها نسبت به یكدیگر به عنوان ویژگی به سیستم شناسایی اعمال می شود [54].
ب) روش های كل نگر
در این دست از متدها از اطلاعات كل تصویر چهره استفاده می شود. برای استخراج ویژگیهای تفكیک كننده چهره افراد مختلف، تكنیكهای آماری به كار برده می شوند. برخی از معروفترین و كارآمدترین این روشها به قرار ذیل می باشند:
– روش آنالیز مولفه های اساسی[3]
– روش آنالیز مؤلفه های مستقل[4]
– روش آنالیز تفكیک كننده خطی[5]
ج) روشهای هیبرید
این روشها بیشترین شباهت را به سیستم ادراك انسانی داشته و به شكل تركیبی از دو روش پیشین می باشند. نتایج تحقیقات عملكرد بهتر این روش نسبت به دو روش قبل را نشان داده است [59].
از آنجا كه در این پایان نامه از روش آنالیز مؤلفه های اساسی، استفاده شده، درادامه با تفصیل بیشتری مورد بررسی قرار گرفته است.
1-2-1- تعبیر و مفهوم بردار چهره
تصویر دو بعدی چهره را می توان به صورت یک بردار یک بعدی در نظر گرفت. اگر عرض وطول تصویر به صورت h و w در نظر گرفته شود، این بردار دارای h×w مولفه خواهد بود. چگونگی انجام این كار در شكل 1-1 نشان داده شده است.
2-2-1- مفهوم فضای چهره
بردار چهره معرفی شده در 1-2-1 را می توان به صورت یک نقطه در فضای h ×w بعدی در نظر گرفت كه این فضا ، فضای تصویر نامیده می شود. از آنجایی كه ساختار چهره ها به لحاظ كلی شبیه به یكدیگر می باشند، تمامی چهره ها منحصر به ناحیه ای محدود در این فضای خواهند شد. بنابراین فضای مذکور، یک فضای بهینه جهت توصیف افتراق چهره ها نمی باشد. در این جا هدف ایجاد یک فضای جدید به صورتی است كه بتواند با ابعاد كمتر و به صورت موثرتر این كار را انجام دهد (فضای چهره[1]). تفاوت روش های مختلف مبتنی بر ظاهر، در چگونگی ایجاد فضای چهره می باشد. در PCA ، بردارهای پایه در فضای چهره باید طوری انتخاب شوند كه در صورت تصویر شدن نمونه ها بر بردارهای پایه، تفاوت نمونه ها بیشینه گردد.این بردارهای پایه در فضای چهره، مولفههای اساسی نامیده می شوند. در شكل 1-2 یک نمونه از فضای دو بعدی به همراه مولفه های اساسی آن نشان داده شده است.
[1] – Face space
[1] – Kanade
[2] – Kelly
[3]- Principal Component Analysis
[4] – Independent Component Analysis
[5]- Linear Discriminate Component Analysis
[1] – Multi Layer Perceptron (MLP)
[2] – Support Vector Machine (SVM)
[3] – Online
[4] – Adaptive Resonance Theory
[5]- Genetic Algorithm
1-1- پیشگفتار
پیدایش اینترنت و وب جهان گستر[1] موجب شده است که در رابطه با هر موضوع قابل تصور، حجم بسیار زیادی از اطلاعات وجود داشته باشد که کاربران[2] بتوانند با بهره گرفتن از آن نیاز اطلاعاتی خود را برطرف سازند. افزایش روز افزون اطلاعات باعث شد که مشکل سربار اطلاعات[3] به وجود آید و کاربران به تنهایی قادر به برطرف کردن نیازهای خود نباشند. . زیرا کاربران مجبور بودند به صورت بر خط[4] تمامی صفحات را جستجو کنند تا بتوانند آن قسمتی را که مورد نیازشان است پیدا کنند. به همین دلیل موتورهای جستجوگر[5] به وجود آمدند تا کاربران بتوانند با بهره گرفتن از آنها بدون نیاز به بررسی تعداد زیادی از صفحات به اطلاعات مورد نظرشان دسترسی پیدا کنند.
1-2- موتورهای جستجوگر
به عبارت دیگر یک موتور جستجوگر وب سایتی است که میتوان از آن برای پیدا کردن صفحات وب استفاده کرد. وقتی کاربر درخواست خود را در قالب کلمات کلیدی وارد موتور جستجوگر می کند موتور جستجوگر در بین بیلیونها صفحه وب جستجو کرده و به کاربر کمک می کند اطلاعاتی که به دنبال آن است را بیابد. با بهره گرفتن از این ابزار سرعت و دقت در جستجو بسیار افزایش یافت و کاربران توانستند به سادگی و در کمترین زمان به بهترین نتایج دست یابند.
انواع زیادی از موتورهای جستجوگر توسط کمپانیهای مختلف ساخته شده است که معروفترین آنها بینگ[6]، یاهو[7] و گوگل[8] میباشد (شکل شماره 1).
هر موتور جستجوگر راه و روش خود را برای سازماندهی اطلاعات دارد، پس نتیجه از یک موتور جستجوگر تا دیگری متفاوت خواهد بود.
موتورهای جستجوگر به دو دسته کلی تقسیم میشوند : موتورهای جستجوگر پیمایشی[9] و فهرستهای تکمیل دستی[10]. موتورهای
جستجوگر ترکیبی[11] نیز حاصل ترکیب دو نوع بالا میباشند. گونهای جدید از موتورهای جستجوگر نیز تحت عنوان ابر جستجوگرها[12] وجود دارد که در ادامه به طور خلاصه به توضیح هر کدام از این موارد خواهیم پرداخت.
1-2-1- موتورهای جستجوگر پیمایشی
این موتورهای جستجوگر، وب را پیمایش و اطلاعاتی را ذخیره می کنند. سپس کاربران از میان این اطلاعات آنچه را که میخواهند جستجو می کنند. اگر در صفحه وب تغییراتی اعمال شود موتورهای جستجوگر پیمایشی به طور خودکار آنها را مییابند و تغییرات مذکور را در فهرستها اعمال می کنند. نمونههایی ازموتورهای جستجوگر پیمایشی گوگل و یاهو میباشند.
1-2- 2- فهرستهای تکمیل دستی
فهرستهای تکمیل دستی وابسته به کاربرانی میباشد که آن را تکمیل می کنند. یا کاربر خودش صفحه مورد نظر را به همراه توضیحی کوتاه در فهرست ثبت می کند یا این کار توسط ویراستارهایی که برای آن فهرست در نظر گرفته شده صورت میپذیرد. در این حالت عمل جستجو تنها بر روی توضیحات ثبت شده انجام میگیرد و اگر تغییری روی صفحه وب به وجود آید در فهرست تغییر به وجود نخواهد آمد. نمونه ای از فهرستهای تکمیل دستی Open Directoryمیباشد[13].
1-2-3- موتورهای جستجوگر ترکیبی
این موتورهای جستجوگر نتایج حاصل از جستجوی هر دو نوع بالا را با هم ترکیب می کنند و نشان میدهند. علاوه بر این میتوانند برای نتایج یک نوع، اولویت قائل شوند. مثلا موتور جستجوی MSN اولویت را روی نتایج حاصل از فهرستهای تکمیل دستی قرار میدهد. ولی برای درخواستهای پیچیده، نتایج حاصل از جستجوی پیمایشی را نیز بررسی می کند.
1-2-4- ابر جستجوگرها
این نوع جدید از موتورهای جستجوگر نتایج حاصل از چند موتور جستجوگر را ترکیب نموده و نشان میدهد. به عبارتی دیگر درخواست کاربر را در چندین موتور جستجوگر جستجو کرده، سپس نتایج یافته شده را با هم ترکیب نموده و یک نتیجه کلی در اختیار کاربر قرار میدهد. به عنوان مثال موتور جستجوگر dogpile[14] نتایج حاصل از موتورهای جستجوگرGoogle ، Yahoo، MSN و ASK را با هم ترکیب میکند و به کاربر ارائه میدهد.
1-3- سیستمهای پیشنهادگر
مطالعات اخیر نشان دادهاند که عمده موتورهای جستجوگر با نرخ پایین موفقیت مواجه هستند. این نرخ با میزان دریافت نتایج مرتبط، نسبت به میانگین کاربران جستجو کننده تعیین می شود. به عنوان مثال در یکی از مطالعات[1] بیش از 20000 درخواست جستجو بررسی شده و مشخص گردیده که به طور میانگین در 48% موارد، کاربر در نتایجی که به او ارائه شده حداقل یک مورد مرتبط با جستجویش که ارزش انتخاب داشته باشد پیدا می کند. به بیان دیگر در 52% موارد، کاربر هیچ کدام از مواردی را که به عنوان نتیجه جستجو به او بازگشت داده می شود انتخاب نمی کند. البته این مشکل همان قدر که به موتور جستجوگر بستگی دارد به میزان دانش کاربر جستجو کننده در چگونگی نحوه جستجو نیز بستگی دارد. زیرا درخواست جستجو ممکن است منجر به ابهام شود و به ندرت می تواند به روشنی نیاز کاربر جستجو کننده را بیان کند. در این مواقع کاربر با لیست نتیجهای که نمی تواند نیاز اطلاعاتی او را برطرف سازد روبرو می شود. او در این شرایط معمولا درخواست خود را تعویض یا اصلاح می کند تا نتیجه دلخواهش به او ارائه شود.
در [2] نشان داده است که 10% از درآمد کسانی که با اطلاعات کار می کنند به دلیل تلف شدن زمانشان در جستجو از بین میرود. همچنین در بدترین حالت درصد قابل توجهی از جستجو کنندهها ممکن است در پیدا کردن اطلاعاتی که مورد نیازشان است با شکست روبرو شوند. این مسائل نشان میدهد که جستجوی وب بسیار ناکارامدتر از آن است که انتظار می- رود. همچنین علاوه بر افزایش
مطالعات بار بخشهای گستردهای از مباحث مربوط به صنعت برق و انرژی الکتریکی مصرفییک کشور را در بر میگیرد. میزان انرژی الکتریکی مصارف مختلف نیز از عوامل مختلفی، نظیر پارامترهای محیطی، زمانی و رشد اقتصادی و جمعیتی تأثیر میپذیرند. ضرورتها و انگیزههای مختلفی از جمله ضرورت جلوگیری از رشد غیر منطقی بار و شاخصه های تولید، ضرورت کاهش و کنترل میزان سرسام آور پرداخت یارانه، مسائل زیست محیطی، گسترش بهره گیری از برق هستهای، کاهش خاموشیها، گرایش به بهینه سازی به جای ظرفیت سازی و سود بهینه سازی در بازار برق، کنترل مصرف توسط مدیریت سمت تقاضا را اجتناب ناپذیر کرده است. از طرف دیگر لزوم افزایش سهم ناوگان ریلی برقی در جابجایی بار و مسافر، ما را به سمت استفاده از قطارهای برقی جهت کمک به تسطیح بخشی از منحنی بار سوق میدهد. برنامه ریزی جهت بهره برداری از راهآهن برقی در زمان بار پایه، علاوه بر کمک به افزایش ضریب بار، موجب آسانتر شدن مساله در مدار قرار گرفتن نیروگاه ها و پخش اقتصادی بار خواهد شد. در غیر اینصورت، این بار وارد شده به شبکه، حتی می تواند باعث بدتر شدن شاخصهای منحنی بار به دلیل همزمانی ورود آن با زمان اوج مصرف شود. راه آهن برقی تنها یکی از ابزارهای کمک به تسطیح منحنی بار میباشد، چرا که هر مصرف کننده صنعتییا غیر صنعتی بزرگ دیگر در صورت برنامه ریزی صحیح مصرف میتوانند کمک کننده باشند. در این پایان نامه از راه آهن برقی برای کمک به تسطیح بخشی از منحنی بار استفاده شده است. در ابتدا مشخصات منحنی حداکثر شدن انرژی مصرفی در راه آهن برقی در طول دوره میان باری و بار پایه محاسبه شده و سپس با بکارگیری این مشخصات، برنامه ریزی حرکت با بهره گرفتن از روش های هوشمند صورت گرفته است. در انتها نیز با مقایسه نتایج روش های به کار رفته و زمان اجرای آنها، بهترین روش برنامه ریزی حرکت قطارها معرفی شده است.
کلمات کلیدی: مدیریت سمت تقاضا- منحنی بار الکتریکی- راهآهن برقی- الگوریتم ژنتیک- الگوریتم اجتماعبهینه ذرات- دره زدایی- PSO- GA- DSM
فهرست مطالب
فصل اول
کلیات تحقیق………………………………………………………………………………………………………………………………………..
1
1-1
دیدگاه های تولید…………………………………………………………………………………………………………………………………..
2
1-2
بیان مساله…………………………………………………………………………………………………………………………………………….
3
1-3
عوامل موثر بار……………………………………………………………………………………………………………………………………….
11
1-3-1
تاثیر پارامترهای محیطی بر بار مصرفی……………………………………………………………………………………………….
12
1-3-2
تاثیر زمان بر بار مصرفی……………………………………………………………………………………………………………………….
15
1-4
منحنی تداوم بار……………………………………………………………………………………………………………………………………
16
1-5
ضرورتها و انگیزهها……………………………………………………………………………………………………………………………….
20
1-5-1
ضرورتها…………………………………………………………………………………………………………………………………………………
20
1-5-1-1
ضرورت جلوگیری از رشد غیر منطقی بار و شاخصه های تولید………………………………………………………….
20
1-5-1-2
ضرورت استفاده از کنتورهای چند تعرفه…………………………………………………………………………………………….
29
1-5-1-3
ضرورت کاهش و کنترل میزان سرسام آور پرداخت یارانه…………………………………………………………………..
30
1-5-2
انگیزهها…………………………………………………………………………………………………………………………………………………
30
1-5-2-1
مسائل زیست محیطی………………………………………………………………………………………………………………………….
30
1-5-2-1-1
مسائل زیست محیطی نیروگاه ها در مرحله ی ساخت………………………………………………………………………
31
1-5-2-1-2
مسائل زیست محیطی نیروگاه ها در مرحله بهره برداری…………………………………………………………………..
32
1-5-2-2
افزایش سهم ناوگان ریلی در جابجایی بار و مسافر………………………………………………………………………………
34
1-5-2-3
برق هسته ای………………………………………………………………………………………………………………………………………..
35
1-5-2-4
کاهش خاموشیها …………………………………………………………………………………………………………………………………
36
1-5-2-5
گرایش به بهینه سازی به جای ظرفیت سازی…………………………………………………………………………………….
39
1-5-2-5-1
سهم بهینه سازی در برنامه ریزی بلندمدت چهار ایالت شمال غرب آمریکا……………………………………….
40
1-5-2-5-2
برنامه 20 ساله در بریتیش كلمبیا- كانادا……………………………………………………………………………………………
40
1-5-2-6
حمل و نقل برقی………………………………………………………………………………………………………………………………….
42
1-5-2-7
سود بهینه سازی در بازار برق………………………………………………………………………………………………………………
43
1-6
مدیریت سمت تقاضا……………………………………………………………………………………………………………………………..
44
1-6-1
پیک سائی…………………………………………………………………………………………………………………………………………….
46
1-6-2
دره زدایی……………………………………………………………………………………………………………………………………………..
48
1-6-3
جابجایی بار…………………………………………………………………………………………………………………………………………..
48
1-6-4
انعطاف پذیر کردن بار…………………………………………………………………………………………………………………………..
50
1-6-5
صرفه جویی راهبردی……………………………………………………………………………………………………………………………
51
1-6-6
رشد بار راهبردی…………………………………………………………………………………………………………………………………..
51
1-7
مدیریت مستقیم بار……………………………………………………………………………………………………………………………..
52
1-8
اصلاح منحنی بار با مبادله برق بین کشورها……………………………………………………………………………………….
53
1-9
اصلاح منحنی بار و بارهای با توان مصرفی بالا…………………………………………………………………………………….
54
1-10
اقدامات صورت گرفته جهت اصلاح، کنترل و مدیریت مصرف……………………………………………………………
56
1-10-1
سیاستهای تدوین قوانین و مقرارت …………………………………………………………………………………………………
56
1-10-2
سیاستهای کمکهای مالی و تسهیلاتی……………………………………………………………………………………………..
57
1-10-3
سیاستهای مدیریت بار………………………………………………………………………………………………………………………
57
1-10-3-1
سیاستهای تعرفه برق……………………………………………………………………………………………………………………….
57
1-10-3-2
سیاستهای نصب کنتورهای چند تعرفه…………………………………………………………………………………………….
58
1-10-3-3
سیاستهای تغییر ساعت کشور………………………………………………………………………………………………………….
58
1-10-3-4
سیاستهای تغییر ساعت کار اصناف…………………………………………………………………………………………………..
58
1-10-4
سیاستهای توسعه لامپهای کم مصرف……………………………………………………………………………………………..
59
1-10-5
سیاستهای تبادل برق با کشورهای همجوار……………………………………………………………………………………..
59
1-10-6
سیاستهای تدوین استاندارد تجهیزات برقی خانگی………………………………………………………………………….
59
1-10-7
سیاستهای مدیریت مصرف انرژی الکتریکی در صنعت……………………………………………………………………
60
1-10-8
سیاستهای مدیریت مصرف انرژی الکتریکی در ساختمان………………………………………………………………
61
1-10-9
سیاستهای آموزش و آگاه سازی……………………………………………………………………………………………………….
61
1-10-10
سیاستهای تحقیق و توسعه………………………………………………………………………………………………………………
62
1-11
فرضیه ها…………………………………………………………………………………………………………………………………………………
62
فصل دوم
مبانی نظری و پیشینه تحقیق………………………………………………………………………………………………………………
63
2-1
اقدامات پیشین صورت گرفته……………………………………………………………………………………………………………….
64
فصل سوم
مواد و روشها………………………………………………………………………………………………………………………………………..
102
3-1
الگوریتم ژنتیک…………………………………………………………………………………………………………………………………….
103
3-1-1
جمعیت اولیه…………………………………………………………………………………………………………………………………………
103
3-1-2
مرتب سازی………………………………………………………………………………………………………………………………………….
104
3-1-3
حذف افراد ضعیف و انتخاب افراد نخبه………………………………………………………………………………………………..
104
3-1-4
انتخاب جفت ها جهت جفت شدن………………………………………………………………………………………………………
105
3-1-4-1
جفت شدن از بالا به پائین……………………………………………………………………………………………………………………
105
3-1-4-2
انتخاب جفت ها بصورت تصادفی………………………………………………………………………………………………………….
105
3-1-4-3
انتخاب جفت های تصادفی وزن دهی شده…………………………………………………………………………………………
106
3-1-4-3-1
وزن رتبه………………………………………………………………………………………………………………………………………………..
106
3-1-4-3-2
وزن هزینه…………………………………………………………………………………………………………………………………………….
106
3-1-4-4
انتخاب جفت ها بصورت مسابقه ای (تورنمنتی)………………………………………………………………………………….
107
3-1-5
جفت گیری وترکیب جفت ها………………………………………………………………………………………………………………
108
3-1-6
جهش…………………………………………………………………………………………………………………………………………………….
108
3-2
الگوریتم اجتماع ذرات………………………………………………………………………………………………………………………….
110
3-2-1
توپولوژی ذرات……………………………………………………………………………………………………………………………………..
110
3-2-1-1
توپولوژی بهینه سراسری (ستاره)………………………………………………………………………………………………………..
110
3-2-1-2
توپولوژی بهینه ی محلی (توپولوژی حلقوی)………………………………………………………………………………………
111
3-2-1-3
توپولوژی مربعی (نیومن)……………………………………………………………………………………………………………………..
111
3-2-2
معادلات سرعت وجابجایی در حرکت ذرات…………………………………………………………………………………………
111
فصل چهارم
نتایج……………………………………………………………………………………………………………………………………………………..
114
4-1
تشریح مساله………………………………………………………………………………………………………………………………………..
115
4-2
تسطیح منحنی بار با توان مصرفی پیشنهادی نیمسینوسی……………………………………………………………….
117
4-2-1
روش های برنامه ریزی حرکت قطارهای برقی…………………………………………………………………………………………
118
4-2-1-1
بررسی تمام حالات ترتیب حرکت قطارها……………………………………………………………………………………………
119
4-2-1-2
استفاده از الگوریتم ژنتیک جهت یافتن زمان حرکت هر قطار……………………………………………………………
129
4-2-1-3
استفاده از الگوریتم اجتماع بهینه ذرات جهت یافتن زمان حرکت هر قطار……………………………………….
130
4-4
مشخصات الگوریتمهای ژنتیک و اجتماع بهینه ذرات به کار رفته………………………………………………………
131
4-5
مقایسه زمان های اجرا…………………………………………………………………………………………………………………………….
131
فصل پنجم
بحث و نتیجه گیری……………………………………………………………………………………………………………………………….
133
5-1
نتیجه گیری………………………………………………………………………………………………………………………………………….
134
5-2
مقایسه با اقدامات پیشین……………………………………………………………………………………………………………………..
136
5-3
پیشنهادات…………………………………………………………………………………………………………………………………………….
137
5-3-1
بهبود ضریب بار با گسترش بارهاگرمایشی………………………………………………………………………………………….
137
5-3-2
بهبود ضریب بار با بهره گرفتن از خودروهای الکتریکی……………………………………………………………………………..
138
مراجع……………………………………………………………………………………………………………………………………………………
139
فهرست جدولها
1-1
مقایسه ی رشد مصرف در روز وقوع حداقل بار سالهای 78 و 84………………………………
8
1-2
مقایسه ی رشد مصرف در روز حداكثر بار سالهای 78 و 84………………………………………
8
1-3
مقادیر ضریب بار طی سالهای 73 تا 84………………………………………………………………………
17
1-4
حداکثر نیاز مصرف، انرژی روزانه و ضریب بار در سال 87………………………………………….
18
1-5
حداقل نیاز مصرف، انرژی روزانه و ضریب بار در سال 87…………………………………………..
19
1-6
حداکثر نیاز مصرف، انرژی روزانه و ضریب بار در سال 88………………………………………….
19
1-7
حداقل نیاز مصرف، انرژی روزانه و ضریب بار در سال 88…………………………………………..
19
1-8
پیک بار شبكه سراسری برق ایران طی سالهای ١٣٨٦ تا ١٣٩٥ به ازای سناریوی ادامه وضع موجود (مگاوات) ………………………………………………………………………………………..
21
1-9
پیک بار شبكه سراسری برق ایران طی سالهای ١٣٨٦ تا ١٣٩٥ به ازای سناریوی رشد معتدل (مگاوات)…………………………………………………………………………………………………..
21
1-10
پیک بار شبكه سراسری برق ایران طی سالهای ١٣٨٦ تا ١٣٩٥ به ازای سناریوی رشد سریع (مگاوات)……………………………………………………………………………………………………..
21
1-11
انرژی الكتریكی مورد نیاز در ایران طی سالهای ١٣٨٦ تا ١٣٩٥ به ازای سناریوی ادامه وضع موجود(گیگاوات ساعت)……………………………………………………………………………..
22
1-12
انرژی الكتریكی مورد نیاز در ایران طی سالهای ١٣٨٦ تا ١٣٩٥ به ازای سناریوی رشد معتدل (گیگاوات ساعت)………………………………………………………………………………………
23
1-13
انرژی الكتریكی مورد نیاز در ایران طی سالهای ١٣٨٦ تا ١٣٩٥ به ازای سناریوی رشد سریع (گیگاوات ساعت)………………………………………………………………………………………..
23
1-14
میانگین شاخص انتشار گازهای آلاینده و گلخانهای از بخش نیروگاهی کشور طی سالهای 80 تا 87 (گرم بر کیلووات ساعت)…………………………………………………………………
33
1-15
میزان انتشار گازهای آلاینده و گلخانهای نیروگاه های وزارت نیرو بر اساس نوع نیروگاه در سال 87 (تن)………………………………………………………………………………………………
33
1-16
مقدار انتشار انواع آلایندهها در نیروگاه های کشور به تفکیک نوع سوخت مصرفی در سال 1387 (تن)…………………………………………………………………………………………………………..
34
1-17
علل گرایش به ظرفیت سازی به جای بهینه سازی……………………………………………………..
39
1-18
پیش بینی انرژی الكتریكی مورد نیاز بخش حمل و نقل در ایران (گیگاوات ساعت)…
43
1-19
انرژی الكتریكی مورد نیاز بخش حمل و نقل در ایران تا سال 1395 بر اساس اهداف سند چشم انداز (گیگاوات ساعت)………………………………………………………………………………..
43
4-1
معرفی حالات مختلف حرکت قطارها…………………………………………………………………………..
120
فهرست شکلها
1-1
تغییرات بار فصل بهار طی سالهای 84 تا 88 ……………………………………………………………..
4
1-2
تغییرات 24 ساعته نیاز مصرف شبکه سراسری در فصل بهار سال 84 ……………………..
4
1-3
تغییرات بار فصل تابستان طی سالهای 84 تا 88 ………………………………………………………
4
1-4
تغییرات 24 ساعته نیاز مصرف شبکه سراسری در فصل تابستان سال 84………………..
5
1-5
تغییرات بار فصل پاییز طی سالهای 84 تا 88……………………………………………………………..
5
1-6
تغییرات 24 ساعته نیاز مصرف شبکه سراسری در فصل پاییز سال 84……………………..
5
1-7
تغییرات بار فصل زمستان طی سالهای 84 تا 88………………………………………………………..
6
1-8
تغییرات 24 ساعته نیاز مصرف شبکه سراسری در فصل زمستان سال 84………………..
6
1-9
پیک بار سالیانه شبکه سراسری طی سالهای 70 تا 88………………………………………………
9
1-10
مقایسه رشد تولید برق در ایران با سایر کشورها…………………………………………………………
9
1-11
سهم بارهای مختلف در مصرف انرژی الکتریکی………………………………………………………….
10
1-12
پیک بار هفتگی شبکه سراسری در سالهای 84 تا 88………………………………………………..
11
1-13
متوسط دمای حداکثر شهرهای اهواز، تهران و تبریز در 84 تا 88…………………………….
11
1-14
منحنی انرژی مصرفی روزانه در هفته پیک کل سیستم……………………………………………..
13
1-15
منحنی انرژی مصرفی روزانه در هفته پیک منطقه معتدل(تهران)……………………………..
14
1-16
منحنی انرژی مصرفی روزانه در هفته پیک منطقه گرمسیر(خوزستان)……………………..
14
1-17
منحنی بار روزهای هفته تابستان و چند روز خاص به نسبت پیک بار سال 88………..
15
1-18
منحنی تداوم بار در سالهای 78 و 84………………………………………………………………………….
16
1-19
منحنی تداوم بار سال 88……………………………………………………………………………………………..
17
1-20
منحنی تداوم بار سالهای 78 و 84………………………………………………………………………………
18
1-21
پیک بار سالانه شبكه سراسری برق ایران طی سالهای ١٣٨٦ تا 1395……………………..
22
1-22
قدرت نامی نیروگاه های کشور از سال 78 تا 88…………………………………………………………
24
1-23
قدرت نامی نیروگاه های بخار کشور از سال 78 تا 88…………………………………………………
24
1-24
قدرت نامی نیروگاه های گازی کشور را به تفکیک سن……………………………………………….
25
1-25
قدرت نامی نیروگاه های برقآبی کشور را به تفکیک سن……………………………………………..
25
1-26
روند ضریب ذخیره تولید در روز حداکثر نیاز مصرف همزمان نسبت به قدرت عملی در همان روز………………………………………………………………………………………………………………….
26
1-27
روند ضریب ذخیره تولید در روز حداکثر نیاز مصرف همزمان نسبت به قدرت عملی در همان روز………………………………………………………………………………………………………………….
27
1-28
سهم عوامل مختلف را در بروز خاموشیها در سال 84…………………………………………………
27
1-29
سهم عوامل مختلف را در بروز خاموشیها در سال 88…………………………………………………
28
1-30
روند ضریب ذخیره تولید در روز حداکثر نیاز مصرف همزمان نسبت به قدرت عملی در همان روز، سال 84………………………………………………………………………………………………….
28
1-31
روند ضریب ذخیره تولید در روز حداکثر نیاز مصرف همزمان نسبت به قدرت عملی در همان روز، سال 88………………………………………………………………………………………………….
29
1-32
نیاز مصرف در برنامه 20 ساله آینده با فرض اجرا نكردن برنامه های مدیریت مصرف..
41
1-33
كاهش حدود 20 درصدی كل نیاز مصرف در سال 2025 با فرض اجرای برنامه های مدیریت مصرف……………………………………………………………………………………………………………..
41
1-34
مصرف نهایی برق در بخش مترو كشورهای پیشرفته دنیا و مقایسه آن با ایران در سال 2006…………………………………………………………………………………………………………………..
42
1-35
برنامه پیک سایی مدیریت سمت تقاضا………………………………………………………………………..
47
1-36
برنامه درهزدایی مدیریت سمت تقاضا…………………………………………………………………………..
48
1-37
برنامه جابجایی بار مدیریت سمت تقاضا………………………………………………………………………
49
1-38
برنامه انعطاف پذیر کردن بار مدیریت سمت تقاضا……………………………………………………..
50
1-39
برنامه صرفه جویی مدیریت سمت تقاضا……………………………………………………………………..
51
1-40
برنامه رشد بار مدیریت سمت تقاضا……………………………………………………………………………..
52
1-41
منحنی بار کشور ترکیه…………………………………………………………………………………………………
54
1-42
میزان کاهش اوج بار شیکه سراسرسی با اجرای برنامه تعطیلات صنایع بزرگ………….
55
1-43
انرژی مصرفی فولاد مبارکه در تابستان 88…………………………………………………………………
55
1-44
انرژی مصرفی فولاد اهواز در تابستان 88…………………………………………………………………….
55
1-45
انرژی مصرفی کارخانه ایرالکو در تابستان 88………………………………………………………………
56
3-1
فلوچارت الگوریتم ژنتیک……………………………………………………………………………………………..
109
4-1
منحنی بار مصرفی ایران……………………………………………………………………………………………….
116
4-2
منحنی توان مصرف پیشنهادی گنبدی قطارها جهت تسطیح منحنی بار………………….
117
4-3
منحنی توان مصرفی قطار a در یک دوره تناوب سیر………………………………………………….
118
4-4
منحنی توان مصرفی قطار b در یک دوره تناوب سیر…………………………………………………
119
4-5
منحنی توان مصرفی قطار c در یک دوره تناوب سیر………………………………………………….
119
4-6
منحنی توان مصرفی قطار d در یک دوره تناوب سیر…………………………………………………
119
4-7
حالت 1 ترتیب حرکت قطارهای برقی…………………………………………………………………………
121
4-8
حالت 2 ترتیب حرکت قطارهای برقی…………………………………………………………………………
121
4-9
حالت 3 ترتیب حرکت قطارهای برقی…………………………………………………………………………
121
4-10
حالت 4 ترتیب حرکت قطارهای برقی…………………………………………………………………………
122
4-11
حالت 5 ترتیب حرکت قطارهای برقی…………………………………………………………………………
122
4-12
حالت 6 ترتیب حرکت قطارهای برقی…………………………………………………………………………
122
4-13
حالت 7 ترتیب حرکت قطارهای برقی…………………………………………………………………………
123
4-14
حالت 8 ترتیب حرکت قطارهای برقی…………………………………………………………………………
123
4-15
حالت 9 ترتیب حرکت قطارهای برقی…………………………………………………………………………
123
4-16
حالت 10 ترتیب حرکت قطارهای برقی……………………………………………………………………….
124
4-17
حالت 11 ترتیب حرکت قطارهای برقی……………………………………………………………………….
124
4-18
حالت 12 ترتیب حرکت قطارهای برقی……………………………………………………………………….
124
4-19
حالت 13 ترتیب حرکت قطارهای برقی……………………………………………………………………….
125
4-20
حالت 14 ترتیب حرکت قطارهای برقی……………………………………………………………………….
125
4-21
حالت 15 ترتیب حرکت قطارهای برقی……………………………………………………………………….
125
4-22
حالت 16 ترتیب حرکت قطارهای برقی……………………………………………………………………….
126
4-23
حالت 17 ترتیب حرکت قطارهای برقی……………………………………………………………………….
126
4-24
حالت 18 ترتیب حرکت قطارهای برقی……………………………………………………………………….
126
4-25
حالت 19 ترتیب حرکت قطارهای برقی……………………………………………………………………….
127
4-26
حالت 20 ترتیب حرکت قطارهای برقی……………………………………………………………………….
127
4-27
حالت 21 ترتیب حرکت قطارهای برقی……………………………………………………………………….
127
4-28
حالت 22 ترتیب حرکت قطارهای برقی……………………………………………………………………….
128
4-29
حالت 23 ترتیب حرکت قطارهای برقی……………………………………………………………………….
128
4-30
حالت 24 ترتیب حرکت قطارهای برقی……………………………………………………………………….
128
4-31
منحنی منتج از حرکت قطارها طبق برنامه زمانبندی الگوریتم ژنتیک……………………….
130
4-32
منحنی منتج از حرکت قطارها طبق برنامه زمانبندی الگوریتم اجتماع بهینه ذرات…..
131
فصل اول
کلیات تحقیق
مطالعات بار بخشهای گستردهای از مباحث مربوط به صنعت برق و انرژی الکتریکی یک کشور را در بر میگیرد. این مطالعات جهت شناسایی و آنالیز عوامل مؤثر بر انرژی الکتریکی مصرفی صورت میگیرد، که قسمت عمده ای از این مطالعات روی تغییرات بار، تغییرات روند پیک بار سالانه و برآورد مصارف بخشهای مختلف، طی سال های آتی صورت میگیرد.
1-1- دیدگاه های تولید
در دیدگاه ملی، منافع عمومی کشور نظیر منافع سیاسی، امنیت ملی و اجتماعی مقدم بر مطالعات اقتصادی بوده و حتی می تواند در تناقض با آن نیز باشد. در کشورهای توسعهیافته، با توجه به شفافیت نرخ انواع حاملهای انرژی و کالا و نیز عدم وجود یارانههای بخشی و بینبخشی حاملهای انرژی و خدمات، دیدگاه ملی مترادف با دیدگاه کاملاً اقتصادی بنگاهی خواهد بود. اما این امکان نیز وجود دارد که برخی اقدامات، جهت مواجهه با برخی شرایط و حوادث پیش بینی نشده مانند بحرانهای سیاسی و ملاحظات زیست محیطی، نظیر سیاست های موقت حمایتی و قوانین کلی در کشورهای توسعهیافته دارای صنعت برق با دیدگاه کاملاً اقتصادی نیز بروز دهد، که موقتاً باعث تفکیک دو دیدگاه ملی و بنگاهی از یکدیگر شود. بنابراین در مطالعه و دیدگاه ملی، عدم حذف یارانههای سوخت و اعمال هزینه های زیستمحیطی و نیز در نظر گرفتن سیاستهای حمایتی میتوانند صنعت برق کشوری را در زمرهی دیدگاه های ملی نگه دارد. اما دیدگاه بنگاهی، دیدگاهی کاملاً متفاوت و حتی در مواردی متناقض با دیدگاه ملی است. در دیدگاه بنگاهی، سناریوهای سرمایه گذاری پیشرو نگاه کاملاً اقتصادی به خود میگیرد. در ایران شرکت برق و به عبارت بهتر توانیر، همان بنگاه میباشد که از یارانههای بخشی و بینبخشی گستردهای بهره میبرد. اگر بخواهیم تفاوت عمده دو دیدگاه را بیان کنیم، باید وجود یا عدم وجود پرداخت یارانه و اقتصاد باز یا انحصارگرایی را در وجود یا عدم وجود هر دیدگاه جستجو کنیم. اما به هر حال امید است در افق بلند مدت و با توجه به برنامه ریزیهای صورت گرفته در برنامه های توسعهای کشور، این دو دیدگاه (همانند کشورهای برخوردار از صنعت برق پیشرفته) به یکدیگر نزدیک شده و یکی شوند.