دانلود پروژه دانشجویی با موضوع تعیین نفوذپذیری منابع خورشیدی در سیستم توزیع

تعیین نفوذپذیری منابع خورشیدی در سیستم توزیع با در نظر گرفتن مدل بار متغیر با زمان

در بیشتر مطالعاتی در رابطه با برنامه ریزی منابع تولید پراکنده صورت می‌گیرد، یک مدل ثابت و یا وابسته به ولتاژ برای بار در نظر می گیرند. در این مقاله، چندین نوع مختلف بار برای تعیین میزان سطج نفوذپذیری منابع خورشیدی (PV) در شبکه توزیع استفاده می کند. ابتدا یک روش تحلیلی جدید برای تعیین اندازه واحد PV که توانایی تغذیه توان اکتیو و راکتیو را دارد ارائه می شود. این تحلیل بر اساس یک تابع چند هدفه که به صورت ترکیب سه شاخص با نام های، تلفات توان اکتیو، تلفات توان راکتیو و انحراف ولتاژ فرمول بندی شده است، انچام می شود. سپس این تحلیل برای تعیین مکان منابع خورشیدی (PV) با در نظر گرفتن مدل بار متغیر با زمان و تولید احتمالی واحدهای PV ، تعمیم داده می شود. میزان اعتبار روش پیشنهادی بر روی سیستم های تست 33 باسه و 69 باسه IEEE ارزیابی می شود. نتایج نشان می دهند تعیین محل واحدهای PV با در نظر گرفتن مدل بار متغییر با زمان می تواند سطوح نفوذپذیری مختلفی به دست بدهد. قبل از خرید محصول می توانید مقاله انگلیسی را از لینک مقابل دانلود کنید  : دانلود مقاله انگلیسی این محصول شامل کدهای متلب شبیه سازی به همراه فایل PDF مقاله می باشد.

 جهت خرید به ادامه مطلب مراجعه نمایید 

 بخشی از خروجی برنامه در شکل های زیر نشان داده شده است :  

بازآرایی شبکه‌های توزیع شعاعی آموزش + کدنویسی

بازآرایی شبکه‌های توزیع شعاعی با هدف کاهش تلفات شبکه با استفاده از الگوریتم ژنتیک

هدف این آموزش، یادگیری حالت کلی بازآرایی شبکه‌های توزیع شعاعی ( Reconfiguration ) و استفاده از آن متناسب با نیاز شما می باشد. در این فایل آموزشی تجدید آرایش بهینه شبکه شعاعی 33 باسه با هدف کاهش تلفات به وسیله‌ی الگوریتم ژنتیک خود متلب انجام گرفته است . ولی اطمینان را به شما می‌دهیم که پس از مطالعه دقیق این فایل شما قادر خواهید بود بازآرایی بهینه را برای هر سیستم دلخواه و متناسب با نیاز خود و با استفاده از الگوریتم های مختلف در محیط MATLAB  شبیه سازی کنید. 

  تذکر1 :  کدنویسی الگوریتم ژنتیک از حوصله این بحث خارج است. هدف اصلی این آموزش چگونگی تعریف یک تابع هدف به منظور تجدید آرایش سیستم می‌باشد. و از کدهای تعریف شده خود برنامه متلب برای استفاده از الگوریتم ژنتیک استفاده شده است.

  تذکر2 : به منظور محاسبات پخش بار، از تولباکس قدرتمند matpower استفاده شده است. بنابراین دانلود و نصب این تولباکس برای اجرای کدها الزامی می‌باشد.و همچنین برنامه ها در محیط متلب 2014 کدنویسی شده‌اند. ابتدا تولباکس matpower  را از آدرس زیر دانلود کرده و مطابق با توضیحات زیر آن را نصب نمایید 

  http://www.pserc.cornell.edu/matpower/ 

اصلاح بایاس فیلد با استفاده از الگوریتم BCFCM در متلب

Bias-corrected fuzzy c-mean( BCFCM ) algorithm

اصلاح بایاس فیلد با استفاده از الگوریتم BCFCM در متلب

  ناهمگنی شدت فضایی ناشی از هسته فرکانس رادیویی در تصویربرداری رزونانس مغناطیسی (MRI) مشکل عمده ای در تجزیه و تحلیل داده های کامپیوتر MRI است. چنین ناهمگنی طبقه بندی تصاویر MR را بر اساس شدت بسیار دشوار می کند حتی با تکنیک های پیشرفته. به این دلیل که ناهمگنی که در تصاویر MR ظاهر می شود، تغییرات فضایی در بافت آماری آن مثل میانگین و واریانس ایجاد می کند. به علاوه این تخریب بر روی تصاویر مانع تشخیص پزشک میشود چرا که پزشک مجبور است از ناهمگنی مصنوعی در تصاویر مخدوش چشم پوشی کند. الگوریتم BCFCM  الگوریتمی است جهت اصلاح بایاس فیلد و بخش بندی تصاویر . در این مقاله الگوریتم جدیدی برای بخش بندی تطبیقی و تصحیح شدت تصاویر MR ارائه شده است. این الگوریتم با بهبود تابع هدف الگوریتم FCM بدست آمده است.الگوریتم BCFCM برای اصلاح بایاس فیلد و بخش بندی تصاویر در خوشه های مختلف را به طور خلاصه می توان در مراحل زیر خلاصه کرد : 1- مقدار اولیه کلاس ها را انتخاب کنید. و مقدار اولیه بایاس فیلد را خیلی کوچک در نظر بگیرید .( مثلا 0.01 ) 2-ماتریس عضویت را با استفاده از روابط آپدیت کنید. 3-نمونه های اولیه خوشه ها را در قالب میانگین وزنی با استفاده از روابط حاکم بدست آورید 4- بایاس فیلد را با روابط موجود تخمین برنید مراحل 2 تا چهار را تا زمانیکه مرکز خوشه ها تغییر چندانی نکند تکرار کنید. ( خطا کوچک باشد ) این الگوریتم با استفاده از اطلاعات مقاله زیر در محیط متلب کدنویسی شده است و همه روابط برای پیاده سازی الگوریتم داخل مقاله موجود می باشد.

  A Modified Fuzzy C-Means Algorithm for Bias Field Estimation and Segmentation of MRI Data

m-file کدنویسی مثال های فصل 8 درس DSP - کتاب اپنهایم (openheim)

کدنویسی مثال های فصل هشتم درس Digital Signal Processing- DSP

 در این محصول مثال های  3، 4، 6، 7، 8، 10 ،11 و 13 فصل هشتم درس DSP کتاب اپنهایم (openheim) در m-file های جداگانه با نرم افزار متلب کدنویسی شده است.

 مثال 6-8

 

دانلود شبیه سازی مدل 10محفظه برای سیستم گردش خون بدن انسان متلب

مدل 10محفظه برای سیستم گردش خون بدن انسان در متلب (سیمولینک)

مدل 10محفظه مدلی برای سیستم گردش خون بدن انسان است که با 10 بلوک مدل شده. FD جریان خون ورودی است که در ابتدا وارد شریان ریوی میشود و در سیستم گردش خون به گردش در میاید.

در این 2 فایل سیمولینک, سیستم گردش خون فرد سالم و فرد بیمار (که نشتی خون از بطن چپ به بطن راست دارد ) مدل شده است. نشتی خون با FVSD  مدل شده که برای  فرد سالم FVSD=0 میباشد

دانلود کد پخش بار جامع برای تمامی شبکه های شعاعی در متلب

برنامه ای کلی برای پخش بار همه ی شبکه های شعاعی

این محصول شامل برنامه پخش بار به روش پسرو - پیشرو برای تمامی شبکه های شعاعی می باشد. بطوریکه برای پخش بار شبکه دلخواه کافیست اطلاعات شبکه را در یک m-file نوشته و در برنامه load کنید .

جهت آشنایی با چگونگی وارد کردن اطلاعات شبکه ، داده های شبکه تست 33 باسه استاندارد IEEE داخل مجموعه قرار داده شده است به همراه یک فایل ورد جهت راهنمایی قرار داده شده است.

این برنامه روی شبکه های 33 باسه و 69 باسه استاندارد IEEE تست شده است

 قیمت : 10000 تومان

دانلود کد نویسی مثال های فصل سوم درس پردازش تصویر کتاب گونزالس در متلب

کد نویسی مثال های فصل سوم درس پردازش تصویر کتاب گونزالس در متلب

این مجموعه شامل یک m-file  و تصاویر فصل سوم کتاب گونزالس است که 14 مثال این فصل از کتاب در یک m-file کدنویسی شده است

تصویر برخی از مثال ها به عنوان نمونه :

بسته آموزشی مقدماتی متلب - پاورپوینت

این بسته شامل 13 پاورپوینت آموزشی مقدماتی متلب میباشد. هر پاورپوینت بین 30 تا 50 اسلاید می باشد.
 سرفصل های این آموزش عبارتند از :
 فصل اول : ویژگی های اصلی MATLAB      دانلود رایگان فصل اول DOWNLOAD
فصل دوم : آرایه ها
فصل سوم : توابع و عملیات ماتریسی
فصل چهارم : عملیات منطقی و رابطه ای
فصل پنجم : کار با رشته های کاراکتری
فصل ششم :تصمیم‌گیری و کنترل روند،استفاده از حلقه‌ها و دستورات شرطی در متلب

دانلود شبیه سازی مقاله، جایابی و تعیین اندازه بهینه DG با استفاده از الگوریتم ژنتیک

A combination of genetic algorithm and particle swarm optimization for optimal DG location and sizing in distribution systems

 

در این مقاله برای بهینه سازی از ترکیب دو الگوریتم ژنتیک و PSO استفاده شده و نتایج بدست آمده با نتایج حاصل از PSO و ژنتیک مقایسه شده است.

فایل شبیه سازی شامل جایابی و تعیین ظرفبت بهینه منابع DG با استفاده از الگوریتم ژنتیک روی شبکه 33 باسه IEEE می باشد.که 3 منبع DG توسط الگوریتم ژنتیک جایابی و تعیین ظرفیت می شود.

برای بهینه سازی از الگوریتم ژنتیک خود متلب استفاده شده و الگوریتم ژنتیک کد نویسی نشده است.