Poslijediplomski doktorski studij

Nazad   Raspored   Engleski

Optimizacije i estimacije u industrijskim i distributivnim mrežama metodama mekog računarstva ZUMEE108

ECTS 8 | P 20 | A 0 | L 5 | K 0 | ISVU 0 | Akademska godina: 2018./2019.

Nastavnici na predmetu

BARUKČIĆ MARINKO, nositelj
HADŽISELIMOVIĆ MIRALEM, nositelj

Ciljevi predmeta

Upoznati studente s primjenom metoda mekog računarstva za složene optimizacije i estimacije u distributivnim i industrijskim mrežama. Upoznati studente s gotovim računalnim paketima metoda mekog računarstva u Python programskom okruženju. Osposobiti studente za rješavanje složenih optimizacijskih problema u distributivnim i industrijskim mrežama upotrebom metoda mekog računarstva. Osposobiti studente za rješavanje složenih problema ko-simulacijom računalnih alata za metode mekog računarstva i alata za simulacije električnih sustava.

Uvjeti za upis predmeta

Električne podstanice, Električni strojevi ili Električni pogoni ili Prijenos i distribucija električne energije

Sadržaj

Pregled metoda mekog računarstva: evolucijski algoritm i, sustavi neizrazitog zaključivanja i umjetne neuronske mreže. Matematički zapis jednociljnih optimizacijskih problema. Matematički zapis višeciljnih optimizacijskih problema. Pareto definicije kod višeciljne optimizacije. Primjeri složenih optimizacijskih i estimacijskh problema: optimalna alokacija uređaja (volt-var uređaji, distribuirana proizvodnja, filteri...), estimacija naponskog profila, estimacija parametara nadomijesne sheme uređaja (transformator, motor, vod...). Rješavanje složenih optimizacijskih i estimacijskih robusnim optimizacijskim metodama evolucijske optimizacije: genetski algoritmi, diferencijalna evolucija, evolucijska strategija, kolonija mrava, NSGA, SPEA, višeciljna ACO ...Estimacija parametara i varijabli sustavom neizrazitog zaključivan ja (Fuzzy sustav) i umjetnim neuronskim mrežama. Optimizacije i estimacije ko-simulacijom dva softvera: Python paketi za metode mekog računarstva i njihova primjena s softverima za simuliranje električnih sustava (OpenDSS, DSSim, OpenModelica.)

Znanja i vještine koje se stječu uspješnim svladavanjem kolegija

Nakon položenog predmeta student će moći: 1. klasificirati optimizacijske probleme u elektroenergetici i odgovarajuće metode mekog računarstva za rješavanje problema 2. formulirati optimizacijske i estimacijske probleme u elektroenergetici 3. predložiti odgovarajuću metodu mekog računarstva za optimizaciju i estimaciju u elektroenergetici 4. povezati softverske alate za analizu električnih sustava i metode mekog računarstva za rješavanje optimizacijskih problema u elektroenergetici 5. kreirati proceduru rješavanje optimizacijskog problema u elektroenergetici koja uključuje formulaciju problema i rješavanje problema kosimulacijom programskih alata

Oblici provođenja nastave

Predavanja, seminari i radionice, laboratorijske vježbe

Obveze studenata

Pohađanje predavanja, Dolazak na konzultacije, Izrada seminarskog rada, Prezentiranje seminarskog rada na usmenom ispitu

Praćenje rada studenata

Pohađanje nastave:,usmeni ispit, seminarski rad, laboratorijske vježbe

Način provjere znanja

Pohađanje nastave:,usmeni ispit, seminarski rad, laboratorijske vježbe

Osnovna literatura

1. 1 D. K. Chaturvedi Soft Computing Techniques and its Applications in Electrical Engineering Springer Berlin Heidelberg, 2008.

2. 2 G. Chicco ; A. Mazza ; A. Russo Optimization and decision-making in electrical distribution networks International Conference and Exposition on Electrical and Power Engineering, 2012

3. 3 S. Tan ; J.X. Xu ; S.K. Panda Optimization of Distribution Network Incorporating Distributed Generators: An Integrated Approach IEEE Transactions on Power Systems ,Volume: 28, 2013.


Pretraži literaturu na:

Dopunska literatura

1. 1 C. Coello Coello, G. B. Lamont, D. A. van Veldhuizen Evolutionary Algorithms for Solving Multi-Objective Problems Springer US, 2007

2. 2 K. Chakraborty, A. Chakrabarti Soft Computing Techniques in Voltage Security Analysis Springer India, 2015

3. 3 R. Kruse, C. Borgelt, F. Klawonn, C. Moewes, M. Steinbrecher, P.Held Computational Intelligence A Methodological Introduction, 2013, Springer London

4. 4 C. A. Coello Coello A Short Tutorial on Evolutionary Multiobjective Optimization

Način polaganja ispita

Pohađanje nastave:,usmeni ispit, seminarski rad, laboratorijske vježbe

Način praćenja kvalitete i uspješnosti izvedbe kolegija

Povjerenstvo za stjecanje doktorata znanosti prati redovitost i kvalitetu održavanja nastave, konzultacija i ispita, a prema potrebi se radi studentska evaluacija putem ankete.

Pregled ishoda učenja, nastavnih metoda i procjena ishoda učenja

Ishodi učenja:

1. Klasificirati optimizacijske probleme u elektroenergetici i odgovarajuće metode mekog računarstva za rješavanje problema

2. Predložiti odgovarajuću metodu mekog računarstva za optimizaciju i estimaciju u elektroenergetici

3. Formulirati optimizacijske i estimacijske probleme u elektroenergetici

4. Povezati softverske alate za analizu električnih sustava i metode mekog računarstva za rješavanje optimizacijskih problema u elektroenergetici

5. Kreirati proceduru rješavanje optimizacijskog problema u elektroenergetici koja uključuje formulaciju problema i rješavanje problema kosimulacijom programskih alata



Aktivnosti studenta:

Aktivnost studenta Broj radnih sati ECTS (Broj radnih sati/30) Ishod(i) učenja Nastavna
metoda
Metoda procjene Bodovi
Predavanja3011,2,3,4,5PreedavanjaEvidentiranje nazočnosti. 00
Laboratorijske vježbe, priprema, rad i analiza 3024,5Laboratorijske vježbeProvjera priprema, nadzor rada i provjera analiza 1530
Izrada i prezentacija seminarskog rada 6033,4,5Seminarski radPregledavanje seminarskog rada2040
Usmeni ispit6021,2,3,4,5Usmeni ispitProvjera danih odgovora1530