رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 Clamp-Conductor System Used for 63kV Overhead Power Lines: A Stress Analysis سیستم هادی-کلمپ مورد استفاده در خطوط قدرت هوایی 63 کیلوولت: یک آنالیز تنش 633 642 20463 10.22034/tjee.2025.66633.4995 FA جابر داداشی زاده سماکوش دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران Journal Article 2025 04 07 A clamp-conductor system in power transmission lines serves two main functions: to withstand the conductor’s tensile forces and to ensure reliable, continuous electrical current transfer. This study investigates the mechanical and thermal performance of a typical dead-end tension clamp-Lynx conductor system. A finite element model was developed to simulate the system’s response to tensile and thermal stresses. The results indicate that the highest tensile stresses occur in the conductor’s steel core and the clamp’s steel anchor. Thermal performance was evaluated through both finite element simulation and laboratory current-injection testing. Findings show that the conductor’s surface temperature is consistently higher than that of the clamp, and both temperatures increase with rising current. The maximum difference between simulated and experimentally measured conductor surface temperatures was less than 2%, validating the accuracy of the simulation approach. یک سیستم هادی-کلمپ در خطوط انتقال قدرت دو وظیفه را به عهده دارد: تحمل نیروی کشش هادی و عبور جریان الکتریکی بصورت دائم و ایمن. در این مطالعه، یک سیستم نمونه ای هادی لینکس- کلمپ کششی انتهایی از نظر تحمل نیروی کشش مکانیکی و تنش حرارتی ایجاد شده توسط جریان الکتریکی مورد آنالیز قرار گرفته است. بدین منظور، برای شبیه سازی سیستم هادی-کلمپ مورد مطالعه از مدلسازی اجزاء محدود استفاده شده است. نتایج نشان می دهد که بیشترین نیروی کشش بر روی هسته فولادی هادی و لنگر فولادی کلمپ وارد می شود. بعلاوه، آنالیز حرارتی به کمک شبیه سازی اجزاء محدود و آزمون تزریق جریان در آزمایشگاه انجام شده است. نتایج نشان می دهد که دمای سطح هادی بیشتر از دمای سطح کلمپ می باشد. همچنین، با افزایش جریان الکتریکی، هم دمای سطح هادی و هم دمای سطح کلمپ افزایش می یابد. بیشترین اختلاف بین دمای سطح هادی در شبیه سازی و آزمون آزمایشگاهی کمتر از 2% بوده است که این دقت شبیه سازی را تأیید می کند.

https://tjee.tabrizu.ac.ir/article_20463_11e9e6ff5de9e196147a175139e619e3.pdf

رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 Tehran Stock Exchange Price Movement Prediction using Daily News with Hierarchical Attention Network Plus BERT پیش‌بینی نوسانات قیمت سهام در بورس تهران با استفاده از اخبار روزانه با بهره‌گیری از شبکه توجه سلسله‌مراتبی تقویت‌شده با BERT 643 652 19626 10.22034/tjee.2025.64303.4917 FA لیلا حافظی دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران محمدرضا پژوهان دانشگاه یزد سجاد ظریف‌زاده دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران Journal Article 1970 01 01 The stock market’s significance in the global economy necessitates demands more accurate prediction methods. This paper introduces a novel hierarchical attention mechanism aimed at enhancing the performance of predicting stock price movements. Hierarchical attention networks assume that not all news segments hold equal relevance in forecasting stock market trends. Furthermore, we assert that not all daily news carries an equivalent significance in predicting market trends. To tackle this challenge, we suggest a hierarchical attention network plus BERT that emulates the news hierarchy and assigns weights to news items based on their significance, and also the most informative news articles in each trading day in stock market prediction. Our HAN+BERT method incorporates three levels of attention mechanisms, operating at the word, sentence, and news level. This allows the model to identify the most significant news stories of the day and select the most informative sentences and words within these articles. Using BERT as the word embedding approach has resulted in better performance for our stock trend prediction model. Empirical results on Persian financial news and three stock market indices reveal the effectiveness of our HAN+BERT model, with a peak accuracy of 65.49%, which is 3% higher than the best baseline model. با توجه به نقش مهم بازار سهام در اقتصاد جهانی، همواره نیاز به روش‌هایی دقیق‌تر برای پیش‌بینی رفتار آن احساس می‌شود. یکی از چالش‌های اصلی در این حوزه، نحوه استفاده مؤثر از اخبار در پیش‌بینی روند بازار است. در این پژوهش، یک مکانیزم توجه سلسله‌مراتبی جدید معرفی شده که هدف آن بهبود عملکرد مدل‌های پیش‌بینی بازار سهام است. ایده اصلی این رویکرد بر این فرض استوار است که همه بخش‌های یک خبر و هم‌چنین همه اخبار منتشرشده در یک روز معاملاتی، تأثیر یکسانی در شکل‌گیری روند بازار ندارند. بر همین اساس، در این مقاله مدلی مبتنی بر شبکه توجه سلسله‌مراتبی همراه با BERT با نام HAN+BERT ارائه می‌شود که ساختار سلسله‌مراتبی اخبار را در نظر گرفته و به هر خبر متناسب با میزان اهمیت آن در پیش‌بینی بازار وزن اختصاص می‌دهد. این مدل قادر است در هر روز معاملاتی، تأثیرگذارترین اخبار را شناسایی کرده و در متن هر خبر نیز مهم‌ترین جملات و واژگان را استخراج کند. برای دستیابی به این هدف، از مکانیزم توجه درسه سطح واژه، جمله و خبر استفاده شده است. به‌کارگیری BERT به ‌عنوان روش تعبیه‌سازی واژگان باعث شده مدل بتواند معنا و زمینه‌ی مفهومی اخبار را با دقت بیشتری درک کند و در نتیجه عملکرد بهتری در پیش‌بینی روند بازار سهام ارائه دهد. نتایج آزمایش‌های انجام شده بر روی مجموعه‌ای از اخبار مالی فارسی نشان می‌دهد که مدل پیشنهادی HAN+BERT در مقایسه با روش‌های مرجع، دقت بالاتری داشته و بهبود محسوسی در پیش‌بینی تغییرات بازار ایجاد می‌کند.

https://tjee.tabrizu.ac.ir/article_19626_c923e6a38ae7a0548f442806cbd6221a.pdf

رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 A Switch Migration-based Congestion Control Mechanism for Multi-domain SDNs مکانیزم کنترل ازدحام مبتنی بر مهاجرت برای شبکه های نرم افزارمحور های چند دامنه ای 653 663 19939 10.22034/tjee.2025.65116.4941 FA محمد رضا جناب زاده گروه مهندسی کامپیوتر، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران وحید آیت اللهی تفتی گروه مهندسی کامپیوتر، واحد تفت، دانشگاه آزاد اسلامی، تفت، ایران محمد رضا ملاخلیلی میبدی گروه مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران محمد رضا ملاحسینی اردکانی گروه مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران Journal Article 2024 12 21 With the continuous advancement of Software-Defined Networks (SDNs), the adoption of a distributed control plane architecture has become increasingly necessary. One of the primary challenges in these networks is the variable load on the controllers where high loads can lead to congestion. Such congestion can significantly degrade network efficiency. Although previous studies have attempted to address this issue, they have largely failed to effectively manage load exchange between the control plane and the data plane. This paper proposes a migration-based congestion control mechanism for multi-domain SDNs. In this approach, when a controller experiences high load and congestion, selected switches are migrated from the overloaded controller to one with a lower load. If the migration risks congesting the new controller, the mechanism swaps switches between controllers with minimal migrations, drawing inspiration from the Kadane algorithm to prevent congestion elsewhere. The proposed mechanism was evaluated using the D-ITG and IPerf tools with the RYU controller, demonstrating improved system performance. Simulation results show that the mechanism outperforms the baseline approach, increasing average network throughput by approximately 10%, while reducing average delay and jitter by about 30% and 25%, respectively. Furthermore, a comparison between the proposed method and the OptiGSM method reveals that the proposed method offers superior throughput and lower delay, although the OptiGSM method exhibits less jitter than the proposed method با توسعه مستمر شبکه های نرم افزاری تعریف شده (SDN)، نیاز به استفاده از معماری توزیع شده در صفحه کنترل این شبکه ها افزایش می یابد. یکی از مهم ترین چالش ها در این شبکه ها، بار متغیر روی کنترلرها است و بار زیاد باعث ازدحام می شود. افزایش ازدحام می تواند کارایی شبکه را به شدت کاهش دهد. اگرچه مطالعات مختلف برای حل مسئله ازدحام تلاش کرده اند، اما نتوانسته اند تبادل بار بین صفحه کنترل و صفحه داده را به طور موثر مدیریت کنند. در این مقاله، یک مکانیسم کنترل تراکم مبتنی بر مهاجرت برای SDN های چند دامنه ای پیشنهاد شده است. در این مکانیزم، زمانی که یک کنترلر تحت بار زیاد است و ازدحام رخ می دهد، سوئیچ های انتخاب شده از یک کنترلر با بار زیاد به یک کنترلر با بار کمتر منتقل می شوند. در صورتی که مهاجرت باعث ازدحام در کنترلر جدید شود، مکانیسم سوئیچ ها را بین کنترلرها با کمترین میزان مهاجرت تعویض می کند تا از تراکم در سایر کنترلرها با الهام از الگوریتم Kadane جلوگیری کند. مکانیسم پیشنهادی با ابزارهای D-ITG و IPerf و کنترل‌کننده RYU مورد تجزیه و تحلیل قرار گرفت و نشان داد که عملکرد سیستم بهبود می‌یابد. علاوه بر این مقایسه میان روش پیشنهادی و روش OptiGSM نشان می دهد که روش پیشنهادی گذردهی بهتر و تاخیر پایین تر دارد هر چند روش OptiGSM لرزش کمتری دارد.

https://tjee.tabrizu.ac.ir/article_19939_17612bd36b953e7fa1951439e6e43267.pdf

رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 Promising Practical Infrastructure Solutions for 6G Based on RIS and Cell Free Massive MIMO network راهکارهای زیرساختی عملیِ امیدبخش برای نسل ششم (6G) مبتنی بر سطوح هوشمند قابل پیکربندی (RIS) و شبکه MIMO انبوه بدون سلول بندی 665 671 19443 10.22034/tjee.2025.63976.4905 FA اکبر مظهری سرای دانشگاه صنعتی سهند افشین ابراهیمی عضو هیات علمی/دانشگاه صنعتی سهند Journal Article 2024 10 19 Cell free massive MIMO system is a promising candidate to overcome the shortcomings of the conventional cellular system and a suitable technique to achieve the goals of the sixth generation (6G) networks. Costs of implementing on large scale is one of the major disadvantages of this system. Recently, with the emergence of reconfigurable intelligent surfaces (RIS), we can hope for the reduction of these costs and the practical implementation of this system. In this regard, in this paper we have investigated the spectral performance of the scalable form of cell free with and without RISs. Lower bounds of uplink spectral efficiency involving imperfect channel estimation and pilot contamination effects for L-MMSE and LP-MMSE decoders is derived. The simulation results confirm the superior spectral efficiency performance of RIS-based proposed system (especially in centralized RIS- cell free mode) compared to the Scalable cell free system. سیستم MiMO انبوه بدون سلول بندی یکی از گزینه‌های امیدبخش برای غلبه بر کاستی‌های سامانه‌های سلولی متعارف و روشی مناسب برای دستیابی به اهداف شبکه‌های نسل ششم(6G) به شمار می رود. با این حال، هزینه‌های بالای پیاده‌سازیدر مقیاس بزرگ از جمله معایب اصلی این سیستم است. اخیراً با ظهور سطوح هوشمند قابل پیکربندی (RIS) می‌توان به کاهش اینهزینه‌ها و تحقق عملی این سیستم امیدوار بود. در این مقاله، عملکرد طیفی نسخه مقیاس‌پذیر سیستم بدون سلول بندی، با و بدون استفاده از RIS، مورد بررسی قرار گرفته است. کران‌هایپایین بهره‌وری طیفی لینک فراسو با در نظر گرفتن تخمین ناقص کانال و اثر آلودگی پایلوت برای آشکارسازهای L-MMSE و LP-MMSE استخراج شده‌اند. نتایج شبیه‌سازی نشان می‌دهند که سیستم پیشنهادی مبتنی بر RIS (به‌ویژه در حالت RIS متمرکزبدون سلول بندی ) از نظر بهره‌وری طیفی، عملکردی برتر نسبت به سیستم بدون سلول بندی مقیاس‌پذیر دارد.

https://tjee.tabrizu.ac.ir/article_19443_8aad936181cc8099784d46fb2153a4e1.pdf

رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 Integral Backstepping Sliding Mode Control of Influenza Epidemic in the Presence of Input Saturation and External Disturbances کنترل حالت لغزشی پس‌گام انتگرالی اپیدمی آنفلوانزا در حضور اشباع ورودی و اختلالات خارجی 673 686 19444 10.22034/tjee.2025.64094.4908 FA فریبا نوبخت گروه مهندسی کنترل برق، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران حسین الیاسی هیئت علمی / دانشکده مهندسی برق و کامپیوتر / دانشگاه بیرجند Journal Article 1970 01 01 This paper presents a robust sliding mode control approach based on integral backstepping for multi-input multi-output (MIMO) nonlinear systems. The proposed control scheme addresses input saturation, modeling uncertainties, and time-varying external disturbances. A novel auxiliary design system and Nussbaum gain functions are incorporated into the control scheme to tackle input saturation. The proposed control approach is applied to a nonlinear epidemic model. The model of flu epidemiology, which includes five non-negative state variables representing the susceptible, exposed, infected, asymptomatic, and recovered individuals, along with three control inputs for vaccination, antiviral treatment, and social distancing, is being studied. Simulation results demonstrate the effectiveness of the proposed control scheme in handling input saturation and achieving accurate trajectory tracking, highlighting its potential for uncertain nonlinear systems with input constraints. این مقاله یک رویکرد کنترل حالت لغزشی مقاوم قوی مبتنی بر پس گام انتگرالی را برای سیستم‌های غیرخطی چند ورودی چند خروجی ارائه می‌کند. طرح کنترل پیشنهادی به اشباع ورودی، عدم قطعیت‌های مدل‌سازی و اختلالات خارجی متغیر با زمان می‌پردازد. برای مقابله با اشباع ورودی، یک سیستم طراحی کمکی جدید و توابع نوسباوم در طرح کنترل گنجانده شده است. رویکرد کنترل پیشنهادی به یک مدل اپیدمی غیرخطی اعمال می‌شود. مدل اپیدمیولوژی آنفولانزا، که شامل پنج متغیر حالت غیر منفی است که نشان دهنده افراد مستعد، در معرض، آلوده، بدون علامت و بهبود یافته است، به همراه سه ورودی کنترل برای واکسیناسیون، درمان ضد ویروسی و فاصله گذاری اجتماعی، در حال مطالعه است. نتایج شبیه‌سازی اثربخشی طرح کنترل پیشنهادی را در مدیریت اشباع ورودی و دستیابی به ردیابی مسیر دقیق نشان می‌دهد، که پتانسیل آن را برای سیستم‌های غیرخطی نامشخص با محدودیت‌های ورودی برجسته می‌کند

https://tjee.tabrizu.ac.ir/article_19444_2aa27ba2650fc787ecfbbcf0a30272e7.pdf

رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 Distributionally Robust Joint Chance-Constrained Optimization Framework for Electricity Imbalance: Integrating Renewables and Storages چارچوب بهینه سازی مقاوم توزیعی با قیود احتمالی مشترک برای ناترازی انرژی برق: تجمیع منابع تجدیدپذیر و ذخیره سازها 687 696 19442 10.22034/tjee.2025.63090.4884 FA امیر نوری گروه کنترل و سیستم، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی بابک توسلی گروه کنترل و سیستم، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی علیرضا فریدونیان گروه سیستم های قدرت، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی Journal Article 2024 08 23 Integrating Distributed Energy Resources (DERs) with peer-to-peer (P2P) energy trading offers promising solutions for grid modernization by incentivizing prosumers to participate in mitigating peak demand. However, this integration also introduces operational uncertainties and computational challenges. This paper aims to address these challenges with a novel scalable and tractable distributionally robust joint chance-constrained (DRJCC) optimization framework that effectively facilitates P2P energy trading by enhancing flexibility provision from large-scale DER operations under uncertain supply and demand. Therefore, a practical framework is proposed to solve the core challenges of DRJCC by integrating three key components: (1) a Wasserstein ambiguity set that effectively quantifies uncertainty with sparse data, (2) a CVaR-based approximation of joint chance constraints to balance computational efficiency with risk control, and (3) a privacy-preserving ADMM algorithm that enables distributed implementation through decomposition. To discern patterns in the data that indicate collaboration potential and adjust ambiguity sets for improved efficiency, K-means clustering is applied to historical scenarios. Simulation results show that the proposed framework reduces peak demand by approximately 28% and total community costs by around 31%, underscoring its effectiveness in enhancing grid robustness, operational reliability, and economic optimization in renewable-based energy management. یکپارچه‌سازی منابع انرژی توزیع‌شده با تجارت انرژی همتا-به-همتا راه‌حل‌های امیدوارکننده‌ای برای مدرن‌سازی شبکه قدرت با تشویق تولید-مصرف‌کنندگان (پروسیومرها) به کمک در کاهش تقاضای اوج ارائه می‌دهد. با این حال، این ادغام عدم‌قطعیت‌های عملیاتی و چالش‌های محاسباتی جدیدی را به همراه دارد. این مقاله با هدف مواجهه با این چالش‌ها، یک چارچوب نوآورانه بهینه‌سازی مقاوم توزیعی با قیود احتمالی مشترک (DRJCC) مقیاس‌پذیر و محاسبه‌پذیر ارائه می دهد که تجارت انرژی همتا-به-همتا را از طریق ارتقا استحصال انعطاف‌ حاصل از عملکرد منابع انرژی توزیع شده در مقیاس بزرگ تحت عدم‌قطعیت عرضه و تقاضا تسهیل می بخشد. چارچوب عملی پیشنهاد شده شامل سه مؤلفه کلیدی است: (1) یک مجموعه ابهام واسرستین که عدم‌قطعیت را با داده‌های کم به‌طور مؤثر احصا می‌کند، (2) یک تقریب مبتنی بر CVaR از قیود احتمالی مشترک برای تعادل بین کارایی محاسباتی و کنترل ریسک، و (3) الگوریتم ADMM با حفظ حریم خصوصی امکان اجرای توزیع‌شده از طریق تجزیه مساله را فراهم می‌آورد. برای شناسایی الگوهای داده که نشان‌دهنده پتانسیل همکاری هستند و تنظیم پارامترهای مجموعه‌های ابهام به منظور افزایش کارایی، از خوشه‌بندی K-means بر اساس سناریوها و داده‌های تاریخی استفاده شده است. نتایج شبیه‌سازی نشان می‌دهد که این چارچوب پیشنهادی تقاضای اوج را حدود 28% کاهش داده و هزینه‌های کلی جامعه را حدود 31% کاهش می‌دهد، که بیانگر اثربخشی آن در بهبود تاب‌آوری شبکه، قابلیت اطمینان عملیاتی و بهینه‌سازی اقتصادی در مدیریت انرژی منابع تجدیدپذیر توزیع شده است.

https://tjee.tabrizu.ac.ir/article_19442_c9bdc5cd219bf3f354e4a008150671b4.pdf

رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 Lane Detection in Presence of Occlusion using Deep Neural Network آشکارسازی خط مسیر حرکت خودرو در حضور اختفاء با استفاده از شبکه عصبی عمیق 697 706 19943 10.22034/tjee.2025.66183.4982 FA علیرضا رحیمی بیدمشگی دانشکده فنی مهندسی، دانشگاه شاهد علیرضا بهراد دانشکده فنی مهندسی، دانشگاه شاهد Journal Article 2025 03 01 Lane detection is an important component in the development of autonomous vehicles, facilitating the real-time identification of driving paths and compliance with traffic regulations. Despite the promising performance of current models in controlled environments, they often encounter significant challenges in real-world scenarios, such as occluded lane visibility caused by snow, dust, traffic, or the absence of lane markings. This study presents a new approach to lane detection that leverages the spatiotemporal attributes of video frames by combining Long Short-Term Memory (LSTM) networks with Convolutional Neural Networks (CNNs) to enhance performance in the presence of occlusions. We employ a CNN to extract high-level spatial features from video frames, while an LSTM aggregates these features over time to model temporal dependencies and infer occluded segments when visual cues are absent. By representing lane marking detection as a sequential learning problem, the combined CNN-LSTM network effectively extracts spatiotemporal features. This dual architecture integrates both spatial and temporal information, thereby increasing robustness against occlusions and varying lighting conditions. The proposed model was evaluated under two conditions: low and high occlusion, using separate datasets, and was compared with the baseline architecture. The results confirm the effectiveness of the proposed approach. In low occlusion conditions, the model achieves an F1 score of about 96%, similar to the baseline method. In contrast, the baseline model suffers a performance drop in high occlusion scenarios, while the proposed model remains robust, also achieving an F1 score of about 96%. آشکارسازی خطوط مسیر حرکت خودرو یکی از ا جزاء مهم در توسعه خودروهای خودران است که امکان شناسایی مسیرهای رانندگی به صورت بیدرنگ و رعایت مقررات ترافیکی را فراهم می‌سازد. با وجود عملکرد امیدوارکننده مدل‌های فعلی در محیط‌های کنترل‌شده، این مدل‌ها اغلب با چالش‌های قابل توجهی در سناریوهای واقعی مانند کاهش دید خطوط به دلیل برف، گرد و غبار، ترافیک یا عدم وجود علامت‌گذاری خطوط مواجه می‌شوند. این مقاله یک روش جدید برای آشکارسازی خطوط مسیر حرکت خودرو ارائه می‌دهد که ویژگی‌های مکانی-زمانی فریم‌های ویدیویی را با استفاده از شبکه‌های حافظه کوتاه‌ بلندمدت (LSTM) و شبکه‌های عصبی کانولوشنال (CNN) ترکیب می‌کند تا عملکرد را در شرایط وجود اختفاء بهبود بخشد. با نمایش تشخیص خطوط به عنوان یک مسئله یادگیری متوالی، شبکه ترکیبی CNN-LSTM به طور موثری ویژگی‌های مکانی-زمانی را استخراج می‌کند. این معماری اطلاعات مکانی و زمانی را ادغام می‌کند و در نتیجه مقاومت در برابر اختفاء و شرایط نوری متغیر را افزایش می‌دهد. مدل پیشنهادی تحت دو شرایط اختفادی کم و زیاد و با استفاده از مجموعه‌داده‌های مختلف، ارزیابی شد. و با معماری پایه مقایسه شد که نتایج، اثربخشی روش پیشنهادی را تأیید می‌کند. در شرایط کم اختفاء، مدل به امتیاز F1 حدود ۹۶٪ دست می‌یابد که مشابه روش پایه است. در مقابل، مدل پایه در شرایط موانع زیاد با کاهش عملکرد مواجه می‌شود، در حالی که مدل پیشنهادی مقاوم باقی می‌ماند و به امتیاز F1 حدود ۹۶٪ دست می‌یابد.

https://tjee.tabrizu.ac.ir/article_19943_ae16041d2b29beb842f0b0b89d4f6f4e.pdf

رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 Control of Hybrid Microgrids Using Deep Reinforcement Learning and Digital Twin کنترل ریزشبکه‌های هیبریدی با استفاده از یادگیری تقویتی عمیق و دوقلوی دیجیتال 707 718 20397 10.22034/tjee.2025.65408.4949 FA سارا محمودی رشید استاد حق التدریس دانشگاه تبریز امیر ریخته گر غیاثی عضو هیات علمی/تبریز Journal Article 2025 01 10 The increasing integration of renewable energy sources (RES) in hybrid microgrids has introduced new challenges in maintaining stability, reliability, and optimal performance. This paper proposes a novel control framework that combines deep reinforcement learning (DRL) with digital twin (DT) technology to address these challenges. The DRL agent is trained in a virtual DT environment, enabling rapid learning and optimization of control strategies under dynamic conditions without risking real-world operations. The proposed method is tested on a hybrid microgrid comprising photovoltaic (PV), wind, and battery storage systems. Simulation results demonstrate that the DRL-DT framework achieves a 28.5% improvement in energy efficiency compared to conventional model predictive control (MPC). Additionally, the proposed approach enhances system stability by reducing voltage fluctuations by 21.3% and achieves a 32.7% reduction in load shedding during peak demand scenarios. The training time for the DRL agent is reduced by 40% due to the efficient simulation capabilities of the DT. These results highlight the robustness and adaptability of the DRL-DT framework, making it a promising solution for next-generation hybrid microgrid management. This study provides a significant step forward in leveraging artificial intelligence and digital twins to optimize hybrid microgrid operations, ensuring sustainable and resilient energy systems. افزایش یکپارچه‌سازی منابع انرژی تجدیدپذیر (RES) در ریزشبکه‌های هیبریدی چالش‌های جدیدی در حفظ پایداری، قابلیت اطمینان و عملکرد بهینه ایجاد کرده است. این مقاله چارچوب کنترلی نوینی را پیشنهاد می‌دهد که یادگیری عمیق تقویتی (DRL) را با فناوری دوقلوی دیجیتال (DT) ترکیب می‌کند تا این چالش‌ها را برطرف کند. عامل DRL در یک محیط مجازی DT آموزش داده می‌شود که امکان یادگیری سریع و بهینه‌سازی استراتژی‌های کنترلی در شرایط دینامیکی را بدون ایجاد خطر برای عملیات واقعی فراهم می‌سازد. روش پیشنهادی بر روی یک ریزشبکه هیبریدی شامل سیستم‌های فتوولتائیک (PV)، باد، و ذخیره‌سازی باتری آزمایش شده است. نتایج شبیه‌سازی نشان می‌دهند که چارچوب DRL-DT بهبود 28.5 درصدی در بهره‌وری انرژی در مقایسه با کنترل پیش‌بینی مدل (MPC) متداول حاصل می‌کند. علاوه بر این، این روش پیشنهادی با کاهش نوسانات ولتاژ به میزان 21.3 درصد، پایداری سیستم را بهبود می‌بخشد و در سناریوهای اوج تقاضا، کاهش بار را 32.7 درصد کاهش می‌دهد. زمان آموزش عامل DRL نیز به دلیل توانایی شبیه‌سازی کارآمد DT، 40 درصد کاهش یافته است. این نتایج، قابلیت اطمینان و تطبیق‌پذیری چارچوب DRL-DT را برجسته می‌سازد و آن را به یک راه‌حل امیدوارکننده برای مدیریت ریزشبکه‌های هیبریدی نسل آینده تبدیل می‌کند. این مطالعه گامی مهم در استفاده از هوش مصنوعی و دوقلوهای دیجیتال برای بهینه‌سازی عملیات ریزشبکه‌های هیبریدی، تضمین سیستم‌های انرژی پایدار و مقاوم به شمار می‌رود.

https://tjee.tabrizu.ac.ir/article_20397_5978be3b7d75c702aeb855f135be1fa7.pdf

رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 Ex-ante Dynamic Capacity Withholding Assessment of Virtual Power Plants in Local Electricity Market ارزیابی پیشگیرانه ممانعت ظرفیت پویا نیروگاه های مجازی در بازار برق محلی 719 730 20543 10.22034/tjee.2025.66260.4983 FA محمدرضا شیخ ها دانشگاه شهید بهشتی مهرداد ستایش نظر دانشیار/دانشگاه شهید بهشتی-پردیس فنی و مهندسی عباسپور Journal Article 2025 03 13 This paper introduces an algorithm for the Local Electricity Market Operator (LMO) in distribution networks to assess dynamic capacity withholding by Virtual Power Plants (VPPs). Its main contribution is providing ex-ante indices to evaluate this withholding. The paper also quantitatively analyzes how LMO's risk aversion impacts the market power exerted by these withholding groups. The day-ahead market problem is tackled in three stages: estimating VPPs' optimal withholding strategy, determining optimal system scheduling, and analyzing network configuration changes to reduce market power. The results indicate that the exercise of market power by capacity-withholding groups increases the LMO's cost by an average of 35%. Furthermore, the simulation of collusion in the proposed model reveals that the market power of capacity-withholding groups increases by an average of 5% under the risk-averse behavior of LMO. Moreover, the results demonstrate that proactively restructuring the network according to the proposed algorithm on the 123-bus IEEE test system can reduce the market power of capacity-withholding groups and lower the average index to 25.12%. این مقاله الگوریتمی را برای بهره بردار بازار برق محلی به منظور ارزیابی ممانعت ظرفیت پویا نیروگاه های مجازی شرکت کننده در بازار انرژی الکتریسیته محلی ارایه داده است. مهمترین نوآوری این مقاله ارایه شاخص هایی به جهت شناسایی ممانعت ظرفیت نیروگاه های مجازی است. همچنین به صورت کمی تاثیر تصمیم گیری ریسک گریز بهره بردار بازار محلی بر افزایش قدرت بازار گروه های ممانعت کننده ظرفیت تحلیل شده است. تحلیل مساله بازار روز-پیش دارای سه گام اساسی است: الف) تخمین استراتژی نیروگاه های ممانعت کننده ظرفیت. ب) تعیین برنامه ریزی بهینه سیستم در افق زمانی روز-پیش. پ) بررسی تاثیر تغییر آرایش شبکه بر کاهش قدرت بازار گروه های ممانعت کننده ظرفیت است. الگوریتم پیشنهادی بر روی یک شبکه استاندارد IEEE شامل 123 شین در افق زمانی روز پیش مورد ارزیابی قرار گرفته است و نتایج نشان می دهد که هزینه ها سیستم بطور متوسط 25.12% افزایش یافته است.

https://tjee.tabrizu.ac.ir/article_20543_305bb66d546d4e22c9f740976aea35c5.pdf

رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 A Low-Ripple High-Voltage Power Supply for Photomultiplier Tubes یک منبع تغذیه ولتاژ بالا با امواج کم برای لامپ تکثیر فوتونی 731 739 19992 10.22034/tjee.2025.63423.4967 FA محمدهادی زارع جمال آبادی دانشکده فنی و مهندسی، دانشگاه اردکان، اردکان، ایران یاسر کریمی دانشکده مهندسی برق، پردیس فنی و مهندسی، دانشگاه یزد، یزد، ایران محمدرضا برزگر بفروئی دانشکده فنی و مهندسی، دانشگاه اردکان، اردکان، ایران 0000-0002-0878-6146 Journal Article 2025 02 15 Photomultiplier tubes (PMTs) require a stable, low-ripple high-voltage power supply with stringent load regulation and line regulation criteria. This paper introduces an innovative high-voltage power supply capable of converting a 220V AC input voltage into a DC output voltage that can be adjusted from -100V to -3kV. In the event of an arc or short circuit, the output voltage abruptly reduces to limit the output current to its rated value of 5mA. This system employs both linear and switching converters to yield a consistently smooth output voltage with voltage ripple as low as 400mV. The switching converter utilizes a push-pull converter while the linear converter meticulously regulates the output voltage. The paper outlines design considerations for the appropriate selection of components. Simulation results validate the performance of this proposed power supply under a variety of conditions, including input voltage and reference voltage variations, abrupt load changes, and short-circuit scenarios. Furthermore, experimental results from a fabricated prototype confirm the functionality of this high-voltage power supply for PMT applications. لامپ های تکثیر فوتونی (PMT) به یک منبع تغذیه با ولتاژ بالا نیاز دارند به طوریکه که پایدار و دارای ریپل پایین بوده و از شاخص های قابل قبول برای تنظیم بار و تنظیم خط برخوردار باشد. این مقاله یک منبع تغذیه ولتاژ بالا جدید را معرفی می‌کند که قادر است ولتاژ ورودی 220 ولت متناوب را به ولتاژ خروجی DC در محدوده 100- تا 3KV- تبدیل کند. در صورت بروز قوس الکتریکی یا اتصال کوتاه، ولتاژ خروجی به‌طور ناگهانی کاهش می‌یابد تا جریان خروجی را به مقدار مجاز 5mA محدود کند. این سیستم از مبدل‌های خطی و سوئیچینگ به طور توامان استفاده می‌کند تا یک ولتاژ خروجی صاف با حداکثر ریپل 400mV ایجاد کند. مبدل سوئیچینگ از یک مبدل پوش‌پول بهره می برد و مبدل خطی ولتاژ خروجی را به‌دقت تنظیم می‌کند. این مقاله به بررسی نکات طراحی برای انتخاب مناسب اجزا می‌پردازد. نتایج شبیه‌سازی، عملکرد منبع تغذیه پیشنهادی را تحت شرایط مختلف، از جمله تغییرات ولتاژ ورودی و ولتاژ مرجع، تغییرات ناگهانی بار و شرایط اتصال کوتاه، تأیید می‌کند. علاوه بر این، نتایج تجربی حاصل از یک نمونه اولیه ساخته‌شده، نشان دهنده کارایی این منبع تغذیه ولتاژ بالا برای کاربردهای PMT می باشد.

https://tjee.tabrizu.ac.ir/article_19992_9c573c1bc2b58ae70b174a436ddb7302.pdf