---

فشرده سازی رویه های سه بعدی یک روش منتخب در کاهش حافظه مورد نیاز و انتقال موثر داده های مشهای مثلثی در شبکه های با پهنای باند کم است. در این مقاله، یک تکنیک بهبودیافته برای فشرده سازی رویه های مثلثی ارائه شده است. اساس این روش، بر استفاده از برازش ورنوی مرکزی (Centroidal Voronoi Tesselation) دارای تابع چگالی استوار می باشد. با انتخاب تابع چگالی مناسب مبتنی بر ویژگی انحنا و هموار سازی لوید(Lloyd Relaxation) ، تراکم رئوس در مش فشرده به سمت جزئیات در ناهمواریهای رویه متمایل می گردد و از تجمع اطلاعات تکراری و تراکم غیر ضروری رئوس در رویه های هموارتر جلوگیری می شود. در مرحله پس پردازش، برای جایابی بهتر رئوس و کاهش خطای فشرده سازی در مش ساده شده از بهینه سازی غیر خطی نلدر- مید (Nelder-Mead) استفاده شده است. روش پیشنهادی با روشهای کلاسیک و مدرن در مقالات اخیر مورد مقایسه قرار گرفته است. نتایج پیاده سازی، برتری روش ارائه شده را در مقایسه با روشهای موجود از نظر دقت مدل و میزان فشرده سازی نشان می دهد.

---

الگوریتم مقاوم به­ عنوان یکی از جدیدترین مدل­های مقاوم­ سازی در زمینه بهینه ­سازی شبکه­ های توزیع بسیار بزرگ و پیچیده با درنظرگیری عدم قطعیت بوده،در این مقاله بستر لازم در قالب بررسی و انتخاب الگوی خوشه­ بندی مناسب برای ورود به مبحث تحلیل آن بررسی و نتیجه­ گیری خواهد شد.بررسی مورد مطالعاتی منتخب از شبکه استاندارد توزیع و تحلیل بهینه ­سازی حالت مجزا و تطبیقی منابع تولید پراکنده،درهمه موارد به ­غیرازحالت جزیره­ ای منابع تولیدپراکنده هزینه­ های کلی و جزیی کمتر درحالت تطبیقی را نشان داده(هزینه کلی درحالت تطبیقی 80 درصد حالت مجزاء است)؛از نتایج آن در مبحث خوشه­ بندی با انتخاب نقاط کاندید شامل منابع تولید پراکنده و منابع تغذیه در سطح شبکه فشارمتوسط استفاده شده است.بررسی داده­ های نرم ­افزاری در هردو حالت تک­ خوشه ای با تکرارهای اول تا پنجم و دهم؛یک تا پنج خوشه و ده­ خوشه­ ای در تکرار اول؛در قالب خروجی­ های عددی وگراف نشان­گر ویژگی­های برتر الگوی خوشه­ بندی براساس میانگین داده به علت سه ویژگی برجسته حساسیت به تمامی نقاط کاندید وزن­دار،سرعت عملیات قابل قبول نسبت به الگوی خوشه بندی براساس تراکم داده و جزیره ­ای شدن تغذیه خوشه­ ها در زمان کثرت بیشتر نعداد خوشه؛ به ­عنوان روش منتخب برای استفاده در کدنویسی بهینه­ سازی مقاوم شبکه توزیع در مجاورت منابع تولید پراکنده تعیین شده است.

---

استخراج توان بیشینه بویژه با شرایط سایه جزیی یکی از مهم‌­ترین مسایل در استفاده از یک سیستم فتوولتاییک است. تحت شرایط سایه جزیی، مشخصه توان-ولتاژ آرایه­‌های فتوولتاییک دارای چندین نقطه بیشینه محلی است. یک روش ردیابی بیشینه توان در سیستم‌­های فتوولتاییک بایستی امکان ردیابی سریع و دقیق نقطه بیشینه سراسری در حین شرایط سایه جزیی را فراهم آورد تا تلفات توان و نوسانات حالت ماندگار را کمینه کند. در این پژوهش یک الگوریتم ردیابی نقطه بیشینه توان برای یک سیستم فتوولتاییک تحت شرایط سایه جزیی با استفاده از تکنیک بهینه‌­سازی گرگ خاکستری ارایه شده است. الگوریتم گرگ خاکستری یک روش بهینه­‌سازی جدید است که محدودیت‌­هایی از قبیل ردیابی ضعیف، نوسانات حالت دایمی و حالت گذرای نامطلوب در تکنیک‌­های آشفتن و مشاهده و بهینه‌­سازی ازدحام ذرات را برطرف می­‌کند. الگوریتم پیشنهادی بر مبنای الگوریتم بهینه‌­سازی گرگ خاکستری روی یک سیستم فتوولتاییک در محیط نرم‌­افزار متلب پیاده­‌سازی شد تا کارایی آن اثبات شود. عملکرد طرح پیشنهادی با دو تکنیک ردیابی نقطه بیشینه توان بر مبنای الگوریتم بهینه­‌سازی جستجوی فاخته و الگوریتم بهینه‌­سازی ازدحام ذرات مورد مقایسه قرار گرفت. نتایج شبیه­‌سازی نشان داد که عملکرد تکنیک ردیابی نقطه بیشینه توان پیشنهادی نسبت به طرح‌­های مورد مقایسه از نظر سرعت و پایداری حالت ماندگار پاسخ برتری دارد بطوریکه مقادیر بیشینه فراجهش، زمان نشست و نوسانات ماندگار را به ترتیب تا 40.91%، 66.67% و 59.1% کاهش می­‌دهد.