زمان‌بندی توام تعمیرات واحدهای تولیدی و منابع ذخیره‌ساز انرژی

حضور گسترده ذخیره‌سازهای انرژی الکتریکی در سیستم‌های قدرت آینده، لزوم در نظر گرفتن آن‌ها را در مسائل برنامه‌ریزی‌ سیستم ایجاد کرده است. در این مقاله، مسئله زمان‌بندی تعمیرات منابع تولید برای در نظر گرفتن منابع ذخیره‌ساز انرژی توسعه یافته است که در آن زمان‌بندی تعمیرات منابع تولید و منابع ذخیره‌ساز به‌صورت توام صورت می‌گیرد. مسئله به‌گونه‌ای مدل شده است که تاثیر اصلی ذخیره‌سازها در مسائل برنامه‌ریزی سیستم قدرت که همانا تغییر وضعیت عملکردی شارژ و دشارژ بر اساس نیازمندی‌های سیستم قدرت است در نظر گرفته شود. مسئله به‌صورت یک مسئله برنامه‌ریزی خطی آمیخته با اعداد صحیح مدل شده و بر روی شبکه‌های آزمون استاندارد پیاده‌سازی شده است. نتایج، نشان‌دهنده توانمندی مدل معرفی‌شده در تعیین توام برنامه‌ تعمیرات واحدهای تولید و منابع ذخیره‌ساز و همچنین اثرات مثبت حضور ذخیره‌سازها در زمان‌بندی‌ تعمیرات واحدهای تولید است.

Parameter Estimation of a Rate k/n Convolutional Code in Noisy Case

Abstract: This paper studies the problem of the convolutional code parameters estimation in noisy scenario. Among the methods that have been proposed for this problem, the rankbased method has attracted most of the research. In this method, the receiver cuts the received sequence up into vectors of length l to form the rows of matrix C(l), for . The code parameters are estimated based on the rank of these matrices. To this end, the relation between the code parameters and the rank of C(l) should be known. To do this, the previous works proposed an experimental relation; however, it is not established in the general case. This paper analytically computes the rank relation and proposes a method to extract the rate k/n convolutional code parameters. The method uses the Gaussian elimination with row pivoting (GERP) algorithm to estimate the rank and null space of C(l). The proposed algorithm is based on a threshold value. Hence, an appropriate threshold will be proposed based on the Minimax decision rule.