مناقشة ماجستير للطالبة سجى جعفر كاظم

عدد الزيارات: 19091519 مشاهدة

بواسطة: قسم هندسة الحاسوب

تاريخ النشر: 2024-11-17

اخر تصفح: 2025-03-14


انعقدت يوم الاحد الموافق 17-11-2024 مناقشة اطروحه طالبة الماجستير

سجى جعفر جواد والمعنونة

Electricity Outage Estimation in Iraq

تضمن اللجنة كل من 

1- أ.د. حنان عبد الرضا عكار - الجامعة التكنلوجية-قسم الهندسة الكهربائية- رئيسا

2- ا.م.د. شيماء صفاء الدين بهاء الدين - جامعة النهرين - قسم هندسة الحاسوب - عضوا

3- م.د. احمد هاني يوسف - جامعة النهرين - قسم هندسة الحاسوب- عضوا

4- م.د. شيماء وليد عبد اللطيف - جامعة النهرين- قسم هندسة الحاسوب - عضوا و مشرفا

وقد استوفت الطالبة متطلبات الحصول على شهادة الماجستير في هندسة الحاسوب


وتضمن الرسالة التالي:

ان انقطاعات التيار الكهربائي في العراق مشكلة واسعة النطاق ومستمرة لعقود من الزمن، مما أدى إلى تعطيل االقتصاد والحياة اليومية والخدمات األساسية مثل المستشفيات والمكاتب الحكومية. وهذا يستلزم إيجاد حلول أساسية، ويمكن أن يساعد التنبؤ بانقطاعات التيار الكهربائي السلطات على تنفيذ تدابير استباقية لفهم وتخفيف عدد ساعات االنقطاع. تستخدم هذه األطروحة بيانات سلسلة زمنية لدرجة الحرارة والحمل الكهربائي للتنبؤ وتحديد أنماط انقطاع الكهرباء المختلفة. تم التنبؤ بانقطاعات طويلة وقصيرة المدى لبغداد، وتم تحليل تأثير هذه المتغيرات على االنقطاعات. للتنبؤ الدقيق بانقطاع التيار الكهربائي، تم استخدام تقنيات التعلم العميق المتقدمة القادرة على التعامل مع السالسل الزمنية، مثل LSTM وRNN وGRU و CNN D1 ا إلى جنب مع طرق التحسين المختلفة مثل ً Random PSO و MRFO جنب ، Search وBayesian الختيار المعلمات الفائقة لضمان فعالية تقنيات التعلم العميق. تم تقييم األداء باستخدام مقاييس الخطأ مثل MSE وRMSE و MAE. أظهرت نتائج التنبؤ بانقطاع التيار الكهربائي على المدى القصير أن نموذج MRFO المدمج مع GRU يتفوق على النماذج األخرى المستخدمة في هذا البحث من حيث الدقة م ع MSE( 0,000234 )و RMSE( 0,015300). فيما يتعلق بوقت األداء، يتفوق نموذج Bayesian المدمج مع CNN على النماذج األخرى حيث يستغرق دقيقتين وسبع وعشرين ثانية. أما بالنسبة لنتائج التنبؤ على المدى الطويل، فإن نموذج MRFO المدمج مع LSTM يحقق أفضل النتائج مع MSE( 0,00522 )وRMSE( 0,072259)، أما من حيث وقت األداء، فإن نموذج Bayesian المدمج مع LSTM هو األفضل ويستغرق دقيقتين وثانية واحدة. تم استخدام اللغة البرمجية Python لتطوير النماذج المقترحة للتنبؤ بانقطاع التيار الكهربائي في بغداد.