دانلود ترجمه مقاله مروری بر کاربرد کلان داده و یادگیری ماشین در شبکه هوشمند

عنوان فارسی

مروری بر کاربرد کلان داده و یادگیری ماشین در شبکه هوشمند، و مسائل امنیتی مرتبط

عنوان انگلیسی

Application of Big Data and Machine Learning in Smart Grid, and Associated Security Concerns: A Review

کلمات کلیدی :

  تحلیل کلان داده ها؛ امنیت سایبری؛ اینترنت اشیا (IoT)؛ یادگیری ماشین؛ شبکه هوشمند

درسهای مرتبط مهندسی کامپیوتر
تعداد صفحات مقاله انگلیسی : 29 نشریه : IEEE
سال انتشار : 2019 تعداد رفرنس مقاله : 257
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
پاورپوینت : ندارد وضعیت ترجمه مقاله : انجام نشده است.
فهرست مطالب

1. مقدمه 2. تغییرات در شبکه قدیمی 3. کاربرد اینترنت اشیا (IoT) در سیستم توان پراکنده 4. شبکه هوشمند با تحلیل کلان داده ها 5. کاربرد یادگیری ماشین در شبکه هوشمند 6. امنیت سایبری در شبکه هوشمند 7. نتایج 8. نتیجه گیری

سفارش ترجمه
ترجمه نمونه متن انگلیسی

این مقاله، یک مطالعه جامع در مورد کاربرد کلان داده و یادگیری ماشینی در یک شبکه قدرت الکتریکی معرفی و وارد شده از طریق سیستم قدرت نسل بعدی (یعنی شبکه هوشمند (SG)) را انجام می دهد. همبندی و اتصالات در هسته این زیرساخت شبکه جدید که بوسیله اینترنت اشیاء (IoT) فراهم می شود، قرار می گیرد. این همبندی و ارتباطات دائم مورد نیاز در این سیستم، همچنین حجم داده های هنگفتی را بوجود می آورد که نیاز به فنونی بسیار برتر از روش های متداول برای تحلیل و تصمیم گیری مناسب دارند. سیستم SG تلفیق شده با IoT می تواند پیش بینی بار کارآمد و روش اکتساب داده مفید همراه با مقرون به صرفه بودن حاصل کند. تحلیل کلان داده و روش های یادگیری ماشینی برای بهره گیری از این مزایا، بسیار مهم می باشند. در سیستم پیچیده به هم متصل از SG، امنیت سایبری به یک مسئله اساسی تبدیل می شود؛ دستگاه های IoT و داده های آنها در حال تبدیل به اهداف عمده حمله ها هستند. چنین نگرانی های امنیتی و راهکارهای آنها نیز در این مقاله شامل شده اند. اطلاعات کلیدی بدست آمده از طریق مرور ادبی در بخش های متناظر ارائه شده اند تا یک نمای کلی و واضح، حاصل گردد؛ و یافته های این مرور ادبی جامع ارائه می شوند تا یک تصویر شفاف از این زمینه مطالعه و زمینه های امیدوارکننده آینده در پژوهش های آکادمیک و صنعتی، با محدودیت های فعلی در مورد راهکارهای امکان پذیر همراه با اثربخشی آنها، فهرست وار ارائه شود. مقدمه: سیستم قدرت الکتریکی لازم است تا به سمت سیستم شبکه هوشمند (SDG) نسل آینده برود و بنابراین، این موضوع توجه زیادی را در جامعه پژوهشی به خود جلب کرده است [1 تا 7]. SG ، تلفیق فنآوری اطلاعات و ارتباطات دیجیتال با سیستم های قدرت الکتریکی است تا ارتباطات و پخش توان دو طرفه که می تواند ایمنی، قابلیت اطمینان و بازده سیستم قدرت را بهبود بخشد، ممکن سازد [8 تا 10]. هدف راهکارهای شبکه هوشمند محاسبه الگوی تولید-انتقال-توزیع بهینه و ذخیره سازی داده های سیستم قدرت می باشد. برای افزایش نگرانی ها در مورد محیط زیست همراه با تولیدو توزیع کارآمد، منابع انرژی پراکنده (DER)، با ریزشبکه هوشمند می تواند یک راهکار بالقوه باشد [11]. می توان گفت که ریزشبکه هوشمند توزیع شده می تواند مزایای زیادی برای برنامه ریزی سیستم قدرت جهانی به ارمغان بیاورد [12]. به بیان دیگر، SG تلفیق یافته فنآوریها، سیستم ها و فرآیندها می باشد تا شبکه قدرت، هوشمند و خودکار شود[13]. شکل 1، ساختارهای پایه شبکه متداول و شبکه هوشمند را نشان می دهد تا تفاوت هایشان را بیان کند. برخلاف سیستم قدرت یک طرفه در سیستم متداول، جریان توان و اطلاعات بین طرف های تولید و توزیع به صورت دو طرفه انجام می شود.

نمونه متن انگلیسی مقاله

This paper conducts a comprehensive study on the application of big data and machine learning in the electrical power grid introduced through the emergence of the next-generation power system-the smart grid (SG). Connectivity lies at the core of this new grid infrastructure, which is provided by the Internet of Things (IoT). This connectivity, and constant communication required in this system, also introduced a massive data volume that demands techniques far superior to conventional methods for proper analysis and decision-making. The IoT-integrated SG system can provide efficient load forecasting and data acquisition technique along with cost-effectiveness. Big data analysis and machine learning techniques are essential to reaping these benefits. In the complex connected system of SG, cyber security becomes a critical issue; IoT devices and their data turning into major targets of attacks. Such security concerns and their solutions are also included in this paper. Key information obtained through literature review is tabulated in the corresponding sections to provide a clear synopsis; and the findings of this rigorous review are listed to give a concise picture of this area of study and promising future fields of academic and industrial research, with current limitations with viable solutions along with their effectiveness. Introduction: The electrical power system is poised to move towards the next-generation smart grid (SG) system, and thus this topic has acclaimed significant attention in the research community [1]–[7]. SG is the integration of information and digital communication technologies with power grid systems to enable bi-directional communication and power flow that can enhance security, reliability, and efficiency of the power system [8]–[10]. Smart grid solutions aim at calculation of optimum generation-transmission-distribution pattern and storing power system data. For the growing concern about environment along with efficient generation and distribution, distributed energy resources (DER) with smart microgrid can be a potential solution [11]. It can be said that distributed smart microgrid can bring additional benefits for global power system planning [12]. In other words, SG is the integration of technologies, systems and processes to make power grid intelligent and automated [13]. Fig. 1 shows basic constructions of conventional grid and smart grid to demonstrate their dissimilarities. Unlike the unidirectional power flow in the conventional system, power and information flow between the generation and distribution sides in a bidirectional manner.

توضیحات و مشاهده مقاله انگلیسی

سفارش ترجمه تخصصی این مقاله

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود ترجمه مقاله مروری بر کاربرد کلان داده و یادگیری ماشین در شبکه هوشمند”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

5 − 2 =

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi