Βέλτιστη Τοπολογία Δικτύων Διανομής Ηλεκτρικής Ενέργειας με Εφαρμογή της Ενισχυτικής Μηχανικής Μάθησης
|
|
- Ἐπαφρόδιτος Σπανός
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, III, τεύχ , Tech. Chron. Sci. J. TCG, III, No Βέλτιστη Τοπολογία Δικτύων Διανομής Ηλεκτρικής Ενέργειας με Εφαρμογή της Ενισχυτικής Μηχανικής Μάθησης Ι. Γ. ΒΛΑΧΟΓΙΑΝΝΗΣ Ν. Δ. ΧΑΤΖΗΑΡΓΥΡΙΟΥ Δρ Ηλεκτρολόγος Μηχανικός Α.Π.Θ. Καθηγητής Ε.Μ.Π. Περιληψη Η εργασία παρουσιάζει τη μέθοδο Ενισχυτικής Μηχανικής Μάθησης (ΕΜ) με σκοπό τη βέλτιστη τοπολογία των δικτύων διανομής ηλεκτρικής ενέργειας (ΔΔΗΕ). Η βέλτιστη τοπολογία αφορά στην επιλογή του κατάλληλου συνόλου των κλάδων που πρόκειται να απενεργοποιηθούν, ένας από κάθε βρόχο, έτσι ώστε το τελικό ΔΔΗΕ να έχει τη βέλτιστη απόδοση. Κριτήριο για τη βέλτιστη απόδοση θεωρείται η ελαχιστοποίηση των απωλειών ενεργού ισχύος ενώ ταυτόχρονα πρέπει να ικανοποιούνται τα όρια των τάσεων. Η μέθοδος ΕΜ αντιμετωπίζει τη βέλτιστη τοπολογία των ΔΔΗΕ ως πρόβλημα λήψης απόφασης πολλών επιπέδων απεικονίζοντας εμπειρικά καταστάσεις λειτουργίας του ΔΔΗΕ σε συγκεκριμένες δράσεις μέσω βαθμών επιβράβευσης. Ο αλγόριθμος αυτός πειραματικά εφαρμόζεται στη βέλτιστη τοπολογία ενός ΔΔΗΕ εφαρμογής 33 ζυγών. Τα αποτελέσματα που προκύπτουν συγκρίνονται με εκείνα άλλων εξελικτικών μεθόδων τεχνητής νοημοσύνης (ΤΝ). 1.ΕΙΣΑΓΩΓΗ Η διαμόρφωση ενός δικτύου διανομής ηλεκτρικής ενέργειας (ΔΔΗΕ) στοχεύει στη βέλτιστη λειτουργία του ικανοποιώντας ταυτόχρονα τους φυσικούς και λειτουργικούς περιορισμούς [10]. Ένα από τα κριτήρια βέλτιστης λειτουργίας είναι η ελαχιστοποίηση των απωλειών ενεργού ισχύος ενώ ταυτόχρονα πρέπει να ικανοποιούνται τα όρια των τάσεων λειτουργίας. Για τη λύση του συγκεκριμένου προβλήματος έχουν αναπτυχθεί πολλοί αλγόριθμοι, οι οποίοι βασίζονται σε εξελικτικές υπολογιστικές τεχνικές [1-5]. Ωστόσο, αυτές οι μέθοδοι δεν μπορούν να παρέχουν τις βέλτιστες τοπολογίες συνολικά για ολόκληρη τη λειτουργική περίοδο του ΔΔΗΕ. Σε αυτή την εργασία, το πρόβλημα της βέλτιστης τοπολογίας των ΔΔΗΕ επιλύεται μέσω της Ενισχυτικής Μηχανικής Μάθησης (ΕΜ) [6-9]. Η ΕΜ προέρχεται από τη θεωρία του ελέγχου και του δυναμικού προγραμματισμού και στόχο έχει την προσέγγιση εμπειρικών λύσεων σε προβλήματα άγνωστης δυναμικής [8]. Θεωρητικά, έχουν πραγματοποιηθεί αποφασιστικά βήματα με σκοπό τη γρήγορη σύγκληση της ΕΜ και την εφαρμογή της σε μη γραμμικά συστήματα [6, 8] με την ανάπτυξη πολύ αποδοτικών αλγορίθμων. Τελευταία η ραγδαία ανάπτυξη των υπολογιστικών συστημάτων βοήθησε πολύ στην εξαιρετική απόδοση των αλγορίθμων ΕΜ [6, 8]. Για την εφαρμογή του προτεινόμενου αλγορίθμου ΕΜ, το πρόβλημα της βέλτιστης τοπολογίας των ΔΔΗΕ μετατρέπεται σε πρόβλημα λήψης απόφασης πολλών επιπέδων. Οι βέλτιστες δράσεις (από κάθε ενδεχόμενο βρόχο του ΔΔΗΕ αποκόπτεται και ένας κλάδος) απεικονίζονται εμπειρικά στις καταστάσεις λειτουργίας του ΔΔΗΕ. Οι δράσεις βασίζονται σε επιβραβεύσεις, οι οποίες εκφράζουν την επιτυχία αυτών των δράσεων σε όλη τη λειτουργική περίοδο. Κριτήριο της επιβράβευσης αποτελεί η ελαχιστοποίηση των απωλειών ενεργού ισχύος. Επίσης, πρέπει να τηρούνται τα όρια λειτουργίας των τάσεων. Στην εργασία ο αλγόριθμος εκμάθησης Q [6] προσαρμόζεται για τη βέλτιστη διαμόρφωση των ΔΔΗΕ, ωστόσο, ο αλγόριθμος είναι γενικός και μπορεί να εφαρμοστεί σε μεγάλη ομάδα προβλημάτων βελτιστοποίησης των συστημάτων ηλεκτρικής ενέργειας. Η εργασία στη συνέχεια οργανώνεται σε τέσσερις ενότητες. Η Ενότητα 1 περιγράφει τη μέθοδο της Ενισχυτικής Μηχανικής Μάθησης (ΕΜ). Στην Ενότητα 2, ο αλγόριθμος μάθησης Q [6] προσαρμόζεται για τη βέλτιστη τοπολογία των ΔΔΗΕ. Στην Ενότητα 3, παρουσιάζονται τα αποτελέσματα που προκύπτουν από την εφαρμογή του αλγόριθμου σε ΔΔΗΕ εφαρμογής 33 ζυγών. Τα αποτελέσματα συγκρίνονται με εκείνα ενός εξελικτικού αλγορίθμου Τεχνητής Νοημοσύνης (ΤΝ) [1], καταδεικνύοντας την υπεροχή της ΕΜ. Επιπλέον, γίνεται εμφανές το πλεονέκτημα του προτεινόμενου αλγορίθμου καθώς παρέχει τη βέλτιστη τοπολογία για ολόκληρη τη λειτουργική περίοδο των ΔΔΗΕ. Τέλος, στην Ενότητα 4 εξάγονται γενικά συμπεράσματα της εφαρμογής.
2 52 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, III, τεύχ , Tech. Chron. Sci. J. TCG, III, No ΕΝΙΣΧΥΤΙΚΗ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ (ΕΜ) Οι τεχνικές ΕΜ είναι απλοί επαναληπτικοί αλγόριθμοι, οι οποίοι μαθαίνουν εμπειρικά να ενεργούν κατά βέλτιστο τρόπο μέσω της εξερεύνησης ενός συστήματος άγνωστου δυναμικής [6-10]. Η ΕΜ υποθέτει ότι ο «κόσμος» μπορεί να περιγραφεί με την χρήση ενός συνόλου S από καταστάσεις (states) και ένας «πράκτορας» ( agent ) μπορεί να επιλέγει μία δράση από ένα σύνολο δράσεων Α (actions). Η λειτουργία εκμάθησης του ΕΜ υλοποιείται σε διακριτά βήματα. Σε κάθε βήμα μάθησης ο πράκτορας εξετάζει την παρούσα κατάσταση s του «κόσμου» (s S), και επιλέγει μία δράση a A, η οποία μεγιστοποιεί μακροπρόθεσμα το αναμενόμενο κέρδος επιβράβευσης [6-8]. Στη συνέχεια, αφού εκτελέσει τη δράση (a), δίδεται στον πράκτορα μια άμεση επιβράβευση (reward) r R, που εκφράζει την αποτελεσματικότητα της δράσης που επιλέχθηκε παρατηρώντας το αποτέλεσμά της στη νέα κατάσταση s S του «κόσμου». Στην εργασία χρησιμοποιήθηκε ο ΕΜ αλγόριθμος μάθησης Q [6]. Στην ενισχυτική μάθηση Q η βέλτιστη συνάρτηση επιβράβευσης ορίζεται με χρήση της εξίσωσης Bellman, ως εξής: * * Q (s,a) r(s,a) max Q (s,a ) (2.1) a Η εξίσωση αυτή αναπαριστά το αναμενόμενο άθροισμα των επιβραβεύσεων που λαμβάνεται ξεκινώντας από μια αρχική κατάσταση (s), εκτελώντας τη δράση (a) και επιλέγοντας βέλτιστες δράσεις (a ) στις επόμενες αναζητήσεις. Αυτό γίνεται σε περιορισμένο ή θεωρητικά άπειρο χρονικά ορίζοντα μέχρι να επιτευχθεί η βέλτιστη τιμή της συνάρτησης Q (Q*(s, a)). Η εκπτωτική παράμετρος γ (0 γ 1) χρησιμοποιείται για να μειωθεί εκθετικά το βάρος των επιβραβεύσεων που λαμβάνεται κατά τις επόμενες αναζητήσεις [6-8]. Εφόσον έχουμε τη βέλτιστη τιμή Q*(s, a) είναι εύκολο να καθοριστεί η βέλτιστη δράση a* με τη χρήση της βέλτιστης πολιτικής [6-9]. Ένας απλός τρόπος είναι να ερευνηθούν όλες οι δυνατές δράσεις (a) για μία δεδομένη κατάσταση (s) και να επιλεγεί εκείνη με τη μεγαλύτερη τιμή: a * * arg max Q (s,a) (2.2) a Η συνάρτηση Q (μνήμη-q) συνήθως αποθηκεύεται σε κάποιον πίνακα με διαστάσεις τον αριθμό των καταστάσεων και τον αριθμό των δράσεων. Λαμβάνοντας αρχικά αυθαίρετες τιμές μπορεί, μέσω επαναλήψεων, να προσεγγιστεί η βέλτιστη συνάρτηση Q σύμφωνα με τα προκαθορισμένα κριτήρια. Στη συνέχεια η εγγραφή στον πίνακα που απεικονίζει την απόδοση της δράσης (a) πάνω στην κατάσταση (s) γίνεται σύμφωνα με την παρακάτω επαναληπτική εξίσωση [6]: Q(s,a) (1 ) Q(s,a) r max Q(s,a ) (2.3) Είναι σημαντικό να σημειωθεί ότι η νέα τιμή της μνήμης Q(s,a) βασίζεται τόσο στην τρέχουσα τιμή της Q(s,a), (μνήμη-q) όσο και στις τιμές (άμεσες επιβραβεύσεις) των δράσεων που λαμβάνονται από τις επόμενες δράσεις. Έτσι, η παράμετρος a (0 a 1) αναπαριστάνει το ποσοστό της νέας γνώσης που εναποτίθεται στη μνήμη επηρεάζοντας έτσι τον αριθμό των επαναλήψεων μάθησης. Η παράμετρος (1-a) εκφράζει το συνολικό ποσοστό των τιμών Q που παραμένουν ως «μνήμη» στη συνάρτηση Q [6]. 3. ΕΦΑΡΜΟΓΗ ΤΗΣ ΕΜ ΣΤΗ ΒΕΛΤΙΣΤΗ ΤΟΠΟΛΟΓΙΑ ΤΩΝ ΔΔΗΕ Για τους σκοπούς της συγκεκριμένης μελέτης θεωρούμε μία δυαδική ταξινόμηση του «κόσμου» των ΔΔΗΕ. Δηλαδή ο «κόσμος» των καταστάσεων λύσης (s S) από την ΕΜ αποτελείται από αποδεκτά λειτουργικά «σημεία», όπου όλοι οι περιορισμοί ικανοποιούνται, και μη αποδεκτά, όπου παραβιάζεται οποιοσδήποτε από τους λειτουργικούς περιορισμούς. Το διάνυσμα των δράσεων (a Α) είναι το σύνολο από τις πιθανές δράσεις (αφαίρεση ενός κλάδου από κάθε εν δυνάμει βρόχο του ΔΔΗΕ). Ο αλγόριθμος εξελίσσεται ως εξής: Επιλέγεται ένα τυχαίο λειτουργικό σημείο που συμπεριλαμβάνει μια τυχαία κατανομή φορτίου καθώς και ένα σύνολο δράσεων. Ο πράκτορας παρατηρεί την κατάσταση (s) του συστήματος, όπως αυτή προκύπτει από τη λύση της ροής φορτίου, και στη συνέχεια επιλέγει ένα συνδυασμό δράσεων (a) από το σύνολο των πιθανών δράσεων. Εκτελείται μία νέα ροή φορτίου. Ο πράκτορας παρατηρεί τη νέα κατάσταση που προκύπτει από τη λύση (s ) λαμβάνοντας μία άμεση επιβράβευση (r): SxA R, η οποία εκφράζει τις απώλειες ενεργού ισχύος του ΔΔΗΕ. Στη συνέχεια επιλέγεται ένας νέος συνδυασμός δράσεων, οδηγώντας σε νέα λύση της ροής φορτίου και νέα επιβράβευση. Η επιλογή νέων δράσεων επαναλαμβάνεται μέχρι να μην παρουσιάζονται πλέον αλλαγές στην τιμή της άμεσης επιβράβευσης ή την επιλεγόμενη δράση. Στόχος του πράκτορα είναι να προσδιορίσει την βέλτιστη συνάρτηση Q (Q*(s,a)) χρησιμοποιώντας τις αντιστοιχίες των καταστάσεων προς τις δράσεις (S A), ώστε να μεγιστοποιηθούν μακροπρόθεσμα οι επιβραβεύσεις. Η διαδικασία επαναλαμβάνεται για μεγάλο αριθμό λειτουργικών σημείων που καλύπτουν ολόκληρη τη λειτουργική περίοδο του ΔΔΗΕ. Ο πράκτορας βρίσκει τις βέλτιστες δράσεις (a*) χρησιμοποιώντας τη βέλτιστη πολιτική που περιγράφεται από τη σχέση 2.3. Ο Πίνακας 1 παρουσιάζει τον αλγόριθμο ΕΜ στη βέλτιστη τοπολογία των ΔΔΗΕ. a
3 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, III, τεύχ , Tech. Chron. Sci. J. TCG, III, No Διανύσματα κατάστασης Οι καταστάσεις λειτουργίας (s) ενός συστήματος ΔΔΗΕ διακρίνονται ως εξής: Όταν μία από τις μεταβλητές (εδώ τιμές των τάσεων) βρίσκεται εκτός των ορίων λειτουργίας της, θωρείται ότι η κατάσταση είναι επιπέδου 1, διαφορετικά θεωρείται κατάσταση επιπέδου 0. Κατά συνέπεια, αν έχουμε n λειτουργικές μεταβλητές, ο συνολικός αριθμός των δυνατών καταστάσεων είναι: n S 2 (3.1) Στην παρούσα εφαρμογή η χαμηλότερη τάση σε κάθε βρόχο πρέπει να βρίσκεται πάνω από τα κατώτατα όρια και αντίστοιχα η υψηλότερη κάτω από τα ανώτατα. Πίνακας 1: Εφαρμογή του αλγορίθμου ΕΜ στη βέλτιστη διαμόρφωση των ΔΔΗΕ. 1. µµ Q(s,a)=0.0 µ r(s,a)=0.0, s S, a A 2. µ µ ( µ ) (s) µ (a) (s) µ (. 2.3) µ Q (. 1.3) µ (ss) µ µ Q (µ µ µ ) 3.2. Διανύσματα δράσεων Αν κάθε δράση (a) διακρίνεται σε du i επίπεδα (αριθμός κλάδων που μπορούν να απενεργοποιηθούν από κάθε βρόχο του ΔΔΗΕ), ο συνολικός αριθμός των δράσεων είναι: m A d (3.2) i1 u i Όπου το m εκφράζει το συνολικό αριθμό μεταβλητών ελέγχου (αριθμός των βρόχων) Επιβραβεύσεις (r) Η βέλτιστη διαμόρφωση προϋποθέτει την επιλογή του καλύτερου συνδυασμού κλάδων που θα απενεργοποιηθούν, έναν από κάθε εν δυνάμει βρόχο, έτσι ώστε το ΔΔΗΕ που προκύπτει να έχει τη βέλτιστη (επιθυμητή) απόδοση. Ανάμεσα σε πολλά κριτήρια βέλτιστης απόδοσης ενός ΔΔΗΕ, επιλέχθηκε η ελαχιστοποίηση των απωλειών ενεργού ισχύος. Η εφαρμογή του αλγόριθμου ΕΜ στη βέλτιστη τοπολογία των ΔΔΗΕ είναι συνδεδεμένη με την λήψη της άμεσης επιβράβευσης (r), τέτοιας ώστε η επαναληπτική τιμή της συνάρτησης Q (σχ. 2.3) να μεγιστοποιείται ενώ ταυτόχρονα να ικανοποιείται η ελαχιστοποίηση των συνολικών απωλειών ενεργού ισχύος καθ όλη τη λειτουργική περίοδο του ΑΔΔΗΕ. Επομένως η άμεση επιβράβευση (r) υπολογίζεται ως εξής: r = -Ολικές Απώλειες Ενεργού Ισχύος (3.3) 4. ΑΠΟΤΕΛΕΣΜΑΤΑ Ο προτεινόμενος αλγόριθμος (Πίνακας 1) εφαρμόζεται για τη βέλτιστη τοπολογία του ΔΔΗΕ εφαρμογής 33 ζυγών. Το μονογραμμικό διάγραμμα και τα δεδομένα του συγκεκριμένου δικτύου παρατίθενται στο παράρτημα καθώς και στην [1]. Οι δράσεις αποτελούν τα σύνολα των κλάδων που θα απενεργοποιηθούν, ένα από κάθε βρόχο. Υπάρχουν πέντε εν δυνάμει βρόχοι και κατά συνέπεια κάθε διάνυσμα δράσεων της ΕΜ είναι 1x5. Στον Πίνακα 2 εμφανίζονται οι κλάδοι που αποτελούν κάθε βρόχο. Σύμφωνα με τον Πίνακα 2, ο συνολικός αριθμός πιθανών δράσεων υπολογίζεται σε 10x7x7x16x11 = Εφόσον τα κατώτερα και ανώτερα μεγέθη τάσης (v ) σε κάθε βρόχο περιορίζονται j στα λειτουργικά όρια [0.96, 1.05] pu, ο συνολικός αριθμός των πιθανών καταστάσεων λύσης της ΕΜ υπολογίζεται σε 2 5 =32. Πίνακας 2: Κλάδοι που θα απενεργοποιηθούν σε κάθε βρόχο του ΔΔΗΕ 33 ζυγών Ο αλγόριθμος ΕΜ (Πίνακας 1) μπορεί να εφαρμοστεί σε μεγάλο πλήθος από συνδυασμούς φορτίων (λειτουργικά σημεία) που έχουν επιλεγεί από ολόκληρη την λειτουργική περίοδο του ΔΔΗΕ. Αρχικά εφαρμόζεται σε συγκεκριμένη κατανομή φορτίου που αντιστοιχεί στη μέση τιμή σε κάθε κόμβο κατανάλωσης [1]. Στην περίπτωση αυτή οι παράμετροι της μάθησης του ΕΜ επιλέγονται α=0.99 και γ=0.01. Το Σχήμα 1 εμφανίζει την άμεση επιβράβευση r (σχ. 2.3) που λήφθηκε σε κάθε βήμα της μάθησης. Κάθε βήμα της μάθησης αντιστοιχεί σε μία επανάληψη του αλγόριθμου μάθησης ΕΜ (Πίνακας 1). Ο πράκτορας εκτέλεσε περίπου βήματα μάθησης
4 54 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, III, τεύχ , Tech. Chron. Sci. J. TCG, III, No 1-2 για να προσδιορίσει τις βέλτιστες δράσεις. Συνολικά απαιτήθηκαν 100 sec σε PC 1.4 GHz Pentium-IV για τη σύγκληση της ΕΜ. Επίσης στο Σχήμα 1 φαίνεται ότι η σύγκληση του αλγόριθμου μάθησης πέτυχε μέγιστη τιμή επιβράβευσης , αντιστοιχώντας το βέλτιστο συνδυασμό δράσεων στην πιο επιθυμητή κατάσταση λύσης της ΕΜ. υπολογισμού ήταν 190 sec σε PC 1.4 GHz Pentium-IV. Στο Σχήμα 2 επίσης απεικονίζεται η σύγκληση του αλγορίθμου μάθησης ΕΜ σε ένα μέγιστο εύρος επιβραβεύσεων μεταξύ και p.u. καθ όλη τη λειτουργική περίοδο του ΔΔΗΕ, αντιστοιχώντας έτσι ένα βέλτιστο συνδυασμό δράσεων στις καλύτερες (επιθυμητές) καταστάσεις λύσης της ΕΜ. Πίνακας 3: Συνολικές απώλειες ενεργού ισχύος και τάσεις ζυγών από την ΕΜ, τον εξελικτικό αλγόριθμο TN και την αρχική κατάσταση του ΔΔΗΕ 33 ζυγών. Σχήμα 1. Άμεσες επιβραβεύσεις του αλγορίθμου μάθησης ΕΜ. Figure 1:(Immediate rewards of Q-learning algorithm) Ο Πίνακας 3 εμφανίζει το βέλτιστο συνδυασμό δράσεων (το καλύτερο σύνολο ανενεργών κλάδων) και τις απώλειες ενεργού ισχύος που υπολογίζονται στα 110,05 kw. Επιπλέον, στον Πίνακα 3 εμφανίζονται οι τάσεις που επιτυγχάνονται από τον εξελικτικό αλγόριθμο ΤΝ [1]. Σύμφωνα με αυτόν, καλύτερος συνδυασμός δράσεων θεωρείται η αποκοπή των κλάδων Ο Πίνακας 3 παρέχει επίσης τις τάσεις του ΔΔΗΕ εφαρμογής των 33 ζυγών για τη βασική περίπτωση με ανενεργούς κλάδους τους Συγκρίνοντας τη βέλτιστη λύση της ΕΜ με την αντίστοιχη του εξελικτικού αλγορίθμου ΤΝ [1], η πρώτη υπερέχει καθώς όλοι οι περιορισμοί τάσης ικανοποιούνται και οι απώλειες ενεργού ισχύος είναι μικρότερες ( kw έναντι kw). Ο αλγόριθμος ΕΜ προσφέρει επίσης, on-line έλεγχο του ΔΔΗΕ σε τυχαίο δυναμικό περιβάλλον [8]. Μια τέτοια περίπτωση θεωρείται όταν το φορτίο του συστήματος κυμαίνεται τυχαία εντός μιας καθορισμένης λειτουργικής περιόδου. Η διακύμανση του φορτίου εδώ θεωρείται προσεγγιστικά κυκλική με περίοδο 50 βημάτων μάθησης ΕΜ και διαμορφώνεται σύμφωνα με την εξίσωση: 2 ls z(ls) zmax sin 50 όπου z max συμβολίζει το μέγιστο φορτίο σε κάθε ζυγό. (4.1) Στη συγκεκριμένη περίπτωση θέτουμε τις εξής παραμέτρους α=0.1 και γ=0.98. Η γνώση που αποκτά σταδιακά ο πράκτορας σε όλη τη διάρκεια της λειτουργικής περιόδου απεικονίζεται στο Σχήμα 2. Η σύγκληση του αλγορίθμου ΕΜ χρειάστηκε περίπου βήματα μάθησης. Κάθε βήμα μάθησης αντιστοιχεί σε μία επανάληψη του αλγορίθμου μάθησης (Πίνακας 1). Η συνολική διάρκεια µ [1] kW kW kW * * * * * * * * * * * * * * * * Η τελική βέλτιστη δράση όπως προκύπτει από τη βέλτιστη πολιτική (σχ. 2.3) υποδεικνύει την απενεργοποίηση των κλάδων από το ΔΔΗΕ εφαρμογής 33-ζυγών, ελαχιστοποιώντας τις συνολικές απώλειες ενεργού ισχύος και ικανοποιώντας τους περιορισμούς στα όρια των τάσεων καθ όλη τη διάρκεια της λειτουργικής περιόδου.
5 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, III, τεύχ , Tech. Chron. Sci. J. TCG, III, No Σχήμα 2: Άμεσες επιβραβεύσεις του αλγορίθμου ΕΜ με κυμαινόμενο φορτίο. Figure 2: (Immediate rewards of Q-learning algorithm over the whole planning period) 5. ΣΥΜΠΕΡΑΣΜΑΤΑ Στην εργασία αυτή εφαρμόστηκε η μέθοδος ΕΜ στην βέλτιστη τοπολογία των ΔΔΗΕ. Εφαρμόζεται ένας επαναληπτικός αλγόριθμος ΕΜ με σκοπό να παρέχει το βέλτιστο συνδυασμό δράσεων (το σύνολο των κλάδων που πρόκειται να απενεργοποιηθούν, ένα από κάθε εν δυνάμει βρόχο του ΔΔΗΕ) ικανοποιώντας ταυτόχρονα τα όρια λειτουργίας των δεσμευμένων μεταβλητών (τάσεις) και ελαχιστοποιώντας τις συνολικές απώλειες ενεργού ισχύος. Οι δράσεις αντιστοιχίζονται με εμπειρικούς (μαθησιακούς) κανόνες στις καταστάσεις λειτουργίας μέσω βαθμών επιβράβευσης. Ως συνάρτηση επιβράβευσης ορίζονται οι συνολικές απώλειες ενεργού ισχύος. Ο αλγόριθμος μάθησης εφαρμόστηκε για τη βέλτιστη τοπολογία του ΔΔΗΕ εφαρμογής των 33 ζυγών. Τα αποτελέσματα έδειξαν ότι ο προτεινόμενος αλγόριθμος ΕΜ είναι ικανός να παρέχει τη βέλτιστη τοπολογία από ότι άλλοι εξελικτικοί αλγόριθμοι ΤΝ. Επιπλέον, ο ΕΜ παρέχει on-line βέλτιστη τοπολογία του ΔΔΗΕ των 33 ζυγών καθ όλη τη διάρκεια της λειτουργικής περιόδου. [4] Peponis, G.P., Papadopoulos, M.P., Hatziargyriou, N.D.: Distribution networks reconfiguration to minimize resistive line losses. IEEE Trans. on Power Delivery, 1995, 10, [5] Kashem, M.A., Ganapathy, V., Jasmon, G.B., Buhari, M.I.: A novel method for loss minimization in distribution networks. Proc of Inter. Conf. on Electric Utility Deregulation and Restruct. and Power Tech., London, [6] Watkins, C.J.C.H., Dayan, P.: Q-learning. Machine Learning, 1992, 8, [7] Kaelbling, L.P., Littman, M.L., Moore, A.W.: Reinforcement Learning: A Survey. Journal of Artificial Intelligence Research, 1996, 4, [8] Sutton, R.S., Barto, A.G.: Reinforcement Learning: An Introduction, Adaptive Computations and Machine Learning. MIT Press Cambridge MA [9] Bertsekas, D.P., Tsitsiklis, J.N.: Neuro-Dynamic Programming. Athena Scientific Belmont MA [10] Vlachogiannis, J.G., Hatziargyriou, N.D.: Reinforcement learning (RL) to optimal reconfiguration of radial distribution system (RDS), Lecture Notes in Artificial Intelligence, 2004, 3025, ΠΑΡΑΡΤΗΜΑ Μονογραμμικό διάγραμμα του δικτύου διανομής ηλεκτρικής ενέργειας (ΔΔΗΕ) των 33 ζυγών. ΒΙΒΛΙΟΓΡΑΦΙΑ [1] Venkatesh, B., Ranjan, R.: Optimal Radial Distribution System Reconfiguration using Fuzzy Adaption of Evolutionary Programming. Int. J. Electrical Power & Energy Systems, 2003, 25, [2] Baran, M.E., Wu, F.F.: Network reconfiguration in distribution systems for loss reduction and load balancing. IEEE Trans. on Power Delivery, 1989, 4, [3] Shirmohamaddi, D., Hong, H.W.: Reconfiguration of electric distribution networks for resistive line losses reduction. IEEE Trans. on Power Delivery, 1989, 4, Ιωάννης Γ. Βλαχογιάννης Δρ Ηλεκτρολόγος Μηχανικός Α.Π.Θ., Υπεύθυνος Εργαστηρίου Βιομηχανικής και Ενεργειακής Πληροφορικής, Σ.Σ. Λιανοκλαδίου, 35100, Λαμία, vlachogiannis@usa.com Νίκος Δ. Χατζηαργυρίου Καθηγητής ΕΜΠ, Διευθυντής Εργαστηρίου Ηλεκτρικής Ισχύος, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών ΕΜΠ, Πολυτεχνειούπολη, Ζωγράφου, Αθήνα, nh@power.ece.ntua.gr
6 56 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, III, τεύχ , Tech. Chron. Sci. J. TCG, III, No 1-2 Extended Summary Optimal Reconfiguration of Radial Distribution System using Machine Reinforcement Learning J. G. VLACHOGIANNIS N. D. HATZIARGYRIOU Dr Electrical Engineering AUT Professor N.T.U.A Abstract This paper presents a Reinforcement Learning (RL) method for optimal reconfiguration of a radial distribution system (RDS). Optimal reconfiguration involves selection of the best set of branches to be opened, one from each loop, such that the resulting RDS has the desired performance. Among the several performance criteria considered for optimal network reconfiguration, an important one is the minimization of real power losses while satisfying voltage limits. The RL method formulates the reconfiguration of RDS as a multistage decision problem. More specifically, the model-free learning algorithm (Q-learning) learns by experience how to adjust a closed-loop control rule, mapping operating states to control actions by means of reward values. Rewards are chosen to express how well control actions cause minimization of power losses. The Q-learning algorithm was applied to the reconfiguration of a 33- bus RDS busbar system. The results are compared with those given by other evolutionary programming methods. INTRODUCTION The reconfiguration of a radial distribution system (RDS) aims at its optimal operation, satisfying physical and operating constraints. One of the criteria for optimal operation is the minimization of the real power losses, while simultaneously satisfying operating voltage limits. A number of algorithms based on evolutionary computation techniques have been developed to solve this problem. These methods, however, are inefficient in providing optimal configurations for a whole planning period. In this paper the RDS problem is solved by means of Reinforcement Learning (RL). RL originates from optimal control theory and dynamic programming and aims at approximating solutions to problems of unknown dynamics based on experience. From a theoretical point of view, many breakthroughs have been realized concerning the convergence of the RL approach and their application to nonlinear systems, leading to very efficient algorithms. Also, the rapid increase in computer capacities makes RL methods feasible and attractive in the power system community. Reinforcement Learning (RL) techniques are simple iterative algorithms that learn to act in an optimal way through experience gained by exploring an unknown system. RL assumes that the world can be described by a set of states S and an agent can choose one action from a set of actions A. The operating range is divided into discrete learning-steps. At each learning-step the agent observes the current state s of the world (s S), and chooses an action a A that tends to maximize an expected long-term value function. After taking action (a), the agent is given an immediate reward r, expressing the effectiveness of the action and observing the resulting state of the world s S. The particular RL algorithm used in this work is the Q-learning algorithm. In order to apply Q- learning, the reconfiguration problem of RDS is formulated as a multistage decision problem. Optimal control settings are learnt by experience adjusting a closed-loop control rule, which maps operating states to control actions (a set of branches switched off one by one at each loop of RDS). The control settings are based on rewards, expressing how well actions work over the whole planning period. The real power losses function is chosen as reward. Moreover, all voltage limits must be satisfied. Although in this paper the model-free learning algorithm (Q-learning) is applied to optimal reconfiguration of RDS, the algorithm is general and can be applied to a wide variety of optimization problems in planning or operational planning. For the purpose of our analysis a two-class classification is assumed. The world of RL states is binary, comprising operating points characterized by satisfaction of their constraints and operating points which violate their constraints. The control vectors that combine branches to be opened one by one at each loop of RDS are the actions, and the Q-learning algorithm is the agent. The Q-learning algorithm proceeds as follows: An operating point comprising a load and generation pattern including a set of control actions is created randomly. The agent observes the state (s) of the system, as obtained by the load flow solution, and chooses one control action (a) from the control vector. A new load flow is executed. The agent observes the resulting state of the solution (s ) and
7 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, III, τεύχ , Tech. Chron. Sci. J. TCG, III, No provides an immediate reward (r), expressing the reduction of power losses. A new control (switching) action is selected next, leading to a new load flow solution and a new reward. Selection of new control actions is repeated until no more changes in the reward value or in control (switching) action can be achieved. The goal of the agent is to learn the optimal Q-function using the mappings of states to actions such that the long-term reward is maximized. The procedure is repeated for a large number of operating states covering the whole planning period. The agent finds the optimal control settings (a*) using the optimal policy. The paper is organized in 4 sections. Section 1 describes the Reinforcement Learning approach. In Section 2, the Q- learning algorithm is applied to optimal reconfiguration of RDS. In Section 3, the results obtained by the application of the Q-learning algorithm to the 33-bus RDS are presented. The results are compared with those obtained by the evolutionary programming algorithm, showing the superiority of RL. In addition, the superiority of the Q- learning algorithm in providing optimal reconfiguration over the whole planning period is demonstrated. In Section 4, general conclusions are drawn. Dr John G. Vlachogiannis Industrial and Energy Informatics Laboratory (IEI-Lab), R.S. Lianokladiou, 35100, Lamia, Greece, vlachogiannis@usa.com Professor Nikos D. Hatziargyriou Power System Laboratory, School of Electrical and Computer Engineering, National Technical University of Athens (NTUA), Polytechnioupoli Zografou, Athens, Greece, nh@power.ece.ntua.gr
καθ. Βασίλης Μάγκλαρης
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Ενισχυτική Μάθηση - Δυναμικός Προγραμματισμός: 1. Markov Decision Processes 2. Bellman s Optimality Criterion 3. Αλγόριθμος
Διαβάστε περισσότεραΗ Μηχανική Μάθηση στο Σχολείο: Μια Προσέγγιση για την Εισαγωγή της Ενισχυτικής Μάθησης στην Τάξη
6 ο Πανελλήνιο Συνέδριο «Διδακτική της Πληροφορικής» Φλώρινα, 20-22 Απριλίου 2012 Η Μηχανική Μάθηση στο Σχολείο: Μια Προσέγγιση για την Εισαγωγή της Ενισχυτικής Μάθησης στην Τάξη Σάββας Νικολαΐδης 1 ο
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Λήψη Α οφάσεων υ ό Αβεβαιότητα Decision Making under Uncertainty Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Εντο
Διαβάστε περισσότεραΔΙΠΛΩΜΑΣΙΚΗ ΕΡΓΑΙΑ. του φοιτητή του Σμήματοσ Ηλεκτρολόγων Μηχανικών και. Σεχνολογίασ Τπολογιςτών τησ Πολυτεχνικήσ χολήσ του. Πανεπιςτημίου Πατρών
ΠΑΝΕΠΙΣΗΜΙΟ ΠΑΣΡΩΝ ΣΜΗΜΑ ΗΛΕΚΣΡΟΛΟΓΩΝ ΜΗΦΑΝΙΚΩΝ ΚΑΙ ΣΕΦΝΟΛΟΓΙΑ ΤΠΟΛΟΓΙΣΩΝ ΣΟΜΕΑ: ΗΛΕΚΣΡΟΝΙΚΗ ΚΑΙ ΤΠΟΛΟΓΙΣΩΝ ΕΡΓΑΣΗΡΙΟ ΗΛΕΚΣΡΟΝΙΚΩΝ ΤΠΟΛΟΓΙΣΩΝ ΔΙΠΛΩΜΑΣΙΚΗ ΕΡΓΑΙΑ του φοιτητή του Σμήματοσ Ηλεκτρολόγων Μηχανικών
Διαβάστε περισσότερα2 Composition. Invertible Mappings
Arkansas Tech University MATH 4033: Elementary Modern Algebra Dr. Marcel B. Finan Composition. Invertible Mappings In this section we discuss two procedures for creating new mappings from old ones, namely,
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΟΜΟΣΤΑΤΙΚΗΣ ΕΡΓΑΣΤΗΡΙΟ ΜΕΤΑΛΛΙΚΩΝ ΚΑΤΑΣΚΕΥΩΝ ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΑΥΤΟΜΑΤΟ ΕΛΕΓΧΟ ΤΩΝ ΚΑΤΑΣΚΕΥΩΝ Ανεµόµετρο AMD 1 Αισθητήρας AMD 2 11 ος όροφος Υπολογιστής
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π.
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Δυναμικός Προγραμματισμός με Μεθόδους Monte Carlo: 1. Μάθηση Χρονικών Διαφορών (Temporal-Difference Learning) 2. Στοχαστικός
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΗΣ ΙΣΧΥΟΣ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΗΣ ΙΣΧΥΟΣ Προοπτικές Εναρμόνισης της Ελληνικής Αγοράς Ηλεκτρικής Ενέργειας με τις Προδιαγραφές του Μοντέλου
Διαβάστε περισσότεραΗ ΣΗΜΑΣΙΑ ΤΗΣ ΜΗ ΓΡΑΜΜΙΚΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΓΙΑ ΤΟΝ ΣΧΕ ΙΑΣΜΟ ΜΕΤΑΛΛΙΚΩΝ ΚΑΤΑΣΚΕΥΩΝ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΟΜΟΣΤΑΤΙΚΗΣ ΕΡΓΑΣΤΗΡΙΟ ΜΕΤΑΛΛΙΚΩΝ ΚΑΤΑΣΚΕΥΩΝ Η ΣΗΜΑΣΙΑ ΤΗΣ ΜΗ ΓΡΑΜΜΙΚΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΓΙΑ ΤΟΝ ΣΧΕ ΙΑΣΜΟ ΜΕΤΑΛΛΙΚΩΝ ΚΑΤΑΣΚΕΥΩΝ Μεταπτυχιακή Εργασία
Διαβάστε περισσότεραΥπολογιστικές Μέθοδοι στις Κατασκευές
Γενικά Για Τη Βελτιστοποίηση Η βελτιστοποίηση µπορεί να χωριστεί σε δύο µεγάλες κατηγορίες: α) την Βελτιστοποίηση Τοπολογίας (Topological Optimization) και β) την Βελτιστοποίηση Σχεδίασης (Design Optimization).
Διαβάστε περισσότεραΜελέτη των μεταβολών των χρήσεων γης στο Ζαγόρι Ιωαννίνων 0
Μελέτη των μεταβολών των χρήσεων γης στο Ζαγόρι Ιωαννίνων 0 ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΔΙΕΠΙΣΤΗΜΟΝΙΚΟ - ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (Δ.Π.Μ.Σ.) "ΠΕΡΙΒΑΛΛΟΝ ΚΑΙ ΑΝΑΠΤΥΞΗ" 2 η ΚΑΤΕΥΘΥΝΣΗ
Διαβάστε περισσότεραΒασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Ακέραιος προγραμματισμός πολύ-κριτηριακές αντικειμενικές συναρτήσεις Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής Διάλεξη 12-13 η /2017
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ. Πτυχιακή εργασία
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ Πτυχιακή εργασία ΕΠΙΛΥΣΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΧΡΟΝΟΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΜΕΤΑΔΟΣΗΣ ΣΕ ΑΣΥΡΜΑΤΑ ΔΙΚΤΥΑ ΜΕ ΣΥΣΚΕΥΕΣ ΔΙΑΚΡΙΤΩΝ ΤΙΜΩΝ ΙΣΧΥΟΣ ΜΕ ΤΗ ΧΡΗΣΗ
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Ψηφιακή Οικονομία. Διάλεξη 10η: Basics of Game Theory part 2 Mαρίνα Μπιτσάκη Τμήμα Επιστήμης Υπολογιστών
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Οικονομία Διάλεξη 0η: Basics of Game Theory part 2 Mαρίνα Μπιτσάκη Τμήμα Επιστήμης Υπολογιστών Best Response Curves Used to solve for equilibria in games
Διαβάστε περισσότεραNov Journal of Zhengzhou University Engineering Science Vol. 36 No FCM. A doi /j. issn
2015 11 Nov 2015 36 6 Journal of Zhengzhou University Engineering Science Vol 36 No 6 1671-6833 2015 06-0056 - 05 C 1 1 2 2 1 450001 2 461000 C FCM FCM MIA MDC MDC MIA I FCM c FCM m FCM C TP18 A doi 10
Διαβάστε περισσότεραES440/ES911: CFD. Chapter 5. Solution of Linear Equation Systems
ES440/ES911: CFD Chapter 5. Solution of Linear Equation Systems Dr Yongmann M. Chung http://www.eng.warwick.ac.uk/staff/ymc/es440.html Y.M.Chung@warwick.ac.uk School of Engineering & Centre for Scientific
Διαβάστε περισσότεραSection 8.3 Trigonometric Equations
99 Section 8. Trigonometric Equations Objective 1: Solve Equations Involving One Trigonometric Function. In this section and the next, we will exple how to solving equations involving trigonometric functions.
Διαβάστε περισσότεραΠαράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ
Παράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ Διπλωματική Εργασία Μεταπτυχιακού Προγράμματος στην Εφαρμοσμένη Πληροφορική Κατεύθυνση: Συστήματα Υπολογιστών
Διαβάστε περισσότεραΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ "ΠΟΛΥΚΡΙΤΗΡΙΑ ΣΥΣΤΗΜΑΤΑ ΛΗΨΗΣ ΑΠΟΦΑΣΕΩΝ. Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΕΠΙΛΟΓΗΣ ΑΣΦΑΛΙΣΤΗΡΙΟΥ ΣΥΜΒΟΛΑΙΟΥ ΥΓΕΙΑΣ "
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΛΑΜΑΤΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΜΟΝΑΔΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ "ΠΟΛΥΚΡΙΤΗΡΙΑ ΣΥΣΤΗΜΑΤΑ ΛΗΨΗΣ ΑΠΟΦΑΣΕΩΝ. Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΕΠΙΛΟΓΗΣ ΑΣΦΑΛΙΣΤΗΡΙΟΥ ΣΥΜΒΟΛΑΙΟΥ
Διαβάστε περισσότεραΣΥΓΚΡΙΣΗ ΑΝΑΛΥΤΙΚΩΝ ΚΑΙ ΑΡΙΘΜΗΤΙΚΩΝ ΜΕΘΟ ΩΝ ΓΙΑ ΤΗ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΟΜΟΣΤΑΤΙΚΗΣ ΣΥΓΚΡΙΣΗ ΑΝΑΛΥΤΙΚΩΝ ΚΑΙ ΑΡΙΘΜΗΤΙΚΩΝ ΜΕΘΟ ΩΝ ΓΙΑ ΤΗ ΦΟΙΤΗΤΡΙΑ: Γ.ΦΕΒΡΑΝΟΓΛΟΥ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: Χ.ΓΑΝΤΕΣ ΑΘΗΝΑ, ΟΚΤΩΒΡΙΟΣ 2000
Διαβάστε περισσότεραΙ ΑΚΤΟΡΙΚΗ ΙΑΤΡΙΒΗ. Χρήστος Αθ. Χριστοδούλου. Επιβλέπων: Καθηγητής Ιωάννης Αθ. Σταθόπουλος
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΗΣ ΙΣΧΥΟΣ ΕΡΓΑΣΤΗΡΙΟ ΥΨΗΛΩΝ ΤΑΣΕΩΝ ΣΥΜΒΟΛΗ ΣΤΗ ΜΕΛΕΤΗ TΩΝ ΚΑΘΟ ΙΚΩΝ ΑΛΕΞΙΚΕΡΑΥΝΩΝ Ι ΑΚΤΟΡΙΚΗ ΙΑΤΡΙΒΗ Χρήστος
Διαβάστε περισσότεραStudy of In-vehicle Sound Field Creation by Simultaneous Equation Method
Study of In-vehicle Sound Field Creation by Simultaneous Equation Method Kensaku FUJII Isao WAKABAYASI Tadashi UJINO Shigeki KATO Abstract FUJITSU TEN Limited has developed "TOYOTA remium Sound System"
Διαβάστε περισσότεραOther Test Constructions: Likelihood Ratio & Bayes Tests
Other Test Constructions: Likelihood Ratio & Bayes Tests Side-Note: So far we have seen a few approaches for creating tests such as Neyman-Pearson Lemma ( most powerful tests of H 0 : θ = θ 0 vs H 1 :
Διαβάστε περισσότεραΜεταπτυχιακή εργασία : Μελέτη της εξέλιξης του προσφυγικού οικισμού της Νέας Φιλαδέλφειας με χρήση μεθόδων Γεωπληροφορικής.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Σχολή Αγρονόμων & Τοπογράφων Μηχανικών ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΓΕΩΠΛΗΡΡΟΦΟΡΡΙΙΚΗ Μεταπτυχιακή εργασία : Μελέτη της εξέλιξης του προσφυγικού οικισμού της Νέας Φιλαδέλφειας με
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΔΟΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΛΙΚΩΝ Εξαγωγή χαρακτηριστικών μαστογραφικών μαζών και σύγκριση
Διαβάστε περισσότεραΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 19/5/2007
Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Αν κάπου κάνετε κάποιες υποθέσεις να αναφερθούν στη σχετική ερώτηση. Όλα τα αρχεία που αναφέρονται στα προβλήματα βρίσκονται στον ίδιο φάκελο με το εκτελέσιμο
Διαβάστε περισσότεραΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΕΡΙΒΑΛΛΟΝΤΟΣ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Τομέας Περιβαλλοντικής Υδραυλικής και Γεωπεριβαλλοντικής Μηχανικής (III) Εργαστήριο Γεωπεριβαλλοντικής Μηχανικής TECHNICAL UNIVERSITY OF CRETE SCHOOL of
Διαβάστε περισσότεραΑπόκριση σε Μοναδιαία Ωστική Δύναμη (Unit Impulse) Απόκριση σε Δυνάμεις Αυθαίρετα Μεταβαλλόμενες με το Χρόνο. Απόστολος Σ.
Απόκριση σε Δυνάμεις Αυθαίρετα Μεταβαλλόμενες με το Χρόνο The time integral of a force is referred to as impulse, is determined by and is obtained from: Newton s 2 nd Law of motion states that the action
Διαβάστε περισσότεραΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΠΑΝΑΣΧΕΔΙΑΣΜΟΣ ΓΡΑΜΜΗΣ ΣΥΝΑΡΜΟΛΟΓΗΣΗΣ ΜΕ ΧΡΗΣΗ ΕΡΓΑΛΕΙΩΝ ΛΙΤΗΣ ΠΑΡΑΓΩΓΗΣ REDESIGNING AN ASSEMBLY LINE WITH LEAN PRODUCTION TOOLS
ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΠΑΝΑΣΧΕΔΙΑΣΜΟΣ ΓΡΑΜΜΗΣ ΣΥΝΑΡΜΟΛΟΓΗΣΗΣ ΜΕ ΧΡΗΣΗ ΕΡΓΑΛΕΙΩΝ ΛΙΤΗΣ ΠΑΡΑΓΩΓΗΣ REDESIGNING AN ASSEMBLY LINE WITH
Διαβάστε περισσότεραΑΛΛΗΛΕΠΙ ΡΑΣΗ ΜΟΡΦΩΝ ΛΥΓΙΣΜΟΥ ΣΤΙΣ ΜΕΤΑΛΛΙΚΕΣ ΚΑΤΑΣΚΕΥΕΣ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ Τοµέας οµοστατικής Εργαστήριο Μεταλλικών Κατασκευών ΑΛΛΗΛΕΠΙ ΡΑΣΗ ΜΟΡΦΩΝ ΛΥΓΙΣΜΟΥ ΣΤΙΣ ΜΕΤΑΛΛΙΚΕΣ ΚΑΤΑΣΚΕΥΕΣ ιπλωµατική Εργασία Ιωάννη Σ. Προµπονά
Διαβάστε περισσότεραΠΑΡΑΜΕΤΡΟΙ ΕΠΗΡΕΑΣΜΟΥ ΤΗΣ ΑΝΑΓΝΩΣΗΣ- ΑΠΟΚΩΔΙΚΟΠΟΙΗΣΗΣ ΤΗΣ BRAILLE ΑΠΟ ΑΤΟΜΑ ΜΕ ΤΥΦΛΩΣΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΚΠΑΙΔΕΥΤΙΚΗΣ ΚΑΙ ΚΟΙΝΩΝΙΚΗΣ ΠΟΛΙΤΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΑΡΑΜΕΤΡΟΙ ΕΠΗΡΕΑΣΜΟΥ ΤΗΣ ΑΝΑΓΝΩΣΗΣ- ΑΠΟΚΩΔΙΚΟΠΟΙΗΣΗΣ ΤΗΣ BRAILLE
Διαβάστε περισσότεραΒΕΛΤΙΣΤΟΣ ΣΧΕΔΙΑΣΜΟΣ ΤΩΝ ΚΑΤΑΣΚΕΥΩΝ. Δρ. Πολ. Μηχ. Κόκκινος Οδυσσέας
ΒΕΛΤΙΣΤΟΣ ΣΧΕΔΙΑΣΜΟΣ ΤΩΝ ΚΑΤΑΣΚΕΥΩΝ Δρ. Πολ. Μηχ. Κόκκινος Οδυσσέας Σχεδιασμός αντικειμένων, διεργασιών, δραστηριοτήτων (π.χ. τεχνικά έργα, έπιπλα, σκεύη κτλ) ΠΡΟΚΑΤΑΡΚΤΙΚΗ ΜΕΛΕΤΗ (conceptual design) ΠΡΟΜΕΛΕΤΗ
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΥΣΤΗΜΑΤΩΝ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΥΣΤΗΜΑΤΩΝ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ Διπλωματική Εργασία του φοιτητή του τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Ηλεκτρονικών
Διαβάστε περισσότεραþÿ Ç»¹º ³µÃ ± : Ãż²» Ä Â
Neapolis University HEPHAESTUS Repository School of Economic Sciences and Business http://hephaestus.nup.ac.cy Master Degree Thesis 2015 þÿ Ç»¹º ³µÃ ± : Ãż²» Ä Â þÿãå½±¹ã ¼±Ä¹º  ½ ¼ Ãͽ  þÿ±à ĵ»µÃ¼±Ä¹º
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΥΣΤΗΜΑΤΩΝ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΥΣΤΗΜΑΤΩΝ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ιπλωµατική Εργασία του φοιτητή του τµήµατος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Ηλεκτρονικών
Διαβάστε περισσότεραΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ. του φοιτητή του Τμήματος Ηλεκτρολόγων Μηχανικών και. Τεχνολογίας Υπολογιστών της Πολυτεχνικής Σχολής του. Πανεπιστημίου Πατρών
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΥΣΤΗΜΑΤΩΝ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΟΜΗΧΑΝΙΚΗΣ ΜΕΤΑΤΡΟΠΗΣ ΕΝΕΡΓΕΙΑΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ του φοιτητή του
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΛΟΓΙΣΜΙΚΟΥ ΓΙΑ ΤΗ ΔΙΕΝΕΡΓΕΙΑ ΥΠΟΛΟΓΙΣΤΙΚΩΝ ΜΕΛΕΤΩΝ
ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΑΝΑΠΤΥΞΗ ΛΟΓΙΣΜΙΚΟΥ ΓΙΑ ΤΗ ΔΙΕΝΕΡΓΕΙΑ ΥΠΟΛΟΓΙΣΤΙΚΩΝ ΜΕΛΕΤΩΝ ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ Α.Μ. 123/04 ΕΠΙΒΛΕΠΩΝ: ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ ΘΕΣΣΑΛΟΝΙΚΗ, ΙΟΥΝΙΟΣ 2007 Περιεχόμενα
Διαβάστε περισσότεραNumerical Analysis FMN011
Numerical Analysis FMN011 Carmen Arévalo Lund University carmen@maths.lth.se Lecture 12 Periodic data A function g has period P if g(x + P ) = g(x) Model: Trigonometric polynomial of order M T M (x) =
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΨΥΧΟΛΟΓΙΚΕΣ ΕΠΙΠΤΩΣΕΙΣ ΣΕ ΓΥΝΑΙΚΕΣ ΜΕΤΑ ΑΠΟ ΜΑΣΤΕΚΤΟΜΗ ΓΕΩΡΓΙΑ ΤΡΙΣΟΚΚΑ Λευκωσία 2012 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ
Διαβάστε περισσότεραΜΕΘΟΔΟΙ ΑΕΡΟΔΥΝΑΜΙΚΗΣ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Εργαστήριο Θερμικών Στροβιλομηχανών Μονάδα Παράλληλης ης Υπολογιστικής Ρευστοδυναμικής & Βελτιστοποίησης ΜΕΘΟΔΟΙ ΑΕΡΟΔΥΝΑΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ (7 ο Εξάμηνο Σχολής Μηχ.Μηχ. ΕΜΠ)
Διαβάστε περισσότεραA research on the influence of dummy activity on float in an AOA network and its amendments
2008 6 6 :100026788 (2008) 0620106209,, (, 102206) : NP2hard,,..,.,,.,.,. :,,,, : TB11411 : A A research on the influence of dummy activity on float in an AOA network and its amendments WANG Qiang, LI
Διαβάστε περισσότεραΑΠΟΓΡΑΦΙΚΟ ΔΕΛΤΙΟ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ ΤΙΤΛΟΣ
ΕΘΝΙΚΟ & ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΑΝΑΓΝΩΣΤΗΡΙΟ Πανεπιστημιούπολη, Κτήρια Πληροφορικής & Τηλεπικοινωνιών 15784 ΑΘΗΝΑ Τηλ.: 210 727 5190, email: library@di.uoa.gr,
Διαβάστε περισσότεραΕΛΕΓΧΟΣ ΤΩΝ ΠΑΡΑΜΟΡΦΩΣΕΩΝ ΧΑΛΥΒ ΙΝΩΝ ΦΟΡΕΩΝ ΜΕΓΑΛΟΥ ΑΝΟΙΓΜΑΤΟΣ ΤΥΠΟΥ MBSN ΜΕ ΤΗ ΧΡΗΣΗ ΚΑΛΩ ΙΩΝ: ΠΡΟΤΑΣΗ ΕΦΑΡΜΟΓΗΣ ΣΕ ΑΝΟΙΚΤΟ ΣΤΕΓΑΣΤΡΟ
ΕΛΕΓΧΟΣ ΤΩΝ ΠΑΡΑΜΟΡΦΩΣΕΩΝ ΧΑΛΥΒ ΙΝΩΝ ΦΟΡΕΩΝ ΜΕΓΑΛΟΥ ΑΝΟΙΓΜΑΤΟΣ ΤΥΠΟΥ MBSN ΜΕ ΤΗ ΧΡΗΣΗ ΚΑΛΩ ΙΩΝ: ΠΡΟΤΑΣΗ ΕΦΑΡΜΟΓΗΣ ΣΕ ΑΝΟΙΚΤΟ ΣΤΕΓΑΣΤΡΟ Νικόλαος Αντωνίου Πολιτικός Μηχανικός Τµήµα Πολιτικών Μηχανικών, Α.Π.Θ.,
Διαβάστε περισσότεραCYPRUS UNIVERSITY OF TECHNOLOGY Faculty of Geotechnical Sciences and Environmental Management Department of Environmental Science and Technology
CYPRUS UNIVERSITY OF TECHNOLOGY Faculty of Geotechnical Sciences and Environmental Management Department of Environmental Science and Technology Msc Thesis METAL BIOLEACHING FROM SLUDGE: CURRENT STATUS
Διαβάστε περισσότεραSCITECH Volume 13, Issue 2 RESEARCH ORGANISATION Published online: March 29, 2018
Journal of rogressive Research in Mathematics(JRM) ISSN: 2395-028 SCITECH Volume 3, Issue 2 RESEARCH ORGANISATION ublished online: March 29, 208 Journal of rogressive Research in Mathematics www.scitecresearch.com/journals
Διαβάστε περισσότεραPractice Exam 2. Conceptual Questions. 1. State a Basic identity and then verify it. (a) Identity: Solution: One identity is csc(θ) = 1
Conceptual Questions. State a Basic identity and then verify it. a) Identity: Solution: One identity is cscθ) = sinθ) Practice Exam b) Verification: Solution: Given the point of intersection x, y) of the
Διαβάστε περισσότερα«Χρήσεις γης, αξίες γης και κυκλοφοριακές ρυθμίσεις στο Δήμο Χαλκιδέων. Η μεταξύ τους σχέση και εξέλιξη.»
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΑΓΡΟΝΟΜΩΝ ΚΑΙ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΓΕΩΓΡΑΦΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΟΥ ΣΧΕΔΙΑΣΜΟΥ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ: «Χρήσεις γης, αξίες γης και κυκλοφοριακές ρυθμίσεις στο Δήμο Χαλκιδέων.
Διαβάστε περισσότεραΜεταπτυχιακή διατριβή. Ανδρέας Παπαευσταθίου
Σχολή Γεωτεχνικών Επιστημών και Διαχείρισης Περιβάλλοντος Μεταπτυχιακή διατριβή Κτίρια σχεδόν μηδενικής ενεργειακής κατανάλωσης :Αξιολόγηση συστημάτων θέρμανσης -ψύξης και ΑΠΕ σε οικιστικά κτίρια στην
Διαβάστε περισσότεραΔιπλωματική Εργασία του φοιτητή του Τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών της Πολυτεχνικής Σχολής του Πανεπιστημίου Πατρών
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ:ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΟΝΙΚΩΝ ΕΦΑΡΜΟΓΩΝ Διπλωματική Εργασία του φοιτητή του Τμήματος Ηλεκτρολόγων
Διαβάστε περισσότεραΚΕΙΜΕΝΟΚΕΝΤΡΙΚΗ ΘΕΩΡΙΑ: ΘΕΩΡΗΤΙΚΟ ΠΛΑΙΣΙΟ ΚΑΙ ΠΕΙΡΑΜΑΤΙΚΗ ΕΦΑΡΜΟΓΗ ΣΕ ΣΠΠΕ ΜΕ ΣΤΟΧΟ ΤΟΝ ΠΕΡΙΒΑΛΛΟΝΤΙΚΟ ΓΡΑΜΜΑΤΙΣΜΟ ΤΩΝ ΜΑΘΗΤΩΝ
ΚΕΙΜΕΝΟΚΕΝΤΡΙΚΗ ΘΕΩΡΙΑ: ΘΕΩΡΗΤΙΚΟ ΠΛΑΙΣΙΟ ΚΑΙ ΠΕΙΡΑΜΑΤΙΚΗ ΕΦΑΡΜΟΓΗ ΣΕ ΣΠΠΕ ΜΕ ΣΤΟΧΟ ΤΟΝ ΠΕΡΙΒΑΛΛΟΝΤΙΚΟ ΓΡΑΜΜΑΤΙΣΜΟ ΤΩΝ ΜΑΘΗΤΩΝ ΤΣΙΓΚΟΥ Α. 1, και ΝΟΥΤΣΟΥ Α. 1 1 9 ο Δημοτικό Σχολείο Μεγάρων e-mail: atsig@tee.gr,
Διαβάστε περισσότεραApproximation of distance between locations on earth given by latitude and longitude
Approximation of distance between locations on earth given by latitude and longitude Jan Behrens 2012-12-31 In this paper we shall provide a method to approximate distances between two points on earth
Διαβάστε περισσότεραOptimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)
( ) 1 ( ) : : (Differential Evolution, DE) (Particle Swarm Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] 2 2.1 (P) (P ) minimize f(x) subject to g j (x) 0, j = 1,..., q h j (x) = 0, j
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ. του Γεράσιμου Τουλιάτου ΑΜ: 697
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΣΤΑ ΠΛΑΙΣΙΑ ΤΟΥ ΜΕΤΑΠΤΥΧΙΑΚΟΥ ΔΙΠΛΩΜΑΤΟΣ ΕΙΔΙΚΕΥΣΗΣ ΕΠΙΣΤΗΜΗ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ του Γεράσιμου Τουλιάτου
Διαβάστε περισσότεραΤ.Ε.Ι. ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΔΗΜΟΣΙΩΝ ΣΧΕΣΕΩΝ & ΕΠΙΚΟΙΝΩΝΙΑΣ
Τ.Ε.Ι. ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΔΗΜΟΣΙΩΝ ΣΧΕΣΕΩΝ & ΕΠΙΚΟΙΝΩΝΙΑΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Η προβολή επιστημονικών θεμάτων από τα ελληνικά ΜΜΕ : Η κάλυψή τους στον ελληνικό ημερήσιο τύπο Σαραλιώτου
Διαβάστε περισσότεραΚΑΘΟΡΙΣΜΟΣ ΠΑΡΑΓΟΝΤΩΝ ΠΟΥ ΕΠΗΡΕΑΖΟΥΝ ΤΗΝ ΠΑΡΑΓΟΜΕΝΗ ΙΣΧΥ ΣΕ Φ/Β ΠΑΡΚΟ 80KWp
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΔΟΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΛΙΚΩΝ ΚΑΘΟΡΙΣΜΟΣ ΠΑΡΑΓΟΝΤΩΝ ΠΟΥ ΕΠΗΡΕΑΖΟΥΝ ΤΗΝ ΠΑΡΑΓΟΜΕΝΗ ΙΣΧΥ
Διαβάστε περισσότεραCHAPTER 25 SOLVING EQUATIONS BY ITERATIVE METHODS
CHAPTER 5 SOLVING EQUATIONS BY ITERATIVE METHODS EXERCISE 104 Page 8 1. Find the positive root of the equation x + 3x 5 = 0, correct to 3 significant figures, using the method of bisection. Let f(x) =
Διαβάστε περισσότεραΣΧΕΔΙΑΣΜΟΣ ΔΙΚΤΥΩΝ ΔΙΑΝΟΜΗΣ. Η εργασία υποβάλλεται για τη μερική κάλυψη των απαιτήσεων με στόχο. την απόκτηση του διπλώματος
ΣΧΕΔΙΑΣΜΟΣ ΔΙΚΤΥΩΝ ΔΙΑΝΟΜΗΣ Η εργασία υποβάλλεται για τη μερική κάλυψη των απαιτήσεων με στόχο την απόκτηση του διπλώματος «Οργάνωση και Διοίκηση Βιομηχανικών Συστημάτων με εξειδίκευση στα Συστήματα Εφοδιασμού
Διαβάστε περισσότεραΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ Ενότητα: Αναγνώριση Διεργασίας - Προσαρμοστικός Έλεγχος (Process Identification) Αλαφοδήμος Κωνσταντίνος
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή εργασία ΔΙΕΡΕΥΝΗΣΗ ΤΟΥ ΚΛΙΜΑΤΟΣ ΑΣΦΑΛΕΙΑΣ ΤΩΝ ΑΣΘΕΝΩΝ ΣΤΟ ΝΟΣΟΚΟΜΕΙΟ
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή εργασία ΔΙΕΡΕΥΝΗΣΗ ΤΟΥ ΚΛΙΜΑΤΟΣ ΑΣΦΑΛΕΙΑΣ ΤΩΝ ΑΣΘΕΝΩΝ ΣΤΟ ΝΟΣΟΚΟΜΕΙΟ ΑΝΔΡΕΑΣ ΛΕΩΝΙΔΟΥ Λεμεσός, 2012 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ Πτυχιακή εργασία ΣΧΕΔΙΑΣΜΟΣ ΣΥΣΤΗΜΑΤΟΣ ΕΝΑΕΡΙΑΣ ΜΕΤΑΦΟΡΑΣ ΦΟΡΤΙΩΝ ΑΠΟ ΚΑΙ ΠΡΟΣ ΤΟ ΚΤΗΡΙΟ ΔΩΡΟΘΕΑ ΣΤΟΝ ΚΑΙ ΑΠΟ ΤΟΝ ΑΠΕΝΑΝΤΙ ΧΩΡΟ ΣΤΑΘΜΕΥΣΗΣ
Διαβάστε περισσότεραΓραµµικός Προγραµµατισµός (ΓΠ)
Γραµµικός Προγραµµατισµός (ΓΠ) Περίληψη Επίλυση δυσδιάστατων προβληµάτων Η µέθοδος simplex Τυπική µορφή Ακέραιος Προγραµµατισµός Προγραµµατισµός Παραγωγής Προϊόν Προϊόν 2 Παραγωγική Δυνατότητα Μηχ. 4 Μηχ.
Διαβάστε περισσότεραþÿ¼ ½ ±Â : ÁÌ» Â Ä Å ÃÄ ²µ þÿä Å ÃÇ»¹º Í Á³ Å
Neapolis University HEPHAESTUS Repository School of Economic Sciences and Business http://hephaestus.nup.ac.cy Master Degree Thesis 2015 þÿ ½»Åà Äɽ µ½½ ¹Î½ Ä Â þÿ±¾¹»ì³ à  º±¹ Ä Â þÿ±à ĵ»µÃ¼±Ä¹ºÌÄ Ä±Â
Διαβάστε περισσότεραΚΒΑΝΤΙΚΟΙ ΥΠΟΛΟΓΙΣΤΕΣ
Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Τμήμα Ηλεκτρονικών Μηχανικών Τ.Ε. ΚΒΑΝΤΙΚΟΙ ΥΠΟΛΟΓΙΣΤΕΣ Πτυχιακή Εργασία Φοιτητής: ΜIΧΑΗΛ ΖΑΓΟΡΙΑΝΑΚΟΣ ΑΜ: 38133 Επιβλέπων Καθηγητής Καθηγητής Ε.
Διαβάστε περισσότεραΕΘΝΙΚΗ ΣΧΟΛΗ ΔΗΜΟΣΙΑΣ ΔΙΟΙΚΗΣΗΣ ΙΓ' ΕΚΠΑΙΔΕΥΤΙΚΗ ΣΕΙΡΑ
ΕΘΝΙΚΗ ΣΧΟΛΗ ΔΗΜΟΣΙΑΣ ΔΙΟΙΚΗΣΗΣ ΙΓ' ΕΚΠΑΙΔΕΥΤΙΚΗ ΣΕΙΡΑ ΤΜΗΜΑ ΤΟΠΙΚΗΣ ΑΥΤΟΔΙΟΙΚΗΣΗΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ ΤΕΛΙΚΗ ΕΡΓΑΣΙΑ: ΠΕΡΙΒΑΛΛΟΝ ΚΑΙ ΑΝΑΠΤΥΞΗ: ΠΡΟΣΕΓΓΙΣΗ ΜΕΣΩ ΔΕΙΚΤΩΝ Επιβλέπων: Αθ.Δελαπάσχος
Διαβάστε περισσότεραΠτυχιακή Εργασία Η ΠΟΙΟΤΗΤΑ ΖΩΗΣ ΤΩΝ ΑΣΘΕΝΩΝ ΜΕ ΣΤΗΘΑΓΧΗ
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή Εργασία Η ΠΟΙΟΤΗΤΑ ΖΩΗΣ ΤΩΝ ΑΣΘΕΝΩΝ ΜΕ ΣΤΗΘΑΓΧΗ Νικόλας Χριστοδούλου Λευκωσία, 2012 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ
Διαβάστε περισσότεραΕΥΧΑΡΙΣΤΙΕΣ. Θεσσαλονίκη, Δεκέμβριος 2005. Κώστας Δόσιος
ΕΥΧΑΡΙΣΤΙΕΣ Μου δίνεται η ευκαιρία με την περάτωση της παρούσης διδακτορικής διατριβής να σημειώσω ότι, είναι ιδιαίτερα δύσκολο και κοπιαστικό να ολοκληρώσεις το έργο που ξεκινάς κάποια στιγμή έχοντας
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΓΕΩΤΕΧΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ. Πτυχιακή εργασία
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΓΕΩΤΕΧΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Πτυχιακή εργασία ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΔΕΙΚΤΩΝ ΚΑΤΑΝΑΛΩΣΗΣ ΕΝΕΡΓΕΙΑΣ ΣΤΑ ΑΝΤΛΙΟΣΤΑΣΙΑ ΤΟΥ ΤΜΗΜΑΤΟΣ ΑΝΑΠΤΥΞΕΩΣ ΥΔΑΤΩΝ Γεωργίου
Διαβάστε περισσότεραStatistical Inference I Locally most powerful tests
Statistical Inference I Locally most powerful tests Shirsendu Mukherjee Department of Statistics, Asutosh College, Kolkata, India. shirsendu st@yahoo.co.in So far we have treated the testing of one-sided
Διαβάστε περισσότεραJesse Maassen and Mark Lundstrom Purdue University November 25, 2013
Notes on Average Scattering imes and Hall Factors Jesse Maassen and Mar Lundstrom Purdue University November 5, 13 I. Introduction 1 II. Solution of the BE 1 III. Exercises: Woring out average scattering
Διαβάστε περισσότεραΓΕΩΜΕΣΡΙΚΗ ΣΕΚΜΗΡΙΩΗ ΣΟΤ ΙΕΡΟΤ ΝΑΟΤ ΣΟΤ ΣΙΜΙΟΤ ΣΑΤΡΟΤ ΣΟ ΠΕΛΕΝΔΡΙ ΣΗ ΚΤΠΡΟΤ ΜΕ ΕΦΑΡΜΟΓΗ ΑΤΣΟΜΑΣΟΠΟΙΗΜΕΝΟΤ ΤΣΗΜΑΣΟ ΨΗΦΙΑΚΗ ΦΩΣΟΓΡΑΜΜΕΣΡΙΑ
ΕΘΝΙΚΟ ΜΕΣΟΒΙΟ ΠΟΛΤΣΕΧΝΕΙΟ ΣΜΗΜΑ ΑΓΡΟΝΟΜΩΝ-ΣΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΣΟΜΕΑ ΣΟΠΟΓΡΑΦΙΑ ΕΡΓΑΣΗΡΙΟ ΦΩΣΟΓΡΑΜΜΕΣΡΙΑ ΓΕΩΜΕΣΡΙΚΗ ΣΕΚΜΗΡΙΩΗ ΣΟΤ ΙΕΡΟΤ ΝΑΟΤ ΣΟΤ ΣΙΜΙΟΤ ΣΑΤΡΟΤ ΣΟ ΠΕΛΕΝΔΡΙ ΣΗ ΚΤΠΡΟΤ ΜΕ ΕΦΑΡΜΟΓΗ ΑΤΣΟΜΑΣΟΠΟΙΗΜΕΝΟΤ
Διαβάστε περισσότεραΑΚΑ ΗΜΙΑ ΕΜΠΟΡΙΚΟΥ ΝΑΥΤΙΚΟΥ ΜΑΚΕ ΟΝΙΑΣ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ
ΑΚΑ ΗΜΙΑ ΕΜΠΟΡΙΚΟΥ ΝΑΥΤΙΚΟΥ ΜΑΚΕ ΟΝΙΑΣ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΘΕΜΑ :ΤΥΠΟΙ ΑΕΡΟΣΥΜΠΙΕΣΤΩΝ ΚΑΙ ΤΡΟΠΟΙ ΛΕΙΤΟΥΡΓΙΑΣ ΣΠΟΥ ΑΣΤΡΙΑ: ΕΥΘΥΜΙΑ ΟΥ ΣΩΣΑΝΝΑ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ : ΓΟΥΛΟΠΟΥΛΟΣ ΑΘΑΝΑΣΙΟΣ 1 ΑΚΑ
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ. Πτυχιακή εργασία ΟΛΙΣΘΗΡΟΤΗΤΑ ΚΑΙ ΜΑΚΡΟΥΦΗ ΤΩΝ ΟΔΟΔΤΡΩΜΑΤΩΝ ΚΥΚΛΟΦΟΡΙΑΣ
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ Πτυχιακή εργασία ΟΛΙΣΘΗΡΟΤΗΤΑ ΚΑΙ ΜΑΚΡΟΥΦΗ ΤΩΝ ΟΔΟΔΤΡΩΜΑΤΩΝ ΚΥΚΛΟΦΟΡΙΑΣ Χριστοδούλου Αντρέας Λεμεσός 2014 2 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ. Κεφάλαιο 1: Κεφάλαιο 2: Κεφάλαιο 3:
4 Πρόλογος Η παρούσα διπλωµατική εργασία µε τίτλο «ιερεύνηση χωρικής κατανοµής µετεωρολογικών µεταβλητών. Εφαρµογή στον ελληνικό χώρο», ανατέθηκε από το ιεπιστηµονικό ιατµηµατικό Πρόγραµµα Μεταπτυχιακών
Διαβάστε περισσότεραΠτυχιακή Εργασία ηµιουργία Εκπαιδευτικού Παιχνιδιού σε Tablets Καλλιγάς ηµήτρης Παναγιώτης Α.Μ.: 1195 Επιβλέπων καθηγητής: ρ. Συρµακέσης Σπύρος ΑΝΤΙΡΡΙΟ 2015 Ευχαριστίες Σ αυτό το σηµείο θα ήθελα να
Διαβάστε περισσότεραΑνάκτηση Εικόνας βάσει Υφής με χρήση Eye Tracker
Ειδική Ερευνητική Εργασία Ανάκτηση Εικόνας βάσει Υφής με χρήση Eye Tracker ΚΑΡΑΔΗΜΑΣ ΗΛΙΑΣ Α.Μ. 323 Επιβλέπων: Σ. Φωτόπουλος Καθηγητής, Μεταπτυχιακό Πρόγραμμα «Ηλεκτρονική και Υπολογιστές», Τμήμα Φυσικής,
Διαβάστε περισσότεραΑΠΟΓΡΑΦΙΚΟ ΔΕΛΤΙΟ ΔΙΔΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ ΤΙΤΛΟΣ Συμπληρώστε τον πρωτότυπο τίτλο της Διδακτορικής διατριβής ΑΡ. ΣΕΛΙΔΩΝ ΕΙΚΟΝΟΓΡΑΦΗΜΕΝΗ
ΕΘΝΙΚΟ & ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΑΝΑΓΝΩΣΤΗΡΙΟ Πανεπιστημιούπολη, Κτήρια Πληροφορικής & Τηλεπικοινωνιών 15784 ΑΘΗΝΑ Τηλ.: 210 727 5190, email: library@di.uoa.gr,
Διαβάστε περισσότεραHomework 3 Solutions
Homework 3 Solutions Igor Yanovsky (Math 151A TA) Problem 1: Compute the absolute error and relative error in approximations of p by p. (Use calculator!) a) p π, p 22/7; b) p π, p 3.141. Solution: For
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ. ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Διαβάστε περισσότεραTMA4115 Matematikk 3
TMA4115 Matematikk 3 Andrew Stacey Norges Teknisk-Naturvitenskapelige Universitet Trondheim Spring 2010 Lecture 12: Mathematics Marvellous Matrices Andrew Stacey Norges Teknisk-Naturvitenskapelige Universitet
Διαβάστε περισσότεραΖΩΝΟΠΟΙΗΣΗ ΤΗΣ ΚΑΤΟΛΙΣΘΗΤΙΚΗΣ ΕΠΙΚΙΝΔΥΝΟΤΗΤΑΣ ΣΤΟ ΟΡΟΣ ΠΗΛΙΟ ΜΕ ΤΗ ΣΥΜΒΟΛΗ ΔΕΔΟΜΕΝΩΝ ΣΥΜΒΟΛΟΜΕΤΡΙΑΣ ΜΟΝΙΜΩΝ ΣΚΕΔΑΣΤΩΝ
EΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΕΙΟ Τμήμα Μηχανικών Μεταλλείων-Μεταλλουργών ΖΩΝΟΠΟΙΗΣΗ ΤΗΣ ΚΑΤΟΛΙΣΘΗΤΙΚΗΣ ΕΠΙΚΙΝΔΥΝΟΤΗΤΑΣ ΜΕ ΤΗ ΣΥΜΒΟΛΗ ΔΕΔΟΜΕΝΩΝ ΣΥΜΒΟΛΟΜΕΤΡΙΑΣ ΜΟΝΙΜΩΝ ΣΚΕΔΑΣΤΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Κιτσάκη Μαρίνα
Διαβάστε περισσότεραΟικονοµετρική ιερεύνηση των Ελλειµµάτων της Ελληνικής Οικονοµίας
Οικονοµετρική ιερεύνηση των Ελλειµµάτων της Ελληνικής Οικονοµίας του Παντελίδη Παναγιώτη ιδακτορική ιατριβή η οποία υποβλήθηκε στο Τµήµα Εφαρµοσµένης Πληροφορικής του Πανεπιστηµίου Μακεδονίας Οικονοµικών
Διαβάστε περισσότεραAreas and Lengths in Polar Coordinates
Kiryl Tsishchanka Areas and Lengths in Polar Coordinates In this section we develop the formula for the area of a region whose boundary is given by a polar equation. We need to use the formula for the
Διαβάστε περισσότεραΜΑΘΗΜΑ: Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ. 1 η ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ
ΜΑΘΗΜΑ: Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ 1 η ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Στόχος Θεματικής Ενότητας Οι μαθητές να περιγράφουν τους βασικούς τομείς της Επιστήμης των Υπολογιστών και να μπορούν
Διαβάστε περισσότεραΠτυχιακή Εργασία ΓΝΩΣΕΙΣ KAI ΣΤΑΣΕΙΣ ΤΩΝ ΕΠΑΓΓΕΛΜΑΤΙΩΝ ΥΓΕΙΑΣ ΓΙΑ ΤΗΝ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΕΚΘΕΣΗ ΣΤΟΝ HIV. Στυλιανού Στυλιανή
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή Εργασία ΓΝΩΣΕΙΣ KAI ΣΤΑΣΕΙΣ ΤΩΝ ΕΠΑΓΓΕΛΜΑΤΙΩΝ ΥΓΕΙΑΣ ΓΙΑ ΤΗΝ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΕΚΘΕΣΗ ΣΤΟΝ HIV Στυλιανού Στυλιανή Λευκωσία 2012 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
Διαβάστε περισσότεραΑΠΟΔΟΤΙΚΗ ΑΠΟΤΙΜΗΣΗ ΕΡΩΤΗΣΕΩΝ OLAP Η ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΕΞΕΙΔΙΚΕΥΣΗΣ. Υποβάλλεται στην
ΑΠΟΔΟΤΙΚΗ ΑΠΟΤΙΜΗΣΗ ΕΡΩΤΗΣΕΩΝ OLAP Η ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΕΞΕΙΔΙΚΕΥΣΗΣ Υποβάλλεται στην ορισθείσα από την Γενική Συνέλευση Ειδικής Σύνθεσης του Τμήματος Πληροφορικής Εξεταστική Επιτροπή από την Χαρά Παπαγεωργίου
Διαβάστε περισσότερα2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems
2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems Multiple User Interfaces MobileSoft'16, Multi-User Experience (MUX) S1: Insourcing S2: Outsourcing S3: Responsive design
Διαβάστε περισσότεραΣΥΓΧΡΟΝΕΣ ΤΑΣΕΙΣ ΣΤΗΝ ΕΚΤΙΜΗΣΗ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΩΝ ΚΙΝΔΥΝΩΝ
ΕΘΝΙΚΗ ΣΧΟΛΗ ΤΟΠΙΚΗΣ ΑΥΤΟΔΙΟΙΚΗΣΗΣ Δ ΕΚΠΑΙΔΕΥΤΙΚΗ ΣΕΙΡΑ ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΠΡΟΣΤΑΣΙΑΣ ΣΥΓΧΡΟΝΕΣ ΤΑΣΕΙΣ ΣΤΗΝ ΕΚΤΙΜΗΣΗ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΩΝ ΚΙΝΔΥΝΩΝ Σπουδάστρια: Διαούρτη Ειρήνη Δήμητρα Επιβλέπων καθηγητής:
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ. Πτυχιακή εργασία
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ Πτυχιακή εργασία ΕΝΕΡΓΟ ΦΙΛΤΡΟ ΔΙΑΚΟΠΤΙΚΟΥ ΠΗΝΙΟΥ ( Switched Inductor Variable Filter ) Ευτυχία Ιωσήφ Λεμεσός, Μάιος 2016 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
Διαβάστε περισσότεραPartial Differential Equations in Biology The boundary element method. March 26, 2013
The boundary element method March 26, 203 Introduction and notation The problem: u = f in D R d u = ϕ in Γ D u n = g on Γ N, where D = Γ D Γ N, Γ D Γ N = (possibly, Γ D = [Neumann problem] or Γ N = [Dirichlet
Διαβάστε περισσότεραΣΧΕΔΙΑΣΜΟΣ ΚΑΙ ΕΝΙΣΧΥΣΗ ΤΩΝ ΚΟΜΒΩΝ ΟΠΛΙΣΜΕΝΟΥ ΣΚΥΡΟΔΕΜΑΤΟΣ ΜΕ ΒΑΣΗ ΤΟΥΣ ΕΥΡΩΚΩΔΙΚΕΣ
Σχολή Μηχανικής και Τεχνολογίας Πτυχιακή εργασία ΣΧΕΔΙΑΣΜΟΣ ΚΑΙ ΕΝΙΣΧΥΣΗ ΤΩΝ ΚΟΜΒΩΝ ΟΠΛΙΣΜΕΝΟΥ ΣΚΥΡΟΔΕΜΑΤΟΣ ΜΕ ΒΑΣΗ ΤΟΥΣ ΕΥΡΩΚΩΔΙΚΕΣ Σωτήρης Παύλου Λεμεσός, Μάιος 2018 i ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ
Διαβάστε περισσότεραWritten Examination. Antennas and Propagation (AA ) April 26, 2017.
Written Examination Antennas and Propagation (AA. 6-7) April 6, 7. Problem ( points) Let us consider a wire antenna as in Fig. characterized by a z-oriented linear filamentary current I(z) = I cos(kz)ẑ
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΦΟΡΟΛΟΓΙΑ Ο.Ε. ΕΙΣΗΓΗΤΡΙΑ ΚΑΘΗΓΗΤΡΙΑ: κ. ΟΥΡΑΝΟΥ ΕΡΜΙΟΝΗ ΣΠΟΥΔΑΣΤΡΙΕΣ: ΔΕΜΕΤΖΟΥ ΑΓΛΑΪΑ
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Το franchising ( δικαιόχρηση ) ως µέθοδος ανάπτυξης των επιχειρήσεων λιανικού εµπορίου
Διαβάστε περισσότεραInverse trigonometric functions & General Solution of Trigonometric Equations. ------------------ ----------------------------- -----------------
Inverse trigonometric functions & General Solution of Trigonometric Equations. 1. Sin ( ) = a) b) c) d) Ans b. Solution : Method 1. Ans a: 17 > 1 a) is rejected. w.k.t Sin ( sin ) = d is rejected. If sin
Διαβάστε περισσότεραSystems with unlimited supply of work: MCQN with infinite virtual buffers A Push Pull multiclass system
Systems with unlimited supply of work: MCQN with infinite virtual buffers A Push Pull multiclass system Gideon Weiss University of Haifa Joint work with students: Anat (Anastasia) Kopzon Yoni Nazarathy
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Ψηφιακή Οικονομία. Διάλεξη 9η: Basics of Game Theory Mαρίνα Μπιτσάκη Τμήμα Επιστήμης Υπολογιστών
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Οικονομία Διάλεξη 9η: Basics of Game Theory Mαρίνα Μπιτσάκη Τμήμα Επιστήμης Υπολογιστών Course Outline Part II: Mathematical Tools Firms - Basics of Industrial
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή διατριβή Η ΚΑΤΑΘΛΙΨΗ ΩΣ ΠΑΡΑΓΟΝΤΑΣ ΚΙΝΔΥΝΟΥ ΓΙΑ ΑΠΟΠΕΙΡΑ ΑΥΤΟΚΤΟΝΙΑΣ
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή διατριβή Η ΚΑΤΑΘΛΙΨΗ ΩΣ ΠΑΡΑΓΟΝΤΑΣ ΚΙΝΔΥΝΟΥ ΓΙΑ ΑΠΟΠΕΙΡΑ ΑΥΤΟΚΤΟΝΙΑΣ Παναγιώτου Νεοφύτα 2008969752 Επιβλέπων καθηγητής Δρ. Νίκος Μίτλεττον,
Διαβάστε περισσότεραΕξοικονόμηση Ενέργειας σε Εγκαταστάσεις Δρόμων, με Ρύθμιση (Dimming) ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΗΣ ΙΣΧΥΟΣ Εξοικονόμηση Ενέργειας σε Εγκαταστάσεις Δρόμων, με Ρύθμιση (Dimming) ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Νικηφόρος
Διαβάστε περισσότεραΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΩΝ ΕΚΠΑΙΔΕΥΣΗΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΗΛΙΚΙΑ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Διαπολιτισμική Εκπαίδευση και Θρησκευτική Ετερότητα: εθνικές και θρησκευτικές
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 10: Το πρόβλημα μεταφοράς: μαθηματικό μοντέλο και μεθοδολογία επίλυσης Τμήμα Εφαρμοσμένης Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότερα