In this project, we introduce Power Grid Analyzer (PGAz), an open-source software package based on MATLAB, specifically designed for analyzing and controlling future power grids. Initially, PGAz is equipped with four fundamental features: power flow (PF), optimal power flow (OPF), small-signal stability analysis (SSSA), and time-domain simulation (TS). At this stage, Part I concentrates on the development of PF and OPF. The formats of our developed tool are presented, along with its command prompts. In this part, we have developed several conventional yet effective methods in the PGAz package to address PF and OPF problems, including techniques such as the Newton-Raphson method, Gauss-Seidel method, Interior Point Method, Iwamoto’s method, Fast Decoupled Load Flow, Genetic Algorithm, and Particle Swarm Optimization. Additionally, it emphasizes important aspects, algorithms, and various case studies that have been tested against IEEE benchmarks ranging from the IEEE 5-bus to the IEEE 300-bus test systems. The results demonstrate the capabilities of PGAz for future educational and research applications in PF and OPF. Finally, we outline a plan for developing Part II, which will mainly focus on SSSA and TS.
ที่มา ปัจจุบันซอฟต์แวร์วิเคราะห์ระบบไฟฟ้าส่วนใหญ่ เช่น DIgSILENT, PSS®Sincal, และ PSCAD มีค่าใช้จ่ายสูงและมีข้อจำกัดด้านการปรับแต่งโมเดล นอกจากนี้ การอัปเดตโมเดลล่าช้า ส่งผลต่อความก้าวหน้าทางการวิจัยและการศึกษา ในขณะเดียวกัน แม้ว่าจะมีซอฟต์แวร์โอเพนซอร์ส เช่น Power System Toolbox (PST), Power System Analysis Toolbox (PSAT) และ MatPower แต่ซอฟต์แวร์เหล่านี้หลายตัวไม่ได้รับการพัฒนาอย่างต่อเนื่อง หรือขาดความสามารถในการรองรับการวิเคราะห์โครงข่ายไฟฟ้าสมัยใหม่ เช่น Cyber-Physical Power Systems (CPPS) และ Microgrids PGAz จึงถูกพัฒนาขึ้นเพื่อเติมเต็มช่องว่างของซอฟต์แวร์เหล่านี้ โดยมุ่งเน้นให้เป็นแพลตฟอร์มที่เปิดกว้าง มีการอัปเดตอย่างต่อเนื่อง และรองรับการวิเคราะห์ระบบไฟฟ้าในเชิงลึกมากขึ้น ความสำคัญ รองรับการปรับแต่งโมเดลอย่างยืดหยุ่นPGAz พัฒนาโดยใช้ MATLAB ซึ่งช่วยให้ผู้ใช้สามารถปรับแต่งและพัฒนาโมเดลได้อย่างอิสระ และสามารถรวมเข้ากับการวิเคราะห์ที่หลากหลาย เช่น การวิเคราะห์กำลังไฟฟ้า การจำลองเชิงเวลาของโครงข่ายไฟฟ้า และการวิเคราะห์เสถียรภาพเชิงสัญญาณขนาดเล็ก ลดข้อจำกัดของซอฟต์แวร์เชิงพาณิชย์ซอฟต์แวร์เชิงพาณิชย์มักมีข้อจำกัดทั้งด้านต้นทุนและโครงสร้างโมเดลที่ปรับแต่งได้ยาก PGAz จึงเป็นทางเลือกที่เปิดโอกาสให้ผู้ใช้สามารถพัฒนาซอฟต์แวร์ของตนเองโดยไม่มีค่าใช้จ่าย รองรับเทคนิคขั้นสูงในระบบไฟฟ้ายุคใหม่PGAz ได้รวมเทคนิควิเคราะห์โครงข่ายไฟฟ้าที่ทันสมัย เช่น การเพิ่มประสิทธิภาพโดย AI และ Machine Learning การวิเคราะห์ Cyber-Physical Systems และการออกแบบระบบที่รองรับทรัพยากรพลังงานหมุนเวียน สนับสนุนการวิจัยและการศึกษาPGAz ช่วยให้นักวิจัยและนักศึกษาสามารถใช้เครื่องมือโอเพนซอร์สในการศึกษาระบบไฟฟ้าโดยไม่ต้องพึ่งพาซอฟต์แวร์ที่มีค่าใช้จ่ายสูง อีกทั้งยังสามารถนำไปใช้เป็นพื้นฐานสำหรับการพัฒนางานวิจัยด้านวิศวกรรมไฟฟ้าและพลังงานในอนาคต
คณะวิศวกรรมศาสตร์
The production process of the food rancidity indicator label consists of three main steps: 1) preparation of the indicator solution, 2) preparation of the cellulose solution, and 3) formation of the sheet. The indicator solution includes bromothymol blue and methyl red, which act as indicators. The cellulose solution consists of hydroxypropyl methylcellulose, carboxymethyl cellulose, sodium hydroxide, polyethylene glycol 400, and the indicator solution. For the sheet formation, the cellulose solution was mixed with natural latex to increase flexibility and impart hydrophobic properties. After drying, the invention appears as a thin, dark blue label. When exposed to volatile compounds from rancid food, the label changes color from dark blue to green, and then to yellow, corresponding to the increasing amount of volatile compounds from the rancid food.
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
This study aims to identify the toothbrush appearance factors that affect baby boomers purchasing decisions. The research divide into three stages: The first stage is to classify the toothbrush appearance factors through a review of literature, research, and examining toothbrushes currently available on the market, summarizing them as appearance factors. The second stage is to summarize the results of the toothbrush appearance factors to create a multiple-choice questionnaire in three dimensions: purchasing decisions, aesthetics, and functionality. Collecting data from a group of 30 Baby Boomers aged 57-75 years old. The last stage is to summarize the three dimensions of appearance factors affecting baby boomers' toothbrush purchasing decisions and report as percentages and rank them. The research findings indicate that the most significant toothbrush appearance factor is a "Curved handle," accounting for 80%, followed by “Multi-level bristles” at 70%, a "Rubber thumb rest" at 53.3%, "Handle divided into more than two parts" at 50%, and “Offset shape” at 40%, respectively. In terms of the reason for purchasing decision based on various factors are as follows: the curved handle and offset shape give a sense of purchase with its aesthetic, While the selection of multi-level bristles, the Rubber thumb rest, and the handle divided into more than two parts due to functionality.
คณะเทคโนโลยีสารสนเทศ
This research presents a deep learning method for generating automatic captions from the segmentation of car part damage. It analyzes car images using a Unified Framework to accurately and quickly identify and describe the damage. The development is based on the research "GRiT: A Generative Region-to-text Transformer for Object Understanding," which has been adapted for car image analysis. The improvement aims to make the model generate precise descriptions for different areas of the car, from damaged parts to identifying various components. The researchers focuses on developing deep learning techniques for automatic caption generation and damage segmentation in car damage analysis. The aim is to enable precise identification and description of damages on vehicles, there by increasing speed and reducing the work load of experts in damage assessment. Traditionally, damage assessment relies solely on expert evaluations, which are costly and time-consuming. To address this issue, we propose utilizing data generation for training, automatic caption creation, and damage segmentation using an integrated framework. The researchers created a new dataset from CarDD, which is specifically designed for cardamage detection. This dataset includes labeled damages on vehicles, and the researchers have used it to feed into models for segmenting car parts and accurately labeling each part and damage category. Preliminary results from the model demonstrate its capability in automatic caption generation and damage segmentation for car damage analysis to be satisfactory. With these results, the model serves as an essential foundation for future development. This advancement aims not only to enhance performance in damage segmentation and caption generation but also to improve the model’s adaptability to a diversity of damages occurring on various surfaces and parts of vehicles. This will allow the system to be applied more broadly to different vehicle types and conditions of damage inthe future