Geri Dön

Güç sistemi sinyal örneklerinden derin öğrenme ile harmonik kestirimi için elektrik ark ocağı akımlarının istatistiksel modellenmesi

Statistical modeling of electric arc furnace currents for harmonic estimation from power system signal samples using deep learning framework

PDF İndir

  1. Tez No: 650746
  2. Yazar: NAGİHAN SEVEROĞLU KÜÇÜK
  3. Danışmanlar: PROF. DR. ÖZGÜL SALOR DURNA
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Elektrik ark fırını, Electric arc furnace
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu doktora tezinde, güç sistemlerindeki harmonik bileşenlerin analizi için Derin Öğrenme (DÖ) tabanlı yeni bir yöntem geliştirilmiştir. Yöntemin amacı, herhangi bir öznitelik hesaplanmasına ihtiyaç duyulmadan, doğrudan gerilim ya da akım dalgasının örnekleri kullanılarak harmoniklerin kestirilmesidir. Önerilen yöntemde, harmonik genliklerin kestirilmesine odaklanan araştırma çalışmalarının çoğundan farklı olarak harmonik bileşenlerin hem genliklerinin hem de fazlarının kestirilmesi hedeflenmiştir. Böylece, yöntemin aktif süzgeç gibi modern güç sistemi kompanzasyon cihazlarına hizmet etmesi mümkündür. Tez çalışmasının bir diğer amacı da, DÖ sistemlerindeki büyük eğitim verisi ihtiyacını karşılamak üzere gerçeğe yakın yüksek miktarda sentetik akım ya da gerilim verisi oluşturan bir yöntem geliştirmektir. Çalışma kapsamında elektrik iletim sisteminin Elektrik Ark Ocağı (EAO) fabrikalarını besleyen transformatör merkezlerinden toplanan akım ve gerilim örnekleri kullanılmıştır. EAO zamanda hızlı değişen yüksek miktarda karakteristik ve karakteristik olmayan akım harmonikleri oluşturan özel bir yüktür. DÖ sistemini eğitmek için ihtiyaç duyulan veri miktarı, saha verisinin harmonik istatistikleri çıkartılıp, oluşturulan bu istatistiklere uygun olarak üretilen sentetik veriyle sağlanmıştır. Dolayısıyla EAO harmoniklerinin genlik ve fazlarının dağılım modeli de elde edilmiştir. Böylece, önerilen kestirim işlemi sürecinde herhangi bir zaman veya frekans özelliği hesaplanmadan, doğrudan dalga formunu kullanarak EAO akımlarının harmoniklerinin kestirimi sağlanmaktadır. EAO akımlarının dökümden-döküme süresinde elde edilen istatistiklere dayanarak büyük miktarlarda ve gerçeğe uygun zamanda hızlı değişen harmoniklere sahip EAO akım verileri üretilmiş ve önerilen DÖ sistemi kullanılarak harmonik analizi yapılmıştır. Önerilen yöntemin bir kompanzasyon sistemine uyarlanabilirliğinin gösterilebilmesi için, benzetim ortamında harmonik eleme için kullanılarak aktif süzgeçe uyarlanma başarımı da gösterilmiştir.

Özet (Çeviri)

In this dissertation, a new method is developed for the analysis of harmonic components in the power system using a Deep Learning (DL) framework. The method aims to estimate harmonics by supplying the DL system with the current or voltage samples directly, without computing any features from the data. The proposed method computes both the amplitudes and phases of the harmonics in contrast to many harmonic estimation methods listed in the literature, which focus on amplitudes only. Hence, the proposed method can serve reference signals to the modern compensation systems in a power grid, such as active power filters. Another aim of the thesis work is to develop a method to generate synthetic but realistic current or voltage waveform samples to satify the big data needs of the DL framework. Field data for this work is collected from a transformer substation supplying Electric Arc Furnace (EAF) plants. EAF is a special load of the power system which draws highly time-varying harmonics at both characteristic and uncharacteristic frequencies. Syntetic signals to train the DL framework have been generated based on the amplitude and phase statistictics of the field data, which is much smaller in size than the required by DL. Therefore, amplitude and phase distribution models of the EAF harmonics have also been obtained through the thesis work. Hence, EAF harmonic amlitudes and phases are estimated directly from the waveform samples without computing any features in time or frequency domain. Based on a single EAF tap-to-tap time data, synthetic but realistic EAF data with time-varying harmonics is generated for training the DL framework and EAF harmonics are estimated from field data. The applicability of the developed system to possible active filtering applications has also been demonstrated by active filtering the estimated harmonics from the field data in the simulation environment.

Benzer Tezler

  1. Tez No

    854833

    Energy management of P2 hybrid electric vehicle based on event triggered nonlinear model predictive control and deep Q network

    Olay tetiklemeli nonlineer model öngörülü kontrol ve derin Q ağı temelli P2 hibrit elektrikli aracın enerji yönetimi

    MEHMET CÜNEYT HASPOLAT

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YAPRAK YALÇIN

  2. Tez No

    818583

    Development of mirna biomarkers for the differentiation between gingivitis and periodontitis: A pilot study

    Gingivitis ve periodontitis ayrımı için mirna biyobelirteçlerinin geliştirilmesi: Pilot çalışma

    DHAFIR LATIEF FAYADH FAYADH

    Doktora

    İngilizce

    İngilizce

    2023

    BiyokimyaSüleyman Demirel Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. MUSTAFA CALAPOĞLU

  3. Tez No

    846274

    The role of oxidative stress factors in the pathophysiology of Ocular Rosacea, analysis of tears and other materials

    Oküler Rosacea patofizyolojisinde oksidatif stres faktörlerinin rolü, gözyaşı ve diğer materyallerin analizi

    NİLÜFER YEŞİLIRMAK

    Doktora

    İngilizce

    İngilizce

    2023

    BiyokimyaGazi Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    PROF. DR. NESLİHAN BUKAN

    PROF. DR. JEAN-LOUIS BOURGES

  4. Tez No

    387370

    Design of a self-aligned, high resolution, low temperature (30 mK - 300 K) magnetic force microscope

    Kendiliğinden hizalamalı, yüksek çözünürlüklü, düşük sıcaklık (30 mK - 300 K) manyetik kuvvet mikroskobu tasarımı

    ÖZGÜR KARCI

    Doktora

    İngilizce

    İngilizce

    2015

    Fizik ve Fizik MühendisliğiHacettepe Üniversitesi

    Nanoteknoloji ve Nanotıp Ana Bilim Dalı

    PROF. DR. ŞADAN ÖZCAN

    PROF. DR. AHMET ORAL

  5. Tez No

    919272

    Bağırsak hasar modellerinde kemik iliği mezenkimal kök hücre ve bağırsak mezenkimal kök hücrelerin rejeneratif ve immün modülatuvar etkilerinin karşılaştırılması

    Comparison of regenerative and immune modulatory effecets of bone marrow and intestinal mesenchymal stem cells i intestinal damage models

    BURCU PERVİN

    Doktora

    İngilizce

    İngilizce

    2025

    BiyolojiHacettepe Üniversitesi

    Kök Hücre Ana Bilim Dalı

    DOÇ. DR. FATİMA AERTS KAYA

Geri Dön