Güç sisteminde durum kestiriminin kötü veri tespii, tanımlanması ve yok edilmesi için ön tahmin filtresinin yapay sinir ağları ile tasarımı
Başlık çevirisi mevcut değil.
- Tez No: 67821
- Danışmanlar: DOÇ. DR. CELAL KOCATEPE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Filtreler, Güç sistemleri, Yapay sinir ağları, Filters, Power systems, Artificial neural networks
- Yıl: 1997
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Bilindiği gibi elektrik enerjisine olan ihtiyaç, her geçen gün artmaktadır ve buna paralel olarak da enerji sistemi sürekli büyümektedir. Enerji sistemindeki bu büyümenin karşılanması esnasında üretim, iletim ve dağıtım sistemleri de bu büyümeden aynı şekilde etkilenmektedir. Üretilen elektrik enerjisinin sorunsuz bir enerji olarak sunulması için, üretimden tüketim noktasına kadar her safhasında çeşitli ölçme, koruma ve kontrol işlemlerine tabi tutulması gerekmektedir. Ölçme işlemlerinde elde edilen veriler ise bir takım hataları içermektedir. Hatalı verilerin tespiti, tanımlanması ve yok edilmesi çalışmaları; güç sisteminin her geçen gün büyümesi ve otomasyonun yaygınlaştırılması çalışmaları ile birlikte karşımıza çıkmaktadır. Bu çalışmada, yukarıda sözü edilen durum kestiriminde hatalı verilerin tespiti, tanımlanması ve yok edilmesi için bir ön tahmin filtresi tanımlanmıştır. Bu filtrenin tasarımında geriye yayılım algoritman yapay sinir ağlan kullanılmıştır. Çalışmamızın her bir bölümünde verilen konular genel olarak şu şekilde özetlenebilir; 1. Bölümde, güç sistemlerinde durum kestirim analizi ile bu analizde verilerin elde edildiği SCADA sistemi tanıtılmış ve analiz yöntemlerine değinilmiştir. 2. Bölümde, SCADA sisteminden elde edilen verilerdeki (ölçüm değerlerindeki) hatalı verilerin tespiti, tanımlanması ve yok edilmesi ile ilgili bilgiler verilmiş olup, daha iyi anlaşılması açısından örneklerle açıklanmıştır. 3. Bölümde, çalışmamızda tasarladığımız ön tahmin filtresinin gerçekleştirilmesinde kullandığımız yapay sinir ağlan tanıtılmış, bununla ilgili model ve şekiller verilmiştir. Yine bu bölümde yapay sinir ağlannda eğitme algoritmalan ve öğrenme kurallan hakkında bilgi verilmiştir. 4. Bölümde, daha önceki bölümlerde verilen durum kestirimi, kötü veri tespiti, tanımlanması ve yok edilmesi çalışmalan ile yapay sinir ağlan birleştirilerek bir ön tahmin fitresi tasarımı gerçekleştirilmiştir. 5. Bölümde, gerçekleştirilen ön tahmin filtresinin, örnek bir sistem üzerinde sayısal uygulaması yapılmış ve sonuçlar listelenmiştir. Yapay sinir ağlan ile yapılan tasanmdan elde edilen bu sonuçlann diğer yöntemlerle karşılaştalması yapılmış ve ortaya çıkan katkılar değerlendirilmiştir.
Özet (Çeviri)
SUMMARY The need for electrical energy is increasing every day and in parallel to this, energy system is also enlarging. While satisfying this enlargement, production, transmission and distribution systems are affected from this increase. In order to offer problem-free electrical energy -from production to consumption- several measurement, protection and control procedures are needed. Data gathered by measurement comes with some errors. By means of the enlargement of the power system and widely usage of automation, bad data detection, identification and elimination studies are confronted. In this paper, a preestimation filter for detection, identification and elimination of bad data in state estimation is designed as mentioned above. In the design of this filter, a neural network using back propagation algorithm is established. Main topics of this paper can be summarized as follows: In the first chapter, state estimation analysis in power systems and data gathering system (SCAD A) is introduced and analysis methods are stated. In the second chapter, data gathered from the SCADA system (measurement values) for detection, identification and elimination of bad data are given and then explained by examples to be understood easily. In the third chapter, neural network used in preestimation filter which is designed for this study is introduced and corresponding models and figures are given. In the fourth chapter, a preestimation filter is designed by combining the mentioned state estimation and bad data detection, identification and elimination studies with the neural network. In the fifth chapter, the designed preestimation filter is numerically applied on a sample system and then the results are listed. Results gained by the neural network are compared with the ones gained by the other methods and the advantages and of the former are taken into account. VI
Benzer Tezler
- Bilgisayar destekli enerji yönetim sistemleri ve kontrol merkezleri
Computer based energy management system and control centres
METİN İZGİ
Yüksek Lisans
Türkçe
1992
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. NESRİN TARKAN
- Enerji sistemlerinin bilgisayar destekli işletilmesi ve gözlenebilirlik analizi
Computer aided operation of power systems and observability analysis
S.MÜŞFİK TOMAÇOĞLU
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. NESRİN TARKAN
- Güç sistem harmonik filtreleri
Power system harmonic filters
MEHMET ARGIN
Yüksek Lisans
Türkçe
2000
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CELAL KOCATEPE
- Yerel elektrik santrallerinin kontrolu
Non-utility generation control
İSTEMİHAN GENÇ
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER USTA
- Elektrik enerji sistemlerinde güvenilirlik değerlendirmesi için kısıtlılık seçimi
Contingency selection for the reliability evaluation in the electric power systems
RAMAZAN ÇAĞLAR
Doktora
Türkçe
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. AYDOĞAN ÖZDEMİR