Şebekeye bağlı rüzgar türbin sistemi için yapay zeka temelli yeni kontrol modelinin tasarlanması
Designing a new artificial intelligence based control model for grid connected wind turbine system
- Tez No: 984645
- Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN BAHÇECİ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Tesisleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektrik enerjisi üretiminde yenilenebilir enerji kaynaklarından etkili bir şekilde yararlanılması ve enerji verimliliği için güç kalitesinin iyileştirilerek sistem kararlılığının sağlanması oldukça önemlidir. Güç kalite sorunlarının belirsiz ve doğrusal olmayan yapıları dikkate alınarak LCL filtreli Dağıtım Statik Senkron Kompanzatör (DSTATCOM) modeli için Yapay Sinir Ağı (ANN) ve Uzun Kısa Süreli Bellek (LSTM) tabanlı olmak üzere iki yeni zeki kontrol sistem yaklaşımları önerilmiştir. Çünkü zeki algoritmalar, doğrusal olmayan sistemleri kontrol etmek ve karmaşık problemleri güçlü hafızalarıyla çözmek için kullanılabilecek uygun yöntemlerdir. ANN ve LSTM tabanlı kontrol modelleri tasarlanırken Parçacık Sürü Optimizasyon (PSO) algoritması ile ayarlanmış geleneksel Oransal İntegral (PI) kontrol sisteminden yararlanılmış ve LCL DSTATCOM, Çift Beslemeli Asenkron Generatörlü (ÇBAG) rüzgar türbini sisteminin bağlı olduğu şebekeye entegre edilmiştir. Kontrol sistemleri şebekede oluşabilecek ani gerilim değişimleri esnasındaki katkıları, bara akım harmonik iyileştirmeleri, filtre parametre değişimine karşı duyarlıkları, kontrol sonuçları ve dengesiz şartlarda türbin entegrasyon etki azaltma katkıları bakımından karşılaştırılmıştır. Detaylı analiz çalışmaları sonucunda önerilen zeki kontrol yaklaşımlar ile DSTATCOM performansının iyileştirilerek, güç kalite sorunlarının azaltıldığı ve LSTM tabanlı kontrol sisteminin en başarılı model olduğu gözlemlenmiştir. Çalışma, derin öğrenme algoritmalarının kontrol sistemlerinde kullanılabilirliğini test etmesi ve rüzgar türbini sisteminden kaynaklanan entegrasyon etkilerini azaltarak güç kalitesinin iyileştirilmesine yönelik literatüre yeni bir alternatif yaklaşım sunması açısından önemlidir.
Özet (Çeviri)
Effectively utilizing renewable energy sources in electricity generation and ensuring system stability by improving power quality are important for energy efficiency. Considering the uncertain and nonlinear nature of power quality issues, two novel intelligent control approaches based on Artificial Neural Networks (ANN) and Long Short-Term Memory (LSTM) were proposed for the LCL-filtered Distribution Static Synchronous Compensator (DSTATCOM) model. This is because intelligent algorithms are suitable methods for controlling nonlinear systems and solving complex problems using their powerful memory capabilities. While designing ANN- and LSTM-based control models, the conventional Proportional-Integral (PI) control system tuned with Particle Swarm Optimization (PSO) algorithm was utilized, and the LCL-DSTATCOM was integrated into the grid connected to the Doubly-Fed Induction Generator (DFIG) wind turbine system. The control systems were compared in terms of their contributions during sudden voltage variations in the grid, improvements in bus current harmonics, sensitivity to filter parameter changes, control performances, and effectiveness in mitigating the impact of turbine integration under unbalanced conditions. As a result of detailed analysis studies, it was observed that the proposed intelligent control approaches improved the performance of the DSTATCOM, reduced power quality issues, and that the LSTM-based control system was the most effective model. This study is important as it tests the applicability of deep learning algorithms in control systems and offers a novel approach for improving power quality by mitigating the integration effects of wind turbine systems.
Benzer Tezler
- Deep learning for wind energy systems using the hurst exponent and statistical parameters
Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme
BEHNAZ ALAFI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Türkiye'de kurulu güç dağılımı dengelemesiyle rüzgardan enerji üretiminin üniformlaştırılması
Uniformizing energy production from wind through installed capacity balancing in Turkey
CANSU ŞİMAL BAĞLI
Yüksek Lisans
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. BURAK BARUTÇU
- Design of wind turbine driven doubly-fed induction generator with matrix converter on the rotor side
Rüzgar türbini tarafından sürülen rotor tarafına bağlı matris çeviricili çift beslemeli asenkron generatör tasarımı.
MOHAMED ALİ ARELBİ ALARABİ
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SEDAT SÜNTER
- Yenilenebilir enerji sistemleri ile entegre iki alanlı güç sisteminde yük frekans kontrolü için optimizasyon yöntemleri kıyaslaması
Comparison of optimization methods for load frequency control in a two-area power system integrated with renewable energy systems
FATİH DEMİRCAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEN DEMİRÖREN
- Dağıtık üretim sistemlerinin akıllı şebekeler üzerine etkilerinin incelenmesi
Examination of the effects of distributed generation on smart grids
MİKAİL PÜRLÜ
Doktora
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY